Workspace Index › Knowledge Notes › Research any topic like a PhD student — narrow the question until the literature narrows itself

#1815Talk2026-09-19chat

Research any topic like a PhD student — narrow the question until the literature narrows itself

Charlotte Fraza, a neuroscience PhD who is now a postdoc, published a roughly 16-minute YouTube video, "How to Research Any Topic - Deep-Dive like a PhD Student," on the process she uses to go from a vague interest to a defensible answer. The key move happens before any reading starts (01:14): a broad topic like "mental health" produces an information flood (01:25), so she funnels it in three steps — broad topic ("mental health," 01:43) to topic plus a variable ("socioeconomic status and mental health," 01:48) to a question that names correlation or causation ("does low childhood socioeconomic status affect adult-onset mental illness?", 02:01). The sharper the question, the narrower the literature and the clearer the answer (02:15, 08:00). From there: tracing a literature network in both directions, reading critically instead of absorbing, and structuring the work like a course with a lab notebook and a forced output each session.

For Jayverse this is the method behind Knowledge Notes itself: every item is already meant to be an "output" built from a source, in the sense Fraza means it — and this item is an honest audit of how close the practice actually gets to hers.

Why

Reading without a question produces half-remembered facts, not an answer; reading without an output produces underlined PDFs, not retained knowledge. Fraza's method fixes both failure modes, at entry and exit: a narrowed causal or correlational question sets a stop condition on the reading, so it converges instead of sprawling; a forced write-up at the end drives active recall, the step that moves a fact from "I read this" to "I know this." Skip the entry step and the topic never bounds itself; skip the exit step and the reading evaporates within a week.

How it works

Narrow the question, three steps

Start broad (a topic name), add one variable or angle, then rewrite as a question that names a direction — does X cause Y, or is X merely associated with Y. Fraza's example: "mental health" narrows to "socioeconomic status and mental health" narrows to "does low socioeconomic status in childhood affect adult-onset mental illness?" Each step cuts the candidate literature by roughly an order of magnitude, and by the third step you know what kind of study to look for — correlational cohort data here, not an intervention trial.

Trace the literature network, backward and forward

Start from a classic, foundational paper, or a review paper from a peer-reviewed journal in the last five to ten years (03:06, 03:58) — a review already did the work of naming the field's key studies. Trace backward through the review's reference list for the studies it leans on most (04:34, 07:06). Trace forward to find what has since cited that key paper, using Google Scholar's "cited by" list or a citation-mapping tool like Research Rabbit (05:04, 07:20). Track it all in a reference manager (Zotero and a second tool were named in the video). The result is a small citation graph — a few heavily-cited core nodes and a ring of peripheral papers (04:45, 05:11, 11:55) — the real map of the field, not a flat reading list.

Read critically, not just accept

General learning (a textbook, a course) is built to be trusted; research literature is not, and Fraza treats every paper as a claim to interrogate (08:43). Funding and framing: who paid for the study shapes what gets studied and how results get framed (09:20). Headline versus data: a title like "chocolate causes depression" can sit on top of a study run entirely in mice, a far weaker claim than the headline implies (09:36, 09:54) — check what was actually measured, in what subject, before trusting the title. Most human brain research is also correlational rather than causal, since you cannot ethically randomize people into "low childhood socioeconomic status" (10:18), so a paper's honesty about that limit is itself a quality signal. The best tell of a good paper, in Fraza's view, is a discussion section that names its own design limits and engages contradicting evidence rather than citing only work that agrees (11:02, 11:27).

Plan it like a course, end in an output

Fraza treats a self-directed deep-dive the way a university treats a course: a curriculum, a fixed daily time, starting at the citation graph's core node rather than wherever is easiest (11:49, 12:16). She keeps a lab book — a Notion page per project — with a literature table, a running list of open questions, and a daily summary (12:31, 13:06). Every "beginner's eye" question gets written down, since naive early questions are often the ones an expert has stopped asking (13:24). Her most insistent point: reading and underlining are passive, and passive input does not stick. A session must end with something produced — writing, a whiteboard explanation, a video script — because explaining a thing surfaces the gaps and drives retrieval practice (13:49, 14:25). Every session closes with three fixed questions: what did I learn today, what is still unclear, what is the next step (15:07, 15:29).

