[특집] 교직 경력에 따른 차이 — 데이터가 흔드는 통념

"젊은 교사는 AI에 강하고, 경력 교사는 배우려 하지 않는다" — 데이터는 이 통념의 절반을 뒤집는다.
OECD TALIS 2024(55개 교육시스템, 교사·교장 약 28만 명, 2025-10 발표)와 최신 실증 연구를 따라 경력 단계별로 교사가 실제로 어떻게 다른지 — AI 활용, 연수 수요, 입직기의 현실, 경력이 쌓이면 달라지는 것 — 를 수치로 확인하고, 경력 단계를 제도로 설계한 각국의 좋은 사례를 모았다.

📌 읽기 전에. 모든 수치는 발행 주체의 원문·공식 통계표(OECD TALIS 2024 데이터베이스 등)에서 확인한 것이다. TALIS의 경력 구분은 신규(novice)=경력 5년 이하, 경력(experienced)=10년 초과, 연령 통계는 30세 미만/30~49세/50세 이상 구분을 쓴다. AI '사용률'의 연령별 분해는 TALIS 공표 표에 없으므로, 사용률의 경력 차이는 별도 조사(미국 Gallup)로만 서술했다.

① AI 활용의 경력 격차 — 있다, 그러나 생각보다 복잡하다

지난 1년간 수업에 AI를 활용한 교사는 OECD 평균 36.3%(TALIS 참여 49개 시스템 평균 41.3%), 한국은 42.7%다(한국 초등은 49.0%로 중등보다 6.3%p 높다). 국가 편차는 크다 — 싱가포르·UAE는 약 75%, 프랑스·일본은 20% 미만. 사용 교사의 용도는 주제 학습·요약 68%, 수업계획 생성 64%가 압도적이고 채점(26%)·참여 데이터 검토(25%)는 아직 소수다.

그럼 경력에 따라 얼마나 다를까.

조사	결과	해석
미국 Gallup·Walton 조사 2025-06, 공립 K-12 교사 2,232명	AI 도구 사용: 경력 5년 이하 69% · 6~10년 67% · 11~20년 57% · 20년 초과 55% — 격차 14%p. 주 1회 이상 사용자는 주당 5.9시간 절약(연 6주 상당)	사용률은 저경력이 앞선다
에스토니아 전국 조사 Granström & Oppi 2025, 133개교 교사 3,848명	교직 경력은 AI 사용과 통계적으로 무관(p=0.486), 연령은 오히려 약한 정적 연관(OR 1.031 — 나이 많을수록 약간 높음). 최강 예측 변인은 준비도(readiness)와 유용성 인식	격차를 만드는 건 나이가 아니라 역량·환경이다
한국(TALIS 2024) Table 4.22 실측	AI 연수 참여 61.9% — 저경력 60.4% vs 고경력 62.6%로 경력 격차가 사실상 없음	"젊은 교사만 AI를 배운다"는 한국 데이터와 불일치

비사용자가 말하는 장벽도 경력 서사와 연결된다 — "지식·기술 부족" 75%, "기술 전환에 압도감" 33%. 반면 사용자들도 경계를 놓지 않는다: "학생이 타인(AI) 작업을 자기 것처럼 제출할 수 있다" 72%, "부적절·부정확한 권고를 할 수 있다" 66%.

💡 요지. 사용률의 경력 차이는 존재하지만(미국 14%p), 이를 결정하는 것은 인구학이 아니라 준비도·기회라는 것이 대규모 조사의 일치된 결론이다 — 그리고 준비도는 만들 수 있다. 한국 교사의 인식은 이미 앞서 있다: "AI가 수업계획 수립·개선에 도움" 동의가 한국 78.4%로 OECD(53.0%)보다 25%p 높다.

출처: OECD TALIS 2024(Table 1.59·1.60·1.62·1.63) · Gallup·Walton (2025) · Granström & Oppi (2025) · KEDI 보도자료

② 배우려는 쪽은 오히려 고경력이다 — 필요와 참여의 미스매치

TALIS 2024에서 AI 연수는 조사된 모든 연수 영역 가운데 '높은 필요' 1위(OECD 평균 28.5%)였다. 그런데 경력별로 뜯어 보면 통념과 반대의 그림이 나온다.

