[NotebookLM 사용법 2] 온라인 강의 3개로 ‘퀴즈 기반 마스터 노트’ 만드는 법

들어가며: 지식은 물, 우리는 그릇

강의는 끝났는데 머릿속은 물처럼 흘러갑니다. 지식은 흐르고, 우리는 자꾸 잊습니다. 이 글은 그 물을 ‘퀴즈’라는 그릇에 담아 언제든 꺼내 마실 수 있는 마스터 노트로 만드는 방법을 다룹니다. 도구는 NotebookLM, 재료는 온라인 강의 3개면 충분합니다. 핵심은 능동 회상(Active Recall)과 간격 반복(Spaced Repetition)을 자동화 가능한 단위로 설계하는 것입니다.

로드맵(한 장 요약)

1. 수집 표준화: 강의 3개 선택, 메타데이터 정리

2. 요약 & 개념망: 10문장 요약 + 핵심 개념 그래프

3. 퀴즈 생성: 난이도 3단계 x 유형 5종(MCQ/빈칸/OX/단답/응용)

4. 오답노트 자동화: 해설·근거·재출제 규칙

5. 스페이싱 스케줄: 1-3-7-14-30일 규칙 + 미니 테스트

준비물: 강의는 ‘다르게 겹치게’ 고르기

• 강의 3개: 한 주제의 서로 다른 난이도/관점(예: 입문·실전·케이스)

• 소스 타입: 자막 .srt/.vtt, 슬라이드 PDF, 강의 노트 링크(텍스트화)

• 파일명 규칙: YYYYMM_주제_출처_레벨 예) 202510_RAG_DeepSchool_Intro

• Notebook: B_QuizMaster_2025Q4 생성 후 자료 업로드

팁: 서로 겹치되 다르게 고르는 게 포인트입니다. 입문 강의는 용어의 뼈대를, 실전 강의는 절차를, 케이스 강의는 맥락을 제공합니다. 겹침은 기억 고정에 좋고 차이는 이해 확장에 좋습니다.

실습 1 — 요약과 개념망(복붙 스크립트)

STEP 1: 강의별 10문장 요약

NotebookLM에 아래를 붙여 넣으세요.

[역할] 학습 설계 어시스턴트
[작업] 업로드된 각 강의 자막/노트를 10문장으로 요약
[규칙]
- 각 문장에 근거(강의명, 타임스탬프 or 슬라이드 페이지) 표시
- 중복 용어는 통일(예: “retrieval augmentation”=“RAG”)
- 난이도 태그[입문/중급/실전] 부여
[출력] 강의A/B/C 별 마크다운 목록

학습 설계 어시스턴트로서, 업로드된 자료를 분석하여 "Skills"와 "YouTube 스크립트 작성 워크플로우"에 초점을 맞춘 다섯 가지 강의에 대한 10문장 요약을 제공합니다. 중복 용어는 Skills, MCP, RAG로 통일했습니다.

---

강의 A: Agent Skills - Claude Docs (문서 발췌)

난이도 태그[입문]

1. Skills는 명령어, 스크립트, 리소스를 포함하는 조직화된 폴더로 Claude의 기능을 확장하는 모듈식 역량입니다. (강의A, p. 4)

2. Skills는 Claude Code 버전 1.0 이상에서 사용할 수 있으며, Claude가 요청 및 Skill 설명에 기반하여 자율적으로 사용 시점을 결정하는 모델-호출(model-invoked) 방식입니다. (강의A, p. 4)

3. Skill은 SKILL.md 파일(필수)과 스크립트 또는 템플릿과 같은 선택적 지원 파일로 구성됩니다. (강의A, p. 4, 8)

4. Skill은 개인 워크플로우를 위한 개인 Skills(~/.claude/skills/), 팀 공유를 위한 프로젝트 Skills(.claude/skills/), 플러그인에 번들로 제공되는 플러그인 Skills의 세 가지 유형으로 저장됩니다. (강의A, p. 5, 6, 10)

