요약
‘레벨 2 나만의 학습 방법 찾기 수업’에서 진행한 내용입니다
나의 학습 패턴을 분석하고, AI를 활용하여 개선 방향을 찾아 정리했습니다.

목차

• 1. 자신의 과거 학습(v1) 돌아보기
  • msw
  • RTL
  • useReducer
  • ContextAPI
• 2. 학습 방법 개선해보기 (v2)
  • 1. 학습 전문가 소개 받기 (AI를 통해서 프론트엔드 학습 전문가 소개 받기)
  • 2. 전문가에게 나의 학습 방법 피드백 받기
• 3. v2 를 적용하여 30분간 학습해보기
  • ✅ 지식 학습 방법 : Why-First, Then Do (선-이해, 후-실습)
    • 단계 1: WHY 질문 \& 멘탈 모델 가설 수립
    • 단계 2: DO (실전 적용 \& 문제 해결)
    • 단계 3: REVIEW \& REFINE (검토 및 멘탈 모델 정교화)
• 4. 학습을 돌아보고 v3 도출해보기
• 5. 실험 로그
  • 좋았던 점
  • 개선이 필요한 점

1. 자신의 과거 학습(v1) 돌아보기

📌 시지프 예시

레벨2에서 새로운 지식을 배울 때 어떻게 학습했는지 돌아보자 (msw, useReducer, Context API, RTL 등)

학습 과정을 재구성해보자. 구체적일수록 좋아요. 뭐라고 검색했는지, AI 에게 뭐라고 물어봤는지 등

msw

따로 시간을 내어서 학습하기보다 미션 요구사항을 맞추기 위해 사용하면서 적응하게 됨. 사용 방법을 몰랐기에 거의 AI에게 의존하면서 공부하곤 했던 것 같다.

+) 직접 테스트를 작성해보면서 어느 부분이 어려웠는지, 어떤 부분이 해결이 안되었는지 등을 실습했었다

‘현재 quantity라는 필드값이 필요한데 실제 서버에는 존재하지 않아. 그래서 이걸 msw 가상 서버를 이용해서 테스트 해보려고해. 설치 방법과 구현 방법을 가르쳐줘

RTL

msw와 마찬가지로 따로 시간을 내어서 학습한 적은 없다. 미션을 수행하기 위해서 직접 사용해보면서 익힌 사례

RTL을 사용해야 했을 당시 jest와의 차이점을 잘 이해하지 못해서 ‘이걸 왜 사용해야 하는데?’ 라는 부분에 초점을 두었던 것 같다.

현재 이런 상황에서 RTL을 사용해 테스트를 진행해야해. ~~ 이런 기능들을 테스트로 작성하고 싶어. RTL을 사용해서 test 할 수 있는 과정을 설명해줘 < —- test 코드 제공 —> 그럼 Jest랑 비교해서 RTL을 써야하는 이유를 알려줄 수 있어?

useReducer

React 공식문서에서 Reducer 관련 문서를 읽고 ContextAPI와 함께 사용해봄. 어느 순간에 필요성을 느껴서 사용했다기보다, 공식문서에서 ContextAPI + Reducer를 혼합해서 사용한 예시를 보고 ‘멋잇는데’라는 생각 때문에 사용해보고 싶었던 것 같다.

ContextAPI

마찬가지로 React 공식문서를 바탕으로 Context가 어떤 의미를 가지는지, 어떤 역할을 가지고 있는지를 공부한 다음 미션에 적용해보면서 배우게 되었다

ContextAPI를 사용하게 된 이유는 미션 요구사항을 만족시키기 위함이였던 것 같다.

2. 학습 방법 개선해보기 (v2)

📌 시지프 예시

자기만의 학습 방법을 세우는 것도 중요하지만, 기본적으로 뇌과학/인지심리학적으로 더 낫다고 알려진 방법들이 존재한다. 그런 reference 를 충분히 조사하며 학습 전략을 세워볼 것이다.

gemini / gpt

1. 학습 전문가 소개 받기 (AI를 통해서 프론트엔드 학습 전문가 소개 받기)

• 추천받은 학습 전문가 :Scott H. Young

2. 전문가에게 나의 학습 방법 피드백 받기

✅ 강점

• 실전 중심의 몰입 학습 (Project-based Learning)

  실제 미션을 해결하며 배우기 때문에 학습한 내용이 즉시 활용됩니다.

