목록으로
교육·학습을 위한 AI 활용
AI는 문제집이 아니라 선생님이었다: 2026 개정 TOEFL Speaking·Writing을 2주 만에 끌어올린 맞춤형 AI 학습법
2026년에 새롭게 개정된 TOEFL 자료가 부족한 상황에서 AI를 유형별 선생님으로 설계해, 약점이었던 Speaking·Writing 섹션을 2주 만에 개선한 사례 (개정 전 환산 기준 약 100점 달성)
🤖 활용 AI 도구
ChatGPT, Gemini
① 어떤 상황에서 AI를 활용했나요?
저는 대학원 진학을 준비하면서 TOEFL 점수가 필요했습니다. Reading과 Listening은 ETS의 공식 소개 자료와 공개된 연습 문제를 활용해 어느 정도 혼자 공부할 수 있었습니다. 문제를 풀고 정답과 해설을 확인하면서 복습할 수 있었기 때문입니다.
그러나 Speaking과 Writing은 달랐습니다. 이 두 영역은 정답이 하나로 정해져 있지 않고, 같은 질문에 답하더라도 답변 구조, 논리 전개, 표현의 자연스러움, 문법 정확성, 말하기 유창성에 따라 평가가 달라집니다. 그래서 단순히 문제를 많이 푸는 것보다, 제가 쓴 글과 말한 답변이 왜 어색한지, 어떻게 고쳐야 하는지, 어떤 부분을 반복적으로 연습해야 하는지 알려 주는 개별 피드백이 필요했습니다.
특히 2026년 1월 21일부터 TOEFL iBT 시험 유형이 크게 개정되면서 기존 교재나 시중 자료만으로는 바뀐 유형을 충분히 연습하기 어려웠습니다. Writing은 Build a Sentence, Write an Email, Write for an Academic Discussion 유형으로 바뀌었고, Speaking은 Listen and Repeat와 Take an Interview 유형으로 바뀌었습니다. 하지만 새 유형에 맞는 연습 자료와 기출 문제가 많지 않았고, 특히 Speaking과 Writing은 서적만으로 공부하는 데 한계가 있습니다.
Writing의 경우 제가 작성한 답안이 문제의 요구사항을 충분히 반영했는지, 문장이 자연스러운지, 논리 전개가 설득력 있는지 확인해 줄 선생님이 필요했습니다. Speaking의 경우 실제로 말한 뒤 바로 점수와 개선점을 확인하고, 취약한 유형의 질문을 반복해서 연습할 수 있는 환경이 중요했습니다. 물론 학원 수업도 도움이 될 수 있지만, 여러 학생이 함께 듣는 수업에서는 제 답변 하나하나에 대해 충분히 자세한 첨삭과 말하기 피드백을 반복적으로 받기 어렵다고 느꼈습니다. 또한 TOEFL 시험 응시료와 사교육 비용 부담도 컸기 때문에, 더 효율적이고 개인화된 학습 방법이 필요했습니다.
그래서 저는 AI를 단순히 정보를 검색하거나 문제를 생성하는 도구가 아니라, 저의 약점인 Speaking과 Writing을 반복적으로 평가하고 개선해 주는 개인 맞춤형 선생님으로 활용하고자 했습니다.
② 어떤 AI를 어떻게 활용했나요?
저는 ChatGPT, ChatGPT Deep Research, Gemini Live를 함께 활용했습니다. 먼저 ETS TOEFL iBT 공식 홈페이지의 개정 TOEFL 안내 문서와 공개 예시 문제를 바탕으로 2026년 개정 TOEFL의 유형, 시간, 문항 구성, 평가 기준을 정리했습니다. 이후 ChatGPT Deep Research를 활용해 개정 TOEFL의 출제 방식과 각 유형에서 중요하게 평가되는 요소를 추가로 분석했습니다.
그다음에는 이 공식 자료와 조사 내용을 ChatGPT에 첨부하여, 단순히 “문제를 만들어 달라”고 요청하는 것이 아니라 실제 TOEFL 유형에 맞게 작동하는 학습용 프롬프트를 제작했습니다.
