2021 Casimiro Dionicio

FACULTAD DE HUMANIDADES
Carrera de Psicología
LA INFLUENCIA DE LOS ESTEREOTIPOS DE

GÉNERO EN LA ELECCIÓN DE CARRERAS STEM
EN ESTUDIANTES DE SECUNDARIA: APLICACIÓN
DEL MODELO SOCIO-COGNITIVO DEL
DESARROLLO DE LA CARRERA (SCCT)
Tesis para optar el Título Profesional de Licenciado en Psicología
RUSSELL LAUDRUP CASIMIRO DIONICIO

(0000-0003-0733-9608)
Asesor:
Dr. Román Marquina Luján
(0000-0002-5542-7234)
Lima - Perú
2021
i
Resumen
En los últimos años se ha visibilizado una menor participación de mujeres en carreras
STEM, suscitándose diversas explicaciones a este fenómeno, como la presencia de
estereotipos de género, que limitan las opciones profesionales. Desde la Social Cognitive
Career Theory (SCCT) se predice que el desarrollo de variables clave como la autoeficacia,
expectativas de resultados, intereses y metas dan lugar a la elección vocacional, que
interactúan dinámicamente con factores contextuales (barreras y apoyos percibidos) y
personales (género). Es así, que la presente investigación tuvo como objetivo determinar la
influencia de los roles de género en las variables SCCT (autoeficacia, expectativas de
resultados, interés y metas) que conllevan a la elección de carreras STEM. Para ello, se contó
con la participación de 542 estudiantes de secundaria, empleando instrumentos acordes al
modelo SCCT (Escala de Autoeficacia de grado científico-matemático, Escalas de
Expectativas de Resultados e Interés científico-matemático del Engineering Fields
Questionnaire, Escala de Metas de grado científico del Middle School Career Self-Efficacy
Scale, y Escala de Actitudes hacia los Estereotipos de Género). Los resultados reportan una
influencia pequeña de los estereotipos de género en la autoeficacia, pero no en las demás
variables de la elección de carreras STEM. Así también, se reportan los análisis comparativos
que señalan una presencia significativa y moderada de estereotipos de género en los varones.
Por otra parte, se reflexiona sobre las fuentes de autoeficacia y los informes de rendimiento
educativo en el contexto peruano. Se presentan las limitaciones del estudio, así como las
implicaciones profesionales en los programas de orientación vocacional.
Palabras clave: SCCT, estereotipos de género, elección vocacional, autoeficacia.

ii
Abstract
In recent years, a lower participation of women in STEM careers has been reported, with
various explanations for this phenomenon, such as the presence of gender stereotypes, which
limit career choices. From the Social Cognitive Career Theory (SCCT) is predicted that the
development of key variables such as self-efficacy, outcome expectations, interests and goals
give rise to the vocational choice, which dynamically interact with contextual (barriers and
perceived supports) and personal (gender) factors. Thus, the present research aimed to
determine the influence of gender roles on the SCCT variables (self-efficacy, outcome
expectations, interests and goals) that lead to the choice of STEM careers. For this, 542 high
school students participated, using instruments according to the SCCT model (Science Grade
of Self-efficacy Scale, Outcome Expectations and Interests Scales from Engineering Fields
Questionnaire, Goals Scale from Middle School Career Self-Efficacy Scale, and Gender-role
Attitudes Scale). The results report a small influence of gender stereotypes on self-efficacy,
but not on the other variables of STEM career choice. Likewise, comparative analyzes are
reported that indicate a significant and moderate presence of gender stereotypes in men. On
the other hand, we reflect about of the sources of self-efficacy and the reports of educational
performance in the Peruvian context. The limitations of the study are presented, as well as the
professional implications in vocational guidance programs.
Key words: Social Cognitive Career Theory, gender, career choice, self-efficacy.
iii
Tabla de contenido
Resumen ................................................................................................................................................ i
Abstract................................................................................................................................................. ii
Índice de Tablas ................................................................................................................................... iv
Índice de Figuras................................................................................................................................... v
Introducción .......................................................................................................................................... 1
Marco contextual de la Elección de carreras ..................................................................................... 4
Factores sociales en la elección de carreras ...................................................................................... 5
Modelo teórico de la elección de carreras ......................................................................................... 6
Antecedentes ................................................................................................................................... 12
Objetivos ......................................................................................................................................... 16
Hipótesis ......................................................................................................................................... 16
Metodología ........................................................................................................................................ 18
Tipo y diseño de investigación ........................................................................................................ 18
Participantes .................................................................................................................................... 18
Instrumentos ................................................................................................................................... 19
Procedimientos ............................................................................................................................... 24
Análisis de datos ............................................................................................................................. 24
Resultados........................................................................................................................................... 26
Análisis correlacional y de regresión .............................................................................................. 26
Discusión ............................................................................................................................................ 29
Referencias ......................................................................................................................................... 34
Anexo 1. Matriz de Consistencia ........................................................................................................ 40
Anexo 2. Consentimiento informado .................................................................................................. 42
Anexo 3. Solicitud y aprobación de instrumentos de investigación .................................................... 43
Anexo 4. Ficha de datos sociodemográficos ....................................................................................... 48

iv
Índice de Tablas
Tabla 1. Información descriptiva de los participantes ......................................................................... 19
Tabla 2. Equivalencias del sistema de calificación en educación secundaria de España y Perú ......... 20
Tabla 3. Análisis descriptivo de los factores Autoeficacia, Expectativas de Resultados, Interés, Metas
y Actitudes hacia los estereotipos de género ........................................................................ 26
Tabla 4. Correlaciones r Pearson entre las Actitudes hacia los estereotipos de género y los factores de
la elección de carreras STEM .............................................................................................. 27
Tabla 5. Análisis de influencia de los Estereotipos de género sobre los factores de la elección de
carreras STEM ..................................................................................................................... 27
Tabla 6. Comparación de grupos según sexo a través del estadístico t de student ............................... 28
v
Índice de Figuras
Figura 1. Modelo SCCT de la elección de la carrera ............................................................................. 8

1
Introducción
La culminación de la educación secundaria representa uno de los procesos y
transiciones más desafiantes para los jóvenes, dado que se espera tomen decisiones sobre los
estudios, el trabajo y el futuro personal. Esta reflexión influirá drásticamente en el curso de la
vida adulta, particularmente, al elegir carreras poco remuneradas y/o competitivas, lo que
podría contribuir a la perpetuación de brechas económicas y sociales.
Es así que se desprende la noción de que existan carreras que gocen de mayor
prestigio, rentabilidad y demanda, tal es el caso de las carreras en Ciencias, Tecnología,
Ingeniería y Matemáticas (STEM por sus siglas en inglés) que se convierten en una mejor
inversión a futuro por los sueldos mejor pagados (Cover et al., 2011) particularmente en
países con poca igualdad de género (Stoet y Geary, 2018). Esta paradoja educación-igualdad
de género se refiere a que los riesgos económicos y generales de la vida son menores en
países con igualdad de género, resultando en una mayor oportunidad para que los intereses
individuales y las fortalezas académicas influyan en la inversión en una trayectoria académica
u otra, como lo demostraron Wang et al., (2013) para Estados Unidos.
Asimismo, en España Peña-Calvo et al., (2016) señalaron que los esfuerzos para
priorizar la participación y titulación en carreras STEM, son evidencia de competitividad
económica, dado que los graduados previenen que sectores clave se queden sin profesionales
competentes. No obstante, en América Latina y el Caribe no se están produciendo los
profesionales STEM necesarios que permitan cubrir las demandas en tecnología, ingeniería y
mercados científicos, no llegando a ser verdaderamente competitivos en el mercado global
(Fiszbein et al., 2016).
Bajo este marco de requerimiento y oportunidades para profesionales STEM, la
Organización para la Cooperación y el Desarrollo Económico (OCDE, 2016, 2017) ha
señalado que la participación de las mujeres en carreras STEM es significativamente menor

