메타인지 능력은 어떻게 숙련되는가? 학습의 자동화 과정 탐구

1. 연구의 목적

(1) 이 연구는 메타인지(자신의 인지 과정을 모니터링하고 제어하는 능력)가 광범위하게 연구되어 왔지만, 메타인지 능력이 어떻게 학습되는지에 대한 이론적 틀이 부족함을 지적함. 이러한 이론적 공백은 인지과학, 교육, 치료, 인공지능(AI) 등 여러 분야에서 이론과 응용 모두의 발전을 제한하는 요인으로 작용함. 메타인지 훈련으로 수행 능력이 향상된다는 수십 년간의 경험적 증거가 존재함에도, 명시적 모니터링 및 제어 전략이 어떻게 더 효율적이고 유연하며 자동적으로 변하는지에 대한 기계론적 설명이 부족함을 문제 삼음.

(2) 이 연구는 메타인지 기술 학습에 대한 최초의 공식 이론을 제시함. 핵심 목표는 인간이 자신의 정신 과정을 모니터링하고 제어하는 능력을 향상시키는 인지적 및 계산적 과정에 대한 기계론적 설명을 개발하는 것임. 이 이론이 주의 훈련, 감정 조절, 메타인지 역치, 초연한 마음챙김 등 다양한 메타인지 현상을 통합적으로 설명하며, 미래의 메타인지 AI 시스템 설계에 실질적인 정보를 제공함을 입증함.

2. 연구의 방법

(1) 이 연구는 기존의 운동 및 인지 기술 습득 모델(특히 Fitts와 Anderson의 모델)을 메타인지 영역으로 확장하는 데 집중함. 행위 철학 및 기술 습득 연구에 기반한 개념적 분석을 수행하여 메타인지가 독자적인 기술 도메인임을 특징짓는 접근 방식을 사용함. 계산 모델링 방법론을 채택하여 이론적 제안을 형식화하고 명시적인 메커니즘을 지정함으로써 불필요한 추측을 제한하는 정밀성을 추구함.

(2) 주요 분석 대상은 명시적이고 노력이 필요한 메타인지 과정이 반복적인 연습을 통해 암묵적이고 자동적인 루틴으로 변환되는 ‘절차화(proceduralization)’ 과정임. 이 연구는 메타인지를 다른 기술 영역(운동 기술, 인지 기술)과 비교하여 목표 지향적 제어, 지식 유형(선언적/절차적), 절차화, 그리고 ‘등급화(gradability)’와 같은 공통 특성을 탐구함. 이론 적용의 실증적 근거로 주의 훈련 기법(Attentional Training Technique), 메타인지 역치, 초연한 마음챙김(Detached Mindfulness), 감정 조절과 같은 특정 메타인지 현상에 프레임워크를 적용함.

3. 주요 발견

(1) 메타인지 기술의 절차화 프레임워크: 숙련의 핵심 기제

이 연구의 핵심은 메타인지 기술이 ‘절차화(proceduralization)’ 과정을 거쳐 발달한다는 주장에 있음. 이는 명시적이고 의식적인 메타인지 전략이 반복적인 연습을 통해 점차 암묵적이고 자동적인 루틴으로 변모함을 뜻함. 이러한 절차화 개념은 운동 기술과 인지 기술 습득에서 성공적으로 적용된 Fitts와 Anderson의 모델을 메타인지 영역으로 확장한 것임. 절차화는 초기에는 느리고 노력이 많이 들며 오류가 많고 작업 기억에 크게 의존하는 수행이, 점차 빠르고 효율적이며 자동화되어 의식적인 접근이 적어지는 과정임. 이러한 기계론적 과정을 통해 메타인지 숙련도가 향상됨을 밝힘.

그림 1. 메타인지 기술 학습의 절차화 3단계: 초보자는 선언적 지식에 의존하다가, 연습을 통해 절차화가 일어나고, 전문가는 자동적으로 작동함.

(2) 메타인지 기술 습득의 3단계: 선언적, 연합적, 자동적 단계

이 연구는 메타인지 기술 습득 과정을 Fitts와 Anderson의 모델에 따라 세 단계로 구분함. 이는 학습자의 메타인지 수행이 어떻게 변화하는지를 명확히 보여줌.

