어떤 문제든 푸는 법부터 배우고, 그 다음에 더 빠르게 푸는 법을 배워라
학교 교육은 종종 학생의 주요 임무가 '가능한 한 많은 올바른 해법을 암기하는 것'인 것처럼 구성되어 있습니다.
유형별로 고유한 이름이 도입됩니다. 속성의 조합마다 개별적인 특징이 부여됩니다. 흔한 사례마다 특수한 공식이 주어집니다.
학생은 다음을 암기합니다:
- 직사각형의 넓이를 구하는 법
- 이차방정식을 푸는 법
- 등속 운동을 계산하는 법
- 전류의 세기를 구하는 법
- 특정 유형의 화학 반응을 맞추는 법
문제가 교과서의 예제와 비슷한 동안에는 이 시스템이 작동합니다. 하지만 조건을 조금만 바꾸거나, 익숙한 이름을 없애거나, 불필요한 데이터를 추가하기만 해도 학생은 어떤 공식을 적용해야 할지 이해하지 못하게 됩니다.
많은 해법을 알고는 있지만, 해법을 구축하는 일반적인 방법을 소유하고 있지 않기 때문입니다.
특수한 사례에 대한 지식은 보편성의 환상을 만든다
아이에게 직사각형, 삼각형, 평행사변형, 마름모, 사다리꼴의 넓이 공식이 있다고 가정해 봅시다.
이것은 아이가 다각형의 넓이를 구할 줄 안다는 느낌을 줍니다. 하지만 불규칙한 칠각형이 앞에 나타나면 익숙한 시스템은 작동을 멈춥니다.
그 도형은 학습한 어떤 템플릿과도 닮지 않았습니다. 적절한 이름도 없습니다. 기억 속에서 특수한 공식도 찾아지지 않습니다.
비록 넓이는 여전히 보편적인 방법으로 구할 수 있음에도 불구하고 말입니다:
- 도형을 삼각형으로 쪼개기
- 꼭짓점의 좌표를 지정하고 신발끈 공식 적용하기
- 영역을 알려진 부분으로 나누어 그 넓이를 더하고 빼기
특수한 공식들이 쓸모없는 것은 아니었습니다. 그것들은 개별 문제를 빠르게 해결할 수 있게 해주었습니다. 하지만 학생들은 그 최적화가 단축해 주는 토대를 제공받기도 전에 최적화를 먼저 배웠습니다.
그 결과, 익숙한 문제는 빠르게 풀지만 낯선 문제는 느리게 풀 줄 모르게 됩니다.
먼저 거의 항상 작동하는 방법이 필요하다
효과적인 학습은 최소한의 보편적인 도구 모음에서 시작되어야 합니다.
그러한 도구 모음이 가장 빠른 것은 아닐 수 있습니다. 더 많은 행동, 계산, 시간이 필요할 수도 있습니다. 하지만 그것은 학생이 최대한 광범위한 문제 클래스에 스스로 접근할 수 있도록 허용해야 합니다.
다각형의 경우 그러한 핵심은 다음과 같을 수 있습니다:
- 꼭짓점의 순서를 통한 도형의 표현.
- 점과 점 사이의 거리 측정.
- 각도와 방향의 정의.
- 일치, 평행, 수직의 확인.
- 복잡한 도형을 단순한 부분으로 분할하기.
- 변의 길이의 합으로서의 둘레 계산.
- 임의의 외곽선 넓이 계산.
- 다른 이용 가능한 방법으로 결과 검증하기.
이 세트를 가지고 있다면, 아이는 삼각형, 사각형, 또는 이십각형의 이름을 태어나서 처음 보더라도 그것을 탐구할 수 있을 것입니다.
비록 그 해법이 길고 비효율적일지라도 말입니다. 하지만 그 해법은 '존재'할 것입니다.
이것은 교과서가 미리 상정해 둔 형태의 문제만을 즉시 풀어내는 능력보다 근본적으로 더 중요합니다.
최적화는 이미 이해한 해법을 단축해야 한다
보편적인 방법이 체득되면, 학생은 반복되는 속성을 알아차리기 시작합니다.
