La comprensión de lectura automática es un mecanismo de respuesta a preguntas en el que una máquina lee, comprende y responde preguntas a partir de un texto dado. Estas habilidades de razonamiento pueden ser suficientemente incorporadas en el Examen de Habilidades Académicas de la Universidad Coreana (CSAT) para generar nuevos avances científicos y educativos. En este artículo, proponemos un modelo novedoso de Preguntas y Respuestas del CSAT coreano (KCQA) y utilizamos de manera efectiva cuatro estrategias de aumento de datos fáciles con traducción de ida y vuelta para aumentar los datos insuficientes en el conjunto de datos de entrenamiento. Para evaluar la efectividad de KCQA, 30 estudiantes realizaron la prueba bajo condiciones idénticas al modelo propuesto. Nuestro análisis cualitativo y cuantitativo junto con los resultados experimentales revelaron que KCQA logró un mejor rendimiento que los humanos con un puntaje F1 más alto de 3.86.