입시 분석 - 지능형 지원 전략 분석

학생부교과전형은 많은 분들이 가장 익숙하게 생각하는 수시 전형 중 하나입니다. 하지만 실제로 지원 전략을 세워보면, 생각보다 단순하지 않다는 점을 금방 느끼게 됩니다.

보통 학생부교과전형이라고 하면 내신 등급을 보고 작년 결과와 비교하면 된다고 생각하기 쉽습니다. 그러나 실제로는 대학별로, 또 전형별로 반영 방식이 모두 다릅니다. 어떤 대학은 특정 교과만 반영하고, 어떤 대학은 학년별 반영 비율이 다르며, 또 어떤 대학은 자체 방식으로 환산점수를 산출합니다.

즉, 학생부교과전형을 제대로 해석하려면 단순 평균 등급만 볼 것이 아니라,대학별·전형별 기준에 맞춰 실제 내신 점수를 다시 계산해야 합니다. 이 단계가 먼저 정확해야 이후의 지원 전략도 의미가 생깁니다.

문제는 여기서 끝나지 않습니다. 이렇게 내신 성적을 산출하고 작년 입시 결과와 비교하면, 내 점수가 작년 합격자보다 더 높은지, 더 낮은지, 혹은 비슷한지는 확인할 수 있습니다. 하지만 그것만으로는 실제 지원 전략을상향 / 소신 / 적정 / 안정 / 하향으로 나누기 어렵습니다.

Why it matters

학생부교과전형은 계산만으로 끝나지 않습니다

내신 산출은 출발점일 뿐이고, 실제 지원 전략 판단에는 작년 입시데이터와 점수 분포 해석이 함께 필요합니다.

학생부교과전형에서 함께 봐야 하는 요소

대학별 반영 교과목이 다릅니다.
학년별 반영 비율이 대학마다 다릅니다.
전형별 점수 산출 방식이 모두 다릅니다.
같은 내신 등급이라도 대학 환산점수는 다르게 나올 수 있습니다.
작년 결과와의 단순 비교만으로는 지원 위험도를 설명하기 어렵습니다.

결국 학생부교과전형은 내신을 계산하는 일과 그 점수를 입시데이터 안에서 해석하는 일이 함께 있어야 현실적인 전략 판단이 가능합니다.

그래서 우리는 단순히 내신 성적을 계산해주는 기능만으로는 부족하다고 느꼈습니다. 학생에게 필요한 것은 계산 결과 그 자체가 아니라,그 결과가 실제 지원 전략에서 어떤 의미를 가지는지설명해주는 해석이기 때문입니다.

여기에 한 가지 더 중요한 요소가 있습니다. 학과마다 최종등록자 내신점수 분포의 모양이 다르다는 점입니다.

인기학과의 경우에는 최종등록자 내신점수 분포가 더 촘촘하고, 비슷한 점수대 안에 많은 지원자가 몰려 있는 경우가 많습니다. 반면 비인기학과의 경우에는 최종등록자 내신점수 분포가 더 넓게 퍼져 있어, 같은 점수라도 상대적으로 다른 전략 판단이 가능해질 수 있습니다.

Insight

학과별 점수 분포를 함께 봐야 하는 이유

같은 점수라도 어떤 학과에서는 소신이 될 수 있고, 다른 학과에서는 적정이나 안정으로 읽힐 수 있습니다.

Popular majors

비인기학과

최종등록자 내신점수 분포가 더 넓게 퍼져 있어, 같은 점수라도 상대적으로 다른 해석이 가능할 수 있습니다.

따라서 학생부교과전형의 지원전략을 판단할 때는 단순히 작년 합격선과 내 점수를 일대일로 비교하는 것보다,대학별·전형별·학과별 입시데이터 안에서 점수 분포를 함께 해석하는 것이 훨씬 중요합니다.

이를 위해 우리는 학생부교과전형 지원 전략 판단 모델을 설계했습니다. 이 모델은 대학별·전형별 반영 기준에 맞춰 먼저 내신 환산점수를 계산하고, 그 다음 대학별·학과별 입시데이터를 바탕으로 점수 분포와 경쟁 밀도를 해석한 뒤, 최종적으로 지원자의 전략을상향 / 소신 / 적정 / 안정 / 하향으로 판단합니다.

Example

국민대학교 소프트웨어학부 교과성적우수자전형 분석 결과

아래는 국민대학교 소프트웨어학부 교과성적우수자전형(학교장 추천)에 대해, 학생부 교과만 기준으로 분석한 모델 응답입니다.

