바람직한 어려움이란 무엇인가
바람직한 어려움이란 연습하는 동안에는 더 힘들고 느리게 느껴지지만 몇 주 뒤의 보존과 전이는 더 좋게 만드는 학습 조건을 말합니다. 역설은 그 안에 있는 동안에는 실패하고 있는 것처럼 보인다는 점이고, 바로 그 때문에 이것을 스스로 선택하는 사람이 거의 없습니다.
이 용어는 UCLA의 Robert A. Bjork에게서 나왔습니다. 그는 1994년에 이 개념에 이름을 붙였고, 이후 수십 년에 걸쳐 Elizabeth Ligon Bjork와 함께 발전시켰습니다. 두 사람의 연구실은 같은 결과에 반복해서 부딪혔습니다. 공부하는 동안의 수행을 떨어뜨리는 조작이 공부한 뒤의 성과를 끌어올리는 경우가 많았다는 것입니다. 가장 널리 알려진 정리는 Elizabeth와 Robert Bjork의 2011년 챕터인데, 제목이 원리를 그대로 말합니다. "Making things hard on yourself, but in a good way."
수십 년 치 재현 연구가 뒷받침하는 조건은 다섯 가지입니다.
- 간격(spacing): 공부를 한 덩어리로 몰아넣는 대신 별도의 세션들로 나누어 분산하기.
- 교차(interleaving): 한 세션 안에서 문제 유형이나 주제를 블록으로 묶는 대신 서로 섞기.
- 인출 연습(retrieval practice): 정보를 다시 읽어 집어넣는 대신 기억에서 끌어내기.
- 생성(generation): 답을 보여 주기 전에 스스로 만들어 내기.
- 변형 연습(varied practice): 매번 동일한 조건이 아니라 달라지는 조건에서 연습하기.
여섯 번째인 생산적 실패는 별개의 연구 전통에서 자라났지만 같은 계열에 속합니다. 아래에 따로 절을 두었습니다.
이들을 하나로 묶는 것은, 각각이 뇌로 하여금 무언가를 재인(recognition)하는 대신 재구성하도록 강제한다는 점입니다. 재인은 값이 싸고 지식처럼 느껴집니다. 재구성은 값이 비싸고 실제로 지식을 만듭니다.
다만 마찰을 더하는 것 자체가 목표는 아니며, 이 개념이 오용되는 지점이 바로 여기입니다. 어려움은 자신이 완수할 수 있는 추가 처리를 촉발할 때에만 어려움으로 인정됩니다. 그저 앞을 막아 버리는 어려움은 바람직하지 않습니다. 그것은 장애물입니다. 자격 미달인 것들은 다음과 같습니다.
| 어려움처럼 보이는 것 | 정말 바람직한가? | 왜 아닌가 |
|---|---|---|
| 집중이 안 되는 시끄러운 카페에서 공부하기 | 아니요 | 어려움이 자료와 무관합니다. 무언가를 부호화하는 대신 주의만 소모합니다 |
| 형편없이 쓰인 교과서 읽기 | 아니요 | 분투의 대상이 개념이 아니라 문장입니다 |
| 자기 훈련 수준보다 몇 단계 위인 문제 | 아니요 | 아무것도 만들어 낼 수 없으니 강화할 인출 자체가 없습니다 |
| 개별적으로 아직 이해하지 못한 주제들을 교차하기 | 아니요 | 아직 변별할 대상이 없습니다 |
| 같은 챕터를 세 번째로 다시 읽기 | 아니요 | 애초에 어려움이 아닙니다. 유창함만 올리고 저장은 건드리지 않습니다 |
유창성 착각
이미 두 번 읽은 교과서 챕터를 펼쳐 보세요. 페이지를 따라 시선을 훑어 내립니다. 문장이 익숙하게 느껴집니다. 단락 하나하나가 제자리에 들어맞습니다. 책을 덮으며 내용을 안다고 확신합니다.
일주일 뒤, 핵심 논지조차 거의 인출하지 못합니다.
인지심리학자들은 이를 유창성 착각(fluency illusion) 또는 *능숙함의 환상(illusion of competence)*이라고 부릅니다. 그리고 이것이 대부분의 공부 시간이 낭비되는 가장 큰 단일 원인입니다. 정보가 매끄럽게 처리되면 뇌는 그 매끄러움을 숙달의 증거로 해석합니다. 그렇지 않습니다. 매끄러움은 그저 매끄러움일 뿐입니다.
데이터는 가차 없습니다. Dunlosky와 동료들이 2013년 Psychological Science in the Public Interest에 발표한 리뷰는 흔한 학습 기법 10가지를 증거가 보여 준 유용성에 따라 세 등급으로 분류했습니다. 지구상에서 가장 인기 있는 두 방법인 하이라이팅과 다시 읽기는 최하위 등급에 자리 잡았습니다. 연습 시험과 분산 연습은 최상위 등급이었습니다. 학습자가 사랑하는 방법이 약한 학습을 만들고, 학습자가 피하는 방법이 강한 학습을 만듭니다.
다시 읽기가 가장 명확한 사례입니다. Callender와 McDaniel (2009)은 텍스트를 곧바로 다시 읽는 것에 관해 일련의 실험을 진행했고, 몇 가지 예외를 빼면 이후 시험에서 이점이 거의 또는 전혀 없다는 것을 발견했습니다. 친숙함은 기억이 아닙니다. 재인은 회상이 아닙니다.
이 착각은 구조적입니다. 뇌는 처리의 용이함을 "이건 안다"를 판단하는 휴리스틱으로 사용합니다. 다만 그 휴리스틱은 미래의 인출을 예측하는 데에는 그저 틀려 있을 뿐입니다. 자신의 숙달 감각을 의심하는 법을 배우는 것이, 공부한 것이 그대로 남는 공부로 가는 첫걸음입니다.
