로켓 [763845] · MS 2017 · 쪽지

2018-11-18 21:06:05
조회수 18,427

원서영역 도구(intro, chapter1)

게시글 주소: https://tcgjztg.orbi.kr/00019255179

Intro

글을 쓰기위해 내용을 정리해보고, 주변 지인들과 오르비 분들로부터 이런저런 질문도 받고 하다 보니,

제가 말해드릴 내용들은 일반적인 정시 원서를 쓰는 방법(칸수 조합 등등) 보다는

빵꾸와 폭발을 찾기 위한 목적으로 특화 돼있는 것을 알게 된 것 같습니다. 

그러다 보니 제 글을 읽고 많이 얻어가고 생각해보기 위해서는

기본적으로 정시가 돌아가는 원리 정도는 알고 계셔야 할 것 같습니다. 


정보가 부족하신 분들을 위해 필수적으로 알아야할 개념들을 단어 위주로 간단히 짚고 넘어가겠습니다.

 

표본: 정시 원서를 쓰는 수험생의 점수와 희망 학과 정보를 의미합니다.

Ex) 국   수 영 탐구 (백분위)

   96   88    1등급     92   94

1순위 희망: A대학 a학과

2순위 희망: B대학 b학과

-이것이 하나의 표본입니다. 

대학별 산출식과 누백: 대학별로, 때로는 학과별로 성적을 산출하는 방법이 다릅니다. 수능 총 점수가 같더라도 어떤 학생은 A대학의 산출식에 유리하고, 어떤 학생은 B대학에 유리할 수 있습니다. 누백이란 그 대학의 산출방법에 따를 때 자신의 전국 누적 %를 의미합니다. (ex: A대학식으로 나는 상위 2%야)

칸수: 합격예측 사이트나 프로그램에서 볼 수 있는 합격확률을 의미합니다. 5칸은 50프로를 의미하는 식입니다. 

합격예측 상품들: 가장 많은 수험생들이 이용하는 것으로 알고있는 사이트가 하나있고, (오르비 규정상 직접적인 언급이 불가능 한 것으로 압니다) –편의상 ‘모의지원 사이트’ 라고 하겠습니다

고속성장 님이 만든 일명 ‘고속 분석기’

그리고 오르비의 페잇이나 타임머신 등이 있겠습니다.

이 상품들의 자세한 작동원리는 비밀이겠지만, 

대충이나마 모의지원 사이트는 실제 수험생들의 모의지원이 합격확률 산출에 큰 영향을 미치고, 

고속분석기와 페잇 등은 통계적인 이론이 중요하게 적용 되는 것으로 압니다. 

고속분석기와 페잇이 내놓는 누백이 상당히 정확한 편입니다. 


사실 5칸,6칸짜리 학과들을 3개 쓰거나, 페잇에서 초록색 학과정도를 쓰거나 하기만 해도

원서영역 중간은 간다고 할 수 있습니다. 

하지만 어떻게 라도 자신의 점수보다 높은 학과에 가고 싶은 것이 수험생의 마음이고, 그럴 기회를 잡을 확률을 조금이라도 높이기 위한 방법들을 소개하는 것입니다. 


글의 주제는 앞으로 생각의 방법-표본 분석법-0칸뚫기 순서대로 써 나가볼 생각입니다.  


다른 분들이 써놓아 주신 정시에 대한 정보글들이 정말 많으니 참고하면 좋을 것 같습니다 ㅎㅎ 

오늘 누가 정리해서 올려주신 것 같더군요


모든 저의 글과 의견에 대한 피드백은 환영합니다!

-----------------------------------------------------------------------------------------------


생각의 방법


1.편견

먼저 특히 처음 정시를 접하는 초심자 수험생들이 흔히 하는 착각을 깨고 갑시다. 


‘요즘 교대가 전망이 안좋다는데 교대 입결 확떨어지지 않을까?’

‘요즘 A학교 상황이 안좋다는데 라이벌 학교에 다 몰리고 빵꾸 나지 않을까?’

‘이 분야는 최근 시장상황이 매우 좋지않으니 커트라인이 낮게 형성 될거야’


이런 생각을 해본 적 있는 분들이 계실 겁니다. 

하지만 원서영역은 사회의 현실을 즉각 반영해주지 않습니다. 

정말 큰 업계의 파장이 생기지 않는 이상,(서남의대의 존폐위기 등)

전망이나 소문이 입결에 미치는 영향은 작습니다.

그런 요소들이 입결에 큰 영향을 미칠려면, 생각보단 긴 시간이 필요합니다.


또한 통상적인 인기과가 비인기과 보다 무조건 커트라인이 높게 형성되리라는 기대도 잘 맞지 않습니다. 


이런 사실들은 최근 3개년 주요대학 입결표를 유심히 보신다면 알 수 있습니다. 


추가적으로, 차후 글 쓸 표본분석에 있어서 편견을 가지지 않는 것도 중요합니다. 

