고정 헤더 영역
상세 컨텐츠
본문
| 01 수학적 모델링 & 예측 |
| 02 실생활 데이터 분석 |
| 03 경로 최적화 |
| 04 자원 배분 |
| 05 일정 관리 최적화 |
수학의 힘으로 세상을 분석하고, 문제를 해결하는 탐구 여정을 시작합니다.
📖 이 가이드북의 활용법
이 가이드북은 수학 탐구보고서를 처음 작성하는 학생부터, 대입 서류에 활용할 수준 높은 보고서를 목표로 하는 학생까지 모두를 위해 설계되었습니다. 각 영역은 독립적으로 활용할 수 있으며, 다음의 구조로 구성되어 있습니다.
| 📌 GUIDE 가이드 구성 각 영역마다 [체계적 6단계 로드맵] → [유의사항 & 가이드라인] → [매력적인 차별화 팁] → [추천 주제 예시] → [2022 개정 교육과정 연계] → [수준별(상·중·하) 맞춤 가이드] → [추천 도구·사이트] → [배경 용어 사전] → [추천 주제 상세 목록] → [6단계 적용 예시] → [예상 어려움 & 해결 방안] 순으로 구성되어 있습니다. |
| 🔑 KEY 수학적 능력을 돋보이게 하는 3가지 핵심 원칙 첫째, '왜(Why)'를 끊임없이 물으세요 - 왜 이 모델인지, 왜 이 방법인지를 논증하는 것이 수학적 사고력입니다. 둘째, 계산 결과보다 '해석'이 중요합니다 - 수치가 현실에서 무엇을 의미하는지 연결하세요. 셋째, 한계를 인정하는 것이 강점입니다 - 모델의 한계를 분석하는 능력이야말로 진정한 수학적 성숙도를 보여줍니다. |
| ⚠️ IMPORTANT 교과 개념과 연결한 탐구가 왜 중요한가? 2022 개정 교육과정은 수학적 과정 역량(문제해결, 추론, 의사소통, 연결, 정보처리)을 핵심으로 강조합니다. 탐구보고서에서 '이 탐구에 사용된 수학 개념은 공통수학2의 부등식의 영역 단원과 연결됩니다'처럼 교과 연계를 명시하면, 학생이 교과 내용을 진정으로 이해하고 활용할 수 있음을 증명하는 강력한 증거가 됩니다. 학생부 기재 시에도 교과 단원 연계가 명확한 탐구가 훨씬 높은 평가를 받습니다. |
📐 2022 개정 교육과정 수학 핵심 역량
2022 개정 교육과정은 수학 교과에서 5가지 핵심 역량을 기르는 것을 목표로 합니다.
| 핵심 역량 | 의미 | 탐구보고서에서 드러나는 방법 |
| 문제해결 | 수학적 지식과 사고 방법을 활용하여 다양한 문제를 해결하는 능력 | 실생활 문제를 수학적으로 정의하고, 적절한 전략을 선택하여 해결하는 전 과정 |
| 추론 | 수학적 사실을 분석하고 논리적으로 추론하며, 그 과정을 반성하는 능력 | '왜 이 모델이 적합한지', '왜 이 결과가 나왔는지'를 논리적으로 설명 |
| 의사소통 | 수학적 아이디어를 적절한 방법으로 표현하고 다른 사람과 교류하는 능력 | 보고서의 논리적 구조, 그래프·표를 활용한 시각적 표현, 결론의 명확한 전달 |
| 연결 | 수학의 개념·원리·법칙 간, 또는 수학과 다른 교과·실생활을 연결하는 능력 | 교과서 개념이 실생활 문제와 어떻게 연결되는지 보여주는 것 |
| 정보처리 | 다양한 자료와 정보를 수집·분석·활용하여 문제를 해결하는 능력 | 데이터 수집, 디지털 도구(엑셀, GeoGebra 등) 활용, 결과의 비판적 해석 |
| 💡 TIP 보고서에서 역량을 드러내는 실전 팁 보고서 결론부에 '본 탐구를 통해 기른 수학적 역량'이라는 짧은 단락을 추가하세요. 예: '이 탐구에서 공공데이터를 수집·전처리하는 과정에서 정보처리 역량을, 여러 모델을 비교·논증하는 과정에서 추론 역량을, 결과를 그래프로 시각화하여 전달하는 과정에서 의사소통 역량을 기를 수 있었습니다.' 이 한 단락이 평가자에게 큰 인상을 줍니다. |
🎓 2028 대입 개편과 교과 학업 역량
2028학년도 대입부터는 학생부종합전형에서 '교과 학업 역량'의 비중이 더욱 커집니다. 내신 등급만이 아닌, 학생이 교과 내용을 얼마나 깊이 이해하고 탐구적으로 활용했는가가 핵심 평가 요소입니다.
| 평가 요소 | 구체적 평가 내용 | 탐구보고서에서의 활용 |
| 학업 성취도 | 교과 내용에 대한 이해 수준과 학업적 성취 | 교과 단원의 개념을 정확히 이해하고 탐구에 올바르게 적용 |
| 학업 태도 | 학업에 대한 자기주도성, 호기심, 열정 | 스스로 질문을 설정하고 데이터를 수집하여 답을 찾아가는 탐구 과정 |
| 탐구력 | 교과 지식을 활용한 깊이 있는 탐구 경험 | 6단계 체계적 접근, 모델 비교, 한계 분석 등으로 깊이 증명 |
| 융합적 사고 | 교과 간 연결, 실생활 문제 해결 능력 | 수학+사회(공정성), 수학+과학(모델링), 수학+정보(알고리즘) 융합 |
| 🔑 KEY 학생부 기재와 탐구보고서의 연결 교과 세특에 기재될 때, '선형계획법 단원 학습 후 학교 축제 예산 배분 문제에 LP 모델을 적용하여 최적 배분안을 도출하고, 민감도 분석을 통해 예산 변동 시나리오를 수학적으로 탐구함'처럼 교과 단원 → 탐구 주제 → 수학적 방법 → 결과가 한 문장으로 연결되어야 합니다. 이 가이드북의 교과 연계표를 활용하면 자연스럽게 이 구조가 만들어집니다. |
| 📊 LEVEL 나의 수준에 맞는 탐구를 하자! 무리해서 어려운 주제를 선택하는 것보다, 자신의 수준에서 충실하고 완성도 높은 탐구를 하는 것이 훨씬 좋은 평가를 받습니다. 1차 함수로 기온 변화를 분석한 보고서도, 논리가 탄탄하고 해석이 풍부하면 미분방정식 보고서 못지않게 훌륭합니다! |
| 01 | 수학적 모델링 & 예측 프로젝트 기후변화, 인구증가, 감염병 등 공공 데이터를 수학적으로 분석하여 미래를 예측하는 탐구 |
PART A. 체계적 6단계 로드맵
| STEP 1 | 주제 선정 및 문제 정의 기후변화(기온 변화 추이), 인구증가(출생률·사망률), 감염병 확산(SIR 모델) 등에서 구체적 질문을 설정합니다. '향후 10년간 서울의 평균기온은 어떻게 변할까?'처럼 측정 가능한 형태로 문제를 명확히 정의하세요. 수학적 모델링의 핵심은 '현실 문제를 수학의 언어로 번역'하는 것입니다. |
| STEP 2 | 공공 데이터 수집 및 전처리 공공데이터포털(data.go.kr), 기상청, 통계청, KOSIS 등에서 신뢰할 수 있는 데이터를 확보합니다. 결측치 처리, 이상치 제거, 단위 통일 등 데이터 클리닝을 체계적으로 수행하고, 모든 데이터 출처와 가공 과정을 기록하세요. |
| STEP 3 | 수학적 모델 설계 선형회귀, 지수함수, 로지스틱 함수, 미분방정식(SIR 모델) 등 적합한 수학 모델을 선택합니다. 왜 해당 모델을 선택했는지 수학적 근거를 제시하고, 모델의 가정과 한계를 명시하세요. 여러 모델을 비교 분석하면 깊이가 더해집니다. (배운 수학 교과 개념 + 자신이 관심 있어하는 분야해서 많이 사용되는 수학 모델을 알고 있으면, 자세하게 그걸 직접 계산하고 답을 구하는 것이 아니라 수학적으로 어떻게 응용되고 활용되는지를 생각하는 것이 핵심입니다!) |
| STEP 4 | 모델 적용 및 계산 엑셀, GeoGebra, Python(matplotlib, scipy) 등을 활용하여 모델에 데이터를 적용합니다. R² 값(결정계수)으로 모델의 적합도를 확인하고, 잔차 분석을 통해 모델의 정확성을 검증하세요. 계산 과정을 단계별로 투명하게 기록합니다. 자신이 할 수 있는 프로그램과 특히 중고등학생이 스스로 할 수 있는 수준으로 진행하는 것이 중요하고, 더 높은 난이도로 진행할 때에도 어떤 원리와 과정으로 진행했는지를 누군가에게 설명할 수 있어야 합니다! |
| STEP 5 | 예측 및 시각화 구축된 모델로 미래 값을 예측하고, 그래프·도표로 시각화합니다. 신뢰구간을 함께 표시하면 예측의 불확실성을 수학적으로 표현할 수 있습니다. 실제 데이터와 예측값의 비교 그래프를 반드시 포함하세요. |
| STEP 6 | 결론 도출 및 한계 분석 예측 결과가 갖는 사회적 의미를 해석하고, 모델의 한계점(외부 변수 미반영, 데이터 범위 제한 등)을 솔직하게 분석합니다. 후속 연구 방향과 모델 개선 방안을 제시하면 학술적 완성도가 높아집니다. |
PART B. 유의사항 & 가이드라인
| 1. 데이터 출처의 신뢰성을 반드시 검증하세요 (정부 공공데이터, 국제기구 데이터 우선 활용) |
| 2. 수학 공식을 단순히 적용하는 것이 아니라, '왜 이 모델인지'에 대한 수학적 논증을 포함하세요 |
| 3. 예측의 불확실성을 정직하게 인정하고, 신뢰구간이나 오차범위를 반드시 명시하세요 |
| 4. 모든 계산 과정을 재현 가능하도록 기록하세요 (사용 도구, 코드, 매개변수 등) |
PART C. 매력적인 차별화 TIP
| 💡 TIP 차별화 전략 단일 모델 적용에 그치지 말고, 2~3개 모델을 비교 분석하여 '왜 이 모델이 최적인지'를 논증하면 수학적 사고력이 돋보입니다. 예: 선형 vs 지수 vs 로지스틱 모델 비교 |
| ⚠️ TIP 감점 포인트 주의 가장 흔한 실수는 '결론이 예측과 맞다/틀리다'로 끝내는 것입니다. 왜 차이가 발생했는지, 어떤 변수를 고려하지 못했는지를 분석하는 것이 핵심입니다. |
PART D. 추천 탐구 주제 예시 (요약)
| 탐구 주제 | 데이터 & 방법론 | 기대 결과 |
| 서울시 평균기온 변화 예측 | 기상청 데이터 + 선형/지수 회귀 | 10년 후 기온 예측 및 폭염일수 변화 |
| 코로나19 확산 모델링 | 질병관리청 데이터 + SIR 모델 | 확산 피크 시점 예측 및 방역 효과 분석 |
| 대한민국 인구 추이 예측 | 통계청 데이터 + 로지스틱 모델 | 인구 감소 시점 예측 및 정책 제언 |
PART E. 2022 개정 교육과정 연계
| 📌 WHY 교과 연계의 중요성 수학적 모델링은 2022 개정 교육과정에서 강조하는 '수학적 과정 역량'의 핵심입니다. 교과서에서 배운 함수, 미적분, 통계 개념이 실제 세상의 현상을 설명하고 예측하는 데 어떻게 쓰이는지를 보여주는 것이 탐구보고서의 가치입니다. '이 현상은 왜 지수함수적으로 증가하는가?', '로지스틱 모델의 수렴값이 현실에서 무엇을 의미하는가?'를 논증해야 교과 역량과 탐구 역량이 모두 드러납니다. |
| 수학 과목 | 관련 단원 | 탐구 연결 포인트 |
| 공통수학1 | 다항함수와 그래프 | 기온 변화 추세선 적합(1차·2차 함수) |
| 공통수학2 | 함수의 활용 | 인구 변화를 다양한 함수 유형으로 모델링 |
| 대수 | 지수함수·로그함수 | 감염병 초기 확산(지수 성장), 반감기 모델링 |
| 미적분I | 미분과 적분의 활용 | 변화율 분석, 누적량 계산, 최대·최소 예측 |
| 확률과 통계 | 회귀분석·상관계수 | 데이터 적합도(R²), 잔차 분석, 신뢰구간 추정 |
| 미적분II | 미분방정식 기초 | SIR 감염병 모델, 인구 성장 미분방정식 |
| 인공지능 수학 | 데이터의 표현과 처리 | 대규모 공공 데이터 전처리 및 시각화 기법 |
PART F. 수준별 맞춤 가이드 (상·중·하)
같은 영역이라도 자신의 수준에 맞는 주제와 도구를 선택하는 것이 핵심입니다.
