Esta es la primera entrada de la sección de lecturas de esta página web. En esta sección aparecerán distintas lecturas recomendadas sobre diversos tópicos. De cada lectura resaltaré las partes que me han parecido más interesantes o algún tipo de resumen. Estas lecturas no son una revisión sistemática, por lo que deben entenderse como provisionales y susceptibles de ser mejoradas con nuevas incorporaciones (se agradecen sugerencias en los comentarios).
Con motivo del Día Internacional de la Mujer y la Niña en la Ciencia (11 de febrero), en esta primera entrada se abordará el tema de la representación femenina en carreras STEM (ciencias, tecnología, ingeniería y matemáticas). Según Naciones Unidas:
A significant gender gap has persisted throughout the years at all levels of science, technology, engineering and mathematics (STEM) disciplines all over the world. Even though women have made tremendous progress towards increasing their participation in higher education, they are still under-represented in these fields.
On 20 December 2013, the General Assembly adopted a resolution on science, technology and innovation for development, in which it recognized that full and equal access to and participation in science, technology and innovation for women and girls of all ages is imperative for achieving gender equality and the empowerment of women and girls.
Énfasis agregado.
Podemos preguntarnos ahora por qué existe esta brecha de género, cuáles son sus causas y consecuencias.
Lectura 1: Cuidado con el gap en Piedras de papel (eldiario.es)
Esta es una lectura que no está específicamente dirigida a analizar la brecha en STEM, pero es metodológicamente muy útil para ver cómo hay que abordar este tipo de debates. Está basada en el artículo Gender Discrimination in Hiring: Evidence from a Cross-National Harmonized Field Experiment en European Sociological Review.
Una primera nota de atención es la siguiente:
Reducir las brechas (o gaps) de género en el mercado de trabajo es un objetivo declarado de las instituciones públicas en todos los ámbitos. Resulta evidente, sin embargo, que, para ello, tenemos que entender bien cuáles son sus causas. […]
Es común en el debate público que la desigualdad de género y la discriminación se traten, de hecho, como sinónimos: si las mujeres muestran peores indicadores laborales que los hombres (p.ej. salarios promedio más bajos), entonces las mujeres tienen que estar discriminadas. A pesar de esta creencia extendida en el debate público, de la existencia de desigualdades observables no se puede concluir la existencia de discriminación.
Y brechas de género no implican necesariamente discriminación porque puede haber otros factores que causen la brecha de género. De otro modo, discriminación puede implicar una brecha, pero deducir de una brecha la existencia de discriminación es un error lógico (afirmación del consecuente). Se necesita más investigación para concluir que efectivamente esa brecha se debe a la discriminación. Por ejemplo, otras causas que pueden explicar la brecha son las siguientes:
las diferencias observables en el mercado laboral pueden ser también el resultado de diferencias (típicamente no observables) en las preferencias, expectativas, orientaciones, rasgos de comportamiento y constreñimientos que influyen sobre los procesos “de oferta”, incluyendo entre ellos los procesos de formación de capital humano (nota: la oferta del mercado de trabajo somos los trabajadores, la demanda los empresarios).
Es decir, podemos clasificar las explicaciones en dos grandes tipos:
Hay dos tipos de respuestas en la literatura especializada: las que se centran en los factores de oferta (lo que los trabajadores hacen) y las que se centran en las explicaciones de demanda (lo que las empresas hacen).
Para el caso de la brecha salarial, la discriminación sería una explicación de demanda y que las trabajadoras se especialicen en campos no STEM una explicación de oferta:
Por ejemplo, centrándonos en la brecha salarial, sabemos 1) que las mujeres acceden en mucho menor medida que los hombres a las carreras STEM (ciencia, tecnología, ingeniería y matemáticas) y 2) que dichas carreras reciben altos réditos en los mercados de trabajo de las economías avanzadas (p.ej. en términos de empleabilidad y salarios). […] Los factores que modelan la oferta importan y mucho a la hora de explicar la desigualdad laboral observada.
Para ver, por tanto, si existe discriminación debemos ir a evidencia más precisa, como los experimentos de campo:
se envían currículos de candidatos ficticios a ofertas de empleo reales, para una selección de ocupaciones elegidas de antemano por los investigadores. Los CVs enviados son idénticos en todas las característica relevantes para el puesto ofertado pero difieren en aquella característica hipotéticamente susceptible de generar discriminación […] Con un número suficiente de unidades experimentales (empresas), la aleatorización de los tratamientos nos permite estimar, para cada ocupación seleccionada, cuál es la probabilidad media de contratar a una mujer frente a un hombre de idénticas características curriculares en un determinado mercado laboral.
La evidencia previa no era concluyente, en parte debido a diferencias en tamaños muestrales, metodológicas (que los hacen incomparables), desigualdades geográficas y temporales:
Aunque parezca sorprendente, los hallazgos de estos experimentos son muy dispares, con estudios que encuentran discriminación contra las mujeres, estudios que encuentran discriminación contra los hombres y estudios que no encuentran nada.
Es ahí donde entra el estudio ya mencionado arriba:
Para superar estas limitaciones, un equipo de investigadores de cinco instituciones europeas (el WZB y las universidades de Ámsterdam, Oslo, Oxford y la Carlos III de Madrid) hemos realizado el primer estudio sobre discriminación laboral de género que utiliza un diseño armonizado en seis países, Alemania, España, Estados Unidos, Noruega, Países Bajos y Reino Unido. […] el mayor experimento de campo sobre discriminación laboral realizado hasta la fecha (con más de 19.000 empresas testadas) y el único con un diseño deliberadamente comparado.
