근접발달영역이란?
근접발달영역(ZPD)은 학습자가 아직 혼자서는 할 수 없지만 도움을 받으면 할 수 있는 과제의 범위입니다. 그 아래에는 이미 혼자서 할 수 있는 것들이 있습니다. 그 위에는 안내자가 있어도 여전히 닿지 않는 것들이 있습니다. 심리학자 Lev Vygotsky는 가르침이 그 중간 영역을 겨냥할 때 가장 유용하다고 주장했습니다.
대부분의 교과서는 Mind in Society (1978)에 실린 Vygotsky 자신의 정의를 인용합니다. 그가 쓴 바에 따르면 근접발달영역은 다음과 같습니다.
“독립적인 문제 해결로 결정되는 실제적 발달 수준과, 성인의 안내 아래에서 또는 더 유능한 또래와 협력하여 문제를 해결함으로써 결정되는 잠재적 발달 수준 사이의 거리”
안쪽부터 차례로 겹쳐진 세 영역을 떠올려 보면 이해하기 쉽습니다.
- 혼자 할 수 있는 것. 누구의 도움 없이도 풀고, 설명하고, 직접 해 보일 수 있습니다. 이 영역에서 하는 연습은 기분은 좋지만, 새로 배우는 것은 거의 없습니다.
- 도움을 받으면 할 수 있는 것. 힌트, 시범, 풀이 예제, 또는 더 많이 아는 상대가 있으면 해낼 수 있습니다. 이것이 근접발달영역입니다.
- 도움을 받아도 아직 할 수 없는 것. 간격이 너무 넓어서 힌트로는 메울 수 없습니다. 이 수준에서 받는 도움은 대개 베끼기로 끝납니다.
이 영역은 움직이기도 합니다. 예전에는 도움이 필요했던 일을 혼자 할 수 있게 되면, 경계가 바깥쪽으로 옮겨 간 것입니다. Vygotsky는 Thought and Language에서 이 생각을 한 문장으로 표현했습니다. “아이가 오늘 협력해서 할 수 있는 일을 내일은 혼자서 할 수 있습니다.”
개념의 기원: Vygotsky와 검사 점수의 문제
Lev Semyonovich Vygotsky는 1896년 지금의 벨라루스에 속한 오르샤에서 태어났고, 심리학자로서 남긴 업적 대부분은 1920년대 후반과 1930년대 초반 모스크바에서 나왔습니다. 그는 1934년, 37세의 나이에 결핵으로 세상을 떠났습니다. 근접발달영역은 그 짧은 연구 인생의 마지막 몇 년 동안 나온 개념입니다.
러시아어 원어는 zona blizhaishego razvitiya입니다. ‘proximal’(근접한)이라는 단어는 영어 번역자들이 고른 것입니다. 더 직역에 가까운 번역은 ‘zone of nearest development’(가장 가까운 발달의 영역)이고, 이쪽이 뜻을 더 잘 전한다고 볼 수도 있습니다. 곧 일어나려 하는, 가장 가까이 와 있는 발달이라는 뜻이기 때문입니다.
Vygotsky가 이 개념을 내세운 데에는 아이들을 검사하는 방식을 비판하려는 뜻도 있었습니다. 당시의 지능검사는 아이가 도움 없이 할 수 있는 것을 측정했고, 그 수치가 곧 아이의 수준으로 여겨졌습니다. 그는 독자들에게 검사에서 둘 다 정신연령 8세로 나온 열 살 아이 두 명을 상상해 보라고 했습니다. 점수는 같습니다. 그런데 약간의 도움을 받자 한 아이는 열두 살 수준의 문제까지 해결했고, 다른 아이는 아홉 살 수준까지밖에 나아가지 못했습니다. 그는 두 아이의 근접발달영역이 서로 다르며, 아이들을 가르치는 데에는 같은 점수보다 이 차이가 더 중요하다고 주장했습니다.
