취학 전 교육의 사립기관 비중은 성별로 얼마나 달랐을까? (2024년)

2024년 UNESCO Institute for Statistics(UIS)의 ETOIP.02.PR.GPIA는 취학 전 교육에서 사립기관에 등록한 비중이 여성과 남성 사이에서 얼마나 비슷한지를 보여주는 조정 성별격차지수(GPIA)다. 이번 비교에는 국가·지역 수준의 공식 관측값 80개가 있다. GPIA는 1을 성별 균형 기준으로 읽는다. 값이 1보다 낮으면 여성의 해당 비율이 남성보다 낮고, 1보다 높으면 여성의 해당 비율이 남성보다 높다. UIS는 일반적으로 0.97~1.03을 성별 균형에 가까운 범위로 해석한다.

80개 관측값의 중앙값은 0.95852, 평균은 0.94734다. 중앙값이 1보다 조금 낮다는 것은 관측값의 중심이 여성의 사립 취학 전 교육 비중이 남성보다 다소 낮은 쪽에 있다는 뜻이다. 그러나 평균은 0.94734로 더 낮다. 이는 South Sudan의 0.05068처럼 1에서 매우 멀리 떨어진 낮은 값이 전체 평균을 크게 끌어내리기 때문이다. 따라서 이 지표는 평균 하나보다 중앙값, 균형 범위에 들어가는 국가 수, 극단값을 함께 보는 편이 정확하다.

GPIA는 사립기관 비중 자체가 아니라 여성과 남성의 관계를 보여준다

이 지표를 해석할 때 가장 중요한 점은 GPIA를 사립기관 재학생 비중 자체와 혼동하지 않는 것이다. 예를 들어 GPIA 0.90은 사립기관 비중이 90%라는 뜻이 아니다. 여성의 사립기관 등록 비중과 남성의 사립기관 등록 비중을 비교한 결과가 1보다 아래에 있다는 뜻이다. 반대로 1.10도 사립기관 등록률 110%를 뜻하지 않는다. 여성 쪽의 비율이 남성보다 더 높은 방향의 성별 차이를 나타낸다.

UIS의 조정 방식은 여성/남성 비율이 1을 넘을 때 값을 대칭적으로 변환해 지수 범위를 0~2로 제한한다. 이렇게 하면 1에서 같은 거리만큼 떨어진 값이 성별 차이의 크기 면에서 비교하기 쉬워진다. 따라서 0.90과 1.10은 방향은 반대지만 1에서 0.10만큼 떨어져 있다는 점에서 비슷한 크기의 차이를 나타낸다. 다만 이 지표의 바탕이 되는 변수는 “사립기관에 등록한 비중”이므로 어느 방향이 더 바람직하다고 단정할 수는 없다.

이번 자료에서 0.97~1.03 범위에 들어가는 관측치는 24개로 전체의 30.0%다. 0.97보다 낮은 값은 49개, 1.03보다 높은 값은 7개다. 숫자만 보면 낮은 방향의 차이가 더 자주 나타난다. 이는 관측된 국가·지역 가운데 여성의 사립 취학 전 교육 비중이 남성보다 낮은 경우가 더 많았다는 뜻이지, 취학 전 교육 참여 자체에서 여성이 불리하다는 뜻은 아니다. 비교 대상이 전체 취학률이 아니라 사립기관 비중이라는 점을 유지해야 한다.

대부분은 1 부근에 모였지만 일부 값은 크게 벗어났다

1사분위수는 0.93418, 3사분위수는 0.99058다. 즉 가운데 절반의 관측치는 약 0.934~0.991 사이에 들어간다. 중앙 50%만 보면 값들이 비교적 좁은 범위에 모여 있다. 또한 0.95~1.05 범위에는 42개가 포함된다. 전체 80개 중 절반 이상이 1에서 0.05 이내에 있다는 뜻이다. 극단값 때문에 전체 범위는 0.05068~1.38304로 매우 넓지만, 전형적인 국가의 값은 그보다 훨씬 좁은 구간에 있다.

1에서의 절대거리 중앙값은 약 0.04737다. 다시 말해 관측값의 절반은 1에서 약 0.0474 이내에 있다. 이런 자료에서는 최솟값과 최댓값만 보면 성별 격차가 전반적으로 매우 큰 것처럼 느낄 수 있지만, 중앙값과 사분위수를 같이 보면 많은 국가에서는 차이가 상대적으로 작다는 사실이 드러난다. 반대로 평균만 보면 낮은 극단값의 영향으로 전체가 1에서 더 멀리 떨어진 것처럼 보일 수 있다.