단계	특징	메타인지 영역에서의 작동 방식
선언적 단계 (Declarative Stage)	- 느림, 노력이 많이 듦, 오류 발생 가능성 높음	- 메타인지 초보자는 인지 상태(예: 주의, 감정)를 모니터링하거나 제어하기 위해 명시적인 지시(예: “주의 집중”, “감정 조절”)에 의존함. - 이 지시를 작업 기억에서 검색하고 단계별로 실행함.
연합적 단계 (Associative Stage)	- 더 빠르고 효율적, 노력 감소, 자동화 증가	- 반복적인 연습을 통해 맥락적 조건과 절차적 지식 간에 강력한 연합이 형성됨. - 선언적 지시의 느린 검색 과정을 우회하며, 직접적으로 절차적 지식이 활성화됨.
자동적 단계 (Automatic Stage)	- 빠름, 효과적, 자동화됨, 작업 기억 의존도 낮음, 의식적 접근 감소	- 메타인지 전문가는 초기 자극이 주어지면 메타인지 절차적 지식(생산 규칙)이 자동으로 작동함. - 선언적 기억에서의 검색이 거의 없이, 절차적 기억에 내장된 지시에 따라 즉각적으로 수행함.

초보자는 명시적 지시를 따르며 느리고 의식적인 노력을 기울이지만, 전문가는 이러한 과정이 거의 무의식적으로 빠르게 일어남을 이 프레임워크가 명확히 설명함.

(3) 생산 규칙(Production Rules)의 역할: 인지 아키텍처의 근본

Anderson의 ACT-R 모델에서 ‘생산 규칙’은 절차적 지식을 계산적으로 형식화한 것임. 이는 “만약(if)-그러면(then)” 형식의 조건-행동 쌍으로, 특정 조건이 충족되면 미리 정해진 행동을 실행하는 규칙임. 이는 인지 기술 습득의 근간을 이룸. 메타인지 영역에서는 ‘주의를 집중하라’는 큐가 주어지면 ‘특정 대상에 집중하는 행동’이 자동적으로 실행되는 식으로 작동함. 생산 규칙은 초기에는 선언적 지식을 바탕으로 형성되지만, 연습을 통해 점차 절차적 기억에 저장되어 독립적으로 활성화됨.

그림 2. 생산 규칙의 개념: 만약 조건이 충족되면 특정 행동을 실행함.

(4) 메타인지 기술의 등급화: 성공률, 범위, 유연성

메타인지 기술은 단순히 ‘있다/없다’가 아니라, 다양한 숙련도 수준으로 ‘등급화’됨. 이는 Shepherd(2021)가 제안한 세 가지 주요 차원인 높이(Height), 폭(Breadth), 깊이(Depth)로 설명됨.

차원	설명	메타인지 영역에서의 예시
높이 (Height)	- 메타인지 목표 달성 성공률	- 주의 집중 능력이 높음은 해당 메타인지 제어의 효율성이 크다는 뜻함. - 특정 목표(예: 마음 챙김에서 비반응적 관찰)에 대한 일관된 성공률로 나타남.
폭 (Breadth)	- 다양한 메타인지 목표 및 하위 목표에 대한 성공률	- 침투적 사고 저항, 개방적 모니터링, 좁은 집중 등 여러 주의 유형에서 능숙함. - 감정 조절에서 불안과 분노 등 여러 감정을 다양한 상황에서 다룰 수 있음을 뜻함.
깊이 (Depth)	- 다양하고 역동적인 상황에서 메타인지 제어를 유지하는 능력	- 초보자는 낮은 자극 환경에서만 집중할 수 있으나, 전문가는 시끄러운 환경이나 감정적으로 격앙된 상황에서도 유연하게 메타인지 제어를 유지함. - 이는 숙련된 통제가 단순한 습관의 경직성과 구별되는 유연성을 지님을 나타냄.

그림 3. 숙련된 수행의 세 차원: 메타인지 기술은 성공률(높이), 목표 범위(폭), 상황 적응성(깊이)에 따라 평가됨.

