정보 과목 세특 탐구 주제 15선, 코딩 실력보다 문제 정의가 먼저

정보 과목 탐구에서 가장 흔한 실수는 무엇을 만들었다에서 끝나는 것입니다. 계산기 앱을 만들고, 간단한 게임을 만들고, 만들기는 훌륭한 출발이지만, 평가자가 보고 싶은 것은 문제를 정의하고 해결 과정을 분석하는 사고력입니다. 같은 코딩이라도 왜 이 알고리즘을 선택했고, 다른 방법과 비교해 어떤 트레이드오프가 있었는지를 다루면 탐구가 됩니다.

AI, 머신러닝 단원 (5선)

• 딥러닝 경량화를 위한 모델 양자화 기법 비교: 같은 모델을 정밀도별로 변환해 정확도와 크기, 속도의 트레이드오프를 실측합니다. 온디바이스 AI라는 시의성 있는 맥락도 갖췄습니다.
• 이미지 분류 모델의 학습 데이터 편향이 정확도에 미치는 영향 실험: 클래스 불균형 데이터로 학습시켜 편향 문제를 직접 재현합니다. AI 윤리와 기술을 함께 다룰 수 있습니다.
• 추천 알고리즘의 필터버블 형성 과정 시뮬레이션: 간단한 협업 필터링을 구현해 추천이 좁아지는 과정을 시각화합니다.
• 손글씨 인식(MNIST)에서 은닉층 수와 정확도의 관계 실험: 신경망의 구조적 이해를 보여주는 정석적인 실험입니다.
• 챗봇의 한국어 형태소 분석 오류 유형 분류와 개선 방안 탐구: 한국어 NLP의 실제 어려움을 데이터로 정리합니다.

데이터 분석 단원 (5선)

• 공공데이터로 분석하는 우리 지역 전기차 충전소 입지의 적절성: 공공데이터포털의 실데이터를 활용한 분석은 탐구의 신뢰도를 크게 높입니다.
• 학교 급식 잔반량과 메뉴 데이터의 상관관계 분석: 직접 수집한 데이터로 상관과 인과의 차이까지 논의하면 수준 높은 탐구가 됩니다.
• 미세먼지 농도와 기상 요인의 상관관계 분석 및 간단 예측 모델: 기상청 공개 데이터 + 회귀 분석의 조합입니다.
• 유튜브 조회수에 영향을 주는 요인 분석(제목 길이, 업로드 시간 등): 데이터 수집(크롤링)의 윤리와 API 활용까지 다룰 수 있습니다.
• 설문 데이터의 표본 편향이 결론에 미치는 영향 실험: 같은 질문을 다른 집단에 물어 결과 차이를 분석합니다. 통계 리터러시를 보여줍니다.

알고리즘, 시스템 단원 (5선)

• 정렬 알고리즘의 시간 복잡도 실측 비교: 이론적 O(n²)과 O(n log n)의 차이를 실제 실행 시간으로 확인하고, 이론과 실측이 어긋나는 지점(캐시, 상수항)을 분석합니다.
• 최단 경로 알고리즘으로 분석하는 우리 학교 대피 경로의 최적성: 다익스트라 알고리즘을 실제 공간 문제에 적용합니다.
• 압축 알고리즘(허프만 코딩)의 원리와 파일 유형별 압축률 비교: 정보 이론의 기초를 실험으로 확인합니다.
• 웹사이트 로딩 속도에 영향을 주는 요인 분석과 개선 실험: 이미지 최적화, 캐싱의 효과를 직접 측정합니다.
• 패스워드 해싱의 원리와 무차별 대입 공격 소요 시간 계산: 정보 보안의 기초를 수학적으로 접근합니다.

정보 탐구의 차별화 포인트

코드는 GitHub에 널려 있습니다. 차별화는 비교와 해석에서 나옵니다. 방법 A와 B를 나란히 실험하고, 결과 차이를 원리로 설명하고, 예상과 달랐던 지점을 솔직하게 분석하는 것, 이것이 튜토리얼 따라하기와 탐구의 차이입니다. 그리고 사용한 데이터의 출처와 코드의 참고 자료를 반드시 명시하세요.