2
en la mayoría de países, oscilando entre el 30% y 42%. En el Perú, de acuerdo a los registros
de la Superintendencia Nacional de Educación Superior Universitaria (SUNEDU) las mujeres
comprenden solo el 32% de los egresados en carreras STEM y el 34% de investigadores
registrados en el Directorio Nacional de Investigadores e Innovadores (DINA) (Quevedo y
Vegas, 2020). Esto contribuye a la persistencia de brechas sociales y económicas, dada la
subrepresentación de grupos específicos (mujeres y personas de estatus socioeconómico bajo)
en STEM (Turner et al., 2019).
Ciertamente, la elección laboral y/o profesional corresponden al paso esperado
terminada la educación básica. Sin embargo, los medios para acumular capital humano
(trabajo y educación) son poco favorables, dado que cada vez menos jóvenes forman parte de
la Población Económicamente Activa (PEA) y si acumulan años de estudio, estos son
insuficientes, al no adquirir las habilidades demandadas por el mercado laboral (Franco y
Ñopo, 2018).
Aún bajo este contexto, la Organización Internacional del Trabajo (OIT, 2017)
reportó para América Latina que más del 60% de los jóvenes ven su futuro laboral con mucha
confianza. No obstante, este porcentaje decrece con la edad, desde un 80% (15-17 años) hasta
un 50% (25-29 años). Asimismo, las expectativas entre hombres (64%) y mujeres (59%) se
tornaron muy parecidas respecto al optimismo. Pese a ello, la preferencia de los jóvenes por
la formación técnica y educación superior todavía es baja (8.3%), particularmente en las
familias con menores ingresos.
Para el Perú, la OIT (2017) señala que alrededor del 42% de los jóvenes solo trabaja,
28% solo estudia, 13% estudia y trabaja, y un 17% no estudia ni trabaja -Ni Ni- en este
último caso, el total de mujeres (24%) supera al de hombres (10%), identificándose una
situación de exclusión educativa y laboral. Además, es seguro afirmar que egresar del colegio
no garantiza que se pueda seguir una carrera universitaria.

3
Adicionalmente, la investigación ha señalado que solo el 17% de los estudiantes de
último año de secundaria son competentes en matemáticas/ciencias y están interesados en
seguir una carrera STEM. Entre las razones para esto, se incluye la percepción que los
estudios STEM son muy difíciles, la expectativa de que no se podrá ser exitoso trabajando en
una carrera STEM, o las actitudes de los padres, pares y la sociedad hacia la STEM (Turner
et al., 2019).
Ciertamente, la elección de carreras STEM representa una gran oportunidad para los
jóvenes adolescentes de países en desarrollo. No obstante, el perseguir esta trayectoria no se
da de igual manera entre hombres y mujeres, señalando una mayor autoeficacia, un mayor
disfrute y un interés superior en la ciencia por parte de los chicos (Stoet y Geary, 2018).
En complemento, desde la psicología social se ha descrito que la estructura de clases
y el nivel socioeconómico dentro de un marco cultural no solo restringen y habilitan las
oportunidades sino también la cognición (Kraus et al., 2012), dando forma a construcciones
de elecciones apropiadas y lo que significa ser una buena persona (DeAngelis, 2015). Siendo
que la interacción dinámica entre el género y nivel socioeconómico tiene influencia en las
creencias y prácticas laborales, particularmente en las mujeres (McGinn y Oh, 2017).
De acuerdo al Programme for International Student Assessment [PISA] 2018, en Perú
los chicos superaron significativamente a las chicas en las pruebas de ciencias y matemáticas.
Asimismo, se reportó una brecha de género mayor a 20 puntos porcentuales entre chicos y
chicas de mejor desempeño en ciencia y matemática, en relación a la expectativa de trabajar
en ingeniería (OCDE, 2019).
Por otra parte, las consecuencias de una inadecuada elección ocupacional/ profesional
se ven reflejadas en la educación superior, siendo preocupación constante la deserción
universitaria durante el inicio de la carrera (Viale, 2014), que es influida particularmente por
motivos económicos y dudas vocacionales (Andina, 2017; PUCP, 2018).

