중학생을 위한 수학 모델링 공모전 지원서 작성법 — 문제 정의와 가정 설정하기
1. 최신 심사 흐름과 트렌드 이해
1-1. 심사관이 가장 중시하는 흐름
1️⃣ 문제 정의 – 문제를 명확히 제시하고 왜 중요한지 설득력 있게 설명한다.
2️⃣ 근거·데이터 – 제시한 문제와 가설을 뒷받침할 수 있는 신뢰성 있는 자료를 제시한다.
3️⃣ 실행 가능성 – 제안한 해결 방안이 실제 현장에 적용될 수 있음을 논증한다.
4️⃣ 완성도 – 전체 서류가 논리적으로 연결되고, 시각·텍스트 표현이 깔끔하게 정리돼 있다.
평가 트렌드는 “아이디어의 독창성”보다 “논리성·완성도”에 무게를 두는 방향으로 전환됐으며, 이는 2023‑2025년 사이 대부분의 데이터·기획형 대회 결과에서도 확인된다.
1-2. 현재 공모전 트렌드와 규정 포인트
| 트렌드 | 적용 시 주의점 |
|---|---|
| 생성형 AI 활용 | AI가 만든 코드·그래프·텍스트는 반드시 “AI 사용”과 **출처(모델명·버전)**를 명시한다. |
| 숏폼(9:16) 영상 | 영상 제출이 요구될 경우 가로·세로 비율 9:16, 해상도 1080×1920, 길이 15~30초를 지킨다. |
| ESG·지역문제 해결 | 모델링 주제가 환경·사회적 가치를 포함하면, 지속가능성·확장성을 별도 섹션에 기술한다. |
| 데이터 기반 기획 강화 | 공개된 통계·오픈소스 데이터를 활용하고, 수집·전처리·분석 과정을 상세히 기록한다. |
규정 위반 시 실격 가능성이 있다는 점을 항상 염두에 두고, 개인정보(학생 이름·학번·연락처)는 전부 삭제한다.
2. 문제 정의 – 첫 장에서 강력하게 “문제”를 제시하기
2-1. 한 문장으로 문제 심각성 강조하기
“우리 학교 중학생의 평균 수학 학습 시간이 2.7시간에 불과해, OECD 평균 대비 28% 낮으며 이는 전반적인 수학 성취도 저하의 직접 원인이다.”
- 대상(학교·학년), 현황(학습 시간·성취도), 비교 지표(국제 평균) 를 한 줄에 담는다.
2-2. 문제의 배경과 파급 효과 서술법
- 교육 격차: 학습 시간 부족 → 교과외 학습 기회 감소 → 시험 점수 하락.
- 사회적 비용: 수학 능력 저하가 대학 진학·직업 선택에 미치는 장기적 영향.
- 정량적 근거: 교육부 2023년 발표 자료, OECD PISA 2022 결과 등을 인용한다.
2-3. 문제 정의 실전 예시
| 항목 | 내용 |
|---|---|
| 주제 | 중학생 수학 학습 효율 향상 |
| 현황 | 평균 학습 시간 2.7시간(국가 평균 3.8시간 대비 29% 부족) |
| 핵심 질문 | “학습 시간당 효율을 40% 이상 끌어올릴 수 있는 전략은 무엇인가?” |
| 목표 | 6개월 내 평균 점수 5점 상승, 학습 시간 30% 감소 |
3. 데이터·근거 확보와 정확한 출처 표기
3-1. 데이터 수집 루트 선택
- 공공 데이터 포털 – 교육부·통계청 공개 통계 활용 (예: 연도별 학습 시간).
- 학교 자체 설문 – 구글폼·네이버폼 등을 이용해 100명 이상 응답 확보, 응답률 80% 이상 목표.
- AI 보조 분석 – ChatGPT·Claude 등으로 초안 가설 검증, 사용 시 반드시 “AI 사용” 표기.
3-2. 전처리·시각화 베스트 프랙티스
- 결측치는 평균 대체·또는 삭제 후 영향 분석 포함.
- 이상치는 박스플롯으로 식별하고, 원인 파악 후 보정 여부를 기록.
- 시각화는 색맹 친화 팔레트(파랑·주황·회색)와 300dpi 이상 해상도 유지.
3-3. 출처 표기 예시 (APA 스타일)
교육부. (2023). 중학생 학습시간 통계연보. https://www.moe.go.kr/statistics
김민수, 박지은 (2024). “중학생 수학 학습 효율 설문 결과”. 학교자체 설문 데이터 (비공개).