| 🔴 상위권 (도전 수준) 추천 주제: SIR 미분방정식 모델링(T3), 삼각함수 주기 모델(T9), 다중 모델 비교 분석 사용 도구: Python(matplotlib, scipy, pandas) 또는 R + GeoGebra 시각화 목표 수준: 3개 이상 모델 비교, R² 및 잔차 분석, 신뢰구간 추정, 모델 가정의 수학적 논증 차별화 포인트: 코드를 부록에 첨부하고, 매개변수 민감도 분석까지 수행. 교과서 범위를 넘는 이론을 자기 언어로 설명 (고등학생이 할 수 있는 수준이 아니라고 오해를 받는 경우도 생길 수 있으므로, 자신이 직접 수행했다는 것을 입증하는 것이 필요!) |
| 🟡 중위권 (표준 수준) 추천 주제: 기온 변화 예측(T1), 인구 추이(T4), 전기차 보급률(T5) 등 함수 적합 중심 사용 도구: 엑셀 추세선 기능 + GeoGebra 그래프 목표 수준: 2개 모델 비교(1차 vs 2차 또는 선형 vs 지수), R² 값 해석, 예측 그래프 작성 차별화 포인트: '왜 이 모델이 더 적합한지'를 R² 수치와 그래프로 설명하면 충분히 우수한 보고서 |
| 🟢 기초 수준 (입문) 추천 주제: 기온 변화(T1), 교통량 증가(T11), 수능 지원자 수(T8) 등 1차 함수 중심 사용 도구: 엑셀(또는 구글 시트)의 차트 + 추세선 기능만으로 충분! 목표 수준: 산점도 그리기 → 1차 함수 추세선 추가 → 기울기와 y절편 해석 → 5년 후 예측 차별화 포인트: '기울기 0.03이 의미하는 것은 매년 기온이 0.03도씩 상승한다는 뜻'처럼 수학적 의미를 일상 언어로 해석하면 OK (교과 개념 밖에서 다루는 어렵고 전문적인 것에 집중하기 보다 실제 배운 교과 개념을 기반으로 응용/심화가 가능하다는 것을 보여 주는 것이 훨씬 매력적으로 보입니다!) |
PART G. 추천 도구 & 사이트 안내
| 도구/사이트 | 사용 방법 요약 | 추천 수준 | 특징 |
| 엑셀 / 구글 시트 | 차트 삽입→추세선 추가→R² 값 표시 체크 | 모든 수준 | 설치 불필요, 학교 컴퓨터에서 바로 사용 가능 |
| GeoGebra (geogebra.org) | 함수 입력→슬라이더로 매개변수 조절→적합도 시각 확인 | 기초~중급 | 무료, 웹 브라우저에서 바로 실행, 한글 지원 |
| Desmos (desmos.com) | 수식 입력→실시간 그래프→데이터 점과 함수 비교 | 기초~중급 | 무료, 직관적 UI, 모바일에서도 사용 가능 |
| Python + matplotlib | pandas로 데이터 로드→scipy.optimize로 적합→그래프 출력 | 상위권 | 무료, Google Colab에서 설치 없이 사용 가능 |
| 공공데이터포털 (data.go.kr) | 검색→CSV 다운로드→엑셀에서 열기 | 모든 수준 | 정부 공식 데이터, 신뢰도 최고, 회원가입 필요 |
| 기상자료개방포털 (data.kma.go.kr) | 지역·기간 선택→기온·강수량 등 다운로드 | 모든 수준 | 기상청 공식, 일별·월별·연별 데이터 제공 |
| KOSIS 국가통계포털 (kosis.kr) | 주제별 통계→인구·경제·환경 데이터 검색 | 모든 수준 | 통계청 공식, 시각화 도구 내장, 엑셀 다운로드 |
PART H. 알아두면 좋은 배경 용어 사전
| 용어 / 개념 | 쉬운 설명 + 탐구에서 활용하는 맥락 |
| 산점도 | 두 변수의 관계를 점으로 찍어 나타낸 그래프. 데이터의 전체적인 경향을 눈으로 파악하는 첫 단계 |
| 추세선(회귀선) | 산점도의 데이터 점들을 가장 잘 대표하는 선(또는 곡선). 엑셀에서 차트 클릭→'추세선 추가'로 자동 생성 |
| R²(결정계수) | 모델이 데이터를 얼마나 잘 설명하는지 0~1로 나타낸 값. 1에 가까울수록 좋음. R²=0.85면 '데이터 변동의 85%를 이 모델이 설명한다'는 뜻 |
| 잔차(Residual) | 실제 데이터 값 - 모델 예측값. 잔차가 작고 고르게 분포하면 좋은 모델. 잔차 그래프를 그려 패턴이 없는지 확인 |
| 1차 함수 모델 (y=ax+b) | 일정한 비율로 증가·감소하는 현상에 적합. a(기울기)는 변화 속도, b(y절편)는 시작점 |
| 지수함수 모델 (y=a·bˣ) | 점점 빨라지는(또는 느려지는) 변화에 적합. 감염병 초기 확산, 복리 이자 등이 대표적 |
| 로지스틱 함수 | 처음엔 지수적으로 증가하다가 일정 수준(수용 한계)에서 포화되는 S자 곡선. 인구 성장, 기술 보급률에 적합 |
| 신뢰구간 | 예측값이 실제로 이 범위 안에 있을 확률이 95%(또는 99%)라는 뜻. 예측의 불확실성을 정직하게 표현하는 방법 |
| SIR 모델 | 감수성자(S), 감염자(I), 회복자(R)로 집단을 나누어 감염병 확산을 미분방정식으로 모델링하는 방법. 상위권 탐구에 적합 |
PART I. 교과 연계 추천 주제 상세 목록
| No. | 탐구 주제 | 교과 연계 | 탐구 방향 |
| T1 | 서울시 연평균 기온 변화 예측 | 공통수학1-다항함수 | 기상청 30년 데이터에 1차·2차 함수 적합, 10년 후 예측 |
| T2 | 우리 동네 미세먼지 농도 추이 모델링 | 대수-지수·로그함수 | 에어코리아 데이터로 계절별 지수감소 모델 구축 |
| T3 | 코로나19 확산 곡선과 SIR 모델 비교 | 미적분II-미분방정식 | 질병관리청 데이터를 SIR 모델 시뮬레이션과 비교 |
| T4 | 대한민국 합계출산율 예측과 인구절벽 | 공통수학2-함수 활용 | 통계청 데이터에 로지스틱·선형 모델 적합 비교 |
| T5 | 전기차 보급률 성장 예측 | 대수-로지스틱 함수 | 산업부 등록 데이터로 S자 성장곡선 모델링 |
| T6 | 해수면 상승 속도와 제곱근 모델 | 공통수학1-무리함수 | NASA 해수면 데이터에 다양한 함수 적합 |
| T7 | 태양광 발전량과 일조시간의 관계 | 확률과통계-회귀분석 | 기상청+에너지공단 데이터로 상관·회귀 분석 |
| T8 | 수능 지원자 수 추이와 대입 경쟁률 예측 | 공통수학2-함수 | 교육부 데이터로 선형·지수 모델 비교 예측 |
| T9 | 독감 유행 주기 분석(삼각함수 모델) | 대수-삼각함수 | 질병관리청 독감 주간 데이터를 사인함수로 모델링 |
| T10 | 아파트 매매가격 변동과 지수함수 모델 | 대수-지수함수 | 국토부 실거래 데이터로 지역별 가격 변동 모델링 |
| T11 | 세종시 교통량 증가 추이 예측 | 공통수학1-다항함수 | 도로교통공단 데이터로 교통량 예측 모델 구축 |
| T12 | 학교 주변 교통사고 발생 패턴 분석 | 확률과통계-확률분포 | 경찰청 데이터로 포아송 분포 적합 검증 |
PART J. 6단계 적용 예시 (따라하기 가이드)
| 📝 서울시 연평균 기온 변화 예측 (T1) Step 1. 문제 정의: '서울의 연평균 기온은 지난 30년간 어떤 패턴으로 변화했으며, 2035년 예측값은?'으로 연구 질문 설정 Step 2. 데이터 수집: 기상청 기상자료개방포털에서 1993~2023년 서울 연평균 기온 데이터 30개년 다운로드, 결측치 확인 및 보간 처리 Step 3. 모델 설계: 산점도 확인 후 1차 함수 y=ax+b, 2차 함수 y=ax²+bx+c, 지수함수 y=a·eᵇˣ 세 모델을 후보로 설정하고, 각 모델 선택 이유를 기술 Step 4. 모델 적용: 엑셀 추세선 기능으로 세 모델의 매개변수 산출, R² 값 비교(예: 1차 R²=0.72, 2차 R²=0.78, 지수 R²=0.75) → 2차 함수가 가장 적합함을 확인 Step 5. 예측 및 시각화: 2차 모델로 2025~2035년 기온 예측, 실측 데이터 + 예측 그래프 + 신뢰구간 밴드를 하나의 그래프에 표현 Step 6. 결론: 서울 연평균 기온이 10년간 약 0.8도 상승할 것으로 예측, 도시열섬 효과 미반영이라는 한계 분석, 다변수 모델 확장 필요성 제언 |
