대학생 AI 활용 공모전 AI규정 확인 체크리스트 — 데이터 사용과 윤리 가이드라인

2026-06-05

1. 공모전 평가 흐름을 정확히 이해하기

2024‑2026년 사이에 진행된 대부분의 대학생 AI 공모전은 ‘문제 정의 → 근거·데이터 → 실행 가능성 → 결과물 완성도’ 네 단계에 가중치를 두고 있다. 독창성 자체가 전혀 무시되는 것은 아니지만, 문제를 얼마나 명확히 규정하고 그 규정에 대한 근거를 얼마나 설득력 있게 제시했는지가 전체 점수의 절반 이상을 차지한다는 점을 기억하자.

실전 팁 : 초안 단계부터 각 단계별로 ‘점수 목표’를 설정하고, 해당 목표를 달성하기 위한 구체적인 항목을 체크리스트 형태로 작성한다.

1‑1. 최근 3년 수상작 분석 워크플로우

1. 공모전 공식 웹사이트에서 ‘수상작·시상내역’ 페이지를 찾는다.
2. PDF 혹은 PPT 파일을 모두 다운로드하고, 파일명을 수상연도_팀명_주제.pdf 로 저장한다.
3. 표준 분석 템플릿(아래 예시) 에 각 작품을 입력한다.
4. 공통된 포맷(문제 정의 → 데이터 → 솔루션 → 기대 효과)과 차별화 포인트(수치 목표, ESG 연계 등)를 추출한다.

1‑2. 초안 작성 시 반영할 핵심 인사이트

• 문제 정의는 한 문장에 핵심 통계를 넣어야 심사관이 빠르게 파악한다.
• 데이터 출처는 최소 2곳 이상을 명시하고, 각각의 수집 일시·방법을 간단히 적는다.
• 모델 선택 이유를 ‘성능·비용·배포 용이성’ 중 두 가지 이상으로 설명한다.
• 기대 효과는 절대값(예: “CO₂ 배출량 12 % 감소”) 혹은 비율(예: “학습 비용 25 % 절감”) 로 제시한다.

2. AI 활용 규정 – 반드시 체크해야 할 핵심 항목

2024년 이후 대부분의 대학생 AI 공모전은 생성형 AI 사용에 대한 구체적 고지를 요구한다. 규정을 위반하면 ‘근거 없는 주장’과 함께 실격 처리될 위험이 있다.

2‑1. AI 모델 사용 선언 양식

주의 : 프롬프트는 반드시 원본을 그대로 첨부하고, 수정·요약한 버전은 별도 표기한다.

2‑2. 생성물 저작권·출처 고지 규칙

• 텍스트 : “본 보고서의 ‘배경’ 섹션은 ChatGPT‑4를 프롬프트 ‘대학 AI 현황 요약’에 의해 생성되었습니다(2026‑04‑01).”
• 이미지 : “그림 1은 Stable Diffusion v2로 ‘캠퍼스 AI 라벨’이라는 프롬프트를 입력해 만든 결과물이며, CC‑BY‑4.0 라이선스를 따릅니다.”

2‑3. 데이터 사용 제한 및 개인정보 보호

실전 예시 : 설문 조사에서 수집한 학생 이메일 주소는 hash(email) 로 변환하고, 원본 파일은 삭제했다는 과정을 보고서 부록에 기록한다.

3. 데이터 기반 기획 – 근거·데이터 파트 완성 가이드

‘데이터·근거’ 파트는 전체 점수 중 가장 큰 비중을 차지한다. 따라서 데이터 선정부터 시각화까지의 흐름을 문서화하고, 검증 가능한 형태로 제시해야 한다.

3‑1. 데이터 출처 표준 양식 (Markdown)

- **통계자료** : 통계청 ‘2025년 대학생 AI 활용 현황 보고서’, 2026‑01‑15 다운로드, PDF(2.3 MB)  
- **센서 데이터** : 서울시 대기환경 실시간 API, GET https://api.seoul.go.kr/air, 2026‑03‑10 수집, JSON(1.1 MB)  
- **설문 데이터** : Google Form 설문(응답자 210명), 2026‑02‑20 수집, CSV(0.4 MB)  