구분 (OECD 평균)	저경력(5년 이하)	고경력(10년 초과)
AI 연수 참여(최근 12개월)	40.1%	36.6%
AI 연수 '높은 필요'	23.6%	30.1%

배우고 싶다는 수요는 고경력이 더 크고(+6.5%p), 실제 참여는 더 낮다(−3.5%p). 보고서는 "연수 미참여+높은 필요"의 미스매치(OECD 약 20%)가 고경력 교사에서 더 흔하다고 지적한다 — 문제는 의지가 아니라 접근성과 기회 구조다. 한편 연수가 "수업에 긍정적 영향을 줬다"는 체감은 젊은·신규 교사에서 더 높다(최대 격차 18%p) — 입직기 연수의 투자수익이 가장 크다는 뜻이기도 하다.

⚠️ 한국의 갈증. 한국의 AI 연수 참여율은 61.9%로 세계 최상위권(60% 초과는 카자흐스탄·한국·싱가포르·UAE 4곳)이고 경력 격차도 없다(높은 필요 33.2%도 저 33.8/고 32.5로 균등). 그런데 연수에 참여하고도 '높은 필요'를 호소하는 교사가 22.6% — OECD 평균(9.9%)의 두 배가 넘는다. 연수의 양은 많은데 갈증이 남는 구조, 다음 과제는 횟수가 아니라 깊이다.

출처: OECD TALIS 2024 Chapter 4 통계표 (Table 4.22·4.24·4.27·4.30, Figure 4.7)

③ 입직기의 현실 — 가장 어려운 교실에, 가장 적은 지원으로

이탈 의향: 30세 미만 교사 10명 중 2명(20%)이 5년 내 교직을 떠날 의향 — 30~49세보다 5%p 높고 2018년보다 3%p 늘었다(전체 평균 17%). 라트비아 53%·리투아니아 50%·에스토니아 49%까지 치솟는 시스템도 있다. 이탈 위험은 30세 미만과 (비은퇴) 50세 이상에서 높은 U자형이다.
고용 불안: 30세 미만·경력 5년 이하 교사는 기간제·시간제 계약 비율이 유의하게 높다.
배치의 역설: 연공 우선 배치 관행 속에 가장 경험이 적은 교사가 가장 어려운 교실에 배치되는 경향 — 학습에 어려움을 겪는 학생이 많은 학급을 맡은 비율이 경력 교사가 신규보다 높은 시스템은 55개 중 하나도 없다(네덜란드는 젊은 교사의 73%가 도전적 학급 담당). 라트비아·코스타리카처럼 전일제 신규 교사의 수업을 주당 4.2시간 줄여 주는 나라도 있다.
연수 수요: 신규 교사의 30%가 학급경영(생활지도) 연수 필요를 호소 — 2018년 대비 +6%p. 피드백으로 행동지도가 개선됐다는 응답도 신규 76% vs 경력 63%로, 입직기가 지도·피드백에 가장 민감하게 반응하는 시기다.
멘토링의 힘과 공백: OECD 평균 신규 교사의 26.4%만 멘토가 배정돼 있다(10년 초과는 4.7%). 멘토가 있는 신규 교사는 약 1/3의 시스템에서 수업 목표 달성·직무만족이 유의하게 높았고, 15개 실증연구를 종합한 고전적 리뷰(Ingersoll & Strong 2011)도 인덕션·멘토링이 잔류·수업 실천·학생 성취 세 측면 모두에 긍정적임을 확인했다.

⚠️ 한국의 역설 — 제도는 있는데 배정이 없다. 한국 학교의 87.1%가 멘토링 프로그램을 운영한다(OECD 79.1%). 그런데 정작 멘토가 배정된 신규 교사는 12.5% — OECD 평균의 절반 이하다. 신규 교사의 85% 이상이 "교직이 1지망"이었던 나라에서, 입직 첫 관문의 동행자가 여덟 명 중 한 명에게만 있는 셈이다.

