정보 과부하의 세계에서 배우는 법 | 타니아 롬브로조
한때 정보에 접근하는 일은 학습의 큰 제약이었습니다. 오늘날 더 어려운 문제는 무엇에 주의를 기울일 가치가 있는지 결정하는 일인 경우가 많습니다. 검색 엔진, 소셜 플랫폼, 온라인 강좌, 생성형 AI는 우리가 평가할 수 있는 속도보다 더 빠르게 답을 만들어 낼 수 있습니다. TEDxNewEngland 강연에서 인지과학자 타니아 롬브로조는 더 나은 학습이 언제나 더 많은 자료를 모으는 데서 시작되는 것은 아니라고 말합니다. 때로는 이미 마음속에 있는 것을 더 의도적으로 다루는 데서 시작됩니다.
롬브로조는 이 과정을 “생각을 통한 학습”이라고 부릅니다. 성찰이 증거를 대체하거나 우리가 한 번도 접한 적 없는 사실을 제공할 수 있다는 뜻은 아닙니다. 오히려 생각은 숨은 지식을 끌어내고, 익숙한 정보를 재구성하며, 새로운 결론을 만들어 내고, 우리의 이해가 정확히 어디에서 실패하는지 드러낼 수 있습니다. 따라서 내적 성찰은 강력한 첫 단계이자 정보 과부하에 맞서는 유용한 방어 수단이 됩니다.
문제를 설명하면 해결에 도움이 되는 이유
소프트웨어 엔지니어들은 고집스러운 문제를 고무 오리나 다른 말없는 물체에게 소리 내어 설명하곤 합니다. 오리는 기술적 전문성을 전혀 보태지 않습니다. 그 가치는 프로그래머가 상황을 명확히 말하고, 관련 단계를 다시 구성하며, 암묵적인 가정을 드러내도록 만든다는 데 있습니다.
롬브로조는 이 관행을 더 넓은 원리를 보여 주는 사례로 사용합니다. 우리는 흔히 학습을 외부 세계의 정보가 마음속으로 들어오는 과정으로 여깁니다. 교사가 설명을 제공하고, 책이 사실을 전달하며, 검색 엔진이 답을 반환하는 식입니다. 그러나 사람은 이미 갖고 있는 정보를 살피고 조작하는 과정에서도 배울 수 있습니다.
익숙한 방이나 어린 시절 살던 집에 관한 질문을 생각해 보세요. 그곳에 창문이 몇 개 있는지 외워 둔 적은 없을 수 있습니다. 그래도 머릿속으로 그 공간을 걸어 다니고, 시각적 기억을 살펴보며, 답을 계산해 낼 수 있습니다. 그 숫자 자체가 완성된 사실로 저장되어 있었던 것은 아닙니다. 기억된 장면이라는 한 종류의 지식을 다른 형태로 변환해 만들어 낸 것입니다.
소리, 움직임, 공간 배치, 부분적으로만 이해한 개념에서도 같은 일이 일어날 수 있습니다. 유용한 정보는 서로 다른 종류의 기억에 분산되어 있기 때문에, 사람은 즉시 말할 수 있는 것보다 더 많은 것을 알고 있을 수 있습니다. 생각은 그 정보를 회복하고 다시 조합하는 한 가지 방법입니다.
학습에는 단순한 인출이 아니라 변환이 필요하다
롬브로조는 내적 지식을 주방의 재료에 비유합니다. 가지고 있는 것이 레시피가 요구하는 것과 정확히 일치하지 않더라도, 때로는 변환하거나 조합할 수 있습니다. 초콜릿 바는 더 작은 조각으로 나눌 수 있고, 소금과 무염 버터는 가염 버터가 필요한 곳에 사용할 수 있습니다.
지식도 비슷하게 작동합니다. 기억, 규칙, 사례, 신체 기술은 답 자체를 완성된 형태로 담고 있지 않더라도 답을 위한 원재료를 포함할 수 있습니다. 효과적인 사고는 그 재료의 표상을 바꾸는 일입니다. 이미지를 개수로 바꾸고, 여러 사례를 패턴으로 바꾸며, 분리된 사실들을 인과적 설명으로 바꾸는 것입니다.
이는 사람이 거의 아무 변환도 하지 않은 채 많은 양의 정보를 소비할 수 있기 때문에 중요합니다. 다른 글을 읽거나 또 다른 요약을 요청하면 이용 가능한 정보는 늘어날 수 있지만, 이용 가능하다는 것은 이해한다는 것과 다릅니다. 새로운 자료를 기존 지식과 연결하고, 그 함의를 검증하며, 누가 대신 답해 주지 않은 질문에 답하는 데 사용할 때 학습은 깊어집니다.
물론 분명한 한계도 있습니다. 아무리 내성한다고 해도 역사적 날짜, 낯선 과학적 측정값, 혹은 한 번도 접하지 못한 문서의 내용을 알아낼 수는 없습니다. 생각을 통한 학습은 없는 증거를 만들어 내지 못합니다. 그 목적은 내부적으로 도출할 수 있는 것이 무엇인지, 외부에서 얻어야 할 것이 무엇인지를 판단하는 데 있습니다.