5. Skill이 언제 사용될지 결정하는 데 중요한 description 필드는 Skill이 수행하는 작업과 사용 시점을 모두 포함해야 하며 최대 1024자까지 가능합니다. (강의A, p. 7, 8)

6. Skill의 allowed-tools 필드를 사용하여 Skill이 활성화되었을 때 Claude가 사용할 수 있는 도구(예: Read, Grep, Glob)를 제한할 수 있습니다. (강의A, p. 9, 10)

7. 사용 가능한 모든 Skills를 확인하려면 Claude에게 "What Skills are available?"와 같이 직접 질문할 수 있습니다. (강의A, p. 11)

8. Skill을 테스트한 후 Claude가 Skill을 사용하지 않는 경우, description을 더 구체적으로 만들거나, 파일 경로 및 YAML 구문을 확인하여 디버깅할 수 있습니다. (강의A, p. 12, 13, 18)

9. Skill을 팀과 공유하는 권장 방법은 플러그인을 통하는 것이지만, Git 커밋을 통해 프로젝트 Skill로 직접 공유할 수도 있습니다. (강의A, p. 13, 14)

10. 모범 사례에는 Skill의 초점을 한 가지 기능에 맞추고(예: "PDF 폼 채우기"), 명확한 설명을 작성하며, Skill 버전 기록을 문서화하는 것이 포함됩니다. (강의A, p. 16, 17)

강의 B: Claude Skills: Complete Guide for Developers (블로그 발췌)

난이도 태그[중급]

1. Skills는 조직의 절차, 브랜드 지침, 도메인 전문 지식의 반복적인 입력을 제거하여 AI 기반 워크플로우 구축 방식을 근본적으로 변화시킬 수 있습니다. (강의B, Oct 20, 2025)

2. Skills는 RAG(Retrieval-Augmented Generation)와 달리 Claude의 실행 환경 내 파일 시스템 접근에 의존하며, 복잡한 작업을 위한 "무한한 컨텍스트"를 포함할 수 있습니다. (강의B, p. 44)

3. Skills는 활성화당 30~50 토큰만 사용하여, 수만 토큰을 사용하는 MCP(Model Context Protocol) 컨텍스트에 비해 토큰 사용량이 매우 효율적입니다. (강의B, p. 41, 54)

4. Skills 아키텍처는 메타데이터, SKILL.md의 지침, 스크립트 및 참조 파일과 같은 리소스로 구성되어 필요한 것만 로드하는 점진적 공개(progressive disclosure)를 사용합니다. (강의B, p. 43, 55)

5. Skills는 정렬, 계산, 데이터 변환 등 확정적인 작업에 대한 코드를 포함할 수 있으며, 이는 토큰 생성 대신 직접 실행되어 더 빠르고 안정적입니다. (강의B, p. 45)

6. Anthropic은 모든 계정에 xlsx, pptx, docx, pdf의 네 가지 내장 Skills를 제공하며, 이는 문서 생성 기능을 강화합니다. (강의B, p. 46)

7. Custom Instructions가 범용적인 행동 선호도를 설정하는 반면, Skills는 관련성이 있을 때만 활성화되는 작업별 상세 절차를 제공합니다. (강의B, p. 53)

8. MCP가 외부 서비스(API, 데이터베이스)에 대한 접근을 제공하는 반면, Skills는 워크플로우, 표준, 도메인 전문 지식 등 절차적 지식(procedural knowledge)을 정의합니다. (강의B, p. 54, 55)

9. Skills를 쉽게 생성하는 방법으로는 대화형 마법사인 skill-creator Skill을 사용하는 방법과, SKILL.md 파일을 수동으로 만들어 ZIP 파일로 업로드하는 방법이 있습니다. (강의B, p. 48)