Bjork가 실제로 발견한 것
Robert A. Bjork와 Elizabeth Ligon Bjork는 이런 일이 왜 일어나는지를 풀어내는 데 40년을 보냈습니다. 두 사람의 1992년 챕터 "A New Theory of Disuse and an Old Theory of Stimulus Fluctuation"이 이 모든 것을 설명하는 틀을 내놓았습니다.
이 이론은 기억을 두 개의 별개 차원으로 나눕니다.
**저장 강도(storage strength)**는 기억이 얼마나 깊이 자리 잡았는지를 측정합니다. 다양한 맥락에서 시간에 걸쳐 자료와 얼마나 많이 상호작용했는지의 함수입니다. 저장 강도는 오직 올라갈 수만 있습니다.
**인출 강도(retrieval strength)**는 지금 이 순간 그 기억을 얼마나 쉽게 끌어올릴 수 있는지를 측정합니다. 격렬하게 요동칩니다. 방금 공부했을 때 올라가고, 쓰지 않으면 떨어지며, 그 순간에 가용한 단서에 크게 의존합니다.
유창성 착각은 이 둘 사이의 간극에서 살아갑니다. 챕터를 다시 읽으면 자료가 눈앞에 있기 때문에 인출 강도가 치솟습니다. 저장 강도는 거의 움직이지 않습니다. 인출 강도가 사그라드는 순간, 회상을 떠받칠 것이 그 아래 아무것도 없습니다.
Bjork의 두 번째 수가 이 분야에 이름을 부여했습니다. 그는 1994년에, 저장 강도의 증가는 정보가 쉬울 때 그것을 다시 제시받는 데서가 아니라 인출이 어려울 때 정보를 인출하는 데서 구체적으로 생겨난다고 주장했습니다. 역설적이게도 연습 중의 어려움이야말로 오래가는 학습을 만들어 냅니다. 그래서 바람직한 어려움입니다.
Soderstrom과 Bjork의 2015년 논문 "Learning versus Performance: An Integrative Review"는 이 구분을 한층 더 단단히 다듬었습니다. *수행(performance)*은 오늘, 연습하는 동안 할 수 있는 것입니다. *학습(learning)*은 나중에 새로운 맥락에서 그것을 해낼 수 있는 능력의 비교적 영구적인 변화입니다. 대부분의 공부 습관은 수행을 극대화하고 학습을 갉아먹습니다.
교실 현장에서 20년을 더 보낸 뒤, Bjork 부부는 2020년 Journal of Applied Research in Memory and Cognition에 실은 글에서 이 주제로 돌아왔는데, 어조가 달라져 있었습니다. 메커니즘은 충분히 확립되어 있었습니다. 누군가가 그것을 실제로 실행하게 만드는 일은 그렇지 못했습니다. 두 사람은 자신들이 "관련 연구 결과를 학습자와 교사에게 알려 주기만 하면 충분하다고 비현실적으로 가정하는 경향이 있었다"고 인정했습니다. 학습자들은 먼저 걷어내야 할 순진한 학습관을 품고 오기 때문입니다. 같은 호에 실린 Rohrer와 Hartwig의 표현을 빌리면, "너무나 자주, 교실은 유망한 개입이 죽으러 가는 곳이다."
핵심은 이후에 나올 모든 것의 한가운데에 자리합니다. 세션이 힘들이지 않고 흘러간다면, 인출 강도가 일을 다 하고 있고 저장 강도는 아무 데도 가지 않는 것입니다. 세션이 생산적인 방식으로 힘들게 느껴진다면(찾고, 실패하고, 회복하고, 손을 뻗고 있다면) 저장 강도가 올라가고 있는 것입니다. 그 불편함이 곧 예금입니다.
이것이 Glasp 독자들이 이미 아는 방법들을 하나로 묶어 줍니다. 능동적 회상과 간격 반복, 그리고 Feynman 기법, 프로테제 효과, 블러팅 기법은 서로 무관한 요령들이 아닙니다. 저장 강도를 쌓아 올리는 힘든 작업으로 뇌를 밀어 넣는 서로 다른 방법들입니다. 바람직한 어려움이 메타 원리이고, 나머지는 전부 구현입니다.
| 쉽게 느껴지지만 효과가 없는 것 | 어렵게 느껴지지만 효과가 있는 것 |
|---|---|
| 같은 챕터를 다시 읽기 | 책을 덮고 기억나는 것을 쓰기 |
| 집중 연습(벼락치기) | 며칠 또는 몇 주에 걸친 분산 연습 |
| 다음으로 넘어가기 전에 한 주제를 끝까지 마스터하기 | 한 세션 안에서 여러 주제를 교차하기 |
| 이미 이해한 자료의 풀이 예제를 읽기 | 확인하기 전에 답을 스스로 만들어 내기 |
| 똑같은 유형의 문제만 연습하기 | 문제 유형과 맥락을 섞기 |
| 단락 전체를 하이라이트하기 | 아껴서 하이라이트하고 자기만의 여백 메모를 적기 |
간격: 분산 학습이 벼락치기를 이기는 이유
간격 효과(spacing effect)는 이 문헌 전체에서 가장 오래되고 가장 많이 재현된 발견입니다. Hermann Ebbinghaus가 1885년에 기술했습니다. 지금도 작동합니다.
주장은 단순합니다. 어떤 자료를 공부할 시간이 총 10분 있다면, 10분을 한 덩어리로 다 쓰는 것보다 여러 세션에 쪼개 쓰는 쪽이 지연 시험에서 더 많이 기억납니다. 총 시간은 동일합니다. 중요한 것은 분포입니다.
Cepeda와 동료들이 2006년 Psychological Bulletin에 발표한 종합 연구는 논문 184편, 실험 317개에서 나온 평가 839건을 모았고, 전부 언어 회상 과제였습니다. 간격 학습은 일관되게 집중 학습을 이겼고, 가장 좋은 보존을 만들어 낸 간격은 보존 기간이 길어질수록 함께 커졌습니다. 같은 연구진의 2008년 후속 실험은 그 비율을 특정했습니다. 최적 간격은 무언가를 기억하고 싶은 기간에 대한 비율로 보면 점점 줄어들어, 일주일 동안 기억하려 할 때는 2040% 근처지만 1년 동안 기억하려 할 때는 510% 정도에 불과합니다. 쉽게 말해, 한 달 동안 붙들어 두려면 며칠에 한 번 복습하고, 1년 동안 붙들어 두려면 간격을 몇 주 단위까지 늘리라는 뜻입니다.