4
Es así que, considerando este panorama de desigualdades en participación e intereses,
surge la pregunta ¿influyen los estereotipos de género en la elección de carreras STEM en
estudiantes de secundaria?
Marco contextual de la Elección de carreras
Las dificultades de la transición escuela-trabajo son significativas y muchas veces
ignoradas por los propios jóvenes, a lo que Brown refiere “we have noted many students’
general lack of interest in thinking about their adult occupational choices” [Hemos notado la
falta general de interés de muchos estudiantes en pensar acerca de sus elecciones
ocupacionales de adultos] (2002, p. 65). No obstante, esta transición y aparente desinterés se
enmarcan en una etapa de descubrimiento y reconocimiento personal, aunado a la
convergencia y mayor toma de conciencia del medio social que constantemente satura de
información, estableciendo un paradigma social.
Durante la adolescencia se espera se tomen decisiones vitales acerca de la
carrera/ocupación a seguir o, dicho de otro modo, se den los primeros pasos sólidos que
permitan una independencia personal y económica tangible. Asimismo, se debe señalar la
repercusión de la estructura educativa, que es particularmente limitada, a lo que Kerckhoff
señaló “the less vocationally specific the training and credential provided by the secondary
education structure, the more floundering and turbulent is the early career” [cuanto menos
vocacionalmente específica sea la formación y las credenciales proporcionadas por la
estructura de la educación secundaria, más torpe y turbulenta será el inicio de la carrera]
(Brown, 2002, p. 42). Esto implica un mayor costo institucional y una menor especialización
de las labores para los jóvenes, así como un deterioro en la calidad laboral e inclusión tardía
en la fuerza laboral.
Por su parte, el estudio realizado por Muñoz (2020) destacó que resultan críticas
aquellas áreas que reflejan las desigualdades de género en las ocupaciones, tal como sucede
5
en las ciencias, tecnología, ingeniería y matemáticas, con una participación mayoritaria
masculina acompañada de una segregación de género en la oferta educativa y de
especialidades. Siendo el caso de Chile un importante punto de reflexión, donde el sistema
educativo continúa reproduciendo las barreras y exclusiones de género (Muñoz, 2020).
En el contexto peruano, de acuerdo al Grupo de Análisis para el Desarrollo (GRADE)
la labor del sistema educativo se encuentra limitado por diversas razones, de las cuales dos
destacan: Primero, por la labor docente, la misma que menciona no contar con las estrategias
pedagógicas adecuadas, y segundo, por las brechas en cuanto a logros educativos que no son
posibles de garantizar por el solo tránsito del sistema educativo, y menos aún que sean
alcanzados de manera equitativa (Guadalupe et al., 2017).
Ciertamente, las brechas en cuanto a logros educativos en relación al sexo han tendido
a desaparecer, se observan mejores resultados en logros de aprendizaje de lectura en mujeres,
pero aún hay desventaja en el logro de aprendizaje en matemáticas (Guadalupe et al., 2017).
Factores sociales en la elección de carreras
Entre las variables que intervienen la elección de carreras es imprescindible incluir la
influencia que ejercen la estructura y el contexto social, mediante sus diversos actores y
manifestaciones (la familia, la escuela, el nivel socioeconómico, los roles sociales, el tamaño
de la comunidad, entre otros); apropósito de las características personales (raza y género) que
determinan las variables socio-cognitivas (Lent et al., 1994). Ello en función del paradigma
social vigente.
De este conglomerado, la familia es sin duda la institución social que más destaca,
señalando que el tipo de actividad laboral de los padres, da forma a la propia conducta,
valores y personalidad parental, influyendo en el desarrollo vocacional de los niños,
particularmente en sus intereses, valores y aspiraciones (Brown, 2002). Por ejemplo, los
6
adolescentes aprenden sus valores ocupacionales más desde el padre del mismo sexo que del
padre del sexo opuesto.
Desde la concepción sociológica se destaca que la influencia de la familia en el
desarrollo vocacional yace en dos dimensiones (a) al proveer oportunidades (educativas,
financieras e informativas) y (b) a través de la socialización (la relación padres-hijos). Es en
este punto donde las familias no están exentas de manifestar sus preferencias con respecto a
las diversas carreras y el ingreso (temprano) a la actividad laboral, gestando ideas y
valoraciones. Bajo este contexto, se ciñen dos perspectivas contrapuestas, que de acuerdo a
Brown (2002) confrontan a padres e hijos, donde los primeros destacan el valor del trabajo
como fuente de buenos hábitos de cara a la vida adulta (responsabilidad e independencia) que
dista de la percepción adolescente, donde el trabajo repercute en su bienestar personal
(cansancio) y social (sin tiempo).
Esto último ha sido validado por Greenberger y Steinberg (1986) indicando la
interferencia del trabajo temprano con el desarrollo adolescente exitoso, vinculando largas
horas de labor durante los 10 años al uso de sustancias y comportamientos delictivos.
Además, se ha reportado que largas jornadas de trabajo obstaculizan el logro académico.
En complemento a lo expuesto, el proceso de socialización y la coyuntura familiar da
forma a las ideas, los valores, las aspiraciones y/o aquello que es mejor o necesario para el
individuo, a lo que se toma la decisión de trabajar, estudiar o no hacer nada. En este caso, los
jóvenes se decantan por la educación universitaria, que cómo ya se señaló en el informe de la
OIT (2017), se muestran optimistas hacia el futuro, aunque no en las mismas proporciones ni
bajo las mismas oportunidades.
Modelo teórico de la elección de carreras
En la actualidad el modelo que mayor atención ostenta es la Social Cognitive Career
Theory (SCCT) de Robert Lent y Steven Brown, siendo una extensión y aplicación de la
7
Teoría Socio-Cognitiva de Albert Bandura, la cual predice que los estudiantes desarrollan
intereses vocacionales dentro de dominios específicos debido al desarrollo de autoeficacia y
expectativas de resultados acordes a estos dominios (Duffy et al., 2014; Turner et al., 2019).
Para comprender estas interacciones Bandura defiende el modelo de la reciprocidad
tríadica (triadic reciprocality), bajo este esquema (a) los atributos personales, (b) los factores
ambientales externos, y (c) el comportamiento manifiesto que operan como mecanismos
entrelazados que se afectan el uno al otro bidireccionalmente (Lent et al., 1994). Asimismo,
el modelo de Lent y Brown hace énfasis en la situación y la naturaleza específica del dominio
del comportamiento, los aspectos relativamente dinámicos del yo y los medios que permiten a
los individuos ejercicio de su personal agency, de control de las propias acciones.
Es así, que la SCCT postula que en el desarrollo vocacional de la carrera hay una
influencia de variables cognitivas (autoeficacia, expectativas de resultados, intereses y metas)
y factores contextuales (Lent et al., 2000). Estas variables representan un conjunto proximal
de influencias en los resultados profesionales, que son vistos como estados intermedios que
reflejan los efectos de características contextuales más distales, inputs personales (género,
raza) y las experiencias de aprendizaje (Lent y Brown, 2006).
Las variables centrales del modelo SCCT son las siguientes: (a) la autoeficacia, que
son las creencias acerca de la capacidad personal para llevar a cabo tareas en dominios
específicos, (b) las expectativas de resultados, que son las valoraciones individuales acerca de
los resultados que podrían obtenerse de desarrollar comportamientos particulares, (c) los
intereses, que se refieren a las preferencias individuales hacia ciertas actividades, y (d) las
metas, como la disposición a continuar con una opción académica o para alcanzar un
resultado particular (Lent y Brown, 2006).
Asimismo, es necesario señalar que las creencias de autoeficacia en sus diferentes
formas, se asume son adquiridas y revisadas a través de cuatro fuentes principales de

8
información: (a) mastery experience, hace referencia a que las experiencias de éxito previas
brindan mayor confianza para realizar algo nuevo en caso sean similares a las anteriores (b)
vicarious experience, donde observar el éxito o fracaso de otros similares a nosotros en
actividades que nos gustaría intentar incrementa la autoeficacia (c) social persuasion, cuando
las personas son persuadidas verbalmente de que pueden lograr una tarea, y (d) emotional
states, los estados emocional y físicos causados por emprender un nuevo comportamiento dan
indicios de la probabilidad de éxito o fracaso; el estrés, la ansiedad y miedo afectan
negativamente la autoeficacia (Hayden, 2019, p. 13-16).
Por otra parte, las variables contextuales son factores ambientales que apoyan u
obstaculizan los esfuerzos para lograr metas académicas y/o profesionales, entre estos
factores se incluyen el ingreso familiar, la disponibilidad de modelos profesionales, y la
presencia de sesgos de género o étnicos (Lent y Brown, 2006). En la figura 1, se pueden
observar las variables y sus roles en la teoría.
Figura 1
Modelo SCCT de la elección de la carrera
Características Influencias ambientales (apoyos y

-Predisposición barreras) durante la elección
-Género (Sexo)
-Raza/ Etnia
-Discapacidad/
Estado de salud
Autoeficacia
Experiencias Dominios de
Metas Acciones
de Intereses desempeño
Intenciones elegidas
aprendizaje y logros
Expectativas de
-Antecedentes resultados
-Influencias
ambientales
Nota: Se presentan las variables SCCT de los factores cognitivos, contextuales y experienciales de la elección de
la carrera. Las variables de estudio se indican en líneas sólidas. Adaptado de “Toward a unifying social
cognitive theory of career and academic interest, choice and performance” por Lent et al. (1994), Journal of
Vocational Behavior, 45(1), 36-49.
El modelo explica los determinantes básicos de los intereses profesionales, los cuales
promueven el involucramiento en actividades relacionadas a la carrera y a la adquisición de