Los autores sacan dos grandes conclusiones:
Primero, aunque los seis países seleccionados difieren en sus contextos institucionales, económicos y culturales, no encontramos discriminación contra las mujeres en ninguno de los países analizados, ni siquiera en las dos ocupaciones más claramente masculinizadas: representantes de ventas y desarrollador de software […] A pesar del riesgo objetivo de atrofia de las capacidades asociado al mayor riesgo “estadístico” de interrupción laboral, los empleadores no penalizan a las mujeres que solicitan empleos como desarrolladoras de software.
El segundo hallazgo es que en cuatro de los seis países analizados (Alemania. España, Países Bajos y Reino Unido), encontramos discriminación contra los hombres […] alta discriminación que encontramos contra los solicitantes varones en las ocupaciones típicamente femeninas (recepcionista y administrativo-contable) pero también en otras menos claramente feminizadas (ayudante de tienda).
Por tanto:
Estos resultados sugieren que, aunque las 4.500 organizaciones analizadas operan en contextos institucionales diversos, sus reclutadores consideran que las mujeres son mejores candidatas para las ocupaciones más típicamente femeninas, pero no consideran a los hombres mejores candidatos para las ocupaciones típicamente masculinas.
[…]
espero que este estudio sirva para alertar del peligro que supondría tratar un problema de oferta como si fuera uno de demanda, por ejemplo, introduciendo medidas de “discriminación positiva” allí donde no existe evidencia de discriminación “negativa”.
Es decir, la discriminación positiva, según el autor, tendría sentido si los empleadores practican discriminación negativa, pero no tanto si se debe a factores de oferta, lo que enlaza con las siguientes lecturas:
Entender cómo se forman las preferencias educativas (incluidas las decisiones que determinan la elección del campo de estudio) y ocupacionales, así como los factores que influyen sobre las decisiones profesionales de unos y otras es clave para entender los gaps que aún observamos en los mercados de trabajo.
Lectura 2: entradas en Nada es Gratis
Almudena Sevilla (University College London), Ismael Sanz (Universidad Rey Juan Carlos), Jorge Sainz (University of Bath), Ildefonso Méndez (Universidad de Murcia) escribieron cuatro entradas en Nada es Gratis (ver aquí, aquí, aquí y aquí).
Primero se señalan las razones por las que analizar la brecha en STEM: sería uno de los factores clave para explicar la brecha salarial entre mujeres y hombres:
Esta menor presencia relativa de mujeres en carreras universitarias técnicas se ha señalado como un determinante relevante de la brecha de género salarial en los países desarrollados (Blau y Kahn, 2017).
La brecha salarial está altamente relacionada con la brecha en competencias matemáticas:
Además, de que las matemáticas puedan dar la oportunidad de acceder a ocupaciones mejor pagadas, también pueden proporcionar las habilidades para promocionar en mayor medida en otro tipo de empleos. A este respecto, Hanushek et al. (2015) muestran que las personas con más competencias en matemáticas tienen mayores salarios.
La brecha en STEM se manifiesta básicamente en ingenierías e informática:
Comenzando por la OCDE, se puede comprobar que la proporción de mujeres en el área de ciencias naturales, matemáticas y estadística está equilibrado, con un 52% respectivamente. El desequilibrio se produce en ingeniería, manufacturas y construcción con sólo un 26% de mujeres y, sobre todo, en informática con un 20%. España mantiene el mismo patrón, aunque con una presencia de mujeres inferior en las tres áreas que el conjunto de países desarrollados: 48% en ciencias naturales, matemáticas y estadística, 24% en ingeniería, manufacturas y construcción; y un bajo 13% en informática.
También puede ser el caso de que la brecha se dé en ciertos subcampos del primer área (como matemáticas). Pero en este caso se vería compensada con brechas de género negativas (más mujeres que hombres) en otros subcampos, como los relacionados con ciencias biomédicas. Se proponen cuatro hipótesis (con su correspondiente evidencia) que pueden explicar esta brecha de género en matemáticas:
- Cultura o “normas sociales”: «Nollenberger, Rodríguez- Planas y Sevilla (2016) utilizan el Índice de brecha de género en el país de ascendencia que calcula el Foro Económico Mundial para medir la igualdad de género en el país de ascendencia de un inmigrante. Nollenberger, Rodríguez- Planas y Sevilla (2016) encuentran que cuanto mayor es la igualdad de género en el país de ascendencia, más elevada es la puntuación en matemáticas en PISA (2003-2012) de las niñas inmigrantes de segunda generación con respecto a los chicos. La correlación es del 0,22% y es estadísticamente significativa».
- Estereotipos en las familias y en los centros educativos: «En concreto las niñas se quedan rezagadas en matemáticas cuando son asignadas a docentes más sesgados, con un efecto aún más negativo en las niñas de entornos desfavorecidos respecto a sus capacidades iniciales. El mecanismo a través del cual se produce este efecto es que la exposición a docentes sesgados activa auto-estereotipos negativos y reducen la confianza en sí mismas de las alumnas en matemáticas, afectando tanto a sus resultados en matemáticas como a las elecciones posteriores de nivel y tipo de estudios a realizar».
- Entornos competitivos (la confianza en sí mismos, la autoeficacia y la competitividad, pueden ser otros de los factores por los que los hombres tienen un mayor rendimiento en matemáticas).
- Resultados relativos en lengua y matemáticas.
Con respecto a la última hipótesis, la idea es tener en cuenta la ventaja comparativa y no la ventaja absoluta:
Estos autores defienden que la brecha de género en rendimiento matemático no es suficientemente relevante desde un punto de vista cuantitativo como para explicar la menor presencia de mujeres en estudios y ocupaciones de ciencia, tecnología, ingeniería y matemáticas (STEM). No obstante, la combinación de las brechas de género en matemáticas y lengua sí que puede explicar la menor presencia de las mujeres en estudios y ocupaciones STEM y, por ende, parte del diferencial desfavorable a las mujeres en ocupación y salario. […]. Las chicas que son excelentes en matemáticas al final de la escolarización obligatoria obtienen también una puntuación elevada en lengua, por lo que su ventaja comparativa para estudiar contenidos intensivos en matemáticas es menor que la de los chicos, para los que ser excelente en matemáticas suele implicar un rendimiento menor en lengua. Breda y Napp (2019) ofrecen estimaciones a nivel de país que sugieren que, en el caso de España, un 65% de la brecha de género en intenciones de estudiar carreras STEM se debe a la mayor ventaja comparativa de las mujeres en lengua.
