2025 경기SW미래채움 창의과학톤 참여 지도 후기
올해 나는 컴퓨터공학과 AI 분야에 관심을 두고 공부해 온 학생들에게 2025 경기SW미래채움 창의과학톤 공지를 게시했다. 특정 학생을 지목하거나 팀을 구성해 준 것은 아니었고, 그저 “관심 있는 학생들은 스스로 팀을 만들어 도전해 보라”는 안내만 전달했다.
며칠 뒤, 두 학생이 자발적으로 찾아와 대회 참가 의사를 밝혔다. 각자 자신의 진로를 위해 도전해 보고 싶다면서, 함께 할 친구가 있는지 조심스럽게 물었다. 나는 두 학생의 열의를 긍정적으로 보며 함께 팀을 구성해 보는 방법을 제안했다. 당시에는 서로의 강점이 잘 보완되어 하나의 강한 팀으로 성장할 것 같은 기대감도 있었다.
그러나 일주일도 지나지 않아 두 학생의 강한 리더십이 충돌했다. 각자 상담을 요청하며 자신의 생각을 정리했고, 결국 두 학생 모두 스스로 팀을 꾸려 출전하기로 결정했다.
다음 날, 학생들은 이미 새로운 팀을 구성해 돌아왔고, 각 팀은 해결하고 싶은 문제까지 명확히 정해 온 상태였다. 이 과정은 학생 주도성이 얼마나 자연스럽고 단단하게 발현될 수 있는지 보여주는 순간이었다.
갈등도 있었지만, 그 과정 전체가 학생들이 스스로 선택하고 움직인 결과였고,
그 지점에서 이미 배움은 시작되고 있었다.
미래채움 창의과학톤은 어떤 대회인가?
경기SW미래채움 창의과학톤은 단순한 해커톤을 넘어 학교 현장에서 발생하는 문제를 SW·AI 기반으로 해결하는 것을 목표로 한다. 경기도 내 고등학생 20개 팀이 참여하며, 문제의식, 데이터 기반 분석, 구현 가능성, 확장성 등 다면적인 기준으로 평가가 이루어진다.
또한 2일간의 집중 교육과 멘토링이 제공되며, 예선 발표 후 본선 전시팀(8팀)을 선정해 최종 심사를 진행한다.
즉, 기술력뿐 아니라 문제 정의, 설득력, 구현 전략까지 종합적으로 요구되는 대회이다.
문제는 교사가 아닌 학생이 발견했다
두 팀이 발견한 문제의식은 매우 명확했다.
한 팀은
“교사 위치를 파악하기 어렵고, 상담이나 확인이 비효율적으로 이루어진다.”
는 문제를 제기하며 교사 위치 안내 앱을 개발하겠다고 했다.
다른 팀은
“잔반이 지나치게 많이 남는데, 원인을 분석하면 충분히 줄일 수 있다.”
는 문제의식을 기반으로 AI 기반 급식 잔반 예측 및 메뉴 추천 시스템을 기획했다.
교사의 역할은 ‘평가 기준에 근거한 피드백’으로 확장되었다
나는 학생들에게 직접 답을 제시하지 않았다. 하지만 대회에서 제시한 평가 항목(문제의식·아이디어·구현가능성·활동계획·확장성)에 따라 학생들이 자신의 아이디어를 더 체계적으로 검증하도록 안내했다.
※ 이미지 출처: 대회 평가표
학생들이 이를 단순한 "채점 기준"이 아니라 프로젝트를 점검하는 분석 틀로 사용하게 했고 나는 이 기준에 근거하여 아래와 같은 질문을 던지며 피드백했다.
•
“이 문제가 사회적·교육적 타당성을 지니는 이유는 무엇일까?”
•
“데이터 접근 방식은 얼마나 구체적이고 실현 가능한가?”
•
“기능을 모두 넣기보다, 평가 기준에서 말하는 핵심 문제 분석 구조는 무엇일까?”
•
“프로젝트 일정과 역할 분담은 실천 가능한 수준으로 설계되었나?”
최우수상 팀 — AI 급식 앱 개발의 핵심
최우수상을 받은 급식 예측·추천 팀은 단순히 아이디어를 제시한 수준을 넘어서,
데이터 기반 AI 시스템을 설계·구현한 팀이었다.
특히 눈에 띈 점은 팀 구성부터 역할 분담까지 명확했다는 것이다.
