Educación científica y brecha de género en España en alumnos de 15 años. Análisis secundarios de PISA 2015

  1. López Rupérez, Francisco 1
  2. Expósito-Casas, Eva 2
  3. García García, Isabel 1
  1. 1 Universidad Camilo José Cela
    info

    Universidad Camilo José Cela

    Villanueva de la Cañada, España

    ROR https://ror.org/03f6h9044

  2. 2 Universidad Nacional de Educación a Distancia
    info

    Universidad Nacional de Educación a Distancia

    Madrid, España

    ROR https://ror.org/02msb5n36

Revista:
Revista complutense de educación

ISSN: 1130-2496,  1988-2793

Año de publicación: 2021

Volumen: 32

Número: 1

Páginas: 1-14

Tipo: Artículo

DOI: 10.5209/RCED.66090 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista complutense de educación

Resumen

Introducción. En multitud de países las mujeres están infrarrepresentadas en las diferentes áreas STEM (acrónimo, en inglés, de Ciencias, Tecnología, Ingeniería y Matemáticas) y, sin embargo, están sobrerrepresentadas en otros campos, tales como el de la salud, la psicología o la educación. La educación secundaria es considerada como una etapa crítica en la cual las chicas inician su distanciamiento de las ciencias y las matemáticas. Este estudio se propone, principalmente, profundizar en las relaciones entre la variable sexo, las expectativas de alumnos de 15 años de ejercer profesiones STEM y el rendimiento en Ciencias en España, y plantea finalmente algunas implicaciones para la educación científica. Métodos. Se ha establecido una distinción entre las expectativas profesionales relacionadas con las Ciencias en general y las propiamente STEM y se han efectuado análisis diferenciados, a partir de PISA 2015, sobre la relación entre esas expectativas en alumnos de 15 años edad, el rendimiento en Ciencias y la variable sexo, mediante análisis de covarianza, controlando la influencia del nivel socioeconómico y cultural (ISEC). Dichos análisis se han efectuado a nivel de España en su conjunto y de cada una de sus comunidades autónomas. Resultados. Los resultados obtenidos han permitido establecer empíricamente lo siguiente: una relativamente pequeña brecha de género en cuanto al rendimiento en Ciencias, una vez controlado el efecto del ISEC; una muy notable brecha de género en materia de expectativas profesionales STEM; la vinculación, particularmente en las chicas, entre vocaciones STEM y elevados rendimientos en Ciencias; y la diferente intensidad de la relación entre sexo y rendimiento por comunidad autónoma. Discusión. Dichos resultados se relacionan con evidencias anteriores, se presentan algunas de sus limitaciones y se efectúan recomendaciones en materia de enseñanza de las Ciencias en la educación secundaria.