| 📝 코로나19 확산 곡선과 SIR 모델 비교 (T3) Step 1. 문제 정의: 'SIR 미분방정식 모델은 한국의 코로나19 확산 실제 데이터를 얼마나 정확하게 설명할 수 있는가?' Step 2. 데이터 수집: 질병관리청 감염병포털에서 일별 확진자·회복자·사망자 데이터 확보, 특정 유행 파동(예: 오미크론 시기) 구간 설정 Step 3. 모델 설계: SIR 모델(dS/dt = -βSI, dI/dt = βSI - γI, dR/dt = γI) 설정, β(감염률)와 γ(회복률)를 매개변수로 정의, 기본재생산수 R₀ = β/γ의 의미 설명 Step 4. 모델 적용: Python scipy.integrate.odeint로 SIR 미분방정식 수치 해석, β=0.3, γ=0.1로 초기 설정 후 실제 데이터에 최소자승법으로 매개변수 최적화 Step 5. 예측 및 시각화: SIR 모델 예측 곡선과 실제 확진자 곡선을 중첩 그래프로 비교, 피크 시점·피크 규모의 오차 분석 Step 6. 결론: SIR 모델이 초기 확산은 잘 설명하나 방역 정책(사회적 거리두기)의 효과를 반영하지 못하는 한계 분석, SEIR 확장모델이나 시간 가변 β 모델의 필요성 제언 |
PART K. 예상 어려움 & 해결 방안
| No. | 예상 어려움 | 해결 방안 |
| 1 | 공공 데이터가 불완전하거나 형식이 일관되지 않음 | 데이터 전처리 단계를 별도 장으로 구성하여 결측치 처리 방법(선형 보간, 평균 대체 등)을 명시하고, 전처리 전후 데이터를 비교 제시 |
| 2 | 어떤 수학적 모델이 적합한지 판단이 어려움 | 산점도를 먼저 그려 데이터의 형태를 시각적으로 파악한 후, 최소 2~3개 후보 모델을 적합하여 R² 값으로 객관적 비교 |
| 3 | 미분방정식 등 고급 수학 내용의 이해 부족 | 자신의 교과 수준에 맞는 모델을 선택하세요. 중학생은 1차 함수, 고1은 다항함수, 고2~3은 지수·로지스틱·미분방정식으로 난이도 조절 |
| 4 | 엑셀이나 Python 등 도구 사용이 미숙함 | GeoGebra(무료, 직관적)부터 시작하세요. 엑셀 추세선 기능만으로도 회귀분석이 가능합니다. 코딩은 선택이지 필수가 아닙니다 |
| 5 | 예측 결과가 실제와 크게 다를 때 당황 | 이것은 실패가 아니라 탐구의 핵심입니다! 왜 차이가 나는지 분석하는 것 자체가 가장 중요한 결론이 됩니다 |
| 6 | 데이터 양이 너무 적어 통계적 신뢰성이 부족 | 최소 20개 이상의 데이터 포인트 확보를 목표로 하고, 데이터가 부족할 경우 한계로 명시하고 부트스트랩 방법을 언급 |
| 02 | 실생활 데이터 분석 프로젝트 급식 만족도, 도서관 혼잡도 등 교내 데이터를 직접 수집하고 통계적으로 분석하는 탐구 |
PART A. 체계적 6단계 로드맵
| STEP 1 | 연구 질문 설정 및 조사 설계 '급식 메뉴별 만족도에 통계적으로 유의미한 차이가 있는가?', '도서관 혼잡도와 시험 기간의 상관관계는?'처럼 검증 가능한 연구 질문을 설정합니다. 표본 크기, 조사 방법(설문·관찰·기록), 변수 정의를 사전에 체계적으로 계획하세요. |
| STEP 2 | 데이터 수집 (표본 설계 포함) 무작위 표본추출, 층화추출 등 통계적 표본 설계 방법을 적용합니다. 설문지는 리커트 5점 척도 등 수량화 가능한 형태로 설계하고, 관찰 데이터는 시간대별·요일별로 체계적으로 기록합니다. 표본 크기의 통계적 적절성도 논증하세요. |
| STEP 3 | 기초 통계 분석 평균, 중앙값, 표준편차, 사분위수 등 기술통계량을 산출합니다. 히스토그램, 상자그림(Box Plot), 산점도 등으로 데이터의 분포와 특성을 시각화하세요. 이 단계에서 데이터의 전체적인 경향성을 파악할 수 있습니다. |
| STEP 4 | 심화 통계 분석 t-검정, 카이제곱 검정, 상관분석, 분산분석(ANOVA) 등을 활용하여 가설을 검증합니다. p-값의 의미를 정확히 해석하고, 유의수준(보통 0.05)과 비교하여 결론을 도출합니다. 효과 크기(effect size)까지 분석하면 수준이 올라갑니다. |
| STEP 5 | 결과 해석 및 시각화 통계 분석 결과를 실생활 맥락에서 의미 있게 해석합니다. '급식 만족도는 한식 메뉴에서 유의미하게 높았다(t=2.45, p=0.02)'처럼 수치와 해석을 함께 제시하세요. 인포그래픽 스타일의 시각화 자료를 만들면 발표에서도 효과적입니다. |
| STEP 6 | 결론 및 제언 분석 결과를 바탕으로 구체적이고 실행 가능한 개선 방안을 제시합니다. 연구의 한계(표본 크기, 조사 기간, 편향 가능성)를 솔직하게 밝히고, 후속 연구 방향을 제안합니다. 학교 측에 실제로 건의할 수 있는 수준의 보고서를 목표로 하세요. |
PART B. 유의사항 & 가이드라인
| 1. 설문 조사 시 개인정보 보호에 유의하고, 익명성을 보장하세요 |
| 2. 데이터 수집 기간이 너무 짧으면 계절적·일시적 변동을 반영하지 못합니다 (최소 2주 이상 권장) |
| 3. 상관관계와 인과관계를 혼동하지 마세요 - 통계 분석의 가장 흔한 오류입니다 |
| 4. 원시 데이터(raw data)를 부록에 첨부하여 분석의 투명성을 확보하세요 |
PART C. 매력적인 차별화 TIP
| 💡 TIP 매력 포인트 만들기 학교에 실제로 변화를 이끌어낼 수 있는 '실행 가능한 제안'을 담으세요. 예: '수요일 급식 메뉴를 한식 위주로 변경하면 만족도가 약 15% 상승할 것으로 예측됩니다' - 이런 구체적 수치가 보고서의 가치를 높입니다. |
| ⚠️ TIP 통계적 함정 피하기 p-값이 0.05보다 작다고 해서 반드시 '중요한' 결과는 아닙니다. 효과 크기(Cohen's d, r² 등)를 함께 보고하여 실질적 의미를 논증하세요. 이 한 가지만으로도 보고서의 수준이 확 달라집니다. |
PART D. 추천 탐구 주제 예시 (요약)
| 탐구 주제 | 데이터 & 방법론 | 기대 결과 |
| 급식 만족도 분석 | 설문조사(리커트 5점) + ANOVA | 메뉴 유형별 만족도 차이 검증 |
| 도서관 혼잡도 분석 | 시간대별 관찰 기록 + 상관분석 | 시험 기간 혼잡 패턴 및 좌석 배치 제안 |
| 등교 시간과 학업 성취도 | 설문+성적 데이터 + 회귀분석 | 적정 수면시간과 성적 상관관계 분석 |
PART E. 2022 개정 교육과정 연계
| 📌 WHY 교과 연계의 중요성 2022 개정 교육과정은 '통계적 탐구 과정의 경험'을 핵심 역량으로 강조합니다. 교과서에서 배운 평균, 분산, 표준편차, 상관계수가 실제 데이터에 적용될 때 어떤 의미를 갖는지를 경험하는 것이 이 영역의 핵심입니다. 특히 가설 검정의 p-값 해석, 상관관계와 인과관계의 구분, 표본 편향의 인식 등은 교과 내용을 실생활에서 '살아 있는 지식'으로 만드는 과정입니다. |
| 수학 과목 | 관련 단원 | 탐구 연결 포인트 |
| 공통수학1 | 경우의 수와 확률 | 설문 설계 시 표본추출 방법의 확률적 타당성 논증 |
| 공통수학2 | 대푯값과 산포도 | 평균·중앙값·표준편차로 데이터 특성 요약 및 비교 |
| 확률과 통계 | 확률분포·정규분포 | 데이터 분포의 정규성 검정, z-점수 활용 이상치 판별 |
| 확률과 통계 | 통계적 추정 | 신뢰구간 추정, 표본 크기와 오차한계의 관계 |
| 확률과 통계 | 가설 검정(심화) | t-검정, 카이제곱 검정, ANOVA의 원리와 적용 |
| 인공지능 수학 | 분류와 예측 | 데이터를 기반으로 한 분류 기준 설정 및 예측 모델 구축 |
PART F. 수준별 맞춤 가이드 (상·중·하)
같은 영역이라도 자신의 수준에 맞는 주제와 도구를 선택하는 것이 핵심입니다.