메커니즘은 저장과 인출의 구분에 곧바로 연결됩니다. 어떤 자료를 연달아 두 번 공부하면 두 번째 노출은 인출 강도가 아직 높을 때 일어나므로 연습이 사실상 공짜가 되고 저장 이득은 미미합니다. 사흘 뒤에 다시 공부하면 인출 강도가 감퇴해 있습니다. 기억을 끌어올리는 데 품이 들고, 그 품이 저장 강도를 사는 값입니다.
실전에서 간격은 두 적과 싸웁니다. 벼락치기, 그리고 일정에 없는 복습(결국 한 번도 일어나지 않는 복습)입니다. 해법은 캘린더 수준에 있습니다. 진짜로 보존하고 싶은 것을 골라 각각에 반복 복습 슬롯을 주고, 무엇에 더 주의가 필요한지에 대한 자기 감각보다 일정을 신뢰하세요. 그 감각 역시, 다시 말하지만, 대개는 유창함이 하는 말입니다.
교차: 섞는 쪽이 몰아서 하는 쪽을 이기는 이유
교차란 한 학습 세션 안에서 한 주제를 완전히 익힌 뒤 다음 주제로 넘어가는 대신, 서로 다른 주제나 문제 유형을 섞는 것을 말합니다. 대수를 배우고 있다면 이차방정식 문제를 스무 개 연달아 풀지 않습니다. 이차방정식 하나, 그다음 연립방정식, 그다음 함수 변환, 그리고 다시 이차방정식으로 돌아옵니다.
더 안 좋게 느껴집니다. 세션 중의 수행은 떨어집니다. 학습자들은 측정 가능한 수준으로 더 많이 배우고 난 뒤에도 교차 연습이 덜 효과적이라고 꾸준히 평가합니다. 이 메타인지적 불일치는 이 분야에서 가장 강력한 착각 중 하나입니다.
Doug Rohrer와 Kelli Taylor는 2007년에 제목 자체가 결론인 연구로 이를 입증했습니다. "The Shuffling of Mathematics Problems Improves Learning"입니다. 대학생들이 여러 종류의 문제 푸는 법을 배운 뒤, 유형별로 블록을 묶어 연습하거나 무작위로 섞어 연습했습니다. 일주일 뒤 시험에서 섞어서 연습한 그룹의 수행이 압도적으로 우수했습니다. Rohrer, Dedrick, Stershic은 2015년에 실제 교실에서 이를 재현했습니다. 7학년 학생 126명이 석 달에 걸쳐 교차 또는 블록 과제를 풀었고, 지연 시험에서 같은 결과가 나왔습니다.
왜 작동할까요? 메커니즘은 두 가지입니다. 첫째, 교차는 *변별(discrimination)*을 강제합니다. 자동조종으로 같은 절차를 반복 적용할 수 없고, 각 문제가 어떤 절차를 요구하는지 스스로 알아내야 합니다. 그 변별이야말로 시험이나 실제 업무에서 진짜로 필요한 능력입니다. 둘째, 교차는 정의상 각 주제에 간격을 만듭니다. A 유형 문항 사이의 틈이 B 유형 문항으로 채워지므로, A로 돌아올 때마다 진짜 인출이 일어납니다.
변별 메커니즘은 교차가 언제 작동을 멈추는지도 알려 주는데, 대중적인 소개 글이 허술해지는 지점이 바로 여기입니다. Brunmair와 Richter가 2019년 Psychological Bulletin에 발표한 메타분석 "Similarity matters"는 연구 59편과 효과 크기 238개를 모았습니다. 교차는 전체적으로 중간 정도 크기로 이겼지만(Hedges' g = 0.42), 이점은 자료에 따라 크게 갈렸습니다. 회화 같은 시각적 범주에서 가장 컸고, 수학 문제에서는 더 작았으며, 단순 단어 목록에서는 뒤집혀 블록 연습이 완승했습니다. 이 패턴은 이론이 예측하는 그대로입니다. 섞는 범주들이 서로 혼동될 만하다면, 나란히 놓는 것이 구분하는 법을 가르쳐 줍니다. 공통점이 전혀 없다면 변별할 것이 없고 전환 비용만 공짜로 치르게 됩니다.
자기주도 학습자에게 교차는 들리는 것보다 쉽고 보이는 것보다 어렵습니다. 화려한 스케줄러는 필요 없습니다. 다음으로 넘어가기 전에 한 주제를 "끝내려는" 충동을 거부하기만 하면 됩니다. 스토아 철학에 관한 챕터를 읽고, 그다음 확률, 그다음 UI 디자인, 그리고 다시 스토아 철학으로 돌아옵니다. 뇌는 항의할 것입니다. 뇌가 틀렸습니다. 교차 연습에 관한 전체 가이드에서 일정을 짜는 구체적인 방법을 다룹니다.
인출 연습: 시험 효과
바람직한 어려움 중 단 하나만 채택할 수 있다면 이것을 고르세요. 인출 연습(시험 효과)은 정보를 다시 밀어 넣는 대신 기억에서 끌어내는 행위입니다. 능동적 회상, 플래시카드, 블러팅 기법, 그리고 교육에서 효과를 내는 거의 모든 것의 엔진입니다.
Henry Roediger III와 Jeffrey Karpicke가 2006년 Psychological Science에 발표한 "Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention"이 이 분야의 표준 입증 연구입니다. 학생들은 산문 지문을 공부한 뒤 다시 공부하거나 자유 회상 시험을 봤고, 어느 쪽에도 피드백은 없었습니다. 최종 시험은 5분 뒤, 이틀 뒤, 또는 일주일 뒤에 치러졌습니다. 5분 뒤에는 다시 공부한 쪽이 이겼습니다. 일주일이 지나자 시험을 본 쪽의 보존율이 약 50% 더 높았습니다. 총 시간은 같고 작업이 달랐던 것입니다. 모든 인출은, 심지어 실패한 인출조차도, 재제시로는 불가능한 방식으로 기저 기억을 바꿔 놓았습니다.
