---
title: "객관식 문항 질을 끌어올리는 매력적인 오답 만들기"
description: "AI로 객관식을 만들 때 정답보다 까다로운 '좋은 오답'을 설계해 변별력을 높이는 방법을 다룹니다."
lang: "ko"
date: "2026-03-16T15:00:00.000Z"
updated: "2026-06-28T02:37:00.000Z"
tags: ["객관식문항","오답설계","문항제작","변별력"]
canonical: "https://flipsson.com/ru/blog/5Fmiz5tyBWsQ"
---

# 객관식 문항 질을 끌어올리는 매력적인 오답 만들기

객관식 문항의 질은 정답이 아니라 오답에서 갈립니다. AI에게 그냥 "사지선다 만들어 줘"라고 요청하면 정답만 그럴듯하고 ==나머지 보기는 누가 봐도 틀린 들러리==로 채워집니다. 이러면 찍어도 맞는 문제가 됩니다.

## 좋은 오답의 조건

변별력 있는 오답은 학생의 흔한 착각을 정확히 겨냥합니다. AI에게 다음을 요구하셔야 합니다.

- **오개념 기반**: "학생들이 자주 하는 실수를 오답으로 만들어 줘"라고 명시합니다.
- **그럴듯함**: 정답과 비슷한 길이·형식을 갖추어, 길이로 정답을 추측하지 못하게 합니다.
- **명확한 오류 한 가지**: 각 오답이 ==왜 틀렸는지 한 문장으로 설명 가능==해야 합니다. 애매하면 복수 정답 시비가 생깁니다.

실제로 중학교 영어에서 한 교사는 시제 문항을 만들 때 "현재완료와 과거시제를 혼동하는 학생이 고를 법한 보기"를 콕 집어 요청해, 단순 암기로는 풀 수 없는 문항을 얻었습니다.

## 출제 후 반드시 거를 것

1. **정답 단서 점검**: 문제 안에 정답을 암시하는 단어가 없는지 봅니다.
2. **상호 배타성 확인**: 두 보기가 동시에 정답이 될 수 있는 ==복수 정답 가능성==을 점검합니다.
3. **All/None 보기 주의**: "모두 정답", "정답 없음"은 AI가 남발하니 꼭 필요한지 따집니다.
4. **오답 해설 작성**: 각 오답에 대한 짧은 해설을 함께 만들어 채점 후 피드백에 활용합니다.

> 좋은 문항은 아는 학생과 모르는 학생을 갈라냅니다. 그 경계선을 만드는 것이 바로 잘 설계된 오답입니다.

## 출제 후 데이터로 문항 다듬기

한 번 출제했다고 끝이 아닙니다. 시험을 치른 뒤 학생 반응 데이터를 보면 문항의 질이 드러납니다.

- **정답률 확인**: 정답률이 95% 이상이면 변별이 되지 않고, 20% 미만이면 너무 어렵거나 오류가 있을 수 있습니다. 적정 구간은 대체로 40~80%입니다.
- **오답 쏠림 분석**: 특정 오답에 학생이 몰렸다면, 그 오개념이 널리 퍼졌다는 신호입니다. 다음 수업에서 짚어 줍니다.
- **상위권 정답률 역전**: 잘하는 학생이 오히려 더 많이 틀린 문항은 ==함정이 과하거나 표현이 모호==하다는 뜻입니다.
- **무응답 비율**: 아무도 답하지 못한 문항은 지시문 자체가 불명확했을 가능성이 높습니다.

실제로 한 교사는 시험 후 정답률을 정리해, 정답률 100%였던 문항은 다음 시험에서 난이도를 올리고, 상위권이 더 틀린 문항은 표현을 다듬어 ==문항 은행의 질==을 해마다 끌어올렸습니다. 좋은 문항은 한 번에 완성되지 않고 데이터로 다듬어집니다.

## 핵심 정리

객관식의 품질은 오개념을 겨냥한 매력적인 오답에서 나옵니다. AI에게 흔한 실수에 기반한 오답을 요구하고, 출제 후 정답 단서·복수 정답·해설을 점검하면 변별력이 크게 올라갑니다. 시험을 치른 뒤에는 정답률과 오답 쏠림 같은 데이터로 문항을 다듬어, 해마다 더 나은 문항 은행을 쌓아 갈 수 있습니다. 한 단원 문항부터 오답 설계에 공을 들여, 찍어서 맞히는 문제를 줄여 보시기를 권합니다. 작은 데이터라도 꾸준히 모으면 출제 감각이 눈에 띄게 정교해집니다.