Objetivo del análisis
El metaanálisis tiene como objetivo sintetizar la investigación existente sobre equidad de género en la educación STEM para identificar tendencias, brechas y áreas potenciales para la intervención de políticas. Al aplicar técnicas de procesamiento del lenguaje natural (PLN) a más de 240 documentos, este estudio proporciona una descripción general integral del estado actual de la igualdad de género en la educación STEM y sugiere recomendaciones basadas en evidencia para lograr la equidad.
Fundamento
La equidad de género en las áreas STEM sigue siendo un problema crítico, con disparidades persistentes en la participación, retención y avance de las mujeres en estas disciplinas. A pesar de numerosas iniciativas y políticas diseñadas para cerrar la brecha de género, el progreso ha sido lento y desigual en diferentes regiones y niveles educativos. Este análisis está impulsado por la necesidad de comprender mejor los factores que contribuyen a estas disparidades y evaluar la efectividad de varias intervenciones.
Contexto
Antecedentes históricos
La educación STEM ha estado tradicionalmente dominada por varones, con barreras culturales, institucionales y sistémicas que contribuyen a la subrepresentación de las mujeres. En las últimas décadas, numerosos estudios han explorado estas barreras, desde los sesgos en la educación temprana hasta los desafíos en la educación superior y las carreras profesionales. Sin embargo, el panorama educativo en rápida evolución y el énfasis cada vez mayor en las habilidades STEM en la economía global requieren una reevaluación continua de los factores que influyen en la igualdad de género en esta área.
Panorama actual
Este metanálisis captura una amplia gama de estudios recientes, que reflejan los esfuerzos en curso para promover la equidad de género en STEM. Los documentos seleccionados incluyen artículos de investigación, informes de políticas y estudios de casos que cubren colectivamente varios aspectos de la educación STEM, incluido el diseño curricular, la capacitación docente, la participación de los estudiantes y las trayectorias profesionales. El uso de PLN permite la identificación de temas predominantes, tendencias emergentes y jerarquiza las brechas a abordar.
Comentarios sobre las figuras
Figura 0: Distribución de temas
El gráfico tiene como objetivo examinar la relevancia de diferentes palabras en relación con la variedad de sub-temas dentro del estudio. La meta es identificar y comprender las tendencias subyacentes en el uso de términos clave en la literatura, para así poder realizar inferencias significativas respecto de los patrones temáticos predominantes. Los temas identificados se acompañan de los términos más significativos y sus valores beta, los cuales representan la importancia relativa de cada palabra en su respectivo contexto temático.
En cada subtema, se incluye una tabla que ordena los términos clave según su valor beta, de mayor a menor, lo que permite visualizar con claridad cuáles son los conceptos más relevantes dentro de cada tema.
Figura 1: Evolución de las principales palabras en los artículos publicados
Esta figura representa la evolución temporal del uso de las palabras clave más importantes en los artículos sobre equidad de género en la educación STEM, desde 2015 hasta marzo de 2024.
El gráfico muestra un incremento significativo en el uso de todas las palabras clave a partir de 2018, alcanzando un pico en 2023. Palabras como “gender equality” (igualdad de género), “education” (educación) y “STEM” han ganado mayor relevancia, lo que refleja una creciente atención hacia la igualdad de género en la educación STEM. También se observa un descenso en 2024, que se debe a la menor cantidad de datos recopilados hasta la fecha de análisis.
Este crecimiento en la frecuencia de palabras clave indica que la temática de igualdad de género en STEM ha capturado cada vez más la atención de las y los investigadores, destacando la necesidad urgente de abordar estas desigualdades.
Sería beneficioso analizar los factores que impulsaron este aumento en la producción académica, como las políticas públicas o las iniciativas de financiación.
Figura 2: Cantidad de artículos sobre equidad de género en STEM, por año
Esta figura muestra la cantidad de artículos publicados sobre equidad de género en STEM desde 1975 hasta 2023.
El gráfico revela que la producción de artículos se mantuvo mínima hasta principios de la década de 2010, a partir de la cual comenzó a incrementarse notablemente. Los años 2021 y 2023 muestran picos destacados en la cantidad de publicaciones, lo que sugiere un auge reciente en la investigación sobre este tema.