Énfasis agregado
Las políticas propuestas serían aquellas 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.
Lectura 3: Sex and STEM: Stubborn Facts and Stubborn Ideologies en Quillette
Artículo de Gijsbert Stoet y David C. Geary. También profundizan en las causas comentadas anteriormente, aunque con una visión contrapuesta. Como decíamos, la brecha de género en STEM se debe esencialmente a algunos subcampos específicos, a nivel agregado no es tal:
The U.S. National Science Foundation reports that women are awarded 57 percent of undergraduate STEM degrees, but with substantial differences across fields.
Primero analizan las explicaciones dominantes en ciertos grupos: amenaza de estereotipo, sesgo implícito y microagresiones:
Stereotype threat occurs when one is confronted with tasks or situations that trigger negative stereotypes (e.g., that “women are not as proficient at math as men”), that in turn result in a preoccupation about performing in a way that confirms the stereotype.2 Critically, the preoccupation is said to undermine actual performance, even when there is no factual basis to the stereotype. Implicit bias is a related concept and involves an unconscious association between group membership (e.g., sex) and stereotypical positive or negative attributes that can also, in theory, result in prejudicial behavior towards individuals within that group.3 Microaggressions are subtle behaviors (e.g., facial expressions) or statements that are not explicitly hostile but are nevertheless interpreted by the receiver.
Énfasis agregado
Sin embargo estos autores, basándose en algunos metaanálisis y estudios a gran escala concluyen o consideran probable que este tipo de efectos no son los principales factores explicativos de la brecha en STEM:
Given the prominence of the topic and the resources devoted to it, we carried out the first meta-analysis (i.e., statistical aggregation of experimental results across many studies) of the effect of stereotype threat on sex differences in mathematics performance.
Because studies that do not find an effect tend not to get published, this means that even when there is evidence for a small stereotype threat effect in some reports, the real-world impact could be close to zero.
The fact that a large and well-designed study could not find any effect, in our opinion, suggests either the effect does not exist or it is unmeasurably small.
Pero si estos factores no son los que realmente explican la brecha, ¿cuáles son? Estos autores aducen dos tipos de explicaciones que tienen que ver con las preferencias personales a la hora de elegir la carrera. Primero, diferencias en intereses según el sexo:
Sex differences in occupational interests are large, well-documented, and reflect a more basic sex difference in interest in things versus people.23 Men prefer occupations that involve working with things (e.g., engineering, mechanics) and abstract ideas (e.g., scientific theory) and women prefer working with and directly contributing to the wellbeing of others (e.g., physician, teacher). The sex difference in interest in people extends to a more general interest in living things, which would explain why women who are interested in science are much more likely to pursue a career in biology or veterinary medicine than computer science.24
Por ejemplo, este metanálisis al respecto concluye:
The present study makes several important contributions to the literature. First, it is the first comprehensive meta-analysis on sex differences in vocational interests. We synthesized evidence from interest inventories over four decades and found large sex differences in vocational interests, with men preferring working with things and women preferring working with people. these sex differences are remarkably consistent across age and over time, providing an exception to the generalization that only small sex differences exist. Second, this study provides a systematic review of the sex differences in the STEM interests that has not previously appeared in the literature. The pattern of sex differences in the STEM interests revealed by the present study closely resembles the composition of men and women in corresponding occupations and contributes to the understanding of the gender disparity in the STEM fields. The results suggest that the relatively low numbers of women in some fields of science and engineering may result from women’s preference for people-oriented careers over things-oriented careers.
Énfasis agregado
También respaldan la hipótesis de la ventaja comparativa que mencionábamos en el apartado anterior:
Although Finnish girls perform as well or better than Finnish boys in science, the gap is even larger in reading. The result is that more Finnish girls have relative advantages in reading than science. Most adolescent boys in contrast are relatively better at science or mathematics than reading, independent of their absolute level of performance. Individuals with this academic profile are likely to enter STEM areas, either as research scientists or technicians, and there are more boys than girls with this pattern throughout the world.
Énfasis agregado
Las propuestas son, por tanto, distintas a las anteriores:
A better route to increasing women’s participation in STEM might be to focus on the substantive numbers of girls with relatively higher science or mathematics than reading achievement; 24 percent of Finnish girls, for instance. These girls have the academic profile that is common in boys that pursue STEM-related careers but fewer of these girls than boys actually pursue them. It seems to us that interventions focused on this group of girls (e.g., individual mentoring) holds much more promise for increasing the number of women in inorganic STEM professions than do currently vogue interventions that focus on purging the wider society of stereotypes, implicit bias, and microaggressions.
Énfasis agregado
Por último, los autores mencionan sus resultados sobre la paradoja de la igualdad de género (que exploramos con más detalle en la siguiente lectura):
We’ve recently found that countries renowned for gender equality show some of the largest sex differences in interest in and pursuit of STEM degrees, which is not only inconsistent with an oppression narrative, it is positive evidence against it.
Lectura 4: Does the gender-equality paradox actually exist?
Primero, en este artículo en Dynomight se explica qué entendemos por esta paradoja:
The gender-equality paradox is the (disputed) idea that countries with more gender equality have fewer women in STEM careers.
