AI와 논문작성

도제식 지도의 붕괴란 대학원생이 지도교수와의 대화 대신에 ChatGPT에 질문하면서 논문에 적히지 않는 암묵지의 전수가 끊기는 현상을 뜻합니다. 한편, 약 4만 명의 과학자를 분석한 PNAS 연구는 멘토가 제자의 성과를 좌우한다고 보고하였습니다.

이 글의 순서 6개 항목

1. 도제식 지도란 무엇이며 왜 연구자 양성의 핵심인가?
2. 멘토링은 연구 성과를 얼마나 좌우하는가?
3. 그런데 대학원생은 왜 지도교수 대신 ChatGPT에게 묻는가?
4. 지도교수 대신 ChatGPT에게 묻는 습관은 무엇을 소멸시키는가?
5. 지도 관계를 지키면서 AI를 사용하는 방법은 무엇인가?
6. 결론

이 글에서는 도제식 지도가 무너질 때 대학원생이 잃는 것이 무엇인지를 분석합니다. 노스웨스턴 대학교의 연구진은 과학자 약 4만 명의 계보를 분석하였는데, 멘토의 숨은 역량이 제자의 수상 확률을 다섯 배까지 높인다는 결과를 PNAS에 발표하였습니다. 도제식 지도의 원리와 멘토링의 효과, 대학원생이 ChatGPT를 찾는 이유, 그 습관이 끊어 버리는 것, 그리고 지도 관계를 지키는 AI 사용 원칙을 순서대로 다루겠습니다. 연구실에서 질문을 잃어 가는 대학원생에게는 인공지능 도구의 의존에 대해서 고민할 기회를 드리기 위한 목적이기도 합니다.

도제식 지도란 무엇이며 왜 연구자 양성의 핵심인가?

도제식 지도란 초보 연구자(novice)가 숙련된 연구자 곁에서 관찰과 모방, 그리고 교정을 반복하며 연구 수행의 능력을 익히는 양성 방식입니다. 특히 일본과 함께 우리나라의 대학원 교육은 강의보다는 이 방식에 크게 의존합니다. 연구 주제를 선택하는 감각과 선행연구를 읽는 눈, 심사위원의 반응을 예측하는 능력은 교과서에 없기 때문입니다. Collins et al.(1989)은 이를 인지적 도제(cognitive apprenticeship)라고 명명하였으며, 전문가가 사고의 과정을 밖으로 드러내 보이고 학습자가 이를 점차 내면화하는 구조라고 설명하였습니다.

• Collins, A., Brown, J. S., & Newman, S. E. (1989). Cognitive apprenticeship: Teaching the crafts of reading, writing, and mathematics. In L. B. Resnick (Ed.), Knowing, learning, and instruction: Essays in honor of Robert Glaser (pp. 453–494). Lawrence Erlbaum Associates.

도제식 지도가 필요한 이유는 연구 역량의 상당 부분이 암묵적인 지식(tacit knowledge, 말이나 글로 옮기기 어려운 지식)이기 때문입니다. 철학자 Polanyi(1966)는 ‘우리는 말할 수 있는 것보다 더 많이 안다’는 명제로 이 개념을 제시하였습니다. 자전거 타는 법을 글로 배울 수 없듯이, 연구를 설계하고 논문을 방어하는 감각도 글로 배울 수 없습니다. 암묵지는 사람에게서 사람에게로, 그리고 함께 일하는 과정에서만 전달됩니다.

• Polanyi, M. (1966). The tacit dimension. Doubleday.

사회과학은 이 원리를 연구의 현장에서 확인하였습니다. Collins(1974)는 영국의 여러 실험실이 TEA 레이저를 제작하는 과정을 추적하였습니다. 제작 방법이 논문으로 상세히 발표되어 있었음에도, 논문만 읽은 학생들로 채워진 실험실은 레이저를 작동시키지 못하였습니다. 성공한 실험실은 예외 없이 이미 성공한 연구자와 직접 접촉한 곳이었습니다. Collins(1974)는 과학 지식의 핵심 부분이 문서가 아니라 인적 네트워크를 통해서만 전이한다고 결론지었습니다. 이 결론은 ChatGPT의 한계를 정확히 예고합니다. ChatGPT는 문서화된 지식만 학습하였기 때문입니다.