성인도 마찬가지입니다. 혼자 할 수 있는 것을 재는 시험은 지금 어디에 있는지를 보여 주지만, 다음에 무엇을 공부할지는 적절한 도움을 받았을 때 어디까지 갈 수 있는지에 달려 있습니다.
영어권 독자 대부분은 수십 년이 지나서야 Mind in Society: The Development of Higher Psychological Processes (Harvard University Press, 1978)를 통해 이 개념을 접했습니다. 이 책은 Vygotsky가 직접 쓴 단행본이 아니라, Michael Cole, Vera John-Steiner, Sylvia Scribner, Ellen Souberman이 그의 글을 골라 엮은 선집입니다.
근접발달영역과 비계 설정: Vygotsky가 쓴 적 없는 용어
‘비계 설정(scaffolding)’은 근접발달영역과 워낙 밀접하게 엮여 있어서, 많은 사람이 Vygotsky의 용어라고 생각합니다. 하지만 그렇지 않습니다. 이 용어는 보통 David Wood, Jerome Bruner, Gail Ross가 1976년 Journal of Child Psychology and Psychiatry에 발표한 논문 “The role of tutoring in problem solving”에서 비롯된 것으로 봅니다.
이 연구에서는 Ross가 튜터를 맡아, 서로 맞물리는 나무 블록 21개로 피라미드를 쌓는 세 살에서 다섯 살 사이의 아이 30명을 지도했습니다. 아이들이 혼자서 해내기에는 너무 어려운 과제였습니다. 저자들은 튜터를 관찰하면서 좋은 비계 설정의 여섯 가지 기능을 정리했습니다.
| 기능 | 돕는 사람이 하는 일 | 혼자 공부할 때의 모습 |
|---|---|---|
| 참여 유도(Recruitment) | 학습자가 과제에 흥미를 갖게 합니다 | 정말로 답을 알고 싶은 질문에서 시작합니다 |
| 자유도 축소(Reduction in degrees of freedom) | 감당할 수 있을 때까지 과제를 단순화합니다 | 하위 문제나 절을 한 번에 하나씩 다룹니다 |
| 방향 유지(Direction maintenance) | 학습자가 목표를 향해 계속 나아가게 합니다 | 노트 맨 위에 목표를 적어 둡니다 |
| 핵심 특징 표시(Marking critical features) | 중요한 것을 짚어 줍니다 | 논증을 떠받치는 한 문장을 하이라이트합니다 |
| 좌절 통제(Frustration control) | 고전이 포기로 이어지지 않게 합니다 | 힌트를 보기 전에 버틸 시간을 정해 둡니다 |
| 시범(Demonstration) | 학습자가 따라 할 수 있도록 풀이를 보여 줍니다 | 풀이 예제 하나를 공부한 뒤 새 문제를 풀어 봅니다 |
비계 설정은 평범한 도움과 무엇이 다릅니까? Janneke van de Pol, Monique Volman, Jos Beishuizen은 2010년에 10년간의 연구를 검토하면서 되풀이해 나타나는 세 가지 특징을 찾아냈습니다.
- 상황에 맞춘 조절(contingency). 도움을 학습자가 지금 하고 있는 일에 맞춥니다. 어려워할 때는 더 많이, 그렇지 않을 때는 더 적게 줍니다.
- 점차 줄이기(fading). 도움을 조금씩 거두어들입니다.
- 책임 이양(transfer of responsibility). 결국 학습자가 스스로 과제를 해내게 됩니다.
도움을 점차 줄이는 일이 중요한 이유는 초보자에게 맞는 도움이 나중에는 방해가 될 수 있기 때문입니다. 인지부하 연구자들은 이를 전문성 역전 효과라고 부릅니다. Slava Kalyuga, Paul Ayres, Paul Chandler, John Sweller는 2003년에 이 효과를 설명했습니다. 초보자에게 잘 통하는 기법이 경험이 더 많은 학습자에게는 효과를 잃거나 심지어 역효과를 낼 수 있다는 것입니다. 초보자를 과부하에서 구해 주는 풀이 예제도 이미 단계를 아는 사람에게는 읽을거리만 늘릴 뿐입니다.
