AI를 활용한 암기법과 학습 많이 반복하는 공부에서, 잘 연결하고 잘 꺼내는 공부로

 

강의를 들을 때는 분명 이해한 것 같았다.
그런데 노트북을 덮고 나면 머릿속이 뒤죽박죽이다.

"분명 배웠는데… 뭐였지?"

대학 강의는 한 과목만 공부하는 게 아니다.

새 개념은 계속 들어오고, 이전에 배운 내용과 연결해야 하고, 시험에서는 그것을 다시 꺼내 설명해야 한다.

이번 「AI 활용 암기법 및 학습 구조화」 특강은 바로 이 고민에서 출발했다.

에듀메이커스 강성민 강사님의 두 강의에서 가장 인상 깊었던 한 줄은 이것이다.

공부는 많이 집어넣는 것으로 끝나지 않는다. 필요할 때 다시 꺼내 쓸 수 있어야 한다.

그리고 AI는 이 과정을 도와주는 학습 파트너가 될 수 있다.

1. 우리는 왜 배운 것을 쉽게 잊을까?

강의는 에빙하우스의 망각곡선(Ebbinghaus Forgetting Curve) 으로 시작했다.

기억은 시간이 지나면 줄어든다.

그래서 전통적인 공부법은 반복을 강조한다.

하루 뒤 → 며칠 뒤 → 일주일 뒤 → 한 달 뒤

하지만 현실에서는 과목이 많다. 수

업 듣고, 복습하고, 과제하고, 또 다른 과목을 공부하다 보면 모든 내용을 계속 반복해서 볼 수가 없다.

그래서 질문이 생긴다.

"반복 횟수를 무작정 늘리지 않고도 기억을 오래 유지할 방법은 없을까?"

이번 강의는 여기서 다른 방향을 제시한다.

2. 암기란 '넣어두는 것'이 아니라 '꺼내 쓰는 것' (핵심 개념)

암기(暗記) = 정보를 저장하는 것이 아니라, 필요한 순간에 꺼내 사용할 수 있는 상태

공부의 흐름

기존의 공부	읽기 → 이해하기 → 반복해서 읽기
인출 중심의 공부	이해하기 → 연결하기 → 질문하기 → 스스로 꺼내보기 → 다시 확인하기

"봤다"와 "안다"는 다르고, "안다"와 "꺼내 쓸 수 있다"도 다르다.

이 차이를 아는 것이 학습 구조화의 출발점이다.

3. 첫 번째 방법: 지식을 연결하라

강의에서는 숫자만 외우는 것과 의미를 연결해 외우는 것을 비교했다.

3155717815 란 숫자를 그냥 외우는 대신

3·1절 → 어린이날 → 제헌절 → 광복절 → 한글날처럼 이미 아는 의미와 엮으면 훨씬 쉽다.

새 개념 하나를 고립된 정보로 두지 않는 것, 이것이 연결이다.

지식을 연결하는 네 가지 방법

1. 기존 지식과 연결: "지난 학기에 배운 무엇과 관련 있을까?"
2. 실제 경험과 연결: "내가 겪은 상황 중 비슷한 것은?"
3. 다른 과목·이론과 연결: "사회복지에서 배운 개념과 산림치유의 개념은 어떤 공통점이 있을까?"
4. 반대 개념과 비교: "반대되는 개념은 무엇이고 무엇이 다를까?"

네 가지를 억지로 다 쓸 필요는 없다. 다만 최소한 기존 지식과 연결하는 습관은 꼭 필요하다.

4. AI를 '답을 주는 도구'가 아니라 '질문하는 학습 파트너'로

여기서 등장한 것이 Gemini의 가이드 학습 기능이다.

보통은 "이 개념을 설명해줘"라고 한다. 편하다.

그런데 너무 편하면 문제가 생긴다. AI가 설명하는 동안 나는 고개만 끄덕이고 있어서, 실제로 기억하는지 알 수 없다.

그래서 강의에서는 설명 대신 질문을 하게 만드는 방법을 소개했다.

"나는 대학생이고 ○○ 개념을 공부하고 있다.
설명해주지 말고 나에게 질문해줘.
기존 지식, 실생활 경험, 다른 과목의 이론, 반대 개념과 연결할 수 있도록 질문해줘."

정답을 주는 AI → 생각을 끌어내는 AI

5. 모르는 개념이 나오면 그냥 넘어가지 않는다

AI가 "스키마와 연결해서 생각해보세요"라고 했는데 갑자기 막힌다. "스키마가 뭐였더라?"

이때 그냥 넘어가지 않고 다시 묻는다.

"스키마의 개념을 아주 짧게 설명해줘. 그리고 지금 공부하는 개념과 어떻게 연결되는지도 설명해줘."

스키마(Schema, 스키마)란?

아주 쉽게 말하면,

내 머릿속에 이미 만들어져 있는 ‘지식의 틀’ 또는 ‘이해의 틀’이야.

그러면 과거의 지식이 다시 활성화되고 새로운 지식과 연결된다.

잊어버렸다는 것은 공부가 실패했다는 뜻이 아니다.

