10 de noviembre, Día Mundial de la Ciencia para la Paz y el Desarrollo de la UNESCO. La brecha de género en las vocaciones STEM, sus causas y políticas para abordarlo (II)

admin 1 comentario

Almudena Sevilla. University College London. Pilar Cuevas Ruiz. University College London. Ismael Sanz. Universidad Rey Juan Carlos. Jorge Sainz University of Bath

Este post está basado en el artículo de los tres primeros autores «Última evidencia sobre la brecha de género en el rendimiento en matemáticas derivada de la intersección entre la psicología social y la economía». en Indicadores comentados sobre el estado del sistema educativo español 2021de la Fundación Areces y Fundación Europea Sociedad y Educación disponible aquí.

1. Causas de la menor presencia de las mujeres en estudios superiores STEM

Algunas de las razones que explican la brecha de género en Matemáticas se han encontrado relevantes para explicar la baja participación femenina en STEM (Cavaglia et al. 2020). Diferenciales de género desfavorables para las niñas como la confianza en uno mismo, competitividad y estereotipos de género pueden influir en el hecho de que las mujeres elijan menos carreras STEM. Creencias de género sobre la capacidad en carreras percibidas como altamente técnicas, que se desarrollan en ambientes más competitivos, pueden impulsar a las mujeres a elegir otras vías académicas diferentes a las STEM. Por otro lado, experiencias, expectativas y preferencias potenciadas por los roles de género tradicionales pueden determinar la menor elección de las carreras STEM entre las mujeres (Cheryan et al. 2017).

Guiso et al. (2008), muestran que en aquellos países donde las condiciones sociales y económicas son relativamente más favorables para las mujeres, el desempeño de las niñas en las pruebas de matemáticas de PISA 2003 es más cercano al de los niños. Estos mismos autores estiman una ratio de al menos 1,6 chicos por chica entre los estudiantes situados en el percentil 99 de la distribución de rendimiento matemático en 36 de los 40 países analizados utilizando también datos de PISA. Nollenberger, Rodríguez-Planas, y Sevilla, coautora de este post, (2016) muestran un menor sesgo para aquellas niñas inmigrantes cuyos padres proceden de países con mayor igualdad de género que aquellas cuyos padres proceden de países con menor igualdad de género a partir de datos de PISA (2003-2012).

Dossi et al. (2021) explotan patrones de fertilidad y reportan que las niñas cuyas familias presentan preferencias por los niños obtienen de media tres puntos porcentuales menos en Matemáticas, con respecto a niñas procedentes de otro tipo de familia a partir de datos de colegios públicos en Florida y certificados de nacimiento. A partir de datos de PISA (2000, 2003 y 2006) y para trece países, Borgonovi et al. (2018) indican que el sesgo de género en Matemáticas desfavorable para las niñas se triplica del 3% de la desviación estándar a la edad de 9-10 años hasta al 9% a la edad de 15-16 años y alcanza más del 35% de la desviación estándar a la edad de los 26-27 años.

Borra, Iacovou y Sevilla, co-autora de este post, (2021) analizan los datos longitudinales del British National Child Development Study y muestran que hay un aumento del 10% de la desviación estándar en la brecha de género en matemáticas entre Primaria y Secundaria. Se trata de una base de datos única, que proporciona información basada en percepciones, diagnósticos médicos y evaluaciones cognitivas, además de características de los individuos, sus familias y los centros educativos. El diferente desarrollo de la pubertad entre chicas y chicos explica dos tercios de este incremento en las diferencias de resultados en matemáticas. La adolescencia es un periodo sensible donde comienzan a aparecer diferencias de género en la respuesta ante la presión competitiva, liderazgo y la disposición a asumir riesgos.

En la misma línea, para el contexto español, Méndez (2021) basándose en datos de la Comunidad de Madrid, reporta que tres cuartas partes de la brecha de género en Matemáticas en 4º de ESO se produce entre 3º y 6º de Primaria. Una explicación plausible a este incremento de la brecha de género en Matemáticas sería el desarrollo de la “amenaza del estereotipo” durante el transcurso de la Educación Primaria y Secundaria, y su consecuente impacto negativo sobre el rendimiento de las niñas en comparación con los niños.