결론

블라인드 원칙에 따라 출신고교명, 이름, 주소는 고려하지 않았고, 국민대학교 2026학년도 모집요강, 제공된 2025학년도 입시결과, 학생부 이미지 자료만으로 분석했습니다. 또한 지시사항에 따라 수능최저와 면접 변수는 제외하고, 학생부 교과만 기준으로 판단했습니다.

국민대학교 소프트웨어학부 교과성적우수자전형(학교장 추천)에 대해 학생부 교과만 놓고 보면, 지원 전략은 적정으로 판단됩니다.

지원자 국민대 환산점수: 987.48점

국민대 소프트웨어학부 2025 최종등록자 환산점수

50% cut: 987.77점
70% cut: 986.31점

차이

50% cut 대비: -0.29점
70% cut 대비: +1.17점

참고용 반영교과 가중평균등급도 약 2.20등급 수준으로 계산되며, 제공된 소프트웨어학부 최종등록자 교과등급

50% cut: 2.20
70% cut: 2.33

과 비교했을 때도 정확히 적정권에 들어갑니다. 즉, 교과성적만 보면 국민대 소프트웨어학부는 충분히 노려볼 만한 적정 지원입니다.

내신 산출 점수 계산 방법

2-1. 국민대학교 모집요강 기준 반영 방식

국민대학교 모집요강 63~65쪽 기준으로, 교과성적우수자전형은 학생부 교과 100%로 선발합니다.

소프트웨어학부는 자연계 모집단위이므로 반영 교과영역은 다음과 같습니다.

국어 / 영어 / 수학 / 과학
3학년 1학기까지 반영
학년별 차등 없음
해당 교과영역에서 이수한 모든 과목 반영
전문교과, 제2외국어는 반영하지 않음

지원자는 2019년 2월 졸업자이므로, 모집요강의 “2021년 2월 이전 졸업자” 산식을 적용해야 합니다.

국민대 교과 산식은 다음과 같습니다.

석차등급별 배점

1등급 = 100
2등급 = 99
3등급 = 98
4등급 = 95
5등급 = 90
6등급 = 70
7등급 = 50
8등급 = 30
9등급 = 0

산출식

교과 환산점수 = {Σ(이수단위 × 등급별 배점) × 10} ÷ 총 이수단위

이 전형의 학생부 교과 최고점이 1000점이므로, 실제 계산은 위 식으로 바로 1000점 만점 환산이 됩니다.

2-2. 학생부에서 반영한 성적 추출

과목명 전체를 길게 나열하기보다, 실제 산출에 필요한 반영영역 / 단위 / 석차등급 중심으로 정리했습니다.

학년학기	반영 성적(단위/등급)	반영단위 합	Σ(단위×배점)
1-1	국어 4/2, 수학 5/2, 영어 5/1, 과학 4/1	18	1,791
1-2	국어 4/1, 수학 5/2, 영어 5/3, 과학 4/2	18	1,781
2-1	국어 5/2, 수학 3/2·3/3, 영어 4/3, 과학 2/1·2/2·2/3·2/2	23	2,270
2-2	국어 5/3, 수학 3/3·3/2, 영어 4/2, 과학 2/2·2/3·2/2·2/1	23	2,269
3-1	국어 6/2, 수학 3/3·3/4, 영어 5/3, 과학 4/2·4/2	25	2,455
합계		107	10,566

2-3. 실제 계산

총 반영단위 = 107
Σ(이수단위 × 등급별 배점) = 10,566

따라서,
국민대 환산점수 = (10,566 × 10) ÷ 107 = 987.48점

추가로 참고용 가중평균등급을 계산하면,
Σ(이수단위 × 등급) ÷ 총 이수단위 = 235 ÷ 107 = 2.20등급

2-4. 반영 제외한 항목

소프트웨어학부는 자연계 기준이므로 다음은 반영하지 않았습니다.

사회, 한국사, 동아시아사
기술·가정, 보건, 논술
일본어 등 제2외국어
체육, 음악, 미술
독서활동, 창체, 행동특성 등 비교과

내신 점수 비교

3-1. 국민대학교 소프트웨어학부 입결 비교

제공된 2025학년도 입시결과 기준:

전형: 학생부교과 교과성적우수자전형(학교장 추천)
모집단위: 소프트웨어학부
대학별 환산점수 50% cut: 987.77점
대학별 환산점수 70% cut: 986.31점
최종등록자 교과성적 학생부등급 50% cut: 2.20
최종등록자 교과성적 학생부등급 70% cut: 2.33

지원자와 비교하면 다음과 같습니다.

