Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
1.1Ha habido una gran preocupación y discusión desde hace muchos años sobre
los importantes desequilibrios de género actualmente presentes en ciertas
profesiones y secciones de la academia, como la física universitaria, la filosofía y
los departamentos de informática ( Allen-Hermanson 2017 ; Altonji & Blank
1999 ; Beyer 2014 ; Camp 1997 ; Cheryan et al., 2017 ; Handelsman et al.,
2005 ; Moss-Racusin et al., 2012 ). Entonces, dada la evidencia que indica que la
diversidad de género está asociada con la mejora en la toma de decisiones y la
resolución de problemas ( Handelsman et al., 2005 ) y el aumento de ventas y
ganancias ( Herring 2009)), y el potencial obvio para la escasez de habilidades
críticas si se excluye un género ( Camp 1997 ), no es sorprendente que se hayan
sugerido varias estrategias para rectificar tales desequilibrios. Los enfoques
anteriores han variado desde varias formas de discriminación positiva, a través de
tipos específicos de publicidad y reeducación, hasta la simple adopción de un
lenguaje más equitativo en cuanto algénero ( Sczesny et al., 2016 ). Sin embargo,
cuando no está claro cuáles son las principales causas subyacentes de los
desequilibrios ( Beasley & Fischer 2012 ; Beyer 2014 ; Blickenstaff 2005 ; Cheryan
et al., 2017 ; Halpern et al., 2007 ; Wang & Degol 2014 ; Wang et al.,
2013).; Williams y Ceci 2015 ), puede ser difícil identificar las mejores estrategias
para lidiar con ellos y medir su efecto, y también existe una preocupación
persistente de que la adopción de estrategias de intervención particulares basadas
en suposiciones incorrectas en realidad podría empeorar las cosas en lugar de
mejorarlas.
2.5El marco anterior ha sido diseñado para ser lo suficientemente general como
para poder simular "profesiones" y jerarquías asociadas de todo tipo. Por ejemplo,
con modificaciones adecuadas de los procesos de "promoción" podría usarse para
modelar los tipos de jerarquías de dominancia que se encuentran en muchas
especies animales ( Chase 1974 ; Hobson y DeDeo 2015 ). A menudo, las
sociedades animales solo implicarán un rol único que lo abarque todo, pero
algunas especies tienen claras divisiones de trabajo, como la provisión de
alimentos versus el cuidado y defensa de las crías en manadas de lobos ( Mech
1999).), y esos roles distintos podrían modelarse de la misma manera que las
profesiones más tradicionales. Sin embargo, este documento se concentrará en el
escenario particular que originalmente lo motivó, y solo considerará las
profesiones humanas abstractas, con tiempos de vida similares a los humanos y
otros parámetros.
3.5Hay claramente más detalles que podrían ser modelados, pero habiendo
establecido cómo los tres parámetros principales de promoción ( x, w, g) afectan la
distribución a través de las etapas, las exploraciones del efecto de las diferencias
de género ahora pueden comenzar. Obviamente, los diversos parámetros deberán
establecerse en diferentes valores apropiados dependiendo de las profesiones en
cuestión, e incluso entonces solo podrán ofrecer una representación aproximada
de escenarios de la vida real. A los efectos de exhibir las tendencias generales
que normalmente podrían surgir, un conjunto de valores típicos será
suficiente. Además, los valores reales de los parámetros elegidos tienden a ser
menos importantes para los patrones cualitativos de los resultados de simulación
que la distribución de individuos a través de las etapas a las que conducen,
aunque los valores precisos serán cruciales si más realismo requiere que haya
diferencias de género en ellos. Las simulaciones de referencia indican que una
fracción de promoción x= 0.06, una espera de elegibilidad w = 4 años, y una
espera antes de renunciar a g = 12 años, proporciona un punto de partida
razonablemente realista para las próximas simulaciones. La variación de esos
valores clave en pequeñas cantidades cambiará los resultados detallados, pero los
patrones emergentes generales no se verán afectados.