| 🔴 상위권 (도전 수준) 추천 주제: 체육 전후 집중력(T6, 대응표본 t-검정), 다변량 분석, 효과 크기 보고까지 포함 사용 도구: 엑셀 데이터분석 도구 + JAMOVI(무료 통계 소프트웨어) 또는 Python scipy.stats 목표 수준: 가설 검정(t-검정/ANOVA) + 효과 크기(Cohen's d) + 신뢰구간 보고 + 검정력 분석 차별화 포인트: 통계적 유의성과 실질적 유의성(효과 크기)을 구분하여 논의하면 대학 수준의 보고서 (분석까지 차별화할 수 있고, 통계 분석에서 사용되는 기본적인 용어들을 알고 있다는 것은 엄청나게 차별화된 포인트입니다!) |
| 🟡 중위권 (표준 수준) 추천 주제: 급식 만족도(T1), 수면과 성적(T3), 동아리와 만족도(T9) 등 설문 기반 주제 사용 도구: 엑셀 데이터 분석 추가 기능(t-검정, ANOVA 내장) + 구글 시트 함수 목표 수준: 기술통계량(평균·표준편차) + 시각화(막대·상자그림) + t-검정 또는 상관분석 1개 차별화 포인트: p-값의 의미를 정확히 해석하고, '귀무가설 기각/채택'을 올바르게 기술하면 충분히 우수 |
| 🟢 기초 수준 (입문) 추천 주제: 도서관 혼잡도(T2), 와이파이 속도(T8) 등 관찰·측정 중심 (설문 설계 부담 적음) 사용 도구: 구글 설문지(자동 집계) + 엑셀 기본 차트 기능으로 충분! 목표 수준: 데이터 수집 → 평균·중앙값 비교 → 막대그래프/원그래프 → '이런 경향이 있다' 해석 차별화 포인트: 데이터를 직접 수집했다는 것 자체가 가치! 표와 그래프를 깔끔하게 정리하고 해석하면 OK (교과 과정에 충실하게 그 안에서 하는 것만으로도 매우 좋은 평가를 받을 수 있습니다!) |
PART G. 추천 도구 & 사이트 안내
| 도구/사이트 | 사용 방법 요약 | 추천 수준 | 특징 |
| 구글 설문지 (forms.google.com) |
설문 제작→링크 배포→자동 스프레드시트 집계 | 모든 수준 | 무료, 자동 그래프 생성, 응답 실시간 확인 가능 |
| 엑셀 데이터 분석 도구 | 파일→옵션→추가기능→분석 도구 활성화→t-검정, ANOVA 사용 | 중급 이상 | 엑셀 설치 시 기본 포함, 활성화만 하면 됨 |
| 구글 시트 함수 | AVERAGE(), STDEV(), CORREL(), TTEST() 함수 입력 | 모든 수준 | 무료, 인터넷만 있으면 어디서든 사용 |
| JAMOVI (jamovi.org) | 데이터 붙여넣기→분석 메뉴 클릭→자동 결과표·그래프 생성 | 중급~상급 | 무료, SPSS와 유사한 인터페이스, 한글 지원 |
| 네이버 오피스 설문 | 설문 제작→학교 단톡방 공유→엑셀 다운로드 | 모든 수준 | 무료, 한글 인터페이스, 네이버 계정만 있으면 가능 |
PART H. 알아두면 좋은 배경 용어 사전
| 용어 / 개념 | 쉬운 설명 + 탐구에서 활용하는 맥락 |
| 리커트 척도 | 1~5점(또는 1~7점)으로 동의 정도를 표시하는 설문 방식. 예: 1=매우 불만족, 3=보통, 5=매우 만족. 가장 널리 쓰이는 설문 척도 |
| 표본 / 모집단 | 모집단은 연구 대상 전체(예: 전교생 800명), 표본은 실제 조사한 일부(예: 120명). 표본이 모집단을 잘 대표해야 결과를 일반화 가능 |
| 평균 / 중앙값 | 평균은 모두 더해 나눈 값, 중앙값은 크기순 정렬 시 가운데 값. 이상치(극단값)가 있으면 중앙값이 더 적합 |
| 표준편차 (SD) | 데이터가 평균에서 얼마나 흩어져 있는지를 나타내는 값. SD가 클수록 데이터가 넓게 퍼져 있음 |
| p-값 | '이 결과가 우연히 나올 확률'. p < 0.05이면 '우연이 아닐 가능성이 높다'고 판단. 단, '중요하다'와 같은 뜻이 아니므로 주의 |
| t-검정 | 두 그룹의 평균이 통계적으로 차이가 있는지 검증하는 방법. 예: 남학생 vs 여학생 만족도 비교. 엑셀 TTEST() 함수로 계산 가능 |
| ANOVA (분산분석) | 3개 이상 그룹의 평균 차이를 한꺼번에 검증하는 방법. 예: 한식·중식·양식·분식 4그룹 비교. 엑셀 데이터 분석 도구에 내장 |
| 상관계수 (r) | 두 변수의 관계 강도를 -1~+1로 나타낸 값. +1에 가까우면 양의 상관, -1에 가까우면 음의 상관, 0에 가까우면 무관 |
| 카이제곱 검정 | 범주형 데이터(예: 선호/비선호 × 메뉴 유형) 간 관계가 있는지 검증. '교차표'를 만들어 기대빈도와 관측빈도를 비교 |
| 효과 크기 (Cohen's d) | 통계적 차이가 실제로 얼마나 큰지를 나타내는 값. d=0.2(작음), 0.5(중간), 0.8(큼). p-값만으로는 알 수 없는 '실질적 의미'를 보여줌 |
PART I. 교과 연계 추천 주제 상세 목록
| No. | 탐구 주제 | 교과 연계 | 탐구 방향 |
| T1 | 급식 메뉴 유형별 만족도 차이 분석 | 확률과통계-가설 검정 | 리커트 5점 설문→ANOVA로 한식·중식·양식 만족도 유의차 검증 |
| T2 | 시험 기간 도서관 혼잡도 패턴 분석 | 공통수학2-대푯값·산포도 | 시간대별 좌석 점유율 관찰→평균·표준편차 비교, 시계열 그래프 |
| T3 | 수면 시간과 학업 성취도의 상관관계 | 확률과통계-상관·회귀 | 설문(수면시간)과 성적→상관계수 r 산출 및 산점도 분석 |
| T4 | 교내 매점 구매 패턴과 가격 민감도 | 공통수학2-함수 활용 | 가격 변화 전후 판매량 비교→수요함수 모델링, 탄력성 계산 |
| T5 | 학생 통학 시간 분포와 지각률 관계 | 확률과통계-확률분포 | 통학시간 데이터의 정규분포 적합 검정, 지각 확률 예측 |
| T6 | 체육 수업 전후 집중력 변화 측정 | 확률과통계-대응표본 t-검정 | 스트룹 테스트로 집중력 수치화→전후 비교 대응표본 t-검정 |
| T7 | 급식 잔반량과 메뉴 선호도의 관계 | 확률과통계-카이제곱 검정 | 잔반량(많음/보통/적음) × 메뉴 유형 교차표→독립성 검정 |
| T8 | 학교 와이파이 속도 측정과 시간대 분석 | 공통수학2-대푯값·산포도 | 시간대별 속도 측정→상자그림 비교, 피크타임 분석 |
| T9 | 동아리 활동이 학교생활 만족도에 미치는 영향 | 확률과통계-독립표본 t-검정 | 동아리 참여/미참여 그룹 만족도 비교→t-검정 및 효과 크기 |
| T10 | 교내 분리수거 실태와 환경 인식 조사 | 확률과통계-카이제곱·상관분석 | 환경 인식 점수와 실제 분리수거 행동 간 상관관계 분석 |
| T11 | 자습 시간대별 학습 효율성 비교 | 확률과통계-분산분석 | 아침·점심·저녁 자습의 집중도 점수→일원분산분석(ANOVA) |
| T12 | 학생 스마트폰 사용시간과 시력 변화 | 확률과통계-회귀분석 | 스마트폰 사용시간(설문) vs 시력검사 결과→회귀분석 및 예측 |
PART J. 6단계 적용 예시 (따라하기 가이드)
| 📝 급식 메뉴 유형별 만족도 차이 분석 (T1) Step 1. 연구 질문: '한식·중식·양식·분식 메뉴 유형에 따라 급식 만족도에 통계적으로 유의미한 차이가 있는가?' 귀무가설 H₀: 메뉴 유형 간 만족도 평균에 차이가 없다 Step 2. 데이터 수집: 전교생 대상 층화추출(학년별 비례배분)로 120명 표본 선정, 리커트 5점 척도 설문지 설계(1=매우 불만족 ~ 5=매우 만족), 2주간 메뉴별로 수집 Step 3. 기초 통계: 메뉴 유형별 평균(한식 3.8, 중식 3.2, 양식 3.5, 분식 4.1), 표준편차, 상자그림 비교 → 분식이 가장 높고 중식이 가장 낮은 경향 확인 Step 4. 심화 분석: 일원분산분석(ANOVA) 실시 → F=4.32, p=0.006 < 0.05이므로 귀무가설 기각. 사후검정(Tukey HSD)으로 분식-중식 간 유의차 확인(p=0.003) Step 5. 시각화: 메뉴별 평균 막대그래프 + 오차 막대, 상자그림 비교, 사후검정 결과 매트릭스 표 작성 Step 6. 결론: 분식 메뉴의 만족도가 유의미하게 높고 중식이 낮음. 중식 메뉴 개선 또는 인기 메뉴 빈도 조정 제안. 한계: 맛 외 요인(양, 반찬) 미통제, 계절에 따른 선호 변화 미반영 |
| 📝 수면 시간과 학업 성취도의 상관관계 (T3) Step 1. 연구 질문: '평균 수면 시간과 학업 성취도(내신 평균) 사이에 유의미한 상관관계가 있는가?' 추가 질문: 최적 수면 시간은? Step 2. 데이터 수집: 2학년 전체 대상 익명 설문(최근 한 달 평균 수면시간), 동의를 받은 학생의 직전 학기 내신 등급 수집. 표본 크기 n=85 Step 3. 기초 통계: 수면시간 평균 6.2시간(SD=1.1), 내신 평균 4.2등급(SD=1.8). 산점도 그리기 → 약한 음의 경향(수면 많을수록 등급 낮은 숫자=좋은 성적) 관찰 Step 4. 심화 분석: 피어슨 상관계수 r=-0.42, p=0.001 → 유의미한 음의 상관. 회귀식 y=7.8-0.58x 도출. 8시간 이상 그룹에서 상관 약화 → 비선형 가능성 탐색 Step 5. 시각화: 산점도+회귀직선+95% 신뢰대역 그래프, 수면시간 구간별(5h 미만/5~7h/7~8h/8h 이상) 평균 성적 비교 막대그래프 Step 6. 결론: 7~8시간 수면 그룹의 성적이 최적. 단 상관관계이지 인과관계가 아님을 명시(성적 좋은 학생이 자기관리를 잘 해서 수면도 충분할 가능성). 교란 변수(사교육, 학습량) 미통제 한계 |
PART K. 예상 어려움 & 해결 방안
| No. | 예상 어려움 | 해결 방안 |
| 1 | 표본 크기가 작아 통계적 검정력이 부족 | 최소 30명 이상 확보를 목표로 하고, 표본이 작으면 비모수 검정(만-휘트니 U, 크루스칼-월리스)을 대안으로 사용 |
