중학생 데이터 과학 공모전 지원서 포맷 가이드 — 표와 그래프 활용법

2026-05-31

1. 데이터 과학 공모전, ‘문제 정의→근거→실행 가능성→완성도’가 핵심인 이유

2024‑2026년 사이에 진행된 대부분의 공모전은 아이디어 자체보다는 논리 전개와 결과물의 완성도에 높은 가중치를 둔다. 심사위원이 가장 먼저 보는 부분은 첫 페이지에 제시된 문제 정의이며, 이어서 데이터·근거가 얼마나 객관적인 출처를 갖추고 있는지, 그리고 제안한 해결 방안이 실제 구현 가능한지 검증한다.

예시 – 2025년 ‘지역 대기오염 저감 데이터 과학 콘테스트’에서는 ‘문제 정의 없이 AI 모델만 제시’한 3팀이 모두 20점 이하로 떨어졌다. 반면, ‘문제 정의 → 지역별 측정 데이터 → 단계별 시뮬레이션 → 기대 효과’를 순서대로 제시한 팀은 전체 점수 85점을 기록했다.

따라서 표와 그래프는 근거를 시각적으로 증명하는 도구이며, 이를 어떻게 배치하고 주석을 달 것인지가 점수 차이를 만든다.

2. 심사 기준을 세부적으로 해석하기

2‑1. 평가 항목과 배점 비율 (공모전마다 차이가 있지만 일반적인 흐름)

배점은 모집 요강에 직접 명시된 수치를 반드시 확인한다.

2‑2. 흔히 발생하는 감점 포인트

• 근거 미제시 – 데이터가 어디서 왔는지, 언제 수집했는지 명시하지 않으면 ‘데이터·근거’ 항목에서 0점 처리될 수 있다.
• AI 생성물 표기 누락 – 생성형 AI로 만든 차트는 ‘AI 생성’ 라벨을 넣지 않으면 저작권 위반·출처 미기재로 간주된다.
• 디자인 과잉 – 색감·애니메이션에만 집중하고 핵심 수치가 흐려지면 ‘결과물 표현력’과 ‘논리·완성도’가 동시에 감점된다.
• 규정 위반 – 파일명 규칙, 개인정보 포함 여부 등 기본 제출 요건을 어기면 실격 처리 가능성이 가장 높다.

3. 지원서 기본 골격 (5대 파트)

1. 문제 정의 – 1~2문단에 문제의 배경, 현황, 중학생이 해결해야 하는 이유를 명확히 서술한다.
2. 데이터·근거 – 데이터 수집 경로, 전처리 로직, 표·그래프를 삽입할 위치와 주석을 미리 설계한다.
3. 해결 방안 – 단계별 실행 흐름(예: ① 데이터 수집 → ② 전처리 → ③ 모델 학습 → ④ 결과 검증)과 각각에 필요한 인력·시간·예산을 간단히 표로 제시한다.
4. 기대 효과·활용 방안 – 수치 목표(예: 비용 28% 절감, 처리 시간 47% 단축)와 ESG·지역사회 연계 방안을 구체화한다.
5. 제출 체크리스트 – 개인정보 삭제, 파일명 규칙, 형식·용량 등 최종 검증 항목을 체크리스트 형태로 정리한다.

각 파트마다 표·그래프를 최소 한 개씩 삽입하면 ‘데이터·근거’와 ‘결과물 표현력’ 점수를 동시에 확보할 수 있다.

4. 표·그래프 설계 실전 가이드

4‑1. 데이터 수집과 전처리 베스트 프랙티스

4‑2. 표 디자인 원칙 (시각적 가독성 강화)

1. 컬럼 수는 5개 이하 – 읽는 사람이 한 눈에 파악할 수 있도록 제한한다.
2. 헤더는 굵은 글씨·배경 색상 – 구분이 명확해진다.
3. 숫자는 천 단위 구분 기호(예: 1,234)와 단위 표시(예: % , kg) 를 반드시 포함한다.
4. 출처 주석은 표 하단에 작은 글씨로 (출처: KOSSDA 2023) 형식으로 넣는다.

