반복은 구식? AI 시대, 개념 성장의 비밀 절차화

‘반복 학습’이라는 말에 불편함을 느끼는 동료들이 적지 않다. 주입식 교육의 상징처럼 여겨지기도 하고, 창의적 사고를 저해한다는 비판에 시달리기도 한다. 그러나 실질적 가치를 설계하는 전문가라면, 이 익숙한 단어 뒤에 숨은 강력한 학습 원리와 그 복잡한 현실을 직시해야 한다.

1. 반복, 오해를 넘어선 개념 성장의 본질

“이해는 구성 요소와 그들 사이의 관계를 파악하는 것이다. 그리고 이 구성 요소와 관계는 반복적 사용을 통해서만 정교해진다.”

논리적, 비판적, 창의적 사고는 지식의 반복적 사용 없이는 결코 형성되지 않는다. 우리는 흔히 반복을 단순히 지식을 외우는 행위로 치부하지만, 본질적으로 보면 반복은 개념적 이해를 정교하게 다듬는 핵심 과정이다. 교실 현장에서 숙제나 쪽지시험 같은 ‘반복 학습 장치’가 점차 사라지는 배경에는, 암기와 고차원적 사고를 대립하는 개념으로 설정한 잘못된 이분법적 인식이 깔려 있다. 그러나 지식이 반복적으로 사용되지 않으면 고차원적 사고를 위한 개념의 정교화는 진행될 수 없다.

우리가 학생들에게 길러주고자 하는 능력은 세상을 정확하게 읽어내고, 합리적인 예측을 바탕으로 삶의 문제에 효과적으로 대응하는 힘이다. 이를 위해서는 대상이나 현상을 고해상도로 포착하게 하는 구조화된 개념적 지식이 필요하다. 경제 위기 데이터를 예로 들면, 경제 전문가가 복잡한 숫자와 그래프에서 특정 패턴을 읽어내고 2008년 금융위기 상황임을 정확히 짚어내는 이유는 그가 경제 현상을 해석할 수 있도록 도와주는 위계적이고 관계 중심으로 조직된 개념 구조를 갖추고 있기 때문이다. 반면, 일반인은 그 데이터가 무엇을 의미하는지 전혀 파악하지 못한다. 아는 만큼 보이는 것이다. 이처럼 개념을 분명하게 가르치고 다듬는 일은 학생을 자기 삶의 ‘행위 주체’로 세우는 교육의 실질적인 목적과 깊이 연결된다.

결국, 교과 개념을 통해 정교하게 다듬어진 이해는 아이들이 스스로 판단하고 결정하며 주도적인 삶을 이끌어갈 수 있는 가장 강력한 기반이 된다. 그런데 이러한 개념적 이해의 정교화를 위해 반복이 수행하는 기능은 무엇일까? 우리가 가르치는 복잡한 개념은 단순히 설명 한 번으로 학생의 머릿속에 깊이 뿌리내리지 않는다.

2. 사고의 병목, 작업기억: 이해와 적용의 간극

우리는 종종 학생들이 특정 개념을 ‘이해했다’고 생각하지만, 막상 새로운 맥락에 적용하려 하면 혼란에 빠지는 모습을 목격한다. 김새로나 수석교사가 언급한 고등학교 물리 수업에서 전자기 유도를 배우는 장면을 떠올려보자. 교사는 ‘플레밍의 오른손 법칙’과 ‘패러데이 전자기 유도 법칙’을 명확하게 설명했고, 학생들은 실험을 통해 현상을 관찰하며 원리를 수월하게 이해하는 듯했다. 그러나 교사가 “N극 대신 S극을 코일 안에 넣으면 검류계 바늘이 어느 방향으로 움직일까?”라는 질문을 던지자, 많은 학생이 갑자기 판단을 주저하거나 혼란스러워했다. 두 개의 이미 ‘잘 이해된’ 현상을 결합하여 사고해야 하는 순간, 그들은 길을 잃었다.

이 상황의 핵심은 학생들이 개념을 “몰라서”가 아니라, 작업기억의 한계에 부딪혔기 때문이다. 이해한다는 것은 단순히 정보를 기억하는 행위를 넘어, 대상의 구성 요소와 관계를 구조적·의미적으로 조직하고 이를 통해 설명, 추론, 예측, 적용이 가능해지는 인지적 상태에 도달하는 것을 의미한다. 문제는 이러한 구조적·의미적 조직이 이루어지는 공간인 작업기억이 한 번에 처리할 수 있는 정보의 양이 매우 제한적이라는 점이다. 일반적으로 성인의 작업기억은 약 4개의 정보 단위를 동시에 유지할 수 있지만, 여러 정보 단위가 상호작용해야 하는 복잡한 상황에서는 처리 부담이 커져 유지 가능한 정보의 수가 급격히 줄어든다.