Alexander Renkl과 동료들은 2002년에 발표한 실험에서 이런 도움을 줄여 나가는 한 가지 방법을 시험했습니다. 학생들은 풀이 단계가 마지막 단계부터 하나씩 지워지는 풀이 예제를 공부했고, 마침내 문제 전체를 스스로 풀게 되었습니다. 이 ‘뒤에서부터 줄이기(backward fading)’는 완전한 예제 하나와 풀어야 할 문제 하나를 짝지어 주는 일반적인 방식보다 학생들에게 더 도움이 되었습니다. 적어도 연습한 것과 비슷한 문제에서는 그랬습니다.
Brian Belland와 동료들의 2017년 메타분석은 과학, 기술, 공학, 수학 교육에서 컴퓨터 기반 비계 설정을 다룬 연구 144편을 종합해, 인지적 성과에 대한 평균 효과가 g = 0.46이라는 결과를 얻었습니다. 중간 정도의 효과입니다.
도움을 줄 수 있는 사람: 교사, 또래, 그리고 ‘더 많이 아는 타인’
Vygotsky의 정의에는 두 종류의 조력자가 나옵니다. ‘성인의 안내’와 ‘더 유능한 또래’입니다. 이런 조력자는 흔히 ‘더 많이 아는 타인(more knowledgeable other)’, 줄여서 MKO라고 불립니다. 하지만 이 이름은 나중에 교육 관련 글에서 생긴 약칭이며, 그의 정의에 나오는 표현이 아닙니다.
정의의 나머지 절반인 또래도 지나쳐서는 안 됩니다. 자신보다 조금 앞선 사람은 무엇이 헷갈렸는지를 아직 기억하고 있지만, 전문가는 그것을 잊었을 수 있습니다. 튜터링 연구는 그 이점이 양쪽 모두에게 돌아간다는 것을 보여 줍니다. Peter Cohen, James Kulik, Chen-Lin Kulik은 1982년 학교 튜터링 프로그램에 관한 메타분석에서, 튜터링을 받은 학생들의 성취도가 비교 집단 학생들보다 높았고 평균 효과 크기는 0.40이었으며, 튜터 자신도 0.33의 효과로 이득을 보았다는 사실을 발견했습니다. 두 번째 수치가 바로 프로테제 효과입니다. 자신보다 한 걸음 뒤에 있는 사람에게 무언가를 설명하는 것은 그것을 스스로 배우는 한 가지 방법입니다.
일대일 튜터링은 근접발달영역이 작동하는 모습을 보여 주는 전형적인 사례이지만, 그 효과는 가장 많이 인용되는 수치가 암시하는 것보다 작습니다. Benjamin Bloom은 1984년에 튜터링을 받은 학생들이 일반 학급의 학생들보다 약 두 표준편차 높은 점수를 받았다고 보고했습니다. 이 수치대로라면 튜터링을 받은 평균적인 학생이 비교 집단의 98%보다 앞서게 됩니다. Kurt VanLehn이 2011년에 튜터링 연구를 검토했을 때, 인간 튜터의 효과는 그보다 작은 d = 0.79였고, 학생을 단계별로 지도하는 컴퓨터 튜터도 거의 같은 d = 0.76이었습니다.
도와주는 사람이 꼭 같은 공간에 있을 필요는 없습니다. 독학하는 사람에게는 다음과 같은 것이 ‘더 유능한’ 상대가 될 수 있습니다.
- 교과서에 실린 풀이 예제. 아직 스스로 하지 못하는 단계를 시범으로 보여 줍니다.
- 스크립트나 용어집. 약간 빨라서 따라가기 버거운 강의나 글을 따라갈 수 있게 만들어 줍니다.
