내 수시 6장, 어디까지 가능할까?
Sim수시는 2027학년도 수시 전체를 컴퓨터 안에서 미리 돌려보는 시뮬레이션입니다. 2027학년도 예상 입결·경쟁률·충원 인원을 학과별로 확인하세요.
※ 전국 지도와 결과표를 함께 보는 화면이라 데스크톱·태블릿에서 보시길 권합니다. 휴대폰에서도 실행되지만 화면이 좁아 지도가 위아래로 나뉘어 표시됩니다.
전년도 입결만 보고 쓰면 생기는 일
수시를 준비하는 학생과 학부모님이 기댈 수 있는 자료는 사실상 전년도 입결 하나입니다. 그런데 그 숫자를 그대로 믿으면, 네 가지 함정에 빠집니다.
기준선이 배신합니다
합격선은 해마다 평균 반 등급 이상 오르내립니다. 상위권 학과는 10곳 중 7곳이 합격선이 전년도 입결과 달랐습니다(2026학년도 실측). 전년도 숫자를 기준선으로 삼는 순간, 10곳 중 7곳에서 틀린 기준으로 판단하게 됩니다.
만만해 보이는 학과가 함정입니다
전년도에 입결이 내려간 학과에는 "올해는 해볼 만하다"고 판단한 지원자가 한꺼번에 몰립니다. 그 결과 입결이 내려갔던 학과는 10곳 중 8곳이 이듬해 다시 올라갑니다. 입시 현장에서 '퐁당퐁당'이라 부르는 이 현상 때문에, 전년도 입결은 지원자가 가장 몰리는 학과에서 가장 크게 틀립니다.
판이 통째로 움직이는 해가 있습니다
2026학년도에는 수험생이 7% 넘게 늘어 전국 합격선이 한 방향으로 움직였고, 전년도 숫자를 믿은 판단은 전부 같은 방향으로 틀렸습니다. 2027학년도도 판이 다릅니다 — 고3은 1만 8천 명 줄고(-5.3%), N수생은 8천 명 늘었습니다(+10.5%). 지금 보고 계신 2026학년도 입결은 이 변화를 모릅니다.
6장을 따로 판단하면 전멸 위험을 얕봅니다
같은 해에는 같은 바람이 붑니다. 수능 난이도, 쏠림, 수험생 수 — 이런 조건은 6장 모두에 한꺼번에 작용합니다. 6장을 각각 따로 계산하면 여섯 장 모두 불합격할 확률을 실제보다 35% 낮게 보게 됩니다.
그래서 Sim수시는 이렇게 계산합니다
숫자 하나를 조회하는 대신, 2027학년도 수시 전체를 미리 돌려봅니다.
- 1가상 수험생 53만 명을 만듭니다 — 2027학년도 수험생 규모 그대로2027학년도는 고3이 1만 8천 명 줄고(-5.3%), N수생은 8천 명 늘었습니다(+10.5%). 이 변화와 실제 내신 등급 분포를 그대로 반영합니다.
- 2각자 성적에 맞춰 6장을 씁니다상향·적정·안정을 섞어 쓰는 실제 지원 성향을 반영합니다.
- 3수능최저학력기준을 반영합니다기준을 통과하지 못할 지원자를 걸러냅니다. 겉으로 보이는 경쟁률과 실질 경쟁률은 다르기 때문입니다.
- 4합격 발표 이후까지 계산합니다여러 곳에 합격한 학생은 더 선호하는 대학에 등록하고, 빈자리가 추가합격으로 채워지는 과정을 여러 차례 반복합니다.
- 5머신러닝으로 학습한 AI 예측 모델을 결합합니다전국 164개 대학, 2만 4천여 개 모집단위의 실적으로 전년 입결과 추세, 모집인원 변화, 그 해 수험생 수의 증감까지 반영합니다.
AI 엔진이 만들어진 방식
Sim수시의 심장은 둘입니다. 전국 4개년 전수 실적을 머신러닝으로 학습한 AI 예측 모델, 그리고 그 위에서 53만 가상 수험생이 움직이는 행동 시뮬레이션. 예측이 뼈대를 잡고, 시뮬레이션이 수험생들의 상호작용을 재현합니다.
