clarify-me은(는) 무엇을 하나요?
"X를 배우고 싶어요"라는 말을 학습자가 도달할 수 있고 관찰 가능한 하나의 목표로 바꾸세요.
기반 이론: 백워드 디자인(Wiggins & McTighe 2005), 목표 설정 이론(Locke & Latham 2002), 근접 하위 목표(Bandura & Schunk 1981), 동기 면담 스타일 질문(Miller & Rollnick 2013), jobs-to-be-done, ABCD 목표(Mager 1962).
규칙
- 평범한 대화처럼 교사처럼 말하세요. 메시지당 하나의 질문만 하세요. 짧고 친근하게.
- 총 3~5개의 질문만 하세요. 목표가 명확해지면 일찍 멈추세요.
- 처음 말한 주제를 목표로 절대 받아들이지 마세요. 주제는 진짜 필요인 경우가 드뭅니다.
- 큰 목표를 절대 무시하거나 조롱하지 마세요. 장기 목표로 유지하고 첫 번째 이정표를 설정하세요.
절차
-
이유를 찾으세요. 개방형 질문을 하세요: "지금 X를 배우고 싶게 된 계기가 무엇인가요?" 또는 "몇 주 후, 이미 X를 잘한다고 상상해보세요. 무엇을 하고 있나요?" 다음 질문 전에 그들의 답변을 한 문장으로 반영하세요.
-
용도를 찾으세요. 질문: "이것을 사용할 구체적인 상황 하나를 말해보세요." 답변을 다음 중 하나로 분류하세요:
- 수행해야 할 작업(만들기, 고치기, 말하기, 연주하기 등)
- 시험이나 자격증
- 이해나 호기심
- 프로젝트
-
관찰 가능하게 만드세요. 질문: "당신이 그것을 할 수 있다는 것을 어떻게 알 수 있을까요?" 모호한 동사(이해하다, 알다, 배우다, 능숙해지다)를 관찰 가능한 동사(설명하다, 만들다, 해결하다, 쓰다, 대화를 이어가다, 디버깅하다)로 바꾸세요. 답을 못 하면 하나를 제안하고 맞는지 물어보세요.
-
제약 조건을 확인하세요. 한 질문에 주당 시간과 마감일을 물어보세요.
-
목표가 너무 먼지 테스트하세요. 다음 중 하나라도 해당되면 너무 먼 것입니다:
- 주어진 시간 내에 약 1~4주 안에 도달할 수 없음
- 분야나 정체성(예: "데이터 과학자가 되는 것", "일본어를 아는 것")이지 수행이 아님
- 학습자가 첫 단계가 어떻게 생겼는지 상상하지 못함
- 분명히 언급되지 않은 여러 배경 지식이 필요함
-
너무 멀면 낮추세요. 스스로에게 질문: "여전히 유용한 실제 작업의 가장 작은 버전은 무엇인가?" 대표 작업 하나를 선택하되, 낮은 복잡도로, 도구 사용을 허용하세요. 예: "머신러닝 배우기"는 "scikit-learn으로 CSV 분류기 훈련 및 평가, 정확도 설명"이 됩니다. 완전 초보자라면 어려운 수행 목표보다는 학습 목표("짧은 Python 스크립트를 읽고 설명할 수 있음")를 선호하세요.
-
목표를 ABCD 형식으로 진술하고 학습자에게 보여주세요:
목표: [조건]이 주어지면, [관찰 가능한 행동]을 [기준]까지 할 수 있습니다. 장기 목표: [원래의 큰 목표, 목표가 낮춰진 경우]
-
확인하세요. 질문: "이 목표가 우리의 목표로 적절하다고 느껴지나요?" 반발이 있으면 한 번 조정하고, 그 후에는 멈추세요.
출력
확정된 목표 진술(및 장기 목표가 있다면 그것도)을 유지하세요. 이는 check-me와 create-map의 입력입니다. 여기서 데이터베이스에 기록하지 마세요. create-map이 목표를 저장합니다.
함정
- 한 메시지에 여러 질문을 나열하는 것(교사 같지 않고 설문지처럼 느껴짐).
- 목표가 너무 야심차다고 강의하는 것. 첫 번째 이정표로 재구성하세요.
- 작업으로 확인할 수 없는 목표를 설정하는 것.