El informe Deepening the debate on those still left behind, publicado por la UNESCO el 27 de abril, analizó datos de educación primaria y secundaria de 120 países. No obstante, la muestra incluyó solo 28 de los 82 países de ingreso bajo y de ingreso bajo-medio, y no existe información de evaluaciones de ciencias en ningún país de ingresos bajos, lo que limita la visión sobre el aprendizaje en esas regiones.
Manos Antoninis, director de la unidad de Seguimiento Global de la Educación de la UNESCO, señaló que la limitada capacidad de recopilación de datos y la falta de evaluaciones nacionales sistemáticas dificultan conocer cómo cambian los resultados de aprendizaje en el Sur global. Dijo que la muestra ofrece una idea general pero está lejos de ser exhaustiva, y que hace falta un programa de seguimiento a más largo plazo para orientar mejor las decisiones de política educativa.
El informe destaca avances en la asistencia y la matrícula en los últimos 20 años y una brecha de género de menos de un punto porcentual en la educación primaria y secundaria en conjunto. Sin embargo, señala focos de exclusión extrema: en algunos países de África subsahariana y del sur de Asia la participación de las niñas sigue rezagada y los resultados de aprendizaje son bajos para ambos sexos. En el prólogo, la directora de la UNESCO, Audrey Azoulay, escribe que muchas niñas rurales en África subsahariana "siguen luchando contra puertas aparentemente cerradas para acceder a la educación" y que, en el caso más extremo, las niñas en Afganistán están privadas de la enseñanza, lo que devuelve al país 20 años atrás.
El estudio observa además que, aunque los niños rinden más que las niñas en matemáticas en los niveles iniciales, esa brecha se reduce o se invierte más adelante y las brechas de lectura y matemáticas están fuertemente correlacionadas. Antoninis sugiere que ese patrón podría explicar por qué menos mujeres eligen carreras en ciencias, tecnología, ingeniería y matemáticas (STEM), ya que podrían seguir sus fortalezas en lectura. El informe también subraya que los datos no captan plenamente las normas sociales y los estereotipos; investigaciones citadas muestran que actitudes personales y barreras situacionales como la pobreza fueron razones importantes de abandono temprano en Malawi, Nigeria y Sierra Leona. Los expertos piden más modelos a seguir, políticas para retener a las niñas en STEM y el apoyo de ONG para cambiar mentalidades.
Este texto fue producido por la mesa global de SciDev.Net. El artículo se publicó originalmente en SciDev.Net.
Palabras difíciles
- informe — Documento que presenta resultados de una investigación.
- muestra — Grupo de países o datos seleccionados para un estudio.
- recopilación — Acción de reunir y guardar información o datos.
- evaluación — Prueba o análisis para medir conocimientos o rendimiento.evaluaciones
- exclusión — Situación en que alguien queda fuera de participación.
- rezagado — Que está retrasado respecto a otros en progreso.rezagada
- correlacionado — Cuando dos cosas cambian de forma relacionada.correlacionadas
- estereotipo — Idea general y simplificada sobre un grupo.estereotipos
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o escuchas.
Preguntas de discusión
- ¿Cómo afectaría a tu país una muestra limitada de datos educativos al diseñar políticas públicas?
- ¿Qué medidas concretas propondrías para retener a niñas en carreras STEM en escuelas locales?
- ¿Qué papel pueden jugar las ONG para cambiar mentalidades sobre la educación de niñas, según el artículo?
Artículos relacionados
El cabello como registro de exposición química
Investigación de la University of Texas at Austin muestra que el cabello puede registrar la exposición a sustancias químicas durante días, semanas y meses. El método permite detectar muchos compuestos y subraya la importancia del aire interior.
La representación científica y la confianza pública
Un estudio encuentra que la confianza en la ciencia varía según quién hace la investigación. La representación demográfica entre los científicos influye en la confianza de distintos grupos en Estados Unidos y podría mejorar si hay más inclusión.
La complejidad del mundo real produce sesgo en la IA
Un estudio de la Universidad de Texas en Austin concluye que una causa importante del sesgo en la inteligencia artificial es la incapacidad para modelar la complejidad del mundo real. Identifica tres factores que aumentan ese riesgo.