10. 프로덕션 환경을 위한 모범 사례에는 효과적인 description 작성, 확정적 로직에 대한 스크립트 사용, 배포 전 보안 감사, 그리고 변경 사항의 철저한 문서화 및 버전 관리 등이 포함됩니다. (강의B, p. 55, 56, 57)

강의 C: Stacking Claude Skills to Create Complex Workflows (egghead.io 발췌)

난이도 태그[실전]

1. 개별 Skills의 진정한 잠재력은 복잡하고 재사용 가능한 워크플로우를 생성하기 위해 Skills를 결합(stacking)할 때 발휘됩니다. (강의C, p. 154, 165)

2. compress Skill은 사용자의 요청 결과로 생성된 파일을 .tar.gz 파일로 보관하며, 이때 Bash(tar:*) 명령어를 allowed-tools에 명시할 수 있습니다. (강의C, p. 155, 162)

3. 복잡한 워크플로우를 위해 compress Skill은 파일 압축 시 타임스탬프를 얻기 위해 별도의 timestamp Skill에 의존하도록 설계되었습니다. (강의C, p. 154, 156)

4. 초기에 compress Skill이 timestamp Skill을 인식하지 못하고 타임스탬프를 추측하는 문제가 발생했습니다. (강의C, p. 156, 162)

5. 이 문제를 해결하기 위해 SKILL.md 파일 내에 ## Requirements 섹션을 추가하여 "You must use the timestamp skill to create the timestamp"와 같은 명시적인 종속성을 정의했습니다. (강의C, p. 156)

6. 이 명시적 지침을 통해 Claude는 먼저 timestamp Skill을 실행하여 출력을 캡처한 후, 그 출력을 compress Skill의 명령에 대체하여 실행하는 워크플로우를 구축합니다. (강의C, p. 157)

7. Skill 스태킹(stacking) 패턴은 "Please create a summary of @index.ts and then compress the summary"와 같은 여러 단계를 포함하는 복잡한 요청 처리를 가능하게 합니다. (강의C, p. 157)

8. Claude는 이 과정을 통해 파일을 요약하고, timestamp Skill을 실행하여 정확한 시간을 얻고, 마지막으로 compress Skill을 실행하여 정확한 타임스탬프가 지정된 파일을 만듭니다. (강의C, p. 158, 163)

9. SKILL.md 파일 내의 <angle brackets> 안에 있는 자리 표시자는 AI에게 컨텍스트를 제공하는 일반적인 관습일 뿐이며 특별한 기술적 의미는 없습니다. (강의C, p. 161)

10. 이처럼 상위 수준의 Skill이 다른 Skill을 참조하는 방식을 통해, 개발자는 upload Skill이 compress Skill을 참조하고, compress Skill이 timestamp Skill을 참조하는 것과 같은 전체 워크플로우를 생성할 수 있습니다. (강의C, p. 165)

강의 D: How I Use Claude AI to Write Sleep Video Scripts (YouTube 발췌)

난이도 태그[중급]

1. Claude의 프로젝트(Project) 기능을 활용하여 비디오 스크립트를 작성하는 워크플로우는 Instructions, Sample (Template), 그리고 Prompt의 세 가지 핵심 구성 요소로 이루어집니다. (강의D, 5:00, 6:10)

2. Instructions 섹션은 채팅 스레드와 달리 메모리 손실 없이 Claude가 일관되게 참고하는 영구적인 지침을 제공합니다. (강의D, 6:30, 7:15)

3. Instructions에는 채널 정보, 스타일(예: ASMR), 최소 단어 수(예: 15,000단어), 원하는 비디오 길이(예: 2시간), 그리고 최소 웹 검색 횟수(예: 7회)와 같은 세부적인 목표를 명시합니다. (강의D, 9:50, 10:20, 16:15)