Where jay's practice matches, and where it doesn't

Matches: the daily cadence mirrors her fixed daily block; docs/history/YYYY-MM-DD-<project>-history.md, with one titled block per action and a Cause/Reasoning/Change/Result structure, already functions as a lab book close to her literature table plus daily summary; and the Key expressions table plus the Verified/unverified paragraph on every item is a real critical-reading habit — the same move as checking funding source and headline-versus-data, separating what is independently known from what the source merely claims.

Falls short on three points: items are written from a topic, not a narrowed causal or correlational question, this one included until this paragraph forced it; there is no forward-tracing of what a source led to, or how a later item revised an earlier claim; and there is no per-item "still unclear, next step" line — Verified/unverified separates checked from unchecked but never says what to do about the unchecked part.

The cheapest fix borrows Fraza's closing three questions as a footer habit on the daily history file, not on every item: end each day's docs/history/YYYY-MM-DD-<project>-history.md with three lines — what was learned today, what is still unclear, what the next step is. It reuses infrastructure that already exists and gives the day the same forced-output ending Fraza gives every session.

Where it lands in Jayverse

Knowledge Notes: the output step exists, but rarely starts from a question. Most items summarize a source without first stating the narrowed question the source answers; add that one line on items built from a single dense source like a paper or long talk.
Number: a research question per reading, not a topic. Each distributed reading should carry the three-step funnel result — the specific correlational or causal question it addresses — not just a topic tag.
Theory: correlation vs causation belongs next to the statistics items. Fraza's point that most brain research is correlational because of ethical limits on human experiments is a live example for Theory's statistics entries, not an abstract rule.
Eng: interview material on how you learn a new domain. The three-step funnel plus backward/forward tracing plus a forced output is a ready answer to the standard "how do you ramp up on an unfamiliar area" question.
Life 1304 (ng-tasks-not-jobs-context-advantage): the same learning paradox. Outputs written by you, not the model, are what you retain — Fraza's active-recall requirement is the single-session version of that claim.
Obsidian item (obsidian-three-levels-llm-wiki): the lab book vs the LLM wiki. Fraza's Notion lab book is one person's running record of open questions and summaries; the LLM wiki is a different object — one is memory you built, the other is memory you can query — worth contrasting directly.

Verified and unverified

Verified on 2026-09-19: the video exists on YouTube under the title given, is attributed to Charlotte Fraza, and runs roughly 16 minutes; backward citation tracing (working through a review's references) and forward citation tracing (checking who has since cited a key paper, via Google Scholar's "cited by" or a tool like Research Rabbit) are standard, documented literature-review methods; Zotero, Google Scholar and Research Rabbit are real, existing tools; active recall and retrieval practice are established findings in learning science; and checking a funding source for bias and distinguishing correlation from causation are standard critical-appraisal checks taught in research-methods courses. Taken from the summary and not independently checked: Fraza's worked example (childhood socioeconomic status and adult mental illness), all timestamps, the chocolate-and-mice example, and the second reference-manager name — the source summary gives it as "Paperpal," which does not match a known reference-manager product (the well-known tool with a similar name is Paperpile); which tool the video actually names was not independently verified here. Whether Fraza is a PhD candidate or a postdoc at the time of the video was also not independently checked beyond the task description.

Sources: YouTube — Charlotte Fraza, "How to Research Any Topic - Deep-Dive like a PhD Student" · related items: Life 1304 (ng-tasks-not-jobs-context-advantage) · Life 1303 (eat-the-same-dish-twice-tokyo) · Tech #62 (agentic engineering writes the boundaries) · Obsidian item (obsidian-three-levels-llm-wiki).

Key expressions

Words and phrases from this page worth keeping, with the Korean meaning and the sentence they come from.