메커니즘은 인출 유발 재공고화(retrieval-induced reconsolidation)입니다. 어떤 기억을 성공적으로 끌어올리면, 그것을 떠받치는 신경 패턴이 그 순간 활성화되어 있는 단서들과 함께 다시 부호화됩니다. 그 재부호화는 패턴을 강화하고, 나중에 그것을 촉발할 수 있는 단서 집합을 넓힙니다. 실패한 뒤에 답을 공부하면, 실패한 탐색 자체가 정정 내용을 더 깊이 부호화하도록 점화합니다. Richland, Kornell, Kao가 2009년에 이를 입증하고 *사전시험 효과(pretesting effect)*라고 이름 붙였습니다.
인출은 수십 가지 형태로 작동합니다. 책을 덮고 회상하기, 플래시카드, 자유 형식 요약 쓰기, 소리 내어 가르치기, Feynman 기법. 이들이 공유하는 것은 밑바탕의 동작입니다. 보기 전에 기억에서 끌어내는 것입니다.
Glasp 웹 하이라이터로 챕터를 하이라이트한 뒤에는 원문을 닫고 자신의 하이라이트만으로 논지를 재구성해 보세요. 그런 다음 페이지를 열어 확인합니다. 자신이 만들어 낸 것과 실제로 거기 있는 것 사이의 간격이 곧 저장 강도의 결손입니다. 그 간격을 메우는 일이 진짜 작업입니다.
생성: 답을 먼저 만들어 내기
생성 효과는 인출 연습의 가까운 사촌이지만 따로 한 줄을 차지할 만큼 분명히 다릅니다. Slamecka와 Graf (1978)는 다섯 개의 실험에 걸쳐, 자료를 스스로 생성한 학습자가 같은 자료를 그냥 읽기만 한 학습자보다 더 잘 기억한다는 것을 보였습니다.
이들의 실험 설계는 규칙 기반이었고 거의 민망할 만큼 단순했습니다. 한 그룹은 "lamp - light" 같은 단어 쌍을 그대로 읽었습니다. 다른 그룹은 규칙(associate)과 자극 단어 "lamp", 그리고 알파벳 한 글자 "l"만 받고 "light"를 스스로 만들어 내야 했습니다. 읽기 그룹은 답을 이미 봤는데도, 생성한 쪽이 큰 차이로 이겼습니다.
이 원리는 더 큰 규모에서도 그대로 적용됩니다. 풀이가 적힌 증명을 읽는 것은 증명을 직접 시도한 뒤 비교하는 것보다 역량을 덜 쌓습니다. 남이 쓴 책 요약을 읽는 것은 자기 요약을 쓰는 것보다 배우는 것이 적습니다. 남이 코딩하는 것을 보는 것은 코드를 직접 타이핑하다 에러를 만나고 그 이유를 알아내는 것보다 배우는 것이 적습니다.
생성은 가장 순수한 형태의 바람직한 어려움입니다. 받으면 반가울 정보를 일부러 보류해 스스로 만들어 내도록 강제합니다. 반쯤 기억하고 반쯤 추측하는 답답함이 곧 메커니즘입니다. 답을 확인할 무렵이면 노출을 부호화로 바꾸는 작업을 이미 끝낸 상태입니다.
하이라이팅은 생성 도구가 될 수도, 수동적 도구가 될 수도 있습니다. 모든 단락에 노란색을 폭격하듯 칠하는 것은 수동적입니다. 판단을 미래의 재독에 외주 주는 것이니까요. 아껴서 의도적으로 하는 하이라이팅은 생성적입니다. 지금의 자신에게 "이것이 저것보다 더 중요하다"고 결단하도록 강제하는데, 그 결단 자체가 종합이기 때문입니다. 하이라이팅의 과학에서 더 깊이 다룹니다.
변형 연습: 조건을 바꾸기
변형 연습이란 매번 동일한 조건에서가 아니라 조금씩 다른 형태, 맥락, 조건에서 같은 기술을 연습하는 것을 말합니다.
아이들에게 콩주머니를 던지게 한 Kerr와 Booth의 1978년 연구는 교과서적 사례가 되었습니다. 이들은 8세와 12세, 두 연령 집단을 대상으로 실험했습니다. 한 그룹은 한 가지 거리에서만 연습했습니다. 다른 그룹은 목표 거리를 사이에 두고 감싸되 그 거리 자체는 한 번도 포함하지 않는 여러 거리를 섞어 연습했습니다. 한 번도 연습해 본 적 없는 시험 던지기에서 변형 그룹이 고정 그룹을 앞질렀습니다. 더 일반적인 운동 표상을 만들어 두었던 것입니다.
설계의 이 세부 사항에 주목하세요. 보통은 빠뜨리는 대목입니다. 다양하게 바꾼 거리들이 목표를 둘러싸고 있었다는 점입니다. 가변성은 아무 잡음이나 넣어도 된다는 면허가 아닙니다. 변주가 그 기술이 일반화해야 할 공간을 폭넓게 덮을 때 작동합니다.
인지적 학습도 같은 패턴을 보입니다. 공부하는 정의의 표현을 다양하게 바꾸세요. 새로운 용어를 만나는 맥락을 다양하게 바꾸세요. 한 개념을 같은 교과서의 두 챕터가 아니라 서로 다른 두 분야에서 읽으세요.
가변성은 전이(transfer), 즉 배운 조건 바깥에서 배운 것을 사용하는 능력을 뒷받침합니다. 전이야말로 대부분의 학습자가 원하는 것이자 대부분의 공부 습관이 적극적으로 막아 버리는 것입니다. 한 가지 형태로만 기술을 연습하면 그 형태를 기술과 함께 부호화하게 되고, 형태가 바뀌면 고전하게 됩니다. 가변성은 기술을 어떤 단일 형태로부터도 떼어 냅니다.