9
habilidades. Destacando que es durante la infancia y adolescencia, donde las personas están
expuestas a una variedad de estímulos con potencial relevante para las ocupaciones. Siendo
que la propia interacción dinámica será reforzada diferencialmente por las diversas
actividades perseguidas (Lent et al., 1994).
En este proceso, la Autoeficacia y las Expectativas de resultados son determinantes en
la formación de los Intereses (se percibe como eficaz y anticipa resultados positivos).
Asimismo, se asume el supuesto de que las personas desarrollan patrones característicos de
intereses profesionales, de acuerdo al modelo Tipológico de Holland; estos intereses
emergentes orientan la cognición de elegir Metas, las mismas incrementan la probabilidad de
elegir acciones para alcanzarlas. Esta puesta en práctica produce logros de rendimiento (éxito
o fracaso) que conllevan a una revisión de la Autoeficacia y Expectativas de resultados (Lent
et al., 1994).
El papel de los factores personales, contextuales y experienciales, que pueden influir
en los intereses relacionados a la elección de carreras: (a) sirviendo como precursores de las
variables socio-cognitivas, (b) moderando ciertas relaciones teóricas claves, y (c) siendo
facilitadores directos o disuasivos (Lent et al., 1994). Entre las variables personales, el género
ha recibido particular atención, dado que pocos negarían su profunda importancia psicológica
y social que trasciende sus propiedades biológicas (Lent et al., 1994). Así la SCCT se
preocupa por los aspectos relativamente dinámicos, de situaciones específicos de las personas
y sus entornos (Lent y Brown, 2006).
La investigación ha demostrado la utilidad de la SCCT para predecir las relaciones de
las variables socio-cognitivas en STEM, encontrándose asociaciones entre la eficacia
matemática, expectativas de resultados, intereses, y metas en adolescentes (Navarro et al.,
2007; Turner et al., 2004). Destacándose cómo variables centrales entre los diversos modelos
10
a la autoeficacia (Lent y Brown, 2006), las expectativas de resultados y la elección de metas
(Sheu y Bordon, 2017).
Por otra parte, la presencia de barreras académicas, sociales y de desarrollo
profesional (e.i. racismo, sexismo y barreras financieras) pueden afectar negativamente el
desarrollo de carreras STEM en jóvenes. Un proyecto de investigación en España reportó que
las barreras sociales están relacionadas negativamente con la eficacia de la tecnología y los
intereses profesionales (Inda-Caro et al., 2016). A este respecto, Lent y Brown (2006)
enfatizaron que análogamente las condiciones ambientales benéficas fortalecen las
metas/objetivos y la probabilidad de ser llevadas a cabo.
Es así, que el apoyo parental representa una ventaja contextual influyente, siendo una
potente fuente de autoeficacia para perseguir carreras de matemáticas y ciencias, donde
particularmente las madres son una fuente influyente de apoyo para las expectativas de
resultados profesionales en matemáticas y ciencias (Fouad y Santana, 2017; Rice et al., 2012;
Turner et al., 2004).
Los pares son los principales influyentes en la vida de los adolescentes. No obstante,
los resultados no han sido los esperados, no encontrándose relación entre el poco apoyo de
los pares y la autoeficacia en matemáticas o expectativas de resultados (Turner et al., 2019).
En el caso del género, se ha señalado que es una fuente distinta de learning
information (información de aprendizaje) para la autoeficacia y expectativas de resultados
(Asante, 2012; Fouad y Santana, 2017; Robnett y Leaper, 2013; Sadler, Sonnert, Hazari y
Tai, 2012; Turner et al., 2004). Siendo resultado de la interacción entre la característica
personal más básica, el sexo, y las influencias sociales donde el proceso de socialización de
los roles de género puede sesgar el acceso a fuentes de información necesarias, influyendo en
las experiencias de aprendizaje y dando lugar a la autoeficacia y expectativas de resultados
(Lent et al., 1994).