4.6Una de las ventajas de las simulaciones por computadora es que las diversas
causas potenciales de las diferencias en el ducto pueden explorarse sin todos los
factores de confusión inherentes a las poblaciones reales, de modo que las
señales pueden identificarse en los resultados que podrían permitirnos distinguir
entre las causas potenciales. Por ejemplo, las tuberías que se encogen también
pueden surgir incluso cuando no hay diferencia en las capacidades medias de los
dos géneros. Si la varianza en las habilidades para un género es menor que la del
otro, como parece ser el caso para algunas habilidades humanas ( Humphreys
1988 , Wai et al., 2010 ), eso puede dar al género de mayor varianza una ventaja
en la promoción posterior etapas, incluso si los medios son los mismos para cada
género. Figura 9muestra el efecto de Gen1 con la misma capacidad media pero
solo la mitad de la varianza de la habilidad de Gen0, tanto para la mejor elección
como para la profesión. La clara diferencia entre las tuberías de contracción
observadas en las Figuras 8 y 9 constituye una señal que puede buscarse en
tuberías reales, y que luego puede utilizarse para proporcionar información sobre
las causas subyacentes. Sin embargo, esto puede no ser totalmente sencillo en la
práctica, ya que será necesario tener cuidado para mapear con precisión las
etapas de simulación a etapas reales, y las habilidades de las poblaciones reales
podrían involucrar varias combinaciones de diferencias medias y de varianza que
dejen las señales menos definidas y definidas. más difícil de observar
5.3Aunque los números en cada etapa son exactamente los mismos, una
diferencia importante entre los casos de discriminación y diferencia de capacidad
está en las habilidades promedio en cada etapa. Un patrón similar surge tanto
para la elección de profesión al azar como para la elección basada en la habilidad,
aunque la elección de acuerdo con la habilidad no conduce sorprendentemente a
mejores niveles de habilidad en todas partes. Figura 10muestra las comparaciones
cruciales de capacidad promedio para la elección de profesión basada en
habilidades. El caso base (Base) obviamente no tiene ningún efecto de género. En
el caso de diferencia de habilidad (Dif), la capacidad del Gen1 más débil es menor
que Gen0 en la etapa inicial 1, pero las promociones basadas en la habilidad
conducen a niveles de capacidad mucho más cercanos en las etapas posteriores,
con ambos por debajo del nivel de referencia. En el caso de discriminación
(Disco), las habilidades Gen0 se reducen en la misma medida que en el caso Dif,
porque la competencia reducida de individuos Gen1 permite que se promuevan
individuos Gen0 más débiles, mientras que las habilidades Gen1 son mucho más
altas, debido a la extra habilidad requerida para lograr la promoción. Dichos
niveles más altos de capacidad para un género subrepresentado es otra señal
informativa para buscar en poblaciones reales. De hecho, similar,Lyness y
Heilman 2006 ). Eso, por supuesto, no implica que necesariamente haya
discriminación basada en el género o techos de vidrio en otros casos también,
pero ciertamente hay evidencia consistente con la existente en otros lugares
( Sabatier 2010 ).
Figura 10 . Niveles de capacidad promedio en cada etapa de una profesión para
cada género (Gen0, Gen1) en los casos de línea base (base), diferencia de
capacidad (Dif) y discriminación (disco), con la elección de la mejor profesión
basada en la capacidad.
Políticas de intervención
6.1Las desigualdades de género que se encuentran en los números que ingresan
en algunas profesiones, y los oleoductos contraídos asociados, se destacan
regularmente como temas importantes que deben abordarse. Además de la
injusticia natural de cualquier discriminación presente, puede haber importantes
consecuencias prácticas para la sociedad en general. Por ejemplo, la notable falta
de mujeres en ciertas etapas superiores de la academia puede desalentar a las
mujeres de estudiar esos temas, y eso puede conducir a una escasez crítica de
trabajadores calificados en áreas relacionadas ( Camp 1997 ), o la falta de
diversidad puede empeorar el rendimiento del equipo ( Handelsman y otros,
2005 ; Herring, 2009 ).