구체적으로는 Writing과 Speaking의 각 유형별(총 5가지 유형)로 두 종류의 프롬프트를 만들었습니다. 하나는 실제 시험과 유사한 문제를 생성하는 “문제 출제자 프롬프트”였고, 다른 하나는 제가 작성하거나 말한 답변을 평가 기준에 따라 분석하고 개선 방향을 제시하는 “채점 및 피드백 프롬프트”였습니다.
Writing에서는 Build a Sentence, Write an Email, Write for an Academic Discussion을 각각 따로 나누어 프롬프트를 제작했습니다. Writing 연습에는 주로 ChatGPT를 활용했습니다. Writing은 단순히 정답을 확인하는 영역이 아니라, 주어진 상황에 맞게 자연스럽고 설득력 있는 문장을 구성하는 능력이 중요했기 때문입니다. 특히 Write an Email과 Write for an Academic Discussion은 하나의 정답이 있는 문제가 아니라, 같은 내용도 더 정중하게, 더 논리적으로, 더 자연스럽게 표현하는 방식이 중요합니다. 제가 여러 AI 도구를 사용해 본 결과, ChatGPT는 답안의 문장 구조를 다듬고, 어색한 표현을 자연스럽게 바꾸고, 제 원래 의도를 유지하면서 더 좋은 예시 답안을 만들어 주는 데 적합하다고 느꼈습니다. 그래서 Writing 영역에서는 ChatGPT를 중심으로 문제 출제, 채점, 문법 수정, 표현 개선, 고득점 예시 답안 생성을 진행했습니다.
예를 들어 Write an Email 유형에서는 AI가 실제 TOEFL과 비슷한 상황을 출제하고, 제가 답안을 작성하면 이메일의 목적 달성 여부, 필요한 정보 포함 여부, 정중한 표현, 문법, 구성, 자연스러운 표현을 기준으로 평가하도록 설계했습니다. Write for an Academic Discussion 유형에서는 제 주장, 이유, 예시, 토론 기여도, 문법 오류를 평가하고, 같은 논지를 더 자연스럽고 설득력 있게 표현한 개선 답안까지 제공하도록 만들었습니다. Build a Sentence 유형에서는 공식 예시 문제처럼 주어진 단어와 구를 배열해 문법적으로 자연스러운 문장을 만드는 방식으로 연습하고, 오답이 발생하면 문법 구조와 어순을 설명받도록 했습니다.
Speaking에서도 Listen and Repeat와 Take an Interview 유형을 분리했습니다. Speaking 연습에는 주로 Gemini Live를 활용했습니다. Speaking은 실제 시험처럼 음성으로 질문을 듣고 즉흥적으로 답변해야 하기 때문에, AI가 제 말을 끊지 않고 끝까지 기다려 주는 것이 중요했습니다. 여러 음성 AI 환경을 비교해 보았을 때, ChatGPT의 음성 모드는 제가 답변을 완전히 끝내기 전에 중간에 끼어들어서 반응하는 경우가 다수 있었지만, Gemini Live는 제가 말하는 동안 비교적 안정적으로 기다려 주고 답변이 끝난 뒤 피드백을 제공해 주어 Speaking 실전 연습에 더 적합했습니다.
예를 들어 Listen and Repeat 유형에서는 제가 들은 문장을 얼마나 정확하게 반복했는지, 빠진 단어가 있는지, 바뀐 표현이 있는지, 발화가 자연스러운지 점검하도록 했습니다. Take an Interview 유형에서는 AI가 면접관처럼 질문을 하나씩 던지고, 제가 제한 시간 안에 답변하면 답변의 직접성, 논리성, 유창성, 문법, 어휘, 구성에 대해 바로 피드백하도록 설계했습니다. 이를 통해 실제 시험처럼 준비 시간 없이 질문을 듣고 답하는 연습을 반복할 수 있었습니다.