교과 지식처럼 인간 진화 과정에서 자동적으로 발달하도록 설계되지 않은 생물학적으로 이차적인 지식은 더욱 작업기억의 부담을 요구한다. 플레밍의 법칙과 전자기 유도 원리를 따로따로 떠올릴 수 있는 수준의 이해는, 새로운 조건에서 두 개념을 동시에 연결하여 판단하는 데 필요한 통합적 사고 구조와는 다르다. 두 개념을 결합해야 하는 순간, 여러 요소와 그 관계를 동시에 유지하고 비교하며 정렬해야 하는 복잡한 처리가 요구되고, 이때 작업기억은 빠르게 과부하 상태에 이른다. 결과적으로 유지해야 할 정보가 불안정해지거나 사라지면서 판단의 기준이 흔들리는 현상이 발생한다.

3. 절차화: 제한된 인지를 확장하는 지름길

작업기억의 한계로 인해 발생하는 혼란을 극복하고 깊이 있는 개념적 이해에 도달하는 핵심 기제는 바로 절차화이다. 절차화(proceduralization)는 처음에는 선언적 형태(declarative form)로 보유하던 지식이 반복적 사용과 적용을 통해 점차 절차적 형태(procedural form)로 변환되는 과정을 말한다.

선언적 지식은 “무엇이 무엇인지”를 의식적으로 언어화할 수 있는 지식이다. 이를 활용하려면 각 요소와 관계를 작업기억에서 의식적으로 유지하고 조작해야 하므로, 요소가 많고 상호작용이 복잡할수록 작업기억은 쉽게 과부하된다. 반면, 절차화된 지식은 작업기억의 의식적 통제를 거의 요구하지 않는 자동적 처리 체계에 가깝다. 절차화가 진행되면 개별 정보들은 더 큰 단위로 통합되는 청킹(chunking)이 이루어지고, 이러한 청크는 다양한 맥락에서 반복적으로 활용되면서 점차 자동화(automatization)된다.

특징	선언적 지식 (초기 학습)	절차화된 지식 (숙달 단계)
형태	무엇이 무엇인지 (facts, rules, concepts)	어떻게 하는지 (skills, procedures)
작업기억	의식적 유지 및 조작, 높은 부담	의식적 통제 거의 없음, 낮은 부담
처리 단위	개별 요소 및 관계	통합된 청크 (chunks)
활용 속도	느림, 많은 인지적 노력 요구	빠름, 자동적
유연성	상황 변화에 따른 재조합 필요	다양한 맥락에서 능동적 적용

절차화는 복잡한 교과 개념을 이해하는 데 결정적이다. 충분히 절차화되면 학습자는 여러 요소와 관계를 개별적으로 떠올릴 필요 없이, 하나의 응집된 구조로 빠르게 활성화한다. 작업기억이 처리해야 할 단위 수는 극적으로 감소하며, 학습자는 제한된 작업기억의 용량을 넘어 훨씬 더 많은 요소와 복잡한 관계를 부담 없이 다루며 고차원적인 추론과 구조적 이해를 수행한다. 즉, 다양한 맥락 속에서 반복적으로 활성화된 지식이 절차화될 때, 인간은 작업기억의 엄격한 제약에도 불구하고 정교하고 깊이 있는 개념적 이해에 도달한다. 이러한 개념은 학습자를 자기 삶의 ‘행위 주체’로 세우는 힘이 된다.

4. AI 시대, 깊이 있는 반복 설계의 전략

절차화의 원리는 물리 교과에만 국한되지 않는다. 언어 학습에서의 어휘 자동화, 수학에서의 사칙연산 절차화, 심지어 초보 운전자가 기본 조작을 자동화해야 복잡한 교통 상황을 읽어낼 수 있는 일상 사례까지, “절차적 요소가 자동화되지 않으면 개념적 사고와 정교화가 어려워진다”는 하나의 공통된 학습 원리를 확인한다.

