위대한 AI 학습 역설
우리 시대를 정의하는 역설이 하나 있습니다: AI는 단기적으로 생산성을 높이면서 장기적으로는 역량을 약화시킬 수 있습니다.
와튼 경영대학원의 획기적인 2024년 연구가 이를 완벽하게 보여줬습니다. 터키의 약 1,000명의 고등학교 수학 학생들이 세 그룹으로 나뉘었습니다: ChatGPT를 자유롭게 사용하는 그룹, 안전장치가 있는 특별 설계된 "GPT 튜터"를 사용하는 그룹, 그리고 AI 접근이 없는 대조군.
연습 세션에서 제한 없는 ChatGPT 그룹은 대조군보다 48% 더 높은 성과를 보였습니다. 문제를 수월하게 풀었습니다. 자신감을 느꼈습니다. 그러나 시험(AI 접근 불가)에서는 AI를 전혀 사용하지 않은 학생들보다 17% 낮은 점수를 받았습니다.
AI가 수학을 가르쳐준 게 아닙니다. AI가 대신 수학을 해준 것입니다.
한편, GPT 튜터 그룹(직접적인 답 대신 힌트와 유도 질문을 제공)은 연습에서 127% 더 나은 성과를 보였고, 시험에서는 대조군과 동등한 성적을 거뒀습니다. 같은 AI 기술로 근본적으로 다른 결과를 얻었으며, 그 차이는 오직 사용 방법에 있었습니다.
이 하나의 연구가 AI와 학습에 대해 알아야 할 모든 것을 보여줍니다: 도구가 변수가 아닙니다. 도구와의 관계가 변수입니다.
연구가 실제로 말하는 것
AI가 학습에 도움이 되는지 해가 되는지에 대한 논쟁은 이제 의견을 넘어섰습니다. 다수의 동료 심사 연구에서 발견한 내용은 다음과 같습니다:
AI가 학습에 해를 끼칠 수 있음을 보여주는 연구
| 연구 | 핵심 발견 | 규모 |
|---|---|---|
| 와튼/UPenn (2024, PNAS) | 제한 없는 ChatGPT 사용자들이 AI 없는 시험에서 17% 낮은 점수 | ~1,000명의 학생 |
| MIT 미디어랩 (2025) | ChatGPT 사용자들이 창의성과 기억에서 가장 약한 뇌 연결성을 보임 | 54명, 4개월 |
| Gerlich (2025, MDPI Societies) | AI 사용 빈도와 비판적 사고 사이의 부적 상관관계 | 666명의 참가자 |
| 중국 대학 연구 (2025) | AI 의존도가 높을수록 비판적 사고 점수가 낮음 | 580명의 학생 |
| Barcaui (2025, SSRN) | 장기간 AI 노출이 기억력 감퇴를 야기 | 73명의 대학생 |
AI가 학습에 도움이 될 수 있음을 보여주는 연구
| 연구 | 핵심 발견 | 규모 |
|---|---|---|
| 하버드/BCG (2023) | AI 역량 범위 내 과제에서 25% 빠르고, 40% 높은 품질 | 758명의 컨설턴트 |
| 다트머스 (2025, Nature) | AI 튜터링이 교실 내 능동적 학습보다 유의미하게 높은 성과 | 190명의 의대생 |
| Ma (2025, J. Computer Assisted Learning) | 메타분석: 학습 성과에 g = 0.68의 긍정적 효과 크기 | 다수 연구 |
| 와튼 GPT 튜터 (2024) | 체계적 AI 튜터링: 연습에서 127% 향상, 시험에서 대조군과 동등 | ~1,000명의 학생 |
패턴은 명확합니다: 같은 기술이 배치 방법에 따라 정반대의 결과를 만들어냅니다.
MIT 뇌 연구: 경종을 울리다
가장 주목할 만한 연구 결과는 MIT 미디어랩의 2025년 연구 "Your Brain on ChatGPT"에서 나왔습니다. 연구자들은 54명의 참가자에게 4개월 동안 ChatGPT, 구글 검색, 또는 아무 도구 없이 에세이를 작성하게 하면서 EEG로 뇌 활동을 측정했습니다.