또한 AI가 공식 예시와 다른 방식으로 문제를 출제하는 경우에는 ETS의 공개 예시 문제를 다시 첨부하고, 문제 형식, 난이도, 제한 시간, 평가 기준이 실제 시험과 더 유사해지도록 프롬프트를 수정했습니다. 이런 과정을 반복하면서 각 유형별 프롬프트를 계속 개선했습니다.
마지막으로 각 유형별로 별도의 프로젝트를 만들어 사용했습니다. 각 프로젝트의 지침에는 해당 유형의 “문제 출제자 프롬프트”와 “채점 및 피드백 프롬프트”를 함께 넣어 두었습니다. 즉, AI를 하나의 범용 챗봇으로 사용한 것이 아니라, Build a Sentence 선생님, Email Writing 선생님, Academic Discussion 선생님, Listen and Repeat 선생님, Take an Interview 선생님처럼 유형별로 역할이 다른 AI 선생님을 만든 것입니다. 이 구조 덕분에 매번 같은 기준으로 문제를 풀고, 답변을 평가받고, 약점을 다시 보완하는 반복 학습 루프를 만들 수 있었습니다.
③ 활용 결과 어떤 변화가 있었나요?
초기에는 AI 연습 평가 기준으로 Speaking과 Writing이 6점 만점 기준 약 3.5점 수준이었습니다. 개정 전 TOEFL 점수 체계로 환산하면 각 영역 약 17~18점 정도의 수준이었습니다. 답변은 길게 말하거나 쓰기는 했지만, 문장이 어색하고, 주장 전개가 부족하며, 특히 Speaking에서는 불필요한 추임새와 잦은 멈춤이 자주 발생했습니다.
하지만 약 2주 동안 유형별 AI 선생님과 반복 학습한 결과, AI 연습 평가 기준으로 약 5점 수준까지 올라갔습니다. 개정 전 섹션별 0~30점 기준으로 비공식 환산하면 약 24점 수준에 가까운 답변을 만들 수 있게 되었습니다. Writing에서는 답변 구조가 훨씬 안정되었고, 이메일의 목적, 정중한 표현, Academic Discussion의 주장-이유-예시 구조가 자연스러워졌습니다. Speaking에서는 45초 안에 핵심 주장, 이유, 예시를 정리하는 속도가 빨라졌고, 불필요한 추임새도 줄어들었습니다.
최종적으로 실제 TOEFL 시험에서 총점 5.0점(6점 만점, 기존 체계 환산 100점/120점 만점)을 받았습니다. 특히 가장 불안했던 Speaking과 Writing에서도 각각 5.0점(6점 만점)을 받아, AI로 집중 훈련한 약점이 실제 점수 향상으로 이어졌습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
제가 사용한 방식의 핵심은 AI에게 단순히 “문제를 내줘”라고 요청한 것이 아니라, AI를 시험 유형별 선생님으로 직접 설계했다는 점입니다.
첫째, 공식 문서를 기준으로 AI가 잘못된 형식의 문제를 만들지 않도록 했습니다. AI가 ETS 예시 문제와 다른 방식으로 출제하면, 공식 예시를 다시 첨부해 프롬프트를 수정했습니다. 이를 통해 문제 출제 방식이 실제 시험과 최대한 비슷해지도록 개선했습니다.
둘째, 프롬프트를 문제 출제용과 채점용으로 분리했습니다. 출제자는 실전처럼 문제만 제시하고, 채점자는 제 답변을 평가 기준에 따라 분석하도록 했습니다. 이 구조 덕분에 실제 시험처럼 먼저 답변하고, 이후 객관적인 피드백을 받는 학습 흐름을 만들 수 있었습니다.
셋째, 피드백을 한 번 보고 끝내지 않고 문서로 계속 누적했습니다. 제 답변, AI의 점수, 문법 수정, 개선 표현, 모델 답안을 모아 저만의 피드백 데이터베이스를 만들었습니다. 시간이 지나면서 제가 반복해서 틀리는 문법, 자주 쓰는 어색한 표현, Speaking에서 자주 막히는 주제를 확인할 수 있었습니다.