- 다른 독자들의 하이라이트. 어려운 글을 먼저 읽고 중요한 구절을 표시해 둔 사람은 ‘핵심 특징 표시’의 일부를 대신해 준 셈입니다. 웹페이지에서는 Glasp 브라우저 확장 프로그램의 Community 탭에 있는 Popular 화면에서 두 명 이상의 독자가 하이라이트한 구절을 볼 수 있고, Glasp 커뮤니티에서 더 많은 하이라이트를 둘러볼 수 있습니다.
근접발달영역의 예시
각 행은 한 학습자가 한 가지 기술을 익히는 모습을 보여 줍니다. 가운데 열이 근접발달영역입니다.
| 학습자 | 혼자 할 수 있는 것 | 도움을 받으면 할 수 있는 것(근접발달영역) | 아직은 닿지 않는 것 | 알맞은 비계 |
|---|---|---|---|---|
| 글 읽기를 배우는 여섯 살 아이 | 짧고 익숙한 단어를 소리 내어 읽습니다 | 어른이 어려운 단어를 귀띔해 주면 처음 보는 그림책을 읽습니다 | 챕터로 나뉜 긴 동화책을 혼자 읽기 | 단어를 하나씩 짚으며 함께 읽기 |
| 스페인어를 배우는 성인 | 음식을 주문하고 느린 팟캐스트를 알아듣습니다 | 스크립트를 보며 원어민 속도의 팟캐스트를 따라갑니다 | 빠르게 전개되는 영화를 자막 없이 따라가기 | 먼저 스크립트와 함께 듣고, 그다음 오디오만 듣기 |
| 초보 프로그래머 | 튜토리얼을 따라 반복문을 작성합니다 | 멘토가 생각을 이끄는 질문을 던지면 자기 코드의 버그를 찾아냅니다 | 대규모 시스템을 처음부터 설계하기 | “이 줄이 무엇을 출력하리라고 예상했습니까?” 같은 질문 |
| 어려운 책을 읽는 학생 | 한 장의 핵심 주장을 말합니다 | 학습 가이드를 활용해 그 장의 논증을 재구성합니다 | 해당 분야의 다른 연구에 비추어 책을 비평하기 | 장별 질문과 다른 독자들의 하이라이트 |
| 수련의 | 환자의 병력을 청취합니다 | 선배 의사와 함께 생각을 소리 내어 말하며 진단을 내립니다 | 드물고 복잡한 사례를 혼자 맡아 처리하기 | 사례 토론과 체크리스트 |
언어 학습에도 이에 해당하는 개념이 따로 있습니다. Stephen Krashen의 입력 가설은 우리가 현재 수준보다 약간 높은 입력을 이해함으로써 언어를 습득한다고 제안했고, Krashen은 이를 ‘i + 1’로 나타냈습니다.
Hu Hsueh-chao와 Paul Nation은 2000년 연구에서 학습자들에게 단어의 80%, 90%, 95%, 또는 전부가 익숙한 이야기를 읽게 했습니다. 아는 단어가 80%인 조건에서는 독자 16명 중 누구도 내용을 충분히 이해하지 못했고, 저자들은 대부분의 학습자가 도움 없이 소설을 읽으려면 단어의 약 98%를 알아야 한다고 추정했습니다. 2023년의 재현 연구에서는 98%에서 뚜렷한 경계선이 나타나지 않았습니다. 아는 단어의 비율이 높을수록 이해도가 그만큼 올라갔을 뿐입니다. 거의 모든 단어를 알고 나머지만 단어 풀이에 기대면 되는 글은 자신의 근접발달영역 안에 있고, 다섯 단어 중 하나꼴로 사전을 찾아야 하는 글은 그렇지 않습니다. 그 수준의 입력을 찾는 방법은 AI로 언어를 배우는 방법에 관한 안내서에서 다룹니다.
학습은 얼마나 어렵게 느껴져야 합니까? 연구가 말하는 것
Vygotsky는 근접발달영역을 난이도가 아니라 도움을 기준으로 설명했습니다. 하지만 혼자 공부하는 사람에게 실제로 중요한 질문은 공부가 얼마나 어렵게 느껴져야 하느냐입니다.