예를 들어, 어떤 직사각형의 넓이든 보편적인 방법 — 삼각형으로 쪼개거나 좌표 공식을 적용하는 것 — 으로 찾을 수 있습니다. 하지만 직사각형의 변들이 서로 수직이고 길이가 각각 a와 b라면, 모든 계산은 다음과 같이 단축될 수 있습니다:
S = ab
이제 이 공식은 암기해야 할 독립된 규칙처럼 보이지 않습니다.
학생은 다음을 이해합니다:
- 어떤 속성 집합에 대해 그것이 작동하는지
- 어떤 일반적인 방법에서 그것이 유도되는지
- 그것이 어떤 계산을 단축하는지
- 왜 그것을 무작정 임의의 사각형에 적용해서는 안 되는지
- 공식을 잊어버렸을 때 어떻게 해야 하는지
짧은 공식은 이해의 토대가 아니라, 이미 알려진 해법의 최적화가 됩니다.
이러한 순서가 더 안정적입니다:
보편적 방법 → 반복되는 속성 → 규칙성 → 짧은 공식
익숙한 순서 대신에:
객체의 이름 → 기성 공식 → 전형적인 문제
이름은 압축된 조건 세트이다
용어들도 비슷한 역할을 합니다.
'직사각형'이라는 단어는 특별한 기하학적 객체를 만들어내지 않습니다. 그것은 일련의 제약을 컴팩트하게 전달합니다:
- 우리 앞에 사각형이 있다
- 그 모든 각이 직각이다
이러한 조건들로부터 다른 속성들을 유도할 수 있습니다: 마주보는 변의 평행성과 동등성, 대각선의 동등성, 넓이 계산 방법 등입니다.
동시에 직사각형은 추가적인 속성을 가질 수 있습니다. 모든 변의 길이가 같다면, 그것은 정사각형이자 마름모, 평행사변형, 사각형이 됩니다.
이름이 객체를 완전히 묘사할 필요는 없습니다. 그것은 특정한 수준의 추론에 필요한 보증만을 전달합니다.
이러한 의미에서 용어는 압축된 기록과 같습니다:
사각형 + 네 개의 직각 = 직사각형
하지만 학교 교육은 종종 이 종속 관계를 뒤집습니다.
먼저 아이에게 특징적인 그림을 보여주고 그 이름을 알려줍니다. 그런 다음 그것과 관련된 속성을 암기하라고 요구합니다. 이로 인해 도형이 직사각형, 마름모, 사다리꼴인 이유가 그에 상응하는 모양을 하고 있기 때문이라는 잘못된 인식이 생겨납니다.
더 자연스러운 도로는 다음과 같습니다:
- 객체에 대한 데이터를 얻는다.
- 그 속성을 측정하거나 계산한다.
- 특정 조건의 충족 여부를 확인한다.
- 발견된 속성으로부터 결론을 도출한다.
- 필요한 경우 해당 클래스의 이름을 찾는다.
그때 용어는 암기한 공식에 접근하기 위한 비밀번호가 아니라, 연구의 결과이자 정보를 전달하는 편리한 수단이 됩니다.
모든 유용한 지식을 기억 속에 보관할 필요는 없다
교육 과정은 종종 모든 지식을 거의 동일하게 대합니다. 용어나 공식이 교과서에 포함되어 있다면, 학생은 그것을 공부하고 암기해야 한다고 가정됩니다.
하지만 서로 다른 지식은 서로 다른 기능을 수행합니다.
그것들을 최소한 세 가지 수준으로 나누어 보는 것이 유익합니다:
| 수준 | 용도 |
|---|---|
| 보편적 코어 | 적용 조건이 알려져 있을 때, 최대한 광범위한 객체 클래스를 탐구할 수 있게 함 |
| 최적화 | 빈번하거나 구조화된 사례의 해결을 가속화함 |
| 참고서 | 희귀한 이름, 특징, 공식, 특화된 기법을 보관함 |
보편적 코어는 필수적이어야 합니다. 그것이 없으면 사람은 사전에 익숙한 템플릿에 계속 의존하게 됩니다.
