중국 대학 신임교수의 임용 전 실적이 직무역량에 미치는 영향 : 회복탄력성 및 AI 역량의 매개효과를 중심으로 = Effects of Newly Appointed University Professors’ Past Performance on Job Competency through: Resilience and AI Competency|RISS 상세보기

다국어 초록 (Multilingual Abstract)

Newly Appointed University Professors at Chinese universities are required to perform a wide range of tasks, including teaching, research, student guidance, and organizational and administrative work. This multifaceted role structure poses substantial challenges for individuals entering the academic profession. In China, newly appointed university professors are typically appointed through selection processes that emphasize pre-appointment research performance; however, following appointment, they are immediately confronted with qualitatively different job demands, such as course design, student supervision, participation in administrative affairs, and performance evaluation tasks.
Such role-transition pressure is further intensified by structural changes in the higher education environment, including the acceleration of digital transformation, the strengthening of performance-based evaluation systems, and the expansion of data-driven administrative practices. Within this context, AI competency has emerged as a core capability influencing multiple aspects of academic work, including instructional design, research productivity, and student support. Moreover, work overload and heightened performance expectations during the early stage of appointment impose considerable psychological and cognitive burdens on newly appointed university professors, making resilience a critical foundation for sustaining job performance and professional development.
Against this backdrop, pre-appointment performance, AI competency, and resilience function as interactive and dynamic factors in understanding the job competency of newly appointed university professors. Systematically examining the relationships among these factors is essential for developing effective faculty capability-building strategies. However, empirical research that simultaneously and systematically analyzes the relationships among pre-appointment performance, AI competency, resilience, and job competency remains limited. Therefore, this study employs Structural Equation Modeling (SEM) to examine how pre-appointment performance influences the job competency of newly appointed university professors, both directly and indirectly, through AI competency and resilience. Based on this framework, the following research questions are proposed. The specific research questions are as follows.

1. What is the effect of pre-appointment performance on the overall job competency of newly appointed university professors at Chinese universities?
2. How does pre-appointment performance affect basic competency, a sub-dimension of job competency, among newly appointed university professors at Chinese universities?
3. Does resilience mediate the relationship between pre-appointment performance and overall job competency of newly appointed university professors at Chinese universities?
4. Does resilience mediate the relationship between pre-appointment performance and basic competency among newly appointed university professors at Chinese universities?
5. Does AI competency mediate the relationship between pre-appointment performance and overall job competency of newly appointed university professors at Chinese universities?
6. Does AI competency mediate the relationship between pre-appointment performance and basic competency among newly appointed university professors at Chinese universities?
7. Do individual and institutional characteristics—such as academic rank, department affiliation, and university type—function as control variables in the relationships among pre-appointment performance, job competency, AI competency, and resilience of newly appointed university professors at Chinese universities?