• Collins, H. M. (1974). The TEA set: Tacit knowledge and scientific networks. Science Studies, 4(2), 165–185. https://doi.org/10.1177/030631277400400203

멘토링은 연구 성과를 얼마나 좌우하는가?

멘토링과 연구 성과와의 관계는 대규모의 계보 자료로 검증되었으며, 멘토는 제자의 커리어 전체를 예측하는 가장 강력한 변수 중 하나입니다. 노스웨스턴 대학교의 Ma et al.(2020)는 1960년부터 2017년까지 생의학, 화학, 수학, 물리학 분야에서 논문 116만 편을 발표한 과학자 약 4만 명의 사제 관계를 분석하였습니다. 그리고 연구진은 경력과 자원, 명성 등을 포함하는 11개 조건이 동일한 멘토들을 짝을 지어 비교하였습니다.

Ma et al.(2020)은 조건이 같은 멘토들 사이에서도 훗날 수상자가 되는 멘토의 제자는 스스로 수상할 확률이 다섯 배, 미국 국립과학원 회원이 될 확률이 네 배, 그리고 학계의 스타가 될 확률이 세 배 높았다고 보고하였습니다. 연구진의 모형은 제자 성공의 34%에서 44%를 설명하였고, 멘토링은 가장 영향력 있는 예측 변수에 속하였습니다. 연구진은 이 효과의 원천을 ‘숨은 역량’이라고 표현하였습니다. 수상 이전부터 멘토가 지녔던, 탁월한 연구를 수행하고 전달하는 능력이 제자에게 옮겨 간다는 것입니다. 이 능력은 물론 이력서에도, 논문에도 적혀 있지 않습니다.

• Ma, Y., Mukherjee, S., & Uzzi, B. (2020). Mentorship and protégé success in STEM fields. Proceedings of the National Academy of Sciences, 117(25), 14077–14083. https://doi.org/10.1073/pnas.1915516117

이들의 연구는 한 가지 조건을 덧붙였습니다. 멘토의 주제를 그대로 답습하고 멘토와 공저를 지나치게 많이 한 제자는 성과가 낮았습니다. 도제식 지도의 목표는 복제가 아니라 독립이기 때문입니다. Liénard et al.(2018)이 생명과학 연구자 18,856명을 분석한 결과를 Nature Communications에 게재한 논문도 같은 방향을 가리킵니다. Liénard et al.(2018)은 서로 다른 전문성을 지닌 멘토들의 지식을 자기 연구로 통합한 제자가 학계에서 성공할 확률이 높았다고 보고하였습니다. 멘토링은 정답을 물려받는 과정이 아니라, 여러 사람의 사고방식을 흡수하여 자기 것으로 만드는 과정입니다.

• Liénard, J. F., Achakulvisut, T., Acuna, D. E., & David, S. V. (2018). Intellectual synthesis in mentorship determines success in academic careers. Nature Communications, 9, 4840. https://doi.org/10.1038/s41467-018-07034-y

그런데 대학원생은 왜 지도교수 대신 ChatGPT에게 묻는가?

대학원생이 지도교수 대신 ChatGPT를 찾는 이유는 즉시성, 무비판적 응답, 그리고 무지를 드러내지 않아도 된다는 심리적인 안전감에 있습니다. 홍콩 대학교의 Chan & Hu(2023)는 학부생과 대학원생 399명을 조사하였습니다. Chan & Hu(2023)는 학생들이 생성형 AI의 장점으로 시간과 장소에 구애받지 않는 개인 맞춤형 지원을 꼽았으며, 동시에 과의존과 대학 교육의 가치 훼손을 스스로 우려하고 있다고 보고하였습니다.

• Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20, 43. https://doi.org/10.1186/s41239-023-00411-8

이 세 가지 이유는 모두 지도교수와의 대화가 지닌 부담을 거꾸로 비춥니다. 지도교수는 바쁘고, 면담은 예약이 필요하며, 질문은 준비되어 있어야 합니다. 무엇보다 질문은 자신이 모른다는 사실을 드러냅니다. 반면 ChatGPT는 새벽에도 답하고, 어떤 질문에도 판단하지 않으며, 같은 질문을 열 번 해도 화를 내거나 실망하지 않습니다. 부담이 없는 쪽으로 질문이 옮겨 가는 것은 자연스러운 흐름입니다.

문제는 부담 그 자체가 도제식 지도의 작동 원리라는 점입니다. 면담을 준비하며 질문을 정리하는 과정, 지도교수 앞에서 자신의 논리를 설명하는 긴장, 예상하지 못한 반문에 답하는 경험은 모두 연구 역량을 만드는 재료입니다. 앞서 다룬 인지 부채 게시물에서도 살펴본 ‘바람직한 어려움’이 지도 관계에서도 그대로 적용됩니다. 부담을 제거하면 학습과 학습효과도 함께 사라져 버립니다.

지도교수 대신 ChatGPT에게 묻는 습관은 무엇을 소멸시키는가?

지도교수 대신에 ChatGPT에게 묻는 습관은 암묵지 전수, 질문의 재구성, 책임 있는 피드백, 맥락의 축적, 그리고 학문 공동체 진입이라는 다섯 가지 통로를 소멸시킵니다. 각 통로는 지도교수만이 제공할 수 있고, ChatGPT는 원리적으로 제공할 수 없는 것들입니다.

첫째, 암묵지 전수가 끊깁니다. Collins(1974)의 레이저 실험실 사례에서와 같이, 연구 역량의 핵심은 문서화되지 않은 지식에 있습니다. ChatGPT는 인터넷에 기록된 텍스트만 학습하였으므로, 기록되지 않은 지식은 애초에 갖고 있지 않습니다. 학술지의 심사위원은 어떤 방법론을 선호하는지, 이 분야에서 어떤 주장이 위험한지는 그 분야에서 활동한 사람만이 압니다.

둘째, 질문의 재구성이 끊깁니다. 숙련된 지도교수는 학생이 던진 질문에 답하는 대신, 학생이 물었어야 할 질문을 되돌려 줍니다. ‘이 분석을 어떻게 돌리나요’라는 질문에 ‘이 분석이 왜 필요한가’로 답하는 것이 지도입니다. ChatGPT는 물은 대로 답을 합니다. 잘못된 질문에 정확한 답을 주는 도구는 학생이 잘못된 길로 가는 속도를 높일 뿐입니다.

셋째, 책임 있는 피드백이 끊깁니다. 지도교수의 비판에는 학생의 졸업과 커리에에 대한 책임이 실려 있습니다. 앞서 AI 논문 심사 게시물에서 다루었듯이, 언어모델은 사용자의 견해에 동조하는 경향이 있습니다. 자신의 연구 설계를 칭찬받고 싶은 대학원생에게 ChatGPT는 원하는 답을 주고, 지도교수는 필요한 답을 줍니다.

넷째, 맥락의 이어짐이 끊깁니다. 지도교수는 학생의 지난 실패와 드러난 강점, 반복되는 실수를 기억하면서 지도합니다. ChatGPT와의 대화는 매번 처음부터 시작되며, 학생이 어떤 연구자로 성장하고 있는지를 알지 못합니다. 프라임이 학위논문 컨설팅을 진행하다 보면, 지도교수와 오래 대화한 학생과 AI에만 의존한 학생의 차이가 연구계획서에서 바로 드러나는 것을 어렵게 관찰할 수 있습니다. 전자의 계획서에는 지도교수의 반문을 예상하고 미리 답한 흔적이 있고, 후자의 계획서는 매끄럽지만 왜 이 연구를 하는지가 비어 있습니다.