Expression	뜻 · 쓰이는 자리
PhD	Doctor of Philosophy(박사 학위) · 학문적 자격을 가리킬 때. "Charlotte Fraza, a neuroscience PhD"
postdoc	postdoctoral researcher(박사후연구원, 박사 취득 후 단기 연구직) · 학계 경력 단계 표현. "who is now a postdoc"
deep-dive (n./v.)	깊이 파고들기 · 주제 하나를 철저히 조사한다는 뜻의 관용 표현. "Deep-Dive like a PhD Student"
funnel (v.)	좁혀 나가다(깔때기처럼 점점 좁히다) · 범위를 단계적으로 줄이는 동작. "she funnels it in three steps"
stop condition	정지 조건(언제 멈출지 정하는 기준) · 프로그래밍에서 온 표현이지만 여기서는 읽기 범위를 언제 멈출지의 비유. "sets a stop condition on the reading"
sprawl (v.)	이리저리 퍼지다, 통제 없이 확장되다 · 좁히지 않은 주제가 무한히 넓어지는 모습. "instead of sprawling"
active recall	능동적 인출(스스로 떠올려 확인하는 학습법) · retrieval practice의 다른 이름, 학습과학 용어. "drives active recall"
retrieval practice	인출 연습(기억에서 꺼내는 연습으로 학습을 강화하는 기법) · active recall과 같은 개념. "drives retrieval practice"
review paper	리뷰 논문(한 분야의 기존 연구를 종합 정리한 논문) · 문헌 조사의 출발점으로 흔히 쓰임. "a review paper from a peer-reviewed journal"
peer-reviewed	동료 심사를 거친(전문가 검토를 통과한) · 학술지 품질의 기본 기준. "a peer-reviewed journal"
backward tracing / forward tracing	역추적(참고문헌을 거슬러 올라가기) / 순추적(이후 인용을 따라가기) · 문헌 조사의 표준 두 방향. "Trace backward... Trace forward"
citation graph	인용 그래프(논문들이 서로 인용한 관계를 노드-링크로 나타낸 지도) · 핵심 논문과 주변 논문을 구분하는 도구. "a small citation graph"
core node / peripheral node	핵심 노드(가장 많이 인용되는 중심) / 주변 노드(그 주위의 덜 중심적인 항목) · 그래프·네트워크 용어. "a few heavily-cited core nodes"
reference manager	레퍼런스 관리 도구(인용·문헌을 정리하는 소프트웨어, 예: Zotero) · 문헌 조사 실무 도구. "Track it all in a reference manager"
framing	프레이밍(같은 사실을 어떤 틀로 포장하는가) · 결과 해석의 편향을 가리킬 때. "Funding and framing"
discussion section	discussion 섹션(논문에서 결과의 한계와 함의를 논하는 부분) · 논문 품질을 판단하는 핵심 위치. "a discussion section that names its own design limits"
lab book	실험 노트, 연구 기록장 · 매일의 진행과 질문을 적어 두는 개인 기록. "keeps a lab book"
curriculum	커리큘럼(학습·연구 계획의 순서와 범위) · 자기 주도 학습을 코스처럼 짤 때 쓰는 말. "a curriculum, a fixed daily time"
correlation vs causation	상관 대 인과(두 변수가 함께 변하는 것과 하나가 다른 하나를 일으키는 것의 구분) · 비판적 읽기의 핵심 축. "correlational rather than causal"
forced output	강제 산출물(입력만이 아니라 반드시 만들어 내야 하는 결과물) · 수동적 읽기와 대비되는 학습 마무리 방식. "a forced output at the end of every session"