• 도구 활용 능력

  AI 등을 활용해 문제를 빠르게 해결하는 능력이 있습니다.

• 자기 주도성

  문서를 읽고 적용하거나, 문제를 스스로 파악해 해결하려는 태도가 분명합니다.

⚠️ 한계

• 멘탈 모델 부재로 인한 이해의 얕음

  “왜 이 기술을 써야 하는가?”, “이 기술은 어떤 문제를 해결하기 위해 존재하는가?”에 대한 깊은 이해 없이 도구를 쓰기 때문에, 전이 가능성(transferability)이 낮습니다. 예: RTL을 쓰면서도 Jest와의 차이를 잘 몰랐던 상황

• 학습 구조화 부족

  그때그때 필요할 때만 공부하다 보니, 전체 개념을 한눈에 보는 능력이 부족합니다. 이로 인해 유사한 기술을 접했을 때 낯설게 느껴지는 일이 반복될 수 있습니다.

• 반복적 실습이 아닌 일회성 해결 위주 학습

  ‘문제를 해결했다’는 결과는 남지만, 그 과정을 다시 반복하거나 일반화할 수 있는 기반이 부족합니다.

3. v2 를 적용하여 30분간 학습해보기

📌 시지프 예시

• Contextual Learning (목표지향, 문제 해결 중심 학습)
  • 이 기술이 문제해결을 위해 꼭 필요한 것이어야 한다. (why)
• i+1 가설
  • 자신의 지식(i) 보다 딱 1단계 어려운 것을 학습하고 시도해야 한다.단번에 프로젝트에 적용하는 것이 아니라, 쉽게 구현할 수 있는 Counter/Timer/TodoList 에 적용해야 한다.
• Learning By Doing (피드백 루프)
  • 단순한 예시에 적용해보고 실행해보며 학습한다.AI 에게 빠르게 피드백 받으며 학습한다.
• 비교와 맥락 중심 연결 학습
  • React 와 JS 렌더링은 무엇이 다르지?- RTL 과 cypress 는 뭐가 다르지?

✅ 지식 학습 방법 : Why-First, Then Do (선-이해, 후-실습)

기술의 ‘왜(Why)’를 명확히 하고, 이를 기반으로 ‘무엇을(What)’ 해야 하는지, 그리고 ‘어떻게(How)’ 해야 하는지를 유기적으로 연결하는 학습 흐름

• 단 하나만 개선한다면, 기술을 접할 때마다 ‘왜 이게 필요한가?’를 먼저 스스로 정의해보는 루틴을 만들 것을 제안합니다.

• 1. 기술을 쓰기 전 1문장 질문
     • 예: “이걸 왜 쓰지? 이게 해결하려는 문제는 뭐지?”
• 1. 자신만의 언어로 그 기술의 목적 정리 (간단히 메모해도 충분)
     • MSW: 서버 없는 상황에서도 네트워크 요청을 시뮬레이션하여 테스트 신뢰도를 높이기 위함
• 1. 사용 중 또는 사용 후, 그 정의가 맞았는지 스스로 점검

단계 1: WHY 질문 & 멘탈 모델 가설 수립

특정 기능을 사용해야 할 때 가장 먼저 이 질문을 던진다.

• 스스로에게 던지는 질문:

  • “이 기술/기능은 왜 존재하는가?”
  • “내가 이미 아는 어떤 개념/도구와 비슷하거나 다른가?” (비유, 대조)

• 정보 탐색 (AI, 공식 문서 ‘개요’, ‘개념’ 섹션 활용):

  • AI에게 직접적으로 “MSW는 왜 필요한가요? 어떤 문제를 해결하죠?” 또는 “Jest와 RTL의 핵심적인 철학적 차이는 무엇인가요?”라고 질문합니다.