4. AI의 환각(hallucination)을 막기 위해, Claude에게 사실적이고 검증된 정보를 사용하도록 지시하고 정확성 확인이 불가능한 정보는 추측(speculation)으로 명확히 레이블을 지정하도록 요청해야 합니다. (강의D, 10:55, 11:30)

5. 스크립트가 청취자에게 생생한 이미지를 전달할 수 있도록 상세하고 생생하며 이미지 유발적인 언어를 사용하여 포괄적으로 주제를 다루도록 지시합니다. (강의D, 12:00)

6. 스크립트 길이는 채우기(filler)나 반복(repetition)이 아닌 철저한 적용과 풍부한 서술적 세부 사항을 통해 달성해야 한다고 명시하여 불필요한 반복을 방지합니다. (강의D, 13:00, 13:30)

7. 스크립트 작성 시 장면 지시(scene direction)나 타임스탬프를 포함하지 않도록 지시하고, 개인적인 선호에 따라 'tapestry'와 같이 AI가 흔히 사용하는 단어를 피하도록 요청할 수 있습니다. (강의D, 15:30, 16:00)

8. Sample (Template) 스크립트는 목표하는 스타일과 톤을 모방하기 위해 YouTube-transcript.io와 같은 웹사이트에서 추출한 기존 비디오의 텍스트 스크립트를 파일로 업로드하여 제공합니다. (강의D, 16:20, 17:30)

9. 스크립트 작성이 완료되면, 스크립트의 정확성을 수정하고 환각이 없는지 최종 확인하는 후속 프롬프트를 실행하여 95% 수준의 정확도를 목표로 합니다. (강의D, 19:15)

10. 완성된 스크립트는 텍스트 문서에 복사한 후, 11 Labs와 같은 텍스트-음성 변환 플랫폼에 오디오북으로 업로드하여 음성 해설을 생성합니다. (강의D, 21:00, 22:15)

강의 E: How I’m using Claude to script YouTube videos (YouTube 발췌)

난이도 태그[중급]

1. 성공적인 콘텐츠 아이디어를 찾으려면, AI에 일반적인 프롬프트를 요청하는 대신, 잠재 고객이 활동하는 YouTube 및 Reddit에서 관련 비디오의 상위 댓글 25~50개를 수집하여 컨텍스트 창에 붙여넣습니다. (강의E, 1:00, 1:40)

2. Claude에게 이 댓글들을 분석하여 콘텐츠에서 청중이 가장 좋아했던 상위 5가지와 다루었으면 하는 상위 5가지 항목을 식별하도록 요청합니다. (강의E, 3:50)

3. 청중의 진정한 피드백을 포착하기 위해, AI에게 분석 시 정확한 인용구(exact quotes)와 언어를 사용하도록 요청하는 것이 중요합니다. (강의E, 4:20)

4. 분석 결과에 기반하여, Claude에게 잘 수행된 점을 활용하고 누락된 부분을 보완하는 세 가지 구체적인 콘텐츠 기회(content opportunities)를 식별하도록 요청하여 아이디어를 구체화합니다. (강의E, 5:00)

5. 킬러 후크(Hook)를 생성할 때, 질문 후크, 직설적 후크, 충격적인 진술 후크와 같은 고유한 스타일의 형식을 제시하고 예시를 제공하여 AI의 응답을 향상시킵니다. (강의E, 6:30, 7:30)

6. AI가 생성하는 콘텐츠가 "lookalike content"가 되는 문제를 해결하기 위해, 크리에이터는 개인적인 통찰력과 경험을 기록한 스토리 뱅크(Story Bank) 문서를 생성하여 사용합니다. (강의E, 9:00, 9:30)

7. 스토리 뱅크 문서를 Claude에 업로드한 다음, 관련 세부 사항과 이야기를 포함하여 화자 본인의 관점에서 비디오 스크립트를 다시 작성하도록 지시합니다. (강의E, 10:00, 10:40)