11
La investigación de Kanny et al., (2014) ha demostrado los vínculos entre el género y
algunas variables relacionadas a carreras STEM, particularmente la autoeficacia (Gushue y
Whitson, 2006; Flores et al., 2010), intereses, metas y elecciones, lo que indica que “gender
being a powerful and direct motivator at each decision point along this socio-cognitive
continuum” [el género es un motivador potente y directo en cada punto de decisión a lo largo
del continuo socio-cognitivo] (Turner et al., 2019, p. 137).
En una línea similar, los estereotipos de género representan significados construidos
socialmente, resultando en la internalización y expresión de procesos diferenciales de
socialización (E.i. estereotipificación de carreras en matemáticas y ciencias como más
apropiadas para hombres que para mujeres) (Turner et al., 2004). Los hallazgos sugieren que
los adolescentes con una mayor percepción de equidad de género en ciencia y matemática
tienen una mayor autoeficacia y expectativas de resultados. Asimismo, señalan que el apoyo
de la madre y el padre son importantes para desarrollar estas percepciones de género.
Tradicionalmente los estereotipos de roles de género atribuyen que los chicos sean
más agentic (autónomos; para adquirir competencias y habilidades) mientras que las chicas
deben ser más communal (comunitarias; hábiles socialmente y útiles). Estos roles de género
masculino se alinean con las representaciones culturales populares de la ciencia y
matemática, que se describen como no relacionadas con las preocupaciones del mundo y no
orientadas a las personas (Dasgupta y Stout, 2014). En este contexto, la investigación de
Makarem y Wang (2019) han señalado que las mujeres abandonan las carreras STEM porque
las perciben incompatibles con sus roles, valores, identidades y objetivos de vida
tradicionalmente aceptados, así como con los estereotipos que debe cubrir un profesional
STEM.
Dasgupta y Stout (2014) sugieren una razón importante por la cual las mujeres se
sienten desplazadas (o fuera de lugar) en carreras STEM, y es por los múltiples estereotipos
12
existentes, destacando la creencia de que son “cosa de chicos”. Por lo cual, se produciría un
mayor desgaste en las mujeres por la menor sensación de “pertenencia”.
Adicionalmente, la Teoría de Congruencia de Roles explica la participación
diferencial en carreras STEM, las personas se sienten recompensadas y positivas cuando
asumen roles sociales consistentes con las expectativas culturales; mientras las mujeres son
atraídas a la ciencia por el grado en que se sientan más comunitarias, los hombres lo harán
por sentirse más autónomos (Stout et al., 2016).
Carreras STEM
Las carreras STEM hacen referencia a cualquier trabajo en los campos de la ciencia,
tecnología, ingeniería y matemáticas, que permita la expansión de las fronteras científicas,
desarrollar nuevas ideas y/o productos, así como el realizar investigaciones y generar avances
tecnológicos (Cover et al., 2011).
De acuerdo al portal de búsqueda de empleo INDEED (2021) las carreras STEM
requieren habilidades técnicas específicas al campo y soft skills, incluyendo: (1)
conocimiento avanzado en ciencia, tecnología, ingeniería o matemática, (2) análisis, (3)
atención al detalle, (4) resolución de problemas, (5) pensamiento crítico, (6) comunicación,
(7) creatividad, (8) liderazgo y, (9) organización. Por otra parte, Minnesota State (2021)
señala tres habilidades clave: (a) resolución de problemas, (b) pensamiento analítico y, (c) la
capacidad para trabajar independientemente.
Bajo esta perspectiva, las carreras STEM representan actividades enfocadas en
dominios y competencias científico-matemáticas, particularmente referenciadas por su
complejidad (Turner et al., 2019).
Antecedentes
Inda-Caro et al., (2016) realizaron una investigación cuyo propósito fue analizar la
influencia de los factores personales (Actitudes hacia los estereotipos de género, Estado
13
emocional), contextuales (Barreras y Apoyo social percibido) y cognitivos (Autoeficacia,
Expectativas de resultados) en los intereses en educación tecnológica. La muestra estuvo
conformada por 2,364 estudiantes españoles (50.7% mujeres). Bajo el modelo SCCT, se
emplearon los siguientes instrumentos: Escala de Autoeficacia de Grado Tecnológico
(Technology Grade Self-Efficacy Scale; Britner y Pajares, 2001, 2006); Escala de Fuentes de
Autoeficacia Tecnológica (Sources of Technology Self-Efficacy Scale; Britner y Pajares,
2006), Escala de Expectativas de Resultados en Tecnología (Technology Outcome
Expectations Scale; Fouad et al., 1997), Escala de Metas e Intenciones en Tecnología
(Technology Intentions and Goals Scale; Fouad et al., 1997), Escala de Intereses en
Tecnología (Technology Interests Scale; Lent et al., 2003) y Escala de Actitudes hacia los
Roles de Género (Gender-role Attitudes Scale; Inda-Caro et al., 2016). Los resultados
indicaron que no hubo influencia de las Actitudes hacia los roles de género en la Autoeficacia
(r = .07), Intereses (R2 = .02), pero sí en las Expectativas de resultados (β = -.04).
Rodríguez et al., (2016) realizaron una investigación que tuvo como objetivo
determinar la influencia de los estereotipos de género en el modelo SCCT, en el marco de
variables personales (Estado emocional y Estereotipos de género), contextuales (Barreras y
Apoyo social percibido) y cognitivas (Autoeficacia y Expectativas de resultados) en el interés
tecnológico. Se contó con la participación de 2359 estudiantes de secundaria de Asturias -
España. Los instrumentos utilizados fueron: Escala de Autoeficacia de Grado Tecnológico
(Technology Grade Self-Efficacy Scale - TGSES; Britner y Pajares, 2006); Escala de Fuentes
de Autoeficacia Tecnológica (Sources of Technology Self-Efficacy Scale - STSES; Britner y
Pajares, 2006), Escala de Expectativas de Resultados en Tecnología (Technology Outcome
Expectations Scale - TOES; Fouad et al., 1997), Escala de Metas e Intenciones en Tecnología
(Technology Intentions and Goals Scale - MSIGS; Fouad et al., 1997), Escala de Intereses en
Tecnología (Technology Interests Scale; Lent et al., 2003) y Escala de Actitudes hacia los
14
Roles de Género (Gender-role Attitudes Scale; Inda-Caro et al., 2016). Los resultados
señalaron que no existe influencia significativa con respecto a los Estereotipos de género,
entre varones y mujeres respectivamente, sobre las variables SCCT: Autoeficacia (β = .04; β
= -.04), Expectativas de resultados (β = -.06; β = -.06) e Intereses (β = .02; β = .03).
Fernández-García et al., (2019) desarrollaron un estudio que tuvo como propósito
determinar la influencia de las Expectativas académico parentales y los Estereotipos de
género sobre las Creencias de autoeficacia, Expectativas de resultados e Intereses de
estudiantes de secundaria en España. La muestra estuvo conformada por 2,364 estudiantes de
secundaria. Los instrumentos utilizados fueron: la Escala de Expectativas de Resultados en
Ciencia y Tecnología (Science and Technology Outcome Expectations Scale – MSOES;
Fouad et al., 1997), la Escala de Autoeficacia en Ciencia y Tecnología (Science and
Technology Self-Efficacy Scale; Britner y Pajares, 2001, 2006), la Escala Interés en Ciencia
y Tecnología (Science and Technology Interest Scale; Lent et al., 2003), la Escala de Fuentes
de Autoeficacia en Ciencia y Tecnología (Sources of Science and Technology Self-Efficacy;
Britner y Pajares, 2006) y la Escala de Actitudes hacia los Roles de Género (Gender-Role
Attitudes Scale; Inda-Caro et al., 2016). Los resultados indicaron que los varones perciben
mayores Estereotipos de género parentales que las mujeres en campos científicos y
tecnológicos. No obstante, los Estereotipos de género de los padres no tuvieron influencia en
la Autoeficacia (β = -.02; -.02), ni en las Expectativas de resultados (r = -.01; -.03) e Intereses
(r = .01; -.03), en cuanto a varones y mujeres, respectivamente. Asimismo, los Estereotipos
de género de las madres no tuvieron influencia en la Autoeficacia (β = .04; .03), ni en las
Expectativas de resultados (r = -.02; .04) e Intereses (r = .02; -.04), en varones y mujeres,
respectivamente.
Turner et al. (2004) realizaron un estudio que tuvo como objetivo evaluar los efectos
interaccionales de los factores contextuales (apoyo paterno, materno y estructura familiar) y

15
personales (estereotipos de género en ciencia y matemática) en la autoeficacia, expectativas
de resultados e interés profesional en ciencia y matemática de estudiantes de secundaria
americanos. La muestra estuvo conformada por 318 estudiantes y se utilizaron dos
instrumentos: la Escala de Ciencias del Inventario Revisado de Intereses de Exámenes Unisex
de universidades americanas (Science Scale of the Revised Unisex American College Testing
Interest Inventory – UNIACT; Lamb y Prediger, 1995) y la versión abreviada de la Escala de
Actitudes Matemáticas (Fennema-Sherman Mathematics Attitude Scales – FSMA; Fennema
y Sherman, 1976) compuesta por seis factores: (a) Apoyo materno percibido, (b) Apoyo
paterno percibido, (c) Estructura familiar, (d) Estereotipos de género, (e) Autoeficacia
matemática y (f) Expectativas de resultados matemáticos. Los resultados mostraron
influencia de los estereotipos de género en ciencia y matemática sobre la autoeficacia
matemática (β = -.14; p < .017) y las expectativas de resultados (β = -.15; p < .009). En
conclusión, se reporta que la autoeficacia matemática afecta positivamente las expectativas de
resultados matemáticos, y que la autoeficacia y expectativas de resultados matemáticos en
conjunto afectan el interés profesional en matemáticas y ciencias. Asimismo, los adolescentes
que perciben que las matemáticas y la ciencia son actividades apropiados, en equidad de
género, tienen mayor autoeficacia matemática y mayores expectativas de la utilidad y valor
en su futuro.
En síntesis, queda demostrada la relación entre las variables de estudio. Estas
relaciones pueden ser directas o indirectas, que de acuerdo al modelo los Estereotipos de
género influyen directamente en la Autoeficacia y las Expectativas de resultados, aun así, la
magnitud de esta influencia ha sido diversa en relación al contexto de investigación. No
obstante, la percepción de equidad con respecto al género en STEM ha precedido los mayores
niveles socio-cognitivos (Autoeficacia y Expectativas de resultados). Esto conlleva a que los
Estereotipos de género influyan en la elección/participación de carreras STEM,

16
particularmente mediante la Autoeficacia como resultado de experiencias de aprendizaje, y en
menor cuantía a través de las Expectativas de resultados.
Finalmente, los estereotipos de género en STEM dictaminan y limitan las elecciones
personales con respecto a las profesiones más apropiadas de acuerdo a roles sociales
consistentes con las expectativas culturales. De esta manera, resulta importante cuantificar la
influencia que producen por los estereotipos de género en la elección de carreras, ya que esta
distinción permitirá orientar las acciones de promoción y participación de las y los
adolescentes a ser parte de profesiones STEM.
Objetivos
Objetivo general
Determinar el grado de influencia que ejercen los estereotipos de género sobre la
elección de carreras STEM en una muestra de estudiantes de secundaria.
Objetivos específicos
Analizar la influencia que ejercen los estereotipos de género en la autoeficacia para la
elección de carreras STEM.
Analizar la influencia que ejercen los estereotipos de género en las expectativas de
resultados para la elección de carreras STEM.
Analizar la influencia que ejercen los estereotipos de género en los intereses para la
Analizar la influencia que ejercen los estereotipos de género en las metas para la
Hipótesis
Hgeneral: Los estereotipos de género influyen en la elección de carreras STEM en
estudiantes de secundaria de Ate Vitarte.

