수십 년 동안 한 가지 일을 하면서도 전문가가 되지 못하는 비결에 대해 다룬 이 글은 두 학파의 대립을 중심으로 인간의 직관적 판단과 전문성 형성에 대해 탐구합니다. 노벨 경제학상을 받은 다니엘 카네만 교수의 HB(Heuristics and Bias) 학파와 게리 클라인이 이끄는 NDM(Naturalistic Decision Making) 학파는 전문가들의 능력에 대해 서로 상반된 주장을 펼칩니다. 이 글은 두 학파의 주장과 그 공통점을 바탕으로 전문성이 형성되는 조건을 탐구합니다.
HB와 NDM 학파의 대립
HB 학파는 전문가들의 직관적 판단이 신뢰할 수 없다고 주장합니다. 반면, NDM 학파는 전문가들의 직관적 판단이 신뢰할 만하다고 주장합니다. 말콤 글래드웰의 <블링크>는 NDM 학파의 입장을 대변하는 대중서로, 직관의 중요성을 강조합니다. 반면, <싱크!>는 <블링크>의 주장에 정면으로 반박합니다. 심리학에서 이와 같이 서로 반대되는 학파가 존재하는 경우가 흔하며, 흑백 논리보다는 상황에 따라 다르게 적용할 필요가 있음을 강조합니다.
타당성과 피드백의 중요성
카네만과 클라인 두 사람은 <Conditions for Intuitive Expertise>(직관적 전문성의 조건)이라는 논문을 공동 저술하며, 믿을 수 있는 직관이 형성되기 위해서는 '타당성'과 '피드백'이 필요하다는 데 동의합니다. 타당성은 직관이 적용되는 영역에 인과관계와 규칙성이 존재해야 한다는 의미입니다. 예를 들어, 포커 게임은 규칙성이 있어 전문성이 형성될 수 있지만, 주사위 던지기는 타당성이 없어 전문성이 형성되기 어렵습니다.
피드백은 자신의 직관적 판단에 대해 빠르게 피드백을 받고 학습할 기회가 주어지는 환경을 의미합니다. 공항의 보안 검사원처럼 피드백이 부족한 직업에서는 전문가가 되기 어렵습니다. 수십 년 동안 한 가지 일을 하면서 전문가가 되지 못하는 비결은 타당성과 피드백이 부족한 환경에서 일하는 것입니다.
전문성 형성의 예외와 개선 방안
일부 직업은 타당성과 피드백이 부족해 전문가가 되기 어렵습니다. 예를 들어, 장기적 정치 판도 예측과 주가 예측은 타당성이 떨어져 전문가와 일반인의 예측력이 큰 차이가 없습니다. 의사나 소프트웨어 개발자처럼 일부 작업에서는 전문성이 발전하지만, 그렇지 못한 경우도 있습니다.
전문성을 높이기 위해 타당성과 피드백을 높이는 방법을 제시합니다. 변수를 제한하고 실험을 통해 규칙성과 인과관계를 찾고, 동료나 상사, 고객에게 적극적으로 피드백을 구하는 노력이 필요합니다.
타당성과 피드백이 전문성 형성의 핵심 요소임을 강조하며, 이 두 가지 요소가 부족한 환경에서 일할 경우 전문가가 되기 어렵다는 점을 다시 한번 강조합니다. 전문성을 높이기 위해 타당성과 피드백을 개선하는 노력이 필요함을 제안하며, 이를 통해 더 나은 전문가로 성장할 수 있음을 시사합니다.
이 글은 전문성과 직관적 판단에 대해 심도 있게 탐구하며, 독자들에게 자신의 업무 환경을 점검하고 개선할 방향을 제시합니다. 타당성과 피드백의 중요성을 이해하고 이를 바탕으로 업무 방식을 개선한다면, 누구나 더 나은 전문가로 성장할 수 있을 것입니다.
'CoWithMe' 카테고리의 다른 글
Python 라이브러리 urllib와 requests (81) | 2024.07.17 |
---|---|
워드프레스닷컴 API를 활용하기 위한 앱생성 링크 바로가기 (80) | 2024.07.16 |
숙취가 안된 코딩 그리고 장고와 DRF: 쿼리큘럼 추측 및 개인 학습 계획 (8) | 2024.07.14 |
Cloudflare Workers에서 Python 지원: Pyodide와 WebAssembly로 서버리스 컴퓨팅 혁신 (75) | 2024.07.12 |
초보자를 위한 Flask와 FastAPI의 세션 관리 (80) | 2024.07.11 |