3‑2. 전처리·정제 과정 상세 기록 예시

3‑3. 시각화 가이드라인

• 색상 : 색맹 친화 팔레트(예: #006BA6, #FFB000, #7F7F7F) 사용
• 차트 라벨 : 축 라벨·단위·출처를 모두 표기
• 해상도 : 최소 300 dpi, PNG 혹은 SVG 권장
• 주석 : 핵심 포인트를 화살표·텍스트 박스로 강조

import matplotlib.pyplot as plt
plt.figure(figsize=(6,4), dpi=300)
plt.bar(df['연도'], df['AI_활용률'], color='#006BA6')
plt.title('대학생 AI 활용률 추이')
plt.xlabel('연도')
plt.ylabel('활용률(%)')
plt.text(2025, 45, '2025년 급증', fontsize=9, color='red')
plt.savefig('ai_usage_trend.png')

4. 윤리·저작권 – 감점 요소를 사전에 차단하기

심사 과정에서 가장 많이 지적되는 항목은 근거 없는 주장, 출처 누락, AI 생성물 표기 누락이다. 아래 체크리스트를 초안 단계부터 적용하면 감점을 최소화할 수 있다.

4‑1. 윤리·저작권 검토 체크리스트

• 개인정보가 전혀 포함되지 않았는가? (이름·전화·학번 등)
• 데이터 편향을 검토하고, 필요 시 재샘플링·가중치를 적용했는가?
• AI 생성물(텍스트·이미지·코드) 사용 비율을 명시했는가?
• 저작권이 명시된 외부 자료(논문·이미지·코드) 모두 출처를 기재했는가?
• 윤리 가이드라인(예: AI 윤리 선언문) 을 별도 섹션에 포함했는가?

4‑2. 저작권 위반 방지 실제 사례

4‑3. AI 생성 텍스트 표기 예시 (Markdown)

> **AI 활용 선언**  
> 본 보고서의 ‘솔루션 설계’ 부분은 ChatGPT‑4에 “대학생 AI 학습 보조 시스템 설계”라는 프롬프트를 입력해 얻은 텍스트를 기반으로 작성하였다(2026‑04‑03). 원본 프롬프트와 응답 전체는 부록 A에 첨부한다.

5. 제출 전 최종 검수 – 실수 없이 마감하기

공모전마다 ‘분량·파일 형식·파일명·개인정보 삭제·참고문헌·오탈자·이미지 해상도·규격’ 등의 세부 체크리스트가 제공된다. 마감 하루 전까지 다음 순서대로 검수하면 실수를 최소화할 수 있다.

5‑1. 파일·형식 검증 리스트

5‑2. 내용·구조 검증 체크리스트

• 분량: 본문 15 페이지 이하, 부록 5 페이지 이하 (총 20 페이지 미만)
• 목차: 자동 생성된 목차가 페이지 번호와 일치하는가?
• 오탈자: 한글 맞춤법 검사기 + 팀원 2명 교차 검토 (각 1회씩)
• 참고문헌: APA 7th 스타일, 모든 데이터·AI 모델·정책·보고서 출처 포함

5‑3. 개인정보·민감정보 완전 삭제 절차

1. 문서 내 검색: “학번”, “전화”, “이메일” 문자열을 모두 검색한다.
2. 마스킹: 발견된 모든 항목을 XXX 로 대체한다.
3. 데이터 파일: CSV/Excel 파일에서 PII 컬럼을 삭제하고, 파일을 새 이름으로 저장한다.
4. 메타데이터 제거: ExifTool 로 이미지·PDF 메타데이터 전체 삭제 (exiftool -all= file.pdf).

5‑4. 자동 검증 도구 활용 예시 (GitHub Actions)

name: Submission Check

on: [push]

jobs:
  lint:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: PDF 검증
        run: |
          sudo apt-get install poppler-utils
          pdfinfo report.pdf | grep 'Pages'   # 페이지 수 확인
          pdftotext report.pdf - | grep -i '학번' && exit 1 || echo "PII 없음"
      - name: 이미지 해상도 확인
        run: |
          find images/ -name '*.png' -exec identify -format "%f %wx%h\n" {} \; | awk '$2<300 {print $1 " 해상도 부족"}'

6. 발표·PT 전략 – 심사관의 눈을 사로잡는 5분 발표법

심사관은 ‘첫 30초에 문제 심각성을 한 문장’ 으로 청중의 관심을 끈다. 슬라이드당 하나의 핵심 메시지만 남기고, 복잡한 내용은 부록이나 QR코드로 연결한다.

