챗GPT 공부법, 실력이 늘까? 답 말고 힌트를 받는 규칙

ChatGPT로 공부하면 실력이 늘 수도, 오히려 줄 수도 있어요. 가르는 건 AI가 아니라 답을 받느냐, 힌트를 받느냐예요. 고등학생 약 1,000명의 수학 실험에서 답을 바로 물어볼 수 있던 학생들은 연습 문제 점수가 48% 올랐지만, AI 없이 본 시험에서는 AI를 아예 안 쓴 학생보다 17% 낮았어요. 먼저 풀어 보고, 막힌 곳만 힌트로 받고, AI에게 문제를 내 달라고 하고, 원문 쪽과 맞춰 보면 이 손해를 피할 수 있어요.

핵심 요약

답을 받아 적으면 연습 점수와 실력이 따로 움직여요. 연습은 48% 올랐는데 시험은 17% 내려갔어요.
학생들은 그 손해를 느끼지 못했어요. “덜 배웠다”고 답하지 않았어요.
같은 AI에 “답 대신 힌트”라는 규칙과 정답을 넣자 손해가 거의 사라졌어요. 대학 물리 실험에서는 이렇게 설계한 AI 튜터로 더 많이 배웠어요.
일반 챗봇에서는 그 규칙을 내가 걸어야 해요. 먼저 풀기, 힌트 한 단계씩, 문제 내 달라고 하기, 원문과 대조하기, 수업의 AI 규칙 지키기.

답을 바로 받은 학생들은 시험에서 17% 낮았어요

이 질문을 가장 크게 다룬 연구는 2025년 PNAS에 실린 Bastani 등의 현장 실험이에요. 2023년 가을 튀르키예의 한 고등학교에서 9~11학년 약 50개 반, 1,000명 가까운 학생이 참여했어요. 수학 수업 네 번(각 90분)을 이렇게 진행했어요.

교사 복습 강의: 이미 배운 단원(예: 경우의 수)을 다시 설명하고 예제를 풀어요.
연습 시간: 교재와 노트를 보며 연습 문제를 풀어요. 여기서만 반마다 조건이 달랐어요.
시험: 책도 노트북도 닫고 혼자 풀어요. 문제마다 연습 문제와 개념이 거의 같은 짝이 있었어요.

연습 시간의 조건은 세 가지였어요. ChatGPT처럼 평범하게 도와주는 GPT-4(GPT Base), 같은 GPT-4에 “답을 주지 말고 힌트를 줘”라는 지시와 교사가 쓴 정답·흔한 실수를 넣은 버전(GPT Tutor), 그리고 AI 없이 교재만 쓰는 반이에요. 연습 점수와 시험 점수 모두 실제 성적에 들어갔어요.

조건	연습 문제 (AI 있음)	시험 (AI 없음)
AI 없음 (교재·노트)	기준	기준
GPT Base (보통 챗봇)	48% 높음	17% 낮음
GPT Tutor (힌트만, 정답 내장)	127% 높음	차이 없음

Bastani 외(2025)의 결과를 AI 없이 공부한 반과 비교한 비율로 그렸어요. 시험의 GPT Tutor는 −0.004점(1점 만점)으로 통계적으로 차이가 없었어요. 원 점수가 아니라 통제군 평균 대비 차이예요.

연습 시간에 AI가 있으면 점수가 오르는 건 놀랍지 않아요. 놀라운 건 AI를 뺀 뒤예요. 답을 물어볼 수 있던 학생들은 AI를 한 번도 쓰지 않은 학생보다 시험을 못 봤어요. 저자들은 이걸 AI를 “목발”처럼 썼다고 표현했어요. 목발에 기대 걸으면 빨리 가지만, 다리 힘은 그만큼 안 붙는다는 뜻이에요.

한계도 있어요. 한 나라 한 고등학교의 수학 한 과목이었고, 시험은 같은 날 바로 봤어요. 생성형 AI가 아직 낯설던 2023년 가을의 결과라서, 저자들도 지금의 학생과 모델에서는 다를 수 있다고 적었어요. 그래도 대학생에게 그대로 해당하는 부분이 있어요. 과제와 연습 문제를 챗봇으로 풀고, 시험장에는 혼자 들어가는 구조가 같아요.