← All Knowledge Notes · Workspace Index · Top ↑

PhD 학생처럼 아무 주제나 연구하기 — 질문을 좁힐수록 문헌도 저절로 좁아진다

신경과학 박사이자 현재 포스트닥인 샬럿 프라자(Charlotte Fraza)가 약 16분짜리 YouTube 영상 "How to Research Any Topic - Deep-Dive like a PhD Student"에서, 막연한 관심사를 방어 가능한 답으로 바꾸는 자신의 방법을 설명한다. 핵심은 읽기를 시작하기 전에 일어난다(01:14). '정신건강' 같은 포괄적 주제는 정보 홍수를 낳으므로(01:25), 그는 세 단계로 좁힌다. 포괄 주제('정신건강', 01:43) → 주제에 변수 하나 추가('사회경제적 지위와 정신건강', 01:48) → 상관 또는 인과를 명시하는 질문('유년기 낮은 사회경제적 지위가 성인기 정신질환 발병에 영향을 미치는가?', 02:01). 질문이 날카로울수록 문헌 범위가 좁아지고 답이 분명해진다(02:15, 08:00). 이어서 그는 문헌 네트워크를 양방향으로 추적하는 법, 그대로 받아들이지 않고 비판적으로 읽는 법, 매 세션 끝에 산출물을 강제하는 코스처럼 연구를 계획하는 법을 다룬다.

Jayverse에서 이것은 Knowledge Notes 자체의 방법론이다. 여기 모든 항목은 이미 프라자가 말하는 의미에서 소스로 만든 '산출물'이어야 하고, 이 항목은 그 실천이 실제로 그의 방법에 얼마나 가까운지에 대한 솔직한 점검이다.

왜

질문 없이 읽으면 반쯤 기억나는 사실 더미만 남고 답은 남지 않는다. 산출물 없이 읽으면 밑줄 그은 PDF 더미만 남고 남는 지식은 없다. 프라자의 방법은 입구와 출구 양쪽에서 이 두 실패 모드를 고친다. 좁혀진 인과·상관 질문은 읽기에 종료 조건을 주어 퍼지지 않고 수렴하게 하고, 마지막의 강제 글쓰기는 능동적 인출을 유도해 '읽었다'를 '안다'로 바꾸는 단계다. 입구 단계를 건너뛰면 주제가 스스로 경계를 갖지 못하고, 출구 단계를 건너뛰면 읽은 내용이 일주일 안에 증발한다.

동작 방식

질문 좁히기, 세 단계

주제 이름 하나로 넓게 시작해 변수 하나를 더하고, 방향을 명시하는 질문으로 다시 쓴다 — X가 Y를 일으키는지, 아니면 X가 Y와 그저 연관될 뿐인지. 프라자의 예시: '정신건강'이 '사회경제적 지위와 정신건강'으로, 다시 '유년기 낮은 사회경제적 지위가 성인기 정신질환 발병에 영향을 미치는가?'로 좁아진다. 각 단계가 후보 문헌을 대략 한 자릿수씩 줄이고, 세 번째 단계에 이르면 어떤 종류의 연구를 찾아야 하는지 안다 — 이 경우는 개입 실험이 아니라 상관적 코호트 데이터다.

문헌 네트워크를 역추적과 순추적으로

출발점은 그 분야의 고전적 논문이거나, 최근 5~10년 사이 피어리뷰 저널에 실린 리뷰 논문이다(03:06, 03:58) — 리뷰 논문은 이미 그 분야의 핵심 연구를 추려내는 작업을 해 두었다. 역추적: 리뷰의 참고문헌을 훑어 가장 많이 기대는 연구를 뽑아낸다(04:34, 07:06). 순추적: Google Scholar의 '인용됨' 목록이나 Research Rabbit 같은 인용 지도 도구로 그 핵심 논문을 이후 인용한 연구를 찾는다(05:04, 07:20). 이 모든 것을 레퍼런스 관리 도구에 기록한다(영상에서는 Zotero와 다른 도구 하나가 언급되었다). 결과는 작은 인용 그래프다 — 많이 인용되는 핵심 노드 몇 개와 그 주변의 주변 노드들(04:45, 05:11, 11:55) — 이것이 평평한 읽기 목록이 아니라 그 분야의 실제 지도다.