결과는 충격적이었습니다:
- ChatGPT 사용자들은 모든 측정 대역에서 가장 약한 신경 연결성을 보였으며, 여기에는 창의성, 기억 형성, 의미 처리와 관련된 대역이 포함됩니다
- 4개월 동안 LLM 사용자들은 "신경적, 언어적, 행동적 수준에서 지속적으로 저조한 성과를 보였습니다"
- 독창적 사고가 결여된 거의 동일한 에세이를 작성했습니다
- 이후 자신의 글을 정확하게 인용하지 못했습니다
이것은 지능의 문제가 아닙니다. 사고 과정을 외부에 위탁했을 때 일어나는 일에 관한 것입니다. 뇌는 다른 기관과 마찬가지로 주어지는 요구(또는 요구의 부재)에 적응합니다.
인지 오프로딩 문제
인지 오프로딩이란 과제에 필요한 정신적 노력을 줄이기 위해 외부 도구를 사용하는 행위입니다. 장을 외우는 대신 목록을 작성하는 것이 인지 오프로딩입니다. 계산기를 사용하는 것도 마찬가지입니다. 그리고 기사를 직접 읽는 대신 ChatGPT에게 요약을 요청하는 것도 인지 오프로딩입니다.
개념 자체는 새로운 것이 아닙니다. 하지만 AI 기반 인지 오프로딩의 규모와 용이성은 전례가 없습니다.
데이터가 보여주는 것
Michael Gerlich의 2025년 연구(다양한 연령대의 666명 참가자)에 따르면:
- AI 도구의 잦은 사용과 비판적 사고 능력 사이에 유의미한 부적 상관관계가 있었습니다
- 젊은 참가자들이 더 높은 AI 의존도와 더 낮은 비판적 사고 점수를 보였습니다
- AI에 대한 높은 신뢰는 더 많은 인지 오프로딩과 상관관계가 있었습니다. AI가 맞다고 더 많이 믿을수록 확인을 덜 합니다.
마이크로소프트와 카네기멜론 대학교의 연구도 이를 확인했습니다: AI를 가장 신뢰하는 사람이 AI를 가장 적게 확인합니다. 이는 위험한 피드백 루프를 만듭니다: 잦은 AI 사용이 신뢰를 쌓고, 신뢰가 검증을 줄이고, 검증 감소가 비판적 사고를 약화시키며, 이것이 의존도를 높입니다. 이 순환이 반복됩니다.
연구자들은 이 현상을 설명하기 위해 다양한 용어를 만들었습니다:
- "인지 위축": 사용하지 않아 정신 능력이 약화되는 현상
- "AICICA" (AI 동반자 유발 인지 위축): AI 관련 인지 쇠퇴를 지칭하는 특정 용어
- "메타인지적 게으름": AI가 사고를 처리할 때 자기 감시와 자기 조절이 감소하는 현상
지식 노동자에게 중요한 이유
그 영향은 교육 영역을 훨씬 넘어섭니다. Frontiers in Psychology 논문(2025)은 AI 보조 학습에서 "인지적 역설"을 발견했습니다: AI는 개인화된 학습을 강화하는 한편, 과도한 의존은 인지적 참여와 장기 기억을 감소시킵니다.
읽고, 연구하고, 전문적으로 학습하는 모든 사람에게 이것은 진정한 긴장을 만듭니다: 오늘 가장 생산적으로 만들어주는 도구가 내일 우리를 가치 있게 만드는 기술을 잠식할 수 있습니다.
AI가 학습에 도움이 되는 경우: 증강 모델
모든 AI 사용이 동일한 것은 아닙니다. 연구는 AI가 진정으로 학습을 향상시키는 패턴을 일관되게 파악합니다:
1. 소크라테스식 튜터로서의 AI
와튼 연구의 가장 중요한 발견은 AI가 학습을 해친다는 것이 아닙니다. 적절하게 설계된 AI가 학습을 극적으로 돕는다는 것이었습니다. GPT 튜터는 다음을 제공했습니다:
- 답 대신 힌트
- 사고를 촉진하는 유도 질문
- 학생이 진전함에 따라 줄어드는 비계적 지원
결과: 연습 성과 127% 향상, 시험에서 불이익 없음.
다트머스의 2025년 "NeuroBot TA" 연구에서도 의대생을 대상으로 유사한 결과가 나왔습니다. 핵심은 AI가 단순히 답을 제공하는 것이 아니라 선별된 전문 자료를 기반으로 학생의 추론 과정을 안내했다는 점입니다.