8. 이 접근 방식은 AI가 스토리 뱅크를 기반으로 작성자의 목소리를 모방하고, 개인적인 배경(예: 대학, 직업)과 관련된 세부 정보를 스크립트에 통합하여 콘텐츠의 진정성을 높입니다. (강의E, 11:30)

9. 이 워크플로우를 통해 좋은 아이디어, 킬러 후크, 개인화된 콘텐츠라는 세 가지 요소가 서로 쌓여 더 나은 결과를 낳게 합니다. (강의E, 8:45, 12:30)

10. AI 출력물은 항상 편집과 수정을 거쳐 자신의 목소리처럼 느껴지도록 만들어야 하는 첫 번째 초안(first draft)으로 간주해야 합니다. (강의E, 12:30)

STEP 2: 핵심 개념망(Concept Map) 뽑기

[목표] 세 강의의 공통/차별 개념을 개념망으로 요약
[출력]
- 중심 노드 5개(정의+1문장 근거)
- 연결 규칙 10개(관계 동사: 원인/조건/대조/확장)
- 겹치는 개념 vs 고유 개념 표

왜 개념망인가? 요약은 가볍게 기억시키고, 개념망은 ‘어디에 걸려 있는지’를 보여줍니다. 퀴즈는 이 연결부를 가장 많이 흔듭니다. 연결이 약한 개념은 오답으로 튀어나와 고쳐지기 쉽습니다.

개념망 요약 (Conceptual Network Summary)

중심 노드 5개 (5 Central Nodes)

1. Skills (에이전트 역량) / Agent Skills

   • 정의: Claude의 기능을 확장하기 위해 명령어, 스크립트, 리소스를 포함하는 조직화된 폴더에 묶은 모듈식 역량.

   • 근거: Skills는 Claude Code 버전 1.0 이상에서 사용할 수 있으며, Claude가 요청 및 Skill 설명에 기반하여 자율적으로 사용 시점을 결정하는 모델-호출(model-invoked) 방식입니다.

2. 절차적 지식 (Procedural Knowledge)

   • 정의: 조직의 절차, 브랜드 지침, 워크플로우, 도메인 전문 지식 등 반복적인 입력을 제거하여 AI 기반 워크플로우를 일관되게 정의하는 지식.

   • 근거: Skills는 워크플로우, 표준, 도메인 전문 지식 등 절차적 지식(procedural knowledge)을 정의하며, 이는 AI가 특정 작업을 일관성 있게 수행하도록 유도합니다.

3. 설명 품질 및 활성화 (Description Quality & Activation)

   • 정의: Claude가 Skill의 사용 시점(model-invoked)을 자율적으로 결정하고(model-invoked) 또는 Projects가 지침을 일관되게 적용하도록 유도하는 데 필수적인 명확하고 구체적인 지침 메타데이터.

   • 근거: Skill의 description 필드는 Skill이 수행하는 작업과 사용 시점을 모두 포함해야 하며, 구체적인 트리거 용어를 포함하지 않으면 Skill이 활성화되지 않거나 충돌이 발생할 수 있습니다.

4. 컨텍스트 관리 및 효율성 (Context Management & Efficiency)

   • 정의: 반복적인 컨텍스트 제공을 줄이고, 필요한 정보만 필요할 때 로드하여 토큰 사용량을 최소화하고 응답 속도를 높이는 아키텍처적 접근.

   • 근거: Skills 아키텍처는 메타데이터, 지침, 리소스를 포함하는 점진적 공개(progressive disclosure)를 사용하여 필요한 것만 로드함으로써 수만 토큰을 사용하는 MCP 컨텍스트와 대조적으로 30~50 토큰만 사용합니다.

5. 구조화된 콘텐츠 워크플로우 (Structured Content Workflow)

   • 정의: 일관되고 품질 높은 YouTube 콘텐츠 생성을 위해 Claude의 Projects 기능을 활용하여 Instructions, Sample (Template), Prompt의 세 가지 구조화된 구성 요소로 프로세스를 정의하는 방법.