왜 그랬을까: 답을 물으면 연습이 ‘베끼기’가 돼요

연구진은 학생이 보낸 메시지를 전부 분석했어요. GPT Base 반에서 가장 많이 나온 메시지는 “답이 뭐야?”였어요. 첫 수업에서 문제마다 처음 보낸 메시지 중 문제를 그대로 붙여 넣거나 답을 달라는 것이 GPT Base 반은 67%, GPT Tutor 반은 37%였어요. 힌트만 주는 AI 앞에서는 학생들이 점점 자기 풀이를 보여 주고 도움을 청하는 쪽으로 바뀌었어요. 두 AI 반 모두 시작 전에 공부에 도움이 되는 질문법을 보여 주는 짧은 영상을 봤는데도요.

두 가지가 더 눈에 띄어요.

AI가 틀려도 그대로 옮겼어요. 연구진이 “답이 뭐야?”를 문제당 10번씩 물어보니 GPT Base(2023년 GPT-4)가 맞힌 비율은 평균 51%였어요. 학생들이 쉽게 잡아낼 수 있는 계산 실수도 논리 오류만큼 연습 점수를 깎았어요. 풀이를 읽고 이해했다면 계산 실수는 걸러냈을 거예요. 저자들은 학생들이 답을 그냥 베꼈다고 해석했어요.
학생들은 손해를 느끼지 못했어요. GPT Base 반 학생들은 시험을 못 봤는데도 덜 배웠다거나 시험을 못 봤다고 답하지 않았어요. GPT Tutor 반은 시험 점수가 AI 없는 반과 같았는데도 더 잘 봤다고 느꼈어요.

대학생 실험에서도 비슷한 방향이 나왔어요. 2025년 Fan 등은 대학생 117명에게 글쓰기 과제를 주고 ChatGPT, 사람 전문가와의 채팅, 글쓰기 점검 도구, 도구 없음으로 나눠 비교했어요. ChatGPT 집단은 글 점수가 가장 많이 올랐지만, 지식이 늘거나 다른 과제로 옮겨 쓰는 힘은 다른 집단과 다르지 않았어요. 저자들은 AI가 생각과 점검을 대신해 주면서 학습자가 스스로 점검하는 일을 줄이는 ‘메타인지 게으름’을 경고했어요.

2025년 MIT 미디어랩의 Kosmyna 등이 낸 “Your Brain on ChatGPT”도 자주 인용돼요. 54명이 ChatGPT, 검색, 도구 없음으로 나뉘어 에세이를 쓰는 동안 뇌파를 쟀는데, ChatGPT 집단의 뇌 연결성이 가장 약했고 방금 쓴 자기 글을 정확히 인용하지 못하는 경우가 많았어요. 다만 이 연구는 동료 심사를 거치지 않은 사전 공개 논문이고, 저자들도 결론을 잠정적으로 봐 달라고 적었어요. “ChatGPT가 뇌를 망가뜨린다”는 식의 기사 제목은 연구가 말한 것보다 훨씬 나간 말이에요.

세 연구가 가리키는 건 하나예요. AI가 결과물을 만들어 주면 결과물은 좋아지고, 내 머리에 남는 건 그만큼 줄어들 수 있어요. 내가 직접 꺼내고 틀려 보는 과정을 AI가 대신하기 때문이에요.

같은 AI도 규칙을 걸면 결과가 달라져요

그렇다고 AI를 끊으라는 결론은 아니에요. 같은 실험의 GPT Tutor 반은 시험 손해가 거의 사라졌어요. 다만 이득도 없었어요. 저자들은 이 AI가 학생이 물어볼 때만 답하는 수동적인 튜터였다는 점을 한계로 들었어요.

규칙을 더 촘촘히 넣은 AI 튜터는 더 나은 결과를 냈어요. 2025년 Kestin 등은 하버드 입문 물리 수업 194명을 두 집단으로 나눠, 한 주는 집에서 AI 튜터로, 한 주는 수업에서 능동 학습(조별 문제 풀이)으로 같은 내용을 배우게 하고 서로 바꿨어요. 결과는 이랬어요.

사전 검사 대비 점수가 오른 폭(중앙값)이 AI 튜터 쪽이 두 배를 넘었어요.
AI 튜터로 공부한 시간은 중앙값 49분으로, 60분 수업보다 짧았어요.
이 AI는 아무 챗봇이 아니었어요. 교수진이 문제마다 단계별 정답을 프롬프트에 미리 넣었고, 문제의 각 부분을 순서대로 하나씩 풀게 이끌었어요.