즉, AI를 문제집처럼 소비한 것이 아니라, 저의 답변을 관찰하고, 약점을 기록하고, 다음 학습 방향을 제시하는 개인 맞춤형 선생님으로 활용한 것이 가장 큰 차별점입니다.
⑤ 다른 사람도 따라 할 수 있나요?
네, 충분히 따라 할 수 있습니다. 이 방법은 특정 시험에만 한정되지 않고, 영어 말하기와 쓰기처럼 즉각적인 피드백이 중요한 학습에 적용할 수 있습니다.
따라 하는 방법은 간단합니다. 먼저 공식 시험 안내 문서와 예시 문제를 모읍니다. 그다음 시험 유형을 세부적으로 나누고, 각 유형마다 문제 출제 프롬프트와 채점·피드백 프롬프트를 따로 만듭니다. 이후 AI가 낸 문제에 답하고, 피드백을 받은 뒤, 자신의 답안과 수정 내용을 문서로 정리하면서 반복 학습하면 됩니다.
이 방식은 TOEFL뿐 아니라 IELTS, OPIC, 영어 면접, 대학원 인터뷰, 자기소개서 작성, 논문 영어 표현 연습에도 확장할 수 있습니다. 중요한 것은 AI가 대신 공부해 주는 것이 아니라, 학습자가 더 자주 연습하고 더 빠르게 개인 맞춤형 피드백을 받을 수 있는 환경을 만들어 주는 것입니다.
저에게 AI는 단순한 문제 생성기가 아니었습니다. 부족한 점을 계속 짚어 주고, 답변을 개선해 주고, 다시 연습하게 만드는 개인 맞춤형 과외 선생님과 같은 존재였습니다. TOEFL 응시료와 학원비 부담이 큰 상황에서, AI는 비싼 사교육을 무조건 선택하지 않아도 반복적인 첨삭과 말하기 피드백을 받을 수 있는 현실적인 대안이 되었습니다. 이 경험을 통해 AI가 사교육의 일부 기능을 보완하거나 대체할 수 있을 뿐 아니라, 누구나 자신의 수준과 목적에 맞는 학습 환경을 직접 만들 수 있게 해 준다는 가능성을 확인했습니다.
저는 대학원 진학을 준비하면서 TOEFL 점수가 필요했습니다. Reading과 Listening은 ETS의 공식 소개 자료와 공개된 연습 문제를 활용해 어느 정도 혼자 공부할 수 있었습니다. 문제를 풀고 정답과 해설을 확인하면서 복습할 수 있었기 때문입니다.
그러나 Speaking과 Writing은 달랐습니다. 이 두 영역은 정답이 하나로 정해져 있지 않고, 같은 질문에 답하더라도 답변 구조, 논리 전개, 표현의 자연스러움, 문법 정확성, 말하기 유창성에 따라 평가가 달라집니다. 그래서 단순히 문제를 많이 푸는 것보다, 제가 쓴 글과 말한 답변이 왜 어색한지, 어떻게 고쳐야 하는지, 어떤 부분을 반복적으로 연습해야 하는지 알려 주는 개별 피드백이 필요했습니다.
특히 2026년 1월 21일부터 TOEFL iBT 시험 유형이 크게 개정되면서 기존 교재나 시중 자료만으로는 바뀐 유형을 충분히 연습하기 어려웠습니다. Writing은 Build a Sentence, Write an Email, Write for an Academic Discussion 유형으로 바뀌었고, Speaking은 Listen and Repeat와 Take an Interview 유형으로 바뀌었습니다. 하지만 새 유형에 맞는 연습 자료와 기출 문제가 많지 않았고, 특히 Speaking과 Writing은 서적만으로 공부하는 데 한계가 있습니다.