La figura 1 y la tabla A presentan evidencia sobre la internalización de estos estereotipos analizando las respuestas a una serie de preguntas realizadas a alumnos y alumnas de 4º de ESO (15-16 años) sobre estrés, confianza en sí mismos y esfuerzo, tras la realización de unas pruebas de diagnóstico en la Comunidad de Madrid en el curso académico 2017-2018. La figura 1 muestra el valor medio de las respuestas a las preguntas por sexo, curso y asignatura (Matemáticas, Ciencias, Lengua española y Lengua inglesa). El panel A muestra que las niñas sufren mayores niveles de estrés en todas las asignaturas, con excepción de Lengua española, siendo Matemáticas la que presenta mayores niveles de estrés y mayor diferencia de género. El panel B muestra cómo la fracción de niños que se consideran muy buenos es mayor para todas las asignaturas con respecto a la de las niñas, siendo Matemáticas la asignatura donde ellas se sienten menos seguras. El panel C desvela cómo Matemáticas es la única asignatura donde ellas consideran que han dedicado más tiempo a su preparación con respecto a los niños. El panel D revela que las niñas perciben que han realizado mayor esfuerzo en todas las asignaturas con respecto a ellos.

Anaya, Stafford y Zamarro (2021) sugieren que las diferencias de género en el rendimiento matemático y los niveles percibidos de habilidad matemática durante la infancia podrían ser factores importantes para explicar este sesgo. Consistente con la evidencia presentada, resultados mostrados por PISA 2012 indican que, en casi todos los países incluidos, las niñas reportaron mayores niveles de ansiedad y falta de confianza hacía las Matemáticas que los niños, sentimientos que se corresponden con una disminución de 34 puntos en el rendimiento, equivalente casi a un curso escolar.

Figura 1. Preguntas por género y asignatura para 4º de eso.

Nota: ambas barras representan los valores medios.
Fuente: Pruebas de diagnóstico de la Comunidad de Madrid en el curso académico 2017-2018, cálculos realizados por Almudena Sevilla (UCL) y José Montalbán Castilla (SOFI, Stockholm University).

La brecha en autosuficiencia se refleja entre los profesores de Matemáticas y Ciencias. El organismo internacional que desarrolla las pruebas de TIMSS y PIRLS, la IEA, muestra que las profesoras de Ciencias y Matemáticas tienen menos sensación de autoeficacia y satisfacción laboral que sus homólogos masculinos (IEA, 2021). La autoeficacia de los docentes se mide a partir de los cuestionarios para profesores de TIMSS 2015 que incluyen una pregunta sobre lo preparados que se sienten para enseñar diversas áreas de las Matemáticas y de las Ciencias. Como se puede observar en la Tabla 1, hay casi un tercio de los 52 países que participaron en TIMSS 2015 en 4º grado (9-10 años) y de los 43 que lo hicieron en 8º grado (14-15 años) en los que los profesores se sienten significativamente más preparados, sobre todo en Ciencias más que en Matemáticas, que las profesoras. Esta falta de percepción de autoeficacia por parte de las profesoras en Ciencias, y en menor medida en Matemáticas, se traslada a una menor satisfacción con su trabajo.

Tabla 1. Autoeficacia reportada por los docentes y las docentes en TIMSS 2015.

IEA Compass: Briefs in Education Series, April.

2. Conclusiones y políticas para reducir la brecha de género 

Siguiendo una tendencia al alza, la brecha de género desfavorable para las chicas en el rendimiento en Matemáticas es una realidad en el sistema educativo español. Dicho sesgo de género es inexistente al inicio de la educación obligatoria y crece significativamente a lo largo de la educación Primaria y Secundaria. No sólo el sesgo de género puede estar detrás de la baja participación de la mujer en STEM, sino que, además, las causas que explican la brecha de género pueden ser factores relevantes para explicar la menor representación femenina en STEM y también una parte de la brecha salarial pues la competencia en matemáticas es un factor significativo en los salarios, quizá incluso más que el resto de competencias.

