감사형
자료와 기준을 대조해 누락, 오류, 격차를 찾습니다.
- 입력 데이터공개 문서, 원자료
- 모델·규칙지표, 검사 기준
- 예측·판단누락, 오류, 격차
- 출력·검증감사표, 한계
청심국제고 K-12 컴퓨터과학·AI 동아리
관심 분야를 AI 프로젝트로 확장합니다.
경제, 경영, 사회, 정책, 도시, 진로 관심사를 코드, 데이터, AI 실험으로 연결합니다.
StanfordWhartonHarvardMITYaleChicago
- AI+X 진입 분야
- 5개
- 프로젝트 과정
- 9개
- 대학 연구기관
- 6곳
- 코드 기반 모듈
- 36개
모든 프로젝트를 같은 구조로 읽습니다.
분야가 달라도 입력, 모델, 판단, 결과의 순서로 정리하면 연구 코드와 질문을 쉽게 비교할 수 있습니다.
- INPUT DATA
입력 데이터
어떤 자료를 언제 수집했나?
CSV, 설문, 공개 기록, 시나리오 - MODEL
모델·규칙
어떤 기준과 가정을 적용하나?
지표, 통계, 프롬프트, 시뮬레이션 - PREDICTION
예측·판단
무엇을 비교하거나 예측하나?
점수, 분류, 변화, 대안 - OUTPUT
출력·검증
어떻게 보여주고 다시 확인하나?
대시보드, 앱, 보고서, 한계
네 가지 공통 패턴
각 과정은 아래 유형 중 하나로 표시됩니다. 네 단계의 위치는 항상 같습니다.
실험형
하나의 조건만 바꾸고 AI 응답 차이를 반복 측정합니다.
- 입력 데이터프롬프트, 사례, 조건
- 모델·규칙AI 모델, 대조 조건
- 예측·판단응답 차이, 편향
- 출력·검증실험 보고서, 재현 코드
분석형
자료에서 패턴과 변화를 계산해 연구 질문에 답합니다.
- 입력 데이터무역, 관세, 설문
- 모델·규칙통계, 경제 지표
- 예측·판단패턴, 변화, 가능성
- 출력·검증대시보드, 정책 브리프
시뮬레이션형
조건과 규칙을 바꾸며 여러 시나리오의 결과를 비교합니다.
- 입력 데이터도시 조건, 시나리오
- 모델·규칙시스템 규칙
- 예측·판단시나리오별 결과
- 출력·검증앱, 의사결정안
먼저 관심 분야를 고르세요.
AI 자체만 배우는 과정이 아닙니다. 전공 관심사에서 질문을 정하고 데이터와 코드로 직접 검증합니다.
AI + Economics & Management
경제·경영
시장 변화와 조직 의사결정을 데이터와 AI 실험으로 검증합니다.
- CS·AI 방법
- 실험 설계, 통계, 무역 데이터, 의사결정
- 결과물
- 정책 브리프, 기업 대응표, 분석 대시보드
AI + Work & Careers
진로·조직
직업을 업무 단위로 분석하고 사람과 AI의 역할을 구분합니다.
- CS·AI 방법
- 업무 분해, 설문 분석, 에이전트 평가
- 결과물
- 직무 변화 지도, AI 업무 명세서
AI + Society, Policy & Law
사회·정책·법
알고리즘과 플랫폼이 권리, 공정성, 공공 판단에 미치는 영향을 조사합니다.
- CS·AI 방법
- 투명성 지표, 데이터 감사, 검색 구조
- 결과물
- 알고리즘 영향평가, 공공 데이터 감사
AI + Cities & Environment
도시·환경
교통, 토지 이용, 공급망 문제를 지도와 시나리오로 비교합니다.
- CS·AI 방법
- 시뮬레이션, 지도 데이터, 시스템 분석
- 결과물
- 도시 정책 시뮬레이터, 위험 시나리오
AI + Data & Computer Science
데이터·컴퓨터과학
모든 분야에 필요한 Python, GitHub, API, 시각화, 재현성을 익힙니다.
- CS·AI 방법
- Python, CSV, API, Git, 웹 시각화
- 결과물
- 재현 가능한 저장소, 인터랙티브 프로토타입
대학 연구를 이해하고 활용해 AI+X 앱을 만듭니다.
6개 대학의 공개 연구를 분석하고 자료의 최신성을 검증합니다. 앱, 대시보드, 연구 보고서를 완성해 비교과 활동과 대학 지원 포트폴리오로 발전시킵니다.
대학 연구를 동아리 프로젝트로 바꿉니다.
각 과정에서 연구 질문, CS·AI 방법, 자료 최신성, 최종 결과물을 함께 확인할 수 있습니다.
AI, 조직과 진로
4개 과정AI 투명성, 경영 실험, 업무 변화, 에이전트 연구를 다룹니다.
StanfordStanford CRFM · Foundation Model Transparency Index
사회·정책 × AI감사형최신 자료
AI 투명성 감사
AI 기업이 공개한 데이터, 안전, 노동 정보를 지표와 근거로 평가합니다.
CS·AI 방법
과정 보기지표 설계, CSV 분석, 시각화
결과물AI 투명성 점수표WhartonWharton Generative AI Labs
경영 × AI실험형최신 자료
AIBO 프롬프트 실험
두 프롬프트의 결과를 반복 측정하고 실험 설계와 편향을 점검합니다.