저자들도 학생이 AI를 생각을 건너뛰는 목발로 쓰기 쉬운 상황이라면 수업에서 AI를 쓰지 말라고 적었어요. 그리고 시험은 수업 직후에 본 사후 검사라서, 몇 주 뒤까지 남는지는 이 연구가 보여 주지 않아요.

연구	누가	AI	결과
Bastani 외 (2025)	고교생 약 1,000명, 수학	보통 챗봇	연습 48% 높음, 시험 17% 낮음
Bastani 외 (2025)	같은 학생들	힌트만 + 정답 내장	연습 127% 높음, 시험 차이 없음
Fan 외 (2025)	대학생 117명, 글쓰기	ChatGPT	글 점수는 가장 많이 오름, 지식·전이는 차이 없음
Kestin 외 (2025)	대학생 194명, 물리	단계별 정답 내장 + 순서 안내	점수 오른 폭이 능동 수업의 두 배 이상, 시간은 더 짧음

잘된 쪽의 공통점은 AI가 답을 바로 주지 않고, AI가 틀리지 않게 정답을 사람이 미리 넣어 뒀다는 점이에요. 내가 쓰는 챗봇에는 이 두 장치가 없어요. 그래서 그 규칙을 내가 질문하는 방식으로 대신 걸어야 해요.

실력이 남게 ChatGPT를 쓰는 규칙 5가지

아래 규칙은 위 연구들에서 결과를 가른 장치를 일반 챗봇 사용법으로 옮긴 거예요. 연구가 이 규칙 하나하나를 직접 실험한 건 아니고, 적용한 제안이에요.

이렇게 묻지 말고	이렇게 물어요	왜
“이 문제 풀어 줘”	먼저 10분 혼자 풀고, 내 풀이를 붙여 넣은 뒤 “어디서 틀렸는지만 알려 줘”	GPT Tutor 반은 점점 스스로 풀어 보고 도움을 청하는 쪽으로 바뀌었어요
“답 알려 줘”	“답은 말하지 말고, 다음 단계 힌트 하나만 줘”	GPT Tutor의 핵심 규칙이에요. 힌트를 받고 내가 다시 풀어야 연습이 돼요
“이 단원 설명해 줘”	“이 단원으로 문제 5개 내 줘. 답은 내가 다 풀고 나서 보여 줘”	설명을 읽는 건 이해한 느낌만 남기 쉬워요. 떠올리게 하는 쪽으로 써요
“이게 맞아?” 하고 그대로 믿기	공식·정의·숫자는 강의 자료 몇 쪽에 있는지 직접 찾아 대조	2023년 실험에서 AI 답의 정답률은 51%였어요
과제에 일단 써 보기	강의계획서와 공지에서 그 과목의 AI 규칙부터 확인	허용 범위는 수업마다 달라요 (아래)

1번과 2번은 사실 같은 규칙이에요. 내가 먼저 꺼내고, AI는 막힌 만큼만 도와준다. 먼저 떠올려 보고 틀린 다음에 정답을 보는 쪽이 처음부터 정답을 보는 쪽보다 더 잘 남는다는 연구는 백지 복습 글에 정리해 뒀어요.

3번에서 문제를 받을 때는 용어 빈칸보다 ‘왜’와 ‘적용’을 묻는 문제를 달라고 하세요. 어떤 문제가 공부가 되는지는 예상문제 만드는 법에 있어요. 4번에서 AI 요약을 원문과 맞춰 보는 순서는 PDF 요약 AI 확인법에 따로 적어 뒀어요.

규칙을 지켰는데도 대화가 길어지면 결국 “그냥 답 줘”라고 치게 돼요. 그럴 땐 그 문제는 답을 봐도 괜찮아요. 대신 답을 덮고 같은 유형의 숫자만 바꾼 문제를 하나 더 받아 혼자 풀어 보세요. 이게 실험의 ‘연습 문제와 짝이 되는 시험 문제’를 스스로 만드는 방법이에요.

직접 해 보기: 통계학 과제 한 문제, 두 가지 방법

통계학 과제에 이런 문제가 나왔다고 해 볼게요. “모표준편차가 12인 모집단에서 36명을 뽑았더니 표본평균이 72였다. 모평균의 95% 신뢰구간을 구하시오.” 시험에도 숫자만 바꿔 나올 유형이에요.