출처: OECD TALIS 2024 (Table 4.10·7.1·7.2, 3·7장 Highlights, Insights p.29~30) · Ingersoll & Strong (2011)

④ 경력이 쌓이면 실제로 달라지는 것

💪 자기효능감

반직관 — 고연령이 더 높다

수치: 효능감 상위 사분위에 50세 이상이 30세 미만보다 +9%p, 경력 교사가 신규보다 +8%p 더 많이 분포. 역전된 나라는 55개 중 5곳뿐

🎯 수업 목표 달성

경력의 축적 자산

수치: 경력 교사가 조사 7개 영역 전체에서 신규보다 +6%p 높게 "수업 목표를 달성했다"고 응답. 한국은 신규 39% vs 경력 47~48%로 약 9%p 격차

😮‍💨 스트레스

경험은 완충재다

수치: "스트레스를 많이 받는다"가 50세 이상에서 −6%p(경험의 대처력+생존 편향). 여성·젊은 교사가 더 높다. 한국은 연령·성별 차이가 없는 10개 시스템 중 하나(한국 "아주 많이" 15.9% < OECD 19.3%)

😊 직무만족

그래도 교직

수치: 고연령 교사의 직무만족이 더 높다. 전체적으로 10명 중 9명이 직무에 만족, 약 3/4은 "다시 태어나도 교사". 한국은 "교직의 장점이 단점보다 크다" 76.9%(OECD 73.9%)

경력의 효과는 무한히 오르는 직선이 아니다 — 학생 성취에 대한 경력 효과는 초·중기에 상승한 뒤 완만해지는 비선형이라는 것이 보고서가 인용한 연구(Toropova 외, 2019)의 결론이다. 다만 효능감·대처·판단이라는 축적 자산은 데이터가 일관되게 고경력의 우위를 보여 준다. 한국의 최약 영역은 경력이 아니라 다른 곳에 있다 — "관심 없는 학생에게 동기를 부여할 수 있다"는 효능감이 59.5%로 OECD(83.5%)보다 24%p 낮다.

출처: OECD TALIS 2024 (Table 1.22·2.13·2.14·2.15, Figure 2.7) · KEDI 보도자료 · 한국 국가노트

⑤ AI는 경력 격차를 좁히는 방향으로 작동할 수 있다

OECD Digital Education Outlook 2026이 소개한 무작위 통제 실험(Tutor CoPilot — 튜터 900명·고교생 1,800명)에서, 실시간 AI 조언 도구는 학생 숙달도를 평균 +4%p 높였는데 초보·저평가 튜터에게서는 +9%p — 초보와 숙련의 격차를 사실상 해소했다. 기제가 흥미롭다: AI가 초보자에게 '정답 알려주기' 대신 '유도 질문'이라는 전문가의 전략을 실시간으로 제안했기 때문이다. LLM이 전문가보다 초보자를 더 효과적으로 돕는 이른바 'GPS 효과'(Chiang 외, 2024)도 같은 방향을 가리킨다 — 내비게이션이 초행길 운전자에게 더 유용한 것과 같은 이치다.

💡 상호 보완의 서사. 데이터를 종합하면 역할 분담이 보인다 — 저경력 교사에게 AI는 경험 부족을 메우는 스캐폴딩이고, 고경력 교사의 판단·안목은 AI가 대체하지 못하는 축적 자산이다(수업 목표 달성 +6%p, 효능감 +9%p). 세대 간 경쟁이 아니라, AI를 매개로 한 협력의 구도가 데이터에 이미 들어 있다.

출처: OECD Digital Education Outlook 2026 (Wang et al. 2025 · Chiang et al. 2024 인용)

⑥ 한국 데이터 3종 세트 — 젊은 교원 구조, 최상위 연수, 멘토링 공백

지표	한국	OECD 평균
중학교 교사 평균 연령	41.7세 (30세 미만 14.2% · 50세 이상 24.1%)	44.9세 (30세 미만 10.2% · 50세 이상 36.6%)
AI 연수 참여	61.9% (세계 최상위권, 경력 격차 없음)	37.7%
신규 교사 멘토 배정	12.5% (프로그램 보유 학교는 87.1%)	26.4% (79.1%)
"교직이 1지망" (신규 교사)	85% 이상 (최상위 그룹)	—
"교직이 사회적으로 존중받는다"	35% (단 2018년 대비 −32%p 급락)	22%

OECD 다수 국가가 교원 고령화를 겪는 사이(50세 이상 비중이 2018→2024 줄어든 시스템은 오스트리아·한국·슬로베니아 3곳뿐), 한국은 상대적으로 젊은 교원 구조를 유지하고 있다. 기술 연수는 세계 최상위이고 경력 격차도 없다 — 그러나 입직기 멘토링 배정은 OECD 절반 이하다. 한국 교직의 경력 지원 지도는 "기술 연수는 평등, 입직 동행은 공백"으로 요약된다.