In this study, the following methods and procedures were implemented to adressing the research questions. First, based on an extensive review of domestic and international literature, the ‘Job Competency Scale’ for newly appointed faculty was developed and validated. The ‘Job Competency Scale’ is composed of ‘basic competencies’, ‘teaching competencies’, and ‘research competencies’, and each subdomain includes two scenarios with three items per scenario, for a total of 36 items. The “Resilience Scale” was adapted and refined from the academic resilience scale for university students developed by Baek et al. (2021), taking into account the real working conditions of newly appointed faculty in China. The “Resilience Scale” comprises consists of five subdomains: Self-efficacy, Situational Judgment, Resource utilization, Vitality, and Future orientation. There are three scenarios per subdomain and three items per scenario, totaling 45 items. The “AI Competency Scale” was developed by reviewing the AI competencies required of Chinese teachers and the AI competency scale for high school students by Baek et al. (2024), and further adapting these to align with the real work responsibilities of newly appointed university faculty. The “AI Competency Scale” is composed of five subdomains: AI literacy, AI teaching competence, AI research competence, AI professional development competence, and AI ethics. Each subdomain includes one scenario and two items, resulting in 30 items. Content validity for all three scales was examined through written evaluations by a panel of 10 experts in educational measurement and evaluation, and face validity was assessed through Focus Group Interviews. Construct validity was verified through confirmatory factor analysis using SEM, and reliability was examined using Cronbach’s alpha. All three scales demonstrated satisfactory levels of validity and reliability.
To ensure validity, face validityof all three scales was examined through a focus group interview with 10 Chinese university professors, and content validitywas verified through written evaluations conducted by an expert panel consisting of 10 specialists in educational measurement and evaluation. A pilot study was then conducted with 112 newly appointed university professors at Chinese universities, and confirmatory factor analysis was used to examine construct validity. Reliability was assessed using Cronbach’s alpha coefficients. The results indicated that all three scales demonstrated satisfactory validity and reliability.
To collect empirical data, the survey was administered to 271 newly appointed university professors working at Chinese universities. To clarify the temporal ordering among variables, pre-appointment performanceand job competencywere measured in August 2025, whereas resilienceand AI competencywere measured in October 2025. This time-lagged design was intended to reduce common method bias and to strengthen the interpretation of directional relationships among variables. Using the collected data, descriptive statistical analysis, correlation analysis, and structural equation modeling were conducted to examine the structural relationships among pre-appointment performance, resilience, AI competency, and job competency of newly appointed university professors.
The major findings of this study are summarized as follows.
First, pre-appointment performance was found to have no direct effect on overall job competency. However, pre-appointment performance showed a positive effect on basic competency, a sub-dimension of job competency. Specifically, the standardized coefficient for the effect of pre-appointment performance on basic competency was 0.122 and statistically significant when control variables (position, department, institutional characteristics) were not included (p< .05). When these control variables were included in the model, the standardized coefficient decreased to 0.109 and was no longer statistically significant.
Second, pre-appointment performance did not have a direct effect on resilience. Resilience, however, was found to have a positive effect on job competency. At the sub-dimension level, resilience exhibited a statistically significant positive effect only on basic competency. The standardized coefficient for the effect of resilience on basic competency was 0.538 without control variables and 0.540 with control variables included; both effects were statistically significant (p< .001).
Third, pre-appointment performance was found to have a negative effect on AI competency. AI competency, in turn, had a positive effect on job competency. More specifically, AI competency showed a statistically significant positive effect only on basic competency, a sub-dimension of job competency. The standardized coefficient for the effect of pre-appointment performance on AI competency was -0.165 without control variables and -0.192 with control variables included; both effects were statistically significant (p< .01). In addition, the standardized coefficient for the effect of AI competency on basic competency was 0.303 when control variables were not included and 0.289when control variables were included; both coefficients were statistically significant (p< .001).
Fourth, the mediating effect of resilience in the relationship between pre-appointment performance and job competency was not statistically significant.
Fifth, AI competency was found to fully mediate the effect of pre-appointment performance on job competency. AI competency also fully mediated the effect of pre-appointment performance on basic competency, a sub-dimension of job competency. Results of the bootstrapping analysis indicated that the direct effect of pre-appointment performance on job competency was not statistically significant in either the model without control variables or the model with control variables included.
Similarly, the direct effect of pre-appointment performance on basic competencywas not statistically significant in either model. In contrast, the standardized coefficient for the indirect effect of pre-appointment performance on basic competency through AI competency was -0.051 in the model without control variables and -0.055 in the model with control variables, and both effects were statistically significant (p< .05).
In summary, this study developed scenario-based measurement instrumentsfor job competency, resilience, and AI competency tailored to newly appointed university professors at Chinese universities, and employed structural equation modeling to systematically examine how pre-appointment performance influences job competency through resilience and AI competency. The findings demonstrate that AI competency fully mediates the relationship between pre-appointment performance and job competency, whereas resilience does not exhibit a significant mediating effect. These results suggest that universities should move beyond an exclusive reliance on research performance-based criteria in faculty recruitment and selection processes. Instead, institutional mechanisms should be established to strengthen competencies that are closely aligned with actual job performance, particularly AI-related competenciesthat support teaching, research, and academic work in digitally transformed higher education environments. This study targeted newly appointed university professors working at universities in Shandong Province and Beijing, China, which limits the generalizability of the findings to other regions. Given that appointment conditions and institutional policies for newly appointed university professors vary across regions and universities, future research should include samples from more diverse geographical areas and institutional contexts to further validate and extend the findings of this study.