| 2 | 설문 응답의 편향(사회적 바람직성 편향) | 익명성 보장 명시, 역코딩 문항 포함, 설문 전 '솔직한 응답이 연구에 도움' 강조 |
| 3 | 상관관계를 인과관계로 오해석 | 반드시 '상관관계이지 인과관계가 아님'을 명시하고, 가능한 교란 변수를 나열하여 논의 |
| 4 | 통계 분석 도구(SPSS, R 등) 사용이 어려움 | 엑셀의 데이터 분석 도구(t-검정, ANOVA 포함)만으로도 충분합니다. 구글 시트의 TTEST(), CORREL() 함수도 활용 가능 |
| 5 | p-값 해석 오류 | 'p-값은 귀무가설이 참일 때 이 정도의 결과가 나올 확률'임을 정확히 기술. p<0.05라고 해서 100% 확실한 것은 아님을 강조 |
| 6 | 데이터 정규성 가정 위반 | 히스토그램, Q-Q 플롯으로 정규성 시각적 확인 후, 필요 시 비모수 검정으로 전환. 중심극한정리(n≥30) 언급 |
| 03 | 경로 최적화 프로젝트 그래프 이론과 알고리즘을 활용하여 최단 경로·최적 경로를 탐구하는 수학적 문제 해결 |
PART A. 체계적 6단계 로드맵
| STEP 1 | 최적화 문제 정의 등하교 최적 경로, 수학여행 관광지 순회, 택배 배송 경로, 대피 경로 설계 등 실생활에서 경로 최적화가 필요한 문제를 선택합니다. '최단 거리', '최소 시간', '최소 비용' 등 최적화 기준(목적함수)을 명확히 정의하세요. |
| STEP 2 | 수학적 모델 구축 (그래프 변환) 실제 지도나 공간을 정점(노드)과 간선(엣지)으로 이루어진 그래프로 변환합니다. 각 간선에 거리, 시간, 비용 등의 가중치를 부여합니다. 이 과정에서 어떤 요소를 포함하고 어떤 요소를 단순화했는지를 명시하세요. |
| STEP 3 | 알고리즘 선택 및 이해 다익스트라(Dijkstra) 알고리즘, 벨만-포드, 플로이드-워셜, 외판원 문제(TSP)의 근사 알고리즘 등에서 문제에 적합한 알고리즘을 선택합니다. 알고리즘의 원리를 수학적으로 이해하고, 시간복잡도를 분석하세요. |
| STEP 4 | 알고리즘 적용 및 풀이 선택한 알고리즘을 단계별로 손으로 풀어보고, 필요시 프로그래밍(Python networkx 등)으로 검증합니다. 각 단계의 판단 근거를 수학적으로 설명하고, 중간 과정의 그래프 상태를 시각화하면 이해도가 높아집니다. |
| STEP 5 | 결과 비교 및 최적성 검증 여러 경로를 비교하여 최적 해를 확인하고, 실제 지도(네이버 지도, 카카오맵)의 경로와 비교합니다. 알고리즘이 도출한 최적 경로와 직관적 선택 간의 차이를 분석하면 수학의 위력을 보여줄 수 있습니다. |
| STEP 6 | 확장 논의 및 결론 실시간 교통 상황, 날씨, 도로 공사 등 변수를 추가했을 때의 모델 확장 가능성을 논의합니다. NP-난해 문제의 개념을 소개하고, 근사 알고리즘의 필요성과 실생활 적용 사례(물류, 내비게이션)를 연결하세요. |
PART B. 유의사항 & 가이드라인
| 1. 그래프 이론 기본 개념(정점, 간선, 가중치, 연결성)을 정확히 정의하고 시작하세요 |
| 2. 알고리즘을 '블랙박스'로 사용하지 말고, 원리를 이해하고 설명할 수 있어야 합니다 |
| 3. 현실의 제약 조건(일방통행, 시간대별 교통량 등)을 어떻게 모델에 반영했는지 기술하세요 |
| 4. 수작업 풀이와 프로그래밍 결과를 교차 검증하면 정확성이 높아집니다 |
PART C. 매력적인 차별화 TIP
| 💡 TIP 임팩트 극대화 학교 주변 실제 지도를 활용하세요! 구글맵 API나 네이버 지도에서 실제 거리를 측정하고, 이를 그래프로 변환하면 추상적인 알고리즘이 '살아 있는 수학'이 됩니다. 등하교 최적 경로를 찾아 실제로 걸어보고 검증하면 완벽합니다. |
| ⚠️ TIP 난이도 조절 중학생은 다익스트라 알고리즘 수작업 풀이만으로도 충분히 훌륭합니다. 고등학생이라면 시간복잡도 O(V²) vs O(E log V) 비교, TSP의 NP-완전성 논증까지 확장해 보세요. |
PART D. 추천 탐구 주제 예시 (요약)
| 탐구 주제 | 데이터 & 방법론 | 기대 결과 |
| 등하교 최적 경로 | 학교 주변 실제 지도 + 다익스트라 | 시간대별 최적 경로 비교 분석 |
| 수학여행 관광지 순회 | 관광지 간 거리 데이터 + TSP 근사 | 최소 이동거리 일정 설계 |
| 재난 대피 경로 최적화 | 학교 건물 도면 + 플로이드-워셜 | 층별 대피 경로 및 병목 구간 분석 |
PART E. 2022 개정 교육과정 연계
| 📌 WHY 교과 연계의 중요성 경로 최적화는 그래프 이론, 행렬, 부등식 등 다양한 교과 개념이 융합되는 영역입니다. 2022 개정 교육과정의 '수학적 문제해결 역량'을 가장 직접적으로 보여줄 수 있는 주제입니다. 교과서에서 배운 행렬(인접행렬), 부등식(제약 조건), 함수(가중치 함수)가 실제 지도 위의 경로 문제와 어떻게 연결되는지를 보여주면, 추상적 수학 개념의 실용적 가치를 증명할 수 있습니다. |
| 수학 과목 | 관련 단원 | 탐구 연결 포인트 |
| 공통수학1 | 집합과 명제 | 그래프의 정점 집합·간선 집합 정의, 경로 존재 조건의 논리적 표현 |
| 공통수학2 | 부등식의 활용 | 제약 조건의 수학적 표현, 가중치 비교와 최솟값 탐색 |
| 기하 | 좌표와 벡터 | 정점의 좌표 표현, 두 점 사이 거리 공식 활용, 방향 벡터 |
| 대수 | 행렬(선택) | 인접행렬로 그래프 표현, 행렬 거듭제곱으로 경로 수 계산 |
| 인공지능 수학 | 탐색과 최적화 | 그래프 탐색 알고리즘의 원리, 최적화 문제 해결 전략 |
| 경제수학 | 의사결정과 최적화 | 비용 최소화, 효율성 극대화의 수학적 모델링 |
PART F. 수준별 맞춤 가이드 (상·중·하)
같은 영역이라도 자신의 수준에 맞는 주제와 도구를 선택하는 것이 핵심입니다.
| 🔴 상위권 (도전 수준) 추천 주제: TSP 관광지 순회(T2), 소방차 출동 최적화(T9) 등 복잡한 그래프 + 알고리즘 비교 사용 도구: Python networkx 라이브러리 + Google Colab에서 실행 (설치 불필요) 목표 수준: 다익스트라 + TSP 근사 알고리즘 비교, 시간복잡도 분석, NP-난해 논증 차별화 포인트: 완전 탐색 vs 탐욕법 vs 개선법의 성능 비교표 + 코드 부록 첨부 (실제 코드까지 구현할 수 있는 정도의 능력이라면, 문제해결능력의 최상위권!) |
| 🟡 중위권 (표준 수준) 추천 주제: 등하교 최적 경로(T1), 교실 이동 동선(T6), 지하철 환승(T7) 사용 도구: 네이버/카카오 지도 거리 측정 + 엑셀/손으로 알고리즘 풀이 + 그림판 시각화 목표 수준: 다익스트라 알고리즘 수작업 풀이(정점 8~12개), 과정 표로 정리, 실제 경로와 비교 차별화 포인트: 알고리즘 각 단계를 표와 그래프 색칠로 시각화하면 충분히 인상적 |
| 🟢 기초 수준 (입문) 추천 주제: 등하교 경로 비교(T1 간소화), 학교 동선(T6 간소화) - 정점 5~6개 규모 사용 도구: 네이버 지도 길찾기 + 모눈종이에 손그림 그래프 + 표로 비교 목표 수준: 그래프로 변환하기 → 가능한 경로 모두 나열 → 각 경로 거리 합산 → 최단 경로 선택 차별화 포인트: '가능한 모든 경로를 비교했더니 A→C→E가 최단'이라는 완전 탐색도 훌륭한 수학적 방법! |
PART G. 추천 도구 & 사이트 안내
| 도구/사이트 | 사용 방법 요약 | 추천 수준 | 특징 |
| 네이버 지도 (map.naver.com) |
길찾기→도보 선택→구간별 거리(m)와 시간(분) 확인 | 모든 수준 | 학교 주변 실제 거리 데이터 측정에 최적 |
| 카카오맵 (map.kakao.com) |
길찾기→거리 측정 도구(자 모양 아이콘)로 직선거리 측정 | 모든 수준 | 거리 측정 도구로 지도 위 직접 클릭 측정 가능 |
| GeoGebra 그래프 도구 | 점 찍기→선분 연결→길이 표시 기능으로 그래프 시각화 | 기초~중급 | 무료, 깔끔한 그래프 다이어그램 제작 가능 |
| draw.io (app.diagrams.net) |
그래프 다이어그램 그리기→간선에 가중치 레이블 추가 | 모든 수준 | 무료, 웹 기반, 그래프 그림 전문 도구 |
| Python networkx | nx.Graph()→add_edge()→shortest_path() 함수로 자동 풀이 | 상위권 | Google Colab(colab.google)에서 설치 없이 실행 |
PART H. 알아두면 좋은 배경 용어 사전
| 용어 / 개념 | 쉬운 설명 + 탐구에서 활용하는 맥락 |
| 그래프 (Graph) | 점(정점)과 선(간선)으로 이루어진 수학적 구조. 지도의 교차로=정점, 도로=간선으로 생각하면 됩니다. 일반적인 '그래프(차트)'와는 다른 개념 |
| 정점 (Vertex/Node) | 그래프에서의 점. 교차로, 관광지, 역 등 '장소'를 나타냅니다. 여러 개일 때 V={A, B, C, ...}로 표현 |
| 간선 (Edge) | 두 정점을 연결하는 선. 도로, 경로 등 '연결'을 나타냅니다. A와 B를 연결하면 (A,B) 또는 A-B로 표현 |
| 가중치 (Weight) | 간선에 부여된 수치. 거리(km), 시간(분), 비용(원) 등을 나타냅니다. 가중치가 작은 간선을 선호하는 것이 최단 경로 문제 |
| 인접행렬 | 그래프의 연결 관계를 표(행렬)로 나타낸 것. i행 j열의 값 = 정점i에서 정점j까지의 가중치. 0이면 직접 연결 없음 |
| 다익스트라 알고리즘 | 한 출발점에서 모든 정점까지의 최단 경로를 찾는 방법. '가장 가까운 미방문 정점을 선택하여 확장'하는 과정을 반복 |
| 외판원 문제 (TSP) | 모든 도시를 정확히 한 번씩 방문하고 출발지로 돌아오는 최단 경로 찾기. 도시가 많아지면 모든 경우를 따져볼 수 없어 근사 알고리즘을 사용 |