(5) 메타인지 절차화의 숨겨진 성격과 ‘전문성으로 인한 기억 상실’

메타인지의 절차화 과정은 외부 관찰자에게는 보이지 않는 특성이 있음. 또한, 자동화된 기술은 수행자 자신에게도 덜 인지됨. 절차화가 진행되면서 기술 메커니즘은 작업 기억 외부에서 작동하고 의식적인 접근 수준이 감소함. 전문가들은 종종 자신의 고도로 숙련된 기술에 대한 인식이 적거나 설명을 어려워하는데, 이는 운동 영역에서 ‘전문성으로 인한 기억 상실(expertise-induced amnesia)’로 불림. 메타인지 전문가 역시 자신의 향상된 메타인지 기술을 명확히 설명하지 못할 수 있음을 시사함. 연구자는 직접 관찰하기 어렵고, 수행자는 자각하기 어려움이 절차화된 메타인지가 간과되어 온 주된 이유임.

(6) 절차화된 감정 조절과 ‘압박 속 질식’ 현상 설명

절차화된 메타인지 개념은 스포츠 심리학의 ‘압박 속 질식(choking under pressure)’ 역설을 설명함. 압박 상황에서 자기의식적 불안을 자주 경험하는 사람이 오히려 수행 저하를 덜 겪는 경향이 있다는 반직관적인 현상은, 잦은 불안 노출이 감정 조절과 주의력 훈련의 반복적인 연습 기회로 작용하여 메타인지 능력이 절차화되기 때문임. 충분한 연습으로 자동화된 자기 조절 기술은 압박 상황에서도 작동하여 수행 능력을 유지하게 함.

그림 4. 부적응적 사고와 감정 루프: 메타인지 기술은 이러한 루프에서 벗어나게 도움.

4. 결론 및 시사점

(1) 이 연구는 메타인지를 운동 및 인지 기술과 핵심 원리를 공유하는 독자적인 기술 영역으로 규정함. 메타인지 기술 습득은 명시적이고 의식적인 메타인지 과정이 반복적인 연습을 통해 암묵적이고 자동적인 루틴으로 변하는 ‘절차화’가 핵심 기제임을 명확히 입증함. 이러한 절차화 프레임워크는 주의 훈련, 감정 조절, 메타인지 역치, 초연한 마음챙김 등 다양한 메타인지 현상을 설명하는 통합적 틀을 제공함.

(2) 교육 현장의 교수-학습 설계는 메타인지 교육을 지식 전달에 그치지 않고, 의식적인 전략을 반복적으로 연습하여 자동적인 루틴으로 내면화하는 ‘절차적 학습’에 중점을 둬야 함. 초기에는 명시적인 지시와 충분한 연습 기회를 제공하고, 점진적으로 외부 지원을 줄이며 학습자가 스스로 모니터링하고 조절하는 과정을 자동화하도록 학습 경험을 설계함을 뜻함. 예를 들어, 효과적인 학습 전략을 가르칠 때 지식을 전달하는 것으로 끝내지 않고, “이렇게 학습했을 때 어떤 결과가 나타나는지 스스로 관찰하고, 더 효율적인 방법을 찾아 반복 연습하세요”와 같이 학습 과정을 메타인지적으로 성찰하고 개선하는 연습을 유도함.

(3) AI 시스템 설계에서 이 연구는 지능적인 AI에 그치지 않고, 스스로의 학습과 추론 과정을 모니터링하고 제어하는 ‘메타인지 AI’ 구현의 이론적 기반을 제공함. 인간의 절차화 과정을 모방하여, AI 시스템이 특정 인지 과제를 반복적으로 수행하며 명시적 규칙을 내부화하고, 점차 더 빠르고 효율적인 ‘생산 규칙’으로 변환되도록 알고리즘을 설계함을 뜻함. 이는 AI가 단순한 패턴 인식기에 머물지 않고, 스스로의 한계를 인식하고, 전략을 조정하며, 최적의 학습 경로를 찾는 등 고차원적인 인지 능력을 발휘하는 ‘인간 중심 AI’ 개발에 중요한 단초가 됨.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문의 가장 주목할 지점은 오랫동안 개별적으로 다루어져 온 메타인지 현상들을 ‘절차화’라는 단일하고 기계론적인 프레임워크로 통합 설명한다는 점임. 기존 메타인지 연구는 주로 현상론적 특성이나 이중 과정 이론에 머물렀지만, 이 논문은 인지 기술 습득의 고전적 모델인 Fitts-Anderson 프레임워크를 가져와 메타인지가 어떻게 ‘습득’되고 ‘숙련’되는지에 대한 메커니즘적 설명을 제공함. 이는 메타인지가 단순한 지식이나 의도적 노력의 결과물이 아니라, 반복된 연습을 통해 자동화되는 ‘기술’임을 명확히 단언하는 중요한 전환점임. 복잡하고 추상적으로 느껴지던 메타인지 현상을 구체적인 학습 과정으로 풀어냄으로써, 교육 및 임상 현장에서의 개입 전략 설계에 훨씬 더 견고한 이론적 토대를 마련함을 뜻함.