Preferencias evolucionadas
7.5 Laevolución por selección natural se puede modelar de manera fácil y
razonablemente realista aquí utilizando técnicas de cálculo evolutivo estándar
( Engelbrecht 2007) Se descubrió que los detalles afectan la velocidad de la
evolución, pero tienen poco efecto en los resultados finales. En primer lugar, se
utiliza un enfoque de torneo simple para seleccionar un padre de cada género al
tener compiten al azar pares de individuos y elegir el más exitoso. Esto se puede
implementar convenientemente en el marco actual seleccionando a los padres de
las personas más recientemente removidas de la población y midiendo su éxito
como la etapa más alta que alcanzaron en su carrera. Luego, el genotipo de cada
nuevo miembro de la población se genera a partir de los genotipos de sus padres
(es decir, un conjunto de parámetros evolutivos) usando operadores adecuados de
cruce y mutación. Para las probabilidades de preferencia, el enfoque más simple
es hacer que cada nuevo individuo herede el valor correspondiente de su padre
del mismo género, con una "mutación" aleatoria agregada de un rango pequeño
como [-0.02, 0.02]. La presión de selección, junto con las pequeñas mutaciones
aleatorias, es suficiente para permitir que las preferencias se desvíen de los
valores simétricos de 0.5 en los casos en que surja una ventaja de posición final al
hacerlo. La velocidad de los cambios de preferencia puede incrementarse
comenzando desde una población inicial más diversa, o tomando las mutaciones
de un rango mayor, o seleccionando padres de más de dos individuos
reemplazados, pero eso no cambia el patrón general de resultados.
7.6Hay 18 casos distintos que deben considerarse, cada uno con una de tres
condiciones básicas (línea base, diferencia de capacidad basada en el género y
discriminación basada en el género), uno de los tres enfoques de elección de
profesión (por mejor capacidad, puramente aleatorio y aleatorio con preferencias
emergentes), y ya sea que impliquen o no, intervención para igualar los números
de cada género en cada etapa. Claramente, todos los casos de referencia, todos
los casos de elección de profesión pura y aleatoria, y todos los casos de
intervención, llevarán a promedios de preferencia que permanecen en 0.5 porque
no hay nada que aleje la selección natural de esa situación simétrica. Todos esos
casos se ejecutaron de todos modos, para proporcionar un control de que no
existían sesgos inesperados en las simulaciones. Si no hay intervención,Figura
12 . Esto proporciona una explicación simple para las diversas diferencias de
género observadas en la adopción de roles específicos por muchas especies
animales, aunque en la práctica las diferencias de capacidad habrán evolucionado
conjuntamente con las preferencias.
Figura 12 . Evolución de las probabilidades promedio de preferencia de profesión
independiente de habilidad. El caso base permanece cerca de 0.5 para ambos
sexos en ambas profesiones, mientras que los casos Dif y Disc sin intervención se
acomodan idénticamente a los valores altos apropiados (para Gen0 en Prof1 o
Gen1 en Prof2) y bajos (para Gen0 en Prof2 o Gen1 en Prof1 ) Los anchos de
línea representan la varianza.
Consecuencias prácticas
8.1A menudo, la cuestión práctica más importante para las empresas o
universidades interesadas, y la sociedad en general, es la capacidad promedio en
cada etapa de cada profesión, independientemente de las actuaciones relativas o
absolutas de los géneros individuales, o los números relativos de cada sexo . Este
problema ahora se explorará para los diversos escenarios modelados hasta ahora.
