수험생 여러분, 안녕하시오~~

컷예남이오.


먼저, 소인을 찾아주시는 많은 수험생 분들께 감사의 인사를 전하오.


댓글을 통해서만 활동을 했으나,

합격 컷과 합격 가능성 분석에 대해 궁금해하시는 분들이 많아,

분석 방식에 대해 가볍게 얘기를 나누는 시간을 가져볼까 하오~


1. 거시적 분석 - 점수 분포 곡선에서의 위치 확인

응시자들이 자기점수를 채점하고 나면, 가장 먼저 확인할 수 있는 지표가

석차, 배수(자기 등수 / 선발인원), 1배수 컷일 것이오.

필수적으로 봐야하는 값들이지만, 소인은 합격가능성 분석을 할 때, 

시각적인 자료를 먼저 검토하고 있소. 바로 점수 분포 곡선이오.

댓글에는 편의상 정규분포라고 하고 있지만, 

정확하게 말하자면, 이것은 사실 "확률밀도 함수로 구현한 점수 분포 곡선"이오.


예시) [일반행정 서울 일반] 점수분포

그래프 왼쪽부터 최상위권, 상위권, 평균구간, 하위권


점수 분포 곡선을 먼저 확인하는 이유는 숫자로만 표현된 값보다

이 응시자가 어느 구간에 있는지 한눈에 알 수 있고, 무엇보다도 타 지역과 동일한 필기합격 가능 확률값을 가졌더라도,

그래프 상에서의 위치에 따라 다른 분석을 해줘야 하기 때문이오.

즉, 응시자가 속한 환경을 거시적으로 확인한 후에, 선발인원, 석차 등으로 필기합격 가능 확률을 산출해서 보완하고 있소.

(경쟁률이 높은 직렬이면, 그래프의 점과 점 사이의 간격이 좁고, 기울기가 큰 경향을 보이는 편이오.

또한, 기울기를 보면 시험의 대략적인 난이도도 가늠해 볼 수 있소.)


그리고, 그래프 환경에서 점과 점 사이의 구간이 넓은 구간이 있다면, 보수적으로 말씀을 드리고 있소. 

확률이 크든 작든 밀도가 비어있는 구간에 누군가 들어올 수 있는 가능성을 완전히 배제할 수는 없기 때문이오.

예시) [일반행정 경기 양평 일반] 점수분포

회색으로 표시된 구간이 밀도가 비어있는 구간 (= 점과 점 사이가 넓은 구간) 



2. 미시적 분석 - 필기합격 가능 확률

전반적인 환경에 대한 분석을 확인하면, 그 다음으로는 산출된 필기합격 가능 확률값 (이하 필합가능 확률)과 대조하여,

최종적인 판단을 내리오.

필합가능 확률을 구하는 공식은 공개할 수 없으나, 두 가지 버전으로 계산을 하고 있소.

ver1. 10명 이상 뽑는 직렬
ver2. 10명 미만 뽑는 직렬

이 확률값은 보통 50%를 기준으로 상담을 해드리고 있는데, 50%보다 클수록 합격할 가능성이 안정적인 편이며, 

그 미만의 확률구간(49%~0%)에서는 합격할 확률이 낮아지는 경향을 보였소.

물론, 50% 미만이라고 해서 무조건 떨어지는 것은 아니오. 42~49% 구간에서 합격선이 나온 직렬도 있었고,

특이한 경우, 39% 구간에서도 필기 합격선이 나오기도 했소.

대체로 50% 이상이면 안정적인 편이라고 해석하는 것이지,

그 50%에 미치지 못했다고 해서 무조건 불합격이 확정은 아니라는 뜻이오.


그래서, 필합가능 확률값이 단편적으로 해석되지 않도록, 앞뒤 구간 확률의 편차도 고려한다오.

동점자가 많을 경우, 필합가능 확률의 편차가 커져서 50%  미만 확률구간에서 필합선이 나오기 어렵고,

반대로, 동점자가 적을 경우, 편차가 작아져 50% 미만 구간에서도 합격선이 나올 가능성이 있다고 해석하고 있소.


3. 기술적 보완에 대한 고뇌

위에 말씀드린 것 외에도 합격컷이 업데이트 되면 예측컷까지 참고해서 신중의 신중을 기하고 있소.

소인의 댓글 한 줄에 걸린 불안과 희망의 무게를 알기 때문에 

최적화된 예측을 하기 위해 단편적인 해석은 피하고, 보정할 것이 없는지 늘 살피고 있소.

그러다 보니, 많은 분들에게 답변을 드리자 못하여 송구스럽구려. ㅠ_^

이런 이유로, 더 정확한 보정지표를 더 빠르게 만들고자 올해부터는 머신러닝 방식으로 3년치 데이터를 학습시킨

예측 알고리즘도 추가해 보았소.


** 이번 지방직부터 추가한 컷 예측 알고리즘과 예측 결과 예시자료





기술적으로 더 빠르고 믿을 수 있는 예측을 할 수 있는 컷예남으로 거듭나도록 정진하겠소~!

수험생 여러분들의 건투를 비오~!!