정시 가이드
후보대학 만들기전체 목차
가이드 시작3
처음 시작3
대입 기초4
성적과 입시결과5
입시 용어사전6
정보서비스 사용법7
후보대학 만들기4
원서 조합 전략9
정시 타임라인5
원서접수 실무4
합격후 처리3
워크시트7
FAQ3
출처와 업데이트3
2027 정시후보대학 만들기

후보대학 비교하고 줄이기

후보를 줄일 때는 합격 가능성뿐 아니라 등록 의사, 전공 만족도, 지역·비용, 변동성까지 같은 표에서 비교합니다.

3넓게 만든 후보를 군별 2~3개로 압축할 때 읽습니다.
32 / 6648%

6. 전년도 입시결과를 같은 정의로 비교한다

전년도 수치에서 반드시 확인할 정의는 다음과 같습니다.

  • 최초합격자 기준인지 최종등록자 기준인지
  • 평균인지, 50%컷인지, 70%컷인지, 최저점인지
  • 대학별 환산점수인지, 평균 백분위인지
  • 모집인원과 최종 충원인원
  • 전형방법이 올해와 같은지
  • 모집단위 통합·분리 또는 군 이동이 있었는지

예를 들어 어디가의 70%컷은 일반적으로 최종등록자를 성적순으로 놓았을 때 70% 지점의 성적입니다. 그 아래 점수의 올해 결과를 일정한 비율로 해석할 수 없으며, 최초합격선이나 올해 예측선과도 다릅니다.

3개년을 볼 때의 순서

  1. 올해와 전형방법이 같은 연도를 먼저 봅니다.
  2. 모집인원 증감과 군 이동을 확인합니다.
  3. 충원합격순위와 충원율을 함께 봅니다.
  4. 특정 연도의 폭발·펑크를 평균에 묻어 버리지 말고 원인을 표시합니다.
  5. 소수 모집단위의 컷은 한두 명에 의해 크게 움직일 수 있음을 반영합니다.

7. 합격예측은 ‘점’이 아니라 ‘범위’로 읽는다

예측 서비스 결과를 다음처럼 기록합니다.

대학·모집단위서비스 A서비스 B어디가 과거결과불확실성 요인내부 판단
예시 1적정소신70%컷 상회모집인원 감소소신~적정
예시 2안정안정3개년 컷 상회변표 미확정안정

결과가 다른 이유

  • 이용자 표본과 표본의 성적 분포가 다름
  • ‘실제지원 희망’ 입력 여부와 허수 제거 방식이 다름
  • 수시이월 인원 반영 시점이 다름
  • 대학별 변환표준점수·가산점 업데이트 시점이 다름
  • 최초합격, 최종합격, 등록 가능성 등 예측 대상이 다름
  • 충원 이동을 추정하는 모델이 다름

숫자를 평균하지 말고 왜 다른지를 찾으십시오. 모집인원 미반영이나 점수 산식 오류라면 데이터를 고치고, 순수한 모델 차이라면 더 보수적인 결과까지 감당할 수 있는지 판단합니다.

8. 지원 우선순위를 먼저 정한다

마감일 경쟁률을 보기 전에 후보를 다음처럼 정렬합니다.

  1. 합격하면 등록할 순서
  2. 합격 가능성 범위
  3. 가장 위험한 변수
  4. 대체 가능한 후보

권장 표기:

  • 등록 의사 A: 합격하면 다른 군 결과와 무관하게 우선 등록 고려
  • 등록 의사 B: 상위 선호 결과가 없으면 등록
  • 등록 의사 C: 진학 공백을 막기 위한 안전장치
  • 미지원: 합격해도 다니지 않음

합격해도 다니지 않을 대학을 ‘보험’으로 넣는 것은 전형료와 선택 기회만 소모할 수 있습니다.

삭제 순서

  1. 지원 자격 미충족
  2. 합격해도 진학하지 않을 곳
  3. 지역·비용·일정이 불가능한 곳
  4. 전형방법이 불리하고 대체 후보가 있는 곳
  5. 공통 리스크가 너무 큰 곳

최종 후보는 군별 2~3개

원서접수 직전에는 각 군에 다음 후보를 남기는 방식이 실용적입니다.

  • 1순위: 가장 선호하는 후보
  • 2순위: 결과 변동 시 대체할 후보
  • 3순위: 수시이월·경쟁률 변화가 클 때 검토할 후보

마감 경쟁률을 보고 갑자기 처음 보는 대학으로 이동하지 않도록 대체 후보를 사전에 검증합니다.

실제 지원에서는 해당 대학의 2027학년도 정시 모집요강과 최신 입학처 공지가 최종 기준입니다. 이 자료의 기준일은 2026-08-24입니다.