Writing의 경우 제가 작성한 답안이 문제의 요구사항을 충분히 반영했는지, 문장이 자연스러운지, 논리 전개가 설득력 있는지 확인해 줄 선생님이 필요했습니다. Speaking의 경우 실제로 말한 뒤 바로 점수와 개선점을 확인하고, 취약한 유형의 질문을 반복해서 연습할 수 있는 환경이 중요했습니다. 물론 학원 수업도 도움이 될 수 있지만, 여러 학생이 함께 듣는 수업에서는 제 답변 하나하나에 대해 충분히 자세한 첨삭과 말하기 피드백을 반복적으로 받기 어렵다고 느꼈습니다. 또한 TOEFL 시험 응시료와 사교육 비용 부담도 컸기 때문에, 더 효율적이고 개인화된 학습 방법이 필요했습니다.
그래서 저는 AI를 단순히 정보를 검색하거나 문제를 생성하는 도구가 아니라, 저의 약점인 Speaking과 Writing을 반복적으로 평가하고 개선해 주는 개인 맞춤형 선생님으로 활용하고자 했습니다.
② 어떤 AI를 어떻게 활용했나요?
저는 ChatGPT, ChatGPT Deep Research, Gemini Live를 함께 활용했습니다. 먼저 ETS TOEFL iBT 공식 홈페이지의 개정 TOEFL 안내 문서와 공개 예시 문제를 바탕으로 2026년 개정 TOEFL의 유형, 시간, 문항 구성, 평가 기준을 정리했습니다. 이후 ChatGPT Deep Research를 활용해 개정 TOEFL의 출제 방식과 각 유형에서 중요하게 평가되는 요소를 추가로 분석했습니다.
그다음에는 이 공식 자료와 조사 내용을 ChatGPT에 첨부하여, 단순히 “문제를 만들어 달라”고 요청하는 것이 아니라 실제 TOEFL 유형에 맞게 작동하는 학습용 프롬프트를 제작했습니다.
구체적으로는 Writing과 Speaking의 각 유형별(총 5가지 유형)로 두 종류의 프롬프트를 만들었습니다. 하나는 실제 시험과 유사한 문제를 생성하는 “문제 출제자 프롬프트”였고, 다른 하나는 제가 작성하거나 말한 답변을 평가 기준에 따라 분석하고 개선 방향을 제시하는 “채점 및 피드백 프롬프트”였습니다.
Writing에서는 Build a Sentence, Write an Email, Write for an Academic Discussion을 각각 따로 나누어 프롬프트를 제작했습니다. Writing 연습에는 주로 ChatGPT를 활용했습니다. Writing은 단순히 정답을 확인하는 영역이 아니라, 주어진 상황에 맞게 자연스럽고 설득력 있는 문장을 구성하는 능력이 중요했기 때문입니다. 특히 Write an Email과 Write for an Academic Discussion은 하나의 정답이 있는 문제가 아니라, 같은 내용도 더 정중하게, 더 논리적으로, 더 자연스럽게 표현하는 방식이 중요합니다. 제가 여러 AI 도구를 사용해 본 결과, ChatGPT는 답안의 문장 구조를 다듬고, 어색한 표현을 자연스럽게 바꾸고, 제 원래 의도를 유지하면서 더 좋은 예시 답안을 만들어 주는 데 적합하다고 느꼈습니다. 그래서 Writing 영역에서는 ChatGPT를 중심으로 문제 출제, 채점, 문법 수정, 표현 개선, 고득점 예시 답안 생성을 진행했습니다.
예를 들어 Write an Email 유형에서는 AI가 실제 TOEFL과 비슷한 상황을 출제하고, 제가 답안을 작성하면 이메일의 목적 달성 여부, 필요한 정보 포함 여부, 정중한 표현, 문법, 구성, 자연스러운 표현을 기준으로 평가하도록 설계했습니다. Write for an Academic Discussion 유형에서는 제 주장, 이유, 예시, 토론 기여도, 문법 오류를 평가하고, 같은 논지를 더 자연스럽고 설득력 있게 표현한 개선 답안까지 제공하도록 만들었습니다. Build a Sentence 유형에서는 공식 예시 문제처럼 주어진 단어와 구를 배열해 문법적으로 자연스러운 문장을 만드는 방식으로 연습하고, 오답이 발생하면 문법 구조와 어순을 설명받도록 했습니다.
