고등학교 데이터 과학 세특 예시 19개

데이터 기반 의사 결정 사례를 탐구하는 활동에서 존 스노의 콜레라 지도를 분석하여 사망자 분포 데이터가 오염된 공용 펌프를 찾는 결정으로 이어진 과정을 설명함. 급식 잔반 문제를 주제로 메뉴별 잔반량, 선호도 설문, 배식 시간 데이터를 수집하는 계획을 세우고 분석 결과에 따라 메뉴 조정안을 제안함. 데이터가 한 학년에 치우치면 결정이 왜곡될 수 있다는 점을 스스로 찾아 계획을 보완함.

데이터의 형태를 구분하는 활동에서 학교생활 데이터를 정형 데이터와 비정형 데이터로 분류하고, 학번이 숫자로 되어 있어도 계산에 쓰지 않는 범주형 속성이라는 점을 찾아 설명함. 도서 대출 기록의 대출일과 반납일을 결합해 대출 기간이라는 새 속성을 만들고 학년별 독서 습관을 비교하는 질문을 설계함. 수업 소감문을 단어 빈도표로 바꾸는 방법을 제안하여 비정형 데이터의 활용 가능성을 탐색함.

데이터셋 통합 실습에서 학생 명단과 도서 대출 기록을 이름으로 합치면 동명이인 때문에 대출 기록이 잘못 연결되는 문제를 발견하고 학번을 기준 속성으로 다시 통합함. 여러 사람이 각자 파일을 고칠 때 생기는 불일치 사례를 들어 데이터베이스가 중복을 줄이고 일관성을 지키는 이유를 설명함. 날씨 데이터와 매점 판매 데이터를 날짜로 잇는 분석 계획을 세워 통합의 의미를 확장함.

데이터로 인한 사회 변화를 탐구하는 활동에서 스포츠 분야의 경기 기록 분석 사례를 조사하여 선수의 이동 거리와 슈팅 위치 데이터가 전술 결정에 활용되는 과정을 분석함. 경험에 의존하던 코칭이 데이터 분석가와 협업하는 방식으로 바뀌었다는 점을 정리하고, 선수 개인 데이터 수집에 따른 사생활 문제도 함께 지적함. 관심 진로인 체육 교육 분야에서 데이터로 풀 수 있는 문제를 스스로 제안함.

데이터 수집 계획을 세우는 활동에서 점심시간 급식실 앞 설문이 급식을 먹지 않는 학생을 빠뜨리는 선택 편향을 가진다는 점을 찾아 학년별 비율을 맞춘 층화 추출로 계획을 수정함. 수집한 매점 판매 데이터의 출처와 기간, 행과 열의 수, 속성별 자료형, 품목별 평균 판매량을 정리하여 데이터 특성 보고서를 작성함. 표본의 크기보다 대표성이 더 중요하다는 점을 근거와 함께 설명함.

데이터 전처리 실습에서 학생 신체 데이터의 1700cm 값을 입력 오류로 판단하고 사분위수 범위 기준으로 이상치를 찾아 처리 이유를 기록함. 결측치를 삭제할 때와 평균으로 대체할 때 분포가 달라지는 것을 히스토그램으로 비교하여 중앙값 대체가 더 알맞은 상황을 설명함. 단위가 다른 운동 시간과 몸무게를 최소-최대 정규화로 변환하여 함께 비교함.

속성 간 관계를 분석하는 활동에서 기온, 아이스크림 판매량, 물놀이 사고 건수의 산점도를 그려 두 결과 속성이 함께 늘어나는 이유를 기온이라는 공통 요인으로 설명함. 지역별 인구와 도서관 수를 통합해 인구 1만 명당 도서관 수라는 새 속성을 만들고, 단순 개수로 비교할 때와 순위가 달라지는 점을 찾아 발표함. 상관 계수가 높아도 인과를 단정하지 않는 신중한 해석 태도를 보임.

같은 데이터에 다른 분석 방법을 적용하는 활동에서 극단값이 포함된 용돈 데이터의 평균과 중앙값을 직접 계산하여 평균이 소수의 큰 값에 끌려가는 원리를 설명함. 학년별 인원 구성이 다른 학습법 비교 데이터에서 전체 집계와 학년별 집계의 결론이 뒤집히는 현상을 발견하고 집단 구성의 차이를 원인으로 분석함. 분석 목적에 따라 방법을 고르는 기준을 체크리스트로 정리함.

데이터 모델의 개념을 탐구하는 활동에서 지하철 노선도와 실제 지도를 비교하여 모델이 목적에 필요한 정보만 남기고 현실을 단순화한다는 점을 설명함. 같은 판매 데이터를 스프레드시트와 파이썬 라이브러리로 분석해 보고 처리 속도, 반복 작업의 재현성, 협업 시 공유 방식을 비교표로 정리함. 분석 목적에 따라 도구를 골라 쓰는 기준을 스스로 세움.

