Steve Jobs, Bill Gates, Elon Musk, Jeff Bezos: los hombres dominan la industria tecnológica. En 2021 Los hombres constituían el 75 por ciento de los científicos informáticos empleados y el 84 por ciento de los ingenieros empleados en los EE. UU.
Y eso es motivo de preocupación. Considere el uso indebido de herramientas de inteligencia artificial generativa para videos: la pornografía deepfake abrumadoramente se dirige a las mujeres y, alarmantemente, algunos chicas adolescentes. ¿Confiaría en un equipo exclusivamente masculino de ingenieros de software para tomar decisiones responsables e informadas sobre dichas herramientas? Aunque los ingenieros de software son una pequeña porción de la población mundial, los productos que fabrican pueden tener un enorme impacto en el resto de la sociedad.
En comparación con los hombres, las mujeres generalmente expresan más preocupaciones éticas y relacionadas con la privacidad sobre IA y colocar un mayor prioridad sobre seguridad y responsabilidad. La industria tecnológica necesita perspectivas más diversas para protegerse contra los daños muy reales que las tecnologías de IA pueden traer a nuestro mundo.
Sobre el apoyo al periodismo científico
Si está disfrutando este artículo, considere apoyar nuestro periodismo galardonado al suscribiéndose. Al comprar una suscripción, ayudas a garantizar el futuro de historias impactantes sobre los descubrimientos y las ideas que dan forma a nuestro mundo actual.
Sin embargo, mi última investigación como psicóloga e investigadora educativa revela un obstáculo importante para lograr una fuerza laboral más representativa: los estereotipos tecnológicos que surgen notablemente temprano en el desarrollo de los niños. En una investigación publicada este mes, mis colegas y yo descubrimos que a los seis años, los niños ya ver a las chicas como peores que los niños en informática e ingeniería.
También descubrimos que los estereotipos de género no son los mismos para todas las materias STEM (ciencia, tecnología, ingeniería y matemáticas). De hecho, los estereotipos matemáticos tienen mucho menos género de lo que muchos investigadores han supuesto. Este matiz ayuda a señalar nuevas formas de ampliar la participación en los campos STEM.. La mayoría de las investigaciones anteriores hasta la fecha se han centrado en los estereotipos de que las niñas son “malas en matemáticas”. Pero mis colegas del Institutos Americanos de Investigación y Universidad de Cambridge y noté evidencia contradictoria sobre si los niños realmente sostienen esa creencia. De hecho, algunos estudios muestran que los niños haber absorbido el estereotipo que las niñas son peores que los niños en matemáticas, pero otros estudios encuentran que exacto opuesto.
Nos embarcamos en una expedición de cinco años para sintetizar más de cuatro décadas de investigaciones pasadas sobre los estereotipos de género de los niños sobre las habilidades en STEM. Recopilamos un conjunto de datos masivo de más de 145.000 niños en 33 países cuyos estereotipos se habían medido de diversas maneras. Por ejemplo, un estudio podría preguntar a los niños: “¿Son mejores las niñas o los niños en codificación informática?”
Surgió un patrón claro: los estereotipos tecnológicos están mucho más sesgados hacia los hombres que los estereotipos matemáticos. En otras palabras, es más probable que los niños vean las habilidades informáticas y de ingeniería como “para niños” que hacer lo mismo con las habilidades matemáticas.
Y esta divergencia entre los campos STEM comienza temprano. Por ejemplo, el 52 por ciento de los niños de seis años piensa que los niños son mejores en ingeniería, mientras que el 10 por ciento piensa que las niñas son mejores: un sesgo temprano masculino de 42 puntos porcentuales. La informática también muestra un sesgo masculino a los seis años, aunque en menor medida. Pero en matemáticas, la fracción de niños de seis años que dicen que los niños son mejores (28 por ciento) es aproximadamente la misma que la de aquellos que dicen que las niñas son mejores (32 por ciento), sin mostrar un claro ganador entre los niños pequeños. (El resto de los niños no consideraba que un grupo fuera mejor que el otro). Estas diferencias reflejan patrones relacionados entre los adultos. Por ejemplo, el 40 por ciento de los matemáticos empleados pero sólo el 16 por ciento de los ingenieros empleados en los EE. UU. son mujeres. Aún así, es sorprendente que niños de tan solo seis años puedan tener creencias tan matizadas sobre diferentes campos STEM. ¿Saben los niños de seis años qué son los “ingenieros”?
En un contexto más amplio, los hallazgos en matemáticas son menos sorprendentes. Chicas obtener mejores calificaciones en matemáticas que los niños, por ejemplo. Además, los estudios encuentran que los niños vista éxito en la escuela como algo “para niñas”, en general. Estas características contextuales podrían reducir el sesgo masculino en matemáticas, especialmente cuando se percibe como una materia escolar.