그대로 받아들이지 않고 비판적으로 읽기

일반 학습(교과서, 강의)은 신뢰하도록 설계되어 있지만 연구 문헌은 그렇지 않다. 프라자는 모든 논문을 받아들일 사실이 아니라 심문할 주장으로 대한다(08:43). 자금과 프레이밍: 누가 연구비를 댔는지가 무엇을 연구하는지와 결과를 어떻게 포장하는지를 좌우한다(09:20). 제목 대 데이터: '초콜릿이 우울증을 유발한다'는 제목이 전적으로 쥐 실험 위에 서 있을 수 있고, 이는 제목이 암시하는 것보다 인간에 대해 훨씬 약한 주장이다(09:36, 09:54) — 제목을 믿기 전에 실제로 무엇을, 어떤 대상에서 측정했는지 확인한다. 구조적 제약도 있다. 인간 뇌 연구 대부분은 인과가 아니라 상관 연구인데, '유년기 낮은 사회경제적 지위'로 사람을 윤리적으로 무작위 배정할 수 없기 때문이다(10:18). 그래서 논문이 스스로 이 한계를 솔직히 밝히는지가 품질 신호가 된다. 프라자가 보는 좋은 논문의 최고 징표는, 자신의 설계 한계를 밝히고 찬성하는 연구만 인용하는 대신 반대 증거와도 씨름하는 discussion 섹션이다(11:02, 11:27).

코스처럼 계획하고, 산출물로 끝맺기

프라자는 자기 주도 딥다이브를 대학이 코스를 다루듯 다룬다. 커리큘럼, 정해진 매일의 시간, 그리고 쉬운 곳이 아니라 인용 그래프의 핵심 노드에서 시작하기(11:49, 12:16). 그는 Notion의 프로젝트별 페이지를 lab book으로 유지하며, 문헌 테이블, 미해결 질문 목록, 일일 요약을 담는다(12:31, 13:06). 초심자의 시선에서 떠오르는 모든 질문을 기록해 둔다. 이런 소박한 초기 질문은 종종 전문가가 이미 묻기를 멈춘 질문이기 때문이다(13:24). 가장 강조하는 지점: 읽기와 밑줄 긋기는 수동적이고, 수동적 입력은 남지 않는다. 세션은 반드시 무언가 산출된 것으로 끝나야 한다 — 글쓰기, 화이트보드 설명, 비디오 스크립트 — 설명하는 행위 자체가 빈틈을 드러내고 인출 연습을 이끌기 때문이다(13:49, 14:25). 모든 세션은 세 가지 고정 질문으로 마무리한다. 오늘 무엇을 배웠나, 여전히 불명확한 것은 무엇인가, 다음 단계는 무엇인가(15:07, 15:29).

jay의 실천이 맞는 부분과 부족한 부분

맞는 부분: 매일의 리듬은 그의 고정된 일일 블록과 닮았다. docs/history/YYYY-MM-DD-<project>-history.md는 액션마다 제목 있는 블록과 Cause/Reasoning/Change/Result 구조를 갖추고 있어, 이미 그의 문헌 테이블 겸 일일 요약에 가까운 lab book 역할을 한다. 그리고 모든 항목 끝의 Key expressions 표와 Verified/unverified 문단은 실제 비판적 읽기 습관이다 — 자금 출처와 제목 대 데이터를 확인하는 것과 같은 동작으로, 독립적으로 확인된 것과 소스가 그저 주장하는 것을 분리한다.

부족한 부분은 세 가지다. 항목이 좁혀진 인과·상관 질문이 아니라 주제에서 시작해 쓰인다 — 이 항목도 이 문단을 쓰기 전까지는 그랬다. 순추적이 없다 — 어떤 소스가 이후 무엇으로 이어졌는지, 나중 항목이 이전 주장을 어떻게 수정했는지 기록이 없다. 항목별 '여전히 불명확함, 다음 단계' 줄이 없다 — Verified/unverified는 확인된 것과 안 된 것을 나누지만 안 된 부분을 어떻게 할지는 말하지 않는다.