(2) 이 연구는 메타인지의 절차화가 교육 현장에서 비판적 사고나 창의성과 같은 고차원적 인지 능력 교육의 새로운 패러다임을 열 수 있음을 암시함. 단순한 정보 주입이나 문제 해결 전략 암기에서 벗어나, 학생들에게 자신의 사고 과정을 모니터링하고 조절하는 ‘기술’을 의도적으로 반복 훈련시킴으로써, 이 기술이 학습자의 내면에 자동화된 루틴으로 자리 잡도록 유도하는 교육 철학적 전환을 제안함. 이는 교사의 역할이 지식 전달자에서 ‘메타인지 훈련 코치’로 확장됨을 뜻함. 또한, AI 디지털 교과서 설계 시 학습자의 메타인지 활동 데이터를 분석하여 개인화된 ‘메타인지 촉진 프롬프트’를 제공하고, 반복 훈련을 통해 스스로의 인지 과정을 개선하는 ‘AI 기반 메타인지 코칭 시스템’ 개발의 가능성을 열어줌. 이는 지능적인 AI에 그치지 않고, 스스로 ‘사고하는 방법’을 학습하는 인간 중심 AI 구현의 중요한 단초가 됨.

(3) 이 연구의 절차화 프레임워크를 바탕으로, 특정 메타인지 기술(예: 읽기 이해 모니터링, 수학 문제 해결 전략 선택)에 대한 맞춤형 ‘메타인지 훈련 앱’을 개발할 필요가 있음. 이 앱은 초기에는 명시적인 메타인지 전략(Type 2)을 단계별로 안내하고, 사용자가 이 전략을 반복적으로 적용할 때마다 수행 데이터(속도, 정확성, 오류 유형)를 수집함. 일정 수준 이상의 반복 횟수와 정확도에 도달하면, 앱은 명시적 지시를 점진적으로 줄이고, 대신 관련 큐(문제 유형, 읽기 난이도)가 주어졌을 때 자동적으로 적절한 전략(Type 1)이 발현되도록 유도하는 보상 시스템을 도입함. 예를 들어, 수학 문제 풀이 시 ‘풀이 계획 세우기’ 단계를 처음에는 상세히 안내하고, 이후에는 ‘계획 세우기’ 버튼만 제공하며, 최종적으로는 문제가 제시되면 스스로 계획을 수립하는 과정을 자동화하도록 유도하는 식임. 이 데이터는 메타인지의 절차화가 실제로 촉진되는지, 그리고 그 효과가 학업 성취도 향상으로 이어지는지를 실증적으로 검증하는 근거가 됨.

6. 추가 탐구 질문

(1) 메타인지 절차화가 모든 종류의 메타인지 목표(인지적, 감정적, 동기적)에 동일하게 적용될 수 있는가, 아니면 특정 영역에서 더 효과적인 절차화 메커니즘이 존재하는가?

(2) 메타인지 기술의 ‘등급화’에서 ‘깊이’(상황 적응성)를 측정하고 향상시키는 데 있어, 가상 현실(VR)과 같은 몰입형 기술이 실제 환경에서의 훈련 효과를 얼마나 대체하거나 보완할 수 있는가?

(3) AI 시스템이 인간의 메타인지 절차화를 모방하여 ‘메타인지 기술’을 습득할 경우, 이 AI가 스스로의 인지적 한계를 극복하고 예측 불가능한 상황에서 ‘창발적’인 문제 해결 능력을 보일 수 있는가, 아니면 본질적인 한계를 지니는가?

출처

• Conway-Smith, B. (2026). Metacognitive Skill Learning: A Computational Account. Carleton University.
• Conway-Smith, B. (2025). Metacognition as a Domain of Skill. In Proceedings of the Annual Conference of the Cognitive Science Society (Vol. 47).
• Conway-Smith, B., West, R. L., & Mylopoulos, M. (2023). Metacognitive skill: How it is acquired. In Proceedings of the Annual Conference of the Cognitive Science Society.