새로운 지식을 통해 이전 지식을 불러올 기회다.

6. 기억의 길을 여러 개 만들어라: 확산적 활성화

확산적 활성화(Spreading Activation, 스프레딩 액티베이션) = 하나의 정보가 활성화되면,

그와 연결된 다른 정보도 함께 떠오르는 현상

시험 중 용어가 갑자기 생각나지 않을 때, 관련된 사람 → 사건 → 장소 → 경험 → 다른 개념을 하나씩 떠올리다 보면

목표 단어가 나타날 수 있다. 그래서 기억에서는 연결의 수와 연결의 질이 중요하다.

• 점 하나: 개념 A
• 선으로 연결: 개념 A → 이전 지식 → 실제 경험 → 다른 이론 → 반대 개념

정보를 꺼낼 수 있는 길이 많아지는 것이다.

7. 두 번째 방법: 그림으로 외우기

두 번째 강의는 이미지를 활용한 학습이었다.

우리는 대부분 글을 읽고 강의를 듣는다. 여기에 시각 정보를 더하면 내용을 다른 방식으로 구조화할 수 있다.

속발음(Subvocalization, 서브보컬라이제이션) 은 글을 읽을 때 머릿속에서 단어를 소리 내어 읽듯 처리하는 현상이다.

다만 "글은 곧 소리다"라고 단순하게 받아들이기보다,

읽기에는 시각 처리뿐 아니라 언어·음운 정보를 처리하는 과정도 함께 관여한다 정도로 이해하는 것이 적절하다.

여기서 나온 학습 전략은 이것이다.

글만 계속 읽지 말고, 그림·도식·구조도를 함께 활용하자.

 

8. NotebookLM으로 지식을 시각화하기

이때 소개된 도구가 NotebookLM이다. 학습자료를 넣고 이런 것들을 만들 수 있다.

마인드맵 · 인포그래픽 · 슬라이드 · 플래시카드 · 퀴즈 · 오디오·영상 학습 자료

특히 인상적이었던 것은 마인드맵이다. 처음부터 세부 내용을 외우려 하지 않고 "이 강의 전체가 어떤 구조지?"를 먼저 본다.

예를 들어 AI 활용 암기법이라는 큰 주제 아래 지식 연결 · 시각화 · 시험 효과 · 인출 · 메타인지가 연결된 모습이 보이면,

전체 구조가 먼저 잡힌다. 세부 내용은 그다음이다.

[Claude도 마인드맵 · 인포그래픽 · 슬라이드 · 플래시카드 · 퀴즈 · 오디오·영상 학습 자료를 도와주는 AI 이다.]

9. 인포그래픽은 '그림 한 장짜리 복습노트'

하나의 주제를 텍스트와 이미지가 결합된 한 장으로 만드는 것이다.

긴 강의를 처음부터 다시 읽지 않고, 한 장을 보며 전체 구조를 떠올릴 수 있다.

이미지와 개념 사이에 연결이 생기면 이미지를 보고 개념이 떠오르고, 개념을 생각하면 이미지가 떠오른다.

결국 이것도 핵심은 같다. 기억할 정보를 여러 방향으로 연결하는 것.

10. 세 번째 방법: 직접 시험을 봐라 (시험 효과)

내가 가장 실용적이라고 느낀 부분이다.

시험 효과(Test Effect, 테스트 이펙트) 는 점수를 확인하는 것이 아니라

, 배운 내용을 질문으로 적극적으로 꺼내보는 과정 자체가 학습에 도움이 된다는 원리다.

책을 세 번 읽는 대신 "이 개념을 내가 설명할 수 있는가?"라고 스스로 묻는 것이다.

11. 왜 문제를 풀어보는 것이 중요한가?

문제를 풀면 두 가지를 동시에 확인한다.

1. 인출 경로 강화: 인출(Retrieval, 리트리벌) 은 저장된 정보를 다시 꺼내오는 과정이다. 읽을 때는 아는 것 같았는데 질문을 받으면 생각나지 않을 수 있다. 바로 그 순간이 중요하다. "아, 나는 이걸 아직 못 꺼내는구나."
2. 메타인지 작동: 메타인지(Metacognition, 메타코그니션) = 내가 무엇을 알고 무엇을 모르는지 아는 능력. 모르는 것을 아는 척하며 계속 읽는 것보다, "나는 이 부분을 모른다"를 정확히 알아야 다음 공부 방향이 정해진다.

12. NotebookLM으로 플래시카드와 퀴즈 만들기

• 플래시카드: 질문을 보고 "내가 알고 있는가?"를 스스로 확인한다.
• 퀴즈: 객관식을 풀며 맞힌 문제, 틀린 문제, 다시 공부할 영역을 확인한다.

여기서 중요한 것은 점수가 아니다. 결과를 이용해 "다음에는 무엇을 공부해야 하지?"를 정하는 것이다.

13. 인지 부하도 생각해야 한다

인지 부하(Cognitive Load, 코그니티브 로드) = 정보를 처리할 때 느끼는 인지적 부담

새 개념이 한꺼번에 너무 많이 들어오면 머릿속이 복잡해진다.

