목록으로
교육·학습을 위한 AI 활용
AI와 함께 만든 SQLD 복습실: 확신했던 오답을 찾아 복습으로 연결하다.
SQLD 준비를 위해 AI로 퀴즈와 자동 오답노트를 만들고, 첫 진단에서 확신했던 오답을 찾아 개인별 복습 문제로 연결했습니다.
🤖 활용 AI 도구
Codex: SQLD 연습 문항·해설 생성, 학습 도구 제작, 풀이 기록 분석, 맞춤 복습 문제 제작
① 어떤 상황에서 AI를 활용했나요?
저는 SQLD 자격증을 준비하고 있습니다. AI에게 퀴즈를 요청하면 객관식 문제를 풀 수 있다는 점에 주목했습니다. 문제를 푼 뒤에는 틀린 내용과 다시 공부할 내용을 함께 정리하고 싶었습니다. 그래서 AI와 함께 문제 생성, 답안 기록, 오답노트, 새로운 문제 복습을 연결하는 ‘SQLD 복습실’을 만들고 첫 진단에 적용했습니다.
② 어떤 AI를 어떻게 활용했나요?
Codex에 SQLD 학습용 4지선다 문제와 해설, 복습 절차를 요청했습니다. A형 50문항과 개념 전이용 B형 20문항을 새로 만들었습니다. 각 문항에는 정답, 해설, 복습 규칙, 참고문서를 붙였습니다. 실제 기출을 복제하거나 특정 회차 기출이라고 표시하지 않았습니다.
문제와 해설의 오류를 줄이기 위해 공통 SQL로 실행 가능한 47문항은 SQLite에서 결과를 확인했습니다. 모델링 개념과 Oracle 전용 항목 등 나머지 23문항은 해설·문서를 검토했습니다. SQLite 검증을 Oracle 실행 검증으로 표현하지 않았습니다.
학습 도구에서는 답과 함께 확신 정도와 선택 이유를 기록할 수 있습니다. 답안을 제출하면 채점하고 오답노트를 만듭니다. 틀린 문제뿐 아니라 정답이어도 확신이 낮거나 미기록인 문항을 복습 후보로 모읍니다. 기록은 다운로드해 AI와 후속 문답에 사용할 수 있습니다. 도구 자체는 검토된 문항으로 작동하며 실시간 AI 연결은 없습니다.
③ 활용 결과 어떤 변화가 있었나요?
첫 진단 기록은 10문항 중 1문항 정답이었습니다. 데이터 모델링은 1/2, SQL은 0/8이었습니다. 오답 9문항 중 2문항은 확신 정도를 ‘높음’으로 표시한 상태에서 틀렸습니다. 하나는 그룹별 집계 조건의 위치를 묻는 문제, 다른 하나는 CROSS JOIN의 결과 행 수를 묻는 문제였습니다.
이 기록을 AI에게 전달하자 단순히 오답을 나열하는 대신, 확신이 높았던 두 문항을 먼저 복습할 대상으로 제안했습니다. 또한 COUNT, NOT IN, 조건부 COUNT의 오답을 NULL 처리라는 공통 주제로 묶어 설명했습니다.
첫 진단에서는 선택 이유를 입력하지 않았습니다. AI는 이를 근거로 오답 원인을 단정하지 않고 가능한 혼동과 확인할 질문을 구분했습니다. 이후 GROUP BY·HAVING을 새 데이터에서 확인하는 복습 문제를 받았습니다. 현재 확인된 결과는 최초 진단과 맞춤 분석, 후속 문제 제시까지입니다. 재시험 점수나 학습 시간 단축, 실제 시험 합격 성과는 아직 측정하지 않았습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
첫째, 정답 여부와 확신을 함께 봅니다. 첫 진단에서 확신했던 오답 두 개를 찾으면서, ‘잘 안다고 느낀 내용’도 확인할 필요가 있음을 구체적으로 볼 수 있었습니다.
둘째, 기록이 부족한 부분도 드러냅니다. 선택 이유가 없으면 AI가 학습자의 생각을 정확히 알 수 없습니다. 첫 기록의 한계를 분석에 남기고, 후속 문제부터는 답과 이유, 확신을 함께 남기도록 복습 방식을 정했습니다.
셋째, 정답을 외우는 반복과 개념을 적용하는 연습을 구분합니다. 예를 들어 COUNT에서 NULL을 제외한다는 규칙을 배운 뒤, 0과 NULL이 함께 있는 데이터로 다시 묻습니다. 조건이 달라져도 같은 규칙을 설명할 수 있는지 확인하는 방식입니다.
넷째, 공식 합격률과 개인 연습 결과를 구분합니다. 민간자격정보서비스에서 확인한 SQLD 합격률은 2025년 41.68%, 2024년 57.29%, 2023년 47.81%입니다. 이는 전체 응시자 통계이며 제 합격 확률이나 AI 학습 효과를 뜻하지 않습니다.
⑤ 다른 사람도 따라 할 수 있나요?
퀴즈를 풀고 답·이유·확신을 기록한 뒤, 자동 오답노트를 AI에게 전달하면 같은 흐름을 따라 할 수 있습니다. 함께 만든 프롬프트는 이유가 부족할 때 질문하기, 정답을 미리 공개하지 않기, 개념을 다른 상황으로 바꿔 출제하기를 포함합니다.