출처: OECD TALIS 2024 (Table 1.3·4.10, 본문 p.36) · 한국 국가노트 · KEDI 보도자료(2025-10)

⑦ 좋은 사례 — 경력 단계를 '제도'로 설계한 시스템들

경력 단계별 지원은 구호가 아니라 설계의 문제다. TALIS 2024와 각국 정부의 공식 자료에서 확인되는 사례들을 입직기 → 전 경력 → 고경력 → AI 준비의 순서로 모았다.

🇨🇳 상하이 — 멘토링을 문화로

인덕션 참여 98% · 신규 멘토 배정 79%

구조: 신규 교사의 79%가 멘토 배정(OECD 26%), 100%가 멘토링 보유 학교 근무. 2018년 대비 배정률 +12%p로 더 올랐다
일상화 장치: 교과별 교연조(教研组)가 정기적으로 공동 수업 준비·수업 공개·협의를 조직 — 멘토와 신규가 서로의 수업을 참관하고 수업안을 함께 쓴다(학술 문헌 기준). 멘토링이 행사가 아니라 주간 일과다

🇬🇧 영국 — 법으로 보장한 2년

Early Career Framework (2021~)

구조: 신규 교사(ECT) 인덕션을 법정 2년으로 확대 — 1년차 수업 10%·2년차 5% 감면, 전담 멘토 배정, 2년차 멘토 지원 시간 연 20시간을 국가 보조금으로 지원
평가: NFER 평가: 교직 잔류율의 유의한 개선은 아직 확인되지 않았지만, 첫 학교 잔류·수업 실천·자기효능감·직무만족 개선이 보고됐다 — 제도는 만능이 아니라 출발점이라는 교훈까지 포함

🇸🇬 싱가포르 — 전 경력의 멘토링

3트랙 경력 체계 + SIMA

구조: 모든 초임 교사가 첫 2년간 수업 멘토와 페어링(TALIS 2024 Box 4.1). 경력 경로는 Teaching·Leadership·Senior Specialist 3트랙 — 교실에 남아도 Master Teacher까지 성장하며, 트랙 간 이동도 가능
확장: 멘토링(SIMA)은 신규 지원으로 출발했지만 지금은 전 경력 교사의 전문학습 옵션 — 경력 교사도 심화를 위해 멘토와 파트너가 된다

🇯🇵 일본 — 법정 1년 + 수업연구

초임자연수(1988 법제화)

구조: 신규 교사 1년 연수가 법정 의무 — 교내연수 주 10시간·연 300시간, 교외연수 연 25일이 국가 기준(지역별 탄력 운영)
일상화 장치: 130년 전통의 수업연구(Lesson Study): 공동 설계한 연구수업을 동료들이 참관하고 학생의 배움을 근거로 협의 — 초임이 베테랑의 실천을 상시로 보고 배우는 구조. 2024년엔 연수 이수·성찰을 통합한 국가 교직원 개발 플랫폼도 출범

🇦🇺 호주 — 교실에 남는 성장

HALT 인증 (2012~)

구조: 국가 교원전문성기준의 상위 2단계(Highly Accomplished·Lead)에 대한 자발적 국가 인증 — 모토가 "교실을 떠나지 않고 경력을 성장"이다. 인증 교사는 동료의 전문학습을 이끈다
규모: 2024년 말 기준 인증자 1,684명, 한 해 약 20% 증가 — 고경력의 다음 계단을 관리직 밖에 만든 사례

🇪🇪 에스토니아 — AI 준비는 교사부터

AI Leap (2025~)

구조: 고교생 2만 명·교사 3,000명에게 AI 도구(ChatGPT Edu — OpenAI와 공식 협력)와 활용 교육 제공, 2027년까지 학생 5만 8천·교사 5,000명으로 확대
원칙: 학생 개방에 앞서 교사 연수를 먼저 실시 — "교사 연수에 강하게 투자"(교육연구부 장관). 신규 이탈 의향 49%라는 위기 데이터 위에서 전 경력 교사의 준비도에 투자하는 그림

TALIS 2024 본문의 사례 박스에는 더 있다 — 체코는 2019년 2년제 인덕션을 도입하고 2023년 멘토 직위까지 법제화했고, 튀르키예는 2016년 첫 6개월 멘토 배정형 인덕션을 3만 명 규모로 시행했으며, 네덜란드는 양성기관-학교 협력으로 교원양성 커리큘럼의 최대 40%를 학교 현장에서 진행한다(이상 TALIS 2024가 소개한 사례).