Esta paradoja fue propuesta por los autores del apartado anterior y se puede resumir en el siguiente gráfico:
Más allá de las explicaciones de a qué puede deberse esta correlación, hubo un primer debate sobre si realmente existe tal correlación. El problema residió en qué mide el eje horizontal. Si 
Podemos pensar que 
Si empleamos
Es decir:
In more-equal countries, women earn a larger share of non-STEM degrees, but a smaller share of STEM degrees. The paradox is still there.
Énfasis agregado
Algo similar ocurre si usamos otras métricas. Para finalizar, Breda y coautores en 2020 publicaron un artículo donde encuentran el mismo tipo de correlaciones entre
- Los estereotipos que relacionan las matemáticas con los hombres son mayores en los países más desarrollados y prósperos.
- La introducción de la variable de control reduce drásticamente algunas correlaciones, como del PIB o HI, pero no otras, como la original con las propensiones,
Como veremos más adelante, correlaciones de estereotipos y diferencias observadas entre sexos podrían estar reflejando una causalidad inversa, por lo que no supondría una explicación de la paradoja. Todo indica que el fenómeno es complicado y puede haber multitud de factores explicativos. Se concluye que:
First, Stoet and Geary’s original paradox is robust. It doesn’t matter how you measure gender inequality and or if you use propensities or raw fractions to measure women’s fraction of STEM degrees. It’s not fair to imply that they cherry-picked the details of their analysis to support some pre-determined conclusion.
Second, the paradox is somewhat limited. It appears with STEM degrees no matter how you define “equality”, or how you torture the data. For STEM researchers, the effect is more modest and only appears for certain definitions of gender equality. This is weird, and I don’t understand it other than that it suggests we need more nuance than “more gender equality → fewer women in STEM”.
Third, resist simplistic causal explanations!
Énfasis en cursiva agregado
Lectura 5: Girls’ comparative advantage in reading can largely explain the gender gap in math-related fields
Seguimos con Thomas Breda y Clotilde Napp en su artículo en Proceedings of the National Academy of Sciences of the United States of America (PNAS) ya comentado anteriormente. El problema a estudiar es el ya mencionado:
Scholars have underlined the necessity to focus more narrowly on the STEM fields which are math intensive, such as computer science or engineering (1–3), as the underrepresentation of women in these fields remains large and has not decreased at all in most developed countries during the two past decades
De nuevo se explica que la infrarrepresentación en algunas carreras STEM de las mujeres (lo que implica una sobrerrepresentación en otras áreas no necesariamente STEM) es un problema de eficiencia (porque implica una pérdida de talento en los sectores más productivos) y de igualdad al contribuir a la brecha salarial. Según los autores, las diferencias en competencia matemática no son suficientes para explicar la brecha y la evidencia de discriminación directa a las mujeres es limitada, por lo que se propone la explicación de la ventaja comparativa:
students tend to think in terms of “what they are better at” rather than in terms of “required skills to succeed in a particular career” (19), and that they are encouraged to do so by teachers and their environment (20). Research in social psychology also shows that “people think of themselves as either math persons or verbal persons but not both” (21). Hence, a student that is good at math but even better at reading may favor humanities because she perceives herself as a verbal person. This is despite the fact that her career prospects (which students tend to be unaware of) may be better after math-related studies.
Y los datos empíricos más esta hipótesis permitirían explicar la brecha en carreras STEM. Usando datos de PISA 2012 para alumnos de 15 años se llega a:
Es decir, de media, los chicos superan a las chicas en competencia matemática en algo más de un 10% (de la desviación estándar) con países como Finlandia donde esto no es estadísticamente significativo, pero las chicas superan a los chicos en competencias lectoras en un 35% (de la desviación estándar). Llamaremos MR a la diferencia de ambos. El GAP en esta variable tiene un tamaño muy grande que permite explicar (mejor que las competencias en matemáticas y lectura por separado) las intenciones de los alumnos de estudiar matemáticas (llamémoslo IM).
Como nota técnica, las tres últimas columnas hacen una regresión lineal del tipo:
siendo 
Es decir, 
Podemos intentar explicar las mismas intenciones de estudiar matemáticas (que son clave para la decisión de estudiar ciertas carreras STEM) con otras variables más relacionadas con roles de género o estereotipos como la autopercepción de la competencia matemática y otras habilidades relacionadas.
Siguiendo la idea anterior, las columnas miden el parámetro
- Columnas 1-3:
con
y
- Columna 4:
concluyendo que «MR cannot be directly explained by gender differences in math self-concept».
- Columna 5:
concluyendo «the math self-concept and our variables capturing other possible mechanisms are related to students’ intentions to study math […] MR is not more strongly associated with intentions than are the other studied variables».
- Columnas 5-7:
concluyendo que «the math self-concept and our variables capturing other possible mechanisms are related to students’ intentions to study math but account for a much smaller share of the gender gap in these intentions than does MR».
Todo esto es descriptivo o correlacional. En el artículo también se discute el efecto causal por medio de variables instrumentales.
Dado que la principal explicación parece ser el diferencial de habilidades matemáticas y de lectura, proponen reducir la brecha de una manera seguramente contraintuitiva para el público general:
As the gender gap in reading performance is much larger than that in math performance, policymakers may want to focus primarily on the reduction of the former. Systematic tutoring for low reading achievers, who are predominantly males, would be a way, for example, to improve boys’ performance in reading.
Esto podría ser útil para reducir también la brecha de género inversa (que penaliza a los hombres) en el acceso a la universidad2. Pero si esto implicara reducir la brecha reduciendo el número de chicos en STEM (y aumentándolos en humanidades) sería ineficiente económicamente:
A limitation of this approach, however, is that it will lower the gender gap in math-intensive fields mostly by pushing more boys in humanities, hence reducing the share of students choosing math. In a context of high and increasing demand for math-intensive skills, improving boys’ performance in reading without also improving girls’ performance in math can therefore be detrimental for the economy and the latter should also be considered as a valuable option.