번역하기

국문 초록 (Abstract)

중국 대학의 신임교수(青年教师，청년교사)는 교육, 연구, 학생 지원, 조직 운영 등 다양한 업무을 수행해야 하며, 이러한 다면적 역할 구조는 교수직에 새롭게 진입하는 신임교수에게 더욱큰 도전 과제가 된다. 중국 신임교수는 연구 실적 등을 통해서 선발되는 임용 절차를 거치지만, 실제 임용 이후에는 수업 설계, 학생 지도, 행정 참여, 평가 업무 등 새로운 업무 요구에 직면하면서 기존의 역량만으로는 충분히 감당하기 어려운 상황에 놓이게 된다.
이러한 역할 전환에 대한 압력은 최근 고등교육 환경에서 가속화되고 있는 디지털 전환, 성과 중심의 평가 체제 강화, 데이터 기반 행정 확대 등 구조적 변화와 결합되어 더욱 심화되고 있다. 그리고 고등교육의 디지털 전환 흐름 속에서 AI 역량은 교수자의 수업설계, 연구, 학생 지원의 모든 과정에 영향을 미치는 핵심 능력으로 부상하고 있다. 또한 임용 초기의 업무 과부하와 성과 압박은 신임교수에게 심리적·인지적 부담으로 작용하며, 이에 효과적으로 대응하기 위한 회복탄력성은 직무 수행의 지속성과 전문성 발휘의 중요한 기반이 된다.
이와 같은 맥락에서 임용 전 실적, AI 역량, 회복탄력성은 신임교수의 직무역량을 이해하는 데 상호적이면서도 역동적인 요소로 작용하며, 이들 관계를 체계적으로 규명하는 것은 신임교수의 역량을 개발하는 데 중요한 의미를 갖는다. 그럼에도 임용 전 실적, AI 역량, 회복탄력성과 직무역량의 네 변인 간의 관계를 체계적으로 분석한 연구는 미흡한 실정이다. 따라서 이 연구는 구조방정식 모형(Structural Equation Modeling, SEM)을 활용하여 신임교수의 임용 전 실적이 AI 역량 및 회복탄력성을 매개로 직무역량에 어떤 영향을 미치는지를 분석한 것이다. 이에 대한 주요 연구 문제는 다음과 같다.

1. 중국 대학 신임교수의 임용 전 실적이 직무역량에 어떠한 영향을
미치는가?
2. 중국 대학 신임교수의 임용 전 실적이 직무역량의 하위영역인
기본역량에 어떠한 영향을 미치는가?
3. 중국 대학 신임교수의 임용 전 실적이 직무역량에 미치는 영향을
회복탄력성이 매개하는가?
4. 중국 대학 신임교수의 임용 전 실적이 직무역량의 하위영역인
기본역량에 미치는 영향을 회복탄력성이 매개하는가?
5. 중국 대학 신임교수의 임용 전 실적이 직무역량에 미치는 영향을
AI 역량이 매개하는가?
6. 중국 대학 신임교수의 임용 전 실적이 직무역량의 하위영역인
기본역량에 미치는 영향을 AI 역량이 매개하는가?
7. 직위, 담당학과, 학교 특성은 중국 대학 신임교수의 임용 전 실적, 직무역량, AI 역량, 회복탄력성 간 관계를 통제하는가?

