(Nota del editor, Pedro Rey: El trabajo que se describe a continuación fue uno de los que más me impresionó durante el último workshop del Comité Sobre la Situación de la Mujer en la Economía, COSME, del que les hablamos regularmente, por ejemplo, aquí. Se da además la circunstancia de que su autora, Michela Carlana, acaba de terminar su doctorado y ha sido contratada en la prestigiosa Harvard Kennedy School, por lo que nos alegra doblemente que haya escrito para Nada es Gratis la siguiente entrada, que describe un enorme trabajo para identificar juntando distintas fuentes de datos el efecto de los estereotipos en temas de género, uno de nuestros temas recurrentes).
En la mayoría de los países, las niñas están rezagadas en el rendimiento de las matemáticas en comparación con los niños, con implicaciones negativas para su preparación para las universidades y ocupaciones STEM (Ciencia, Tecnología, Ingeniería y Matemáticas). (OECD,2014, Card and Payne, 2017). La infrarrepresentación de las mujeres en estos campos altamente remunerados puede ser alimentada por condicionamientos sociales y estereotipos de género. (Nosek et al., 2007, Guiso et al., 2008). En mi tesis doctoral, estudio si la exposición al sesgo de género de los maestros afecta a los logros en matemáticas, la elección de la escuela secundaria y la confianza en sí mismos de los niños y niñas..
¿Cómo medir los estereotipos de género de los docentes?
Un desafío crucial de esta investigación es la medición de los estereotipos de género de los docentes. En mi trabajo, me centro en el sesgo implícito, medido por el Gender-Science Implicit Association Test (IAT). Este test es una herramienta informática desarrollada por psicólogos sociales, que aprovecha el tiempo de reacción ante asociaciones entre campos de estudio (Científico y Humanístico) y género (nombres masculinos y femeninos).(Greenwald et al, 1995). La idea que subyace a la prueba es que cuanto más fácil es la tarea mental, más rápida es la producción de respuesta y menos errores se cometen en el proceso.13 El IAT requiere la categorización de palabras a la izquierda o a la derecha de la pantalla de un ordenador y proporciona una medida de la fuerza de la asociación entre dos conceptos - específicamente en el campo de las Ciencias de Género IAT, el género y el campo científico/humanístico. Recientemente, las puntuaciones del IAT han sido utilizadas también por economistas al estudiar la discriminación de género y raza: a pesar de ser medidas ruidosas, se ha demostrado que las puntuaciones del IAT predicen opciones y comportamientos relevantes en experimentos de laboratorio y en interacciones en el mundo real. (Rooth, 2010, Reuben et al., 2014, Burns et al.,2016, Glover et al., 2017). Los estereotipos implícitos pueden operar sin conciencia o intención de dañar al grupo estigmatizado (Bertrand et al., 2005). Aunque los maestros no apoyen explícitamente los estereotipos de género, sus prejuicios implícitos pueden afectar su interacción con los alumnos.
¿Con qué se correlacionan las puntuaciones del IAT?
He recogido las puntuaciones del IAT de unos 1.400 profesores de matemáticas y literatura de varias provincias del norte de Italia. Además de los estereotipos implícitos, administré una encuesta a los profesores, que incluía características demográficas (edad, lugar de nacimiento, educación de los padres, edad y sexo de los niños,...), información sobre su experiencia docente y puntos de vista explícitos de género. Curiosamente, el sesgo implícito está fuertemente correlacionado con el propio género, el campo de estudio y las normas de género en la ciudad de nacimiento, medidas por la Encuesta Mundial de Valores y por la participación de la mujer en la fuerza laboral. Otras características, como la experiencia, el género de los propios hijos, o la "calidad" de los profesores, tienen una correlación pequeña y estadísticamente insignificante con las puntuaciones del IAT.
He construido una base de datos que combinaba las encuestas de los maestros con los datos administrativos de los estudiantes, incluyendo las puntuaciones de los exámenes estandarizados, la elección de la escuela secundaria, la educación y ocupación de los padres, y un cuestionario adicional que administré sobre la confianza en sí mismos en diferentes materias.
¿Los estereotipos de género de los maestros afectan el desempeño en matemáticas?
Explotando la asignación cuasialeatoria de estudiantes a maestros con diferentes niveles de sesgo implícito, encuentro que la exposición a los estereotipos de los maestros afecta sustancialmente las diferencias de género en el rendimiento en matemáticas. Al igual que en otros países, en Italia las niñas están rezagadas en matemáticas a lo largo de su carrera educativa (Fryer and Levitt, 2010): la brecha promedio de género en el desempeño de las matemáticas aumenta en 0,08 desviaciones estándar entre el sexto y octavo grado. Las clases asignadas a maestros de matemáticas con un sesgo de género más alto con una desviación estándar tienen un 34% más de brecha de género en las mejoras de matemáticas durante la escuela intermedia, lo que corresponde a un aumento de 0.03 desviaciones estándar. Todas las características de los compañeros y los maestros son capturadas por los efectos fijos de la clase, ya que los compañeros asisten a todas las clases juntos durante el 6º y 8º grado. Los resultados son robustos en cuanto a la inclusión de las características del estudiante y del profesor de matemáticas, interactuando con el género del alumno.
La siguiente figura ilustra este resultado. Considero que tres grupos de profesores, de acuerdo con su puntuación en el IAT, son los que tienen una actitud de "chicas matemáticas" (IAT score £ -0.15), “sin sesgo” (-0.15<IAT score<0.15) y actitud “chicos matemáticos” (IAT score³0.15). La brecha de género en el desempeño de las matemáticas no aumenta significativamente entre el sexto y octavo grado en las clases asignadas a maestros con una actitud de "niñas matemáticas", pero aumenta cuanto más fuertes son los estereotipos de los maestros.