17
H1: Los estereotipos de género influyen en la autoeficacia para la elección de carreras
STEM.
H2: Los estereotipos de género influyen en las expectativas de resultados para la
H3: Los estereotipos de género influyen en los intereses para la elección de carreras
STEM.
H4: Los estereotipos de género influyen en las metas para la elección de carreras
STEM.
18
Metodología
Tipo y diseño de investigación
La presente investigación es parte de los estudios empíricos, con un diseño predictivo
transversal, dado que no se empleó ningún procedimiento de control de variables extrañas y
se especifica el modelo de regresión lineal (Ato et al., 2013).
Participantes
La selección de participantes fue mediante un muestreo no probabilístico por
conveniencia (Pérez et al., 2018), dada la accesibilidad a la población estudiantil, que estuvo
conformada por 542 estudiantes de educación secundaria de 3ro, 4to y 5to grado, del distrito
de Ate Vitarte.
Los participantes se encuentran entre los 13 y 17 años, de los cuales 307 (56.6 %) son
mujeres, 190 (35.1 %) señalaron haber tenido un trabajo y 61 (11.3%) manifiestan estar
trabajando. En cuanto a la familia, reportaron que un 303 (55.9%) de los apoderados (padres)
han alcanzado un nivel educativo secundario, 103 (19%) técnico, 75 (13.8%) primario, 45
(8.3%) universitario y 16 (3%) sin nivel educativo (Ver tabla 1).
Los criterios de exclusión que se consideraron son: a) no haber dado el visto bueno
(check) al consentimiento informado, b) no haber completado los instrumentos/cuestionarios
de investigación, y c) haber respondido aleatoriamente/ilegiblemente alguna de las preguntas
de la ficha de datos sociodemográficos.

19
Tabla 1
Información descriptiva de los participantes
f %
Sexo
Varón 235 43.4
Mujer 307 56.6
Edad
13 a 17 542 100.0
Trabaja
Si 61 11.3
No 481 88.7
Experiencia previa de trabajo
Si 190 35.1
No 352 64.9
Nivel educativo del apoderado
Ninguno 16 3.0
Primaria 75 13.8
Secundaria 303 55.9
Técnica 103 19.0
Universitaria 45 8.3
Elaboración Propia
Instrumentos
Para analizar la variable Elección de carreras STEM se consideraron cuatro factores
(Autoeficacia, Expectativas de resultados, Intereses y Metas) de acuerdo al modelo SCCT,
para ello se empleó la adaptación al español de Inda-Caro et al. (2016). Asimismo, dadas las
características poblacionales de la escala original y la adaptación, se optó por realizar la
validez de contenido contando con la colaboración de tres jueces expertos en docencia,
particularmente para adaptar las características referidas al bachillerato y sistema de
calificación (cualitativo y numérico) al sistema vigesimal peruano (ver tabla 2) para el factor
Autoeficacia, obteniéndose un coeficiente de Aiken de al menos (>.80) para todos los ítems,
superando el mínimo exigido (Vo ≥ .70; Charter, 2003). Asimismo, se adaptaron las
20
condiciones relacionadas al contexto de la variable de estudio de los factores Intereses y
Metas. A continuación, algunos ejemplos:
Estudio español dice:
1) La tecnología/informática es divertida [Factor Intereses].
2) Pienso permanecer matriculado/a en este Grado (ciencias) el próximo semestre
[Factor Metas].
Nosotros adaptamos:
1) Las matemáticas y ciencias son divertidas [Factor Intereses].
2) Pienso estudiar una carrera profesional en ingeniería o ciencias
(naturales/sociales) [Factor Metas].
Esta adecuación pretende abarcar la amplitud de carreras en STEM, particularmente
desde una perspectiva mediante el empleo de las matemáticas y la dificultad inherente a esta
disciplina del conocimiento.
Tabla 2
Equivalencias del sistema de calificación en educación secundaria de España y Perú
España Perú
Valor
Numérico Cualitativo Numérico Cualitativo
Desaprobado 1-4 Insuficiente (IN) 00 – 10 C (En inicio)
5 Suficiente (SU)
11 – 13 B (En proceso)
6 Bien (BI)
Aprobado
7–8 Notable (NT) 14 – 17 A (Logro esperado)
9 – 10 Sobresaliente (SB) 18 – 20 AD (Logro destacado)
Elaboración propia
El factor Autoeficacia científica-matemática de Britner y Pajares (2001, 2006), que
evalúa la confianza de los estudiantes de secundaria acerca de sus propias capacidades para
realizar exitosamente tareas científicas. Consta de 03 ítems, cuyas alternativas de respuesta

21
son de tipo Likert oscilando desde 1 (Completamente inseguro/a) a 6 (Completamente
seguro/a).
Sobre la validez del factor, la adaptación al español de Inda-Caro et al. (2016), reportó
adecuados indicadores de bondad y ajuste (CFI = .900; GFI = 1; RMSR = .02), señalando un
porcentaje de varianza explicada del 29% para la autoeficacia. Para la presente investigación
el análisis factorial reportó que las cargas factoriales superaron el valor mínimo recomendado
(λ > .30; Costello y Osborne, 2005), excepto para el ítem 3 (λ = -.165). Asimismo, el análisis
de confiabilidad de este último presentó una correlación ítem-test inferior (Rit = -.108), por lo
cual se eliminó el ítem.
Sobre la confiabilidad del factor, se reportó un coeficiente alfa de .86 y .85 en los
estudios de Britner y Pajares (2001, 2006), respectivamente. La investigación española señaló
un coeficiente alfa de .96 para el modelo y .88 para la escala (Inda-Caro et al., 2016). La
presente investigación obtuvo un valor aceptable (α = .710; ω = .711).
El factor Expectativas de Resultados fue originalmente parte del Engineering Fields
Questionnaire (Lent y Brown, 2006), que evalúa las creencias de los estudiantes de
secundaria acerca de las potenciales consecuencias de estudiar una carrera STEM.
Compuesto por 07 ítems resultado de la adaptación al español de Peña-Calvo et al. (2015)
cuyas opciones de respuesta van de 1 (Totalmente en desacuerdo) a 6 (Totalmente de
acuerdo).
Sobre la validez del factor, la adaptación española señaló indicadores adecuados de
bondad y ajuste resultado de análisis factorial (CFI = .98; RMSEA = .03; Peña-Calvo et al.,
2016) señalando un porcentaje de varianza explicada del 17% para las expectativas de
resultados (Peña-Calvo et al., 2015). Para la presente investigación el análisis factorial
reportó que las cargas factoriales superaron el mínimo recomendado (λ > .30; Costello y
Osborne, 2005) para todos los ítems.