주요 연구 방법 및 절차는 다음과 같다. 먼저 국내·외 선행연구를 분석하여 신인교수의 ‘직무역량 척도’를 개발하고 타당화하였다. ‘직무역량 척도’는 ‘기본 역량’, ‘교수 역량’, ‘연구 역량’의 3가지 하위영역으로 구성되었으며, 하위영역별로 2개의 시나리오, 시나리오별 3개 문항씩 총 36개 문항으로 제작되었다. 또한, ‘회복탄력성 척도’는 중국 신임교수의 실제 상황을 반영하여 백순근 외(2021)의 대학생용 학업적 회복탄력성 척도를 수정·보완하고 타당화하였다. ‘회복탄력성 척도’는 ‘자아효능감’, ‘상황판단력’, ‘자원 활용’, ‘활력성’과 ‘미래지향성’의 5가지 하위영역으로 구성되었으며, 하위영역별로 3개의 시나리오, 시나리오별 3개 문항씩 총 45개 문항으로 구성되었다. 그리고 ‘AI 역량 척도’는 중국 교사에게 요구되는 AI 역량과 백순근 외(2024)의 고등학생용 AI 역량 척도를 종합적으로 검토한 뒤, 신임교수의 실제 직무 상황에 적합하도록 수정⦁보완하고 타당화하였다. ‘AI 역량 척도’는 ‘AI 기초 이해’, ‘AI 교수 능력’, ‘AI 연구 능력’, ‘AI 활용 전문성 개발 능력’과 ‘AI 윤리’의 5가지 하위영역으로 구성되었으며, 하위영역별로 1개의 시나리오, 시나리오별 2개 문항씩 총 30개 문항으로 구성되었다. 세 척도의 안면타당도는 중국 대학 교수 10명을 대상으로 한 초점집단인터뷰(Focus Group Interview, FGI)를 통해 검증하였으며 내용타당도는 교육측정·평가 전문가 10명으로 구성된 전문가협의회의 서면평가를 통해 검증하였다. 나아가 중국 신임교수 112명을 대상으로 예비검사를 시행하여 확인적 요인분석을 통해 구인타당도를 점검하였으며, Cronbach’s alpha 값을 분석하여 신뢰도를 확인하였다. 그 결과 세 척도의 타당도와 신뢰도가 모두 양호하였다.
다음으로 데이터 수집을 위해 중국 대학에 재직 중인 신임교수 271명을 대상으로 본 검사를 실시하였다. 이때, 변인 간 선후 관계를 명확히 하고자 2025년 8월에 임용 전 실적과 직무역량 검사를 실시하였고, 10월에는 회복탄력성과 AI 역량 검사를 실시하였다. 이후 수집한 데이터를 사용하여 기술통계 분석, 상관분석, 구조방정식 모형 분석을 실시함으로써 신임교수 임용 전 실적, 회복탄력성, AI 역량, 직무역량 간 구조적 관계를 확인하였다. 연구의 주요 결과는 다음과 같다.
첫째, 신임교수의 임용 전 실적이 직무역량에 직접적인 영향을 미치지 않은 것으로 나타났다. 그러나 임용 전 실적이 직무역량의 하위영역인 기본역량에는 긍정적인 영향을 미치는 것으로 나타났다. 다만, 임용 전 실적이 직무역량의 하위영역인 기본역량에 대한 표준화 계수는 통제변인(직위, 담당계열, 학교 특성)을 설정하지 않은 경우에는 0.122로 통계적으로 유의하였으나(p<0.05), 통제변인을 설정한 경우에는 0.109로 통계적으로 유의하지 않았다.
둘째, 신임교수의 임용 전 실적이 회복탄력성에 직접적인 영향을 미치지 않는 것으로 나타났다. 그리고 회복탄력성은 직무역량에 긍정적인 영향을 미치는 것으로 나타났으나 세부적으로는 회복탄력성이 직무역량의 하위영역인 기본역량에만 통계적으로 유의한 긍정적인 영향을 미치는 것으로 나타났다. 회복탄력성이 직무역량의 하위영역인 기본역량에 미치는 영향에 대한 표준화 계수는 통제변인을 설정하지 않은 경우에는 0.538, 통제변인을 설정한 경우에는 0.540으로, 모두 통계적으로 유의하였다(p<0.001).