자기 설명을 뒷받침하는 연구
생각을 통한 학습의 특히 효과적인 형태는 자기 설명입니다. 학습자는 단순히 자료를 다시 읽는 대신, 잠시 멈춰 다음과 같은 질문을 던집니다.
왜 이 단계는 앞선 단계에서 이어지는가?
이 사례는 일반 원리와 어떻게 맞아떨어지는가?
한 조건이 바뀌면 어떤 일이 일어날까?
출처를 보지 않고 이 아이디어를 설명할 수 있는가?
내 설명 중 어느 부분이 여전히 모호한가?
롬브로조는 1980년대 후반부터 시작된 연구를 언급합니다. 이 연구들은 비슷한 수업과 자료를 접한 학생들이 왜 매우 다른 수준의 이해에 도달하는지 살펴봤습니다. 중요한 차이 중 하나는 성공적인 학습자들이 공부하는 동안 무엇을 했는지였습니다. 이들은 설명을 만들어 내고, 중간 단계를 의문시하며, 자료 속 관계를 설명하려고 했습니다.
이후 연구들은 연구자들이 자기 설명 효과라고 부르는 현상을 확립했습니다. 연령대와 학습 맥락을 아울러, 자신에게 아이디어를 설명하는 사람들은 더 강한 이해를 형성하고 원래 사례를 넘어 배운 내용을 더 잘 적용하는 경향이 있습니다.
그 이점은 매끄러운 글을 만들어 내는 데서 오지 않습니다. 망설이는 설명도 생산적일 수 있습니다. 시도 자체가 인출과 조직화를 요구하기 때문입니다. 학습자는 어떤 사실이 중요한지, 그것들이 어떻게 연결되는지, 그리고 실제로 결론을 뒷받침하는지를 판단해야 합니다.
설명이 문제를 바라보는 방식을 바꾸는 방법
롬브로조는 여러 방식으로 짝지을 수 있는 카드 실험을 소개합니다. 성인들은 추상적 관계를 알아차리는 경향이 있었습니다. 예를 들어 동일한 동물 두 마리가 그려진 카드를, 역시 두 마리의 같은 동물이 함께 그려진 다른 카드와 짝지었습니다. 어린아이들은 두 카드에 같은 종류의 동물이 있다는 이유로 공통된 대상에 더 집중하는 경향이 있었습니다.
다섯 살과 여섯 살 아이들에게 특정 카드들이 왜 함께 속하는지 설명해 보라고 하자, 선택은 성인이 선호하는 더 추상적인 패턴 쪽으로 이동했습니다. 아이들은 교정 피드백이나 추가 사실을 제공받지 않았습니다. 설명하라는 요청만으로도 눈앞에 있던 정보를 조직하는 방식이 바뀌었습니다.
이 발견은 학습에 관한 중요한 점을 포착합니다. 설명은 완성된 생각을 보고하는 데 그치지 않습니다. 생각 자체를 재구성할 수 있습니다. 학습자는 일반적인 이유를 찾음으로써 눈에 띄는 표면적 특징을 넘어 더 깊은 구조를 알아차릴 수 있습니다.
이런 변화는 전이를 뒷받침합니다. 누군가 한 사례의 눈에 보이는 세부 사항만 이해한다면, 그 학습은 그 사례에 묶여 있을 수 있습니다. 그러나 근본적인 관계를 파악한다면 대상, 언어, 상황이 바뀌어도 그것을 알아볼 가능성이 더 큽니다.
설명 깊이에 대한 환상
사람들은 익숙한 시스템이 어떻게 작동하는지 설명하려 하기 전까지는 자신이 그것을 이해한다고 느끼는 경우가 많습니다. 변기, 지퍼, 자전거, 기상 현상, 경제 메커니즘은 일상 경험만으로도 분명해 보일 수 있습니다. 그러나 누군가 상세한 인과적 설명을 시도하면 그 자신감은 흔히 무너집니다.
연구자들은 이 불일치를 설명 깊이에 대한 환상이라고 부릅니다. 친숙함은 사람이 실제로 재구성할 수 있는 수준을 넘어서는 이해의 감각을 만들어 냅니다. 우리는 어떤 것을 알아보는 것, 사용하는 것, 혹은 그것에 관한 정보에 쉽게 접근할 수 있는 것을 이해와 혼동합니다.
자기 설명은 그 환상을 깨뜨립니다. 불완전한 연결 하나하나가 눈에 보이게 됩니다. “이 두 사건이 연결되어 있다는 것은 알지만, 어떻게 연결되는지는 말할 수 없다.” 이 순간은 학습의 실패가 아닙니다. 그것은 가치 있는 진단 증거입니다.
롬브로조는 낮은 대기압과 토네이도의 깔때기 모양 사이의 관계를 설명하려는 사례를 듭니다. 학습자는 관련된 여러 아이디어에서 시작할 수 있지만, 인과적 연결이 빠져 있다는 사실을 발견하게 됩니다. “토네이도에 관한 모든 것”을 광범위하게 검색하는 대신, 압력, 기류, 또는 깔때기 형성에 관한 더 좁은 질문을 만들 수 있습니다.