OpenAI. (2024). ChatGPT (버전 4.0) 사용 결과.
표와 그래프 하단에 위와 같은 형식으로 주석을 달아야 한다.
3-4. 데이터 활용 코드 스니펫 (Python)
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# CSV 로드
df = pd.read_csv('mid_school_math.csv')
# 결측치 처리
df['study_time'] = df['study_time'].fillna(df['study_time'].mean())
# 효율 계산 (점수/시간)
df['efficiency'] = df['score'] / df['study_time']
# 히스토그램
plt.figure(figsize=(6,4), dpi=300)
plt.hist(df['efficiency'], bins=20, color='#1f77b4', edgecolor='white')
plt.title('학습 효율 분포')
plt.xlabel('점수/시간')
plt.ylabel('학생 수')
plt.tight_layout()
plt.show()코드와 결과 해석을 함께 서술하면 심사관이 데이터 활용 능력을 바로 파악한다.
4. 가정 설정과 단계별 모델링 흐름
4-1. 가정 설정 체크리스트
- 현실성: 가정이 실제 교실·학원 환경에 적용 가능한가?
- 측정 가능성: 가정 검증을 위한 지표(예: 퀴즈 빈도, 교재 활용도)가 정의돼 있는가?
- 범위 제한: 한 번에 해결하려는 범위가 과도하게 넓지는 않은가?
- AI 사용 명시: AI가 제시한 가정·코드·시각화는 반드시 표기했는가?
4-2. 단계별 해결 전략 (문제→가설→모델→시뮬레이션→평가)
| 단계 | 내용 | 산출물 |
|---|---|---|
| 문제 분석 | 현황 데이터와 기존 연구(예: 2022년 수학 학습 효율 연구) 검토 | 문제 원인 트리맵 |
| 가설 수립 | “퀴즈 빈도 ↑ → 학습 효율 ↑” 등 구체적 가설 정의 | 가설 표 |
| 모델 구축 | 선형 회귀·다항 회귀·로지스틱 회귀 중 최적 모델 선택 | 모델 파라미터 표 |
| 시뮬레이션 | 베이스라인, 개선안 A(퀴즈 주 3회), 개선안 B(퀴즈 주 5회) 시나리오 실행 | 시뮬레이션 결과 그래프 |
| 평가 | 효율성(점수/시간), 비용(교재·시간), 시간 절감 비율을 수치화 | 기대 효과 표 |
4-3. 구체적 모델링 예시 (R)
# 데이터 로드
df <- read.csv('mid_school_math.csv')
# 선형 회귀 모델 (점수 ~ 학습시간 + 퀴즈빈도 + 교재활용도)
model <- lm(score ~ study_time + quiz_freq + textbook_use, data = df)
# 모델 요약
summary(model)
# 가정 검증 (quiz_freq 계수 p-value < 0.05)요약 결과에서 quiz_freq의 p‑value가 0.03이라면, “퀴즈 빈도 ↑ → 점수 ↑” 가정이 통계적으로 유의함을 확인한다.
5. 기대 효과·확장성·수치적 차별화 제시
5-1. 기대 효과를 구체적 수치로 표현하기
| 항목 | 기존 상황 | 기대 효과 | 비율(Δ) |
|---|---|---|---|
| 학습 시간 | 평균 2.7시간/주 | 30% 감소 → 1.9시간/주 | -30% |
| 점수 상승 | 평균 68점 | 5점 상승 → 73점 | +7% |
| 교재 비용 | 연간 1,200만원 | 20% 절감 → 960만원 | -20% |
수치 근거는 시뮬레이션 결과와 기존 연구(예: 2021년 교재 사용량 감소 실험) 를 조합해 도출한다.
5-2. 확장성·지속가능성 서술 팁
- 다른 학년 적용: 모델 파라미터(
quiz_freq·textbook_use)만 조정하면 고등학생·초등학생에도 적용 가능. - 전교 적용 시 규모 추정: 전교 500명 적용 시 연간 교육비 6천만원 절감 예상(교재·보조교재 비용 기준).
- 지속적인 업데이트: 학기마다 설문 데이터를 재수집하고 모델을 재학습해 정확도를 5% 이상 개선.
5-3. 차별화 포인트를 수치로 강조하기
- 비용 절감: 기존 방안 대비 교재 구입 비용 30% 감소.
- 시간 효율: 학습 시간당 점수 상승률 0.45점/시간, 기존 대비 50% 이상 향상.
- 확장 가능성: 동일 모델을 3개 학년으로 확대 적용 시 총 교육 효율 2배 상승 예상.