회귀 분석 비교 활동에서 공부 시간과 점수 자료로 최소 제곱법 회귀 직선을 직접 구하고 기울기를 공부 시간 한 시간당 평균 점수 변화로 해석함. 같은 자료를 학습용과 검증용으로 나눈 기계학습 회귀모델의 검증 오차를 계산하여 설명력과 예측력이 서로 다른 질문에 답한다는 점을 정리함. 데이터 수가 적을 때 검증 결과가 크게 흔들리는 문제를 발견하고 원인을 탐구함.

군집 분석 실습에서 좌표 위 네 점의 유클리드 거리를 직접 계산하여 가까운 점끼리 묶고 군집 중심을 구하는 과정을 단계별로 설명함. 용돈과 운동 시간처럼 범위가 크게 다른 속성 때문에 군집이 한 속성에 치우치는 문제를 발견하고 정규화 후 다시 분석함. 수면 시간과 스마트폰 사용 시간의 군집별 평균을 비교해 특징이 드러나는 이름을 붙이고 군집 내 유사성을 근거로 해석함.

연관 분석 실습에서 매점 거래 데이터로 지지도, 신뢰도, 향상도를 직접 계산하고 각 지표가 규칙의 빈도, 조건부 확률, 우연 대비 관련성을 뜻한다는 점을 구분하여 설명함. 신뢰도는 높지만 향상도가 1에 가까운 규칙을 찾아 결과 상품 자체가 많이 팔려서 생긴 착시임을 밝혀냄. 향상도가 높은 규칙을 근거로 매점 묶음 판매안을 제안함.

모델 평가 활동에서 질병 검사 사례의 혼동 행렬을 작성하고 정확도, 정밀도, 재현율을 계산하여 같은 모델도 지표에 따라 평가가 달라진다는 점을 설명함. 환자가 적은 데이터에서 모두 정상으로 판정해도 정확도가 높게 나오는 함정을 예로 들어 재현율을 함께 봐야 하는 이유를 논리적으로 제시함. 스팸 분류 상황에서는 정밀도를 우선해야 한다고 판단하여 목적에 맞는 평가 기준을 세움.

분석 방법 선택 활동에서 출력값의 형태와 정답 레이블 유무를 기준으로 회귀, 분류, 군집, 연관 분석을 고르는 판단 흐름도를 모둠과 함께 설계함. 도서관 연체 문제에 군집 분석과 분류 분석을 모두 적용해 보고, 연체 가능성이 높은 대출을 미리 찾으려면 분류가 더 적합하다는 결론을 결과 비교로 뒷받침함. 목적이 바뀌면 알맞은 방법도 바뀐다는 점을 설명함.

데이터 과학 적용 사례를 조사하는 활동에서 대중교통 이용 데이터로 버스 배차 간격을 조정한 사례를 분석하여 문제, 데이터, 방법, 성과의 관계를 정리함. 프로젝트 주제 후보였던 '학생들의 행복도'를 측정 가능한 질문으로 바꾸는 과정에서 설문 문항과 수면 시간 같은 대리 지표를 설계함. 데이터 확보 가능성과 개인정보 문제를 따져 주제를 현실적으로 수정함.

학교 앞 횡단보도 혼잡 문제를 탐구하는 프로젝트에서 시간대별 대기 인원 데이터를 선그래프와 상자 그림으로 탐색하여 등교 직전 10분에 대기 인원이 몰리는 패턴을 찾아냄. 요일별로 나누어 다시 그려 보며 특정 요일에 혼잡이 더 심한 이유를 새 질문으로 이어 갔고, 신호 주기 조정과 등교 시간 분산을 해결 방안으로 구상함. 데이터에서 출발해 질문을 넓혀 가는 탐색적 태도를 보임.

공공 자전거 대여량 예측 프로젝트에서 결측치 삭제와 중앙값 대체 두 전처리를 적용한 뒤 선형 회귀와 결정 트리 모델을 같은 검증 데이터로 비교함. 기온이 매우 높거나 낮을 때 대여량이 줄어드는 곡선 관계를 결정 트리가 더 잘 잡아낸다는 점을 오차 비교로 확인하고 원인을 모델 특성으로 설명함. 성능 차이가 작을 때는 해석이 쉬운 모델을 고르는 기준을 세워 최종 모델을 결정함.

데이터 분석 프로젝트에서 날짜 형식이 섞여 있어 두 데이터셋이 통합되지 않는 문제를 만나자 작은 표본으로 시험하며 원인을 좁혀 형식을 통일하는 방법을 찾아냄. 시도한 방법과 실패 원인을 분석 일지에 꾸준히 기록하며 예상과 다른 결과도 버리지 않고 데이터 수집 시기의 차이를 원인으로 밝힘. 최종 결과가 매점 운영에 주는 의미와 표본 기간이 짧다는 한계를 함께 해석함.

데이터 과학 프로젝트를 마무리하며 목적 설정부터 결과 해석까지 단계별 성찰표를 작성하고 표본이 한 학년에 치우친 한계를 스스로 찾아냄. 결과 공개 전 학번과 반 정보를 지우고 집계 단위로 바꾸어 개인을 알아볼 수 없게 수정함. 분석 결과가 특정 학생 집단에 낙인이 될 수 있다는 점을 고려해 보고서 표현을 고치고, 결과를 다른 학교에 적용할 때의 조건을 밝혀 공유함.