Este patrón de crecimiento es un claro indicador de que la igualdad de género en STEM se ha convertido en una prioridad investigativa en los últimos años, probablemente impulsada por movimientos sociales, políticas de inclusión, y un mayor reconocimiento de las desigualdades persistentes en el campo de la educación STEM.
Para capitalizar este interés creciente, es fundamental que las instituciones académicas y quienes sean responsables de políticas públicas continúen apoyando y promoviendo la investigación en este campo.
-------------------------------
topic beta words
------- --------- -------------
1 0.0375 gender
1 0.0282 stem
1 0.0163 women
1 0.01507 science
1 0.01354 education
2 0.02929 gender
2 0.02486 women
2 0.01425 engineering
2 0.01254 stem
2 0.01159 education
3 0.02445 stem
3 0.02 gender
3 0.01443 education
3 0.01271 students
3 0.01009 women
-------------------------------
El análisis comparativo revela que, aunque “gender” se mantiene como la palabra clave más importante a lo largo de los tres subtemas, su peso relativo varía, lo que sugiere diferencias en el enfoque de la discusión académica en cada subtema. Mientras que en el subtema 1 la atención se centra en la relación entre género y disciplinas STEM, en el subtema 2 la ingeniería toma mayor relevancia, y en el subtema 3, la educación y la población estudiantil emergen como temas clave. Estos hallazgos permiten inferir que, si bien existe una coherencia temática en torno al género, las prioridades y enfoques específicos difieren entre los subtemas, lo que enriquece la complejidad del análisis global.
La variación en la relevancia de las palabras clave entre los subtemas revela enfoques distintos y áreas de preocupación específicas dentro del campo de estudio. Aunque el género aparece consistentemente como un tema central, los cambios en los valores beta de términos como “stem”, “education”, y “women” indican que la discusión se adapta según el contexto. Este aspecto es especialmente importante porque sugiere que las políticas y estrategias deben ser personalizadas para cada área. Por ejemplo, en algunos casos, puede ser más efectivo enfocarse en la participación de las mujeres en ingeniería, mientras que en otros, es fundamental atender a la educación y la formación de estudiantes en temas de género. Lo que se concluye de estos estudios esla necesidad de un enfoque flexible y contextualizado en la investigación y en la implementación de políticas de equidad, evitando soluciones generalistas.
# A tibble: 1 × 5
positive_abstracts negative_abstracts neutral_abstracts avg_sentiment_score
<int> <int> <int> <dbl>
1 170 47 25 2.66
# ℹ 1 more variable: median_sentiment_score <dbl>[1] "Top 5 Most Positive Abstracts:"# A tibble: 5 × 6
Title positive negative sentiment_score sentiment_ratio total_words
<chr> <int> <int> <int> <dbl> <int>
1 Gender Equality… 18 2 16 6.33 20
2 Manuscript USIN… 17 1 16 9 18
3 Initiatives to … 15 2 13 5.33 17
4 Self-Efficacy V… 14 1 13 7.5 15
5 Space4Women: A … 13 0 13 14 13[1] "Top 5 Most Negative Abstracts:"# A tibble: 5 × 6
Title positive negative sentiment_score sentiment_ratio total_words
<chr> <int> <int> <int> <dbl> <int>
1 Violence Agains… 11 26 -15 0.444 37
2 Examining Barri… 7 18 -11 0.421 25
3 Moving through … 10 19 -9 0.55 29
4 Socio-cultural … 7 15 -8 0.5 22
5 Transgender soc… 5 13 -8 0.429 18
Rows: 245 Columns: 23
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (20): Authors, Author full names, Author(s) ID, Title, Source title, Vol...
dbl (3): Year, Page count, Cited by
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message. [1] 1975 1993 2003 2009 2010 2011 2013 2014 2015 2016 2017 2018 2019 2020 2021
[16] 2022 2023 2024 [1] 1975 1993 2009 2010 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
[16] 2024
[1] "Summary of top keywords:"# A tibble: 10 × 2
keyword total_count
<chr> <int>
1 stem 77
2 gender equality 61
3 gender 45
4 higher education 34
5 gender gap 33
6 <NA> 27
7 equality 20
8 education 19
9 stem education 17
10 women 17