최적화는 그에 대한 명확한 필요성이 생긴 후에 공부해야 합니다. 그때 학생은 공식 그 자체뿐만 아니라 그것이 존재하는 이유도 이해하게 됩니다.
참고자료를 항상 머릿속에 지니고 다닐 필요는 없습니다. 다음을 아는 것으로 충분합니다:
- 그러한 방법이 존재한다는 것
- 그것이 어떤문제를 해결하는지
- 그것을 어디서 찾아야 하는지
- 그것의 한계는 무엇인지
- 적용의 정확성을 어떻게 검증하는지
희귀한 지식을 빠르게 복원하거나 찾아내는 능력은, 그것을 사용하지 않고 수년 동안 기억 속에 보관하는 능력보다 종종 더 유용합니다.
모든 필수 지식은 그 비용을 정당화해야 한다
어떤 새로운 용어나 방법이든 시간을 요구합니다.
그것은 다음을 거쳐야 합니다:
- 처음으로 이해하기
- 이미 알려진 아이디어와 연결하기
- 올바르게 적용하는 법 배우기
- 유사한 방법과 구별하기
- 기억 속에 유지하기
- 주기적으로 복습하기
따라서 어떤 지식이 그 자체로 옳거나 흥미롭다고 말하는 것만으로는 충분하지 않습니다. 그것을 필수 학습 코어에 포함시키려면, 그것이 어떤 기능을 수행하는지 이해해야 합니다.
새로운 용어, 공식 또는 방법은 다음 중 적어도 하나를 제공해야 합니다:
- 해결 가능한 문제의 클래스 확장하기
- 계산의 양 줄이기
- 오류의 확률 낮추기
- 정확도 높이기
- 본질적인 속성을 컴팩트하게 전달하기
- 정확성 증명 가능하게 하기
- 사용 중인 도구를 이해하거나 통제하는 데 도움 주기
만약 자료가 이 중 아무것도 제공하지 않는다면, 완전히 배제할 필요는 없을지도 모릅니다. 하지만 아마도 그 올바른 자리는 필수 기억 속이 아니라 참고서 계층일 것입니다.
지식의 유용성은 그것을 습득하는 비용과 비교되어야 합니다.
찾기 쉽고 새로운 방법을 열어주지 않는 희귀한 용어는 교육적 가치가 낮을 수 있습니다. 반면 수십 가지의 서로 다른 분야에 적용할 수 있는 간단한 보편적 원리는 매우 높은 가치를 가집니다.
이 원리는 기하학에만 적용되는 것이 아니다
대수학에서 보편적 코어는 다음과 같을 수 있습니다:
- 변수와 등식의 개념
- 허용되는 변환
- 제약 시스템
- 함수
- 대입을 통한 해의 검증
이차방정식의 근의 공식은 이때 마법 같은 기호의 나열이 아니라, 특정 구조의 표현을 위한 특화된 알고리즘이 됩니다.
물리학에서 기초는 다음과 같을 수 있습니다:
- 물리량과 측정 단위
- 객체의 상태
- 변화
- 상호작용
- 보존 법칙
- 기준계
- 오차
이러한 접근 방식에서의 s = vt 공식은 모든 운동의 보편적 법칙이 아니라, 속도가 일정한 특수한 경우를 위한 축약형으로 즉시 간주됩니다.
컴퓨터 과학에서 코어를 구성하는 것은 다음과 같습니다:
- 데이터
- 상태
- 조건
- 시퀀스
- 루프
- 함수
- 알고리즘
- 정확성
- 연산 복잡도
구체적인 언어, 라이브러리, 프로그래밍 인터페이스는 이 기반 위의 대체 가능한 도구가 됩니다.
동일한 아키텍처가 서로 다른 학문 분야에서 반복됩니다:
보편적 모델 → 일반적 방법 → 적용 조건 → 개별 최적화 → 자동화 → 검증
컴퓨터와 AI는 이러한 접근을 더욱 중요하게 만든다
이전에는 수많은 특수한 공식을 기억해야 할 필요성이 '사람이 직접 계산을 수행해야 했기 때문'이라는 이유로 정당화될 수 있었습니다.