인지심리학자 Janet Metcalfe는 사람들이 공부할 내용을 어떻게 고르는지 연구했고, 그 답을 근접학습영역(region of proximal learning)이라고 불렀습니다. Vygotsky의 용어를 떠올리게 하는 이름입니다. Metcalfe의 실험에서 학습자들은 이미 아는 것은 건너뛰고, 아직 익히지 못한 항목 가운데 곧 익힐 수 있을 것 같은 항목부터 공부했습니다. 전문가는 초보자보다 더 어려운 항목을 골랐고, 사람들은 시간이 더 많을 때 더 어려운 항목으로 넘어갔습니다. Nate Kornell과 함께한 2003년의 소규모 실험에서는 공부 시간의 대부분을 중간 난이도 항목에 쓴 경우의 회상률(32%)이 가장 어려운 항목에 쓴 경우(25%)보다 높았습니다.
Robert Wilson, Amitai Shenhav, Mark Straccia, Jonathan Cohen은 2019년 Nature Communications에 발표한 논문에서, 양자택일 과제에서 경사 하강법으로 성능을 높여 가는 학습 알고리즘은 훈련 오류율이 약 15.87%, 즉 정답률이 대략 85%일 때 가장 빠르게 학습한다는 것을 수학적으로 보였습니다. 이들은 이를 ‘85% 규칙(The Eighty Five Percent Rule)’이라고 불렀습니다. 이 규칙은 인공 신경망 시뮬레이션과 동물의 지각 학습 모형에서 성립했습니다. 잡음에 대해 다른 가정을 두면 최적의 정답률은 82%나 75%에 더 가깝게 나왔습니다.
인간 학습자가 정확히 85%에서 가장 잘 배운다는 것을 보여 준 사람은 아직 없고, 저자들도 이 규칙을 양자택일 과제와 자신들이 연구한 알고리즘 너머로 일반화하는 일이 아직 남아 있다고 밝힙니다. 그래도 거의 모든 문제를 맞히고 있다면 자료가 너무 쉬운 것이고, 대부분 틀리고 있다면 너무 어려운 것입니다.
이는 Robert Bjork와 Elizabeth Bjork의 바람직한 어려움 연구와도 맞아떨어집니다. 어느 정도의 분투는 배운 것을 오래 기억하게 하지만, 그것은 극복할 수 있는 분투여야 합니다. 근접발달영역은 바로 그 조건을 알려 줍니다. 어려움은 자신의 영역 안에 있을 때, 즉 노력에 약간의 도움을 더하면 넘어설 수 있을 때 바람직합니다.
다음 신호로 자신이 지금 어디에 있는지 판단합니다.
| 알아차린 신호 | 지금 있을 가능성이 큰 곳 | 할 일 |
|---|---|---|
| 거의 모든 문제를 빠르게 맞힙니다 | 근접발달영역 아래 | 수준을 높이고, 노트를 덮고, 시간 제한을 둡니다 |
| 애쓰면 대부분 맞히고, 나머지는 힌트를 받으면 풀립니다 | 근접발달영역 안 | 여기에 머물면서 차츰 힌트를 줄입니다 |
| 힌트를 받아도 소용이 없고, 답을 베끼고 있습니다 | 근접발달영역 위 | 선수 지식으로 돌아가거나, 더 쉬운 자료를 찾습니다 |
혼자 공부할 때 자신의 근접발달영역을 찾는 법
교사는 학생에게 도움이 얼마나 필요한지 지켜보며 그 학생의 근접발달영역을 찾습니다. 혼자 공부할 때는 그 검사를 스스로에게 해야 합니다. 다음 과정은 교과서의 한 장, 논문 한 편, 문제 세트 하나에 모두 적용할 수 있습니다.