표 예시 – ‘중학생 데이터 과학 교육 참여 현황’

| 구분 | 학년 | 평균 학습시간(시간/주) | 프로젝트 참여율(%) | 설문 응답자수 |
|------|------|----------------------|-------------------|--------------|
| 1학년 | 1학년 | 2.1 | 71 | 118 |
| 2학년 | 2학년 | 2.9 | 84 | 132 |
| 3학년 | 3학년 | 2.4 | 77 | 104 |

출처: 2024년 위비티 ‘청소년 데이터 과학 교육 현황 조사’

4‑3. 그래프 디자인 핵심 체크리스트

• 차트 종류 선택: 트렌드 파악 → 라인 차트, 비율 비교 → 막대 차트, 구성 비율 → 원형 차트.
• 색상 팔레트: 색맹 친화 8가지 색상 중 3~4가지만 사용, 주요 데이터는 강조 색(빨강·파랑)으로 표시.
• 축 라벨·단위: X축은 ‘시간(주)’, Y축은 ‘성취도(점수)’와 같이 명시.
• 주석·레전드: 그래프 오른쪽 위에 회귀식·R² 값 삽입, 레전드는 최소화.
• AI 생성 표기: 그래프 하단에 ‘※ AI 기반 시각화(Stable Diffusion) 사용’이라고 기재.

그래프 예시 – ‘학습시간 대비 프로젝트 성공률’ (Python seaborn 코드 스니펫)

import seaborn as sns
import matplotlib.pyplot as plt
df = pd.read_csv('data_202405_clean.csv')
sns.regplot(x='학습시간', y='성공률', data=df, scatter_kws={'s':50}, line_kws={'color':'navy'})
plt.title('학습시간 vs 성공률')
plt.xlabel('학습시간 (시간/주)')
plt.ylabel('성공률 (%)')
plt.text(2.5, 80, 'y = 12.3x + 45.7\nR² = 0.78', fontsize=9, ha='right')
plt.figtext(0.02, 0.01, '출처: KOSSDA 2023년 교통량 데이터\n※ AI 기반 시각화(Stable Diffusion) 사용', ha='left', fontsize=7)
plt.show()

5. 초안 → 피드백 → 최종본까지의 작업 흐름

1. 심사 기준 분석 – 모집 요강을 2시간 이상 꼼꼼히 읽고, 점수 배점표를 표로 정리한다.
2. 수상작 5~10개 벤치마킹 – 같은 주제·형식의 최근 수상작을 다운로드해 구조와 시각 자료 배치를 메모한다.
3. 초안 작성 – 위 5대 파트를 순서대로 초안에 옮기고, 표·그래프는 임시 데이터로 먼저 배치한다.
4. 첫 번째 피드백 – 교사·동아리 선배·가족에게 전체 흐름과 시각 자료 가독성을 검토받는다.
5. 수정 및 두 번째 피드백 – 데이터 출처와 AI 생성 라벨을 보강하고, 표·그래프 색상·폰트를 통일한다.
6. 마감 전 검수 – 마감 하루 전, 체크리스트(아래 섹션)대로 파일을 열어 오탈자·이미지 해상도·파일명까지 최종 점검한다.

5‑1. 작업 일정 예시 (2주 플랜)

6. 제출 전 최종 체크리스트 (마크다운 형태)

• 문제 정의가 1페이지에 명확히 제시돼 있는가?
• 데이터 출처를 표·그래프마다 주석으로 기재했는가?
• AI 생성 차트에 ‘AI 생성’ 라벨을 넣었는가?
• 표·그래프 해상도가 300 dpi 이상이며, 9:16 세로형 비디오(필요 시) 규격에 맞는가?
• 파일명이 ‘2025_데이터과학_홍길동.pdf’ 형태인지 확인했다.
• 파일 용량이 12 MB 이하이며, PDF 압축 옵션을 적용했는가?
• 개인정보(학생 번호·전화·주소 등) 삭제 여부를 최종 검토했는가?
• 참고문헌·데이터 출처가 APA 스타일로 정리돼 있는가?
• 오탈자·맞춤법 검사를 자동 툴과 눈 검토로 2번 이상 수행했는가?
• 제출 포맷(PDF, PPTX 등)과 페이지 수(예: 12페이지 이내)를 충족했는가?