생산적 실패: 설명보다 분투를 먼저
취리히 연방공과대학교(ETH Zurich)의 Manu Kapur는 이를 *생산적 실패(productive failure)*라고 부릅니다. 방법을 가르치기 전에 학습자에게 어려운 문제를 주고, 결함투성이 시도를 스스로 만들어 내게 한 다음, 그제야 설명을 건네는 것입니다.
그 시도들은 대개 실패합니다. 그것이 설계의 일부입니다. 실패한 시도가 하는 일은 문제 공간의 지도를 만드는 것입니다. 그래서 표준 해법이 도착했을 때 학습자는 그것을 놓아둘 자리를 갖게 되고, 자기 접근법에 무엇이 빠져 있었는지 볼 수 있게 됩니다.
Sinha와 Kapur가 2021년 Review of Educational Research에 발표한 메타분석은 실험적 비교 166건을 모았습니다. 설명보다 문제 해결을 먼저 하는 쪽이 개념 이해와 전이에서 그 반대 순서를 이겼고(Hedges' g = 0.36), 절차적 지식에서는 아무런 손해도 없었으며, Kapur의 설계 원칙을 가장 충실히 따른 연구들은 g = 0.58에 도달했습니다. 증거 기반은 STEM에 크게 치우쳐 있고, 효과는 연령을 따라갑니다. 대략 6학년 이상에서 가장 강했고, 생산적으로 실패할 만한 문제 해결의 발판이 아직 없는 가장 어린 아이들에게서는 약간 음의 값이었습니다.
독서에 적용하는 버전은 간단히 실행할 수 있습니다. 어중간하게 아는 주제의 글을 열기 전에, 답이 무엇일지 2분 동안 적어 보세요. 그다음에 읽습니다. 자신의 버전은 거의 언제나 흥미로운 방식으로 틀려 있고, 그것과 저자의 답 사이의 간격이 곧 기억에 남을 부분입니다.
여섯 가지를 한눈에 보면 다음과 같습니다.
| 어려움 | 메커니즘 | 구체적 예시 | 핵심 연구 |
|---|---|---|---|
| 간격(Spacing) | 기억이 감퇴할 때 진짜 인출을 강제 | 오늘 네 번 보는 대신 1일, 3일, 7일, 21일 차에 노트 복습 | Cepeda et al. (2006) |
| 교차(Interleaving) | 문제 유형 사이의 변별을 강제 | 한 세션에서 대수, 기하, 통계를 섞기 | Rohrer & Taylor (2007); Brunmair & Richter (2019) |
| 인출 연습(Retrieval Practice) | 새로운 단서로 기억을 재부호화 | 책을 덮고 기억나는 것을 쓴 뒤 확인 | Roediger & Karpicke (2006) |
| 생성(Generation) | 만들어 내는 것이 읽기보다 깊은 부호화를 강제 | 설명을 읽기 전에 답을 예측 | Slamecka & Graf (1978) |
| 변형 연습(Varied Practice) | 맥락에 독립적인 표상을 구축 | 같은 개념을 서로 다른 3개 영역에서 풀기 | Kerr & Booth (1978) |
| 생산적 실패(Productive Failure) | 실패한 시도가 설명이 안착할 지도를 만듦 | 방법을 배우기 전에 문제를 먼저 시도 | Sinha & Kapur (2021) |
어려움이 바람직하지 않게 되는 순간
모든 어려움이 도움이 되는 것은 아니며, 언제 도움이 되기를 멈추는지에 관한 연구는 대부분의 요약이 인정하는 것보다 훨씬 구체적입니다.
학습자가 생산적으로 관여할 수 없을 때 어려움은 바람직하지 않게 됩니다. 단어를 아예 해독하지 못한다면 읽기를 더 늦춘다고 도움이 되지 않습니다. 미분이 무엇인지 모른다면 미분 문제와 적분 문제를 교차하는 것은 소음일 뿐입니다. 인출 연습이 저장 강도를 너무 멀리 앞질러 아무것도 만들어 내지 못한다면, 인출하고 있는 것이 아니라 허우적대고 있는 것입니다.
인지부하 이론이 여기에 메커니즘을 부여합니다. 작업기억은 서로 상호작용하는 요소를 한 번에 몇 개밖에 다루지 못합니다. 자료 자체가 이미 *요소 상호작용성(element interactivity)*이 높다면(서로의 관계 속에서만 의미가 생기는 조각이 많다면), 그 위에 생성이나 교차를 얹는 것은 총 부하를 용량 너머로 밀어내고, 그것을 처리할 여유 용량이 없으므로 추가된 어려움은 아무런 소득도 내지 못합니다.
Chen, Kalyuga, Sweller는 2015년 Journal of Educational Psychology에 실은 연구에서 기하 수업을 사용해 이 교차 지점을 직접 보여 주었습니다. 요소 상호작용성이 낮은 자료에서는 생성 효과가 예상대로 나타났습니다. 답을 스스로 만들어 내는 쪽이 답을 제시받는 쪽을 이겼습니다. 요소 상호작용성이 높은 자료에서는 이것이 뒤집혀, 풀이 예제를 공부하는 쪽이 생성을 이겼습니다. 그다음 지식이 더 많은 학습자를 대상으로 한 두 번째 실험에서는 실질적인 복잡도가 낮아지면서 생성이 모든 조건에서 이겼습니다. 이것이 전문성 역전 효과입니다. 올바른 학습 전략은 고정되어 있지 않습니다. 실력이 늘면 함께 움직입니다.
Bjork의 표현이 이 모든 것을 하나로 붙들어 줍니다. 분투가 안착할 만한 발판이 그 아래 충분히 있어야 한다는 것입니다.