가상 수험생은 숫자 덩어리가 아닙니다. 실제 수험생처럼 성적 분포를 갖고, 상향·적정·안정을 섞어 6장을 쓰고, 수능최저에서 걸러지고, 중복 합격하면 선호 대학으로 떠나고, 그 빈자리가 추가합격 연쇄를 만듭니다. 실제 원서접수의 규칙을 그대로 알고리즘으로 옮겼습니다.
입시판의 통념도 그냥 믿지 않고, 데이터로 하나씩 채점했습니다.
대체로 사실. 다만 대학 수준(상위·중위·하위)마다 강도가 다르게 나타났습니다. 그 차이까지 반영했습니다.
틀렸습니다. 충원이 많은 학과는 이듬해에도 많은 경향이 뚜렷했습니다. 그래서 충원까지 예측합니다.
절반만 사실. 오히려 계속 오르는 경우가 적지 않았습니다. 이 비대칭을 반영했습니다.
검증에서 살아남은 규칙만 AI 엔진에 들어갑니다. 구체적인 수치와 방법은 공개하지 않습니다.
신설학과 추정도 감이 아닙니다. 과거에 신설이었던 학과 4,278곳을 가려놓고 채점해, 같은 대학의 유사 계열과 비슷한 수준 대학을 결합한 추정 방식이 검증을 통과한 뒤에야 넣었습니다. 그 방식으로 2027학년도 신설학과 2,400여 개의 예측 범위를 제공합니다. 추정치는 '신설·추정'으로 표기합니다 — 근거 없는 숫자는 싣지 않습니다.
이 모든 것에도 Sim수시는 정답지가 아닙니다. 입시에는 원리적으로 맞힐 수 없는 영역이 있고, 그래서 점 대신 범위와 방향으로 말합니다. 다만 확실한 것 하나 — 전년도 입결 숫자 하나만 보고 쓰는 것보다는, 이 모든 검증을 통과한 AI 시뮬레이션이 낫습니다. 그걸 증명하려고 채점을 4만 6천 번 했습니다.
만들고 나서, 채점부터 했습니다
검증 방법은 단순합니다. 이미 나와 있는 지난 입시 결과를 가려놓고 예측하게 한 뒤, 실제 결과와 대조했습니다.
2024·2025학년도 자료만 학습시키고 2026학년도 입시를 예측하게 한 뒤, 실제 결과와 하나씩 대조했습니다. 특히 2026학년도는 수험생이 7% 넘게 늘어 전국 합격선이 통째로 움직인 해였습니다.
| 예측이 실제 합격선과 얼마나 가까웠나 | 상위권 학과 | 전체 |
|---|---|---|
| 절반은 이 안에 | 0.15등급 | 0.26등급 |
| 0.2등급 이내 | 10곳 중 6곳 | 10곳 중 4곳 |
| 0.3등급 이내 | 10곳 중 7곳 | 10곳 중 6곳 |
| 0.5등급 이내 | 10곳 중 9곳 | 10곳 중 7곳 |
숫자만 맞힌 게 아닙니다. 합격선이 오를지 내릴지를 실제로 움직인 학과의 10곳 중 7곳에서 맞혔고, 전년도에 합격선이 내려가 "만만해 보이던" 학과가 다시 오르는 것을 10번 중 9번 이상 미리 짚었습니다. 지나간 입결표가 절대 줄 수 없는 정보입니다. 경쟁률과 충원도 같은 방식으로 채점했고, 모두 통계적으로 유의한 정확도를 확인했습니다 (P<0.0001).
합격선은 학과당 해마다 평균 0.5등급씩 움직이고, 6곳 중 1곳은 0.8등급 넘게 흔들립니다(2025→2026학년도 15,895개 모집단위 실측). 한 해 입시는 시험 한 번이 아니라 서로 다른 대학·학과·전형 2만 개가 각각 움직이는 판입니다. Sim수시는 그 2만 개를 하나씩 채점받고 성적을 공개합니다.
검증 수치는 전체 평균 기준이며 개별 학과의 결과를 보장하지 않습니다.