| NP-난해 | '현재 알려진 방법으로는 빠르게 풀 수 없는 문제'. 도시 20개만 되어도 모든 경로를 확인하려면 천문학적 시간이 걸림 |
PART I. 교과 연계 추천 주제 상세 목록
| No. | 탐구 주제 | 교과 연계 | 탐구 방향 |
| T1 | 등하교 최적 경로 탐색 (다익스트라) | 기하-좌표, 공통수학2-부등식 | 학교 주변 교차로를 정점, 도로를 간선으로 변환하여 최단 경로 계산 |
| T2 | 수학여행 관광지 순회 최적화 (TSP) | 인공지능수학-탐색·최적화 | N개 관광지를 모두 방문하는 최소 이동거리 경로 설계 |
| T3 | 학교 재난 대피 경로 최적화 | 공통수학1-집합·명제 | 건물 도면을 그래프로 변환, 층별 최단 대피 경로 및 병목 분석 |
| T4 | 세종시 버스 노선 효율성 분석 | 기하-좌표·거리 | 버스 정류장 네트워크의 최단 경로 vs 실제 노선 비교 분석 |
| T5 | 택배 배송 경로 최적화 | 경제수학-의사결정 | 배송지 10곳의 순회 최적화, 시간/비용 트레이드오프 분석 |
| T6 | 학교 건물 내 교실 이동 최적 동선 | 기하-좌표 | 시간표 기반 교실 이동 경로 최적화, 쉬는 시간 내 이동 가능성 검증 |
| T7 | 지하철 환승 최적 경로 분석 | 대수-행렬 | 지하철 노선도를 인접행렬로 표현, 환승 횟수 최소화 경로 탐색 |
| T8 | 마라톤 코스 설계 최적화 | 기하-좌표·벡터 | 출발-도착 동일 조건에서 지형·거리 고려 최적 코스 설계 |
| T9 | 소방차 출동 경로 최적화 | 인공지능수학-최적화 | 소방서에서 각 건물까지 최단 시간 경로, 교통 상황 변수 반영 |
| T10 | 우리 학교 동선 혼잡도 분석과 개선 | 확률과통계+기하 | 시간대별 복도 혼잡 관찰→그래프 모델로 대안 동선 제안 |
PART J. 6단계 적용 예시 (따라하기 가이드)
| 📝 등하교 최적 경로 탐색 (T1) Step 1. 문제 정의: '집에서 학교까지 도보 경로 중 소요시간이 가장 짧은 경로는?' 최적화 기준: 도보 시간(분). 제약: 횡단보도, 신호 대기시간 포함 Step 2. 그래프 변환: 학교 주변 지도에서 주요 교차로 12개를 정점(A~L)으로, 도로를 간선으로 설정. 네이버 지도로 각 구간 도보 시간 측정하여 가중치 부여 Step 3. 알고리즘 선택: 다익스트라 알고리즘 선택. 이유: 모든 가중치가 양수, 단일 출발점 최단 경로에 최적. 시간복잡도 O(V²)=O(144) 설명 Step 4. 풀이: 다익스트라 알고리즘 각 반복을 표로 기록 (정점, 최단거리, 이전 정점, 방문 여부). 12번의 반복 과정을 모두 수작업으로 풀고 시각화 Step 5. 검증: 알고리즘 결과(A→C→F→H→L, 총 18분)와 네이버 지도 추천 경로(A→B→E→H→L, 총 21분) 비교. 실제 도보로 검증→실측 19분(신호 대기 변동) Step 6. 확장: 등교 시간대(신호 대기 길어짐)와 하교 시간대(교통량 변화) 가중치 변경 시 최적 경로 변화 분석. 우천 시 지하도 경로 추가 그래프 확장 논의 |
| 📝 수학여행 관광지 순회 최적화 (T2) Step 1. 문제 정의: '경주 수학여행에서 8개 관광지를 모두 방문하는 최소 이동거리 경로는?' (외판원 문제 TSP 적용) Step 2. 그래프 변환: 불국사, 석굴암, 첨성대, 안압지, 대릉원 등 8개 관광지를 정점으로, 모든 정점 쌍 사이 거리를 네이버 지도로 측정하여 8×8 거리 행렬(인접행렬) 작성 Step 3. 알고리즘 선택: 완전 탐색(7!=5,040개) + 최근접 이웃(Nearest Neighbor) 탐욕법 + 2-opt 개선법 세 가지 방법 선택 Step 4. 풀이: (1) 완전 탐색으로 최적해 도출(총 42.3km), (2) 최근접 이웃법 결과(47.8km, 13% 초과), (3) 2-opt 개선 후(43.1km). 세 방법의 결과 비교표 작성 Step 5. 비교: 관광지 수가 15개, 20개로 늘어나면 완전 탐색이 불가능함을 계산(14!≈870억)으로 증명→NP-난해 개념 소개 Step 6. 결론: 현실적 제약(관람 시간, 식사, 이동 수단) 추가 시 순수 거리 최적화와 실용적 일정의 차이 논의. 관광버스 회사의 실제 코스와 비교 |
PART K. 예상 어려움 & 해결 방안
| No. | 예상 어려움 | 해결 방안 |
| 1 | 실제 거리 데이터 측정이 번거로움 | 네이버 지도 길찾기 기능으로 구간별 거리·시간 측정 후 엑셀에 정리. 10개 정점 미만이면 수작업 충분 |
| 2 | 다익스트라 알고리즘 수작업 풀이가 복잡 | 정점 8~12개 규모로 시작. 각 반복을 표(정점, 거리, 이전 노드, 방문)로 정리하면 체계적으로 풀 수 있음 |
| 3 | 그래프 이론 용어가 교과서에 없어 낯설다 | 보고서 서두에 '기본 용어 정리' 섹션을 두어 정점, 간선, 가중치, 경로, 차수 등을 그림과 함께 정의 |
| 4 | NP-난해 개념이 어렵다 | 깊이 이해할 필요 없이 '도시가 늘어날수록 계산량이 폭발적으로 증가한다'는 핵심만 팩토리얼 계산으로 보여주면 충분 |
| 5 | 프로그래밍 없이 큰 그래프를 풀기 어려움 | 정점 10개 이하로 문제를 제한하면 수작업으로 충분합니다. Python networkx는 선택 사항이지 필수가 아닙니다 |
| 04 | 자원 배분 프로젝트 선형계획법과 최적화 이론으로 제한된 자원을 효율적으로 배분하는 방법을 탐구 |
PART A. 체계적 6단계 로드맵
| STEP 1 | 자원 배분 문제 발굴 학교 예산 배분, 동아리 활동 공간 배정, 급식 식재료 최적 구매, 학급 청소 구역 분배 등 실생활에서 '제한된 자원을 효율적으로 나누는' 문제를 선택합니다. 수혜자, 자원 종류, 제약 조건을 명확히 식별하세요. |
| STEP 2 | 수학적 정식화 (목적함수 + 제약조건) 목적함수(최대화 또는 최소화할 대상)와 제약조건(부등식/등식)을 수학적으로 설정합니다. 예: 'Z = 3x + 5y를 최대화 (단, 2x + y ≤ 100, x + 3y ≤ 120, x ≥ 0, y ≥ 0)'. 변수 정의와 단위를 명확히 기술하세요. |
| STEP 3 | 해법 선택 및 적용 변수 2개이면 그래프(가행 영역) 방법, 3개 이상이면 심플렉스법을 적용합니다. 가행 영역을 그래프로 그리고 꼭짓점을 구하여 목적함수 값을 비교합니다. 정수 조건이 필요한 경우 정수계획법의 개념도 소개하세요. |
| STEP 4 | 민감도 분석 제약 조건이 변할 때 최적 해가 어떻게 변하는지 분석합니다. '예산이 10% 증가하면 최적 배분은 어떻게 바뀌는가?', '교실 하나가 추가되면?' 등의 시나리오를 수학적으로 탐구하세요. |
| STEP 5 | 공정성 분석 수학적 최적과 '공정한 배분'이 항상 일치하지는 않습니다. 지니계수, 엔비-프리 조건, 비례 배분 등 공정성 척도를 적용하여 배분의 형평성을 분석하세요. |
| STEP 6 | 결론 및 실행 제안 최적 배분 결과를 현실에 적용 가능한 형태로 제안합니다. 수학적 최적해와 현실적 제약(정치적 고려, 감정, 관행 등) 사이의 간극을 논의하세요. |
PART B. 유의사항 & 가이드라인
| 1. 목적함수와 제약조건을 수학적으로 정확하게 기술하세요 (변수, 부등식 방향, 단위 포함) |
| 2. 가행 영역 그래프는 좌표축, 제약선, 영역 표시를 깔끔하게 그려야 합니다 |
| 3. 현실 문제의 복잡성을 단순화한 부분과 그 이유를 반드시 밝히세요 |
| 4. 민감도 분석은 '만약에(what-if)' 시나리오를 최소 3가지 이상 다루세요 |
PART C. 매력적인 차별화 TIP
| 💡 TIP 수학+사회 융합 자원 배분 문제에 '공정성'이라는 사회적 가치를 결합하면 수학 보고서를 넘어 융합적 사고를 보여줄 수 있습니다. 지니계수를 실제로 계산해보거나, 존 롤스의 정의론(차등 원칙)을 수학적으로 표현해보세요. |
| 💡 TIP 시각적 설득력 가행 영역 그래프에서 최적점이 꼭짓점에 있음을 색상으로 강조하고, 민감도 분석 결과를 시나리오별 막대그래프로 비교 제시하면 보고서의 설득력이 배가됩니다. |
PART D. 추천 탐구 주제 예시 (요약)
| 탐구 주제 | 데이터 & 방법론 | 기대 결과 |
| 학교 축제 예산 배분 | 부스별 예산·공간 제약 + LP | 최대 만족도 달성 예산 배분안 |
| 동아리 활동실 배정 | 사용 인원·시간 제약 + 정수LP | 공정하고 효율적인 시간표 설계 |
| 급식 식재료 최적 구매 | 영양 기준·예산 제약 + LP | 영양 만족 + 비용 최소화 식단 |
PART E. 2022 개정 교육과정 연계
| 📌 WHY 교과 연계의 중요성 선형계획법은 2022 개정 교육과정 '공통수학2'에서 직접 다루는 핵심 단원입니다. 부등식의 영역, 연립부등식, 일차함수 개념이 실제 의사결정 문제와 연결되는 대표적인 사례입니다. |
| 수학 과목 | 관련 단원 | 탐구 연결 포인트 |
| 공통수학2 | 부등식의 영역 | 제약 조건을 좌표평면 위 부등식 영역으로 표현, 가행 영역 도출 |
| 공통수학2 | 선형계획법 | 목적함수 최대·최소화, 꼭짓점 검사법으로 최적해 도출 |
| 공통수학1 | 일차함수와 연립방정식 | 제약선의 교점(꼭짓점) 좌표 계산, 연립방정식 풀이 |
| 대수 | 행렬(선택) | 심플렉스법의 행렬 표현, 변수 3개 이상 문제의 체계적 풀이 |
| 확률과 통계 | 기대값 | 불확실성 하에서의 기대 이익 최대화, 확률적 자원 배분 |
| 경제수학 | 수요·공급과 최적화 | 비용 함수, 이윤 함수의 최적화, 경제적 의사결정 |
PART F. 수준별 맞춤 가이드 (상·중·하)
같은 영역이라도 자신의 수준에 맞는 주제와 도구를 선택하는 것이 핵심입니다.