   • 근거: Projects의 Instructions 섹션은 채팅 스레드와 달리 메모리 손실 없이 채널 정보, 스타일, 길이 등 일관된 행동 선호도를 설정하는 영구적인 지침을 제공합니다.

연결 규칙 10개 (10 Linking Rules)

번호	관계 동사	규칙 설명	근거
1	원인	Skills는 점진적 공개(progressive disclosure)를 사용하기 때문에 컨텍스트 관리 및 효율성이 높아 토큰 사용량이 현저히 낮습니다.
2	원인	절차적 지식을 Skills 폴더 내 스크립트에 코드로 작성하면, 토큰 생성 대신 직접 실행되어 작업 수행이 더 빠르고 안정적이게 되는 결과를 낳습니다.
3	조건	Skills가 ## Requirements 섹션을 통해 다른 Skill에 대한 명시적 종속성을 정의하는 경우에만 compress와 timestamp Skill을 결합한 복잡한 워크플로우를 생성할 수 있습니다.
4	조건	YouTube 스크립트 작성을 위해 구조화된 콘텐츠 워크플로우에서 Audience Feedback Analysis를 통해 청중의 진정한 피드백을 포착하는 경우에만 일반적인 프롬프트보다 더 구체적인 콘텐츠 기회를 얻을 수 있습니다.
5	대조	Skills는 절차적 지식과 로컬 연산에 초점을 맞추는 반면, MCP는 외부 서비스(API, 데이터베이스)에 대한 접근을 제공하여 상호보완적으로 사용됩니다.
6	대조	Skills는 관련성이 있을 때만 활성화되는 작업별 상세 절차를 제공하는 반면, Custom Instructions는 모든 대화에 적용되는 범용적인 행동 선호도를 설정합니다.
7	대조	Skills는 Claude의 파일 시스템 접근에 의존하여 "무한한 컨텍스트"를 포함할 수 있는 반면, RAG는 일반적으로 청킹 및 임베딩 제한을 받습니다.
8	확장	설명 품질 및 활성화 모범 사례를 적용하여 Skill 생성을 자동화하는 skill-creator Skill을 사용하는 것으로 확장함으로써, 비기술적 팀원도 쉽게 Skill을 만들 수 있습니다.
9	확장	구조화된 콘텐츠 워크플로우에 개인적인 경험이 담긴 스토리 뱅크 문서를 추가하여 스크립트를 재작성하도록 지시함으로써, 콘텐츠의 진정성 확보 수준으로 확장할 수 있습니다.
10	원인	설명 품질 및 활성화가 불분명하거나 모호하면, Claude는 여러 Skill 중 잘못된 Skill을 사용하거나 충돌하는 결과를 초래합니다.

겹치는 개념 vs 고유 개념 표

세 가지 강의 유형(A/B/C: Skills 기술, D/E: 스크립트 워크플로우)에서 다루는 개념들을 비교합니다.

분류	겹치는 개념 (Skills/스크립트 공통)	Skills 고유 개념 (강의 A, B, C)	스크립트 워크플로우 고유 개념 (강의 D, E)
목표	일관성 및 재사용성 확보	모듈식 기능 확장 및 코드 실행	개인화 및 청중 피드백 반영
아키텍처/구조	구조화된 지침(Instructions) 사용	Skills (폴더, SKILL.md, YAML frontmatter)	Projects 기능 (Instructions, Sample, Prompt 3단계)
컨텍스트/효율	토큰 및 컨텍스트 관리 중요성 강조	점진적 공개(Progressive Disclosure)	채팅 스레드 메모리 손실 문제 해결
외부 요소	외부 데이터(코드/문서) 참조	MCP (외부 API/데이터베이스 연결)	Story Bank 및 YouTube/Reddit 댓글 (청중 피드백)
활성화	구체적인 설명(description) 요구	Model-Invoked (자율적 활성화)	Custom Instructions (범용적 선호도) 및 프롬프트 명시