2026학년도 입결만 보고 쓰는 것과, 무엇이 다른가
| 내가 하는 일 | 2026학년도 입결만 보면 | Sim수시로 보면 |
|---|---|---|
| 기준선 잡기 | 같은 기준(±0.1등급)으로 재면, 상위권 10곳 중 3곳만 맞음 | 같은 기준으로 10곳 중 4곳 — 그리고 학과별 방향과 최근 실제 변동 폭까지 함께 제공 |
| "만만해 보이는" 학과 고르기 | 내려간 학과 10곳 중 8곳이 도로 오르는데, 알 수 없음 | 반등 위험을 10번 중 9번 미리 경고 |
| 오를지 내릴지 판단 | 정보 없음 — 전년도와 같을 것이라는 가정뿐 | 학과마다 방향 제시 — 실제로 움직인 학과의 72%를 맞힘 |
| 6장 조합 짜기 | 각각 따로 판단 — 전멸 위험을 35% 얕보게 됨 | 6장을 한 판에서 같이 100번 돌려 조합 전체의 위험을 계산 |
| 추가합격(충원) 계산 | 입결 자료에 없는 정보 | 충원 연쇄까지 예측 |
| 2027학년도 달라진 조건 | 반영 불가 (고3 -5.3%, N수생 +10.5%) | 수험생 규모·모집인원 변화·신설학과 2,400여 개까지 반영 |
2026학년도 입결도 숫자 하나를 줍니다. 다른 점은 그 숫자가 이미 지나간 해의 것이고, 다음 해에 오를지 내릴지는 말해주지 않는다는 것입니다. Sim수시는 2027학년도 숫자와 방향을 함께 냅니다. 그리고 그 방향이 실제로 맞았는지 지난 입시 결과를 가려놓고 채점했습니다 — 실제로 움직인 학과의 10곳 중 7곳에서 방향이 맞았습니다.
모든 수치는 이미 끝난 입시의 결과를 가려놓고 채점해 얻은 실측 평균입니다. 개별 학과의 결과를 보장하지 않습니다.
이 수치들, 어떻게 계산했나요?+
10곳 중 3곳 / 4곳 — 상위권 학과에서, 전년도 합격선이 이듬해에도 거의 그대로(±0.1등급 이내)였던 곳은 28%였습니다. Sim수시의 예측값은 같은 기준으로 38%를 맞혔습니다.
72% — 2026학년도 결과를 가려놓고 채점한 10,836개 모집단위 기준입니다. 합격선이 실제로 0.2등급 이상 움직인 6,968곳에서 오르내림 방향을 71.6% 맞혔고, 0.3등급 이상 움직인 5,463곳에서는 74.1%였습니다.
0.2등급 이내 10곳 중 6곳 — 상위권 학과 2,068곳 기준으로 예측과 실제의 차이가 0.2등급 이내인 곳이 60.2%, 0.3등급 이내가 72.7%, 0.5등급 이내가 85.9%였고, 절반은 0.15등급 이내였습니다. 전체 10,836곳 기준으로는 절반이 0.26등급 이내입니다.
10곳 중 8곳 반등, 10번 중 9번 경고 — 전년도에 합격선이 0.3등급 넘게 내려갔던 학과 1,897곳을 추적하니 81.8%가 이듬해 다시 올라갔고, Sim수시는 이 "다시 오를 학과"의 95.2%를 미리 짚었습니다(경고한 학과 중 실제 반등 84.6%).
전멸 위험 35% — 6장의 합격 가능성을 각각 따로 계산해서 곱하면, 여섯 장 모두 떨어질 확률이 실제보다 35% 낮게 나옵니다. 같은 해에는 수능 난이도·쏠림 같은 조건이 6장 모두에 한꺼번에 작용하기 때문입니다.
2027학년도 수험생 수 — 한국교육과정평가원 6월 모의평가 채점 결과 기준, 2027학년도 고3 응시자는 전년 대비 18,195명 줄고(-5.3%) 졸업생 등은 7,874명 늘었습니다(+10.5%).
2027학년도 변수, 내 지원에 어떤 영향일까
입시에는 변수가 매해 있지만, 2027학년도는 특히 많습니다. 수능이 어려워지면 어떻게 될지, 반도체 쏠림과 무전공 확대·의대 증원은 어디까지 갈지. "이런 변수들이 내 지원에 어떤 영향을 줄까?" 이 궁금증에서 시나리오 기능을 만들었습니다.
수능이 어려워져 최저기준 미충족이 늘면 경쟁률과 충원이 어떻게 달라지는지, 합격선이 평년보다 크게 흔들릴 전형은 어디인지 확인합니다.
반도체·전기전자로 지원이 몰리고 무전공 확대·의대 증원이 겹치면, 관련 학과와 주변 학과가 어떻게 움직이는지 확인합니다.
