과학 연구에서 대규모 언어 모델(LLM)의 채택이 증가함에 따라, 연구자와 대학원생들이 이러한 도구를 비판적이고 책임감 있게 사용하기 위해 어떤 역량이 필요한지 이해할 필요성이 생겼습니다. 본 신속 검토는 Elicit과 Google Scholar에서 검색된 2022년부터 2025년까지의 194개 논문을 분석했으며, 이 중 독립적인 이중 스크리닝(Gwet AC1: 0.76 ~ 0.83)을 거쳐 40개의 논문이 역량 추출 및 주제별 분석에 사용되었습니다. 총 여덟 가지 역량이 확인되었습니다. 가장 보편적인 것은 도메인 전문 지식과 AI 출력물에 대한 감독(n = 123)으로, 이는 주제 숙련도, 체계적 회의주의, 출처 검증, 연구자 책임성을 포괄합니다. 다른 주요 역량으로는 메타인지 및 AI 사용 결정(n = 55), 윤리 및 학문적 진실성(n = 53), 연구를 위한 프롬프트 엔지니어링(n = 38), 그리고 AI 사용의 재현성(n = 29)이 있습니다. AI 리터러시와 기술 지식(n = 16)은 부재할 경우 명시적인 위험 요소로 식별되었으며, 도메인 전문 지식은 의미 있는 비판적 평가를 위한 전제 조건으로 다루어졌습니다. 연구 결과는 LLM 사용을 위해 연구자들을 준비시키는 것이 단순한 기술 교육을 넘어, 생산된 지식에 대한 인간의 책임성을 중심으로 하는 인식론적, 윤리적, 방법론적 역량들의 통합적인 세트를 요구함을 시사합니다. 이러한 결과는 대학원 프로그램 설계와 AI 리터러시 이니셔티브에 직접적인 영향을 미칩니다.