Abordar los comportamientos discriminatorios derivados del contexto cultural y de los estereotipos exigen intervenciones que: (I) modifiquen las creencias acerca de las capacidades de la mujer en Matemáticas en el contexto educativo y familiar; o (II) eviten que dichas creencias puedan afectar negativamente a los resultados académicos de las alumnas; o (III) doten a las alumnas de mayores herramientas para enfrentarse a la falta de confianza y ansiedad provocada por dichos comportamientos discriminatorios.

Dentro del primer grupo de medidas se incluirían aquellas enfocadas a la modificación de los estereotipos de género. Cavaglia et al. (2020) destacan la importancia de diversificar la imagen de la mujer en las asignaturas STEM y sostienen que la imagen poco realista a la que las niñas están sometidas puede ser corregida con la introducción de más mujeres y niñas en estos campos. Breda et al. (2018) realizan una asignación aleatoria de mujeres profesionales con formación en Ciencias en grupos de Secundaria en la región de París y reportan que la exposición al Programa puede incrementar hasta en un 30% la probabilidad de las estudiantes de duodécimo grado (17-18 años) de escoger un grado universitario STEM.

En el segundo grupo de intervenciones estarían aquellas orientadas a la disminución del impacto de las creencias de género que incluirían, por ejemplo, las evaluaciones a ciegas. Lavy y Sand (2015) reportan que el favoritismo de los profesores de Matemáticas y Ciencias hacia los niños tiene un impacto positivo no sólo en los exámenes de Matemáticas de los mismos, sino también en estudios más avanzados de las mismas áreas durante la Secundaria, mientras que tiene un impacto negativo sobre el rendimiento en Matemáticas de las niñas. Cuando este sesgo se da de forma implícita y subconsciente, sacarlos a la luz, a través de intervenciones que revelen los estereotipos, puede suponer una herramienta eficiente para la reducción de la discriminación. Alesina et al. (2018) muestran cómo al revelar los resultados del IAT sobre alumnos inmigrantes, los docentes corrigen de forma más equitativa.

Por último, el tercer grupo estaría compuesto por aquellas estrategias que incitan a las alumnas a aumentar la confianza en sí mismas, reducir la aversión al riesgo y sentimiento de ansiedad, sin tratar directamente de corregir estereotipos de género. Alan y Ertac (2019) realizan una intervención en 52 escuelas públicas de Primaria en Estambul en la que introducen un programa educativo enfocado al esfuerzo y a la consecución de retos.

En definitiva, como concluía la semana pasada la Profesora de la Universidad de Reading, Marina Della Giusta, hay que tomarse en serio los estereotipos para poder reducir la brecha de género en STEM por las implicaciones de este desequilibrio, entre otras, que los trabajos relacionados con las ciencias tienen mejores salarios y condiciones laborales. Las matemáticas inciden en mayor medida que el resto de las competencias en los ingresos futuros, y por tanto, en las pensiones. Y la situación relativa de los salarios en una pareja afecta a su vez al equilibrio de las tareas del hogar y el cuidado de los niños (Marina Della Giusta, 2021).

Hay 1 comentarios
  • Gracias por las dos entradas que tratan un tema importante y complejo.
    En la primera entrada parece que concluimos que STEM es un campo muy grande y que las diferencias entre sexos que se ven en Ingeniería e Informática no son las mismas que las que se ven en Ciencias y Matemáticas (mucho más equilibrados).
    Sin embargo, la mayoría de explicaciones de esta segunda entrada sí tratan el campo STEM como uniforme (trato de los profesores en primaria y secundaria, percepción de habilidades matemáticas). Deberían causar una brecha "más homogénea" en todo el campo STEM.

    ¿Hay alguna investigación que profundice en esta diferencia? Quiero decir, ¿por qué se ve una brecha tan grande en Ingeniería y no en Ciencias y Matemáticas?

Los comentarios están cerrados.