| 🔴 상위권 (도전 수준) 추천 주제: 급식 영양 최적화(T2, 다변수 LP), 청소 공정 배분+지니계수(T4) 사용 도구: 엑셀 Solver + GeoGebra 시각화 또는 Python scipy.optimize.linprog 목표 수준: 다변수 LP + 민감도 분석 + 공정성 지표(지니계수) 계산 + 시나리오 비교 차별화 포인트: 효율성-공정성 트레이드오프를 수학적으로 논증하면 융합적 사고 역량이 돋보임 |
| 🟡 중위권 (표준 수준) 추천 주제: 축제 예산 배분(T1), 도서 구매(T7), 소풍 간식(T10) - 변수 2개 LP 사용 도구: GeoGebra로 가행 영역 그래프 + 엑셀로 꼭짓점 계산 목표 수준: 변수 2개 LP의 그래프 풀이 + 꼭짓점 비교 + 민감도 분석 1~2개 시나리오 차별화 포인트: 가행 영역 그래프를 깔끔하게 그리고, '왜 최적점이 꼭짓점에 있는지' 설명하면 우수 |
| 🟢 기초 수준 (입문) 추천 주제: 소풍 간식 조합(T10 간소화), 체육대회 시간 배분(T6 간소화) - 변수 2개 사용 도구: 모눈종이에 그래프 직접 그리기 + 계산기(또는 엑셀 기본 기능) 목표 수준: 부등식 2~3개를 좌표평면에 그리기→영역 색칠→꼭짓점 좌표 구하기→대입 비교 차별화 포인트: 교과서 선형계획법 문제를 '우리 학교 실제 상황'에 적용했다는 것 자체가 훌륭한 탐구! |
PART G. 추천 도구 & 사이트 안내
| 도구/사이트 | 사용 방법 요약 | 추천 수준 | 특징 |
| 엑셀 Solver (해 찾기) | 데이터 탭→Solver→목적함수·제약조건 입력→해 찾기 실행 | 중급 이상 | 엑셀 내장 기능, 활성화: 파일→옵션→추가기능→Solver |
| GeoGebra (geogebra.org/graphing) |
부등식 입력(예: 2x+y<=100)→자동 영역 표시→교점 클릭 | 모든 수준 | 무료, 가행 영역 시각화에 최적, 한글 지원 |
| Desmos (desmos.com) | 부등식 입력→영역 자동 색칠→슬라이더로 제약 변화 실험 | 모든 수준 | 무료, 민감도 분석 시 슬라이더 활용 가능 |
| 구글 시트 Solver | 부가기능→OpenSolver 설치→LP 문제 풀이 | 중급 이상 | 무료, 엑셀 Solver와 유사한 기능 |
PART H. 알아두면 좋은 배경 용어 사전
| 용어 / 개념 | 쉬운 설명 + 탐구에서 활용하는 맥락 |
| 목적함수 | 최대화하거나 최소화하려는 대상을 수식으로 표현한 것. 예: '총 만족도 Z = 3x + 5y를 최대화'. 이 값이 가장 클(또는 작을) 때의 x, y를 찾는 것이 목표 |
| 제약조건 | 변수가 만족해야 하는 조건. 예: '예산이 100만원 이하→2x + y ≤ 100'. 부등식으로 표현하며, 이 조건을 모두 만족하는 영역이 '가행 영역' |
| 가행 영역 (Feasible Region) | 모든 제약조건을 동시에 만족하는 점들의 집합. 좌표평면에서 부등식 영역의 교집합으로 나타남. 이 영역 안의 점만이 실행 가능한 해 |
| 꼭짓점 (Vertex) | 가행 영역의 모서리가 만나는 점. 선형계획법에서 최적해는 반드시 꼭짓점에 존재. 모든 꼭짓점에서 목적함수 값을 비교하면 최적해를 찾을 수 있음 |
| 선형계획법 (LP) | 목적함수와 제약조건이 모두 1차식(선형)인 최적화 문제. 고등학교 교과서에서 직접 다루는 내용이며, 실생활 의사결정의 기초 |
| 민감도 분석 | 제약조건이 조금 변했을 때 최적해가 어떻게 변하는지 분석하는 것. '만약에(what-if)' 질문에 답하는 방법이며, 탐구의 깊이를 더해줌 |
| 지니계수 | 배분의 불평등도를 0~1로 나타낸 값. 0이면 완전 평등, 1이면 완전 불평등. 로렌츠 곡선 아래 면적으로 계산 |
PART I. 교과 연계 추천 주제 상세 목록
| No. | 탐구 주제 | 교과 연계 | 탐구 방향 |
| T1 | 학교 축제 부스 예산 최적 배분 | 공통수학2-선형계획법 | 총 예산 제약 하에 부스별 기대 수익 최대화 LP 모델 |
| T2 | 급식 식단 영양소 최적 구성 | 공통수학2-부등식의 영역 | 영양 기준 충족 + 비용 최소화 LP 문제 설계 |
| T3 | 동아리 활동실 시간 배정 최적화 | 공통수학1-연립방정식 | 동아리 수·교실 수·시간 제약의 정수계획법 적용 |
| T4 | 학급 청소 구역 공정 배분 | 확률과통계-기대값 | 면적·난이도·인원을 고려한 공정 배분, 지니계수 분석 |
| T5 | 교내 프린터 설치 위치 최적화 | 기하-좌표·거리 | 각 교실에서 프린터까지 총 이동거리 최소화 |
| T6 | 체육대회 종목별 시간 배분 | 공통수학2-선형계획법 | 운동장·시간 제약 하에 학생 참여율 최대화 |
| T7 | 학교 도서 구매 예산 최적 배분 | 공통수학2-부등식의 영역 | 장르별 수요 + 예산 제약 + 최소 구매량 조건 LP |
| T8 | 학급 모둠 편성 최적화 | 대수-행렬 | 성적·성별·친밀도 균형을 고려한 배정 최적화 |
| T9 | 학교 에너지(전기) 사용 최적화 | 경제수학-비용 최적화 | 시간대별 전기 요금과 사용량 분석, 비용 최소화 전략 |
| T10 | 소풍 간식 구매 최적 조합 | 공통수학2-선형계획법 | 예산·칼로리·알레르기 제약 하에 만족도 최대화 |
| T11 | 봉사활동 인력 배분 최적화 | 공통수학2-부등식의 영역 | 활동별 최소 인원·시간 제약 + 활동 효과 최대화 |
PART J. 6단계 적용 예시 (따라하기 가이드)
| 📝 급식 식단 영양소 최적 구성 (T2) Step 1. 문제 발굴: '1인당 4,500원 예산 내에서 영양 기준(열량 700kcal 이상, 단백질 25g 이상, 나트륨 800mg 이하)을 충족하면서 비용을 최소화하는 식단 구성은?' Step 2. 정식화: 변수 x₁(밥)~x₅(김치). 목적함수 Z=c₁x₁+...+c₅x₅ 최소화. 제약: 열량 합 ≥ 700, 단백질 합 ≥ 25, 나트륨 합 ≤ 800, 예산 합 ≤ 4500 Step 3. 해법: 변수 5개이므로 엑셀 해 찾기(Solver) 활용. 심플렉스법 원리를 간략히 설명하고, 엑셀에서 목적함수·제약조건 입력 후 최적해 산출 Step 4. 민감도 분석: 예산이 5,000원으로 증가하면? 나트륨 기준이 700mg으로 강화되면? 각 시나리오별 최적 식단 변화를 표로 비교 Step 5. 공정성: 학생 설문(메뉴 선호도)을 반영한 만족도 가중치 추가. 영양 최적 식단 vs 선호도 최적 식단의 차이 분석 Step 6. 결론: 비용 최소 식단(3,800원)과 만족도 최적 식단(4,200원) 제시. 영양사 선생님께 실제 급식 데이터 기반 제안서 작성 |
| 📝 학급 청소 구역 공정 배분 (T4) Step 1. 문제 발굴: '교실, 복도, 화장실, 계단 등 청소 구역을 6개 모둠에 공정하게 배분하는 방법은?' 공정성 기준: 청소 시간 균등, 난이도 균형 Step 2. 정식화: 각 구역의 면적(m²)과 난이도(1~5점)를 조사하여 '청소 부담 지수 = 면적 × 난이도' 산출. 목표: 모둠별 총 부담 지수의 분산을 최소화 Step 3. 해법: 6개 모둠 × 10개 구역 배정 문제를 정수계획법으로 풀기. 각 구역은 정확히 1개 모둠에 배정, 각 모둠은 1~2개 구역. 엑셀 Solver로 최적해 탐색 Step 4. 민감도 분석: 모둠 구성이 바뀌면? 구역이 추가되면? 각 시나리오에서 최적 배분 변화 비교 Step 5. 공정성 분석: 최적 배분 결과의 지니계수 계산. 엔비-프리 조건 충족 여부 검토 Step 6. 결론: 최적 배분안 제시 + 현재 배분 방식과의 공정성 지수 비교. 학급 회의에서 활용 가능한 '공정 배분 알고리즘' 제안 |
PART K. 예상 어려움 & 해결 방안
| No. | 예상 어려움 | 해결 방안 |
| 1 | 목적함수와 제약조건을 수식으로 세우기 어려움 | 현실 문제를 먼저 일상 언어로 정리한 후, 하나씩 수학 기호로 변환. '예산이 100만 원 이하' → x + y ≤ 100 |
| 2 | 변수가 3개 이상이면 그래프 방법 불가 | 엑셀 해 찾기(Solver)를 활용하면 변수 수 제한 없이 풀 수 있습니다 |
| 3 | 민감도 분석의 범위를 정하기 어려움 | 가장 변할 가능성이 큰 제약 조건을 골라 ±10%, ±20%, ±50% 변화 시나리오를 비교 |
| 4 | 공정성 개념이 추상적 | 지니계수는 엑셀로 간단히 계산 가능. 로렌츠 곡선을 그려 시각화하면 직관적으로 이해 가능 |
| 5 | 최적해가 현실적이지 않은 경우 (소수점 인원 등) |
정수 조건을 추가하거나, 소수점 결과를 반올림한 후 제약 위반 여부를 재검증 |
| 6 | 실제 데이터(예산, 인원 등) 확보가 어려움 | 학교 행정실, 급식실, 학생회에 정식으로 자료 요청. 탐구보고서임을 설명하면 대부분 협조적 |
| 05 | 일정 관리 최적화 프로젝트 스케줄링 이론과 조합론으로 복잡한 일정 배치를 수학적으로 해결하는 탐구 |
PART A. 체계적 6단계 로드맵
| STEP 1 | 스케줄링 문제 정의 시험 시간표 편성, 동아리 활동 일정 조율, 학교 행사 일정 최적화, 개인 학습 계획 수립 등에서 스케줄링 문제를 선택합니다. |
| STEP 2 | 제약 조건 수학적 표현 모든 제약 조건을 수학적 부등식·등식으로 변환합니다. 그래프 색칠(Graph Coloring) 모델로 변환할 수 있는지도 탐색해보세요. |
| STEP 3 | 알고리즘 및 해법 설계 탐욕 알고리즘(Greedy), 되추적(Backtracking), 그래프 색칠, 간트 차트(Gantt Chart) 분석 등을 활용합니다. |
| STEP 4 | 해 도출 및 검증 설계한 알고리즘으로 일정표를 생성하고, 모든 제약 조건이 만족되는지 검증합니다. |
| STEP 5 | 최적성 분석 및 대안 비교 여러 가능한 일정을 생성하고, 목적함수에 따라 순위를 매깁니다. '최적 해는 유일한가?'를 분석합니다. |
| STEP 6 | 현실 적용 및 확장 최적화된 일정을 실제로 적용해보고 피드백을 수집합니다. 예상치 못한 변수에 대한 대응 방안을 논의합니다. |
PART B. 유의사항 & 가이드라인
| 1. 제약 조건을 빠짐없이 나열하세요 - 하나라도 누락되면 실현 불가능한 일정이 나옵니다 |
| 2. 그래프 색칠 문제와의 연결고리를 찾으면 이론적 프레임워크가 강화됩니다 |
| 3. 최적해의 유일성 여부를 반드시 논의하세요 |
| 4. 실제 적용 가능성을 현실적으로 평가하고, 사용자(학생·교사) 피드백을 반영하세요 |
PART C. 매력적인 차별화 TIP
| 💡 TIP 독창적 접근법 시험 시간표 문제를 그래프 색칠 문제로 변환하면 매우 인상적입니다. 과목을 정점, 수강생 겹침을 간선으로 표현하고, 색의 수 = 시간대 수로 해석하면 추상 수학이 현실 문제와 연결됩니다. |
| 💡 TIP 실용성 보너스 최적화된 시간표를 예쁜 PDF나 엑셀 파일로 만들어 학교에 실제로 제안해보세요. '수학이 실제로 쓸모 있다'는 것을 증명하는 가장 강력한 방법입니다. |
PART D. 추천 탐구 주제 예시 (요약)
| 탐구 주제 | 데이터 & 방법론 | 기대 결과 |
| 기말고사 시간표 최적화 | 과목 간 충돌 그래프 + 색칠 | 충돌 없는 최소 시간대 시간표 |
| 동아리 활동실 시간표 | 동아리·교실·시간 제약 + 탐욕법 | 공정하고 효율적인 활동 스케줄 |
| 개인 학습 계획 최적화 | 과목별 학습량·집중도 + 스케줄링 | 효율적 학습 시간 배분 계획표 |
PART E. 2022 개정 교육과정 연계
| 📌 WHY 교과 연계의 중요성 일정 관리 문제는 조합론, 그래프 이론, 부등식, 논리 명제 등 교과서의 다양한 단원이 자연스럽게 융합되는 영역입니다. 2022 개정 교육과정이 강조하는 '수학적 연결성'을 가장 풍부하게 보여줄 수 있습니다. |
| 수학 과목 | 관련 단원 | 탐구 연결 포인트 |
| 공통수학1 | 집합과 명제 | 충돌 관계를 집합으로 정의, 제약 조건의 논리적 표현 |
| 공통수학1 | 경우의 수와 순열·조합 | 가능한 일정 배치의 총 경우의 수 계산 |
| 공통수학2 | 부등식의 영역 | 시간·자원 제약 조건의 부등식 표현 |
| 대수 | 행렬(선택) | 인접행렬로 충돌 관계 표현, 행렬 연산으로 간접 충돌 탐지 |
| 확률과 통계 | 확률 | 무작위 배정 시 충돌 확률 계산, 기대 충돌 수 분석 |
| 인공지능 수학 | 탐색과 최적화 | 탐욕 알고리즘, 되추적법의 원리와 최적화 전략 |
PART F. 수준별 맞춤 가이드 (상·중·하)
같은 영역이라도 자신의 수준에 맞는 주제와 도구를 선택하는 것이 핵심입니다.