- 아무것도 보지 않고 먼저 시도합니다. 무엇이든 다시 읽기 전에 각 장 끝의 문제에 답하거나, 빈 종이에 핵심 개념을 설명하거나, 문제를 풀어 봅니다. 그것이 자신의 ‘혼자서’ 수준입니다. 여기서 틀린 답도 헛되지 않습니다. Nate Kornell과 동료들의 실험(2009)에서는 답을 보기 전에 먼저 답해 보는 것이, 그 시도가 실패했을 때조차 학습을 향상시켰습니다.
- 틀린 것을 두 묶음으로 나눕니다. 부분적으로 맞혔거나 답을 보자마자 이해한 것은 모두 ‘힌트가 있으면 가능’입니다. 풀이를 읽은 뒤에도 여전히 이해되지 않는 것은 모두 ‘아직 무리’입니다. 첫 번째 묶음이 자신의 근접발달영역입니다.
- 도움은 첫 번째 묶음에 씁니다. 각 항목을 넘어서게 해 줄 가장 작은 도움을 찾습니다. 풀이 예제 하나, 설명 한 단락, 정의 하나 정도입니다. 효과가 있었던 구절은 다시 찾을 수 있도록 하이라이트해 둡니다.
- 두 번째 묶음은 한 단계 뒤로 돌려보냅니다. 어떤 주제가 ‘아직 무리’로 분류된다면 대개 선수 지식이 빠져 있는 것입니다. 그것부터 공부하거나, 같은 주제를 다룬 더 쉬운 자료를 찾습니다.
- 도움을 줄여 나갑니다. 하루나 이틀 뒤, 도움을 보이지 않는 곳에 치워 두고 같은 유형의 문제를 풀어 봅니다. 이제 혼자 할 수 있게 된 것은 근접발달영역을 벗어난 것이고, 그것이 바로 목표입니다.
- 경계를 옮깁니다. ‘힌트가 있으면 가능’ 묶음이 줄어들면 수준을 높입니다. 더 어려운 문제나 더 수준 높은 글로 바꾸거나, 시간을 줄입니다.
몇 가지 도구를 쓰면 이 묶음들을 관리하기가 쉬워집니다. Glasp의 웹 하이라이터를 쓰면 웹페이지와 PDF에 표시하고 하이라이트마다 ‘힌트가 필요했음’이나 ‘아직 무리’ 같은 메모를 달 수 있어서, 묶음의 모든 항목이 출처 바로 옆에 남습니다. 녹화된 강의라면 YouTube Summary가 영상 옆에 전체 스크립트를 보여 줍니다. 너무 빨리 진행되는 강연에 흔히 쓰는 비계입니다. 그리고 힌트가 필요할 때는 Glasp의 AI 채팅이 사용자가 직접 저장한 하이라이트를 바탕으로 답하고, 각 답을 근거로 삼은 하이라이트와 연결해 줍니다.
AI 튜터와 근접발달영역: 줄어들지 않는 도움
AI 모델은 거의 무엇이든, 거의 어떤 수준으로든, 언제라도 설명해 줄 수 있습니다. Vygotsky의 용어로 말하면 결코 곁을 떠나지 않는 더 유능한 상대인 셈입니다. 위험은 비계 설정의 나머지 절반에 있습니다. 모든 질문에 완전한 답을 주는 AI의 도움은 결코 줄어들지 않습니다.
가장 분명한 증거는 Hamsa Bastani와 동료들이 튀르키예의 한 고등학교에서 1,000명 가까운 학생을 대상으로 진행해 2025년 PNAS에 발표한 연구입니다. 표준 GPT-4 채팅을 열어 두고 공부한 학생들은 연습 문제에서 48% 더 좋은 성적을 냈고, 답 대신 힌트를 주는 튜터 버전을 쓴 학생들은 127% 더 좋은 성적을 냈습니다. 그런데 AI 없이 치른 시험에서는 표준 GPT-4 집단의 점수가 대조군보다 17% 낮았습니다. 힌트를 주는 튜터는 이런 피해를 대체로 피했습니다.
근접발달영역이라는 틀로 보면, 일반 챗봇은 학생들의 영역 안에 있는 일을 대신해 주었고, 학생들은 그 일을 스스로 해낸 같은 반 친구들보다 덜 배웠습니다.
