모든 교육 플랫폼이 개인화를 약속하고, 그중 거의 전부가 1984년의 같은 숫자를 인용합니다. 그 숫자는 버티지 못합니다. 그 아래 이야기가 더 쓸모 있습니다. 「개인화」는 상당히 다른 세 가지를 한데 묶은 말이고, 하나는 통하고, 하나는 중간이며, 하나는 확실히 반박되었습니다.
학습 플랫폼의 홍보 문구를 읽어본 적이 있다면 이 수치를 거의 틀림없이 만나보았을 것입니다. 일대일 개인 교습은 학생을 일반 교실 수업보다 2 표준편차 위로 올려놓는다 — 평균적인 학생을 상위 2%로 데려간다는 뜻입니다.
이 숫자는 실재합니다. 1984년 벤저민 블룸(Benjamin Bloom)에게서 나왔고, 한 산업 전체의 도덕적 토대가 되었습니다. 개인 교습이 그렇게 강력하다면, 기계로 모두에게 교사를 붙여주는 일은 당연히 시급하다는 것입니다.
문제는 그 수치가 버티지 못한다는 것입니다. 그리고 그것을 대체한 것이 훨씬 더 쓸모 있습니다.
블룸의 결과는 몇 편의 소규모 연구에서 나왔습니다. 잘 훈련된 교사, 짧은 내용 단원, 이상적인 조건, 그리고 바로 그 내용에 묶인 시험으로 측정한 결과였습니다.
커트 밴런(Kurt VanLehn, 2011)이 개인 교습 문헌 전체를 검토했을 때 훨씬 온건한 숫자가 나왔습니다. 인간 교습의 효과는 약 0.79였고, 그리고 이것이 주목할 부분인데, 컴퓨터 기반 지능형 교습 시스템은 약 0.76이었습니다.
두 결론이 함께 옵니다. 첫째, 2 표준편차는 신기루이고 실제 수치는 0.8에 가깝습니다. 여전히 크지만 종류가 다른 주장입니다. 둘째, 더 반가운 쪽으로, 기계가 인간에 근접했습니다. 인간 교사와 좋은 소프트웨어 사이의 격차는, 교습이 있는 것과 없는 것 사이의 격차보다 훨씬 작습니다.
이 주제의 논쟁이 대개 진전이 없는 이유는 양쪽이 같은 단어로 다른 것을 가리키기 때문입니다. 개인화에는 최소한 세 종류가 있고, 각각의 증거는 크게 다릅니다.
첫째: 속도와 숙달의 개인화. 아직 익히지 못한 사람은 계속 연습하고, 익힌 사람은 넘어갑니다. 이것이 완전학습(mastery learning)이고, 쿨릭과 동료들(Kulik et al., 1990)의 메타분석은 효과를 0.5 부근으로 놓았습니다. 근거가 가장 탄탄한 개인화이자 가장 화려하지 않은 개인화입니다.
둘째: 난이도와 문제 순서의 개인화. 시스템이 당신이 무엇을 틀리는지 추적하고 다음에 무엇을 줄지 고릅니다. 지능형 교습 시스템의 메타분석은 0.4에서 0.7 사이에 자리합니다. 2019~2024년 적응형 시스템에 대한 최근 종합은 비적응형 대조군 대비 약 0.70을 보고했고, 읽기만 다룬 다른 연구는 약 0.29를 얻었습니다.
0.29와 0.70 사이의 거리가 곧 이야기입니다. 효과는 과목, 실행의 질, 그리고 대조군이 무엇을 받았는지에 크게 좌우됩니다.
셋째: 「학습 유형」에 맞춘 개인화. 시각형 학습자에게는 그림을, 청각형 학습자에게는 음성을. 가장 널리 알려진 판본이고, 반박되었습니다. 패슐러와 동료들(Pashler et al., 2008)은 문헌을 검토했고, 결정적인 주장 — 교수 방식을 학습자의 유형에 맞추면 성과가 좋아진다는 주장 — 을 뒷받침할 신뢰할 만한 증거를 찾지 못했습니다. 사람에게 선호는 있습니다. 그러나 그 선호는 무엇이 그를 가장 잘 가르칠지 예측하지 못합니다.
간단히 말해, 당신이 지금 어디에 있는지에 맞추는 개인화는 통하고, 당신이 무엇을 좋아하는지에 맞추는 개인화는 통하지 않습니다.
질문의 나머지 절반이고, 대개 건너뛰어집니다.
적응형 플랫폼을 「전통적 수업」과 비교할 때 결과는 그 전통적 수업이 얼마나 좋았는지에 크게 좌우됩니다. 형편없는 강의와 비교하면 거의 무엇이든 이깁니다.