• 나만의 멘탈 모델 (가설) 정리:

  • 이해한 내용을 1~2문장으로 간결하게 정리하여 나만의 멘탈 모델 가설을 세웁니다.

단계 2: DO (실전 적용 & 문제 해결)

이제 수립된 멘탈 모델 가설을 바탕으로 미션 요구사항을 해결하기 위해 기술을 직접 사용합니다. 기존 당신의 강점인 ‘실전 중심의 몰입 학습’을 그대로 이어갑니다.

• AI 및 문서 활용:

  • 필요할 때 AI에게 구체적인 사용법(How to use)을 묻고, 공식 문서를 참조하며 코드를 작성합니다.

• 테스트 및 디버깅:

  • 직접 테스트 코드를 작성하거나 기능을 구현하며 예상치 못한 문제에 부딪히고 이를 해결합니다. (이 과정에서 앞서 세운 멘탈 모델이 실제와 맞는지 점검할 수 있습니다.)

단계 3: REVIEW & REFINE (검토 및 멘탈 모델 정교화)

미션 요구사항을 해결한 후, 잠시 시간을 내어 1단계에서 세운 멘탈 모델 가설을 검토하고 정교화합니다.

• 멘탈 모델 점검:

  • “처음에 내가 세운 ‘왜(Why)’에 대한 가설이 맞았는가?”
  • “실제로 사용해보니 이 기술은 어떤 방식으로 작동하는가?”
  • “내가 생각했던 것과 다른 점은 무엇인가?”

• 새로운 인사이트 추가:

  • 새롭게 알게 된 핵심 작동 원리나 중요한 개념이 있다면, 1단계에서 정리한 멘탈 모델에 추가하거나 수정합니다.
  • 다른 사람에게 이 기술을 1분 안에 설명할 수 있을 정도로 간결하게 정리해보는 연습을 해봅니다.

⇒ V2 학습 프로세스 순환:

(이미지는 위와 같은 “Why -> Do -> Review & Refine”의 순환 구조를 나타내는 간단한 다이어그램을 상상하시면 됩니다.)

4. 학습을 돌아보고 v3 도출해보기

V2를 적용해서 React-query 공부하기

5. 실험 로그

–

📌 노트에 실험 로그를 써보자.

기존 방식과 비교하여 좋았던 점, 더 개선할 수 있는 점을 써보고, 개선안 v3 도출해보자 (10분)

좋았던 점

새로운 개념이 생겨도 그냥 이론상으로 항상 그렇구나~ 하고 넘어가길 대부분이여서 사실 어느 부분에, 어떻게 사용되는지를 이해를 잘 못하고 넘어가는 경우가 많았던 것 같다.

꽤 많은 도움을 얻었던 부분은 2가지 정도로 정리할 수 있을 것 같다.

1. 1단계에서 나만의 멘탈 모델 (가설) 정리 부분이다.

   이해한 내용을 그대로 두는 것이 아닌 내 말로 정리를 함으로써 배우려고 하는 기술이 어떤 것인지, 또 언제 필요할지를 한번 생각하고 넘어갈 수 있어서 좋았다.

   예를들어 새로운 개념 학습으로 나는 React-query를 선택했는데, 공식문서를 통해 리액트 쿼리는 ‘제공된 기능만으로 상태 관리 가능 + 최적화 가능’ 이라는 키워드를 선택하게 되었는데 이 내용을 바탕으로 2단계에서 고민해볼 수 있었다.

2. 직접 사용해보고 실습해보기

   의문점이 드는 코드를 직접 실행해보고 또 경험해보면서 새로운 기술에 대한 마음이 장벽이 많이 낮아졌다.

   이것 저것 많이 실행해보면서 공식문서 만으로는 추론할 수 없던 내용들을 직접 해보면서 알게 된 점이 많다.

개선이 필요한 점

아직은 잘 모르겠지만 아마 시간이 조금 들지 않을까 하는 생각이 든다.

근데 내가 이 개념에 대해 정말 아무것도 모른다고 한다면 내가 생각할 수 있는 거리가 없다? 라는게 조금 불편하긴 했다. 이게 레벨 1의 첫번째 활동이었어서 ..