Luego se pueden considerar opciones alternativas:
many (mostly female) students who have a comparative advantage in reading but are nevertheless talented in math would have better career prospects in math-related fields. Hence, adequate information campaigns on future career prospects may be a welfare-improving way (because students can make better informed choices) of reducing the importance of the comparative advantage in students’ decision making and, therefore, the gender gap in enrolment in math-related fields (35).
Lecturas 6: sobre las causas de los roles de género
Repasamos el artículo Is Gender a Social Construct? del profesor en Psicología Christopher J. Ferguson primero estableciendo unas definiciones importantes:
Sex: Biological sex is usually determined by one of two features. First, a genetic profile typically resulting in the production of either ova or spermatozoa and, second, the development in utero of male or female primary sexual characteristics (penis and testes or vagina and uterus, respectively). For the vast majority, the genetic profile and genitalia correspond, but for intersex individuals they may not. Most often a mismatch between external genitalia and chromosomes is due to issues influencing hormone exposure in utero.
Gender or Gender Identity: This is the term that causes the most confusion. Here, I will use it to mean one’s internal perception of being male or female or, for a small percentage of individuals, non-binary (those who express a gender identity that doesn’t fit neatly into either category). For most individuals, biological sex and gender identity correspond. However, for a very small number of individuals, they may not, which produces a distressing condition known as gender dysphoria, which can be mitigated by transitioning.
Gender Role: There are nuances in the way this term is used, but here I’ll use it to refer to societal expectations of how individuals are likely to behave based on either their sex (most likely) or gender.
La identidad sexual1 parece estar determinada por factores biológicos:
Specifically, a region of the brain called the hypothalamus appears to differ between males and females so that having a structure that is similar to typical female brains makes one feel female. Testosterone exposure in utero appears to be a critical factor in these developing brain differences, which means that male and female brains are essentially different from birth.
In transsexual/transgendered individuals, irregular degrees of hormone exposure appear to create what is, quite literally, a woman’s brain in a man’s body or vice versa. […] “There is no evidence that one’s postnatal social environment plays a crucial role in gender identity or sexual orientation.”
Para los roles de género los factores biológicos son relevantes, pero también influyen factores sociales o del entorno:
The available evidence strongly suggests that biology and environment work together in complex and nuanced ways that lead to how men and women express their respective gender roles. […] Nonetheless, a significant proportion of gendered behavior isn’t explained by biological factors and this is where social factors come in.
Sobre los factores biológicos la evidencia es múltiple:
Studies of twins indicate that genetics still play a powerful part in gendered behavior, with genetics explaining a significant proportion of the variance in masculinity, femininity, and cross-gendered behavior in both boys and girls. Likewise, fetal testosterone plays a crucial role—exposure to higher levels of testosterone in utero is predictive of stereotypical masculine play in both young boys and girls.
Sobre el caso paradigmático de los juguetes para niños y niñas:
attempts at gender neutral parenting tend to have little impact on stereotypical play, with boys making guns out of dolls and carrots. Apparently even young chimpanzees engage in gender-stereotypical play, such as the use of rudimentary stick dolls among females.
Más en detalle:
For instance, young female monkeys in captivity have been known to favor dolls as playthings, while their male counterparts prefer “boy” toys like trucks.
“The fact that captive monkey males and females prefer typically masculine and feminine human toys, respectively, suggests that there is something biologically different about the sexes that makes them gravitate to different types of toys,”
Énfasis agregado
Estos patrones se reproducen en animales en la naturaleza:
The study now gives Kahlenberg some insight into that question—and supports at least some biological origin for different play between the sexes. That’s because, in part, young wild chimps never see their parents using objects like sticks as playthings.
Énfasis agregado
Más detalles sobre las diferencias de juegos entre niños y niñas de un artículo del ya mencionado David G. Geary donde se aporta evidencia sobre cómo los factores biológicos son determinantes:
children themselves are the primary impediment to the achievement of this utopian vision [no sex differences]. They segregate themselves and create boy and girl cultures. The segregation occurs independently of adult interventions and is one of the most consistently found features of children’s behavior.[18], [19], [20]
[…]
Children are not simply imitating sex-typical behavior or responding to injunctive norms, as they form the same types of segregated cultures in societies in which women’s and men’s social and economic worlds overlap. In the context of these cultures and even before they consistently emerge, there is very little overlap in boys’ and girls’ suites of associated play preferences and activities,[21], [22], [23] including differences in the frequency of engagement in rough-and-tumble play, team sports, and doll and family play, among others.
[…]
the sex-typed toy preferences, for instance, are very large and here there is little relation between parents’ sex-typed beliefs and their children’s play interests.[26]
También se refuerza la evidencia para los comportamientos en otras especies:
These same basic sex differences are found in most species that engage in play. […] In a review of this literature, Power found that young males of species with intense physical male-male competition in adulthood nearly always engage in more play fighting than do young females.[30] […] As far as I know, there are no gender role beliefs in any of these species and yet their young engage in sex-typical behaviors that presage reproductive activities in adulthood. Early engagement in these behaviors helps the young to prepare for the sex-specific rigors of adulthood, including more agentic activities for males and more communal ones for females.
También de factores biológicos no genéticos:
the influence of prenatal and early postnatal exposure to sex hormones results in biases in children’s agentic (e.g., play fighting) and communal (e.g., play parenting) play and the associated behaviors and skills are refined as children develop in same-sex communities with their peers.