그러나 잘 이루어진 표준화 수업에는 강력한 증거가 있습니다. 스토커드와 동료들(Stockard et al., 2018)은 직접 교수법(Direct Instruction) — 고도로 표준화되고 대본이 있으며 학급 전체를 대상으로 하는 프로그램 — 에 대한 반세기의 연구를 종합했고, 과목과 학생 집단을 가로질러 상당하고 일관된 긍정적 효과를 발견했습니다.
이것이 그림을 유용하게 복잡하게 만듭니다. 잘 설계된 표준화 교육과정도 0.5 부근의 효과를 낸다면, 개인화의 실제 우위는 광고보다 좁고, 훨씬 높은 비용을 정당화해야 합니다.
개인화 학습을 대규모로 실행한 학교들에 대한 RAND의 연구는 긍정적이지만 온건한 결과를 냈고, 연구 설계에 대한 명시적 유보를 달았습니다. 정직한 독해는 이렇습니다. 통하고, 마법은 아니며, 실행이 변동의 대부분을 설명한다.
세 가지 요인이 그 흩어짐의 거의 전부를 설명합니다.
무엇을 개인화하는가. 난이도 조정에는 탄탄한 이론적 근거가 있습니다. 학습자를 지루하지도 압도되지도 않는 구간에 붙들어 둡니다. 인터페이스 색이나 매체 형식의 조정에는 그런 근거가 없습니다.
대조군이 무엇을 받았는가. 많은 연구가 적응형 시스템을 「평범한 숙제」와 비교합니다. 그런데 그 시스템은 즉각적 피드백과 더 많은 연습과 더 많은 인출도 함께 제공합니다. 그렇다면 측정되고 있는 것은 적응성이 아니라 연습량입니다.
그리고 어떻게 실행되었는가. 플랫폼은 학습자가 실제로 충분히 사용하고 기반 모형이 좋을 때에만 적응할 수 있습니다. 실망스러운 연구의 상당수는 결국 학생들이 주당 20분만 사용했다는 이야기로 귀결됩니다.
개인화는 비쌉니다. 데이터, 소프트웨어, 교사 연수, 시간이 필요합니다.
한편 전혀 개인화되지 않은 몇 가지 개입은 거의 비용 없이 의미 있는 효과를 냅니다. 몰아서 하지 않고 복습을 간격 두어 배치하는 것(세페다와 동료들, 2006)은 모두에게 통합니다. 다시 읽는 대신 스스로 시험을 보는 것도 그렇습니다. 문제 유형을 섞어 연습하는 것도 마찬가지입니다.
투자하기 전에 이 비교를 해볼 가치가 있습니다. 공짜인 보편 원리 셋을 적용할 수 있고 비싼 적응형 시스템을 살 수도 있다면, 합리적인 순서는 공짜인 것을 먼저 하는 것입니다.
지금까지는 학교 이야기였습니다. 혼자 언어를 공부하고 있다면 그림이 흥미롭게 옮겨갑니다. 당신은 이미 적응형 시스템입니다.
어떤 단어를 잊는지 당신은 압니다. 어디서 머뭇거리는지도 압니다. 알고리즘이 알려줄 필요가 없습니다. 유일한 문제는 그것에 따라 행동하느냐, 아니면 이미 아는 것을 계속 복습하느냐입니다. 아는 것을 복습하는 편이 기분이 좋으니까요.
그리고 검증된 개인화가 하나, 값싸고 준비된 채로 있습니다. 간격 반복입니다. 좋은 플래시카드 시스템은 당신의 실제 수행에 맞춰 간격을 조정합니다. 어려운 카드는 더 일찍 돌아오고 쉬운 카드는 더 멀리 떠갑니다. 첫째와 둘째 종류의 개인화를 합친 것이며, 누구나 손이 닿습니다.
독학하는 사람에게 세 가지 원칙이 따라 나옵니다.
형식이 아니라 난이도를 개인화하십시오. 자료를 능력의 가장자리에 맞추는 것은 통합니다. 자신이 「시각형 학습자」라는 이유로 영상으로 바꾸는 것은 통하지 않습니다.
느낌이 아니라 데이터가 정하게 하십시오. 유창함은 나쁜 지표입니다. 중요한 것은 일주일을 버티느냐이고, 그것이야말로 간격 시스템이 당신 대신 측정해주는 것입니다.
그리고 표준화된 부분을 버리지 마십시오. 구조가 잡힌 강좌, 등급이 매겨진 어휘 목록, 합리적인 문법 순서 — 이런 표준화된 것들이 존재하는 이유는 그것들이 통하기 때문입니다. 개인화는 좋은 틀 위에 얹는 조정의 층이어야지, 틀 자체의 대체물이 아닙니다.