•
팀장: 딥러닝 기반 잔반량 예측 알고리즘 개발
•
팀원1: 머신러닝을 활용한 유사 대체 메뉴 추천 모델 구현
•
팀원2,3: YOLO 기반 식판 스캔 선행 사례 조사 및 데이터 수집 방안 연구
이 팀이 선택한 문제는 ‘학교 급식 잔반’이었지만, 그 배경은 매우 구체적이었다.
예를 들어,
•
음식물 쓰레기 1kg 처리 시 CO₂ 약 1.7kg 발생
•
서울 지역 학교 급식 잔반 처리 비용 3년간 146억 원 소요
이처럼 환경·예산·학교 급식 운영이라는 사회적 문제성을 명확히 수치로 근거 제시했다는 점이 돋보인다.
※ 이미지 출처: 학생 팀이 직접 작성하여 발표한 포스터
전체 프로젝트는 예측 → 대체 → 피드백 구조로 이루어진 통합 시스템이었다.
•
예측(Predict)
◦
제공량, 선호도, 날씨, 학년·성별, 행사 여부 등의 변수를 입력
◦
딥러닝 모델이 메뉴별 잔반량을 예측
◦
대시보드에서 슬라이더 조절로 즉시 결과 확인 가능
•
대체(Recommend)
◦
코사인 유사도 기반
◦
영양구성과 선호도가 비슷하면서 잔반이 적은 메뉴를 자동 추천
◦
예: 감잣국 대신 배추김치·파래무침 등
•
피드백(Feedback)
◦
점심 후 학생이 식판 사진을 촬영
◦
YOLO 모델이 잔반 면적을 계산해 실제 잔반 데이터로 모델정확도를 개선
◦
AI가 반복 학습하는 구조 형성
또한, 학생들은 실제 급식 데이터를 대규모로 수집하기 어렵다는 현실적 한계 속에서, 관련 논문을 참고하여
메뉴별 잔반량·영양 성분·선호도 변수를 통합한 더미 데이터셋을 직접 구성했다.
학생들이 만든 웹앱은 입력값을 조정하면 즉시 예측 그래프가 바뀌도록 설계했는데,
이는 "사용자 반응을 고려한 인터페이스 설계(UI/UX)"까지 확장된 시도였다.
결국 이 팀은
“AI를 활용해 실제 학교 문제를 해결하는 완성형 프로젝트”
로서 높은 점수를 받았다.
다른 팀 — 기술력은 뛰어났지만, 전달력이 뒤따르지 못했다
교사 위치 안내 앱 팀은 개발 역량은 뛰어났지만, 평가 기준(문제의식·구현 가능성·아이디어 등)을 반영해서 분석해 보면 문제의 타당성·사용 가치 설명에서 설득력이 부족했다는 점이 한계였다.
하지만, 이 경험은 학생들에게 매우 중요한 메시지를 남겼다.
“기술만 잘한다고 되는 게 아니라,
왜 이 문제가 중요한지 말할 수 있어야 한다.”
이는 앞으로 학생들이 프로젝트를 설계할 때 자연스럽게 ‘기획–설명–구현–검증’의 전 과정을 바라보도록 만들어 줄 성장 경험이다.
학생 프로젝트를 지도하고 지켜본 교사의 시선
두 팀 모두 결과는 달랐지만, 학생들은 각자의 프로젝트를 통해 크게 성장했다.
•
문제 발견 능력 (교사가 아닌 학생이 직접 문제 설정)
•
역할 분담·협업 능력 (각기 다른 기술 분야를 맡아 팀 구조 구성)
•
데이터 기반 사고력 (변수 정의·데이터 구성·모델 검증)
•
기술-기획-전달의 균형 감각
•
AI 프로젝트의 실전 개발 흐름 경험
특히 급식 AI 팀은 포스터에 나타난 알고리즘 구조·데이터 대시보드·3D 군집화 시각화 등을 포함해
고등학생 팀이 만들어냈다고 보기 어려울 정도로 높은 수준의 설계와 구현을 보였다.
교사로서 나는 학생들에게 정답을 주지 않았고,
대회가 요구하는 평가 기준을 "프로젝트 점검 도구"로 활용하도록 안내했을 뿐이다.
이번 경험은 나로 하여금 교육에 대한 나의 관점을 다시 한번 확인시켜 주었다.
학생 주도 프로젝트는 ‘기회를 주면 자연스럽게 성장한다’는 사실을…