1차시 좋은 질문에서 시작하기 — 사례 조사와 주제 발굴

🤔

생각 열기 — 모든 프로젝트는 '질문'에서 태어난다

여러 사람이 데이터와 차트를 함께 보며 논의하는 모습 — 데이터 과학 프로젝트는 좋은 질문에서 출발한다 — "데이터로 무엇을 알아낼까?" 사진: NAVFAC, Public Domain, Wikimedia Commons

지금까지 우리는 데이터를 이해하고(1단원), 준비·분석하고(2단원), 모델을 만들어 평가했어요(3단원). 이제 그 모든 걸 모아 직접 프로젝트를 해요. 그런데 어디서 시작할까요? 바로 '좋은 질문(주제)'이에요. 아무리 분석 실력이 좋아도, 주제가 엉성하면 좋은 결과가 나올 수 없어요. 반대로 좋은 질문 하나가 멋진 프로젝트의 절반이죠. 그럼 좋은 주제는 어떻게 찾을까요? 먼저 다른 사람들의 사례에서 영감을 얻어 봐요.

💬 함께 생각해 보기

우리 학교·동네에서 '이건 좀 불편한데?' 또는 '이게 왜 이럴까?' 싶은 것을 하나 떠올려 보세요. 그것을 데이터로 알아볼 수 있을까요? 어떤 데이터가 필요할까요?

1

영감 얻기 — 분야별 데이터 과학 사례

데이터 과학은 거의 모든 분야에서 쓰여요. 분야를 눌러 실제 사례와, 거기서 학생도 해 볼 만한 주제를 살펴보세요.

🔭 분야별 데이터 과학 사례 탐험기 INTERACTIVE

2

좋은 주제의 조건 — 적합성 판단

모든 궁금증이 데이터 프로젝트 주제가 되는 건 아니에요. 좋은 주제는 세 가지 조건을 갖춰야 해요.

📏

① 측정 가능

데이터로 재고 셀 수 있는 질문인가? (가치·취향 판단은 ✗)

🗂️

② 데이터 확보 가능

필요한 데이터를 실제로 구할 수 있는가? (설문·기록·공공데이터 등)

💡

③ 의미·실행 가능

결과가 쓸모 있고, 우리가 다룰 만한 적당한 크기인가?

아래 후보 주제들을 눌러, 세 조건을 얼마나 갖췄는지 판단해 보세요.

🧪 주제 적합성 판단기 INTERACTIVE

후보 주제를 골라, 세 조건(측정·데이터·의미)을 통과하는지 확인하세요.

[안내]세 조건을 모두 통과하면 '좋은 주제', 일부만 통과하면 '구체화·보완'이 필요해요.

3

막연함을 구체적 질문으로

포스트잇 메모로 아이디어를 모은 기획 보드 — 막연한 아이디어를 붙여 놓고 추리고 다듬으며 **구체적인 주제**로 좁혀 간다. 사진: Jules Verne Times Two, CC BY-SA 4.0, Wikimedia Commons

좋은 주제도 처음엔 막연해요. "우리 학교를 좋게 만들자"는 너무 커요. 이를 데이터로 풀 수 있는 구체적 질문으로 좁혀야 해요.

🔍 막연한 주제 → 구체적 질문 (예시)

❌ "급식을 개선하자" → ✅ "요일·메뉴별 잔반량을 분석해, 잔반이 많은 메뉴의 공통점을 찾자" · ❌ "학교 폭력을 줄이자" → ✅ "설문으로 시간대·장소별 불안감을 조사해 위험 구간을 찾자" · ❌ "환경을 지키자" → ✅ "학년·요일별 분리수거율을 측정해 낮은 구간에 캠페인을 하자". 구체적일수록 어떤 데이터가 필요한지도 또렷해져요.

✏️ 활동 — 나의 프로젝트 주제 정하기

관심 있는 분야를 하나 정해, 데이터로 풀 만한 주제를 3개 떠올려 보세요. 그중 위 세 조건(측정·데이터·의미)을 가장 잘 갖춘 것을 골라, 구체적인 한 문장 질문으로 다듬어 보세요. 이 주제를 4차시까지 발전시킵니다!

✅

확인 문제

바로바로 채점!

✏️

1차시 확인 문제

4문항 · 즉시 채점

1데이터 과학 프로젝트 주제로 가장 부적합한 것은?

2데이터 프로젝트의 '좋은 주제'가 갖춰야 할 조건이 아닌 것은?

3막연한 주제를 다듬는 올바른 방향은?

4[OX] 분석 실력만 좋으면 주제가 다소 엉성해도 좋은 프로젝트 결과를 얻을 수 있다.

➕

더 알아보기

교과서 너머의 이야기 — 클릭해서 펼쳐 보세요

실전데이터는 어디서 구할까 — 공공데이터의 보물창고

주제를 정했다면 데이터를 구해야겠죠? 다행히 우리나라엔 무료로 열린 데이터가 아주 많아요. 공공데이터 포털(data.go.kr)에는 교통·날씨·인구·복지 등 수만 건의 데이터가, 통계청의 국가통계포털(KOSIS)에는 인구·경제·사회 통계가, 기상자료개방포털에는 날씨 데이터가 공개돼 있어요. 서울 등 지자체도 열린 데이터 광장을 운영하죠. 이 밖에 직접 설문조사를 하거나, 센서로 측정하거나, 학교의 기존 기록(동의 아래)을 활용할 수도 있어요. 주제를 정할 때 "이 데이터를 실제로 구할 수 있나?"를 함께 확인하면, 시작도 못 하고 막히는 일을 줄일 수 있어요. 좋은 데이터 과학자는 '어떤 데이터가 세상에 있는지'를 늘 살핀답니다.

사례학생이 바꾼 동네 — 데이터로 만든 변화

데이터 프로젝트는 거창한 게 아니에요. 실제로 학생들이 작은 데이터로 변화를 만든 사례가 많아요. 어떤 학생들은 등하굣길 위험한 횡단보도를 데이터(사고 기록·교통량)로 분석해 신호 개선을 건의했고, 어떤 팀은 급식 잔반을 메뉴별로 기록·분석해 인기 없는 메뉴를 개선했어요. 해외에서는 한 학생이 공공데이터로 동네 대기오염 지도를 만들어 주목받기도 했죠. 공통점은 '내 주변의 진짜 문제'에서 출발했다는 거예요. 멀리서 거창한 주제를 찾기보다, 매일 겪는 불편을 데이터의 눈으로 보면 좋은 주제가 보여요. 여러분의 작은 프로젝트도 충분히 세상을 바꿀 수 있답니다.

자세좋은 질문을 던지는 힘 — 데이터 과학자의 호기심

데이터 과학에서 가장 중요한 능력이 뭘까요? 놀랍게도 프로그래밍이나 수학보다 '좋은 질문을 던지는 힘'을 꼽는 전문가가 많아요. 아무리 강력한 도구가 있어도, 무엇을 물을지 모르면 쓸모가 없으니까요. 좋은 질문은 호기심에서 나와요 — "왜 그럴까?", "정말 그럴까?", "만약 이렇다면?" 하고 끊임없이 묻는 태도죠. 또 당연하게 여기던 것을 의심하는 데서도 나와요("다들 그렇다는데, 데이터로도 그럴까?"). 그래서 데이터 과학을 잘하려면 도구를 배우는 것만큼, 세상을 궁금해하고 질문하는 습관을 기르는 게 중요해요. 이 단원의 프로젝트는 바로 그 '질문하는 힘'을 길러 줄 거예요.

좋은 질문에서 시작하기사례 조사와 주제 발굴