답을 받는 방법 (약 3분)

단계	하는 일	시간
1	문제를 그대로 붙여 넣고 “풀어 줘”	30초
2	풀이를 훑어보고 “아, 이렇게 하는구나”	1분
3	답 (68.08, 75.92)를 과제에 옮겨 적기	1분

과제 점수는 받아요. 하지만 이 3분 동안 내 머리가 꺼낸 건 하나도 없어요. 풀이가 틀렸어도 몰랐을 거예요. 시험장에서 숫자가 바뀌면 “√n이었나 n이었나”부터 막혀요.

배우는 방법 (약 25분)

단계	하는 일	시간
1. 먼저 풀기	강의 노트를 덮고 풀어 보기. 예를 들어 표준오차를 12 ÷ 36 = 0.33으로 계산해 72 ± 0.65를 얻음	8분
2. 틀린 곳만 묻기	내 풀이를 붙여 넣고 “답은 말하지 말고, 처음 틀린 단계가 어디인지만 알려 줘”	2분
3. 힌트로 다시 풀기	“표준오차 단계”라는 말을 듣고 공식을 다시 떠올려 보기. 막히면 “힌트 하나만 더”	4분
4. 원문 대조	강의 자료에서 신뢰구간 공식이 있는 쪽을 찾아 σ/√n 확인: 12 ÷ 6 = 2, 72 ± 1.96 × 2 = 72 ± 3.92	3분
5. 짝 문제 받기	“숫자만 바꾼 같은 유형 2문제 내 줘. 답은 내가 풀고 나서”. 99% 신뢰구간도 하나 섞어 달라고 하기	6분
6. 한 줄 오답 기록	“표준오차는 σ를 n이 아니라 √n으로 나눈다”를 오답 노트에 적고, 3일 뒤 짝 문제를 다시 풀기	2분

위 ‘배우는 방법’을 그린 개념도예요. AI는 가운데가 아니라 막힌 지점에만 들어가고, 마지막 확인은 강의 자료로 해요.

22분이 더 들어요. 하지만 그 22분 동안 공식을 두 번 떠올리고, 내가 정확히 어디서 틀리는지(√n)를 알게 되고, 시험에 나올 짝 문제를 두 개 더 풀어요. 실험의 GPT Tutor 반이 한 일과 같은 구조예요. 과제가 다섯 문제라면 다섯 문제 모두 이렇게 할 필요는 없어요. 처음 보는 유형 한두 문제만 이 방식으로 하고, 나머지는 그 유형을 혼자 풀어 보는 연습으로 쓰면 돼요.

이 예시는 과제에 AI를 써도 되는 수업을 전제로 해요. AI를 못 쓰게 한 과제라면 과제는 혼자 하고, 같은 방법을 교재 연습문제에 쓰세요.

과제에 써도 되는지는 수업마다 달라요

대학에서 생성형 AI를 어디까지 써도 되는지는 학교 지침과 과목마다 달라요. 같은 학기에도 한 과목은 “아이디어 정리까지 허용, 사용 내용 표기”이고, 다른 과목은 “과제 작성에 사용 금지”일 수 있어요. 학교 전체 지침보다 그 과목의 강의계획서와 교수님 공지가 먼저예요.

학기 초에 확인해요. 강의계획서, 첫 수업 공지, 과제 안내문에서 ‘AI’, ‘생성형’, ‘ChatGPT’를 찾아봐요.
적혀 있지 않으면 물어봐요. “개념 이해와 풀이 점검에 AI를 써도 되나요? 제출물 작성에는 쓰지 않을 생각이에요”처럼 어디에 쓸지를 구체적으로 물어보면 답하기 쉬워요.
쓴 기록을 남겨요. 어떤 질문을 했고 무엇을 고쳤는지 남겨 두면, 표기를 요구하는 수업에서 바로 쓸 수 있어요.

공부용으로 쓰는 것과 제출물을 대신 쓰게 하는 것은 다른 일이에요. 앞의 다섯 규칙은 대부분 공부용이라 허용 범위 안에 있기 쉽지만, 판단은 그 수업의 규칙을 따라요.