올바른 구간은 불완전하더라도 무언가를 만들어 낼 수 있는 곳입니다. 손을 뻗고 있는 것이지 떨어지고 있는 것이 아닙니다. 일부 시도에서는 실패하고 대부분의 시도에서는 성공해야 합니다. 전부 맞힌다면 자료가 너무 쉽거나 간격이 너무 짧다는 뜻입니다. 거의 아무것도 만들어 내지 못한다면 경계를 넘은 것이고, 필요한 것은 근성이 아니라 발판입니다.
그러니 양쪽 방향으로 조정하세요. 어떤 것이 진심으로 자기 능력 밖이라면 분투를 낭만화하지 마세요. 설명을 읽고 기초를 세운 뒤에 다시 돌아오세요. 어떤 것이 너무 쉽게 느껴진다면 그 편안함에 속지 마세요. 간격을 늘리고, 더 어려운 변형을 섞고, 더 생성적인 형식으로 옮기세요.
한 축에 저장 강도를, 다른 축에 인출 강도를 놓고 그려 보세요. 높은 저장 / 높은 인출은 최근에 연습했고 잘 학습된 상태입니다. 높은 저장 / 낮은 인출은 인출 연습이 가장 큰 효과를 내는 영역입니다. 탐색은 어렵지만 예금이 진짜이기 때문입니다. 낮은 저장 / 높은 인출이 위험한 쪽입니다. 방금 다시 읽어서 안다고 느끼지만 실제로는 쌓아 두지 않은 것들이고, 벼락치기가 여기에 해당합니다. 낮은 저장 / 낮은 인출은 진짜로 새로운 자료이며, 먼저 발판이 필요합니다.
AI 도구는 바람직한 어려움을 없애는가
기본값으로는 그렇습니다. AI 도우미는 저장 강도를 쌓아 올리는 바로 그 노력을 지워 버리는 데 대단히 효율적인 기계이고, 그 대가가 무엇인지에 관한 첫 번째 좋은 증거가 2025년에 나왔습니다.
Hamsa Bastani, Osbert Bastani와 동료들은 튀르키예의 한 대형 학교에서 천 명에 가까운 고등학교 수학 수강생을 대상으로 무작위 대조 시험을 진행했고, 그 결과를 PNAS에 발표했습니다. 학생들은 연습 세션 동안 두 가지 GPT-4 튜터 중 하나를 받았습니다. "GPT Base"는 평범한 ChatGPT 인터페이스처럼 동작했습니다. 연구진은 "GPT Tutor"에는 안전장치를 프롬프트로 넣었는데, 그중 가장 중요한 것은 답을 넘겨주는 대신 교사가 설계한 힌트를 제공하도록 한 것이었습니다.
도구의 도움을 받는 연습 동안에는 둘 다 눈부시게 작동했습니다. GPT Base를 쓴 학생들은 대조군보다 48% 향상되었습니다. GPT Tutor를 쓴 학생들은 127% 향상되었습니다.
그다음 연구진은 도구를 회수하고 시험을 실시했습니다.
GPT Base로 연습했던 학생들은 AI를 아예 써 본 적 없는 학생들보다 17% 낮은 점수를 받았습니다. 도구를 손에 쥐고 있을 때의 자기 모습보다 나빴다는 뜻이 아닙니다. 도구를 한 번도 받지 못한 대조군보다 나빴다는 뜻입니다. GPT Tutor 그룹은 점추정치가 0에 가까워, 대조군과 통계적으로 구분되지 않았습니다.
이것이 Soderstrom과 Bjork의 수행/학습 해리를 챗봇으로, 학교 규모에서 재현한 결과입니다. 연습 중에 가장 많이 도와준 도구가 그 뒤에 가장 큰 해를 입혔습니다. 그리고 해법이 금지가 아니었다는 점에 주목하세요. 해법은 AI가 답을 보류하게 만드는 것이었고, 이는 모습만 바꾼 생성 효과입니다.
성인의 지식 노동에서도 같은 모양이 나타납니다. CHI 2025에서 Microsoft Research와 Carnegie Mellon의 Lee와 동료들은 지식 노동자 319명을 대상으로 AI의 도움을 받은 실제 업무 사례 936건을 조사했습니다. 대부분이 인지적 노력이 줄었다고 답했고, 중요한 상관관계는 이런 방향이었습니다. AI에 대한 신뢰가 높을수록 비판적 사고는 줄어들었고, 자기 자신에 대한 신뢰가 높을수록 늘어났습니다. 도구에 대한 신뢰가 사고를 대체하는 것입니다.
널리 공유된 Kosmyna와 동료들의 MIT Media Lab 연구도 같은 방향을 가리킵니다. EEG 기록에서 LLM을 사용해 에세이를 쓴 참가자들의 신경 연결성이 가장 약하게 나타났고, 그 참가자들은 방금 자신이 써낸 글을 인용하는 것조차 힘들어했습니다. 다만 확정된 결론이 아니라 시사점으로 다루세요. 아직 프리프린트이고, 참가자가 54명뿐이며(그중 18명만 마지막 세션에 참여했습니다), 다른 연구자들이 이미 표본 크기와 분석에 관한 상세한 방법론적 비판을 올려 두었습니다.
이 중 어느 것도 AI를 쓰지 말라는 논거가 아닙니다. AI를 루프의 어디에 놓을 것인가에 관한 논거입니다.
| 어려움을 지워 버리는 사용법 | 어려움을 지켜 내는 사용법 |
|---|---|
| 읽기도 전에 "이 글 요약해 줘" | 직접 읽고 자기 요약을 쓴 뒤, 빠뜨린 것을 찾아 달라고 AI에 요청하기 |
| "이 문제 풀어 줘" | "이런 식으로 이 답이 나왔어. 내 논리가 어디서 무너지지?" |
| 설명을 먼저 요청하기 | 답을 먼저 예측한 뒤에 설명을 요청하기 |
| 플래시카드를 생성해서 읽기 | 플래시카드를 생성해서 책을 덮고 답하기 |
| 첫 응답을 그대로 받아들이기 | 반대 입장을 논증해 달라고 한 뒤 둘 사이를 직접 판단하기 |
어림 규칙은 이렇습니다. AI가 나 대신 답하게 하지 말고, 나를 채점하게 하세요. 인출은 직접 하고, 무언가를 만들어 낸 다음에야 모델을 불러와 자신의 산출물을 원본과 비교하게 하세요. 어려움은 내가 가져가고 채점만 외주 주는 것입니다. AI와 학습에서 더 넓은 맞바꿈을 다루고, AI 학습 모드 비교에서는 어떤 도우미가 이제 기본값으로 답을 보류하는지 살펴봅니다.