Mientras tanto, los estereotipos tecnológicos de los niños probablemente provienen de señales fuera del aula, como representaciones de hombres nerds informáticos en películas, medios de comunicación y programas de televisión. Por supuesto, los niños pequeños también pueden percibir mal lo que hacen los científicos e ingenieros informáticos. Por ejemplo, muchos niños de habla inglesa asumir que los ingenieros reparan motores de automóviles porque “ingeniero” contiene la palabra “motor”. Luego, los niños podrían transferir los estereotipos masculinos sobre la mecánica automotriz a los ingenieros.
A edades tempranas, las niñas están algo aisladas de estos estereotipos masculinos. Esto se debe a un fenómeno que los psicólogos del desarrollo llaman sesgo dentro del grupo. ¿Alguna vez escuchaste a las niñas cantar “Las niñas mandan, los niños babean”? Los niños de cinco a siete años tienden a favorecer fuertemente a su propio género. Las matemáticas son un ejemplo: en general, los niños prefieren a los niños y las niñas prefieren a las niñas en la primera infancia cuando se les pregunta a quién le va bien en esa materia.
Este sesgo intragrupal incluso protege hasta cierto punto a las niñas más jóvenes contra los estereotipos tecnológicos. Por ejemplo, entre las niñas de seis años, el 34 por ciento dice que las niñas son mejores en informática, mientras que sólo el 20 por ciento dice que los niños lo son, lo que muestra un sesgo femenino.
Pero este patrón cambia rápidamente con la edad, a medida que los estereotipos culturales reemplazan los prejuicios intragrupales. Entre los ocho y los diez años, el número de niñas que dicen que los niños son mejores en informática comienza a superar a las que dicen lo contrario. Este sesgo masculino aumenta aún más en la escuela media y secundaria. Estos cambios bruscos podrían limitar las aspiraciones futuras de las niñas en campos tecnológicos de alta demanda, como la inteligencia artificial.
Por el contrario, los niños de todas las edades prefieren consistentemente a los niños en todas las áreas STEM, en promedio. A pesar de este sesgo relativamente estable en STEM, los niños aprenden rápidamente estereotipos que pueden retenlos al leer y escribir. En su último año de escuela secundaria, una clara mayoría de los niños (72 por ciento) piensa que las niñas tienen mejores habilidades verbales, y sólo una pequeña minoría (10 por ciento) piensa que los niños tienen mejores habilidades verbales.
Nuestros hallazgos indican colectivamente la necesidad de una acción específica. Es posible que las iniciativas para “niñas en matemáticas” o “niñas en STEM” no logren abordar los estereotipos más arraigados. En cambio, estos esfuerzos necesitan un enfoque estratégico en los campos más masculinos, como la tecnología.
La brecha de género en la tecnología no está escrita en piedra. En 1984 las mujeres eran El 37 por ciento de los graduados universitarios en informática, la fracción más alta en comparación con cualquier otro momento. Sin embargo, hoy esta cifra ronda alrededor del 20 por ciento. Cambios culturales, como la comercialización de computadoras. a los chicospuede tener niñas y mujeres impulsadas fuera del campo. Si el cambio fue cultural, ¿por qué no podemos retroceder en ese aspecto en particular?
Para abordar los estereotipos tecnológicos, necesitamos un compromiso nacional para ampliar el compromiso de calidad con estos campos en la educación infantil y primaria. Las investigaciones muestran que las experiencias positivas tempranas con programación y robótica puede despertar la curiosidad y los intereses de las niñas antes de que los estereotipos se instalen y las alejen. Aplicaciones gratuitas como ScratchJr permitir que los niños de cinco a siete años aprender conceptos básicos de codificación programando historias y juegos interactivos, por ejemplo. pero mucho se necesita más investigación para estar seguros de qué enfoques tempranos realmente reducirán las brechas de género.
Con una exposición positiva temprana, las niñas podría inclinarse menos fuertemente en los estereotipos para guiar sus decisiones futuras, como al elegir cursos optativos de la escuela secundaria. Es decir, la participación temprana en la tecnología sienta las bases para el éxito en grados posteriores y etapas de la carrera. Estos pasos para ampliar la participación en STEM beneficiarán tanto a la tecnología como a la sociedad. Considerar Rebeca Portnoffdirectora de ciencia de datos de la organización sin fines de lucro Thorn, que utiliza su experiencia en informática para desarrollar herramientas de inteligencia artificial y directrices de seguridad por diseño que tienen como objetivo detener la creación y difusión de imágenes de abuso sexual infantil. Las tecnologías de IA tienen un enorme potencial para transformar la sociedad. Tener voces diversas en tecnología ayudará a aprovechar ese poder para el bien social.
¿Es usted un científico especializado en neurociencia, ciencia cognitiva o psicología? ¿Y ha leído algún artículo reciente revisado por pares sobre el que le gustaría escribir para Mind Matters? Por favor envíe sugerencias a Científico americanoLa editora de Mind Matters, Daisy Yuhas, en dyuhas@sciam.com.
Este es un artículo de opinión y análisis, y las opiniones expresadas por el autor o autores no son necesariamente las de Scientific American.