새 용어가 나올 때마다 "이게 무슨 뜻이지?" 하는 사이 앞의 설명을 놓친다.

(지난 AI 특강에서 내가 API에서 멈췄던 바로 그 순간이다.)

그래서 자료를 만들 때도 정보를 많이 넣기보다 구조화해서 보여주는 것이 중요하다. AI를 쓰는 이유가 여기에 있다.

전체 구조 → 핵심 개념 → 연결 관계 → 시각 자료 → 질문과 퀴즈

14. AI의 답도 반드시 검증한다

할루시네이션(Hallucination) = AI가 근거 없는 내용을 사실처럼 만들어내는 현상

AI가 설명했다고 무조건 맞는 것은 아니다.

대학 강의에서는 교수님의 강의자료와 교재가 기준이 될 수 있으므로,

AI에게 먼저 학습자료를 주고 그 자료를 중심으로 질문하는 방식이 유용하다. NotebookLM 활용도 이런 맥락이다.

다만 자료 기반 AI라고 오류가 완전히 사라지는 것은 아니다. 중요한 내용은 원자료와 꼭 대조한다.

15. 이번 특강의 AI 학습법을 한 장으로

학습 단계활용 방법AI 활용

① 전체 구조 보기	큰 개념 파악	NotebookLM 마인드맵
② 기존 지식과 연결	이전 학습과 비교	Gemini 가이드 학습
③ 경험과 연결	실제 사례 떠올리기	AI 질문 활용
④ 시각화	그림·도식으로 표현	NotebookLM 인포그래픽
⑤ 인출하기	스스로 설명하기	플래시카드
⑥ 시험하기	퀴즈 풀기	NotebookLM 퀴즈
⑦ 부족한 부분 확인	틀린 문제 분석	AI에게 재질문
⑧ 다시 연결하기	새 지식과 통합	Gemini 질문 학습

AI는 "답을 빨리 만들어주는 도구"가 아니라,

구조화 → 연결 → 시각화 → 인출 → 평가 → 보완을 처음부터 끝까지 돕는 도구가 될 수 있다.

16. 루시아식으로 다시 만든다면

1. 강의를 먼저 듣는다. 처음부터 완벽히 외우려 하지 않는다.
2. 강의자료를 NotebookLM에 넣는다. 전체를 구조화한다.
3. 마인드맵으로 큰 틀을 본다. "결국 무엇을 배웠지?"
4. Gemini에게 질문하게 한다. "이미 배운 내용과 연결하도록 질문해줘."
5. 모르는 용어는 바로 정리한다. 영어 원어 → 한국어 발음 → 뜻 → 이번 강의에서의 의미
6. 그림이나 인포그래픽으로 바꾼다. 긴 문장을 한 장의 구조로.
7. 퀴즈를 푼다. "읽었으니 알겠지"가 아니라 실제로 꺼내질 때까지.
8. 틀린 문제를 다시 공부한다. 틀린 곳이 다음 공부의 우선순위다.

🌲 번외편. 숲 공부에 이렇게 써먹는다면

• 수종 외우기: 이름과 특징만 외우지 말고 내 숲 경험과 연결한다. 두릅, 엄나무, 밤나무처럼 직접 키워본 나무를 기준점으로 삼고 "이 나무는 엄나무와 무엇이 비슷하고 무엇이 다른가?"를 묻게 한다.
• 산림치유 × 사회복지: 두 과목의 개념을 서로 비교해 보는 질문을 AI에게 만들게 한다. 3번의 '다른 과목과 연결'이 바로 이것이다.
• 시험 전: 교수님 강의자료를 NotebookLM에 넣고 마인드맵 → 퀴즈 순서로 돌린다. 틀린 문제만 모아 다시 본다.

17. 결국 AI 시대의 공부는 무엇이 달라지는가?

예전: 많이 읽고 → 많이 반복하고 → 많이 외우는 것

AI 활용: 연결하고 → 시각화하고 → 질문하고 → 꺼내보고 → 부족한 부분을 다시 채우는 것

AI가 나 대신 공부해주는 것이 아니다. 오히려 반대다.

내가 생각하도록 AI를 사용하는 것. 알고 있는 것과 모르는 것을 구분하고, 새 지식을 기존 지식과 연결하고,

다시 꺼내보게 만드는 것. 그렇게 보면 AI는 정답 생성기보다 학습 파트너에 더 가깝다.

마무리하며

이번 특강을 한 문장으로 정리하면 이렇다.

공부는 머릿속에 많이 넣는 것이 아니라, 필요할 때 잘 꺼낼 수 있도록 지식의 연결망을 만드는 일이다.

Gemini는 질문으로 지식을 연결하고, NotebookLM은 자료를 구조화하고 시각화하며, 플래시카드와 퀴즈는 배운 것을 실제로 꺼내보게 한다. 중요한 것은 AI가 얼마나 많은 답을 만들어주느냐가 아니라, 내가 얼마나 잘 생각하고, 연결하고, 인출하느냐다.

많이 반복하는 공부에서, 잘 연결하고 잘 꺼내는 공부로.
이번 특강에서 내가 가져갈 가장 큰 공부법이다.