2. 지식 구성을 위한 AI
Studies in Higher Education의 2025년 연구는 AI 사용의 두 가지 모드를 구분했습니다:
- 숙달 접근법: AI를 활용해 지식을 구성하고 증강하기(개념 설명 요청, 이해도 도전, 예시 생성)
- 절차적 접근법: AI를 사용해 과제를 기계적으로 완료하기(참여 없이 복사 붙여넣기, 초안 생성)
고차원적 학습은 오직 숙달 접근법에서만 발생했습니다. AI 도구의 단순한 존재는 중요하지 않았습니다. 중요한 것은 학습자의 의도와 참여였습니다.
3. 개인화된 학습 속도를 위한 AI
메타분석 데이터(Ma, 2025)는 연구 전반에 걸쳐 g = 0.68의 종합적 긍정적 효과 크기를 보여주며, 특히 다음 영역에서 강한 효과가 나타났습니다:
- 인지 차원 (g = 0.795): 개념 이해 및 적용
- 역량 차원 (g = 0.711): 기술 개발
AI 튜터링은 개인의 학습 속도에 맞추고, 지식 격차를 파악하며, 맞춤형 연습을 제공할 때 빛을 발합니다. 이는 인간 교육만으로는 대규모로 실현하기 어려운 것들입니다.
AI가 학습에 해가 되는 경우: 의존의 함정
같은 연구들은 AI가 학습 성과를 떨어뜨리는 명확한 패턴도 파악합니다:
1. 복사-붙여넣기의 악순환
MIT 미디어랩은 우려스러운 추세를 추적했습니다: 연구 4개월 동안 복사-붙여넣기 행동이 증가했습니다. 참가자들이 ChatGPT에 더 익숙해질수록 자료에 더 적게 참여했지, 더 많이 참여하지 않았습니다. 자기 말로 바꾸기를 그만뒀습니다. 자체 분석을 추가하지 않았습니다. AI 출력물의 필사자가 되어갔습니다.
2. 이해의 착각
ChatGPT가 개념을 명확하게 설명하면 이해한 것 같은 기분이 듭니다. 하지만 설명을 인식하는 것과 이해를 생성하는 것 사이에는 결정적인 차이가 있습니다.
이는 교과서를 다시 읽는 것이 생산적으로 느껴지지만 효과가 없는 것과 같은 현상입니다. 자료의 친숙함이 거짓된 숙달감을 만듭니다. AI는 그 설명이 원본보다 더 명확하고 접근하기 쉬운 경우가 많기 때문에 이 착각을 증폭시킵니다.
3. 생산적 어려움의 침식
학습에는 노력이 필요합니다. 인지과학에서는 이를 **"바람직한 어려움"**이라고 부릅니다: 뇌가 새로운 신경 연결을 형성하도록 하는 생산적인 고군분투입니다. AI가 이 고군분투를 제거하면 학습 자체를 제거하는 것입니다.
와튼 연구의 제한 없는 ChatGPT 그룹이 정확히 이것을 경험했습니다: 연습을 수월하게 통과하고(고군분투 없음) 시험에서 실패했습니다(학습 없음).
| 학습 패턴 | 단기적 느낌 | 장기적 결과 |
|---|---|---|
| AI 요약을 수동적으로 읽기 | 쉽고 효율적 | 낮은 기억력 |
| AI가 문제를 대신 풀게 하기 | 생산적 | 기술 위축 |
| AI를 활용해 자기 작업 확인하기 | 다소 느림 | 학습 강화 |
| AI에게 자신의 추론에 도전하도록 요청하기 | 불편함 | 깊은 이해 |
두 가지 유형: 켄타우로스 대 사이보그
하버드/BCG의 758명 컨설턴트 연구에서 인간-AI 협업의 두 가지 성공 모델을 확인했습니다:
켄타우로스
신화 속 생물처럼, 켄타우로스는 인간의 작업과 AI 작업 사이에 명확한 경계를 유지합니다. 어떤 과제를 AI에게 위임하고 어떤 과제를 직접 처리할지 전략적으로 결정합니다.
- 접근법: "창의적 사고와 분석은 내가 합니다. 데이터 처리와 서식은 AI가 합니다."
- 강점: 복잡한 의사결정에서 인간의 판단력 보존
- 위험: AI 역량을 충분히 활용하지 못할 수 있음
사이보그
사이보그는 업무 흐름 전반에 걸쳐 AI를 지속적으로 통합합니다. 과제를 나누지 않고 모든 단계에서 협업합니다.
- 접근법: "AI와 나는 모든 것을 함께 작업하며, 각자 장점을 기여합니다."
