디지털 리터러시 레포트 - 자신이 이용하는 생성형 인공지능의 활용 경험을 구체적으로 제시하고, 이를 통해 느낀 점을

I. 서론

교양 수업에서 지역 축제 홍보문을 분석하는 과제를 받았을 때 노트북 화면만 20분쯤 바라본 적이 있다. 자료는 모아 두었는데 어디서 시작해야 할지 잡히지 않았다. 검색창에 같은 말을 조금씩 바꿔 입력하다가 ChatGPT에 내가 모은 메모를 붙여 넣고 "이 자료에서 서로 충돌하는 관점을 질문 형태로 뽑아 달라"고 적었다. 예상보다 그럴듯한 질문이 바로 나왔다. 처음에는 시간을 번 느낌이 컸다. 그런데 답변에 적힌 지역 축제 방문객 수치가 내가 본 공식 자료와 달랐다. 편리함과 불안함이 같은 화면에 붙어 있었다. 생성형 인공지능을 쓰기 시작한 뒤 가장 크게 달라진 점은 글을 빨리 쓰게 된 것이 아니라, 질문을 만드는 방식과 정보를 의심하는 방식이 함께 바뀌었다는 데 있다.

II. 본론

1) 막힌 과제 앞에서 질문을 바꾸며 쓴 ChatGPT

나는 생성형 인공지능을 과제 초안을 통째로 만들기보다 막힌 부분을 풀어내는 도구로 자주 쓴다. 가장 많이 쓰는 방식은 질문 만들기다. 발표 주제가 "지역 소멸"처럼 넓을 때 처음부터 자료를 찾으면 검색 결과가 너무 많다. 그럴 때 "대학생 생활과 연결되는 갈등을 5개만 제안해 달라"고 요청하고, 나온 항목 중 마음에 걸리는 하나를 골라 다시 좁힌다. 예를 들어 지역 축제를 다룬 과제에서는 관광객 유치보다 주민 생활과 상권 변화가 더 궁금했다. 그래서 "축제 성공을 방문객 숫자만으로 판단할 때 놓치는 것이 무엇인지 질문으로 바꿔 달라"고 했다. 답변을 그대로 쓰지는 않았지만 조사 방향은 훨씬 빨리 잡혔다.

문장 다듬기에도 도움을 받았다. 내가 쓴 문단이 너무 길 때 "내용을 줄이지 말고 한 문장에 한 주장만 남도록 나눠 달라"고 하면 어디가 꼬였는지 눈에 들어왔다. 영어 논문 초록을 읽다가 문장이 막히면 어려운 용어를 한국어 일상어로 풀어 달라고 부탁했다. 번역기를 쓸 때와 달랐던 점은 같은 설명을 여러 방식으로 다시 물을 수 있다는 점이다. "중학생도 알게 설명해 달라", "내 과제 주제와 연결하지 말고 개념만 설명해 달라"처럼 조건을 바꾸면 이해가 안 된 부분을 계속 파고들 수 있었다. 교수나 친구에게 매번 같은 질문을 하기 민망한 순간에 연습 상대가 생긴 느낌이었다.

시험 공부에도 써 봤다. 사회과학 개론에서 개념이 비슷한 용어를 외울 때 교재 내용을 내가 직접 요약한 뒤 그 요약만 입력하고 퀴즈를 만들어 달라고 했다. 답을 맞힌 뒤에는 "왜 틀렸는지 내가 적은 설명에서 근거를 찾아 달라"고 요청했다. 이 방식은 그냥 정답을 읽는 것보다 오래 기억됐다. 특히 내가 자주 헷갈리는 표현이 반복해서 나타나니 약한 부분을 알아보기 쉬웠다. 다만 교재 내용을 주지 않고 일반 질문만 던졌을 때는 수업에서 배운 정의와 조금 다른 설명이 나오기도 했다. 같은 용어라도 학문 분야나 교재에 따라 쓰임이 달라질 수 있다는 사실을 그때 체감했다.