6. 제출 전 최종 체크리스트
6-1. 파일·형식 검증
| 체크 항목 | 요구 사항 |
|---|---|
| 분량 | 지정 페이지 수(예: 12쪽) 초과·미달 여부 확인 |
| 파일명 | 팀명_공모전명_지원서.pdf 형식 준수 |
| 파일 형식 | PDF/A, 모든 폰트 임베드, 보안 설정 해제 |
| 영상 | 영상이 요구될 경우 9:16 비율, 1080×1920 해상도, 20초 이하 |
6-2. 개인정보·저작권 관리
- 학생 이름·학번·연락처는 모두 삭제하고, 대체 식별자(예: “학생 A”) 로 표시한다.
- 외부 이미지·아이콘은 CC0 혹은 직접 제작한 것이어야 하며, 출처를 하단 주석에 명시한다.
6-3. 오탈자·표현력 점검
- 맞춤법 검사기(네이버 맞춤법 검사)로 전체 문서 검토.
- 용어 통일: “학습 시간” vs “공부 시간” 등 동일 용어만 사용한다.
- 문장 길이: 한 문장은 25자 이하로 유지해 가독성을 높인다.
6-4. 최종 검수 일정 (예시)
| 단계 | 일정 | 내용 |
|---|---|---|
| 초안 작성 | D‑30 | 전체 흐름·핵심 내용 구상 |
| 내부 피드백 1 | D‑20 | 지도교사·동료 리뷰, 주요 수정 포인트 도출 |
| 내부 피드백 2 | D‑10 | 내용 보강·표·그래프 재검토 |
| 최종 검수 | D‑1 | 파일 형식·오탈자·출처·AI 표기 최종 확인 |
| 제출 | D‑0 | 규정에 맞게 업로드·확인 메일 보관 |
6-5. 체크리스트 (복사‑붙여넣기용)
- 문제 정의가 첫 페이지에 명확히 서술돼 있는가?
- 모든 데이터·근거에 정확한 출처가 기재돼 있는가?
- AI 활용 부분에 “AI 사용” 표기가 들어갔는가?
- 가정이 현실적이며 측정 가능한 지표와 연결돼 있는가?
- 기대 효과를 구체적 수치(%)로 제시했는가?
- 제출 파일명·형식·분량 규정에 모두 부합하는가?
- 개인정보가 전부 삭제됐는가?
- 이미지·그래프 해상도가 300dpi 이상인가?
- 영상(필요 시) 규격(9:16, 1080×1920, 15~30초)을 만족하는가?
7. PT 발표와 질의응답 대비 전략
7-1. 30초 인트로 – 문제 심각성을 한 문장에
“우리 학교 중학생의 평균 수학 학습 시간이 국제 평균보다 28% 낮아, 전반적인 성취도가 크게 뒤처지고 있습니다.”
- 핵심 키워드(학습 시간, 국제 평균, 성취도)만 강조하고, 슬라이드 배경은 깔끔한 단색(연한 회색) 사용.
7-2. 슬라이드 구성 원칙 (1장 = 1메시지)
| 슬라이드 | 구성 요소 | 권장 글자 수 |
|---|---|---|
| 1 | 문제 정의 | 30자 이하 |
| 2 | 데이터·근거 | 5~6줄, 핵심 통계만 |
| 3 | 가정·모델 | 모델식 1줄, 가정 1~2개 |
| 4 | 시뮬레이션 결과 | 그래프 1개, 결과 요약 1줄 |
| 5 | 기대 효과·수치 | 표 1개, 핵심 비율 강조 |
| 6 | 확장성·지속가능성 | 2~3줄, 향후 로드맵 |
| 7 | 마무리·요청 | 1문장, 협업·지원 요청 |
- 색상은 2~3가지로 제한하고, 강조하고 싶은 수치는 볼드 처리한다.
- 이미지·그래프는 슬라이드당 하나만 넣어 시각적 혼란을 방지한다.
7-3. 질의응답 대비 FAQ와 답변 포인트
| 예상 질문 | 핵심 답변 포인트 |
|---|---|
| 데이터 출처는 어디인가? | “교육부 2023년 통계와 자체 설문(응답률 84%)을 결합했습니다.” |
| 가정이 현실적인가? | “선행 연구(2022년 수학 학습 효율 논문)와 현장 교사 인터뷰를 근거로 설정했습니다.” |
| AI 활용 부분은 어떻게 표기했는가? | “코드·그래프에 ‘AI 사용 (ChatGPT, 2024)’ 라는 주석을 삽입했습니다.” |
| 비용 절감 근거는? | “교재 사용량 감소 시뮬레이션 결과, 연간 20% 비용 절감이 예상됩니다.” |
| 모델 적용 시 위험 요소는? | “학생별 학습 스타일 차이를 고려해 파라미터 조정이 필요합니다.” |
7-4. 발표 시 피해야 할 실수 체크리스트
- 디자인만 화려하고 내용이 빈칸이면 감점.