CS·AI 방법
과정 보기A/B 실험, 프롬프트 설계, 통계 해석
결과물AI 경영 실험 보고서StanfordStanford SALT Lab · WORKBank / JobBench
진로·노동 × AI분석형최신 자료
WORKBank와 JobBench
직업을 업무 단위로 나누고 AI 자동화와 협업 가능성을 비교합니다.
CS·AI 방법
과정 보기업무 분해, 2축 매핑, 설문 비교
결과물자동화·협업 업무 지도ChicagoUniversity of Chicago Knowledge Lab
사회과학 × AI실험형최신 자료
AI 에이전트 사회
AI 에이전트의 응답을 분석하고 실제 사람의 행동과 구분합니다.
CS·AI 방법
과정 보기에이전트 설계, 실험 로그, 현실 검증
결과물AI 에이전트 검증 메모경제, 경영과 도시
3개 과정무역, 관세, 도시 시스템을 데이터와 시나리오로 분석합니다.
HarvardHarvard Growth Lab
경제 × 데이터분석형안정판
경제복잡성
수출 데이터를 이용해 산업 구조와 새로운 산업 가능성을 분석합니다.
CS·AI 방법
과정 보기Python, 무역 지표, 네트워크 분석
결과물한국 산업 기회 지도YaleThe Budget Lab at Yale
경제정책 × 데이터분석형최신 자료
Yale 관세 추적
관세 자료의 기준일, 데이터 출처, 분석 과정을 확인합니다.
CS·AI 방법
과정 보기R 파이프라인, 시계열, 기준일 검증
결과물관세 정책 브리프MITMIT Media Lab · CityScope
도시 × 컴퓨팅시뮬레이션형참고 자료
CityScope 도시 실험
도시 시나리오가 지도와 지표에 반영되는 과정을 분석합니다.
CS·AI 방법
과정 보기상태 관리, 지도 데이터, 시나리오 비교
결과물도시 시뮬레이션사회, 정책과 데이터
2개 과정공공 데이터와 플랫폼 기록을 감사하고 해석의 한계를 표시합니다.
MITMIT Election Data + Science Lab
정치·공공 × 데이터감사형최신 자료
선거 데이터 감사
선거 데이터를 집계하기 전에 행, 투표 방식, 결측값을 점검합니다.
CS·AI 방법
과정 보기데이터 사전, 집계 감사, 결측 처리
결과물선거 데이터 감사표HarvardHarvard Law School Library · Lumen
법·플랫폼 × 데이터감사형최신 자료
Lumen과 플랫폼 권리
온라인 콘텐츠 삭제 요청이 수집, 검토, 검색되는 과정을 분석합니다.
CS·AI 방법
과정 보기검색 필터, 권리 분석, 한계 주석
결과물콘텐츠 삭제 요청 분석World Monitor로 VUCA 상황을 분석합니다.
대학 연구 프로젝트가 아닌 외부 실시간 도구입니다. Supply-Chain Risk 화면에서 공급망, 제재, 에너지, 시장 자료를 확인하고 대학 과정의 분석 방법을 적용합니다.
- 변동성Volatility
- 1시간, 24시간, 7일 범위에서 표시된 값의 변화를 비교합니다.
- 불확실성Uncertainty
- 누락, 지연, 로그인 제한이 있는 자료를 따로 표시합니다.
- 복잡성Complexity
- 해상 통로, 제재, 에너지, 시장 지표의 연결 관계를 정리합니다.
- 모호성Ambiguity
- 가능한 설명을 두 개 이상 쓰고 추가로 확인할 자료를 정합니다.
충격 전달 경로를 작성합니다.
Harvard 경제복잡성으로 산업 노출을 보고, Yale 관세 추적으로 정책 충격의 기준일과 전달 경로를 확인합니다.
결과물: 공급망 충격 전달 지도대응 우선순위와 담당 업무를 정합니다.
Wharton AIBO로 브리핑 형식을 비교하고, Stanford WORKBank로 AI 보조 업무와 사람의 책임을 나눕니다.
결과물: 24시간 및 72시간 대응표동아리 프로젝트 운영 방식
관심 분야의 문제를 정하고, 코드와 데이터를 읽고, AI 실험을 검증한 뒤 결과를 발표합니다.
질문 정하기
관심 분야에서 측정 가능한 문제와 가설을 정합니다.
코드·데이터 읽기
원본 저장소, 데이터 구조, 처리 과정을 확인합니다.
AI 실험·검증
작은 실험을 실행하고 오류, 편향, 대안을 비교합니다.
발표·피드백
GitHub 결과물, 근거, 한계를 발표하고 수정합니다.
코드와 설명이 함께 있는 포트폴리오를 만듭니다.
학생이 직접 만든 부분과 검증 결과를 분명히 기록합니다.
재현 가능한 GitHub 저장소
README, 실행 방법, 데이터 출처를 정리합니다.
분석 노트북과 시각화
입력, 정제, 분석, 결과 과정을 코드로 남깁니다.
AI+X 프로토타입
대시보드, 실험 도구, 시뮬레이터 중 하나를 만듭니다.
근거 중심 발표 자료
결과, 한계, 다음 검증 계획을 설명합니다.
어느 분야부터 시작할지 함께 정합니다.
학생이 관심 있는 과목과 지금 다룰 수 있는 코드 수준에 따라 시작하는 과정이 달라집니다. 어디서 출발할지는 상담에서 같이 정합니다.