Teacher Qualification Deficits and Mathematics Achievement in Uzbekistan: Multilevel Evidence from PISA 2022

기술 요약: 우즈베키스탄의 교사 자격 결핍과 수학 성취도

문제 제기
2022년 OECD 국제 학업성취도 평가(PISA)에 처음 참여한 우즈베키스탄은 평균 수학 점수가 364점으로 OECD 평균인 472점에 비해 상당한 격차를 보이며 심각한 성적 저하를 드러냈다. 15세 학생의 약 81%가 최소 숙달 기준을 충족하지 못했다. 최근 인증된 교사에 대한 70%의 급여 보충금과 46조 슘 규모의 교육 예산을 포함한 상당한 정책적 투자가 있었음에도 불구하고, 이러한 결과를 유발하는 구체적인 학교 및 학생 수준의 결정 요인에 관한 실증적 근거는 부족한 실정이다. 기존 문헌은 중앙아시아의 전환기 경제 체제를 대체로 간과해 왔으며, 우즈베키스탄의 계층적 구조를 가진 PISA 데이터를 활용하여 학생의 배경 효과와 제도적 요인을 분리하기 위해 분석적으로 적절한 다층 모델링을 적용한 선행 연구는 전무하다.

연구 방법론
본 연구는 202개 학교에 속한 7,293명의 학생으로 구성된 PISA 2022 우즈베키스탄 데이터셋을 활용한다. 데이터의 군집 특성과 측정 불확실성을 해결하기 위해, 저자들은 다음과 같은 4단계의 경제계량학적 시퀀스를 채택한다:

1. 무조건적 2수준 HLM (Hierarchical Linear Modeling): 분산을 분해하고 집단 내 상관계수(ICC)를 계산하여 다층 모델링의 필요성을 결정하는 데 사용된다.
2. OLS 베이스라인: 학생 수준의 예측 변수를 설정하기 위해 Fay의 균형 반복 재표본 추출(BRR) 분산 추정법을 적용한 단일 수준 회귀 분석을 실시한다.
3. 전체 2수준 HLM: 학생 수준(Level 1) 및 학교 수준(Level 2) 예측 변수를 포함하며 최대 가능도(Maximum Likelihood) 방식으로 추정되는 주요 모델이다.
4. 동시 분위 회귀 (Simultaneous Quantile Regression): 예측 변수의 효과가 성취도 분포에 따라 어떻게 달라지는지 조사하기 위해 5개 분위(10th, 25th, 50th, 75th, 90th)에 걸쳐 적용된다.

데이터 처리 및 추정

• 플러서블 밸류 (Plausible Values): 모든 모델은 10개의 플러서블 밸류(PV1MATH–PV10MATH)에 대해 각각 추정되었으며, 측정 불확실성을 고려하기 위해 다중 대체 데이터에 대한 Rubin(1987)의 규칙을 사용하여 결합되었다.
• 분산 추정: 복잡한 층화 군집 표본 설계(Stratified Cluster Sampling Design)를 반영하기 위해 80개의 재표본 가중치를 사용한 Fay의 BRR 절차를 통해 표준 오차를 도출하였다.
• 변수 조작적 정의:
  • 종속 변수: 수학 성취도.
        * Level 1 예측 변수: 사회경제적 지위(ESCS), 성별, 수학 자기효능감, 학문적 분위, 교사 지원, 소속감.
  • Level 2 예측 변수: 부적격 교원(UNQUALSTAFF, 교장 보고 기반의 불충분한 자격 교사 여부를 나타내는 이진 지표), 교사 부족, 인증 교사 비율, 농촌 지역 여부, 학생-교사 비율.
• 하위 집단 분석: "보상적 자원 가설(Compensatory Resources Hypothesis)"을 검증하기 위해 도시 및 농촌 하위 집단에 대해 별도의 HLM을 추정하였다.