같은 달에 발표된 하버드대학교의 실험은 그 반대 사례를 보여 줍니다. Gregory Kestin과 동료들은 단계별 비계 설정을 비롯해 연구에 기반한 교수법을 중심으로 물리학 튜터를 만들었습니다. 이 튜터를 쓴 학생들의 학습 향상 중앙값은 능동 학습 수업을 들은 학생들의 두 배가 넘었고, 걸린 시간도 더 짧았습니다. 두 실험은 AI 튜터는 정말 효과가 있을까?에서 자세히 다룹니다.
어떻게 도와야 하는지 알려 주면 범용 AI도 비계에 더 가깝게 행동하도록 만들 수 있습니다.
- “답을 알려 주지 마십시오. 한 번에 한 가지씩 질문해 주십시오.”
- “제가 두 번 시도해도 막히면, 줄 수 있는 가장 작은 힌트를 주십시오.”
- “설명하기 전에, 제가 이 내용에 대해 이미 무엇을 알고 있는지 물어봐 주십시오.”
- “노트를 보지 않은 상태로 이 내용에 대한 퀴즈를 내 주시고, 그다음 어떤 답에 힌트가 필요했는지 알려 주십시오.”
그다음 도움을 줄이는 일은 스스로 합니다. 채팅을 닫고 다음 문제는 AI 없이 풀어 봅니다.
근접발달영역에 관한 흔한 오해
“근접발달영역은 한 사람이 지닌 고정된 수준입니다.” 흔히 쓰이는 의미에서 이 영역은 과제와 받을 수 있는 도움에 따라 달라지며, 배워 갈수록 움직입니다. 통계학에서는 다중 회귀가 자신의 영역인데, 프랑스어에서는 아직 커피 주문하기가 자신의 영역일 수도 있습니다.
“누군가의 학습 양식에 맞춰 가르치는 것과 같습니다.” 근접발달영역은 학습자가 도움이 있을 때와 없을 때 무엇을 할 수 있는지에 관한 개념이며, 그림이나 소리에 대한 선호와는 관계가 없습니다.
“근접발달영역은 나이와 상관없이 어떤 과제에나 적용됩니다.” Vygotsky는 아동의 발달을 설명하려고 이 개념을 만들었고, 일부 학자들은 이 개념을 그 범위 안에서 써야 한다고 봅니다. Seth Chaiklin은 2003년에, 도움을 받으면 할 수 있는 모든 과제라는 대중적인 해석이 Vygotsky의 더 좁은 의미에서 벗어난다고 주장했습니다. Vygotsky가 말한 근접발달영역은 아이가 한 발달 단계에서 다음 단계로 넘어가는 동안 성숙해 가는 심리적 기능에 관한 것이었습니다. Chaiklin은 근접발달영역이 “어떤 특정 과제의 기술 발달에 관한 것이 아니라, 발달과 관련되어야 한다”고 썼습니다. 이 글처럼 성인의 독학에 이 개념을 적용하는 것은 Vygotsky가 주장한 범위를 넘어 개념을 확장하는 일입니다.
자주 묻는 질문
근접발달영역을 쉽게 설명하면 무엇입니까?
근접발달영역은 아직 혼자서는 할 수 없지만 도움을 받으면 할 수 있는 것들의 범위입니다. 그 아래에는 이미 할 수 있는 것이 있고, 그 위에는 아직 닿지 않는 것이 있습니다. Vygotsky는 가르침이 이 중간 영역을 겨냥할 때 가장 효과적이라고 주장했습니다.
근접발달영역의 예로는 무엇이 있습니까?
짧은 단어는 소리 내어 읽을 수 있지만 처음 보는 그림책은 아직 혼자 읽지 못하는 아이도, 어른이 어려운 단어를 귀띔해 주면 그 책을 읽을 수 있습니다. 이렇게 함께 읽는 일이 그 아이의 근접발달영역에 해당합니다. 성인이라면 새로 배우는 언어로 된 원어민 속도의 팟캐스트를 스크립트의 도움을 받아 따라가는 것이 예가 될 수 있습니다.