다섯째, 학문 공동체로의 진입이 끊깁니다. 학회 발표라는 기회, 공동연구의 제안, 추천서, 심사위원 소개는 대부분 모두 지도교수를 통해 이루어집니다. 베를린 훔볼트 인터넷사회연구소의 Fecher et al.(2025)은 AI 전문가 72명을 대상으로 델파이(Delphi) 조사를 수행하였습니다. 연구자들은 언어모델이 행정과 분석 업무를 돕는 이점을 가지고는 있으나, 연구자에게 요구되는 역량의 성격을 위협할 수 있다고 보고하였습니다. 연구자의 역량이 공동체 안에서 인정받는 구조는 AI로는 대체가 되지 않습니다.

• Fecher, B., Hebing, M., Laufer, M., Pohle, J., & Sofsky, F. (2025). Friend or foe? Exploring the implications of large language models on the science system. AI & Society, 40(2), 447–459. https://doi.org/10.1007/s00146-023-01791-1

지도 관계를 지키면서 AI를 사용하는 방법은 무엇인가?

학생-지도교수와의 관계를 지키기 위해서 요구되는 AI 사용의 핵심은 ChatGPT를 지도교수의 대체재가 아니라 면담을 준비하는 도구로 사용하는 것입니다. AI를 쓰지 말라는 뜻이 아닙니다. 질문의 최종 목적지가 지도교수여야 한다는 뜻입니다. 구체적인 방법은 다음과 같습니다.

1. 면담 전에 ChatGPT로 배경 지식을 정리하되, 그 결과를 답이 아니라 질문 목록으로 바꿉니다. ‘이 분석이 맞는가’가 아니라 ‘이 분석과 저 분석 중에서 무엇이 내 연구 질문에 맞는가’를 준비합니다.
2. 지도교수에게 질문할 때는 자신의 판단을 먼저 말합니다. 답을 구하는 질문보다는 판단을 점검받는 질문이 암묵지를 끌어냅니다.
3. ChatGPT가 제시한 답을 지도교수에게 보여 주고 어디가 틀렸는지 묻습니다. AI의 오류를 함께 찾는 과정이 가장 귀중한 지도 시간이 됩니다.
4. 면담 내용을 당일에 기록하고, 지도교수의 반문 가운데 답하지 못한 것을 다음 면담의 첫 질문으로 삼습니다.
5. 연구계획서와 논문 초안에서 AI를 사용한 범위를 지도교수에게 먼저 밝힙니다.
6. 학회와 세미나에 지도교수와 함께 참석하여 질문하는 방식을 관찰합니다. 관찰은 도제식 지도의 과정에서 절반에 이릅니다.

결론

도제식 지도의 붕괴가 남기는 손실은 세 가지로 요약됩니다. 첫째, 연구 역량의 핵심인 암묵지는 문서에 없으므로 ChatGPT에게서 배울 수 없습니다. 둘째, 약 4만 명의 과학자를 분석한 연구가 보여 주듯 멘토는 제자의 커리어 전체를 좌우하는 변수입니다. 셋째, ChatGPT의 눈치를 볼 필요가 없는 질문의 부담은 바로 도제식 지도가 작동하는 원리입니다. 앞으로 대학원 교육은 AI가 대신할 수 있는 지식 전달과 사람만이 할 수 있는 암묵지 전수를 구분하는 방향으로 재편될 것으로 보입니다. 대학원생에게 필요한 것은 AI를 끊는 것이 아니라 질문의 목적지를 바꾸는 것입니다. 이번 주 안으로 ChatGPT가 준 답 하나를 들고 지도교수를 찾아가, 어디가 틀렸는지 물어보시기 바랍니다. 그 대화가 도제식 지도의 복원이 시작되는 지점입니다.