Nota: en cuanto a las correlaciones de diferencias de sexos y estereotipos nos podemos encontrar ante el problema de causalidad inversa:
People have many stereotypes about boys and men and girls and women and most of them are accurate and, if anything, underestimate the magnitude of actual sex differences.[4], [5], [6] The key question is whether these stereotyped beliefs create a self-fulfilling prophecy or are largely a description of sex differences that children and adults have observed in their day-to-day life.
Es decir, si en una sociedad hay una diferencia entre sexos en X podría deberse a los estereotipos (causalidad directa) o esa diferencia deberse a otros factores, pero alimentar los estereotipos (causalidad inversa), que simplemente reflejan esa realidad. También podría realimentar el efecto, teniendo ambas causalidades.
Se concluye por tanto
if biology causes some aggregate gender differences in predisposition, then equal opportunity and egalitarianism may not necessarily lead to equal outcomes in terms of life choices. Women and men, as well as non-binary individuals, may ultimately tend to gravitate toward different life paths. […] Our goal should be to ensure that no individual is forced into or discouraged from a life path on account of their biological sex or identified gender. And we should take care to value the societal contributions of men, women, and non-binary individuals equally.
Es decir, si hay factores biológicos que explican diferencias entre sexos, incluso en el caso de que todos los factores culturales «sexistas» se hayan eliminado (digamos, igualdad de oportunidades), no habrá una igualdad de resultados. Debería ser evidente que esto no implica que la existencia de diferencias entre sexos siempre se deba a factores biológicos ni que estas diferencias naturales sean positivas (falacia naturalista). Pero sí implica que la mera diferencia entre sexos no implica la existencia de un factor cultural que esté provocando tal brecha y que haya que combatir. Reducir todo a factores sociales («X es una construcción social») es burdamente reduccionista, en realidad X suele estar determinado por una interacción compleja de factores naturales (como genéticos o epigenéticos) y ambientales (como sociales):
Ultimately, the mantra that “gender is a social construct” is misleading and may cause significant confusion and unnecessary acrimony. It is more reasonable to suggest that gender is an internalized sense of masculinity/femininity that is shaped by a complex interaction of genetic, hormonal and social forces.
Lectura 7: Sex Differences in Cognition
Siguiendo con el mismo autor del apartado anterior, exploramos las diferencias cognitivas según el sexo biológico (por falta de evidencia, dejamos fuera a las personas en las que el sexo biológico no coincide con la identidad sexual, como transexuales o género no binario).
Nota. No tendría que ser procedente remarcarlo por obvio, pero recordemos que una explicación, parcialmente, en base a cuestiones biológicas no equivale a una justificación o implicación de superioridad. Es simplemente eso, una explicación. Recordemos también que estos resultados generalmente hablan de medias entre dos grupos y no implican que el resultado sea cierto para miembros del grupo por separado. Esto es, 
Empezando por el cociente intelectual (una medida típica de inteligencia), no hay evidencia de diferencias relevantes entre hombres y mujeres:
Most of the available evidence suggests there is very little difference in overall IQ between males and females.
Es decir, las medias son similares. Sin embargo, sí parece haber diferencias de varianzas:
The Gender Variability Hypothesis suggests that boys tend to have more spread or higher standard deviation than do girls—in other words there are proportionally more geniuses and cognitively impaired individuals among males, whereas females cluster closer to the mean. This hypothesis can be very provocative.
Por ejemplo, evidencia de esta hipótesis es la siguiente:
In a 2003 study of Scottish youth born in the early twentieth century, girls actually tended to outperform boys until roughly the 115 IQ mark (because there are fewer girls with lower IQs, and more girls in the average to high average range). Only once we pass the 115 IQ mark do we start to see a male advantage. For instance, for IQs 130 and above, boys represent 57.7 percent of the high performers as compared to 50.4 percent of the underlying sample. […]Note that there were still plenty of girls in the highest IQ ranges.
De ser cierta esta hipótesis, las diferencias no son tan grandes y no explicaría de manera total las desigualdades en STEM:
So, if IQ differences were the only explanation for, say, STEM Ph.D. discrepancies, we’d still expect 42.3 percent of STEM Ph.D.s to be awarded to women. A 2016 cross-cultural analysis confirmed the gender variability hypothesis. However, this mainly benefited males in science and math, whereas females scored consistently higher in reading. A 2019 reanalysis of the same dataset confirmed these results, but also suggested that the difference between males and females decreases (but does not vanish) in countries that actively promote egalitarian female participation in the workplace and in education. This suggests that the greater male spread, at least in some abilities, is real and that both biological and social forces play a role.
Énfasis agregado
Sí parece haber diferencias en medias en cuanto a ciertas habilidades cognitivas (que enlazan con lo ya comentado en apartados anteriores):
These sex differences, with female advantages in verbal ability and memory, and male advantages in visuospatial cognition appear to be fairly consistent across samples and across time, subject to the caveats mentioned below. […] However, males do appear to be at a significant disadvantage in reading and writing whereas comparative male advantages in math and science may explain the greater proportion of males in STEM, at least in part.
Indagando sobre las causas:
When we’re discussing human psychology, it’s generally a safe bet to assume that both biological and social forces play a role in shaping behavior. […] “early experience, biological factors, educational policy, and cultural context affect the number of women and men who pursue advanced study in science and math and that these effects add and interact in complex ways. There are no single or simple answers to the complex questions about sex differences in science and mathematics”.
Un ejemplo de cómo la explicación puede ser cultural y biológica (que guarda relación con la paradoja de la igualdad comentada en apartados anteriores):
Even in the US, sex disparities have declined over time, suggesting a clear sociocultural impact on such abilities, although stabilization appears to have been achieved more recently, hinting sociocultural forces are only one piece of the puzzle and biology is also important. More opportunities for women in education and occupation tend to at least reduce, though not eliminate, male advantages in some cognitive abilities. My impression is that there has been less emphasis on addressing male deficits in reading and writing, even as males fall behind in attending college.