Speaking에서도 Listen and Repeat와 Take an Interview 유형을 분리했습니다. Speaking 연습에는 주로 Gemini Live를 활용했습니다. Speaking은 실제 시험처럼 음성으로 질문을 듣고 즉흥적으로 답변해야 하기 때문에, AI가 제 말을 끊지 않고 끝까지 기다려 주는 것이 중요했습니다. 여러 음성 AI 환경을 비교해 보았을 때, ChatGPT의 음성 모드는 제가 답변을 완전히 끝내기 전에 중간에 끼어들어서 반응하는 경우가 다수 있었지만, Gemini Live는 제가 말하는 동안 비교적 안정적으로 기다려 주고 답변이 끝난 뒤 피드백을 제공해 주어 Speaking 실전 연습에 더 적합했습니다.
예를 들어 Listen and Repeat 유형에서는 제가 들은 문장을 얼마나 정확하게 반복했는지, 빠진 단어가 있는지, 바뀐 표현이 있는지, 발화가 자연스러운지 점검하도록 했습니다. Take an Interview 유형에서는 AI가 면접관처럼 질문을 하나씩 던지고, 제가 제한 시간 안에 답변하면 답변의 직접성, 논리성, 유창성, 문법, 어휘, 구성에 대해 바로 피드백하도록 설계했습니다. 이를 통해 실제 시험처럼 준비 시간 없이 질문을 듣고 답하는 연습을 반복할 수 있었습니다.
또한 AI가 공식 예시와 다른 방식으로 문제를 출제하는 경우에는 ETS의 공개 예시 문제를 다시 첨부하고, 문제 형식, 난이도, 제한 시간, 평가 기준이 실제 시험과 더 유사해지도록 프롬프트를 수정했습니다. 이런 과정을 반복하면서 각 유형별 프롬프트를 계속 개선했습니다.
마지막으로 각 유형별로 별도의 프로젝트를 만들어 사용했습니다. 각 프로젝트의 지침에는 해당 유형의 “문제 출제자 프롬프트”와 “채점 및 피드백 프롬프트”를 함께 넣어 두었습니다. 즉, AI를 하나의 범용 챗봇으로 사용한 것이 아니라, Build a Sentence 선생님, Email Writing 선생님, Academic Discussion 선생님, Listen and Repeat 선생님, Take an Interview 선생님처럼 유형별로 역할이 다른 AI 선생님을 만든 것입니다. 이 구조 덕분에 매번 같은 기준으로 문제를 풀고, 답변을 평가받고, 약점을 다시 보완하는 반복 학습 루프를 만들 수 있었습니다.
③ 활용 결과 어떤 변화가 있었나요?
초기에는 AI 연습 평가 기준으로 Speaking과 Writing이 6점 만점 기준 약 3.5점 수준이었습니다. 개정 전 TOEFL 점수 체계로 환산하면 각 영역 약 17~18점 정도의 수준이었습니다. 답변은 길게 말하거나 쓰기는 했지만, 문장이 어색하고, 주장 전개가 부족하며, 특히 Speaking에서는 불필요한 추임새와 잦은 멈춤이 자주 발생했습니다.
하지만 약 2주 동안 유형별 AI 선생님과 반복 학습한 결과, AI 연습 평가 기준으로 약 5점 수준까지 올라갔습니다. 개정 전 섹션별 0~30점 기준으로 비공식 환산하면 약 24점 수준에 가까운 답변을 만들 수 있게 되었습니다. Writing에서는 답변 구조가 훨씬 안정되었고, 이메일의 목적, 정중한 표현, Academic Discussion의 주장-이유-예시 구조가 자연스러워졌습니다. Speaking에서는 45초 안에 핵심 주장, 이유, 예시를 정리하는 속도가 빨라졌고, 불필요한 추임새도 줄어들었습니다.
