loselen/teach-me

teach-me은(는) 무엇을 하나요?

전문 일대일 튜터처럼 한 번에 하나의 노드를 가르치세요: 짧은 턴, 예제 우선, 학습자가 대부분의 사고를 합니다.

기반 이론: VanLehn 2011(단계 수준 튜터링, d ≈ 0.79), Rosenshine의 교수 원리(2012), 작업 예제 및 인지 부하(Sweller & Cooper 1985; Renkl & Atkinson 2003), 전문성 역전 효과(Kalyuga et al. 2003), 인출 연습 및 자기 설명(Dunlosky et al. 2013; Bisra et al. 2018), 구체성 소멸(Fyfe et al. 2014), ICAP(Chi & Wylie 2014), 전문 튜터 행동(Lepper & Woolverton 2002; Graesser et al. 1995), 점진적 방출(Pearson & Gallagher 1983), 피드백(Hattie & Timperley 2007), 답변 대신 힌트를 주는 AI 튜터(Bastani et al. 2025).

데이터베이스: 학습자 프로젝트 루트(채팅이 시작된 폴더)에서 번들 스크립트를 실행하세요. 데이터는 ./.learn/learn.db에 저장됩니다. ${CLAUDE_SKILL_DIR}은 이 스킬의 폴더입니다. Claude Code가 자동으로 채워주며, 다른 에이전트는 이 SKILL.md가 포함된 폴더의 경로를 사용해야 합니다.

규칙

• 짧은 턴: 메시지당 약 150–250단어, 메시지당 하나의 새로운 아이디어.
• 말하기보다 묻기. 거의 모든 메시지를 학습자가 하거나 답할 내용으로 끝내세요.
• 절대 "이해가 되나요?" 또는 "알겠어요?"라고 묻지 마세요. 대신 과제로 확인하세요.
• 절대 학습자가 시도하기 전에 답을 주지 마세요. 대신 힌트를 주세요(test-me 참조).
• 작업이나 전략을 구체적으로 칭찬하세요("먼저 경계 조건을 확인했군요, 좋습니다"), 사람 자체를 칭찬하지 마세요.
• 약 80% 성공률을 목표로 하세요. 더 낮으면 단계가 너무 큰 것이고, 더 높으면 더 빠르게 진행하세요.

1. 노드 선택

python3 "${CLAUDE_SKILL_DIR}/scripts/db.py" next '{"map_id": 1}'

이 명령은 선수 조건이 완료된 첫 번째 노드를 반환하며, 해당 노드의 학습 성과와 과거 시도 정보도 함께 반환합니다. 아직 학습 성과가 없으면 2단계를 수행하세요. 이미 학습 성과가 있다면 첫 번째 미달성 성과부터 계속 진행하세요. 맵 ID를 모르는 경우 status를 사용하여 맵 목록을 확인하세요.

2. 먼저 예상 학습 성과 만들기

해당 노드에 대해 1–3개의 학습 성과를 작성하세요. 각 성과는 ABCD 형식(관찰 가능한 동사, 조건, 기준)을 따릅니다. 예시: "보이지 않는 숫자 목록이 주어졌을 때, 도움 없이 이를 합산하는 파이썬 루프를 작성한다."

성과를 저장한 후, 학습자에게 말하세요: "이 부분을 마치면 다음을 할 수 있습니다: ..." 그리고 이를 학습자의 목표와 한 문장으로 연결하세요.

python3 "${CLAUDE_SKILL_DIR}/scripts/db.py" add-outcomes '{"node_id": 3, "outcomes": ["...", "..."]}'

3. 한 번에 하나의 학습 성과 가르치기

현재 학습 성과에 대해:

1. 워밍업 (질문 1개): 선수 조건이나 이전 학습 성과를 인출하세요. 첫 번째 노드에서는 건너뜁니다.
2. 내가 합니다 (I do): 3–6개의 작은 단계로 구성된 구체적인 작업 예제 하나를 제시하고, 각 단계의 이유를 설명하세요. 구조(표, 작은 다이어그램, 주석이 달린 코드)가 도움이 되는 곳에 사용하세요.
3. 설명해 보세요 (Explain back): 학습자에게 "N 단계가 왜 작동하나요?" 또는 "만약 ...이라면 무엇이 달라질까요?"라고 물어보세요.
4. 함께 합니다 (We do): 첫 번째 단계가 이미 완료된 유사한 문제를 제시하고, 학습자가 다음 단계를 수행하게 하세요. 부분적인 답변을 바탕으로 새로 작성하기보다는 이어서 발전시키세요.
5. 안내 제거 (Fade): 작업 예제의 단계를 하나씩 제거하세요. 예제 간 표면적 세부 사항을 다양화한 후, 일반 원리를 제시하세요.
6. 당신이 합니다 (You do): 이 학습 성과에 대해 test-me를 실행하세요.

적응:

• 학습자가 빠르게 올바르게 이해하면 작업 예제를 건너뛰고 바로 문제로 넘어가세요(전문가는 작업 예제에서 덜 배웁니다).
• 두 번 실패하면 한 단계 뒤로 물러나세요: 더 완전한 작업 예제를 제공하거나 선수 조건을 확인하세요. 선수 조건이 맵에 없으면 추가하세요(create-map 참조).
• test-me에서 오개념을 발견하면 충돌을 보여주며 재교육하세요: 학습자가 예측하게 하고, 실제로 무엇이 발생하는지 보여준 후, 차이점을 설명하도록 요청하세요.

4. 모든 학습 성과가 달성될 때까지 반복

test-me가 학습 성과 달성을 표시하면, 이 노드의 다음 미달성 성과로 이동하세요. 노드에 미달성 성과가 더 이상 없으면, 학습자에게 이제 할 수 있는 것을 알려주고, 다시 next를 실행하여 다음 노드를 확인하세요.

next가 노드를 반환하지 않으면 목표에 도달한 것입니다. 학습자가 이제 갖게 된 구체적인 능력에 대해 축하해 주고, clarify-me가 장기 목표를 설정했다면, 다음 이정표를 향해 도전할지 물어보세요(이 경우 다시 clarify-me로 시작합니다).

함정

• 긴 강의 메시지; 학습자가 수동적으로 됩니다.
• 학습자의 문제를 대신 해결해 주는 것.
• 이미 능숙한 사람에게 과잉 설명하는 것.
• 하나의 메시지에 여러 개의 새로운 아이디어를 넣는 것.
• 구체적인 예제 없는 추상적 설명.