교사를 위한 NotebookLM 활용법 — 내 자료만 아는 AI 연구 보조 도구
이 글은 Med Kharbach, PhD의 NotebookLM for Teachers (2025, educatorstechnology.com)를 바탕으로 핵심 내용을 한국어로 재구성한 것이다. 원저작물은 CC BY-NC-SA 4.0 라이선스로 배포되며, 이 파생 글도 동일한 라이선스를 따른다.
AI 도구 중에서 교사와 연구자에게 실질적으로 유용한 것은 많지 않다. NotebookLM은 예외다. 구글이 만든 이 도구의 핵심 원리는 단순하다. 사용자가 업로드한 자료 안에서만 작동한다. ChatGPT나 Claude처럼 인터넷 전체를 학습한 지식을 동원하지 않는다. 내가 올린 PDF, 강의 노트, 논문만 읽고 거기서만 답한다.
이것이 왜 중요한가. 교육 현장에서 AI의 가장 큰 문제는 신뢰도다. AI가 “어디서 가져온 말인지” 알 수 없을 때 교사도 학생도 결과물을 믿기 어렵다. NotebookLM은 출처가 명확하다. 모든 답변은 내가 제공한 자료에서 나오고, 각 응답에 출처 링크가 붙는다. AI를 쓰면서도 “이게 맞는 말인지” 검증하는 부담이 크게 줄어든다.
NotebookLM이 할 수 있는 것
NotebookLM에 자료를 올리면 몇 가지 핵심 기능이 활성화된다.
소스 기반 질의응답: 여러 논문이나 교재를 한 노트북에 올리고 질문하면 해당 자료 전체를 종합해서 답한다. “이 세 논문의 공통된 방법론 한계는 무엇인가”처럼 수동으로는 몇 시간 걸릴 작업이 몇 초 안에 끝난다.
플래시카드 및 학습 가이드 자동 생성: 업로드한 자료에서 핵심 개념, 용어, 질문-답변 쌍을 자동으로 뽑아낸다. 아래 스크린샷은 AI 교육 관련 자료를 업로드했을 때 112장의 플래시카드가 자동으로 만들어진 예시다.
마인드맵 시각화: 업로드한 자료 전체를 분석해 개념 간 연결 구조를 마인드맵으로 그려준다. 문헌 검토 초기에 전체 지형을 파악하는 데 특히 유용하다.
오디오·비디오 개요: 업로드한 자료를 팟캐스트 스타일 대화나 시각 프레젠테이션으로 변환한다. 아래처럼 형식(심층 대화 / 요약 / 비평 / 토론)을 선택하고, AI 호스트가 집중할 주제까지 지시할 수 있다.
2025년 말에는 딥 리서치(Deep Research) 기능이 추가됐다. 기존의 “업로드한 자료만” 원칙에서 벗어나 웹을 검색하고 출처 목록까지 정리해주는 기능이다. 특정 주제의 전체 논의 지형을 빠르게 파악한 뒤 본격 연구로 진입하는 관문으로 활용하기 좋다.
수업에서 쓰는 법
교사 입장에서 가장 즉각적으로 유용한 활용은 자료 다양화다. 교과서 챕터나 강의 노트를 올리면 다음을 한꺼번에 얻는다.
- 수준별 요약 (심화 학생용·기초 학생용 따로 요청 가능)
- 난이도별 평가 문항 (Bloom 분류학 수준 지정 가능)
- 토의 발문, 어휘 목록, 학부모 알림장 초안
특히 오디오 개요는 읽기 어려움이 있는 학생(난독증, 시각 장애)에게 동일한 내용을 다른 형식으로 제공하는 접근성 도구로 쓸 수 있다. 플립드 클래스룸에서는 집에서 들을 개요를 미리 만들어 두고, 수업 시간은 토론과 적용에 집중하는 구조도 가능하다.
연구에서 쓰는 법
연구자에게 NotebookLM이 가장 돋보이는 장면은 문헌 검토다. 논문 10편 안팎을 한 노트북에 올리고 “공통 방법론적 한계가 무엇인가”, “이 분야에서 아직 답하지 않은 질문은 무엇인가”처럼 물으면 수작업으로는 며칠 걸릴 종합 작업이 즉시 이뤄진다. 인용구 추출도 가능한데, 이때 반드시 원문 Cmd+F로 교차 검증해야 한다 — AI는 인용구를 맥락에서 벗어나게 가져오는 경우가 있다.
연구 초안을 올리면 논거 약점 지적과 피드백도 받을 수 있다. 완벽하지는 않지만 제출 전 “지능적인 동료 검토자” 역할을 한다.
최대한 쓰는 법 — 3가지 원칙
가이드 저자가 강조하는 실용 원칙 세 가지가 인상적이다.
첫째, 업로드 전에 먼저 읽어라. AI에게 첫 번째 독해를 맡기지 않는다. 자료를 먼저 읽고 맥락을 파악한 사람만이 AI의 오류를 잡아낼 수 있다.
둘째, 노트북당 10개 안팎으로 제한하라. 자료가 너무 많아지면 모델이 출처 간 정보를 혼동하기 시작한다. 주제별로 노트북을 나누는 것이 과부하 하나를 만드는 것보다 낫다.
셋째, 구체적으로 물어라. “이 논문 요약해줘”보다 “저자들이 학생 참여를 측정한 방법론은 무엇이고 핵심 발견 세 가지는 무엇인가”가 훨씬 유용한 답변을 이끈다. 질문의 정밀도가 출력의 품질을 결정한다.
무엇이 달라지는가
NotebookLM을 쓰는 교사·연구자와 그렇지 않은 사람의 차이는 속도가 아니라 탐색 범위다. 같은 시간 안에 더 많은 자료를 다루고, 더 다양한 각도에서 패턴을 발견하며, 학생에게 더 다양한 형식의 자료를 제공할 수 있게 된다. 다만 도구의 특성상 AI가 먹는 것은 내가 준 것뿐이다. 내가 모르는 방향으로 AI가 채워주는 일은 없다. 그래서 이 도구는 전문성을 가진 사람에게 가장 강력하다.
출처
- Med Kharbach, PhD. (2025). NotebookLM for Teachers. educatorstechnology.com. Licensed under CC BY-NC-SA 4.0. 이 글은 해당 원저작물을 바탕으로 재구성한 한국어 파생 저작물이며, 동일한 CC BY-NC-SA 4.0 라이선스로 배포된다.