Referencias bibliográficas

  • Alexakos, K. y Antoine, W. (2003). The Gender Gap in Science Education. Strategies to encourage female participation in science. Science teacher (Normal, Ill.) January 2003.
  • Bandura, A. (1986). Social Foundations of Thought and Action: A Social Cognitive Theory. Englewood Cliffs, NJ: Prentice-Hall.
  • Baptista de Oliveira, E.R., Unbehaum, S. y Gava, T. (2019). STEM Education and Gender: A Contribution to Discussion in Bazil. Cad. Pesqui, 49(171), 130-159. DOI: https://doi.org/10.1590/198053145644
  • Baye, A. y Monseur, C. (2016). Gender differences in variability and extreme scores in an international context. Large-scale Assesments in Education, 4(1). DOI: https://doi.org/10.1186/s40536-015-0015-x
  • Bharadwaj, P., De Giorgi, G., Hansen, D. y Neilson, C.A. (2016). The Gender Gap in Mathematics: Evidence from Chile. Economic Development and Cultural Change, (65). 141-166.
  • Breda, T. y Ly, S.T. (2012). Do Professors Really Perpetuate the Gender Gap in Science? Evidence from a Natural Experiment in a French Higher Education Institutions. London Centre for the Economics of Education, London School of Economics. Recuperado de http://cee.lse.ac.uk/ceedps/ceedp138.pdf
  • Brown, C. y Cororan, M. (1997). Sex-Based Differences in School Content and the Male Female Wage Gap. Journal of Labor Economics, 431-65.
  • CEDEFOP (2016). Skill Shortage and Surplus Occupations in Europe. Thessaloniki: European Centre for the Development of Vocational Training. Recuperado de http://skillspanorama.cedefop.europa.eu/en/skillstheme/matching-skills-and-jobs
  • Carbonero, M.A. y Merino, E. (2004). Autoeficacia y madurez vocacional. Psicothema, 16(2), 229-234.
  • Cavero Clerencia, J. M. y Ruiz Quejido, D. (2017). Educación para la innovación y el emprendimiento: una educación para el futuro. Recomendaciones para su impulso. Real Academia de Ingeniería. Madrid. Recuperado de http://www.raing.es/sites/default/files/EDUCACION_PARA_INNOVACION_Web.pd.
  • Cheryan, S., Ziegler, S.A., Montoya, A.K. y Jiang. L. (2017). Why Are Some STEM Fields More Gender Balanced Than Others? Psychological Bulletin, 143(1), 1-35. DOI: http://dx.doi.org/10.1037/bul0000052.
  • Consejo Escolar de la Comunidad de Madrid (2011). Informe 2011 sobre la situación de la Enseñanza no Universitaria en la Comunidad de Madrid. Madrid: Consejería de Educación y Empleo.
  • Consejo Escolar del Estado (2014). La participación de las familias en la educación escolar. Ministerio de Educación, Cultura y Deporte. Madrid.
  • Fernández García, M.C., Torío-López, S., García-Pérez, O. y Inda-Caro, M. (2019). Parental Support, Self-Efficacy Beliefs, Outcome Expectations and Interests in Science, Technology, Engineering and Mathematics (STEM). Universitas Psychologica, 18(2), 1-15. DOI: https://doi.org/10.11144/Javeriana.upsy18-2.psse
  • Hanson, S.L. (1996). Lost Talent: Women in the Sciences. Philadelphia: Temple University Press.
  • Hattie, J. (2003). Teachers Make a Difference: What is the research evidence?. Australian Council for Educational Research Annual Conference on: Building Teacher Quality. October 2003, 1-17.
  • Hermann, Z. y Kopasz, M. (2019). Educational policies and the gender gap in test scores: a cross-country analysis. Research Papers in Education, Working Paper. DOI: https://doi.org/10.1080/02671522.2019.1678065
  • Hunt, J., Garant, J.P., Herman, H. y Munroe, D.J. (2012). Why Don't Women Patent? NBER Working Paper. Recuperado de https://core.ac.uk/download/pdf/6553131.pdf
  • Jackman, M., Morrain-Webb, J. y Fuller, C. (2019). Exploring gender differences in achievement through student voice: Critical insights and analyses. Cogent Education, 6(1). DOI: https://doi.org/10.1080/2331186X.2019.1567895
  • Khazan, O. (2018). The More Gender Equality. The fewer Women in STEM. The Atlantic, Feb 21. Recuperado de https://www.theatlantic.com/science/archive/2018/02/the-more-gender-equality-the-fewer-women-in-stem/553592/
  • Langdon, D., Mckittrick, G., Beede, D., Khan, B. y Doms, M. (2011). STEM: Good Jobs Now and for the Future. Washington: U.S. Department of Commerce, Economics and Statistics administration. Recuperdo de http://www.esa.doc.gov/sites/default/files/stemfinalyjuly14_1.pdf
  • López López, E. (2006). El Mastery Learning a la luz de la investigación educativa. Revista de Educación, 340, 625-665.
  • López Rupérez, F., García García, I. y Expósito Casas, E. (2018a). Eficacia, eficiencia y equidad educativas en las Comunidades Autónomas. Financiación pública y políticas de mejora. Madrid: Universidad Camilo José Cela.
  • López Rupérez, F., García García, I. y Expósito Casas , E. (2018b). Pisa 2015 y las Comunidades Autónomas. Diagnósticos empíricos y políticas de mejora. Madrid: Universidad Camilo José Cela.
  • Lent, R. W., Brown, S. D. y Hackett, G. (1994). Toward a Unifying Social Cognitive Theory of Career and Academic Interest, Choice, and Performance [Monograph]. Journal of Vocational Behavior, 45, 79-122.
  • Lent, R.W., Brown, S.D. y Hackett, G. (2002). Social cognitive career theory. Career Choice and Development, 4th édition, 750-754.
  • Martinez, J.M. y Valls, F. (2006). La elección vocacional y la planificación de la carrera. Adaptación española del Self-Directed Search (SDS-R) de Holland. Psicothema, 18(1), 117-122.