22
Sobre la confiabilidad del factor, se reportó un coeficiente alfa de .89 en el estudio
original de Lent et al., 2005. Para la investigación española se obtuvo un coeficiente alfa de
0.95 (Peña-Calvo et al., 2015) y 0.88 (Peña-Calvo et al., 2016). La presente investigación
obtuvo un valor aceptable (α = .850; ω = .854).
El factor Interés Científico-Matemático forma parte del Engineering Fields
Questionnaire (Lent et al., 2003), que determina el grado de interés por estudiar determinados
temas y realizar actividades en ciencia y tecnología. Contiene 08 ítems adaptados de la
investigación española (Inda-Caro et al., 2016) de los cuales 02 son ítems invertidos (ítem 6 y
8) cuyas opciones de respuesta oscilan entre 1 (Ningún interés) a 6 (Mucho interés).
bondad y ajuste resultado de análisis factorial (CFI = .98; RMSEA = .03; Peña-Calvo et al.,
2016), señalando un porcentaje de varianza explicada del 61% para los intereses (Inda-Caro
et al., 2016). Para la presente investigación el análisis factorial reportó que las cargas
factoriales superaron el mínimo recomendado (λ > .30; Costello y Osborne, 2005) para todos
los ítems.
Sobre la confiabilidad del factor, se reportó un coeficiente alfa de .83 en el estudio
original (Lent et al., 2003) y de .80 (Lent et al., 2005). La adaptación española reportó un
coeficiente alfa de 0.94 (Inda-Caro et al., 2016) y 0.82 (Peña-Calvo et al., 2016). La presente
investigación reportó un valor adecuado (α = .879; ω = .882).
El factor Metas de Grado Científico forma parte del Middle School Career Self-
Efficacy Scale (Fouad et al., 1997), describe la capacidad motivadora y representa los
resultados deseados en carreras STEM. Consta de 04 ítems adaptados de la investigación
española (Inda-Caro et al., 2016) cuyas opciones de respuesta oscilan entre 1 (Totalmente en
desacuerdo) a 5 (Totalmente de acuerdo).

23
bondad y ajuste (CFI = .900; GFI = 1; RMSR = .02), señalando un porcentaje de varianza
explicada del 14% para las metas, que se configuró por la sumatoria de las expectativas de
resultados y metas (Inda-Caro et al., 2016). Para la presente investigación el análisis factorial
reportó que las cargas factoriales superaron el mínimo recomendado (λ > .30; Costello y
Osborne, 2005) en todos los ítems.
Sobre la confiabilidad, se reportó un coeficiente alfa de .97 en el estudio original de
Fouad et al., 1997. La adaptación española reportó un coeficiente alfa de 0.95 (Inda-Caro et
al., 2016), mientras la presente investigación reportó un α = .952 y ω = .952.
La Escala de Actitudes hacia los Estereotipos de Género (Inda-Caro et al., 2016),
evalúa los estereotipos de género del individuo en relación a estudios en ciencia/matemáticas.
La escala consta de 07 ítems cuyas opciones de respuesta se encuentran entre 1 (Totalmente
falso) a 6 (Totalmente verdadero). Contando con 02 ítems invertidos (ítems 2 y 3).
Sobre la validez de la escala, Inda-Caro et al., 2016 realizaron una evaluación de
contenido por 23 jueces expertos acerca de diferencias de género en un amplio rango de áreas
científicas. Para la presente investigación el análisis factorial reportó que las cargas
factoriales superaron el mínimo recomendado (λ > .30; Costello y Osborne, 2005) para todos
los ítems.
Sobre la confiabilidad de la escala, se reportó un coeficiente alfa de .85 (Inda-Caro et
al., 2016). En la presente investigación se reportó un valor adecuado (α = .761; ω = .774).
En cuanto a la Ficha de Datos Personales y Sociodemográficos, se consideraron
variables como edad, sexo, nivel educativo logrado por el padre/apoderado, experiencia
laboral presente y previa, y la percepción del nivel socioeconómico.

24
Procedimientos
Para el acceso a la muestra, se contactó a las autoridades de las instituciones
educativas, solicitando los permisos respectivos y comunicando los objetivos de
investigación a los padres de familia de los estudiantes.
Con respecto a la recolección de datos, se elaboraron los formularios en la plataforma
digital google form, que incluyeron: (1) el consentimiento informado, que indicaba los
objetivos del proyecto de investigación y los términos de la colaboración voluntaria, (2) la
ficha de datos personales, (3) la ficha de datos sociodemográficos y (4) los instrumentos de
investigación. Asimismo, las instrucciones se encontraban explícitas en todos y cada uno de
los formularios, y en caso de alguna consulta o comentario se brindó el correo institucional
del autor.
Acerca de la difusión, los formularios fueron distribuidos mediante enlaces
proporcionados a los tutores en los grupos de WhatsApp de los estudiantes, entre el 18 de
mayo y el 04 de junio del 2021. Posterior, se descargaron las respuestas para realizar la
limpieza de los datos, teniendo en cuenta los criterios de inclusión y exclusión previamente
descritos. Finalmente, los análisis correspondientes se realizaron en el programa JAMOVI.
Análisis de datos
Considerando la adaptación lingüística del instrumento, el criterio de jueces se analizó
mediante el coeficiente V de Aiken, cuyos valores (Vo ≥ .70) son el estándar mínimo exigido
(Charter, 2003). Asimismo, se realizó el análisis factorial de todos los instrumentos.
Para la confiabilidad, se empleó el coeficiente Alfa de Cronbach, que para propósitos
de investigación los valores de mínimos aceptables son de .70 (Nunally, 1978, como se citó
en Gadermann et al., 2012). Además, se analizó la normalidad de los datos tomando en
cuenta la asimetría y curtosis, cuyo rango aceptable oscila en ±1.5 (Pérez y Medrano, 2010).
25
Posterior, se realizó el análisis de correlación mediante el coeficiente de Pearson,
donde los r ≥ .20 son considerados significativos (Ferguson, 2009) y siendo calificados como
correlaciones pequeñas (r ≥ .10), medianas (r ≥ .30) y grandes (r ≥ .50) (Cohen, 1992). Luego
se realizó un análisis de regresión simple, que permite determinar la cuantía de los cambios
de las variables dependientes (Autoeficacia, Expectativas de resultados, intereses y metas) a
partir de los valores de la variable independiente (Estereotipos de género). Se interpretaron
los resultados mediante R cuadrado (R2 ) y la magnitud de los coeficientes beta
estandarizados (β). Donde R2 es calificado como efecto mínimo necesario (.04 ≤ R2 < .25),
moderado (.25 ≤ R2 < .64) y fuerte (R2 ≥ .64) (Ferguson, 2009). Asimismo, son considerados
como valores significativos los β ≥ .20, siendo interpretados como débiles (.20 ≤ β < .50),
moderados (.50 ≤ β < .80) y fuertes (β ≥ .80) (Ferguson, 2009).
Adicionalmente, se calculó la magnitud del efecto (d de cohen) de las comparaciones
de las variables SCCT y de estereotipos de género mediante t de student, identificando
valores no significativos (d < .20), pequeños (.20 ≤ d < .50), moderados (.50 ≤ d < .80) y
grandes (d ≥ .80) (Cohen, 1992).