| 🔴 상위권 (도전 수준) 추천 주제: 시험 시간표 그래프 색칠(T1), 교사 시간표 자동 편성(T10) - 다중 제약 + 알고리즘 비교 사용 도구: Python + draw.io 시각화 또는 엑셀 VBA 매크로 목표 수준: 그래프 색칠 + 크로매틱 수 증명 + 탐욕법 vs 되추적 비교 + 최적성 논증 차별화 포인트: NP-완전성 논증과 근사비(approximation ratio) 분석까지 하면 대학 수준 |
| 🟡 중위권 (표준 수준) 추천 주제: 개인 학습 시간표(T4), 동아리 시간표(T2), 체육대회 일정(T5) 사용 도구: 엑셀 조건부 서식(간트 차트) + 손 풀이 알고리즘 목표 수준: 제약 조건 나열→탐욕법으로 해 도출→시각화→대안 1~2개 비교 차별화 포인트: 간트 차트로 시각화하고, 제약 위반이 없음을 체크리스트로 검증하면 충분히 우수 |
| 🟢 기초 수준 (입문) 추천 주제: 개인 학습 시간표(T4 간소화), 학생회 회의 시간(T11) - 가장 생활 밀착적 사용 도구: 엑셀 또는 종이에 시간표 작성 + 경우의 수 세기 목표 수준: 제약 조건 목록 작성→가능한 시간표 2~3개 만들기→비교해서 가장 좋은 것 선택 차별화 포인트: '왜 이 시간표가 가장 좋은지'를 제약 충족 여부와 목표 달성도로 설명하면 훌륭한 탐구! (교과 학업 역량을 보여 주거나, 실생활 수학적 사고를 보여 주는 좋은 예시) |
PART G. 추천 도구 & 사이트 안내
| 도구/사이트 | 사용 방법 요약 | 추천 수준 | 특징 |
| 엑셀 조건부 서식 | 시간표 셀에 과목별 색상 자동 적용→간트 차트 효과 | 모든 수준 | 기본 기능만으로 깔끔한 시간표 시각화 가능 |
| draw.io (app.diagrams.net) |
원(정점)+선(간선)→그래프 색칠 다이어그램 제작 | 모든 수준 | 무료, 웹 기반, 색칠 그래프 제작에 최적 |
| 구글 캘린더 | 일정 입력→충돌 시 자동 경고→스크린샷으로 시각화 | 기초 | 무료, 직관적, 실제 적용 검증에 활용 가능 |
| Canva (canva.com) | 시간표 템플릿→예쁜 시간표 디자인→PDF/이미지 내보내기 | 모든 수준 | 무료, 보고서 부록이나 제안서용 시각 자료 제작 |
| Python + matplotlib | 그래프 시각화 + 색칠 알고리즘 자동 실행 | 상위권 | Google Colab에서 설치 없이 실행 가능 |
PART H. 알아두면 좋은 배경 용어 사전
| 용어 / 개념 | 쉬운 설명 + 탐구에서 활용하는 맥락 |
| 스케줄링 | 제한된 시간과 자원 안에서 여러 작업(수업, 시험, 활동)을 배치하는 문제. 일상에서 '시간표 짜기'가 바로 스케줄링 |
| 그래프 색칠 | 그래프의 각 정점에 색을 배정하되, 간선으로 연결된 정점은 다른 색을 쓰는 문제. 시험 시간표에서 '같은 시간대 = 같은 색'으로 해석 |
| 크로매틱 수 χ(G) | 그래프를 색칠하는 데 필요한 최소 색의 수. 시험 시간표에서는 '필요한 최소 시간대 수'를 의미 |
| 탐욕 알고리즘 | 매 단계에서 현재 가장 좋은 선택을 하는 방법. 빠르지만 항상 최적해를 보장하지는 않음. '지금 당장 최선'이 '전체 최선'은 아닐 수 있음 |
| 간트 차트 | 시간을 가로축, 작업을 세로축에 놓고 막대로 일정을 표시하는 도표. 엑셀에서 조건부 서식으로 간단히 만들 수 있음 |
| 충돌 (Conflict) | 두 작업이 같은 시간대에 배치될 수 없는 관계. 같은 학생이 수강하는 두 과목이 대표적 |
| 되추적법 (Backtracking) | 해를 찾다가 막히면 이전 단계로 돌아가서 다른 선택을 하는 방법. '미로 찾기'처럼 막다른 길이면 되돌아가는 것 |
PART I. 교과 연계 추천 주제 상세 목록
| No. | 탐구 주제 | 교과 연계 | 탐구 방향 |
| T1 | 기말고사 시간표 최적 편성 (그래프 색칠) | 공통수학1-집합·경우의 수 | 과목 충돌 그래프→색칠 알고리즘으로 최소 시간대 시간표 편성 |
| T2 | 동아리 활동실 주간 시간표 설계 | 공통수학2-부등식의 영역 | 동아리 수·교실·시간 제약의 조합 최적화 |
| T3 | 학교 행사 연간 일정 최적 배치 | 공통수학1-경우의 수 | 행사 간 간격·준비 기간 제약 하에 균형 잡힌 연간 일정 설계 |
| T4 | 개인 시험 대비 학습 시간표 최적화 | 인공지능수학-최적화 | 과목별 학습량·난이도·집중도 곡선 반영 학습 스케줄 |
| T5 | 체육대회 종목 일정 편성 | 공통수학1-순열·조합 | 참가 선수 겹침→충돌 그래프 색칠 + 운동장 배정 |
| T6 | 학교 컴퓨터실 예약 시스템 설계 | 공통수학2-부등식 | 학급별·시간대별 사용 요청 충돌 해결 |
| T7 | 방과후 수업 시간표 최적화 | 대수-행렬 | 교사·교실·학생 3중 제약의 인접행렬 표현 |
| T8 | 수학여행 일정표 최적 설계 | 인공지능수학-탐색 | 관광지 관람·이동·식사 제약 하에 만족도 최대화 |
| T9 | 학급 발표 순서 최적 배치 | 확률과통계-확률·기대값 | 발표 순서 편향 분석 후 공정한 순서 배정 |
| T10 | 교사 시간표 자동 편성 알고리즘 | 대수·인공지능수학 | 교사·과목·교실·시간 다중 제약 모델링 |
| T11 | 학생회 주간 회의 일정 조율 | 공통수학1-집합 | 각 임원의 가용 시간 집합→교집합 분석 |
PART J. 6단계 적용 예시 (따라하기 가이드)
| 📝 기말고사 시간표 최적 편성 (T1) Step 1. 문제 정의: '10개 과목의 기말고사를 최소 시간대에 배치하되, 같은 학생이 수강하는 과목은 다른 시간대에 배치' Step 2. 제약 조건: 10과목을 정점으로, 수강생 겹치는 과목 쌍을 간선으로 연결한 충돌 그래프 작성. 10×10 인접행렬 구성 Step 3. 알고리즘: 웰시-파월(Welsh-Powell) 그래프 색칠 알고리즘 선택. 정점을 차수 내림차순 정렬 후 탐욕적으로 색 배정 Step 4. 풀이: 수학(차수8)에 색1 배정→충돌 없는 미술·체육도 색1→영어에 색2→... 최종 4개 색(4교시)으로 완료. 표+그래프 시각화 Step 5. 최적성 분석: 4개 정점이 서로 완전 연결되는 부분그래프 존재→χ(G)≥4 증명→4교시가 이론적 최소, 우리 해가 최적! Step 6. 현실 적용: 실제 학교 시간표(5교시)와 비교→1교시 절약 가능. 시험 난이도 배치 제약 추가 시 5교시 필요함을 보여 트레이드오프 논의 |
| 📝 개인 시험 대비 학습 시간표 최적화 (T4) Step 1. 문제 정의: '시험까지 7일, 6과목, 하루 8시간. 과목별 학습시간과 집중도를 고려한 최적 학습 시간표는?' Step 2. 제약 조건: 과목 최소 학습 시간(수학 14h, 영어 10h, ...), 하루 최대 8시간, 같은 과목 연속 3시간 초과 금지, 각 과목 최소 2일 분산 Step 3. 알고리즘: 시간대별 집중도 곡선(오전 높음, 오후 감소, 저녁 회복) 반영한 가중 배정 탐욕 알고리즘 설계 Step 4. 풀이: 56슬롯에 과목 배정. 집중도 가중치 × 학습량 = 효과적 학습량 최대화. 간트 차트로 7일 시간표 시각화 Step 5. 대안 비교: 단순 균등 배분 vs 집중도 반영 vs 간격 반복(spaced repetition) 시간표의 예상 학습 효과 비교 Step 6. 확장: 실제 1주일 적용 후 과목별 자가 평가. 예상 vs 실제 학습 시간 비교표 작성. 개인 집중도 차이라는 한계 논의 |
PART K. 예상 어려움 & 해결 방안
| No. | 예상 어려움 | 해결 방안 |
| 1 | 충돌 관계 파악이 복잡 | 담당 교사에게 수강 현황 요청하거나 같은 반 학생 대상 수강 과목 설문. 소규모(6~8과목)부터 시작 |
| 2 | 그래프 색칠 알고리즘의 최적성 보장이 안 됨 | 탐욕 알고리즘은 근사해를 주므로, 최대 클리크 크기로 하한을 구해 최적에 얼마나 가까운지 분석 |
| 3 | 제약 조건이 너무 많아 해가 존재하지 않을 수 있음 | 필수 제약만으로 해를 구한 뒤 선호 제약을 하나씩 추가. 제약 간 우선순위 설정 |
| 4 | 간트 차트 등 시각화가 어려움 | 엑셀 조건부 서식으로 간단한 간트 차트 제작 가능. 셀에 색을 칠하는 것만으로도 시각화 완성 |
| 5 | 문제 규모가 커지면 수작업이 불가능 | 정점 10개 이하로 규모 제한하거나 '작은 사례 수작업→큰 사례 알고리즘 필요성 논증' 구조 |
✅ 보고서 작성 최종 체크리스트
| 점검 항목 | 확인 질문 |
| 문제 정의 | 연구 질문이 구체적이고 측정 가능한 형태로 기술되어 있는가? |
| 교과 연계 | 탐구에서 활용한 수학 개념이 어떤 과목·단원과 연결되는지 명시했는가? |
| 수학적 근거 | '왜 이 방법/모델인지'에 대한 수학적 논증이 포함되어 있는가? |
| 계산 과정 | 모든 계산이 재현 가능하도록 투명하게 기록되었는가? |
| 시각화 | 그래프·도표가 결과를 효과적으로 전달하고 있는가? |
| 해석 | 수학적 결과가 현실 맥락에서 의미 있게 해석되었는가? |
| 한계 분석 | 모델/분석의 한계와 개선 방향이 솔직하게 논의되었는가? |
| 출처 표기 | 데이터 출처, 참고문헌이 정확하게 기재되었는가? |
| 역량 기술 | 이 탐구를 통해 기른 수학적 역량(문제해결·추론·연결 등)을 서술했는가? |
| 형식 | 보고서 형식(제목, 목차, 서론-본론-결론, 참고문헌)이 갖추어져 있는가? |