  • Ministerio de Educación y Formación Profesional (2019). PISA 2018. Informe español (Versión preliminar). Madrid: MEFP. Recuperado de https://www.observatoriodelainfancia.es/ficherosoia/documentos/5943_d_InformePISA2018-Espana1.pdf
  • National Research Council (2012). Education for Life and Work: Developing Transferable Knowledge and Skills in the 21st Century. Committee on Defining Deeper Learning and 21st Century Skills, J.W. Pellegrino and M.L. Hilton, Editors. Board on Testing and Assessment and Board on Science Education, Division of Behavioural and Social Sciences and Education. Washington, DC: The National Academies Press. Recuperado de https://www.nap.edu/login.php?record_id=13398&page=https%3A%2F%2Fwww.nap.du%2Fdownload%2F13398
  • National Science Foundation (2007). Science and Engineering Degrees: 1966–2004. NSF 07-307 January 2007. Recuperado de https://cse.sc.edu/~buell/References/FederalReports/nsf07307degreesawarded.pdf
  • Oakes, J. (1990). Lost Talent: The Underparticipation of Women, Minorities, and Disabled Persons in Science. Santa Monica: Rand Corporation. Recuperado de https://www.rand.org/pubs/reports/R3774.html
  • OCDE. (2015). PISA 2015 Technical report. Sample design. Recuperado de http://www.oecd.org/pisa/ data/2015-technical-report/.
  • OECD (2016a). PISA 2015. Results (Volume II): Policies and Practices for Successful Schools. PISA. Paris: OECD Publishing. DOI: http://dx.doi.org/10.1787/9789264267510-en
  • OECD (2016b). PISA 2015 Assessment and Analytical Framework: Science, Reading, Mathematic and Financial Literacy. PISA, OECD Publishing, Paris. DOI: http://dx.doi.org/10.1787/9789264255425-en
  • OECD (2017). Education at a Glance 2017: OECD Indicators. Chapter C. Paris: OECD Publishing. DOI: http://dx.doi.org/10.1787/eag-2017-en
  • Olmedo-Torre, N., Sánchez Carracedo, F., Salán Ballesteros, N. López, D., Perez-Poch, A. y López-Beltrán, M. (2018). Do Female Motives for Enrolling Vary According to STEM Profile? IEEE Transactions on Education, 61(4), 289-297. DOI: https://doi.org/10.1109/TE.2018.2820643
  • Penner, A.M. (2015). Gender inequality in science. Science, 347(6219), 234-235. DOI: https://doi.org/10.1126/Science.aaa3781
  • Peña Carrera, M., Olmedo-Torre, N., López-Beltrán, M. y Sanz Gómez, M. (2018). t’STEAM: Acompañar la vocación tecnológica en mujeres de secundaria. Revista CIDUI 2018. Recuperado de https://www.cidui.org/revistacidui. ISSN: 2385‐6203
  • Randstad Research (2016). La digitalización: ¿crea o destruye empleo? Madrid: Randstad Research.Recuperado de https://research.randstad.es/wpcontent/uploads/2017/05/randstadinformeflexibility201ppdf
  • Rodríguez-Mantilla, J.M., Fernández-Díaz, M.J. y Jover Olmeda, G. (2018). PISA 2015: Predictores del rendimiento en Ciencias en España. Revista de Educación, 380, 75-102. DOI: https://doi.org/10.4438/1988-592X-RE-2017-380-373
  • Sainz Ibáñez, M. (coord.) (2017). ¿Por qué no hay más mujeres STEM? Se buscan ingenieras, físicas y tecnólogas. Madrid/Barcelona: Fundación Telefónica/ Ariel. Recuperado de https://gender-ict.net/jovenesSTEM/wp-content/uploads/2016/11/Sainz_2017-Se_buscan_ingenieras_fisicas_y_tecnologas.pdf
  • Sainz Ibáñez, M. y Müller, J. (2017). Gender and family influences on Spanish students’ aspirations and values in stem fields. International Journal of Science Education, 40(2), 188-203. DOI: https://doi.org/10.1080/09500693.2017.1405464
  • Sawyer, R.K. (2008). Optimizing Learning: Implications of Learning Sciences Research. Innovating to Learn. Learning to Innovate. Paris: OECD Publishing.
  • Stage, F.K. y Kloosterman, P. (1995). Gender, beliefs, and achievement in remedial college-level mathematics. Journal of Higher Education, 66(3), 294–311.
  • Stoet, G. y Geary, D.C. (2018). The Gender-equality Paradox in Science, Technology, Engineering and Mathematics Education. Psychological Science, 29(4), 581-393. DOI: 10.1177/0956797617741719
  • Suárez Valenzuela, S. y Suárez Riveiro, J. M. (2019). Las estrategias de aprendizaje y las metas académicas en función del género, los estilos parentales y el rendimiento en estudiantes de secundaria. Revista Complutense de Educación, 30(1), 167-184. DOI: http://dx.doi.org/10.5209/RCED.56057
  • Shwab, K. (2016). Cuatro principios de liderazgo de la cuarta revolución industrial. Recuperado de http://www.weforum.org/es/agenda/2016/10/cuatro-principios-de-liderazgo-de-la-cuarta-revolucion-industrial
  • The Economist (2017). The gender gap in Science. Mar 10th 2017. Recuperado de https://www.economist.com/graphic-detail/2017/03/10/the-gender-gap-in-science
  • UNESCO (2017). Cracking the code: Girls’ and women’s education in science, technology, engineering and mathematics (STEM). Paris: UNESCO. Recuperado de http://unesdoc.unesco.org/images/0025/002534/253479e.pdf
  • Weinberger, C.J. (1999). Mathematical College Majors and the Gender Gap in Wages. Industrial Relations, 38(3), 407 - 413.
  • Weinberger, C.J. (2001). Is Teaching More Girls More Math the Key to Higher Wages? en King, M.C. Squaring Up: Policy Strategies to Raise Women's Incomes in the U.S. Michigan: University of Michigan Press.
  • Weinberger, C.J. (2002). Race and Gender Wage Gaps in the Market for Recent College Graduates. Industrial Relations A Journal of Economy and Society, 37(1), 67-84.
Fuente de los datos: Dialnet