- 근거 없는 주장을 제시하면 바로 탈락 위험.
- AI 생성물 표기 누락 시 규정 위반으로 실격 가능.
- 시간 초과 – 전체 발표는 5분 이내, Q&A 2분을 목표로 연습한다.
8. 프로젝트 진행 로드맵 – 실전 일정표
| 주차 | 목표 | 산출물 | 비고 |
|---|---|---|---|
| 1‑2주 | 심사 기준·수상작 분석 | 분석 보고서(5페이지) | 최근 5~10개 수상작 벤치마크 |
| 3‑4주 | 문제 정의·데이터 수집 | 문제 정의서·데이터셋 | 설문 설계·배포, 공공 데이터 다운로드 |
| 5‑6주 | 가설·모델 설계 | 가설 표·모델 코드 | AI 보조 코드 생성 시 표기 |
| 7‑8주 | 시뮬레이션·결과 도출 | 시뮬레이션 보고서·그래프 | 비용·시간 절감 시나리오 3가지 |
| 9주 | 기대 효과·확장성 정리 | 기대 효과 표·확장 로드맵 | 수치 근거 포함 |
| 10주 | 초안 완성·내부 피드백 | 초안 PDF | 피드백 2회 이상 진행 |
| 11주 | 최종 검수·파일 변환 | 최종 PDF/A, 영상 파일(필요 시) | 모든 체크리스트 재점검 |
| 12주 | 제출 | 공모전 포털 업로드 | 제출 확인 메일 보관 |
핵심 포인트는 “초안 → 피드백 2회 이상 → 마감 하루 전 최종 검수” 로, 이 흐름을 놓치면 논리적 비약이나 형식 오류가 발생한다.
9. 자주 발생하는 실수와 예방 팁
- 근거 없는 주장 – 데이터·연구 결과 없이 가설만 제시하면 즉시 감점. → 모든 주장에 최소 한 개 이상 근거 삽입.
- 출처 누락 – 그래프·표·코드에 출처 표시를 빼먹으면 신뢰도 저하. → 표·그래프 캡션에 반드시 출처 기재.
- AI 표기 누락 – 생성형 AI 결과물을 그대로 사용하고 표기하지 않으면 규정 위반. → 모든 AI 활용 부분에 “AI 사용 (모델명, 연도)” 라벨 추가.
- 디자인 과다 – 색·폰트·아이콘을 남발하면 내용 전달이 방해된다. → 2
3색, 12폰트, 아이콘 최소 1개 이하. - 규정 위반 – 파일명·분량·형식이 규정과 다르면 실격 가능. → 제출 전 규정 체크리스트를 반드시 2번 이상 확인.
10. 마무리 – 성공적인 지원서 완성을 위한 핵심 요약
- 문제 정의는 첫 페이지에 정량적 근거와 함께 한 문장으로 명확히 제시한다.
- 데이터·근거는 공개된 통계와 자체 설문을 결합하고, 출처 표기와 AI 사용 표기를 절대 누락하지 않는다.
- 가정은 현실성·측정 가능성을 체크리스트로 검증하고, 모델링은 코드·시각화와 함께 단계별 흐름을 도식화한다.
- 기대 효과는 비용·시간·성적을 구체적인 %·절감액 등 수치로 표현하고, 확장성·지속가능성을 별도 섹션에 서술한다.
- 제출 체크는 파일·형식·개인정보·오탈자·이미지 해상도·AI 표기까지 전 항목을 리스트化해 마감 전 꼭 검증한다.
- PT 발표는 30초 인트로 → 슬라이드당 1메시지 → FAQ 대비 로 구성하고, 디자인은 깔끔하게 유지한다.
위 로드맵과 체크리스트를 따라 체계적으로 준비한다면, “문제 정의 → 근거 → 실행 가능성 → 완성도”가 고르게 갖춰진 지원서를 완성할 수 있다. 최신 트렌드(생성형 AI, 데이터 기반 기획, ESG)와 규정(저작권·개인정보)까지 모두 만족시키면 높은 점수를 받을 가능성이 크게 상승한다. 이제 차근차근 실행에 옮겨, 수학 모델링 공모전에서 눈에 띄는 성과를 거두자!