Los modelos de aprendizaje existentes sugieren que la disponibilidad y el carácter informativo de los datos determinan el ritmo del aprendizaje. Sin embargo, al aprender a usar una tecnología, a menudo hay una cantidad asombrosa de dimensiones de entrada potencialmente importantes. Las personas con atención limitada deben elegir a qué dimensiones prestar atención y, posteriormente, aprender de los datos disponibles. Usamos este modelo de "aprender a través de la observación" para arrojar luz sobre hechos estilizados sobre la adopción y el uso de la tecnología. Mostramos cómo los agentes con mucha experiencia pueden estar persistentemente fuera de la frontera de producción, simplemente porque no notaron características importantes de los datos que poseen. El modelo también permite predicciones sobre cuándo es probable que ocurran estas fallas de aprendizaje. Probamos algunas de estas predicciones en un experimento de campo con cultivadores de algas. Los datos de la encuesta revelan que estos agricultores no prestan atención al tamaño de la mazorca, una dimensión de entrada particular. Los ensayos experimentales sugieren que los agricultores están particularmente lejos de optimizar esta dimensión. Además, de acuerdo con el modelo, encontramos que simplemente tener acceso a los datos experimentales no induce el aprendizaje. En cambio, los cambios de comportamiento ocurren solo después de que a los agricultores se les presentan resúmenes que resaltan las relaciones previamente desatendidas en los datos.