다른 자격시험에서도 공식 범위를 확인하고 문항·검증 방법을 바꾸면 적용할 수 있습니다. 개인정보가 없는 연습 데이터를 사용하고, 출처와 실제 기록을 남기는 것이 재현의 기준입니다. 앞으로는 첫 진단과 후속 복습 기록을 구분해 축적하며, 실제 관찰한 변화만 보고할 계획입니다.
저는 SQLD 자격증을 준비하고 있습니다. AI에게 퀴즈를 요청하면 객관식 문제를 풀 수 있다는 점에 주목했습니다. 문제를 푼 뒤에는 틀린 내용과 다시 공부할 내용을 함께 정리하고 싶었습니다. 그래서 AI와 함께 문제 생성, 답안 기록, 오답노트, 새로운 문제 복습을 연결하는 ‘SQLD 복습실’을 만들고 첫 진단에 적용했습니다.
② 어떤 AI를 어떻게 활용했나요?
Codex에 SQLD 학습용 4지선다 문제와 해설, 복습 절차를 요청했습니다. A형 50문항과 개념 전이용 B형 20문항을 새로 만들었습니다. 각 문항에는 정답, 해설, 복습 규칙, 참고문서를 붙였습니다. 실제 기출을 복제하거나 특정 회차 기출이라고 표시하지 않았습니다.
문제와 해설의 오류를 줄이기 위해 공통 SQL로 실행 가능한 47문항은 SQLite에서 결과를 확인했습니다. 모델링 개념과 Oracle 전용 항목 등 나머지 23문항은 해설·문서를 검토했습니다. SQLite 검증을 Oracle 실행 검증으로 표현하지 않았습니다.
학습 도구에서는 답과 함께 확신 정도와 선택 이유를 기록할 수 있습니다. 답안을 제출하면 채점하고 오답노트를 만듭니다. 틀린 문제뿐 아니라 정답이어도 확신이 낮거나 미기록인 문항을 복습 후보로 모읍니다. 기록은 다운로드해 AI와 후속 문답에 사용할 수 있습니다. 도구 자체는 검토된 문항으로 작동하며 실시간 AI 연결은 없습니다.
③ 활용 결과 어떤 변화가 있었나요?
첫 진단 기록은 10문항 중 1문항 정답이었습니다. 데이터 모델링은 1/2, SQL은 0/8이었습니다. 오답 9문항 중 2문항은 확신 정도를 ‘높음’으로 표시한 상태에서 틀렸습니다. 하나는 그룹별 집계 조건의 위치를 묻는 문제, 다른 하나는 CROSS JOIN의 결과 행 수를 묻는 문제였습니다.
이 기록을 AI에게 전달하자 단순히 오답을 나열하는 대신, 확신이 높았던 두 문항을 먼저 복습할 대상으로 제안했습니다. 또한 COUNT, NOT IN, 조건부 COUNT의 오답을 NULL 처리라는 공통 주제로 묶어 설명했습니다.
첫 진단에서는 선택 이유를 입력하지 않았습니다. AI는 이를 근거로 오답 원인을 단정하지 않고 가능한 혼동과 확인할 질문을 구분했습니다. 이후 GROUP BY·HAVING을 새 데이터에서 확인하는 복습 문제를 받았습니다. 현재 확인된 결과는 최초 진단과 맞춤 분석, 후속 문제 제시까지입니다. 재시험 점수나 학습 시간 단축, 실제 시험 합격 성과는 아직 측정하지 않았습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
첫째, 정답 여부와 확신을 함께 봅니다. 첫 진단에서 확신했던 오답 두 개를 찾으면서, ‘잘 안다고 느낀 내용’도 확인할 필요가 있음을 구체적으로 볼 수 있었습니다.
둘째, 기록이 부족한 부분도 드러냅니다. 선택 이유가 없으면 AI가 학습자의 생각을 정확히 알 수 없습니다. 첫 기록의 한계를 분석에 남기고, 후속 문제부터는 답과 이유, 확신을 함께 남기도록 복습 방식을 정했습니다.
셋째, 정답을 외우는 반복과 개념을 적용하는 연습을 구분합니다. 예를 들어 COUNT에서 NULL을 제외한다는 규칙을 배운 뒤, 0과 NULL이 함께 있는 데이터로 다시 묻습니다. 조건이 달라져도 같은 규칙을 설명할 수 있는지 확인하는 방식입니다.
넷째, 공식 합격률과 개인 연습 결과를 구분합니다. 민간자격정보서비스에서 확인한 SQLD 합격률은 2025년 41.68%, 2024년 57.29%, 2023년 47.81%입니다. 이는 전체 응시자 통계이며 제 합격 확률이나 AI 학습 효과를 뜻하지 않습니다.
⑤ 다른 사람도 따라 할 수 있나요?
퀴즈를 풀고 답·이유·확신을 기록한 뒤, 자동 오답노트를 AI에게 전달하면 같은 흐름을 따라 할 수 있습니다. 함께 만든 프롬프트는 이유가 부족할 때 질문하기, 정답을 미리 공개하지 않기, 개념을 다른 상황으로 바꿔 출제하기를 포함합니다.
다른 자격시험에서도 공식 범위를 확인하고 문항·검증 방법을 바꾸면 적용할 수 있습니다. 개인정보가 없는 연습 데이터를 사용하고, 출처와 실제 기록을 남기는 것이 재현의 기준입니다. 앞으로는 첫 진단과 후속 복습 기록을 구분해 축적하며, 실제 관찰한 변화만 보고할 계획입니다.