셋째, 신임교수의 임용 전 실적이 AI 역량에 부정적인 영향을 미치는 것으로 나타났다. 그리고 AI 역량은 직무역량에 긍정적인 영향을 미치는 것으로 나타났으나 세부적으로는 AI 역량이 직무역량의 하위영역인 기본역량에만 통계적으로 유의한 긍정적인 영향을 미치는 것으로 나타났다. 임용 전 실적이 AI 역량에 미치는 영향에 대한 표준화 계수는 통제변인을 설정하지 않은 경우에는 -0.165, 통제변인을 설정한 경우에는 -0.192로, 모두 통계적으로 유의하게 나타났다(p<0.01). 그리고 AI 역량이 직무역량의 하위영역인 기본역량에 미치는 영향에 대한 표준화 계수는 통제변인을 설정하지 않은 경우에는 0.303, 통제변인을 설정한 경우에는 0.289로, 모두 통계적으로 유의하였다(p<0.001).
넷째, 신임교수의 임용 전 실적이 회복탄력성을 매개로 직무역량에 미치는 영향이 통계적으로 유의하지 않았다. 아울러, 신임교수의 임용 전 실적이 회복탄력성을 매개로 직무역량의 하위영역(기본역량, 교수역량, 연구역량) 각각에 미치는 영향도 통계적으로 유의하게 나타나지 않았다.
다섯째, 신임교수의 AI 역량은 임용 전 실적이 직무역량에 미치는 영향을 완전매개하는 것으로 나타났다. 그리고 신임교수의 AI 역량은 임용 전 실적이 직무역량의 하위영역인 기본역량에 미치는 영향도 완전매개하는 것으로 나타났다. 붓스트래핑 검증 결과, 임용 전 실적이 직무역량에 미치는 직접효과는 통제변인을 설정하지 않은 모형, 통제변인을 설정한 모형 모두 통계적으로 유의하지 않았다. 임용 전 실적이 AI 역량을 매개로 직무역량에 미치는 간접효과(임용 전 실적→AI 역량→직무역량)에 대한 표준화 계수가 통제변인을 설정하지 않은 모형에서는 -0.043, 통제변인을 설정한 모형에서는 -0.047로 모두 통계적으로 유의하였다(p<0.05). 그리고 임용 전 실적이 직무역량의 하위영역인 기본역량에 미치는 직접효과는 통제변인을 설정하지 않은 모형, 통제변인을 설정한 모형 모두 통계적으로 유의하지 않았다. 그러나 임용 전 실적이 AI 역량을 매개로 직무역량의 하위영역인 기본역량에 미치는 간접효과(임용 전 실적→AI 역량→기본역량)에 대한 표준화 계수가 통제변인을 설정하지 않은 모형에서는 -0.051, 통제변인을 설정한 모형에서는 -0.055로 모두 통계적으로 유의하였다(p<0.05).
요컨대 이 연구는 시나리오 기법을 활용하여 중국 대학 신임교수(青年教师, 청년교사)용 직무역량 측정도구, 회복탄력성 측정도구, AI 역량 측정도구를 개발하고, 구조방정식 모형(SEM)을 활용하여 중국 대학 신임교수의 임용 전 실적이 회복탄력성 및 AI 역량을 매개로 하여 직무역량에 미치는 영향에 대한 구조적 관계를 체계적으로 분석하였다. 특히, 신임교수의 임용 전 실적이 직무역량에 미치는 영향을 AI 역량이 완전매개하는 것으로 나타나, 대학이 신임교수를 선발할 때 연구 성과 중심의 평가를 넘어, AI 활용 능력과 같은 실제 직무 수행과 밀접한 역량을 강화할 수 있는 제도적 장치를 마련해야 함을 시사한다. 다만 이 연구는 중국 산동성과 베이징 시에 재직 중인 신임교수들을 대상으로 한 것이므로 중국의 다른 지역으로 일반화하기에 어려운 점이 있다. 지역 혹은 대학에 따라 신임교수에 대한 임용 조건이나 정책이 다소 차이가 있으므로, 후속 연구에서는 보다 다양한 지역의 신임교수들을 대상으로 연구할 필요가 있다.

번역하기

중국 대학의 신임교수(青年教师，청년교사)는 교육, 연구, 학생 지원, 조직 운영 등 다양한 업무을 수행해야 하며, 이러한 다면적 역할 구조는 교수직에 새롭게 진입하는 신임교수에게 더욱...