한 번의 실행에 시나리오별 결과가 모두 포함됩니다. 결과 화면에서 누르는 즉시 전환되고, 실행 회차마다 전체 결과가 자동 저장되어 언제든 다시 볼 수 있습니다.
시나리오는 예측이 아니라 가정에 따른 점검입니다. 조건을 바꿔도 크게 흔들리지 않는 조합이 튼튼한 6장입니다.
모의지원 서비스와는 관점이 다릅니다
모의지원 서비스는 좋은 도구입니다. 지금 이 학과를 노리는 학생들이 어디쯤 있는지 실제 표본으로 보여주는 것은 그 방식만 할 수 있고, 접수 직전에 내 위치를 확인할 때 유용합니다.
다만 한계도 있습니다. 표본에 들어온 사람만 보이고, 소규모 학과는 한두 명의 움직임에도 결과가 출렁이며, 무엇보다 접수 마감 전의 상태만 보여줍니다. 실제 승부가 갈리는 막판 이동과 추가합격 연쇄는 마감 후에 벌어집니다.
Sim수시는 반대 방향에서 접근합니다. 일부 이용자의 표본이 아니라 전국 4개년 실적 전체를 바탕으로, 접수 마감 이후까지 통째로 계산합니다.
| 모의지원 서비스 | Sim수시 | |
|---|---|---|
| 데이터 | 이용자 표본 (자발 입력) | 전국 전수 실적 4개년 |
| 보여주는 것 | 현재 표본 속 내 위치 | 접수 마감 후의 전체 흐름 |
| 소규모 학과 | 표본 부족 시 출렁임 | 4개년 구조 신호로 보완 |
| 충원(추가합격) | 범위 밖 | 연쇄까지 계산 |
| 잘 맞는 시점 | 접수 직전 | 전략 수립 단계 (지금) |
전략을 세울 때는 Sim수시로 전체 흐름을 보고, 접수 직전에는 모의지원으로 내 위치를 확인하는 것이 좋은 조합입니다.
결과는 이렇게 받게 됩니다
버튼 한 번에 끝나는 계산이 아닙니다. 한 번 실행할 때마다 같은 2027학년도 원서접수를 100번 돌려, 그 결과가 어디에 모이는지 분석해 드립니다. 한 번의 운이 아니라, 100번의 입시에서 나온 예상 범위입니다.
예상값은 100회 시뮬레이션의 중앙값이고, 아래 범위는 예측이 아니라 그 학과가 최근 3년간 실제로 기록한 값입니다.
이론적 배경
Sim수시의 알고리즘은 다음 연구들을 기반으로 설계되었습니다.
여러 곳에 지원하고 한 곳에 배정되는 구조와 그 재배정(충원)은 Gale & Shapley(1962)가 정립한 매칭 이론의 대표 주제입니다. Alvin Roth는 이 이론을 실제 입학·배정 제도 설계에 적용해 2012년 노벨경제학상을 받았습니다.
상위 자리가 비면 아래로 이동이 연쇄되는 구조는 Harrison White의 Chains of Opportunity(Harvard University Press, 1970)에서 정립되었습니다.
다른 사람들의 선택을 보고 몰리거나 피하는 행동은 Banerjee(1992, Quarterly Journal of Economics)와 Bikhchandani·Hirshleifer·Welch(1992, Journal of Political Economy)의 연구로 설명됩니다.
개인의 단순한 선택이 모여 집단 차원의 패턴을 만드는 과정을 시뮬레이션으로 분석하는 방법은 Thomas Schelling(2005년 노벨경제학상)의 Micromotives and Macrobehavior(1978)에서 시작되었습니다.
상향과 안정을 섞어 쓰는 지원 행동에는 Kahneman & Tversky(1979)의 전망 이론이 제시한 손실 회피 개념을 반영했습니다.
예측을 한 번의 계산이 아니라 분포로 다루는 방식은 현대 기상예보의 앙상블 기법, 분위 회귀(Koenker & Bassett, 1978), 확률 예측 평가 이론(Gneiting & Raftery, 2007)의 표준을 따릅니다. 화면에는 그 분포의 중앙값을 표시하고, 예측이 실제와 얼마나 어긋났는지는 검증 수치로 공개합니다.