문제는 교과 개념이 ‘생물학적으로 이차적인 지식’에 속한다는 점이다. 이는 학습자가 자연적 경험만으로 습득하도록 진화한 일차적 지식과 달리, 의도적인 교수와 구조화된 학습 환경을 필요로 한다. 다시 말해, 수업 내에서 학생들이 특정 개념을 절차화하는 데 필수적인 ‘다양한 맥락에서의 반복적 활성화 기회’가 스스로 확보되기 어렵다.

바로 이 지점에서 교사의 설계 역량이 결정적이다. 학습 과정 전반에 걸쳐 반복 경험을 의도적·체계적으로 조직해야 한다. 무엇을 반복할 것인지, 어떤 간격과 순서로 반복할 것인지, 각 반복에서 어느 수준의 정교화가 이루어져야 하는지를 구조적으로 판단하는 일이다. 이러한 복잡한 설계를 교사 개인의 경험에만 의존하는 데는 한계가 있다. 인지 부하를 최소화하는 정교한 계획이 필요하기 때문이다.

여기에 학습과학이 중요한 길잡이가 된다. 완성된 예시 제시(worked example)와 점진적 비계 제거(fading), 간격·교차 학습(spacing·interleaving), 사례의 다양화(varied examples), 비계(scaffolding) 등 실증적 원리를 제시함으로써, 어떤 형태의 반복이 어떤 학습 메커니즘을 활성화하는지에 대한 명확한 설계 기준을 제공한다. 예를 들어, 완성된 예시는 초기 학습자의 작업기억 부담을 줄여 절차화를 빠르게 유도한다. 간격 학습은 동일 내용을 시간 간격을 두고 반복하여 장기기억을 강화한다.

그렇다면 AI는 이 과정에서 어떤 역할을 할 수 있을까? 챗봇이나 생성형 AI는 반복 학습을 위한 콘텐츠 생성, 즉각적인 피드백, 개인 맞춤형 예시 제공 등에서 막강한 잠재력을 지닌다. AI는 학습과학 원리에 기반한 문제와 시나리오를 무한히 생성하여, 학생이 개념을 다양한 맥락에서 반복적으로 적용하고 절차화하는 기회를 제공할 수 있다. 예를 들어, “자석의 S극을 코일 안에 넣는다면?” 같은 질문에 대한 즉각적인 예측과 설명을 요구하며, 학생이 개념을 ‘따로따로’ 아는 수준을 넘어 ‘통합적’으로 사고하도록 돕는다.

그러나 여기서 비판적 낙관주의가 필요하다. AI가 그럴듯한 답을 빠르게 내놓을 때, 학생들은 스스로 분석하고 추론하는 생산적 고군분투를 회피할 유혹에 빠진다. AI는 종종 실제 인과 관계가 없는 시나리오에서도 부당한 인과 관계를 추론하는 인과성의 환상과 같은 인간의 인지 편향을 그대로 학습하고 증폭시키기도 한다. 인지 연속체 이론이 말하듯, 우리의 사고는 순수한 직관에서 순수한 분석에 이르는 스펙트럼 위에 존재하며, 과제의 성격에 따라 유연하게 진동해야 한다. AI가 항상 빠르고 쉬운 답변만 제공한다면, 학생들은 복잡하고 비구조화된 과제에서 필요한 분석적 사고나 유연한 사고의 ‘진동’ 능력을 발달시키기 어렵다.

토의 활동

“AI가 제공하는 ‘빠른 답’과 학습과학이 강조하는 ‘생산적 고군분투’ 사이의 긴장을 어떻게 해결해야 할까? 교실에서 이 두 가치를 조화시키는 구체적인 방안은 무엇일까?”

핵심은 AI가 단순히 답을 제공하는 도구가 아니라, 학생의 인지적 노력을 재분배하고 개념 정교화를 위한 적절한 반복 경험을 설계하는 조력자가 되어야 한다는 점이다. AI가 주는 ‘해답’이 아닌 ‘과정’에 학생의 시선을 유도하고, 답을 추론하는 과정을 스스로 설계하도록 돕는 역할 말이다. 이 변화가 교실에 정착되려면, 교사들이 단순히 AI를 활용하는 것을 넘어, 학습과학 원리에 기반하여 AI를 어떻게 교육적으로 활용할지 함께 실험하고 성찰하는 전문적 학습 공동체(PLC) 문화가 먼저다.