실습 2 — 퀴즈 생성(난이도×유형 MECE 설계)

퀴즈 프롬프트(통째로 사용)

[역할] 퀴즈 메이커
[자료] '요약 10문장'과 '개념망' 결과
[목표] 마스터 노트용 퀴즈 세트 생성
[구성]
- 난이도: Easy/Medium/Hard 각 5문항(총 15)
- 유형: MCQ 6, 빈칸 3, OX 2, 단답 2, 응용 서술 2
- 각 문항에 정답, 오답매력지(왜 틀리기 쉬운지), 해설, 근거(강의명+타임스탬프)
[출력] 마크다운, 문항ID는 QM-001 형식
[규칙]
- 용어 정의와 절차 구분
- 응용 문제는 실무 시나리오로 출제
- 오답은 ‘개념망의 혼동 가능한 이웃 개념’에서 생성

유형 MECE 팁

• MCQ(다지선다): 개념 경계 확인

• 빈칸: 용어·공식 정밀도

• OX: 직관 교정

• 단답: 핵심 키워드 회상

• 응용 서술: 전이(Transfer) 점검

마스터 노트용 퀴즈 세트 (Master Note Quiz Set)

난이도: Easy (5문항)

난이도: Medium (5문항)

난이도: Hard (5문항)

실습 3 — 오답노트 자동화(재출제 규칙 포함)

오답노트 프롬프트

[역할] 오답노트 편집자
[입력] 퀴즈 결과(정답/오답), 각 문항 해설/근거
[작업]
1) 오답만 모아 '원인 분류' (용어 혼동/개념 경계/절차 누락/사례 맥락 오류)
2) 원인 유형별 '30초 리마인드 카드' 생성(정의/예시/주의점)
3) 각 오답에 '재출제 버전' 1문항 생성(난이도↓ 또는 유사 맥락 변경)
[출력] 오답노트 v1 (카드형), 재출제 문항ID는 R-QM-xxx

리마인드 카드 템플릿(NotebookLM에 제공)

# CARD: {개념명}
- 정의(한 줄):
- 핵심 비교(대조 개념 1개):
- 예시(10단어 내):
- 실수 포인트(1문장):
- 근거(강의/타임스탬프):

비유하자면, 오답노트는 지식의 흠집을 메우는 스패클입니다. 작은 틈을 즉시 메우면, 벽 전체가 단단해집니다.

실습 4 — 스페이싱 반복(1-3-7-14-30 규칙)

기억은 반복 간격을 먹고 자랍니다. 아래 스크립트로 자동화 계획을 만들어요.

[역할] 스페이싱 스케줄러
[입력] 오답노트 v1, 퀴즈 세트, 오늘 날짜(YYYY-MM-DD)
[규칙]
- 복습 간격: D+1, D+3, D+7, D+14, D+30
- 각 복습 회차마다: (1) 리마인드 카드 3장, (2) 재출제 문항 5개, (3) 2분 미니테스트(혼합형)
- 미니테스트 평균 정답률 ≥85%면 다음 간격으로, 미달 시 간격 리셋
[출력] 회차별 체크리스트 + 달력형 일정

미니테스트 프롬프트(간단형)

[역할] 미니테스트 메이커
[자료] 마지막 오답 목록 우선
[요구] 2분 분량(문항 6~8개), 즉시 채점+간단 피드백

예시 시나리오: RAG(검색증강생성) 강의 3개로 구성한다면

• 공통 개념: 인덱싱, 쿼리확장, 재랭킹, 컨텍스트 조합

• 혼동 포인트: 임베딩 vs BM25, 리콜↑가 항상 답인가?, 지식베이스 노이즈

• 응용 문항 예: “FAQ 봇에서 리콜·정확도·응답시간을 동시에 개선해야 할 때, 컨텍스트 길이와 하이브리드 인덱스를 어떻게 조합하겠는가? (근거: 강의B 12:30–13:10)”

이렇게 강의 간 겹침을 의도적으로 건드리는 문항이 실무 전이에 강합니다.

