최근 자연어를 이해하고 답을 추론하는 연구들이 활발하게 진행되고 있다. 대표적으로 기계 독해 연구가 존재하며, 이와 관련된 데이터셋 또한 여러 가지가 공개되어 있다. 그러나 과거에서부터 현재까지 사람의 영어 능력 평가를 위해 널리 사용되고 있는 토익에 대해서는 공식적으로 공개된 데이터셋이 거의 존재하지 않으며, 이에 대한 연구 또한 활발히 진행되고 있지 않다. 본 논문에서는 토익에 대한 딥러닝 연구의 어려움이 데이터 부족 문제 때문이라고 판단하여, 자원이 부족한 환경에서 모델을 개선하기 위해 다양한 데이터 증강 방법들을 제안한다. 제안하는 방법들로는 WordNet을 통해 얻은 유의어 및 반의어 정보를 기반으로 굉장히 간단하면서도 효율적으로 실제 토익 문제와 유사하게 데이터를 증강하는 방법과, 토익의 어휘 문제 유형과 문법 문제 유형의 특징을 고려하여 실제 토익 문제와 유사하게 데이터를 증강하는 방법이 있다. 또한, 제안한 각 방법론에 대한 실험과 데이터 양에 따른 실험을 통해 토익에서 문장 내에서의 단어 간 관계성 파악과 의미적, 문법적 이해의 중요성을 확인하였다. 본 연구를 통해 토익의 데이터 부족 문제를 해결하고, 딥러닝 모델이 사람 수준의 우수한 성능을 얻을 수 있도록 한다.