Énfasis agregado
En cuanto a la intervención, el entrenamiento parece poder reducir las diferencias de habilidades cognitivas. Como ya comentamos, la evidencia sobre la amenaza de los estereotipos es débil:
some beliefs such as “stereotype threat” (the theory that stereotypes such as “girls are bad at math” can negatively influence female performance) are now in trouble, potentially part of psychology’s replication crisis.
Como resumen:
- There is little evidence for an overall sex difference in IQ.
- Males may show more variability in IQ, resulting in greater proportional representation at both ends of the IQ scale. However, these proportional differences are probably smaller than is often claimed and don’t fully explain outcome discrepancies, such as in STEM careers.
- Females appear to be generally superior at verbal and memory tasks, with males superior at visuospatial tasks. Male advantage on visuospatial and quantitative tasks may be one factor in explaining STEM discrepancies, whereas female advantages in verbal abilities may explain females outpacing males in higher education more generally.
- Sex differences in cognitive ability are most pronounced among cultures with more sex stratification.
- Genetics have a strong influence on IQ.
- Sex differences in cognitive abilities are likely due to a complex interaction of evolutionary, biological, and sociocultural forces. Exclusive focus on only one of these is likely to result in an incomplete theoretical model.
Acabamos con un aspecto ya comentado, con respecto a las carreras STEM no solo es cuestión de habilidades sino de intereses (donde la mezcla de factores naturales y de ambiente opera de forma similar):
Much of this debate focuses on perceived differences in ability related to outcomes such as STEM careers. There is also a wide range of literature regarding sex differences in interest, which is also complicated, and which may explain a larger portion of the sex discrepancy in STEM careers. Put simply, many women may have the ability to perform in STEM careers but display more interest on average in alternative high-status careers such as medicine or law.
Lectura 8: No intrinsic gender differences in children’s earliest numerical abilities en Nature
¿Son las diferencias cognitivas entre sexos, como las comentadas anteriormente, intrínsecas? Eso es lo que intenta responder el artículo que pasamos a reseñar. Debemos notar que en la lectura anterior no se indicaba una diferencia en competencias matemáticas, sino en otras áreas. La pregunta es interesante ya que:
Although adult STEM talent is derived from a large suite of cognitive abilities and unlikely to be traceable to a single domain or skill, if intrinsic differences between the sexes are indeed a root cause for the under-representation of women in STEM, one expectation is that gender differences in quantitative cognition will emerge early in human development.
Primero se repasa la literatura previa, la evidencia anterior respecto a habilidades matemáticas en niños es mixta:
For one, differences can emerge in mean performance on mathematical tasks,6,7,8 and small differences in favor of boys have been reported in a range of numerical skills by the end of kindergarten.9 Although most studies of school-aged children that find gender differences report higher performance in boys, some studies have only found advantages for boys when tasks involve more reasoning or are more spatial in nature.2,10 In contrast, elementary school girls sometimes show an advantage on computational tasks and when performance is assessed using school grades.11 Other studies find no differences, trivial differences, or differences in older children, but not younger children.10,12,13,14
Y no solo es un problema de medias sino de varianzas, como ya comentamos:
Gender differences may also emerge in the variability of mathematical performance across boys and girls. When these gender differences in cognition are observed, boys tend to show greater variability than girls, resulting in more boys than girls at the high-performing and low-performing ends of distributions.6,7,8,17,18 This may cause gender differences in mean performance to be absent at the group level12,14 but detectable at the high-performing and low-performing ends of the distributions.18
Las diferencias cognitivas en matemáticas observadas en la adolescencia pueden ser intrínsecas o formarse durante el período de aprendizaje. Por eso este estudio intenta falsar la primera hipótesis:
We examined children’s early mathematical cognition during infancy and early childhood to provide insight into whether gender differences are evident in early childhood.
Para otras habilidades no parece haber diferencias como muestra la siguiente figura:
Para el caso de las habilidades matemáticas, los autores concluyen que no hay diferencias significativas:
Our data, compiled across studies from over 500 infants and children, provide a comprehensive analysis of the effect of gender on early mathematical cognition, and show that in fact, there are no substantive gender differences in mathematical thinking skills during infancy or early childhood. Boys and girls perform equivalently on numerosity perception, counting acquisition, and early school-based math concepts.
Por ejemplo, en un test (TEMA) sobre conocimiento matemáticos para niños de 3 a 9 años se encuentra:
De confirmarse estos resultados, indicarían que no existen diferencias intrínsecas en las habilidades matemáticas, pero luego se producen las diferencias durante el aprendizaje:
This interpretation is consistent with a prior analysis of three million elementary school children showing that school test performance differences in mathematics between boys and girls are non-existent or trivial during elementary school, but steadily increase through high school and college.10,13 Thus, boys and girls begin education with equivalent early mathematical thinking skills.
Más investigación sería necesaria para determinar qué procesos explican esa divergencia posterior (que como ya vimos, no era la que explicaba la brecha, ver Lectura 5). Puede deberse a factores culturales, como los mencionados en la Lectura 2, o a otro tipo de factores, como las preferencias (ver Lectura 3) que llevan a distintos procesos de especialización (que explicarían también la mucho mayor ventaja de las niñas en competencias de lectura).
Lectura 9: Things versus People: Gender Differences in Vocational Interests and in Occupational Preferences
Relacionado con la última hipótesis del apartado anterior, podemos explorar el siguiente artículo en IZA – Institute of Labor Economics. Primero, constatamos lo que ya hemos comentado en otras lecturas: las brechas de género existen (y son persistentes en países desarrollados pese a los intentos de reducirlas) y explican una parte importante de la brecha salarial,
Nonetheless, there remains a persistently high degree of occupational gender segregation, even in the most progressive countries in this regard (see, for example, Charles and Grusky, 2004) – and thus often despite explicit and considerable public effort to decrease the extent of occupational segregation.1 These remaining differences in occupational choice show up in women’s underrepresentation in STEM jobs (e.g. Kahn and Ginther, 2017), and they are related to the remaining gender gap in wages (e.g. Blau and Kahn, 2017; Olivetti and Petrongolo, 2016). Therefore, understanding the underlying causes of the persistence in occupational gender segregation is of obvious academic and public interest (Bertrand, 2011; Cortes and Pan, 2018).