- 강점: 전체 과정에 걸쳐 AI 활용을 극대화
- 위험: 독립적 비판적 사고를 유지하기 어려움
핵심 주의 사항
두 모델 모두 AI의 역량 범위 내 과제에서는 잘 작동했습니다. AI의 역량 범위 밖의 과제에서는 두 모델 모두 성과가 19 퍼센트 포인트 하락했습니다.
이것은 AI 증강 업무에서 가장 중요한 개념 중 하나로 이어집니다: **"울퉁불퉁한 기술적 프런티어"**입니다. AI의 역량은 고르지 않습니다: 어떤 과제에서는 뛰어나고, 다른 과제에서는 보통이며, 몇몇 과제에서는 형편없습니다. 가장 효과적인 학습자와 노동자는 자신의 특정 영역에서 프런티어가 어디에 있는지 정확히 파악하는 사람들입니다.
| AI 역량 범위 내 | 경계 영역 | AI 역량 범위 밖 |
|---|---|---|
| 데이터 종합 | 창의적 전략 | 감성 지능 |
| 패턴 인식 | 윤리적 판단 | 체험적 경험 |
| 언어 번역 | 새로운 문제 해결 | 맥락적 지혜 |
| 코드 생성 |
AI 증강 학습을 위한 실용적 프레임워크
연구를 기반으로, AI를 학습을 대체하는 것이 아닌 강화하는 데 사용하기 위한 프레임워크를 소개합니다:
HEAR 프레임워크
H - 먼저 하이라이트하고, 나중에 질문하세요 (Highlight First, Ask Second)
AI에게 무엇이든 묻기 전에 원본 자료에 직접 참여하세요. 기사를 읽으세요. 영상을 보세요. 자신에게 중요한 부분을 하이라이트하세요. 먼저 자신만의 질문과 초기 이해를 형성하세요.
이것이 효과적인 이유: 능동적 회상에 대한 연구에 따르면 질문을 형성하고 핵심 포인트를 파악하는 노력 자체가 학습 활동입니다. 이 단계를 건너뛰고 바로 AI 요약으로 가는 것은 과정에서 가장 가치 있는 부분을 제거하는 것입니다.
E - 추출하지 말고 참여하세요 (Engage, Don't Extract)
AI를 사용할 때는 답변 기계가 아닌 사고 파트너로 활용하세요.
-
이렇게 하지 마세요: "이 기사를 요약해줘"
-
이렇게 해보세요: "이 기사에서 이런 핵심 내용을 하이라이트했어. 내가 놓친 건 뭐야? 어떤 반론이 있어?"
-
이렇게 하지 마세요: "양자 컴퓨팅을 설명해줘"
-
이렇게 해보세요: "양자 컴퓨팅에 대한 내 이해는 이래 [자기 메모]. 어디가 잘못됐어? 이해를 더 깊게 하려면 뭘 알아야 해?"
A - 주석을 달고 연결하세요 (Annotate and Connect)
AI가 생성한 통찰을 고립시키지 마세요. 이미 알고 있는 것과 연결하세요.
- AI 설명 옆에 자신의 메모를 추가하세요
- 새로운 정보와 기존 지식 사이에 연결 고리를 만드세요
- 주석이 달린 통찰을 다른 사람과 공유하여 이해를 강화하세요
여기서 Glasp 같은 도구가 핵심적입니다. 읽으면서 하이라이트하고 주석을 달면, AI 요약만으로는 재현할 수 없는 능동적 처리를 수행하는 것입니다. 하이라이트는 AI의 사고가 아닌 나의 사고 지도가 됩니다.
R - 회상하고 검증하세요 (Retrieve and Verify)
AI의 도움으로 학습한 내용을 정기적으로 자가 테스트하세요. AI 없이 개념을 설명할 수 없다면, 아직 배운 게 아닙니다.
- 원래 맥락 없이 하이라이트를 다시 읽어보세요
- 개념을 자기 말로 설명해보세요
- AI를 활용해 퀴즈를 내게 하세요, 대신 답하게 하지 마세요
전체를 하나로 합치기
| 단계 | 행동 | 인지적 효과 |
|---|---|---|
| 하이라이트 | 직접 핵심 구절을 읽고 표시하기 | 능동적 참여, 초기 처리 |
| 참여 | AI를 사고 파트너로 활용하여 토론하기 | 더 깊은 이해, 새로운 관점 |
| 주석 | 자신의 메모와 연결 고리 추가하기 | 지식 구성, 기억력 |
| 회상 | AI 없이 자가 테스트하기 | 장기 기억 형성 |
AI 시대에서 하이라이팅과 주석의 역할
AI 학습 논쟁에는 아이러니가 있습니다: 학습을 위해 AI를 가장 효과적으로 사용하는 방법은 가장 오래된 학습 기법인 하이라이팅과 메모를 포함합니다.