바람직한 어려움을 위한 루틴 설계
원리를 안다고 해서 자동으로 적용되지는 않습니다. 직접 설계해 넣어야 합니다. 최소 저항의 경로는 언제나 편안하고 저장 강도가 낮은 선택일 테니까요. 자기주도 학습 시스템에 이 어려움들을 녹여 넣는 방법은 다음과 같습니다.
표시하기 위해서가 아니라, 생성하기 위해 하이라이트하세요. 문장은 아껴서 표시하고, 이 구절이 왜 중요한지, 이미 알고 있는 것과 어떻게 연결되는지를 자기 말로 짧게 적으세요. 꼭 필요한 곳만 고르는 것이 변별이고, 메모가 생성입니다. 메모 없는 하이라이팅은 수동적인 함정입니다.
AI 채팅은 설명이 아니라 인출에 쓰세요. AI 도우미를 잘못 쓰는 방법은 아직 읽지 않은 챕터를 요약해 달라고 하는 것입니다. 올바른 방법은 챕터를 읽고, 덮고, 자기 요약을 쓴 다음, 그것을 Glasp의 AI 채팅에 붙여 넣어 자신의 재구성을 원본과 대조해 채점해 달라고 하는 것입니다. 인출은 내가 했고, 비교는 AI가 합니다.
기억이 아니라 Kindle 하이라이트로 간격을 두세요. 언제 복습해야 하는지에 대한 자기 감각은 망가져 있습니다. 저장 곡선이 아니라 최신성과 감정이 좌우하기 때문입니다. 캘린더에 복습 일정을 잡고, 3주 전에 읽은 책의 하이라이트를 불러낸 뒤, 스크롤하기 전에 논지를 재구성해 보세요. 유창함에 이끌리는 본능으로부터 간격을 지켜 주는 것은 기계적인 일정입니다.
커뮤니티 피드로 교차하세요. 같은 사람이 같은 주제로 쓴 글을 네 편 연달아 읽지 마세요. 인지과학, 그다음 창업, 그다음 글쓰기, 그리고 하루 뒤에 다시 인지과학으로 순환하세요. 영역을 가로지르는 변별이 한 영역에서의 깊이보다 더 강한 운동입니다.
YouTube 요약을 본 다음, 스스로를 시험하세요. 페이지를 닫고 1년 뒤에도 기억하고 싶은 것 세 가지를 적으세요. 그것을 스크립트와 비교해 보세요. 그 간격이 작업해야 할 지점입니다.
읽기 전에 예측하세요. 처음 접하는 것을 펼칠 때마다 생산적 실패의 수를 두세요. 무엇이 눈에 들어오는지가 달라집니다.
형식을 다양하게 하세요. 같은 아이디어를 책, 논문, 스레드, 영상에서 읽으세요. 매체마다 아이디어를 다르게 부호화하고, 뇌는 그것들을 가로질러 추상화해야 합니다. 그것이 변형 연습의 핵심입니다.
시스템 관점의 이야기는 함께 읽으면 좋은 러닝 OS 구축 가이드에 있습니다. 바람직한 어려움이 원리이고, OS는 매일의 작동 방식입니다.
자주 묻는 질문
바람직한 어려움 다섯 가지는 무엇인가요?
간격(시간에 걸쳐 공부를 분산하기), 교차(주제나 문제 유형을 섞기), 인출 연습(다시 읽는 대신 회상하기), 생성(답을 보기 전에 만들어 내기), 변형 연습(연습의 조건을 바꾸기)입니다. 방법을 배우기 전에 문제를 먼저 시도하는 생산적 실패가 밀접하게 관련된 여섯 번째입니다. 여섯 가지 모두 하나의 메커니즘을 공유합니다. 재인이 아니라 재구성을 강제한다는 점입니다.
바람직한 어려움의 예를 들면 어떤 것이 있나요?
책을 덮고 기억으로 요약을 쓰는 것이 가장 깔끔한 예입니다. 벼락치기 대신 간격을 둔 일정으로 복습하는 것, 한 세션에 문제 유형을 섞는 것, 설명을 읽기 전에 답을 예측하는 것도 마찬가지입니다. 판단 기준은 그 어려움이 자료 자체와 그것에 관여하는 방식에서 나오는지, 그리고 여전히 무언가를 만들어 낼 수 있는지입니다. 주의를 흩뜨리는 카페에서 공부하는 것은 이 기준을 통과하지 못합니다. 어려움이 내용과 무관하기 때문입니다. 현재 수준을 한참 넘어서는 문제도 마찬가지입니다. 생산적으로 관여할 수 없기 때문입니다.
"바람직한 어려움"이라는 용어는 어디서 나왔나요?
Robert A. Bjork가 1994년에 만들었습니다. 사람들이 가장 많이 인용하는, 접근하기 쉬운 정리는 Elizabeth와 Robert Bjork의 2011년 챕터 "Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning"으로, Psychology and the Real World에 실려 있습니다. 핵심 주장은 이렇습니다. 습득을 늦추고 연습 중의 수행을 나빠 보이게 만드는 조건이 오히려 장기 보존과 전이를 더 좋게 만드는 경우가 많은데, 학습자들은 그 단기적 하락을 체계적으로 실패로 오독한다는 것입니다. Bjork 부부는 2020년 Journal of Applied Research in Memory and Cognition에서 이 주제로 돌아왔는데, 주로 이 아이디어를 실제로 채택시키는 일이 얼마나 어려운지를 짚기 위해서였습니다.