De hecho, esto en parte conecta con la paradoja de la igualdad que comentamos al inicio de esta entrada:
In fact, several cross-country studies have consistently documented that gender differences in economic preferences, as well as in personality traits, tend to increase, rather than decrease, in countries with more progressive views towards equality between men and women (Falk and Hermle, 2018; Schmitt et al., 2008). The same holds true for occupational gender segregation (e.g. Charles, 2017; Charles and Bradley, 2009). In contrast, gender differences in academic achievement do not appear to be consistently related to measures of gender equality (e.g. Stoet and Geary, 2015).
El artículo se centra (con la correspondiente evidencia) en las explicaciones ligadas a distintos intereses, de media, según el sexo:
One rather obvious potential explanation starts from the observation that men and women
differ in preferences that may influence their occupational choices.[…]
One closely related, and in some way even more obvious hypothesis is that men and women
may differ in their occupational choices simply because they have different vocational interests,
i.e. that they differ in their preferences over the general task content within a given occupation.
Ejemplos de la primera hipótesis serían actitudes ante el riesgo, competitividad, etc. Como ya comentamos, las diferencias en la dimensión cosas versus personas tienen un tamaño estadístico muy grande:
It turns out that observed gender differences in vocational interests along the things-people dimension are among the largest differences between men and women measured by any psychometric instrument. For example, in their meta-study on the subject, Su et al. (2009) document an average effect size of 0.93. Similarly, Lippa (2010) reports an average absolute effect size of 1.18. As we will show in section 4.3 below, we find a gender difference in vocational interests along the things-versus-people dimension of a comparable size.
En ese paper, usando evidencia del sistema de prácticas suizo, se añade más evidencia a esta hipótesis:
Occupational gender segregation remains at persistently high levels, for reasons not yet fully understood. In this paper, we add to this important discussion and argue that gender differences in vocational interests are among the most important proximate determinants of occupational gender segregation. More precisely, motivated by previous empirical evidence, mainly by psychologists, we use a unique combination of different data sources to show that male adolescents clearly tend to favor occupations which require creating and/or manipulating objects (i.e. “things”), while female adolescents prefer to work in occupations in which interacting with customers or patients is important (i.e. “people”).
El análisis empírico consta de dos partes de las que se concluye que las preferencias por cosas versus personas son el mejor predictor, a nivel estadístico, de las diferencias ocupacionales entre sexos:
In other words, knowing whether an occupation is tilted towards working with things rather than people allows one to formulate a reasonable guess as to whether men rather than women predominantly choose it.
[…]
Taken together, we find that variation in the task content of occupations along the things-versus-people is a very powerful predictor of whether males or females predominantly choose an occupation; actually, it appears that this variable is likely one of the most important proximate predictors of occupational gender segregation – by any statistical measure applied.
Y estos resultados encajan con la literatura previa sobre el tema, y otros estudios relacionados como los competenciales:
Most obviously, perhaps, the results of our analysis align closely with the findings from Baker and Cornelson (2018), who document gender differences in visuo-spatial and motor aptitudes (see also Halpern, 2013, on a more general discussion of gender differences in cognitive aptitudes). Overall, and based on our own results as well as on the results of related studies, it appears obvious to us that gender differences in these traits are absolutely key for understanding why men and women tend to prefer to work in distinct occupations.
Lectura 10: Nancy Segal on Lessons in Human Nature Revealed by Identical Twins
Esto no es propiamente una lectura, sino un episodio de podcast, pero es muy ilustrativo. En este, Nancy Segal (profesora de psicología en la California State University) discute la problemática del nature versus nurture usando como base el caso de estudios en gemelos separados al nacer (por motivos poco éticos en algunos casos). En este contexto, si la muestra es suficientemente alta, podríamos obtener relaciones causales que nos permitirían separar los efectos genéticos (junto a posiblemente efectos epigenéticos prenatales) de los efectos del entorno posteriores. Este tipo de estudios con gemelos, algunos ya citados aquí, nos ofrecen evidencia de la influencia de estos factores biológicos en las características humanas. Sin embargo, en estos se suelen comparar gemelos (identical twins, que tienen prácticamente el mismo código genético) con mellizos (fraternal twins, relación genética como cualquier hermano) para aislar los efectos genéticos de aquellos del entorno (incluido el prenatal) que suele ser compartido.
Notas
- Traducimos gender identity por identidad sexual. Esto concuerda con el uso por otros autores: «Sin embargo, esto puede resultar bastante conflictivo. En primer lugar (al menos tal y como lo entendemos los sexólogos), la identidad sexual es la vivencia interna que tiene una persona de saberse hombre o mujer, independientemente de la identidad que le asignaron al nacer por sus genitales. La identidad sexual es lo que se conoce como “sexo psicológico”. Por su parte, la identidad de género es la percepción subjetiva que tiene una persona en cuanto a su género dentro de un contexto cultural determinado» (énfasis agregado).
- Como podemos ver en la figura para el caso de EEUU, las mujeres superan a los hombres en el caso de graduados universitarios. Algo similar ocurre para España: «las mujeres han superado a los hombres en términos de educación terciaria: en 2018, el 50% de las mujeres de 25 a 34 años tenían un título universitario, frente al 38% de los hombres».
Notas de economía, filosofía y más 