근접발달영역과 비계 설정은 어떻게 다릅니까?
근접발달영역은 학습자가 혼자 할 수 있는 것과 도움을 받아 할 수 있는 것 사이의 간격입니다. 비계 설정은 도움 그 자체입니다. 단, 학습자에게 맞춰 조절되고 점차 거두어지는 도움이어야 합니다. ‘비계 설정(scaffolding)’이라는 용어는 보통 Vygotsky가 아니라 Wood, Bruner, Ross(1976)의 연구에서 비롯된 것으로 봅니다.
‘더 많이 아는 타인’은 무슨 뜻입니까?
‘더 많이 아는 타인(MKO)’은 도움을 주는 쪽을 가리킵니다. 교사, 부모, 또래일 수도 있고, 요즘 쓰임으로는 책이나 도구일 수도 있습니다. Vygotsky 자신의 표현은 ‘성인의 안내’ 또는 ‘더 유능한 또래와의 협력’이었습니다. MKO라는 이름은 나중에 생겼습니다.
근접발달영역은 누가 만들었습니까?
1920년대와 1930년대 초에 활동했고 1934년에 세상을 떠난 소련의 심리학자 Lev Vygotsky입니다. 영어권 독자 대부분은 그의 글을 엮은 선집 Mind in Society (1978)를 통해 이 개념을 접했습니다.
자신의 근접발달영역은 어떻게 찾습니까?
먼저 혼자 자료를 풀어 본 다음, 어떤 실수는 작은 힌트로 바로잡을 수 있고 어떤 실수는 답을 눈앞에 두고도 바로잡지 못하는지 적어 둡니다. 앞의 것이 자신의 근접발달영역입니다. 그곳에서 꼭 필요한 만큼만 도움을 받으며 공부하고, 하루나 이틀 뒤에 도움 없이 다시 스스로를 시험합니다.
AI가 ‘더 많이 아는 타인’이 될 수 있습니까?
비계처럼 행동한다면 될 수 있습니다. 질문을 던지고 작은 힌트를 주는 AI는 학습자가 계속 자신의 근접발달영역 안에서 공부하게 해 줍니다. 완전한 답을 건네주는 AI는 공부를 대신해 버립니다. 2025년의 한 실험에서 일반 GPT-4로 연습한 학생들은 AI가 사라지자 시험에서 대조군보다 17% 낮은 점수를 받았습니다.
근접발달영역에는 어떤 비판이 있습니까?
흔한 비판 하나는 개념이 모호하다는 것입니다. 근접발달영역은 정확히 측정하기 어렵습니다. 학자들은 이 개념이 Vygotsky가 적용한 아동 발달을 넘어 어디까지 적용되는지를 두고도 의견이 엇갈립니다. 그렇더라도 무엇을 공부하고 도움을 얼마나 받을지 정하는 데 좋은 길잡이가 되며, AI가 언제든 도움을 주는 지금은 그 선택이 더욱 중요합니다.
경계에서 배우고, 그다음 도움을 내려놓습니다
실제로 근접발달영역에서 공부하는 일은 하나의 습관으로 요약됩니다. 거의 할 수 있을 것 같은 것을 찾고, 그것을 해내는 데 필요한 가장 작은 도움을 받은 다음, 도움이 필요 없어질 때까지 도움 없이 연습하고, 다음 경계로 넘어갑니다.
이 순환을 한곳에서 이어 가려면 Glasp에 막힌 곳을 풀어 준 구절과 스크립트 문장을 저장하고, 자신의 메모와 Kindle 하이라이트도 함께 모아 둡니다. 힌트가 필요할 때는 그 자료를 바탕으로 답하는 Glasp의 AI 채팅에 묻고, 그다음에는 채팅을 닫고 다시 혼자 시도합니다.