하이라이팅은 바람직한 어려움인가요?
전적으로 어떻게 하느냐에 달려 있고, 대부분의 하이라이팅은 그렇지 않습니다. 단락 전체를 표시하는 것은 나중에 그 페이지를 다시 읽을 사람에게 판단을 미루는 것일 뿐입니다. 페이지당 한두 구절씩 아껴서 하이라이트하고 각각에 자기 말로 메모를 쓰는 것은 변별 과제이자 생성 과제입니다. 하이라이트를 독서의 대용품이 아니라 미래의 인출 단서로 다루세요.
모든 문제에서 분투해야 하나요?
아니요. 목표는 생산적인 분투이지 허우적대기가 아닙니다. 아무것도 만들어 내지 못하고 있다면 바람직한 구간을 지나 과부하로 들어선 것입니다. 물러서서 기초를 세운 뒤에 그 어려움으로 돌아오세요. 가끔은 실패하고 대부분은 성공하는 상태가 좋습니다. 그리고 처음 접하는 진짜 복잡한 자료라면, 연구는 생성보다 풀이 예제를 먼저 공부하는 쪽이 낫다고 말합니다. Chen, Kalyuga, Sweller (2015)는 요소 상호작용성이 높은 내용에서는 학습자가 효과를 다시 뒤집을 만큼의 전문성을 갖추기 전까지 풀이 예제가 문제 해결을 이긴다는 것을 발견했습니다.
ChatGPT를 쓰면 학습에 해가 되나요?
전적으로 루프의 어디에 놓느냐에 달려 있습니다. 2025년 PNAS 실험에서 제약 없는 GPT-4 튜터로 연습한 학생들은 나중에 AI를 한 번도 써 보지 않은 학생들보다 17% 낮은 점수를 받았지만, 답 대신 힌트를 주는 튜터를 받은 학생들에게는 그런 불이익이 나타나지 않았습니다. 모델에게 인출을 대신 시키면 학습을 잃습니다. 인출은 직접 하고 모델은 자기 작업을 점검하는 데 쓰면 학습이 남습니다.
복습 간격은 얼마나 두어야 하나요?
편하게 느껴지는 것보다 길게, 그리고 매번 더 길게 두세요. 보존을 최대화하는 간격은 목표 기간이 길어질수록 함께 커지지만 그 기간에 대한 비율로는 줄어듭니다. 그래서 한 달 동안 붙들어 두려면 복습 사이에 며칠이, 1년 동안 붙들어 두려면 몇 주가 필요합니다. 복습이 쉽게 느껴지면 다음 간격을 늘리세요. 어렵게 느껴지면 줄이세요. 어느 쪽이든 일정이 직감보다 낫습니다.
바람직한 어려움은 사실뿐 아니라 기술에도 적용되나요?
네, 어쩌면 더 강하게 적용됩니다. 가변성 연구는 운동 학습에서 나왔습니다. 교차는 교과서보다 먼저 스포츠와 음악에서 연구되었습니다. 변별, 전이, 인출 요소가 있는 기술이라면 무엇이든 이득을 봅니다. 코딩, 글쓰기, 디자인, 언어, 악기, 운동 기술이 모두 그렇습니다. 연습의 형태는 바뀌지만 원리는 바뀌지 않습니다.
왜 학교는 여전히 쉬운 방식으로 가르치나요?
쉬운 방식이 단기적으로 더 좋아 보이기 때문입니다. 집중 연습과 다시 읽기는 수업 직후에 보는 퀴즈 점수를 높이고, 한 달 뒤의 점수는 낮춥니다. 대부분의 학교는 지연 보존을 측정하지 않습니다. Soderstrom과 Bjork (2015)가 정확히 이 점을 지적했습니다. 수행과 학습을 혼동하는 것은 개인의 문제가 아니라 구조적 문제라는 것입니다. 자기주도 학습자라면 기관이 따라잡기를 기다릴 필요가 없습니다.
결론
가져갈 원리는 이것입니다. 공부가 쉽게 느껴진다면, 아마 공부하고 있지 않은 것입니다. 노력은 오래가는 학습의 값이고, 뇌는 간격, 교차, 인출, 생성, 가변성, 생산적 실패 중 무엇을 통해서든 그 값을 치렀을 때에만 보상을 지급합니다.
이는 더 갈아 넣으라는 뜻이 아니라 더 똑똑하게 갈아 넣으라는 뜻입니다. 대부분의 학습자는 이미 시간을 쏟고 있습니다. 다만 그 시간을 유창함을 극대화하고 저장을 최소화하는 활동에 쓰고 있을 뿐입니다. 다시 읽기 한 번을 책 덮고 재구성하기로 바꾸세요. 벼락치기 한 번을 네 번의 분산 복습으로 바꾸세요. 똑같은 문제 한 블록을 섞인 세트로 바꾸세요. 각각의 교환은 단기적 편안함을 장기적 보존과 맞바꿉니다.
2026년 들어 판돈이 커졌습니다. 이제 책상 위의 모든 도구가 힘든 부분을 대신 해 주겠다고 제안하고, 증거는 그 제안을 받아들이면 수행은 좋아 보이게 되는 대신 학습을 잃는다고 말합니다. 같은 연구에서 나온 좋은 소식은, 답을 보류하는 도구는 그런 불이익을 만들지 않는다는 것입니다. 어느 쪽을 쓸지는 스스로 고를 수 있습니다.
Glasp는 바로 이 맞바꿈을 중심으로 만들어졌습니다. 아껴서 하는 하이라이팅, 여백 메모, AI가 채점하는 재구성, 예전에 읽은 것의 분산 복습, 그리고 기본값으로 주제를 교차해 주는 커뮤니티 피드입니다. 각각은 노출을 저장으로 바꾸도록 설계된 작은 마찰 조각입니다.
내일, 자기 루틴에서 가장 쉬운 한 가지를 골라 더 어려운 버전으로 바꿔 보세요. 그 교환이 게임의 전부입니다.