주요 결과

1. 분산 분해: 무조건적 모델의 결과 ICC는 0.181로 나타났으며, 이는 수학 점수 전체 분산의 18.1%가 학교 간 차이에 기인함을 의미한다. 이는 학교 수준의 요인이 불평등의 유의미한 원천임을 확인시켜 주며, 다층 모델링 사용의 정당성을 부여한다.
2. 학생 수준 결정 요인: 전체 HLM에서 수학 자기효능감, 소속감, 성별(남성 우위), 교사 지원, 사회경제적 지위(ESCS)는 모두 유의미한 정(+)의 예측 변수였다. 특히, ESCS 계수는 OLS 베이스라인에서 HLM으로 이동할 때 54% 감소하였는데, 이는 관찰된 사회경제적 경사(Gradient)의 상당 부분이 학교 내 효과보다는 학교 간 배정(Sorting)에 의한 것임을 시사한다.
3. 학교 수준 결정 요인: 모든 학교 수준 변수 중, **부적격 교원(UNQUALSTAFF)**만이 10개의 플러서블 밸류 전체에서 일관되고 유의미한 부(-)의 연관성을 보였다 ($\beta = -10.17, p < 0.05$). 교사 부족, 교사 인증 비율, 학생-교사 비율 등의 변수는 통계적으로 유의하지 않았다.
4. 분포 효과 (분위 회귀):
   • 교사 지원과 소속감은 성취도 분포의 하위 구간(Q10)에서 가장 강력한 정(+)의 효과를 보였으며, 이는 이미 숙달도 임계치 아래에 있는 학생들에게 혜택을 준다.
   • 사회경제적 지위(ESCS)는 상위 구간(Q90)으로 갈수록 점진적으로 더 강한 영향력을 행사했다.
   • 부적격 교원의 부정적 영향은 전체 분포에 걸쳐 일관되게 나타났다.
5. 농촌-도시 격차: 하위 집단 분석 결과 "농촌 증폭(Rural Amplification)" 효과가 드러났다. 부적격 교원으로 인한 페널티는 농촌 학교에서 도시 학교보다 3.4배 더 컸다 ($\beta = -20.37$ vs $\beta = -5.93$). 도시 학교의 경우 해당 계수가 통계적으로 유의하지 않은 경우가 많았으나, 농촌 맥락에서는 매우 견고하게 나타났다.

의의 및 주장
본 논문은 전환기 교육 시스템에 관한 문헌에 세 가지 주요 기여를 한다고 주장한다:

1. 방법론적 최초성: PISA 2022 데이터를 활용하여 우즈베키스탄의 수학 성취도에 대한 최초의 다층 분석을 제공함으로써 중앙아시아 교육 연구의 공백을 메웠다.
2. 제약 요인의 식별: 본 연구는 교사의 '수(Quantity)'나 국내 인증률보다 교사의 '자격 적절성(Adequacy)'이 성취도의 가장 일관된 학교 수준 예측 변수임을 밝혀냈다. 이는 자원의 양이 주요 동력이라는 가설에 도전한다.
3. 지리적 타겟팅 근거: 교사 자격 결핍의 비용이 농촌 지역에서 훨씬 높다는 것을 입증함으로써 "보상적 자원 가설"을 뒷받침한다. 농촌 학생들은 외부 학습 지원(예: 사교육)에 대한 접근성이 부족하여 학교 수업에 전적으로 의존하므로, 농촌에서의 낮은 교사 질은 불균형적으로 가혹한 페널티를 부과한다는 것이다.

한계 및 향후 방향
저자들은 데이터의 횡단적 특성으로 인해 인과적 추론에 한계가 있으며, 결과가 인과적 추정치가 아닌 조건부 연관성을 나타낸다는 점을 인정한다. 또한, 농촌성(Rurality) 측정이 이진 변수로 이루어져 농촌 내부의 이질성을 가릴 수 있으며, 교장 보고 데이터에 의존함에 따라 인식 편향이 발생할 수 있다. 본 논문은 향후 연구가 PISA 2025 사이클을 활용하여 종단적 이중차분 분석을 수행하고, 지역적 변이를 고려한 3수준 모델을 고려해야 한다고 제언한다.

결론
본 연구는 우즈베키스탄이 2030년까지 PISA 상위 30개국 진입 목표를 달 달성하기 위해서는 개혁 노력이 지리적으로 타겟팅되어야 한다고 결론짓는다. 구체적으로, 국제 인증 교사에 대한 70% 급여 보충금(대통령령 제DP-79호)은 교사 자격에 대한 투자 수익이 도시 센터보다 3.4배 높은 농촌 학교에 우선적으로 배정되어야 한다.