Propuesta de modelos gráficos para describir la situación de género en la FCFM

Abstract

La evidencia sugiere que la brecha de género en las áreas de ciencia, tecnología, ingeniería y matemática no proviene de diferencias en las habilidades cognitivas de hombres y mujeres, si no más bien de factores culturales y motivacionales, que en la etapa adolescente afectan el proceso de elección de carrera. Esta brecha se evidencia, por ejemplo en el caso de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile, donde las mujeres represen- tan un 22 % de los estudiantes graduados cada año, y en algunas carreras como Ingeniería Matemática, las mujeres representan menos del 10 % de estudiantes. Para estudiar esta problemática el siguiente trabajo de tesis propone un enfoque de ma- chine learning que permita modelar e interpretar la desigualdad de género en la FCFM y entre las carreras que ofrece, e identificar los factores que explican estas diferencias en base a historial académico de estudiantes. Para esto, se modela la elección de carrera de estudiantes de la FCFM, en base a su historial académico mediante técnicas de inferencia probabilística, por un lado se modelan regresiones logísticas para estudiar la relación entre variables influ- yentes en la elección de carrera. Y por otro lado, redes bayesianas para capturar relaciones complejas de dependencia entre variables e inferir relaciones causales. Se verifica en los datos un desbalance de género importante en algunas carreras de la FCFM. Mediante la regresión logística se observa una correlación significativa del género con la elección de los planes de estudio de Ingeniería Civil Matemática, Eléctrica y Licenciatura en Física. Sin embargo mediante las redes bayesianas se encuentra que el efecto del género se va disipando al incluir variables confusoras, lo que quiere decir que el género influye en la elección de carrera mediante relaciones de dependencia complejas y no por sí solo.