자주 묻는 질문
입시를 어떻게 예측하나요?+
말로 하지 않고 채점받았습니다. 2024·2025학년도 자료만 학습시키고 이미 끝난 2026학년도 입시를 가려놓은 채 예측하게 한 뒤 실제 결과와 대조했습니다 — 합격선 방향 71.6%, 상위권 학과는 10곳 중 6곳을 0.2등급 이내로 맞혔습니다. 채점 방법과 결과를 먼저 보여드리는 것이 저희 방식입니다.
2026학년도 입결 조회와 뭐가 다른가요?+
전년도 값을 그대로 쓰는 방식과 같은 시험지로 비교 채점했습니다. 경쟁률·충원 모두 Sim수시가 유의하게 더 정확했습니다. 2026학년도처럼 수험생 수가 급변해 전국 합격선이 통째로 움직인 해에는 전년도 값 방식이 구조적으로 모두 같은 방향으로 틀립니다. Sim수시는 2027학년도 수험생 규모까지 반영합니다.
범위가 넓어서 맞는 것 아닌가요?+
화면에 넓은 범위를 깔아두고 "이 안에 들어온다"고 말하지 않습니다. 학과마다 숫자 하나와 방향을 냅니다. 함께 표기하는 '최근 N년'은 예측이 아니라 그 학과가 실제로 기록한 값의 범위입니다. 예측이 실제와 얼마나 어긋났는지는 검증 수치로 공개합니다.
과거에만 맞춘 모델(과적합) 아닌가요?+
과거 문제를 통째로 외운 모델은 새 시험에서 무너집니다. 그래서 저희는 새 시험으로만 채점했습니다. 2024·2025학년도까지만 학습시키고 2026학년도 입시를 가린 채 예측하게 한 점수가 공개된 성적표입니다.
결과를 보장하나요?+
예측은 의사결정을 돕는 도구이지 합격 보증이 아닙니다. 대신 검증 수치를 먼저 공개합니다 — 합격선 방향 71.6%, 상위권 학과 10곳 중 6곳을 0.2등급 이내로. 모두 이미 끝난 입시를 가려놓고 채점해 얻은 실측 평균이며, 개별 학과의 결과를 보장하지는 않습니다.
모든 대학·전형을 시뮬레이션할 수 있나요?+
일반 수시전형을 대상으로 합니다. 과학기술원(KAIST·DGIST·GIST·UNIST·KENTECH·POSTECH)과 농어촌·기회균형 등 지원자격이 제한된 특별전형은 선발 방식이 일반전형과 달라 예측 대상이 아니며, 카드 선택 단계에서 제외됩니다. 결제 전에 미리 확인하실 수 있습니다.
시나리오마다 따로 실행해야 하나요?+
아니요. 한 번의 실행에 기본 예측과 시나리오별 결과가 모두 포함됩니다. 결과 화면에서 누르는 즉시 전환되며, 회차별 전체 결과가 자동 저장되어 마이페이지 > 시뮬 기록에서 언제든 다시 확인할 수 있습니다.
다른 학생들의 생기부나 성적 데이터로 만든 건 아닌가요?+
아닙니다. Sim수시의 모든 데이터는 대학 입학처가 공식 발표한 입시결과 통계(합격선·경쟁률·충원 인원)와 모집요강 등 공개 자료입니다. 실제 학생 개인의 생기부·학습 기록은 일절 사용하지 않았고, 회원의 생기부를 받지도 않습니다. 시뮬레이션의 가상 수험생 53만 명은 공개된 통계 분포로 생성된 가상의 집단입니다. 「초·중등교육법」 제25조의2(학교생활기록의 상업적 이용 제한)를 준수합니다 — 자세한 내용은 이용약관 제10조의2에 있습니다.
여기까지 읽으셨다면, 이제 직접 확인해보세요
내 카드 6장, 시뮬레이션 하러 가기※ 과학기술원(KAIST 등)·농어촌·기회균형 등 특별전형은 예측 대상이 아니며 선택 단계에서 제외됩니다.
※ 데스크톱·태블릿 실행을 권합니다. 휴대폰에서는 화면 성능을 고려해 지도에 표시되는 수험생 캐릭터 수가 데스크톱보다 적게 나옵니다 — 연출만 다르고 예측 결과(입결·경쟁률·충원)는 완전히 동일합니다.
Sim수시는 대학이 공식 공개한 입시결과 통계만으로 만들었습니다. 학생 개인의 학교생활기록부·성적 데이터는 일절 사용하지 않습니다. · 이용약관 제10조의2