6‑1. 슬라이드 구성 원칙 (1슬라이드 = 1메시지)

6‑2. 30초 문제 제시 예시

“2025년 기준, 전국 대학생의 **68 %**가 AI 활용에 ‘전문 지식 부족’과 ‘데이터 접근 어려움’을 주요 장애물로 꼽고 있습니다. 이는 교육 격차 확대와 취업 경쟁력 저하라는 심각한 사회적 비용을 초래하고 있죠.”

6‑3. Q&A 대비 시뮬레이션

1. 예상 질문 리스트(10개) 를 팀원 모두가 작성한다.
2. 답변 스크립트를 2문장 이내로 정리하고, 각 답변에 근거(데이터·논문·코드 라인)를 연결한다.
3. 역할극: 한 명은 심사관, 나머지는 참가자 역할을 맡아 5분간 진행한다.

6‑4. 발표 파일 최종 점검

• 파일명: TeamAlpha_Presentation_20260420.pptx
• 슬라이드 비율: 16:9 (가로형) 혹은 9:16 (세로형 숏폼) 중 공모전 요구에 맞게 선택
• 폰트: 가독성 높은 ‘맑은 고딕’ 24pt 이상, 색상 대비 충분히 확보
• 애니메이션: 최소화 (전환 효과 1개 이하)

7. 차별화 전략 – 수치와 확장성을 동시에 보여주기

심사관은 **‘차별화’**를 수치로 확인하고 싶어한다. 비용·시간·성능을 구체적인 비율로 제시하고, 장기적 확장·지속가능성을 함께 언급하면 높은 점수를 받을 확률이 높다.

7‑1. 차별화 수치 예시

7‑2. 확장성·지속가능성 로드맵

1. 1단계(0‑6개월) – 파일럿 대학 3곳에 파일럿 운영, 피드백 수집
2. 2단계(6‑12개월) – 전국 20개 대학으로 확대, API 공개 (오픈소스)
3. 3단계(12‑24개월) – 기업·공공기관 협업, ESG 보고서에 활용 (탄소 배출량 추적)

핵심 문구 : “우리 솔루션은 현재 대학 내부 파일럿에 국한되지 않고, 향후 2년 내에 전국 대학 및 ESG 보고서에 연계되는 플랫폼화를 목표로 합니다.”

7‑3. 지속가능성 확보를 위한 구체적 방안

• 오픈소스 라이선스: MIT 라이선스로 공개, 커뮤니티 기여 장려
• 모니터링 체계: Grafana 대시보드 구축, 월간 성능·비용 리포트 자동 생성
• 재무 모델: 초기 투자 5 천만원, 연간 운영 비용 1 천만원, 3년 차에 비용 회수 목표

8. 마감 하루 전 최종 검수 루틴 (시간대별 체크리스트)

팁 : ‘제출 직전’에 인터넷 연결 상태와 **업로드 제한(파일 크기·시간)**을 재점검하면 예상치 못한 오류를 방지할 수 있다.

9. 마무리 – 성공적인 공모전 준비를 위한 핵심 요약

1. 문제 정의는 한 문장에 핵심 통계·배경을 담는다.
2. 데이터·근거는 출처·전처리·시각화를 모두 문서화하고, 메타데이터를 반드시 삭제한다.
3. AI 활용은 모델·프롬프트·생성 일시를 정확히 선언하고, 저작권·라이선스를 명시한다.
4. 윤리·저작권 체크리스트를 초안 단계부터 적용해 감점 요소를 원천 차단한다.
5. 제출 체크는 파일명·형식·크기·개인정보·오탈자·해상도까지 10가지 항목을 일일이 검증한다.
6. 발표는 30초 문제 제시 → 1슬라이드 = 1메시지 → Q&A 대비 → 시각·텍스트·데이터를 균형 있게 배치한다.
7. 차별화는 비용·시간·성과를 수치화하고, 2‑3년 로드맵과 오픈소스 전략으로 확장성을 강조한다.

위 가이드를 따라 팀별 작업을 ‘문제 정의 → 근거·데이터 → 실행 가능성 → 완성도’ 순서대로 체계화한다면, 최신 트렌드(생성형 AI 활용·ESG·지역문제 해결)와 심사 기준을 모두 만족하는 고품질 결과물을 만들 수 있다. 이제 체크리스트를 손에 쥐고, 마감 전날 검수를 완료한 뒤 자신감 있게 제출하자. 성공을 기원한다!

함께 보기: 공모전 목록 · 공모전 팁 더보기