분포의 비대칭성은 지표를 한 줄 순위로만 보여줄 때 특히 문제가 된다. 0.96과 0.95는 순위상 차이가 있지만 실제로는 둘 다 1에 비교적 가깝다. 0.50과 0.95는 같은 “1 미만”이라도 성별 차이의 크기가 매우 다르다. 그래서 이 글에서는 순위보다 1에서 얼마나 떨어져 있는지, UIS의 균형 범위 안에 들어가는지를 중심으로 읽는다.

1에 가장 가까운 국가들은 성별 비중이 거의 비슷했다

가장 1에 가까운 관측값은 Belize의 1.00080다. 이어 Cameroon 1.00217, Saudi Arabia 0.99668, Costa Rica 0.99477, Azerbaijan 0.99436 등이 뒤를 잇는다. 이 값들은 1에서의 차이가 매우 작아 여성과 남성의 사립 취학 전 교육 비중이 거의 비슷한 사례로 볼 수 있다.

“가장 가깝다”는 표현은 교육성과가 가장 좋다는 의미가 아니다. 여기서 비교하는 것은 성별 구성의 대칭성이다. 사립기관 비중이 여성과 남성에게 비슷하다는 사실은 확인할 수 있지만, 전체 취학 전 교육 참여율이 높은지, 공립기관 접근성이 좋은지, 비용 부담이 적은지 등은 별도의 지표가 필요하다. 성별 균형과 교육 참여 수준은 서로 다른 질문이다.

또한 0.97~1.03이라는 범위는 작은 측정 차이를 허용하기 위한 실용적 해석 기준이다. 이 범위 안의 모든 국가가 제도적으로 완전히 동일한 상황이라는 뜻은 아니다. 실제 학생 수, 보고 방식, 기관 분류, 표본 또는 행정자료의 품질 같은 요소는 국가마다 다를 수 있다. 지수는 비교를 단순화해 주지만 교육체계의 모든 세부조건을 하나의 숫자로 설명하지는 못한다.

낮은 값에서는 여성의 사립기관 비중이 더 낮았다

가장 낮은 관측값은 South Sudan의 0.05068다. 그 다음은 Venezuela (Bolivarian Republic of) 0.38078, Cook Islands 0.73529, Uzbekistan 0.80018, Switzerland 0.84597 순이다. 특히 첫 두 값은 다른 관측치보다 1에서 훨씬 멀리 떨어져 있어 전체 평균에도 큰 영향을 준다.

이들 값이 낮다는 것은 해당 지표의 여성 값이 남성 값보다 낮은 방향이라는 뜻이다. 하지만 “여성의 취학 전 교육 기회가 더 나쁘다”라고 바로 바꾸어 말하면 지표의 범위를 넘어선다. 기본 지표는 전체 취학 전 교육 참여율이 아니라 사립기관에 등록한 비중이다. 예를 들어 공립 취학 전 교육이 널리 제공되는 나라에서는 사립기관 비중의 성별 차이가 전체 접근성의 성별 차이와 전혀 다르게 움직일 수 있다.

낮은 값의 원인을 설명하려면 여성·남성별 사립기관 비중 원자료, 공립기관 비중, 전체 취학 전 교육 참여율, 학생 수, 지역별 기관 구조를 함께 봐야 한다. 현재 지수만으로는 가구 선택, 비용, 정책, 학교 공급, 도시화 같은 요인 중 무엇이 차이를 만들었는지 알 수 없다. 관측값은 차이의 존재와 방향을 보여주지만 원인을 증명하지 않는다.

1보다 높은 값에서는 여성 비중이 더 높았다

높은 쪽에서는 Armenia가 1.38304로 가장 크다. 이어 Seychelles 1.10398, Barbados 1.07817, Senegal 1.07745, Bahamas 1.07250 등이 나타난다. 이들은 여성의 사립 취학 전 교육 비중이 남성보다 높은 방향의 관측값이다.

GPIA가 1을 넘는다고 해서 여성이 교육에서 더 유리하다고 일반화할 수는 없다. 사립기관 비중이 더 높다는 사실과 교육기회의 질, 비용, 접근성은 다른 개념이다. 사립기관 비중이 높은 것이 정책적으로 좋은지 나쁜지도 지수만으로 판단할 수 없다. 이 지표는 “누가 사립기관에 더 많이 등록되어 있는가”의 상대적 구성을 보여주는 데 가장 적합하다.

조정 GPIA의 장점은 1 아래와 위의 차이를 대칭적으로 다루는 데 있다. 예를 들어 0.90과 1.10을 1에서 같은 거리로 볼 수 있어 성별 차이의 크기를 방향과 분리해서 생각하기 쉽다. 따라서 국가 비교에서는 “낮다/높다”라는 서열보다 “1에서 얼마나 떨어졌는가”와 “어느 방향으로 떨어졌는가”를 함께 보는 것이 더 유용하다.