개인화가 표준화된 수업을 이기는가? 이깁니다. 다만 광고보다 훨씬 적은 차이로, 그리고 올바른 것을 개인화했을 때에만 그렇습니다.
속도와 난이도를 학습자의 실제 수준에 맞추는 것은 근거가 있고, 크기는 중간이며, 할 만합니다. 선호와 「유형」에 맞추는 것은 근거가 없고, 자신 있게 그렇게 말할 수 있을 만큼 충분히 검증되었습니다.
2 표준편차라는 숫자는 은퇴시켜야 합니다. 그러나 그것을 대체한 발견은 혼자 공부하는 사람에게 더 고무적입니다. 좋은 교사와 좋은 시스템 사이의 격차는 작고, 시스템이 있는 것과 아무것도 없는 것 사이의 격차는 큽니다. 혼자 공부하는 사람에게 이것은 좋은 소식입니다.
같은 내용을 쉬운 말로 다시 들려줍니다 — 어린 독자를 위해, 또는 요점만 빠르게 잡고 싶은 분을 위해.
어떤 학습 플랫폼의 광고든 읽어 봤다면 이 수치를 만났을 것이다. 일대일 개인 교습은 학생을 보통 교실 수업보다 두 표준편차 위로 올린다 — 평균 학생을 상위 2% 안에 넣는다는 것.
그 숫자는 실재한다. 1984년에서 왔고, 한 산업 전체의 도덕적 근거가 되었다.
문제는 그것이 버티지 못한다는 점이다. 그리고 그 자리를 대신한 것이 훨씬 쓸모 있다.
그 결과는 몇 편의 작은 연구에서, 잘 훈련된 교사들이, 짧은 내용 단위를, 이상적인 조건에서, 바로 그 내용에 묶인 시험으로 측정한 것이었다.
개인 교습 문헌 전체를 검토하자 숫자는 훨씬 겸손해졌다. 사람이 하는 교습의 효과는 약 0.79였고, 그리고 이 대목이 주목할 만한데, 컴퓨터 교습은 약 0.76이었다.
두 결론이 함께 온다. 두 시그마는 신기루다. 그리고 기계는 교습에서 사람에 가깝다. 사람 교사와 좋은 소프트웨어 사이의 간격은, 교습이 있는 것과 아예 없는 것 사이의 간격보다 훨씬 작다.
이에 관한 논쟁 대부분이 헛도는 이유는, 양쪽이 같은 낱말로 다른 것을 뜻하기 때문이다. 적어도 세 종류가 있고, 증거는 서로 크게 다르다.
당신은 자기가 어떤 낱말을 잊는지 이미 안다. 어디서 머뭇거리는지 안다. 알고리즘이 알려 줄 필요가 없다. 유일한 질문은, 그것에 따라 움직이느냐, 아니면 이미 아는 것을 계속 복습하느냐다. 아는 것을 복습하는 편이 기분이 좋으니까.
그리고 입증된 개인화가 하나, 값싸게 준비되어 있다. 간격 반복이다. 좋은 시스템은 실제 수행에 맞춰 간격을 조정한다. 어려운 카드는 더 일찍 돌아오고 쉬운 카드는 멀리 밀려난다. 속도와 난이도를 합친 것이고, 누구에게나 손닿는 곳에 있다.
개인화가 표준화된 수업을 이기는가? 그렇다 — 광고보다 훨씬 적게, 그리고 옳은 것을 개인화할 때에만.
두 시그마라는 숫자는 은퇴시켜야 한다. 그러나 그것을 대신한 발견은 혼자 공부하는 사람에게 더 힘이 된다. 좋은 교사와 좋은 시스템의 간격은 작고, 시스템이 있는 것과 아무것도 없는 것의 간격은 크다.
이 글들은 학습 과학과 언어학에서 정립된 연구를 종합한 것입니다. 주요 출처 및 참고 자료:
이 물음은 집중이 훈련하면 커지는 근육이라고 전제합니다. 가장 튼튼한 증거는 훈련된 몫이 거의 옮겨 가지 않는다고 말하고,...
시간이 없다, 소질이 없다, 나이가 많다 — 이것들은 설명일 뿐 원인이 아닙니다. 잴 수 있는 것은 더 심심합니다. 시각과 장소와...
한 가지 일이 아니라 네 가지입니다. 서로 십억 배쯤 차이 나는 시계 위를 달립니다. 400밀리초의 파형, 하룻밤 사이에 잠기는...
