Society for Science의 본상 심사 기준(과학·공학 공통)은 연구 질문·문제 10점, 설계·방법 15점, 수행(데이터 수집·분석 또는 제작·시험) 20점, 창의성·잠재적 영향 20점, 발표 35점(포스터 10점, 인터뷰 25점)입니다. Society는 창의성과 발표, 특히 인터뷰를 강조한다고 밝히고 있습니다. 밖에서 관찰할 수 있는 것은 초록뿐입니다. 초록에서 기준선 비교가 있으면 본상 비율이 13.5%p, 지표·p값·수치가 있으면 8~12%p, 새로움 주장이 있으면 23%p 높았습니다. 인터뷰 25점은 이 데이터가 볼 수 없는 영역이고 심사위원이 가장 크게 보는 영역입니다.
배점 항목과 데이터 신호
| 초록 요소 | 비중 | 본상 (있음) | 본상 (없음) | 차이 (%p) |
|---|---|---|---|---|
| 연구 질문 10점: 연구 공백 서술 | 31.5% | 30.3% | 25.6% | +4.7 |
| 설계·방법 15점: 기존 방법과 비교 | 9.9% | 39.2% | 25.7% | +13.5 |
| 수행 20점: 지표 명시 | 24.1% | 33.9% | 24.9% | +9.0 |
| 수행 20점: p값 보고 | 6.2% | 34.5% | 26.6% | +8.0 |
| 수행 20점: 표본 수 | 5.6% | 29.8% | 26.9% | +3.0 |
| 수행 20점: 반복 실험 | 2.2% | 31.1% | 27.0% | +4.2 |
| (해석 없음) 한계·후속 연구 | 12.0% | 25.1% | 27.3% | -2.2 |
| 창의성·영향 20점: 비용 언급 | 16.0% | 39.2% | 24.7% | +14.4 |
| 창의성·영향 20점: 적용 가능성 | 19.8% | 30.9% | 26.1% | +4.8 |
| 창의성·영향 20점: 새로움 주장 | 21.2% | 45.2% | 22.2% | +23.0 |
| 발표(간접): 1인칭 복수 | 6.6% | 28.9% | 26.9% | +2.0 |
| 발표(간접): 1인칭 단수 | 7.0% | 34.6% | 26.5% | +8.1 |
표 데이터 내려받기 (CSV): abstract_features.csv
문제의 크기를 사람 수나 금액으로 적는 습관도 연구 질문 항목과 맞닿아 있습니다. 1·2등상 초록에는 million, billion, annually, worldwide가 무수상 초록보다 훨씬 자주 나왔습니다. 팀 프로젝트는 모든 팀원이 의미 있게 기여했고 내용을 이해하고 있음을 보여야 한다고 기준에 적혀 있습니다.
데이터가 볼 수 없는 25점
이 시리즈의 모든 수치는 100점 중 많아야 75점에 해당하는 영역을 간접적으로 봅니다. 인터뷰 25점은 학생이 자기 연구의 결정과 한계를 설명하는 자리이고 초록에서 1인칭 단수로 쓴 프로젝트가 조금 더 받은 것(34.6% 대 26.5%)이 유일한 간접 신호입니다. 준비에서 데이터로 점검할 수 없는 부분이 심사에서 가장 큰 부분이라는 뜻입니다. 기준 원문은 Society for Science 심사 기준 페이지에 있습니다.
자주 묻는 질문
데이터와 방법
출처는 두 곳입니다. Society for Science의 공개 초록 데이터베이스(abstracts.societyforscience.org)에서 2014~2026년 ISEF 파이널리스트 프로젝트 17,565건의 제목, 분야, 출전 국가, 수상 내역, 초록을 모았고, isef.net 프로젝트 라이브러리에서 2021~2026년 8,134건의 수상 등급 표시를 받아 연도와 부스 번호로 연결했습니다. 집계일은 2026년 10월 11일입니다.
본상(Grand Award)은 1~4등상과 Best of Category를 합한 것으로, 각 분야 상위 약 27%에 해당합니다. 특별상은 후원 단체가 따로 심사해 주는 상입니다. 2020년 ISEF는 심사 없이 열려 모든 비율 계산에서 뺐습니다. 초록 데이터베이스에는 2025년 수상 내역이 없고 2018년 이후 Materials Science 본상 대부분이 빠져 있어, 2021~2026년 수상 여부는 두 출처를 합쳐 판정했습니다. 'AI 언급'은 제목이나 초록에 머신러닝 관련 용어가 있다는 뜻이고 프로젝트의 핵심이 AI라는 뜻은 아닙니다. 모든 수치는 상관관계이며 한국 분야별 수치는 표본이 2~24건이라 방향만 읽어야 합니다.
출처
- https://abstracts.societyforscience.org/
- https://isef.net/search-results/projects
- https://www.societyforscience.org/isef/grand-award/criteria/
이 페이지의 수치는 공개된 ISEF 결과를 집계한 분야별 기준 비율입니다. 특정 학생의 수상, 선발, 입학을 예측하거나 약속하지 않습니다. CIT는 수상·선발·합격을 보장하지 않습니다.
ISEF 데이터 시리즈
학생 주제부터 같이 잡아 볼까요?
학년, 관심 분야, 참가를 생각하는 대회를 알려 주시면 이 데이터에 비춰 현실적인 준비 순서를 함께 정리합니다.