정렬된 분포는 극단값과 중심부를 동시에 보여준다

정렬 그래프를 보면 가장 낮은 몇 개의 관측값 이후에는 값이 빠르게 0.8 이상으로 올라가고, 중간 부분에서는 완만하게 1에 접근한다. 1을 넘는 관측치도 있지만 대부분은 1.1 이하에 있다. 마지막 Armenia 값은 다른 상단 관측치보다 더 크게 올라간다. 이런 형태는 극단값이 존재하지만 동시에 많은 국가가 중심부에 밀집해 있다는 사실을 한눈에 보여준다.

중앙값이 0.95852라는 이유만으로 “대부분 여성 비중이 크게 낮다”고 말하는 것도 과장이다. 0.97 아래가 49개로 수적으로 많지만 그중 상당수는 0.95~0.97처럼 1에 비교적 가깝다. 반면 0.05나 0.38 같은 값은 수는 적어도 차이의 크기가 매우 크다. 국가 수와 격차 크기는 별개의 정보이므로 둘을 나누어 읽어야 한다.

국가가 표에 없다고 해서 0으로 볼 수 없다

UIS 카탈로그에는 이번 80개 관측치에 포함되지 않은 국가와 지역도 있다. 이런 미보고 단위를 0으로 채우면 성별 격차가 매우 큰 것처럼 보이는 가짜 관측값이 생긴다. 이번 데이터에는 공식 0값도 결측값도 없으며, 모든 통계는 실제로 2024년 값이 보고된 80개 국가·지역만을 사용한다. 국제 비교에서는 “0”과 “값 없음”을 구분하는 것이 기본이다.

관측 범위가 전 세계 모든 국가를 완전히 포함하지 않는다는 점도 순위 해석에 영향을 준다. “세계에서 가장 낮다”라고 표현하기보다 “이번 2024년 80개 보고 관측치 가운데 가장 낮다”고 말하는 편이 정확하다. 누락된 국가가 실제로 어떤 값을 갖는지는 이 자료만으로 알 수 없다.

한 해의 GPIA로는 변화 추세를 판단할 수 없다

이번 비교는 2024년 한 시점의 횡단면이다. 어느 나라에서 성별 격차가 개선되고 있는지, 악화되고 있는지를 말하려면 같은 ETOIP.02.PR.GPIA의 여러 연도 값을 비교해야 한다. 특히 GPIA는 여성과 남성의 기본 지표 값이 함께 변하면 결과가 달라질 수 있으므로, 장기 변화를 분석할 때는 GPIA뿐 아니라 여성·남성별 원지표도 함께 보는 것이 좋다.

예를 들어 GPIA가 1에 가까워졌다고 해서 반드시 여성의 사립기관 비중이 증가한 것은 아니다. 남성 비중이 감소했거나 두 값이 동시에 다른 방향으로 움직였을 수도 있다. UIS도 성별격차지수가 어느 집단의 성과 변화 때문에 달라졌는지를 지수 하나만으로는 알 수 없다고 설명한다. 따라서 추세 분석에서는 성별별 원값과 지수 변화를 나란히 확인해야 한다.

자료 출처와 해석 기준

수치는 UNESCO Institute for Statistics의 2024년 ETOIP.02.PR.GPIA 관측값을 사용했다. UIS의 성별격차지수 정의에 따르면 조정 성별격차지수는 여성과 남성의 지표값 관계를 1을 중심으로 대칭화하며 0~2 범위에서 해석할 수 있다. 1은 성별 균형을 뜻하고, 일반적으로 0.97~1.03은 균형에 가까운 범위로 사용된다. 원자료는 UNESCO UIS Data API에서 제공된다.

정리하면 2024년 80개 관측치의 핵심은 두 가지다. 첫째, 많은 국가·지역이 1 부근에 모여 있어 사립 취학 전 교육 비중의 성별 차이가 비교적 작은 경우가 많다. 둘째, 소수의 매우 낮거나 높은 값은 전체 평균과 범위를 크게 넓힌다. 따라서 이 자료는 평균보다 1과의 거리, 균형 범위 안에 들어가는지 여부, 극단값의 방향을 함께 보는 방식이 가장 자연스럽다.

자주 묻는 질문

관련 글

• 취학 전 교육 공립기관 비중의 성별 차이는 얼마나 클까? (2024년)
• 사립 중등교육 재학생 비중의 성별 차이는 얼마나 클까? (2024년)
• 고등교육 재학생 중 사립기관 비중은 얼마나 될까?
• 취학 전 교육 등록 아동 수는 국가별로 얼마나 달랐을까? (2024년)
• 여아의 취학 전 교육 총등록률은 얼마나 달랐을까? (2020년)