7. 발표(PPT)와 질의응답 대비 전략

7‑1. 30초 인트로 핵심 문장 만들기

“우리 지역 중학생 30%가 데이터 분석 교육을 받지 못해, 실제 문제 해결에 필요한 기본 역량이 크게 부족합니다.”

• 핵심 포인트: 문제 규모(30%)와 교육 격차를 강조한다.
• 시각 보조: 인트로 슬라이드에 지역별 교육 미이수 비율을 원형 차트(단색)로 삽입해 눈길을 잡는다.

7‑2. 슬라이드당 1메시지 원칙 적용 예시

7‑3. 질의응답 준비 체크리스트

• 데이터 출처: 원본 URL·다운로드 일자를 메모해 즉시 제시할 수 있도록 준비.
• 전처리 로직: 결측값 처리 방식과 이상치 제거 기준을 한 줄 요약(예: “IQR 1.5배 초과값 삭제”).
• 예산·인력: 파일럿 실행에 필요한 인력(학생 3명·교사 1명)과 예상 비용(≈ 2,500,000원)을 간단히 제시.
• 리스크 관리: 데이터 품질 저하 시 대체 데이터(예: 기상청 공개 데이터) 활용 방안을 미리 준비.

8. 차별화 포인트와 ESG·지역문제 연계 방안

1. 수치 기반 차별화
   • 비용 절감: 기존 교육키트 대비 28% 저렴한 오픈소스 툴 활용.
   • 시간 단축: 데이터 전처리 자동화 파이프라인 도입으로 전체 작업 시간 47% 감소.
2. 확장성
   • 시범 학교 3곳에서 4주간 파일럿 후, 전국 20개 학교에 단계적 확대 계획 제시.
3. 지속가능성
   • 모든 결과물을 GitHub 오픈소스로 제공해 유지·보수 비용 최소화.
4. ESG 연계
   • 환경: 종이 사용량 65% 절감, 디지털 보고서만 배포.
   • 사회: 지역 대기오염 데이터와 연계해 학생들이 직접 환경 개선 아이디어를 도출하도록 설계.
   • 거버넌스: 데이터 활용 가이드라인을 학교 교육청에 제안, 투명성 확보.

9. 활용 가능한 도구와 플랫폼 상세 소개

10. 마무리 – 완성도 높은 지원서를 위한 최종 팁

1. 첫 장에 문제 정의를 ‘한 문장 + 한 그래프’ 형태로 배치한다.
2. 표·그래프마다 출처와 AI 생성 라벨을 누락하지 않는다 – 감점 요인 중 가장 흔한 실수.
3. 논리 흐름을 4단계(문제 → 근거 → 해결 → 기대) 로 명확히 구분하고, 각 단계마다 수치 목표를 제시한다.
4. 제출 전 체크리스트를 2회 이상 진행한다(첫 번째는 자동 툴, 두 번째는 눈 검토).
5. PT는 5분 이내로 제한하고, 슬라이드당 핵심 메시지는 하나, 그래프는 최대 하나만 삽입한다.
6. ESG·지역문제 연계는 ‘왜 이 프로젝트가 사회에 가치가 있는가’를 수치(예: 탄소 배출 15% 감소)와 함께 제시하면 높은 점수를 받을 확률이 높다.

위 가이드를 차근차근 따라가면, 중학생이라도 표와 그래프를 전략적으로 활용해 심사 기준을 충족하고, 차별화된 데이터 과학 프로젝트를 성공적으로 제출할 수 있다. 이제 데이터 수집부터 최종 제출까지 단계별 체크리스트와 시각화 원칙을 적용해 완성도 높은 지원서를 만들 차례이다.

함께 보기: 공모전 목록 · 공모전 팁 더보기