5. 깊이 있는 이해로 이끄는 교사의 설계

창의적이고 비판적 사고가 요구되는 오늘날, 반복 학습은 흔히 구시대적 방식으로 오해되곤 한다. 그러나 우리가 학생들에게 기르고자 하는 논리적·비판적·창의적 사고는 지식의 반복적 사용 없이는 결코 형성될 수 없다. 교육의 본질적 목표가 학생들이 세계를 정확히 해석하고, 합리적 예측을 바탕으로 삶의 문제에 효과적·효율적으로 대응하도록 돕는 데 있다면, 이를 가능케 하는 고해상도의 개념적 렌즈, 즉 정교화된 개념 구조가 반드시 필요하다.

하지만 교과 지식과 같은 이차적 지식은 작업기억의 엄격한 제약 속에 있으며, 처리해야 할 정보가 복잡해질수록 과부하가 쉽게 발생한다. 바로 이 지점에서 반복의 역할이 결정적으로 드러난다. 동일한 정보를 다양한 맥락에서 반복적으로 적용하는 과정에서 절차화가 일어나고, 이는 개별 정보를 더 큰 의미 단위로 통합하며 자동화함으로써 작업기억의 부담을 극적으로 줄인다. 결국 다양한 맥락 속 반복을 통해 활성화된 지식이 절차화될 때, 학습자는 작업기억의 한계를 넘어서는 깊고 정교한 개념적 이해에 도달하며, 이 정교화된 개념은 학습자가 스스로 판단하고 결정하며 삶을 주도하는 힘의 기반이 된다.

AI는 이러한 반복과 절차화 과정을 지원하는 강력한 도구가 될 수 있다. 그러나 AI가 제공하는 즉각적인 답에 의존하는 것은 오히려 학습의 본질적인 어려움을 우회하여 깊이 있는 이해와 절차화를 방해할 위험이 있다. 본질적으로 AI는 학생의 인지적 노력을 재분배하고 개념 정교화를 위한 적절한 반복 경험을 설계하는 ‘도구’에 불과하다. AI가 진정한 학습 동반자가 되는 조건은, 그것이 학습과학의 원리에 따라 설계된 반복 경험을 정교하게 제공하고, 학생의 생산적 고군분투를 지원하며, 교사의 설계 역량에 통합될 때만 성립한다.

앞으로 각자의 교실에서 AI를 활용하여 개념 정교화를 위한 반복 학습을 설계할 때, 학생이 ‘빠른 답’을 얻는 것을 넘어 ‘스스로 답을 찾아가는 과정’에 얼마나 몰입하게 할 것인지 고민해 보아야 한다. 학습과학의 원리를 적용하여, AI가 제공하는 완성된 예시를 점진적으로 비계 제거하거나, 간격·교차 학습을 지원하는 맞춤형 문제를 생성하게 하는 등, 구체적인 설계 전략을 동료들과 함께 실험하고 논의하는 문화가 필요하다. 이 논의 자체가 교사들의 절차화된 설계 역량을 키우는 반복이 될 것이다.

생각할 질문

AI가 만들어내는 ‘매력적인 오답’이나 ‘그럴듯한 설명’은 학생들의 개념 정교화에 어떤 영향을 미칠까? 이를 어떻게 교육적으로 활용하거나 방지할 수 있을까?

교과마다 절차화가 필요한 핵심 개념과 기능은 무엇일까? AI를 활용하여 해당 개념의 절차화를 돕는 가장 효과적인 반복 학습 시나리오는 어떤 모습일까?

학생의 인지 부하를 줄여주는 AI의 기능이 과도할 때, ‘생산적 고군분투’를 통한 깊이 있는 이해와 절차화는 어떻게 유지될 수 있을까?

참고문헌

• Geary, D. C. (2008). An evolutionarily informed education science. Educational Psychologist, 43(4), 179–195.
• Sweller, J. (2011). Cognitive load theory. In J. P. Mestre & B. H. Ross (Eds.), Psychology of learning and motivation (Vol. 55, pp. 37–76). Academic Press.
• Cowan, Nelson. (2001). The Magical Number 4 in Short-Term Memory: A Reconsideration of Mental Storage Capacity. The Behavioral and brain sciences. 24. 87-114.
• Anderson, J. R. (1982). Acquisition of cognitive skill. Psychological Review, 89(4), 369–406.
• Deans for Impact. (2015). The science of learning.

출처

https://21erick.org/column/16658/