가장 값싼 해법은 프라자의 마무리 세 질문을 항목마다가 아니라 일일 히스토리 파일의 footer 습관으로 그대로 가져오는 것이다. 매일 docs/history/YYYY-MM-DD-<project>-history.md를 세 줄로 마무리한다 — 오늘 무엇을 배웠나, 여전히 불명확한 것은, 다음 단계는. 이미 있는 인프라를 재사용하면서, 프라자가 모든 세션에 주는 것과 같은 강제 산출물 마무리를 하루에 준다.

Jayverse에서의 위치

Knowledge Notes: 산출물 단계는 있지만 질문에서 시작하는 경우는 드물다. 대부분 항목이 소스가 답하는 좁혀진 질문을 먼저 밝히지 않고 요약부터 한다. 논문이나 긴 강연 같은 단일 밀도 소스에서 나온 항목에는 그 한 줄을 추가한다.
Number: 주제가 아니라 읽기마다 하나의 연구 질문. 배포되는 각 읽기는 단순한 주제 태그가 아니라 세 단계 좁히기의 결과물, 즉 그 읽기가 다루는 구체적인 상관·인과 질문을 담아야 한다.
Theory: 상관과 인과는 통계 항목들 옆에 둔다. 인간 뇌 연구 대부분이 실험 윤리 제약 때문에 상관 연구라는 프라자의 지적은 추상적 규칙이 아니라 Theory 통계 항목들의 살아 있는 예다.
Eng: 새 분야를 어떻게 배우는지 설명하는 인터뷰 소재. 세 단계 좁히기, 역추적·순추적, 강제 산출물로 압축한 이 방법은 '낯선 영역에 어떻게 빠르게 적응하는가'라는 표준 인터뷰 질문에 바로 쓸 답이다.
Life 1304(ng-tasks-not-jobs-context-advantage): 같은 학습의 역설. 모델이 아니라 당신이 쓴 산출물이 기억에 남는다 — 프라자의 능동적 인출 요구는 그 주장의 세션 단위 버전이다.
Obsidian 항목(obsidian-three-levels-llm-wiki): lab book 대 LLM 위키. 프라자의 Notion lab book은 한 사람이 직접 쌓은 미해결 질문과 요약의 기록이고, LLM 위키는 다른 종류의 물건이다 — 하나는 당신이 만든 기억이고 다른 하나는 조회할 수 있는 기억이다 — 직접 대비해 볼 가치가 있다.

확인된 것과 미확인

2026-09-19 확인: 해당 영상은 주어진 제목으로 YouTube에 존재하고 샬럿 프라자가 만들었으며 약 16분 분량이다. 역추적(리뷰 논문의 참고문헌을 훑는 것)과 순추적(Google Scholar의 '인용됨' 기능이나 Research Rabbit 같은 도구로 핵심 논문을 이후 누가 인용했는지 확인하는 것)은 표준적이고 문서화된 문헌 리뷰 방법이다. Zotero, Google Scholar, Research Rabbit은 실제 존재하는 도구다. 능동적 인출과 인출 연습은 학습과학에서 확립된 발견이다. 자금 출처를 편향 여부로 점검하는 것과 상관을 인과와 구분하는 것은 연구방법론 강의에서 가르치는 표준 비판적 평가 절차다. 요약에서 가져왔고 독립적으로 확인하지 않은 것: 프라자의 구체적 사례(유년기 사회경제적 지위와 성인기 정신질환), 모든 타임스탬프, 초콜릿-쥐 실험 사례, 그리고 두 번째 레퍼런스 관리 도구 이름 — 소스 요약은 이를 'Paperpal'로 적었는데 이는 알려진 레퍼런스 관리 제품과 일치하지 않는다(이름이 비슷한 잘 알려진 도구는 Paperpile이다). 영상이 실제로 어떤 도구를 언급했는지는 여기서 독립적으로 확인하지 않았다. 프라자가 영상 시점에 PhD candidate인지 포스트닥인지도 과제 설명 이상으로는 독립 확인하지 않았다.

