Academic Writing

30분 안에 에세이를 자기 편집하는 방법

30분, 다섯 단계, 하나의 원칙, 주의가 아직 신선할 때 가장 많은 점수를 좌우하는 부분을 고치고, 쉼표는 마지막에 남겨 둔다.

4 min
Clock breakdown table showing how to edit an essay in 30 minutes, from argument and structure through to sentence mechanics

마감까지 아홉 시간이 남아 있고, 초안은 완성되었으며, 제출하기 전에 고치기 위해 서른 분이 배정되어 있다. 대부분의 학생은 그 서른 분을 먼저 쉼표를 찾는 데 쓰고, 두 번째 페이지를 넘기지 못한다. 그것은 잘못된 순서이며, 구체적으로 고칠 수 있는 방식으로 잘못되었다.

실제 시간 압박 속에서 에세이를 어떻게 편집할 것인가는 모든 오류를 찾는 일보다, 채점자가 실제로 비중을 두는 순서대로 올바른 것부터 찾는 일에 더 가깝다. 즉, 논지와 구조, 그다음 증거와 인용, 마지막으로 문장 수준의 기계적 요소이다. 이것은 일반적인 조언이 아니라 시간 제한이 있는 절차이며, 분은 미리 배정되어 있어 시계가 언제 한 가지를 다듬는 일을 멈추고 다음 단계로 넘어갈지를 결정한다.

첫 10분을 낭비하지 않고 에세이를 편집하는 방법

짧은 편집 시간에서 가장 큰 낭비는 쉼표부터 시작하는 것이다. 문장 수준의 검토는 모든 수정이 눈에 보이고 몇 초 안에 끝나기 때문에 생산적으로 느껴지며, სწორედ 그렇기 때문에 거기서 시작하고 싶어지지만, 시작하기에 잘못된 지점이다. 해결책은 미리 정해 둔 고정된 순서로, 가장 이르고 가장 주의가 잘 가는 분을 논지와 구조에 쓰고, 중간 분을 증거와 인용에 쓰며, 마지막의 가장 지친 분을 문장 수준의 기계적 요소에 쓰는 것이다.

이 순서는 한 번에 두 가지를 추적하지, 하나만 추적하지 않는다. 논지와 구조는 대체로 기계적 요소보다 최종 성적에서 더 큰 비중을 차지하며, 또한 편집 작업에서 독자가 가장 많은 주의를 기울여야 하는 부분이기도 하다. 기계적 요소는 비중이 더 낮고, 피곤한 상태의 읽기에서도 정확하게 점검할 수 있다. 주어와 동사의 불일치를 찾아내는 일은 한 단락이 제자리를 차지할 자격이 있는지 판단하는 일만큼 지속적인 사고를 요구하지 않기 때문이다. 가장 가치가 높고 가장 많은 노력이 필요한 과제에 가장 신선한 분을 쓰는 것이 이 규율의 전부이다. 이 글의 나머지는 그 하나의 생각을 시계에 적용한 것이다.

30분 분해

시작하기 전에 타이머를 설정하라, 시작한 뒤가 아니라. 아래의 다섯 단계는 합쳐서 서른 분이 되며, 만족스럽게 끝내기보다 시계에 의해 중단되도록 설계되어 있다. 아홉 분에 만족한 편집자는 좋은 결과가 아니라 경고 신호이기 때문이다.

초점아직 하지 않는 것
0 to 3초안 전체를 한 번 읽기, 손에 펜을 들지 않기무엇이든 고치기
3 to 13논증과 구조쉼표 하나나 인용 하나를 확인하기
13 to 21근거와 인용문체를 위해 문장을 다시 쓰기
21 to 28문장 수준의 기계적 요소논증을 다시 검토하기
28 to 30처음부터 끝까지 소리 내어 한 번 읽기걸리는 부분을 듣는 것 외의 모든 것

각 단계는 하나의 역할만 가지며, 시계가 그렇게 말하면 중간 생각 상태라도 끝난다. 열세 분에 여전히 거슬리는 문단이 있다면, 여분의 다섯 분을 더 주는 것이 아니라 여백에 메모를 남긴다. 그 다섯 분은 애초에 배정된 적이 없다.

3분에서 13분: 먼저 논증과 구조

이 단계에서는 하나의 질문만을 위해 읽는다. 각 문단이 이 에세이가 실제로 주장하는 논증에서 자기 자리를 차지할 만한가, 아니면 일반적으로 다루는 주제에만 해당하는가? 질문을 단순히 되풀이하는 것이 아니라, 구체적이고 방어 가능한 입장을 제시하는 논지를 확인한다. 그 뒤의 모든 문단은 그것이 약속하는 바를 기준으로 평가된다.