하이라이팅이 여전히 중요한 이유
인지 오프로딩에 대한 연구는 문제가 AI 자체가 아니라는 것을 보여줍니다. 문제는 AI가 가능하게 하는 수동성입니다. 기사를 읽고 즉시 ChatGPT에게 요약을 요청하면, 가장 가치 있는 인지 단계를 건너뛰게 됩니다: 무엇이 중요한지 결정하는 것.
하이라이팅은 그 결정을 하게 만듭니다. 구절을 선택할 때마다 자신에게 묻게 됩니다: 이것이 중요한가? 왜? 이미 알고 있는 것과 어떻게 관련되는가?
이것이 바로 능동적 처리입니다: AI에 의존하는 학습자가 건너뛰고, 연구가 기억 유지에 필수적이라고 보여주는 바로 그 인지 활동입니다.
소셜 학습의 이점
MIT 연구에서 ChatGPT 사용자들이 "독창적 사고가 결여된 거의 동일한 에세이"를 작성했다는 것이 발견되었습니다. 이는 중요한 질문을 제기합니다: 모두가 같은 AI에서 배운다면, 독창성은 어디서 오는가?
답은 다양한 관점에 있습니다. 같은 기사에서 다른 사람들이 무엇을 하이라이트했는지(무엇이 중요하다고 느꼈는지, 어떤 질문을 했는지, 어떤 연결을 만들었는지) 볼 때, 실제 인간 경험에서 나오기 때문에 AI가 생성할 수 없는 사고 패턴에 노출됩니다.
이것이 소셜 하이라이팅 플랫폼이 AI만으로는 재현할 수 없는 학습 환경을 만드는 이유입니다:
- 같은 콘텐츠에 대한 다양한 해석을 볼 수 있습니다
- 놓칠 수 있었던 통찰을 발견합니다
- 알고리즘이 아닌 학습자 커뮤니티와 교류합니다
- 하이라이트가 모두에게 도움이 되는 집단 지식 기반의 일부가 됩니다
AI 요약 + 인간 하이라이트: 두 세계의 장점
이상적인 워크플로는 AI 또는 인간 주석이 아닙니다. 둘 다입니다:
- 유튜브 영상을 시청하고 AI를 활용해 빠른 요약과 자막을 얻으세요
- 자막을 읽으며 자신의 특정 필요에 공감하는 부분을 하이라이트하세요
- 자신의 메모를 추가해 해당 구절이 왜 중요한지 설명하세요
- 하이라이트를 공유해 다른 사람들이 당신의 관점에서 도움을 받게 하세요
- 하이라이트를 정기적으로 복습해 학습을 강화하세요
이 워크플로는 AI의 효율성(빠른 요약, 자막 생성)과 인간 참여의 효과(능동적 선택, 개인적 주석, 소셜 공유)를 결합합니다.
자주 묻는 질문
AI가 학생들을 더 무능하게 만들고 있나요?
정확히 그렇지는 않습니다. 연구에 따르면 제한 없는 AI 접근은 학습 성과를 떨어뜨릴 수 있지만(와튼: 시험에서 17% 낮은 점수), 체계적 AI 튜터링은 기존 방법에 부합하거나 이를 초과할 수 있습니다. 변수는 지능이 아니라 AI 사용 방법입니다. 사고를 건너뛰기 위해 AI를 사용하는 학생은 덜 배웁니다. 사고를 심화하기 위해 AI를 사용하는 학생은 더 많이 배웁니다.
학교에서 ChatGPT와 유사한 AI 도구를 금지해야 하나요?
연구에 따르면 금지는 역효과를 낳습니다. 고등학생의 84%가 이미 학교 공부에 생성형 AI를 사용하고 있습니다. 금지 대신, 와튼 연구는 안전장치 설계(답 대신 힌트, 직접적 응답 대신 유도 질문)가 극적으로 더 나은 결과를 만든다는 것을 보여줍니다. 목표는 학생들에게 AI를 답변 기계가 아닌 학습 도구로 사용하는 방법을 가르치는 것이어야 합니다.
AI는 비판적 사고에 어떤 영향을 미치나요?