품질 보증 루틴(빠르고 단단하게)

1. 근거성: 퀴즈 해설 전부에 타임스탬프/슬라이드 페이지 존재 여부 확인

2. 난이도 곡선: Easy→Hard로 평균 정답률이 자연스레 하락해야 정상

3. 형태 다양성: 유형 편중 금지(MCQ 과다시 단답/응용 보강)

4. 오답 이력: 같은 개념으로 3회 이상 오답이면 개념망 정의 재작성

5. 재현성: 동일 소스 재생성 시 문항ID 달라도 개념 커버리지는 90% 이상 일치

흔한 실패와 해결

• 요약이 과도하게 일반적 → 개념망 단계에서 관계 동사(원인/조건/대조)를 강제

• 오답이 억지 → 오답은 항상 ‘혼동 이웃’에서 뽑기(개념망 활용)

• 복습 누락 → 스페이싱 스케줄을 달력형 출력으로 받기

• 정답 외우기만 → 응용 서술형에 실무 맥락(시간·자원 제약) 삽입

마스터 노트 구조(최종 산출물 예시)

• 표지: 주제/기간/총 문항 수/최종 정답률

• 1장: 10문장 요약(강의A/B/C)

• 2장: 개념망(중심 5개+연결 10개)

• 3장: 퀴즈(난이도/유형별 섹션, 문항ID)

• 4장: 오답노트(원인 분류+리마인드 카드)

• 5장: 스페이싱 일정표+미니테스트 링크

이 마스터 노트는 공부의 결산서입니다. 어디서 벌고(정답), 어디서 새는지(오답)가 바로 보입니다.

TL;DR

• 강의 3개를 요약→개념망으로 정리하고,

• 난이도×유형 MECE 퀴즈로 능동 회상을 설계하며,

• 오답노트+스페이싱으로 기억을 고정한다.

• NotebookLM 프롬프트는 복붙으로 바로 실행 가능.

FAQ

Q1. 자막이 없는 강의는? A. 슬라이드 PDF+강의 노트를 텍스트로 보강하세요. 타임스탬프 대신 슬라이드 페이지를 근거로 사용합니다.

Q2. 학습 시간이 넉넉지 않아요. A. Easy 5문항+오답만 스페이싱으로 돌려도 체감 효과가 큽니다. 시작이 반입니다.

Q3. 팀 학습에 쓰려면? A. 동일 문항을 팀별로 풀고, 오답 원인 분류를 비교하세요. 혼동 이웃이 조직별로 다르게 나타납니다.

체크리스트(출력 전 마지막 1분)

• 모든 해설에 근거(타임스탬프/슬라이드)

• 난이도 곡선 자연스러움

• 유형 다양성 유지

• 오답노트에 재출제 문항 포함

• 스페이싱 달력 출력 완료

이미지 제안(게시용)

• 프로세스 다이어그램: “강의→요약→개념망→퀴즈→오답→스페이싱” 흐름

• ALT: “NotebookLM으로 강의 3개를 요약하고 퀴즈·오답노트·스페이싱까지 자동화하는 프로세스 다이어그램”

마무리

지식이 물처럼 흘러가지 않도록, 우리는 오늘 퀴즈라는 그릇을 만들었습니다. 이제 내일의 당신에게 맡기세요. D+1, D+3 알람이 울릴 때마다 짧게, 정확하게 복습하면 됩니다. 다음 편(3편)에서는 같은 방식으로 스타트업 경쟁 분석 ‘포지셔닝 배틀카드’를 NotebookLM으로 빠르게 만드는 실전 과정을 안내합니다.