자신이 A학과와 B학과를 동시에 합격했다면, 당연히 A학과를 선택할 것이라고 해도,

어떤 수험생은 B학과를 선택하고, 어떤 수험생은 합격 글자만 보고 재수를 택합니다. 

자신의 상황과 가치관을 다른 표본들에 섣불리 대입하지는 맙시다.


2.정보들의 지시성

많은 수험생들이 합격예측 상품의 칸수, 합격확률 등을 보고 도움을 받습니다.

하지만, 역설적으로 바로 이 칸수가 대부분의 수험생들을 움직이는 지시판이 됩니다. 


점수에 따른 유불리가 없는 상태에서, 두 라이벌 대학 같은 학과의 합격확률이 다르게 예측된다고 생각해 봅시다. 수험생은 좀 더 안정적인 합격확률이 보여지는 학교에 지원할 것입니다.

누백 5% 정도의 커트라인을 보여주는 학과를 합격예측 프로그램이 3%로 커트라인을 잡는다면, 또는 7%로 잡는다면, 많은 학생들이 그를 보고 움직일 것입니다.


수험생들이 커트라인을 알기 위해 이용하는 합격예측 상품들이, 우습게도 대학의 커트라인을 만드는 매우 큰 요인이라고 할 수 있습니다. 


작년 한양대학교 파이낸스경영학과의 예시를 들어 봅시다. 

가군의 파이낸스경영학과는 자연계 학생을 2년전부터 모집하기 시작했고, 2년간 한양대학교 가군에서 거의 가장 낮은 커트라인을 기록했습니다.

통계에 따라서인지 작년 고속분석기 상 파이낸스경영학과가 한양대학교 모집단위 중 가장 낮은 커트라인으로 예상 돼있었고,  

실제 결과는 한양대 가군 중 최고 입결을 기록했습니다. 


물론 이 갑작스러운 입결 상승이 고속분석기 탓만은 절대 아닐 것입니다. 페잇은 파경의 커트라인을 오히려 높게 잡았던 것으로 알고, 모의지원 사이트는 어땠는지 확인할 수가 없습니다. 

하지만 파이낸스경영학과의 자연계 모집은 고작 8명의 정원을 모집했었고, 이럴 경우 두세명만 특정 합격예측 프로그램의 영향을 받아도 최종 입결은 크게 달라질 수 있습니다. 


말씀드리고자 하는 것은, 작년에 낮았던 학과가 올해 터진다는 것이 아니라

많은 수험생들이 주요 합격예측 프로그램들의 지표를 보고 행동하고, 이것을 역이용하면 표본들이 어떻게 움직일지 예상해 볼 수 있다는 것입니다.


3. 모두 볼 수 있는 지표, 모두 할 수 있는 생각.

그렇다면 대부분의 수험생들이 어디까지 생각하고, 어떤 지표까지 보고 움직이는가를 생각해 봐야 할 것입니다. 

자신이 A대학a학과에 합격확률이 4칸으로 나온다면, 자신과 점수가 같거나 비슷한 사람 또한

그 정도의 합격확률(같거나 1칸 +-) 을 보게 됩니다. 자신과 누백이 같은 수험생은 고속분석기나 페잇에서 똑같은 합격확률을 보게 될 것입니다. 


하지만 대부분의 수험생들은 여기 까지가 끝입니다. 

4칸이라고 하면 4칸으로 받아들이지, 이 학과의 예상 커트라인이 과대평가or과소평가 돼있어 그에 따라 다른 수험생들이 어떻게 움직일지 생각해보지 않습니다.

3칸이라고 하면 3칸인줄 알지, 자신이 어떻게 해서 3칸이 떴는지, 자신 앞의 표본들이 어떤 상태인지 하나하나 분석해보는 수험생도 적습니다. 

대략적인 배치표만 보고 있다가, 원서접수 직전에 급히 합격예측프로그램을 구매하여 돌려보는 수험생들이 적지 않습니다. 


모두가 볼 수 있는 정보들로 누구나 할 수 있는 생각을 넘어서야 합니다. 

다른 사람들도 모두 참고하는 지표를 보고, 다른 수험생들이 어떻게 움직일지 생각해 봐야 합니다. 

실제로 합격예측 프로그램의 커트라인 과소/과대평가는 폭발과 빵꾸의 큰 징조라고 할 수 있습니다.


모의지원 사이트에서 과소,과대평가가 일어나는 이유들과 알아보는 방법 등은 다른글에서 쓰도록 하겠습니다. 


------------------------------------------------------

생각보다 많은 분들이 글을 기다려 주시고, 저는 취미로 하는 일이다 보니 부담이 많이 됩니다ㅜ

부족한 글을 읽어주셔서 감사합니다. 

저의 의견을 곧이 곧대로 받아들이시기 보다, 더 생각 해보시고 더 발전시켜서 자신만의 방법론을 만들어내는 재료로 쓰셨으면 합니다. 

피드백은 언제나 환영하고, 다른 일들로 바쁘기는 하지만 최대한 질문에 답해드릴 수 있도록 하겠습니다.

0 XDK (+2,000)

  1. 1,000

  2. 1,000