9.2Una ventaja clave de los modelos es que se pueden usar para identificar
señales claras en los resultados que se pueden buscar en situaciones reales para
dilucidar las causas subyacentes de cualquier desigualdad de género allí. Por
ejemplo, algunas de esas señales ya observadas en las simulaciones presentadas
en este documento son:
9.5Un problema común con tales modelos es que hay demasiados efectos
potenciales basados en el género para que sea posible simular todas las
combinaciones posibles. Sin embargo, ya existen numerosas ideas e hipótesis que
podrían probarse con el enfoque, y dado que existen tantos factores adicionales
que podrían incorporarse fácilmente en los modelos, se espera que el enfoque de
simulación basado en agentes generales se generalizará más. usado en el
futuro La gama de cuestiones que podrían probarse explícitamente en el futuro se
puede ilustrar con algunos ejemplos específicos: la primera se refiere a la idea de
que las diferencias de género en la asunción de riesgos pueden llevar a
diferencias en la varianza de ciertas habilidades o estrategias de promoción
( Robison). Cox et al. 2007 ; Schubert 2006), que se relaciona con la evidencia de
que la testosterona afecta la aversión al riesgo financiero y las elecciones de
carrera ( Sapienza et al., 2009 ). Otro se relaciona con la existencia de trayectorias
profesionales distintas para las etapas más altas de algunas profesiones, con
diferentes efectos de género para cada una ( Robison-Cox et al., 2007).) En
situaciones en las que el aprendizaje, la experiencia o el rendimiento profesional
de los individuos aumentan sus capacidades percibidas de acuerdo con el número
de años en la profesión elegida o en cada etapa de esa profesión, sería
interesante investigar las diferentes distribuciones por edad que surgen para cada
género en cada etapa, y explora los efectos de factores relacionados como el
permiso de maternidad. También sería sencillo considerar fijar el número de
individuos en cada etapa de la profesión, en lugar de dejarlos emerger
promoviendo una fracción fija de individuos elegibles cada año, lo que daría lugar
a simulaciones más parecidas a las del estudio de gestión corporativa de Robison.
-Cox, Martell y Emrich ( 2007) que las promociones basadas en el mérito más
típicas de la academia. Otras hipótesis que podrían ser fácilmente exploradas en
los modelos son que un género tiende a ser más agresivo para buscar promoción,
o más rápido para dejar de esperar la promoción, o más probabilidades de
cambiar de profesión o entre diferentes organizaciones dentro de una profesión.
Indiv[i] = {
int gender // gender (0 or 1)
int age // current age
float abil1, abil2 // abilities for
professions 1 and 2
float pref1, pref2 // preferences for
professions 1 and 2
int prof // chosen profession (1
or 2)
int stage // current profession
stage
float yacs // years at current
profession stage
maybe additional evolved or socially learned
parameters
}
RunSimulation() {
NewIndividual(1 to PopSize)
for year = 1 to NumYears {
for i = 1 to PopSize {
Indiv[i].age++, Indiv[i].yacs++
if( Indiv[i].age > MaxAge OR
Indiv[i].yacs > g ) NewIndividual(i)
maybe apply experience-related ability
increases
}
ApplyPromotions()
}
}
NewIndividual(i) {
Indiv[i].gender = random 0 or 1
Indiv[i].age = MinAge
// abilities may have gender-dependent means or
variances:
Indiv[i].abil1 = random from Gaussian
distribution
Indiv[i].abil2 = random from Gaussian
distribution
// preferences may be probabilities or ability
biases:
Indiv[i].pref1 = depends on profession
preference details
Indiv[i].pref2 = depends on profession
preference details
// profession depends on choice strategy and
maybe preference values:
Indiv[i].prof = 1 or 2
Indiv[i].stage = 1
Indiv[i].yacs = 0
evolution or social learning of any additional
parameters
}
ApplyPromotions() {
for profession = 1 to 2 {
for stage = 1 to NumStages {
select individuals with given
profession, stage and yacs >= w
sort by ability, maybe adjusted by some
form of discrimination
for individuals i in fraction x with
highest abilities {
maybe apply intervention to equalize
numbers of each gender
Indiv[i].stage++, Indiv[i].yacs = 0
}
}
}
}