이 규칙을 매번 챗봇에서 지키기 번거롭다면

정리하면 이래요. 먼저 혼자 풀고, 틀린 곳만 묻고, 답 대신 힌트를 받고, 숫자만 바꾼 짝 문제로 다시 풀고, 공식과 정의는 원문 쪽에서 확인하고, 틀린 건 기록해서 며칠 뒤 다시 풀어요. 도구 없이도, 어떤 AI로든 할 수 있는 순서예요.

다만 일반 챗봇으로 하면 손이 가는 곳이 정해져 있어요. 매번 “답은 말하지 마”를 다시 적어야 하고, 지치면 실험 속 학생들처럼 “답이 뭐야?”로 돌아가기 쉬워요. 답이 강의 자료 몇 쪽에서 나왔는지 알려 주지 않으니 대조하려면 자료를 처음부터 뒤져야 해요. 틀린 문제는 긴 대화 기록 속에 흩어져서 3일 뒤에 다시 풀 문제를 찾기 어려워요.

이 부분은 Notely가 맡을 수 있어요. 강의 PDF나 PPT를 넣으면 AI 요약의 문장마다 근거 쪽 번호가 붙고, 쪽 번호를 누르면 원문 그 자리로 가서 공식과 정의를 바로 확인할 수 있어요. 같은 자료로 AI 퀴즈를 만들면 문제 수·유형·난이도·범위를 골라 객관식·O/X·단답형·사례형 문제를 받아요. 내가 답을 고른 다음에 정답과 해설이 나오니, ‘먼저 풀고 나서 확인’이라는 순서가 기본으로 지켜져요. 틀린 문제는 오답노트로 자동으로 모이고, 과목·자료별로 걸러 다시 풀다가 맞히면 정복으로 넘어가요.

AI가 만든 문제와 해설도 틀릴 수 있어요. 헷갈리는 건 근거 쪽 번호로 원문과 맞춰 보세요. 처음 한 번은 이렇게 해 보세요. 이번 주 강의 자료 하나를 넣고 단답형·사례형으로 10문제를 만들어 자료를 덮고 풀어요. 그리고 틀린 문제만 사흘 뒤 오답노트에서 다시 풀어 보세요.

자주 묻는 질문

ChatGPT로 개념 설명만 들으면 괜찮지 않나요?

이해의 출발점으로는 좋아요. 다만 설명을 읽고 이해한 느낌은 혼자 꺼낼 수 있는 힘과 달라요. 설명을 들은 뒤에는 대화창을 닫고 방금 들은 걸 세 줄로 적어 보거나, 그 개념으로 문제를 내 달라고 해서 풀어 보세요.

답을 보고 풀이를 이해하면 직접 푼 것과 같지 않나요?

실험에서는 달랐어요. 답을 바로 받은 학생들은 시험 점수가 17% 낮았는데도 스스로는 덜 배웠다고 느끼지 않았어요. 답을 봤다면 그걸 덮고 숫자만 바꾼 같은 유형 문제를 혼자 풀어 보세요. 그게 되면 이해한 거예요.

‘답 대신 질문하는’ 공부용 모드를 켜면 되나요?

쓰는 챗봇에 그런 모드가 있다면 켜 두는 게 도움이 될 수 있어요. 실험에서 힌트만 주는 AI는 시험 손해를 거의 없앴어요. 다만 그 AI에는 교사가 쓴 정답이 들어 있어서 틀린 힌트가 적었어요. 모드를 켜도 공식과 숫자는 강의 자료와 맞춰 보세요.

과제에 ChatGPT를 써도 되나요?

과목마다 달라요. 강의계획서와 과제 안내문을 먼저 보고, 적혀 있지 않으면 어디에 쓸지 구체적으로 교수님께 물어보세요. 허용되지 않는 과제라면 과제는 혼자 하고, 이 글의 방법은 교재 연습문제에 쓰면 돼요.

출처

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. pmc.ncbi.nlm.nih.gov/articles/PMC12232635
Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. pmc.ncbi.nlm.nih.gov/articles/PMC12179260
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. doi.org/10.1111/bjet.13544
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv:2506.08872 (동료 심사 전 사전 공개 논문). arxiv.org/abs/2506.08872
Kosmyna, N., & Hauptmann, E. (2025). Your Brain on LLM 프로젝트 페이지 (동료 심사 전이라는 저자 안내). brainonllm.com