오늘날 계산의 상당 부분은 프로그램과 AI에 맡길 수 있습니다. 지능형 시스템은 객체를 인식하고, 알고리즘을 선택하고, 수천 가지 연산을 수행하고, 여러 해법 옵션을 검증할 수 있습니다.
그렇다고 이해가 불필요해지는 것은 아닙니다. 하지만 그 용도가 달라집니다.
사람은 컴퓨터와 수기 계산 속도로 경쟁해야 할 필요성이 점점 줄어들고 있습니다. 훨씬 더 중요한 것은 다음을 이해하는 것입니다:
- 지금 정확히 무엇이 계산되고 있는지
- 어떤 데이터가 사용되었는지
- 어떤 가정이 세워졌는지
- 선택된 방법이 적용 가능한지
- 결과가 얼마나 정확한지
- 그것이 원래의 문제와 모순되지 않는지
보편적 코어는 이러한 질문을 던질 수 있게 해줍니다. 일반적인 이해가 없는 특수한 공식들은 그렇지 못합니다.
사람이 기성 템플릿만 알고 있다면, 새로운 문제가 옛날 예제와 일치하는지에 의존하게 됩니다. 일반적인 모델을 이해하고 있다면, 낯선 상황을 스스로 탐구하거나 외부 도구를 의미 있게 사용할 수 있습니다.
학생은 느릴 수 있어야 한다
좋은 교육의 주요 기준 중 하나는 다음과 같이 명시할 수 있습니다:
사람은 먼저 낯선 문제를 느리게 푸는 법을 배워야 한다. 그 후에야 익숙한 문제를 빠르게 푸는 법을 가르칠 의미가 생긴다.
느린 보편적 방법은 템플릿으로부터의 독립성을 제공합니다.
학생은 도형의 이름, 공식 또는 특수한 특징을 잊어버리더라도 여전히 다음을 할 수 있습니다:
- 알려진 요소를 통해 객체 표현하기.
- 이용 가능한 데이터 정의하기.
- 기본 연산 적용하기.
- 필요한 속성 얻기.
- 해법 찾기.
- 결과 검증하기.
그러한 토대가 존재할 때, 특수한 지식은 진정으로 유용해집니다. 그것들은 작업을 가속화하지만, 추론 능력을 대체하지는 않습니다.
이 토대가 없다면, 교육은 미리 준비된 수많은 질문에는 올바른 답을 알지만 질문이 다르게 던져졌을 때는 행동할 줄 모르는 사람을 낳게 됩니다.
학습의 목적은 최대치의 지식이 아니다
교육의 효율성은 학습한 용어, 공식, 주제의 수만으로 측정할 수 없습니다.
더 많은 자료가 반드시 더 많은 기회를 창출하는 것은 아닙니다. 때로는 그것이 기억에 대한 부담을 늘릴 뿐이며, 소수의 일반적인 규칙성을 수많은 개별 이름 아래에 숨겨버릴 뿐입니다.
더 합리적인 학습의 목적은 사람이 다음을 할 수 있는 시스템을 형성하는 것입니다:
- 낯선 객체 탐구하기
- 그것의 모델 구축하기
- 보편적 방법 적용하기
- 반복되는 속성 알아차리기
- 그로부터 더 짧은 해법 유도하기
- 필요에 따라 희귀한 지식 찾아내기
- 계산을 적절한 도구에 위임하기
- 얻은 결과 검증하기
그때 지식은 기성 정답의 컬렉션이기를 멈춥니다.
그것은 확장 가능한 시스템이 됩니다:
이해 → 해결 → 규칙성 → 최적화 → 새로운 이해의 수준
바로 이러한 시스템이야말로 사람이 이미 학습한 것을 재현할 뿐만 아니라, 아무도 미리 가르쳐준 적이 없는 것을 습득할 수 있게 해줍니다.