💡 한국에도 좌표는 있다. 수석교사제(2011년 법제화)는 관리직으로 가지 않고 교실에 남아 수업을 연구하며 후배 교사의 수업을 지도하는 경로다 — 수업시수 1/2 경감·연구활동비의 법적 근거까지 갖춘, 호주 HALT·싱가포르 Teaching Track의 한국형이다. 연수 플랫폼 지식샘터는 TALIS 2024 본문이 '필요 맞춤형 연수'의 모범례로 직접 소개했다(역량 자기진단→맞춤 추천, beginner-doer-mentor-expert 4단계 배지 도입 예정). 퍼즐 조각은 있다 — 신규 멘토 배정 12.5%라는 공백에 이 조각들을 맞추는 일이 남았다.

출처: TALIS 상하이 국가노트 · 영국 DfE(gov.uk) · NFER 평가 · 싱가포르 MOE · 일본 MEXT · 호주 AITSL · 에스토니아 교육연구부 · OpenAI 공식 · 수석교사제 법제화(정책브리핑)

⑧ 경력 단계별로 다르게 — Huberman의 생애주기와 지원의 문법

교사 생애주기 연구의 고전(Huberman, 1989)은 교직을 생존과 발견의 입직기 → 안정화 → 실험·다변화 또는 재평가 → 평정 → 이탈 준비의 단계로 그렸다. 단계마다 필요가 다르므로 일률적 지원은 비효율이다 — TALIS 2024의 데이터와 위의 사례들은 이 오래된 프레임에 구체적인 좌표를 채워 넣는다.

입직기(신규) — 멘토 배정(상하이 79%·영국 법정 2년), 학급경영 연수(신규의 30%가 필요), 어려운 학급 배치 완화(신규 수업 감면: 영국 10%, 라트비아 −4.2시간) + AI 스캐폴딩의 최대 수혜 구간(Tutor CoPilot +9%p)

중견 — 실험과 다변화의 시기: 수업 혁신·동료 협력의 축(일본 수업연구·상하이 교연조), 트랙 선택(싱가포르 3트랙)

고경력 — AI 연수의 '필요-참여 미스매치' 해소: 의지는 이미 데이터로 증명됐다(높은 필요 30.1%). 필요한 것은 접근 가능한 기회(에스토니아 교사 우선 연수)와, 축적된 판단력을 전수할 다음 계단(호주 HALT·한국 수석교사제·싱가포르 재충전 휴직 — 최대 12개월 반액 또는 10주 전액, 이용 360명+)

출처: Huberman (1989), Teachers College Record · 싱가포르 MOE 국회답변(2026-02)

맺으며 — 격차의 이름을 바꾸자

데이터가 보여 주는 것은 "젊은 교사 대 나이 든 교사"의 구도가 아니다. 배우려는 수요는 고경력이 더 크고, 축적된 안목은 저경력이 갖지 못했으며, AI는 그 사이를 잇는 다리가 될 수 있다. 그리고 앞선 시스템들은 이 데이터를 이미 제도로 번역했다 — 상하이는 멘토링을 일과로, 영국은 법으로, 싱가포르는 전 경력의 권리로, 호주는 교실에 남는 계단으로.

그렇다면 경력에 따른 차이의 이름은 '격차'가 아니라 '분업'이어야 한다 — 신규에게는 동행(멘토)을, 고경력에게는 접근 가능한 배움의 기회를, 그리고 모든 단계에 각자의 강점을 교환할 통로를. 그것이 28만 명의 응답이 가리키는 방향이다.

🔗 함께 보기 — AI·디지털 윤리 — 교실을 위한 규범 지도, AI Edu 리포트(일일 연구 큐레이션)