이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
학교 과학기술정책 수업에서 국내 스타트업 지원 정책의 효과를 분석하는 팀 프로젝트를 진행했습니다. 처음에는 정책 내용을 나열하는 데 그쳤는데, 어떤 지표로 효과를 측정할지 먼저 정의해야 한다는 피드백을 받았습니다. 스타트업 생존율과 후속 투자 유치 현황을 지표로 설정하고 실제 데이터를 찾아 비교했습니다. 지원 정책의 혜택을 받은 기업과 그렇지 않은 기업의 차이를 분석했더니 특정 지원 방식만 효과가 있다는 패턴이 보였습니다.
발표에서 데이터 기반 정책 평가가 설득력 있다는 피드백을 받았습니다. 과학기술 정책 연구에서 효과 측정 지표를 먼저 정하는 것이 분석의 출발점이라는 걸 배웠습니다.
학교 프로젝트에서 주요 국가들의 R&D 투자 대비 혁신 성과를 비교 분석했습니다. 특허 건수, 논문 피인용 수, 기술 수출액을 성과 지표로 정의하고 투자 규모와 비교했습니다. 처음에는 GDP 대비 R&D 지출이 높은 나라가 성과도 당연히 높다는 가정을 갖고 있었는데, 데이터를 보니 그렇지 않은 경우가 많았습니다.
투자 효율성 분석에서 절대 규모보다 질적 지표가 더 중요하다는 걸 발견했습니다. 이 분석이 단순한 순위 비교가 아니라 효율성을 봤다는 점에서 높은 평가를 받았습니다. 과학기술 연구에서 가정을 데이터로 검증하는 습관이 중요하다는 걸 배웠습니다. 그 과정이 값진 배움이었습니다.
학교 수업에서 특정 지역 혁신 클러스터의 성공 요인을 분석하는 과제를 맡았습니다. 처음에는 지리적 장점을 주요 요인으로 봤는데, 더 분석해보니 기업·대학·정부 간 협력 네트워크의 밀도가 더 결정적인 요인이라는 걸 발견했습니다. 이 발견이 처음 가정을 바꾸는 계기가 됐습니다. 두 개 지역 사례를 비교하면서 네트워크 구조가 다른 경우 성과가 어떻게 달라지는지를 분석했습니다.
발표에서 단순한 성공 사례 소개가 아니라 요인 비교가 의미 있다는 평가를 받았습니다. 혁신 연구에서 표면적 요인 너머의 구조를 보는 것이 가치 있다는 걸 배웠습니다. 그 과정이 값진 배움이었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 과학기술정책연구원 정책·연구 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.