666명의 참가자를 대상으로 한 연구(Gerlich, 2025)에서 잦은 AI 사용과 비판적 사고 사이에 유의미한 부적 상관관계가 발견되었습니다. 그러나 이는 인지 오프로딩에 의해 매개되는 것으로 보입니다: 사고를 AI에 더 많이 위탁할수록 독립적으로 사고하는 연습을 덜 합니다. 해결책은 AI를 피하는 것이 아니라 AI 사용과 함께 의도적인 비판적 사고 실천을 유지하는 것입니다.
AI가 인간 튜터를 대체할 수 있나요?
특정 유형의 교육에서 AI 튜터링은 놀라울 정도로 효과적입니다. 다트머스의 2025년 연구에서 AI 튜터링이 의대생을 대상으로 한 교실 내 능동적 학습을 능가했습니다. 그러나 AI 튜터링은 단순히 질문에 답하는 것이 아니라 가르치도록 설계(비계적 질문, 추론 안내)되었을 때 가장 잘 작동합니다. 인간 튜터는 여전히 감정적 지원, 동기 부여, AI 역량 밖의 새로운 상황 처리에서 뛰어납니다.
공부에 AI를 가장 잘 활용하는 방법은 무엇인가요?
연구는 숙달 접근법을 가리킵니다: AI를 과제를 기계적으로 완료하는 데가 아니라 지식을 구성하고 증강하는 데 사용하세요. 구체적으로:
- 먼저 자료를 읽고 하이라이트하며, 자신만의 이해를 형성하세요
- AI를 사고를 대체하는 것이 아닌 도전하는 데 활용하세요
- AI에게 대안적 관점, 반론, 더 깊은 설명을 요청하세요
- AI 접근 없이 자료를 자가 테스트하세요
- 학습 내용을 다른 사람과 공유하고 토론하세요
AI가 결국 전통적 학습을 무용하게 만들까요?
현재 증거는 반대를 시사합니다. AI는 능동적 인지 참여의 대체 불가능한 가치를 부각시킵니다: 깊이 읽기, 비판적으로 사고하기, 연결 고리 형성하기, 어려운 자료와 생산적으로 씨름하기. AI 도구는 이러한 전통적 학습 실천을 대체할 때가 아니라 결합할 때 가장 강력합니다.
결론: 학습자로서 AI와 공존하는 방법
연구는 명확한 그림을 보여줍니다: AI는 지금까지 만들어진 가장 강력한 학습 도구이자 동시에 가장 위험한 도구입니다. 여러분이 가져오는 접근 방식을 그대로 증폭시킵니다. 능동적으로 학습에 접근하면 AI가 성장을 가속합니다. 수동적으로 접근하면 AI가 퇴보를 가속합니다.
확실히 알 수 있는 것은 다음과 같습니다:
- "목발" 모델은 실패합니다. 참여 없는 제한 없는 AI 접근은 학습, 비판적 사고, 심지어 뇌 연결성에서 측정 가능한 감소를 가져옵니다.
- "튜터" 모델은 효과가 있습니다. 단순히 답하는 것이 아닌 안내하고, 질문하고, 비계를 제공하도록 설계된 AI는 전통적 방법과 동등하거나 더 나은 결과를 만듭니다.
- 능동적 참여는 타협할 수 없습니다. 읽기, 하이라이팅, 주석 달기, 아이디어 연결은 시대에 뒤떨어진 실천이 아닙니다. AI를 해로운 것이 아닌 유용한 것으로 만드는 인지적 기반입니다.
- 소셜 학습은 AI가 제공할 수 없는 차원을 더합니다. 같은 자료에 대해 다른 사람들이 어떻게 생각하는지 보는 것은 어떤 알고리즘도 생성할 수 없는 관점에 노출시킵니다.
문제는 더 이상 AI를 사용할 것인가가 아닙니다. 학생의 84%가 이미 사용하고 있습니다. 문제는 우리를 더 유능하게 만들 방식으로 사용할 것인가, 아니면 덜 유능하게 만들 방식으로 사용할 것인가입니다.
답은 어떻게 읽고, 하이라이트하고, 사고하는가에서 시작됩니다.
AI 시대에 더 나은 학습 습관을 만들고 싶으신가요? Glasp은 기사와 유튜브 영상을 하이라이트하고, 자신만의 메모를 추가하고, 다른 사람들이 읽고 있는 것에서 배울 수 있도록 도와줍니다. 하이라이트는 당신의 디지털 지식 기반이 됩니다: 어떤 AI도 재현할 수 없는 당신의 사고 기록입니다.