구분	환산점수	학생부등급(참고)
지원자	987.48	약 2.20
소프트웨어학부 50% cut	987.77	2.20
소프트웨어학부 70% cut	986.31	2.33

해석하면

환산점수는 50% cut에 거의 근접합니다.
70% cut은 분명히 상회합니다.
등급 기준으로도 50% cut 수준과 사실상 동일합니다.

3-2. D값 계산

사용자가 제시한 방식대로 계산하면,
D = 50% cut - 70% cut
D = 987.77 - 986.31 = 1.46

3-3. D 기준 지원전략 범위

하향: 50% cut + 3D 이상 = 992.15 이상
안정: 50% cut + 2D ~ 50% cut + 3D = 990.69 ~ 992.15
적정: 50% cut - 2D ~ 50% cut + 2D = 984.85 ~ 990.69
소신: 50% cut - 3D ~ 50% cut - 2D = 983.39 ~ 984.85
상향: 50% cut - 3D 이하 = 983.39 이하

지원자 환산점수 987.48점은 984.85 ~ 990.69 구간에 있으므로,

최종 판단: 적정

좀 더 세밀하게 보면, 50% cut보다 0.29점 낮은 수준이라 적정권 안에서도 상단에 가까운 편으로 볼 수 있습니다.

다음으로 보면 좋을 것 같은 상향, 소신, 적정 대학 추천

아래 추천은 사용자가 제공한 대학 전형별 평균등급 입시데이터의 교과 50%컷과, 지원자의 반영교과 기준 약 2.20등급을 비교해 잡은 예상입니다. 다만 이 자료는 대학 평균 수준이라 실제 학과별, 특히 소프트웨어·컴퓨터공학 계열에서는 결과가 달라질 수 있으므로, 최종 지원 전에는 학과별 데이터로 다시 한 번 분석받아보는 것이 필요합니다.

구분	대학 / 학과 / 전형	근거
상향 예상	건국대학교 서울캠퍼스 / 소프트웨어·컴퓨터공학 계열 / 학생부교과	제공 교과 50%컷이 1.87로, 지원자 기준 2.20보다 높게 형성되어 있어 상향 예상
소신 예상	동국대학교 서울캠퍼스 / 소프트웨어·컴퓨터공학 계열 / 학생부교과	제공 교과 50%컷이 2.18로, 지원자와 매우 근접해 소신 예상
적정 예상	아주대학교 / 소프트웨어·컴퓨터공학 계열 / 학생부교과	제공 교과 50%컷이 2.22로, 지원자와 거의 비슷해 적정 예상

정리하면, 현재 학생부 교과만 놓고 볼 때 중심축은 국민대학교 소프트웨어학부 적정, 그보다 한 단계 위로는 동국대권 소신 예상, 더 위로는 건국대권 상향 예상, 비슷한 폭의 교과 지원선으로는 아주대권 적정 예상정도로 잡는 구성이 가장 자연스럽습니다.

Model

학생부교과전형 지원 전략 판단 모델은 이렇게 작동합니다

단순 계산기가 아니라, 점수 산출과 분포 해석을 결합한 전략 판단 모델입니다.

분석 과정

대학별·전형별 반영 방식에 맞춰 내신 환산점수를 계산합니다.
작년 입시데이터와 비교해 지원자의 위치를 파악합니다.
학과별 최종등록자 점수 분포가 좁은지 넓은지를 함께 봅니다.
인기학과와 비인기학과의 경쟁 밀도 차이를 해석합니다.
그 결과를 바탕으로 상향 / 소신 / 적정 / 안정 / 하향을 판단합니다.

핵심은 점수 계산과 분포 해석을 함께 한다는 점입니다. 이 두 단계가 결합되어야 실제적인 지원전략 판단이 가능합니다.

학생 입장에서는 단순히 점수가 얼마인지만 아는 것보다, 그 점수가 실제 지원전략 안에서 어떤 의미를 가지는지가 더 중요합니다. 그리고 바로 그 지점을 설명해주는 것이 이 모델의 역할이라고 생각합니다.

우리는 이 방식을 통해 더 많은 학생들이 학생부교과전형에서도 막연한 감에 의존하지 않고,좀 더 구조적이고 쉽게 입시전략을 세울 수 있기를바랍니다.

학생부교과전형지원 전략 판단 모델을 소개합니다