¿Las niñas van a la cola o los niños van mejor cuando se les asignan maestros más sesgados?
Comparo por género a los estudiantes matriculados en la misma escuela y en la misma cohorte, pero asignados a profesores con diferentes niveles de estereotipos. El gráfico que podemos encontrar a continuación, muestra que las niñas se quedan rezagadas cuando son asignadas a maestros más sesgados: el impacto es lineal en toda la distribución de las puntuaciones del IAT de los maestros. Los niños no se ven afectados significativamente por los estereotipos de género de su propio profesor de matemáticas.
Los estereotipos de género de los maestros afectan más negativamente a las niñas de entornos desfavorecidos respecto a sus capacidades iniciales. Estos resultados son consistentes con la teoría de la amenaza del estereotipo: los individuos en riesgo de confirmar estereotipos negativos ampliamente conocidos tienen un desempeño inferior en campos en los que su grupo está estigmatizado por sus capacidades.
Los prejuicios de los maestros afectan la autoconfianza de las niñas en las matemáticas y a la elección de la escuela
Para una submuestra de estudiantes, recopilé información sobre su propia evaluación de la capacidad en matemáticas. Encuentro que los profesores de matemáticas sesgados activan auto-estereotipos negativos e inducen a las mujeres a creer que son peores en matemáticas de lo que cabría esperar dados sus logros. Este resultado es importante por tres razones. En primer lugar, muestra que la confianza en sí mismas de las mujeres en matemáticas se ve afectada por el condicionamiento social de los maestros. Segundo, es un mecanismo importante para entender el efecto del sesgo de los maestros en el desempeño de las alumnas en matemáticas. En tercer lugar, puede tener consecuencias a largo plazo en las opciones educativas de las niñas. De hecho, encuentro que las niñas expuestas a profesores más sesgados tienen más probabilidades de asistir a cursos de secundaria menos exigentes: el hecho de que se les asigne un profesor con una desviación estándar mayor aumenta la probabilidad de que las niñas elijan una formación profesional en un 13% (lo que corresponde a un aumento de 2 puntos porcentuales).
¿Cuáles son las implicaciones de política de mi investigación?
En mi tesis doctoral, proporciono evidencia de que el sesgo de género implícito puede formar una barrera involuntaria y a menudo invisible para la igualdad de oportunidades en la educación, afectando el desempeño en matemáticas, la confianza en sí mismas y el seguimiento de la elección de las niñas.
Estas conclusiones nos plantean la cuestión de qué tipo de políticas deben aplicarse para mitigar el impacto de los estereotipos de género. El sesgo implícito medido por las puntuaciones del IAT no debe utilizarse para tomar decisiones sobre otros asuntos, como decisiones de contratación o despido. Las puntuaciones del IAT son herramientas educativas para desarrollar la conciencia de las preferencias implícitas y los estereotipos. Por lo tanto, un conjunto de políticas potenciales puede estar dirigido a informar a las personas sobre sus propios prejuicios o a capacitarlas para asegurar un comportamiento igualitario hacia los individuos de grupos estigmatizados por sus capacidades. Una forma alternativa de luchar contra las consecuencias negativas de los estereotipos es aumentar la confianza de las mujeres en las matemáticas.
Hay 3 comentarios
Gracias Pedro por el post. Mi interés inmediato es por la metodología usada por Michela, hoy bastante común aunque parece sesgada en favor de probar prejuicios. Uso el abstract del job market paper para explicar mi punto. Michela comienza diciendo “I study the impact of A on X”. Luego nos dice que X1 (agrego 1 para indicar que pasa de X como algo abstracto a una versión concreta, algo que debiera justificarse) es un efecto de A1 (de nuevo, pasa de algo abstracto a algo concreto en este caso con un sesgo claro). Luego aclara que ese efecto se debe a una diferencia tajante en la composición de X1, y que el efecto sobre las mujeres es de largo plazo porque condiciona decisiones posteriores (algo que sorprende a nivel secundario). Luego recuerda que X tiene un componente subjetivo (self-confidence), también consecuencia de A1. Y concluye argumentando que la hipótesis era que A tiene efectos malos (es decir, su preocupación era A y no X) y que ha sido capaz de probar que si tiene algunos efectos malos.
50 años atrás uno habría escrito que “I study A because of its various effects, in particular on X”. Tal estudio habría requerido estudiar A para probar su existencia independientemente de los efectos que se le pudieran atribuir. Probada su existencia y analizada su historia en distintos contextos sociales, uno habría intentado analizar sus consecuencias en general para identificar una o dos que merecen especial atención podrían probar que no podemos ignorar a A.
Entonces, ¿el gap con profes sin estereotipos sería la columna verde "Teacher No STereotypes"? Perdón por la ignorancia, pero mi sensación es que no se separa demasiado del estereotipo "boys-math", y que en los tres grupos los márgenes de error se solapan mucho, ¿son diferencias estadísticamente significativas?
Enhorabuena por el trabajo, Michela.
Tengo dos preguntas tras leer el post. La primera es si encuentras asociación entre el género del profesor y el estereotipo que desarrolla. ¿Las profes mujeres tienden a creer que las chicas son mejores y/o a la inversa para profes varones?
Por otro lado me pregunto si no puede existir cierta “reverse causality” entre resultados académicos y el estereotipo que desarrolla el profesor. Si fuese cierto que chicas/chicos destacan más en determinadas asignaturas, ¿no podría ser esto la causa del estereotipo q desarrolla del profesor?
Los comentarios están cerrados.