논문을 노트로
논문을 노트로
어려운 학술 논문을 방법·결과·논의 섹션으로 구조화한 연구 노트로 변환해 문헌 검토에 바로 활용할 수 있습니다.
지원 형식 논문, 학술 PDF, 방법, 결과
실제 학습 자료로 보는 논문을 노트로
왼쪽에는 원본 자료, 오른쪽에는 바로 복습 가능한 자료 기반 결과가 표시됩니다.
분산 인출 연습이 입문 생물학 수업에서 외재적 인지 부하를 감소시킨다
Liu, J., Park, R., & Yamamoto, H. (2024)
DOI: 10.1037/edu0000789
분산 인출 연습이 외재적 인지 부하를 감소시키고 입문 생물학에서 지연 회상을 향상시키는지 검토하였다. 피험자 내 설계를 사용한 두 실험(N = 128 학부생)에서 분산 인출을 사용한 학생들이 재독 통제군에 비해 유의하게 높은 지연 회상(1주 후)을 보였다.
참가자(N = 128)는 균형 잡힌 피험자 내 설계에서 두 학습 조건을 완료하였다: 분산 인출 연습 대 재독. 지연 회상은 최종 학습 세션 1주 후 표준화된 자유 회상 검사로 평가되었으며, 두 명의 독립 평가자가 채점하였다(κ = .91).
§2.3 "desirable
difficulty"
— me, 03/04
- 방법 · 3쪽 · pp. 412–414
- 참가자: N = 128명 학부생
- 피험자 내 균형 설계
여러 논문을 일관된 필드로 추출할 때 유용.
생성됨
방법 — 완전 추출 노트
방법 — 완전 추출 노트
❓연구 질문
- 주요 RQ: 간격을 둔 인출 연습이 외재적 인지 부하를 낮추고 지연 회상을 향상시키는가? 재독과 비교.
- 부차 RQ: 주제 복잡성과 상호작용하는가?
- H1: 간격 인출 > 재독(지연 회상, 단측 검정).
- H2: 간격 인출 < 재독(자기보고 외재적 부하, NASA-TLX).
🧑🎓참가자
- 표본: 생물학 입문 과정 학부생 N = 128명.
- 인구통계: 연령 18–22(M = 19.4), 여성 62%, 단일 R1 대학 모집.
- 제외: 주의 점검 실패로 4명 제외, 최종 N = 124 분석.
- 검정력: G*Power: η² = .10, α = .05에서 Power 0.80을 위해 N = 110 필요.
🧪실험 설계
- 유형: 피험자 내, 완전 균형화(모든 참가자가 두 조건 경험).
- 조건: 간격 인출 연습 vs 재독 대조.
- 사전 등록: 설계·가설·분석 계획을 데이터 수집 전에 OSF(osf.io/x42q8)에 등록.
- 무선화: 라틴 방진으로 조건 순서를 균형화, 주제 복잡성과 균형.
📚재료
- 학습 텍스트: 생물학 2개 챕터(세포 신호, 생태학), 각 약 1,200단어, Flesch 60–65.
- 인출 프롬프트: 각 텍스트당 단답 5문제. 2회 세션에 걸쳐 4번 간격으로 출제.
- 방해 과제: 학습과 인출 사이에 스도쿠를 넣어 즉시 시연 차단.
- NASA-TLX: 6문항 인지 부하 자기보고. 각 학습 조건 직후 실시.
📋절차
- 세션 1(Day 0): 모든 참가자가 두 텍스트를 학습 — 절반은 인출, 절반은 재독. 균형화.
- 지연(Day 0–7): 재료 접촉 없음. 정확히 7일 후 복귀.
- 세션 2(Day 7): 두 텍스트의 자유 회상 + NASA-TLX 사후 평정.
📏결과 지표
- 지연 회상(주요): 마지막 학습으로부터 1주 후 자유 회상 테스트.
- 채점: 사전 지정 50개 아이디어 단위 코딩에 따른 회상 비율(0–1).
- 인지 부하(부차): 각 학습 직후 NASA-TLX 자기보고.
✅채점과 신뢰도
- 독립 평가자 2명: 조건 맹검의 박사 과정생이 256건 전체를 이중 코딩.
- 평가자 간 κ: = .91 — '거의 완벽한' 일치(Landis & Koch 1977).
- 불일치: 256건 중 11건에서 제3자 중재가 필요.
📊통계 계획
- 주요 검정: 2 × 2 반복측정 ANOVA: 학습 조건 × 주제 복잡성.
- α: .05, 양측(H1이 단측이지만 투명성을 위해 양측 보고).
- 효과크기: F값과 함께 부분 η² 보고. 사전 계획 η² ≥ .06.
- 민감도 분석: 과제 시간을 공변량에 추가해 시간 혼동 배제.
논문을 노트로가 실제 공부 흐름에서 해주는 일
기능 자체보다 중요한 건 수업, 복습, 시험 준비 안에 이 도구가 어떻게 들어오는지입니다.
방법 섹션을 구조화 추출
표본, 설계, 변수, 통계 방법을 비교 가능한 필드로 정리——문헌 검토와 바로 연결됩니다.
결과는 수치까지 보존
F 값, p 값, 효과크기(η², d), 집단 평균까지 결과 필드에 보존——단순화하지 않습니다.
논의 섹션 분해
이론적 연결, 한계, 향후 연구, 실무적 시사점을 독립 항목으로 나눕니다.
인용 네트워크
참고 문헌과 인용 관계를 인식해 논문 간 인용 네트워크를 구축합니다.
핵심어 추출
전문 용어를 자동 추출하고 플래시카드로 만들어 용어 정착을 돕습니다.
여러 논문 비교
같은 필드로 추출한 다수 논문을 문헌 검토에서 가로로 비교할 수 있습니다.
학술 논문으로 시도해 보기
논문을 선택하고 ThetaWave가 방법, 결과, 한계, 핵심 용어를 어떻게 추출하는지 확인하세요.
논문을 노트로는 누가 쓰고 있을까?
다양한 학습 상황의 학생들이 이 도구를 실제 공부 흐름에 어떻게 쓰는지 보여줍니다.
연구와 논문
Extract a comparable set of fields across papers for your literature review or thesis.
대학원생
Built for the volume of reading graduate students need to absorb each term.
이공계 학생
Methods and results-heavy STEM papers become easier to compare side-by-side.
일상 학습
Turn each paper you read into a reusable note in your daily study library.
학생들의 후기
"When I prep a literature review with my students, ThetaWave's methods and findings extraction saves us a full evening per paper."
김민서
서울대학교
"Discussion and limitations finally show up as separate notes instead of a single blob of text."
이준호
연세대학교
"For my thesis I compared 32 papers using the same extraction fields. It made the comparison part of the review actually tractable."
박서연
고려대학교
자주 묻는 질문
논문을 노트로에 대해 가장 많이 받는 질문을 정리했습니다.
논문을 노트로 바로 시작하기
자료를 올리면 몇 분 안에 복습, 암기, 공유에 더 잘 맞는 형태로 바꿔서 바로 이어서 공부할 수 있습니다.