최종적으로 실제 TOEFL 시험에서 총점 5.0점(6점 만점, 기존 체계 환산 100점/120점 만점)을 받았습니다. 특히 가장 불안했던 Speaking과 Writing에서도 각각 5.0점(6점 만점)을 받아, AI로 집중 훈련한 약점이 실제 점수 향상으로 이어졌습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
제가 사용한 방식의 핵심은 AI에게 단순히 “문제를 내줘”라고 요청한 것이 아니라, AI를 시험 유형별 선생님으로 직접 설계했다는 점입니다.
첫째, 공식 문서를 기준으로 AI가 잘못된 형식의 문제를 만들지 않도록 했습니다. AI가 ETS 예시 문제와 다른 방식으로 출제하면, 공식 예시를 다시 첨부해 프롬프트를 수정했습니다. 이를 통해 문제 출제 방식이 실제 시험과 최대한 비슷해지도록 개선했습니다.
둘째, 프롬프트를 문제 출제용과 채점용으로 분리했습니다. 출제자는 실전처럼 문제만 제시하고, 채점자는 제 답변을 평가 기준에 따라 분석하도록 했습니다. 이 구조 덕분에 실제 시험처럼 먼저 답변하고, 이후 객관적인 피드백을 받는 학습 흐름을 만들 수 있었습니다.
셋째, 피드백을 한 번 보고 끝내지 않고 문서로 계속 누적했습니다. 제 답변, AI의 점수, 문법 수정, 개선 표현, 모델 답안을 모아 저만의 피드백 데이터베이스를 만들었습니다. 시간이 지나면서 제가 반복해서 틀리는 문법, 자주 쓰는 어색한 표현, Speaking에서 자주 막히는 주제를 확인할 수 있었습니다.
즉, AI를 문제집처럼 소비한 것이 아니라, 저의 답변을 관찰하고, 약점을 기록하고, 다음 학습 방향을 제시하는 개인 맞춤형 선생님으로 활용한 것이 가장 큰 차별점입니다.
⑤ 다른 사람도 따라 할 수 있나요?
네, 충분히 따라 할 수 있습니다. 이 방법은 특정 시험에만 한정되지 않고, 영어 말하기와 쓰기처럼 즉각적인 피드백이 중요한 학습에 적용할 수 있습니다.
따라 하는 방법은 간단합니다. 먼저 공식 시험 안내 문서와 예시 문제를 모읍니다. 그다음 시험 유형을 세부적으로 나누고, 각 유형마다 문제 출제 프롬프트와 채점·피드백 프롬프트를 따로 만듭니다. 이후 AI가 낸 문제에 답하고, 피드백을 받은 뒤, 자신의 답안과 수정 내용을 문서로 정리하면서 반복 학습하면 됩니다.
이 방식은 TOEFL뿐 아니라 IELTS, OPIC, 영어 면접, 대학원 인터뷰, 자기소개서 작성, 논문 영어 표현 연습에도 확장할 수 있습니다. 중요한 것은 AI가 대신 공부해 주는 것이 아니라, 학습자가 더 자주 연습하고 더 빠르게 개인 맞춤형 피드백을 받을 수 있는 환경을 만들어 주는 것입니다.
저에게 AI는 단순한 문제 생성기가 아니었습니다. 부족한 점을 계속 짚어 주고, 답변을 개선해 주고, 다시 연습하게 만드는 개인 맞춤형 과외 선생님과 같은 존재였습니다. TOEFL 응시료와 학원비 부담이 큰 상황에서, AI는 비싼 사교육을 무조건 선택하지 않아도 반복적인 첨삭과 말하기 피드백을 받을 수 있는 현실적인 대안이 되었습니다. 이 경험을 통해 AI가 사교육의 일부 기능을 보완하거나 대체할 수 있을 뿐 아니라, 누구나 자신의 수준과 목적에 맞는 학습 환경을 직접 만들 수 있게 해 준다는 가능성을 확인했습니다.