주제문은 10분 안에 할 수 있는 가장 빠른 구조 점검이다. 각 문단의 첫 문장만 순서대로 읽고, 나머지는 모두 건너뛴다. 그 문장들의 목록만으로도 스스로 일관된 논증을 이루지 못한다면, 구조에 문제가 있는 것이며, 나중에 아무리 다듬어도 고칠 수 없다. 그것을 지금 아는 편이, 25분에 아는 것보다 낫다. TextPulse의 무료 에세이 검사기는 한 번의 검사로 구조와 문장 수준의 정확성을 함께 검토하므로, 여기서 특히 유용하다. 그것은 논증 자체를 생성하거나 고치지는 않고, 다만 어디가 빈약한지만 보여주기 때문이다.

자신의 논문을 인간적으로 다듬기

중요한 단어나 인용은 건드리지 않고, AI 보조로 작성한 텍스트를 자연스럽고 사람처럼 들리게 바꾸세요.

무료로 시작하기

13분에서 21분: 그다음은 근거와 인용

이 단계에서 중요한 것은 두 가지 점검이며, 아직은 형식이 아니다. 첫째, 출처가 필요한 모든 주장에 실제로 출처가 붙어 있는가. 둘째, 각 출처가 실제로 제 역할을 하고 있는가, 즉 근처에 그냥 놓여 있는 것이 아니라 바로 옆의 특정 문장을 뒷받침하고 있는가.

형식은 이 단계에서 마지막이다, 먼저가 아니다. 출처 자체가 제 역할을 하고 있음이 확인되면, free in-text citation fixer는 인용을 스타일 가이드가 요구하는 형태로 빠르게 맞추는 방법이다. 다만 이것은 더 어려운 질문, 즉 올바른 출처가 아예 있는가가 이미 답해진 뒤에만 할 가치가 있는 기계적 수정이다.

21분에서 28분까지, 문장 기계적 요소는 마지막에, 의도적으로

이 단계는 대부분의 학생이 가장 먼저 시작하는 부분이지만, 실제로는 여기, 논증과 근거가 이미 정리되어 더 이상 바뀌지 않을 시점에 있어야 한다. 이제 문법, 구두점, 철자를 점검하라. 앞서 잡힌 문제는 문단이 이동되거나 잘려 나간 뒤에는 다시 확인만 하면 되는 경우였을 것이기 때문이다.

빠른 도구 보조 검토는 느린 수작업 검토보다 이 단계에 더 적합하다. 여기서 필요한 읽기는 판단이 아니라 패턴 인식이기 때문이다. TextPulse's free grammar checker는 문장별로 일치, 시제, 관사 오류를 바로잡고 각 수정의 규칙을 제시한다. 7분밖에 남지 않은 상태에서 모든 문장을 처음부터 다시 따져 보는 것보다 여기서는 이것이 더 빠르다.

30분 대신 15분밖에 없다면

시계를 절반으로 줄인다고 해서 모든 단계를 똑같이 절반으로 줄인다는 뜻은 아니다. 논증과 구조에는 대략 원래의 7분 또는 8분을 그대로 쓴다. 무너진 논증은 뒤의 급한 단계가 고칠 수 있는 것이 아니기 때문이다. 실제로 줄어드는 것은 근거와 기계적 요소다. 근거는 위의 두 점검 중 가장 빠른 방식으로 줄이고, 기계적 요소는 신중한 읽기 대신 도구 보조의 단일 검토로 줄인다.

논문 분량에서는 같은 교정 과정에도 다른 방법이 필요하며, 논문 교정은 별도로 다룬다. 채점자가 실제로 에세이에서 찾는 것은 둘 중 어느 것을 하기 전에도 읽어 둘 만하다.

30분의 시간은 실제로 잘못된 논증을 고치기에 충분하지 않으며, 어떤 작업 순서도 그 사실을 바꾸지 못한다. 그 시간으로 충분한 것은 이미 페이지에 있는 논증이 가장 강한 형태로 읽히도록 확인하는 일이며, 이것이 바로 학술 글쓰기 메커니즘이 실제로 막고자 하는 것의 대부분이다. 기를 만한 습관은 매번 마지막 몇 분이 아니라 정확히 그 일을 위해 처음 몇 분을 지키는 것이며, TextPulse의 무료 도구 모음은 논증 자체가 정리된 뒤에 더 늦고 더 빠르게 점검할 수 있는 단계들을 다룬다.

XLinkedInFacebook

자주 묻는 질문

30분 안에 에세이를 편집하는 방법은 각 단계의 배점이 큰 순서대로 시간을 나누는 데 달려 있다, 초반 3분은 초고를 한 번 읽고, 10분은 논증과 구조에, 8분은 근거와 인용에, 7분은 문장 기계적 요소에, 2분은 최종본을 소리 내어 읽는 데 쓴다. 정확한 분배보다 순서가 더 중요하다.

Moe

PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.