출처: YouTube — 샬럿 프라자, "How to Research Any Topic - Deep-Dive like a PhD Student" · 관련 항목: Life 1304(ng-tasks-not-jobs-context-advantage) · Life 1303(eat-the-same-dish-twice-tokyo) · Tech #62(에이전틱 엔지니어링은 경계를 쓴다) · Obsidian 항목(obsidian-three-levels-llm-wiki).

핵심 표현

이 페이지의 영어 본문에서 배울 만한 단어와 표현, 뜻과 나온 자리.

Expression	뜻 · 쓰이는 자리
PhD	Doctor of Philosophy(박사 학위) · 학문적 자격을 가리킬 때. "Charlotte Fraza, a neuroscience PhD"
postdoc	postdoctoral researcher(박사후연구원, 박사 취득 후 단기 연구직) · 학계 경력 단계 표현. "who is now a postdoc"
deep-dive (n./v.)	깊이 파고들기 · 주제 하나를 철저히 조사한다는 뜻의 관용 표현. "Deep-Dive like a PhD Student"
funnel (v.)	좁혀 나가다(깔때기처럼 점점 좁히다) · 범위를 단계적으로 줄이는 동작. "she funnels it in three steps"
stop condition	정지 조건(언제 멈출지 정하는 기준) · 프로그래밍에서 온 표현이지만 여기서는 읽기 범위를 언제 멈출지의 비유. "sets a stop condition on the reading"
sprawl (v.)	이리저리 퍼지다, 통제 없이 확장되다 · 좁히지 않은 주제가 무한히 넓어지는 모습. "instead of sprawling"
active recall	능동적 인출(스스로 떠올려 확인하는 학습법) · retrieval practice의 다른 이름, 학습과학 용어. "drives active recall"
retrieval practice	인출 연습(기억에서 꺼내는 연습으로 학습을 강화하는 기법) · active recall과 같은 개념. "drives retrieval practice"
review paper	리뷰 논문(한 분야의 기존 연구를 종합 정리한 논문) · 문헌 조사의 출발점으로 흔히 쓰임. "a review paper from a peer-reviewed journal"
peer-reviewed	동료 심사를 거친(전문가 검토를 통과한) · 학술지 품질의 기본 기준. "a peer-reviewed journal"
backward tracing / forward tracing	역추적(참고문헌을 거슬러 올라가기) / 순추적(이후 인용을 따라가기) · 문헌 조사의 표준 두 방향. "Trace backward... Trace forward"
citation graph	인용 그래프(논문들이 서로 인용한 관계를 노드-링크로 나타낸 지도) · 핵심 논문과 주변 논문을 구분하는 도구. "a small citation graph"
core node / peripheral node	핵심 노드(가장 많이 인용되는 중심) / 주변 노드(그 주위의 덜 중심적인 항목) · 그래프·네트워크 용어. "a few heavily-cited core nodes"
reference manager	레퍼런스 관리 도구(인용·문헌을 정리하는 소프트웨어, 예: Zotero) · 문헌 조사 실무 도구. "Track it all in a reference manager"
framing	프레이밍(같은 사실을 어떤 틀로 포장하는가) · 결과 해석의 편향을 가리킬 때. "Funding and framing"
discussion section	discussion 섹션(논문에서 결과의 한계와 함의를 논하는 부분) · 논문 품질을 판단하는 핵심 위치. "a discussion section that names its own design limits"
lab book	실험 노트, 연구 기록장 · 매일의 진행과 질문을 적어 두는 개인 기록. "keeps a lab book"
curriculum	커리큘럼(학습·연구 계획의 순서와 범위) · 자기 주도 학습을 코스처럼 짤 때 쓰는 말. "a curriculum, a fixed daily time"
correlation vs causation	상관 대 인과(두 변수가 함께 변하는 것과 하나가 다른 하나를 일으키는 것의 구분) · 비판적 읽기의 핵심 축. "correlational rather than causal"
forced output	강제 산출물(입력만이 아니라 반드시 만들어 내야 하는 결과물) · 수동적 읽기와 대비되는 학습 마무리 방식. "a forced output at the end of every session"

← 전체 기술 노트 · 워크스페이스 인덱스 · 맨 위 ↑