따라서 설명을 시도하는 일은 정보 쇼핑 목록을 만들어 냅니다. 이미 갖고 있는 조각과 아직 찾아야 하는 조각을 구분해 줍니다.
정보 과부하를 목표가 분명한 탐구로 바꾸기
사람들은 불확실함을 느낄 때 흔히 더 많이 모으려 합니다. 더 많은 탭, 더 많은 영상, 더 많은 저장 논문, 더 많은 AI 생성 개요를 모읍니다. 이는 진전되고 있다는 느낌을 줄 수 있지만, 원래 질문을 더 보기 어렵게 만들 수 있습니다.
생각을 통한 학습은 다른 순서를 제안합니다.
무엇을 이해하거나 이루고 싶은지 말로 분명히 합니다.
현재 알고 있는 것만으로 주제를 설명합니다.
가정, 약한 연결, 답이 없는 질문을 표시합니다.
그 빈틈을 메우는 데 필요한 정보를 구체적으로 검색합니다.
새 증거를 포함해 설명을 다시 구성합니다.
이 순서가 세상에 존재하는 지식의 양을 줄여 주는 것은 아닙니다. 대신 학습자의 당면한 필요와 관련된 부분을 줄여 줍니다. “기후에 관해 배우고 싶다”는 막연한 바람은 특정 피드백 고리가 어떻게 작동하는지에 관한 구체적인 질문이 될 수 있습니다. 소프트웨어 버그 해결에 관한 광범위한 도움말 검색은 하나의 상태 전이나 오류 조건을 조사하는 일로 바뀔 수 있습니다.
목표가 분명한 탐구는 새 정보를 판단하기도 더 쉽게 만듭니다. 출처가 채워야 할 빈틈이 무엇인지 알고 있으면, 그것이 실제로 빠진 증거를 제공하는지 물을 수 있습니다. 그런 목적이 없다면 관련 있어 보이는 거의 모든 콘텐츠가 유용하게 보일 수 있습니다.
AI가 학습자를 위해 해야 할 일과 하지 말아야 할 일
AI 시스템이 종합을 손쉽게 만들면서 롬브로조의 주장은 특히 중요한 의미를 갖습니다. 챗봇은 몇 초 안에 정의를 찾아오고, 설명을 제안하며, 이론을 비교하고, 일관된 답변을 제시할 수 있습니다. 이러한 기능은 학습을 지원할 수 있지만, 이해가 형성되는 정신적 작업을 외부화할 수도 있습니다.
도구가 선택, 결합, 설명을 모두 수행한다면 사용자는 활용 가능한 정신 모형을 구축하지 않은 채 좋은 답을 받을 수 있습니다. 그 결과 또 다른 환상이 생깁니다. 지식이 즉시 접근 가능하기 때문에 개인적으로 소유한 것처럼 느껴지는 것입니다.
해결책은 외부 도구를 거부하는 것이 아닙니다. 능동적인 사고를 한 뒤에, 또는 그와 함께 사용하는 것입니다. 설명을 요청하기 전에 먼저 직접 설명을 만들어 보세요. 시스템에게 인과적 연결에 의문을 제기하게 하거나, 특정 불확실성에 대한 증거를 제공하게 하거나, 자신의 모형을 대안과 비교하게 하세요. 응답을 읽은 뒤에는 그것을 닫고 자신의 말로 논증을 다시 구성하세요.
이 접근법은 생산적인 역할 분담을 유지합니다. 외부 자원은 기억이 제공할 수 없는 사실, 관점, 증거를 제공합니다. 학습자는 조각들이 어떻게 맞물리는지, 어디에서 확신이 정당화되는지, 어떤 질문이 아직 해결되지 않았는지를 판단하는 통합의 책임을 맡습니다.
더 나은 학습의 출발점
생각을 통한 학습은 답을 찾아보는 일보다 반드시 더 쉬운 것은 아닙니다. 노력과 불확실성을 요구하며, 때로는 우리가 얼마나 적게 이해하는지를 드러냅니다. 하지만 이는 결함이 아니라 특징입니다. 그 노력은 단순히 자료를 축적하는 데가 아니라 연결을 만들고 필요를 진단하는 데 향합니다.
롬브로조의 핵심 권고는 단순합니다. 바깥으로 손을 뻗기 전에 내면에서 시작하세요. 아는 것을 끌어내고, 변환하고, 결합하고, 설명을 시도하세요. 그리고 그 설명의 실패가 검색을 이끌도록 하세요.
정보가 넘치는 세상에서 뛰어난 학습자는 단지 가장 많은 콘텐츠를 찾을 수 있는 사람이 아닙니다. 자신이 이미 아는 것을 판단하고, 무엇이 빠졌는지 알아차리며, 분명한 이유를 가지고 다음 조각을 얻을 수 있는 사람입니다.