26
Resultados
Análisis descriptivo
Respecto al análisis descriptivo de las escalas, se obtuvo la media (M), desviación
estándar (DE), la asimetría y la curtosis (Tabla 3). Asimismo, los valores de asimetría y
curtosis se encuentran dentro del rango +/- 1.5 (Pérez y Medrano, 2010).
Tabla 3
Análisis descriptivo de los factores Autoeficacia, Expectativas de Resultados, Interés, Metas
y Actitudes hacia los estereotipos de género
Variables M DE Asimetría Curtosis
Autoeficacia 9.77 2.97 -.058 -.124

Expectativas de Resultados 33.96 6.41 -.945 .587
Interés 35.10 8.51 -.461 -.512
Metas 13.33 5.11 -.223 -1.167
Estereotipos de género 13.96 6.02 .755 -.180
Elaboración Propia
Análisis correlacional y de regresión
En la tabla 4 se muestra que existe una correlación pequeña y significativa (r > .20),
de acuerdo a Ferguson (2009), entre los Estereotipos de género y la Autoeficacia (r = -.200).
Por el contrario, no se obtuvieron correlaciones significativas (r < .20) para los factores
Expectativas de resultados, Intereses y Metas.
El análisis de regresión evidencia que existe una influencia mínima de la variable
Estereotipos de género sobre la Autoeficacia (R2 = .040), siendo estadísticamente significativa
y de pequeña significancia práctica. No obstante, no se observa influencia en el factor
Expectativas de resultados (R2 = .000), en el factor Intereses (R2 = .001), ni en el factor Metas
(R2 = .006) (Tabla 5).

27
Tabla 4
Correlaciones r Pearson entre las Actitudes hacia los estereotipos de género y los factores de
la elección de carreras STEM
Factores de la elección de carreras Actitudes hacia los estereotipos de género
STEM r p
Autoeficacia -.200** .001
Expectativas de Resultados -.015 .734
Interés -.030 .491
Metas .077 .074
** La correlación es significante a nivel 0.01
De esta manera, la hipótesis (1) recibió respaldo empírico (β > -.200) corroborando la
influencia pequeña y significativa que ejercen los Estereotipos de género en la Autoeficacia
para la elección de carreras STEM. Por otra parte, las demás hipótesis propuestas (2, 3 y 4)
no recibieron el respaldo empírico requerido (R2 ≥ .04; β ≥ .20) (Tabla 5).
Tabla 5
Análisis de influencia de los Estereotipos de género sobre los factores de la elección de
carreras STEM.
Expectativas
Autoeficacia Intereses Metas
de Resultados
Estereotipos R2 .040 .000 .001 .006
de género F 22.473 .116 .475 3.199
β -.200 -.015 -.030 .077
t -4.741 -.341 -.689 1.789
p .000 .734 .491 .074

Nota. β = Valor estandarizado de beta
Análisis complementario
Se realizó un análisis comparativo en función a la variable sociodemográfica sexo, con
el objetivo de determinar posibles diferencias o similitudes en los factores de la elección de
carreras STEM y los estereotipos de género.

28
Diferencias en función del sexo. En la tabla 6, se muestran diferencias significativas
entre mujeres y varones. Bajo este respecto, los factores Intereses, Metas y Estereotipos de
género reportaron diferencias significativas y presentaron magnitudes moderadas (d = -.587; d
= -.649; d = -.733), respectivamente. Por otra parte, el factor Autoeficacia (t = -1.259; p = .209)
no reportó diferencias significativas y el factor Expectativas de resultados (t = 2.040; p = .042)
presentó valores no significativos (d = -.175).
De esta forma, se observa una tendencia de los varones a estar más interesados en
carreras STEM (M = 37.82) que las mujeres (M = 33.02). Asimismo, los varones muestran una
mayor perseverancia y planeación de objetivos en torno a carreras STEM (M = 15.12) que las
mujeres (M = 11.96). Por otra parte, se reportan mayor aprobación hacia actitudes a favor de
estereotipos de género en los varones (M = 16.31) que en las mujeres (M = 12.16).
Se evidenció significancia estadística para todos los factores excepto Autoeficacia (p =
.209) y significancia práctica para los factores Interés, Metas y Estereotipos de género.
Tabla 6
Comparación de grupos según sexo a través del estadístico t de student.
Varones Mujeres
(n = 235) (n = 307)
t p d
M DE M DE
Autoeficacia 9.58 3.420 9.92 2.578 -1.259 .209 .114
Expectativas de
34.60 6.139 33.48 6.579 2.040 .042 -.175
Resultados
Interés 37.82 7.267 33.02 8.807 6.945 .000 -.587
Metas 15.12 4.717 11.96 4.977 7.545 .000 -.649
Estereotipos de género 16.31 6.339 12.16 5.081 8.213 .000 -.733
Nota: M = Media; DE = Desviación estándar; t = Estadístico t; p = Significancia estadística; d =
d de Cohen
29
Discusión
El estudio demostró la influencia de los estereotipos de género en las creencias de
autoeficacia (Fernández-García et al., 2019) aunque en una magnitud mínima. Asimismo, no
se encontró influencia de los estereotipos de género en las demás variables cognitivas
(expectativas de resultados, intereses y metas). Lo que complementa el análisis de otros
estudios, en los cuales los estereotipos de género no influyen significativamente en la
elección de carreras STEM (Rodríguez et al., 2016; Fernández-García et al., 2019).
En este sentido, para el presente estudio la autoeficacia corrobra su rol como factor
preponderante en la elección de carreras STEM (Sheu y Bordon, 2017). No obstante, se debe
destacar que las demás variables SCCT son claves para el desarrollo de la intencionalidad y
persistencia para culminar carreras STEM.
Es así, que los estereotipos de género, percibidos, refuerzan a priori la idea de que hay
elecciones académicas y profesionales más apropiadas para los chicos y chicas. Lo cual
podría explicarse mediante la expresión y expectativas en cuanto a habilidades y desempeño
que los padres y madres infieren acerca de sus hijos e hijas en estudios STEM, que según
Fernández-García et al. (2019), son desfavorables a las chicas.
Bajo este contexto, la ausencia de una influencia significativa de los estereotipos de
género en las demás variables de estudio podría deberse a que estas interacciones no
solamente son contextuales, sino que se manifiestan constantemente y en un espectro más
amplio, sujetas a los roles de género. Asimismo, las distintas fuentes de autoeficacia: (a)
mastery experience, (b) vicarious experience, (c) social persuasion, y (d) emotional states,
son en mayor o menor medida más receptivas a las distintas influencias socioculturales y
familiares a lo largo del desarrollo, orientando la elección vocacional.
Lo anterior es clave, dado que de acuerdo al modelo de Lent et al. (1994), la presencia
de barreras y apoyos contextuales se perciben durante la elección de la carrera, siendo

30
tangibles, conscientes y presentándose de manera diferenciada no solo en los padres y madres
sino también en los chicos y chicas. Hay que señalar que estas barreras y apoyos percibidos
incluyen factores relativos a lo económico, social y familiar.
Por otra parte, se puede distinguir que la influencia mínima en torno a las creencias de
autoeficacia representa una disminución acerca de los niveles percibidos de estereotipos de
género, como se ha reportado en algunos estudios, la tendencia ha ido en descenso.
Ciertamente, la autoeficacia representa una variable compleja que debe ser entendida
en la amplitud de sus fuentes, el modelo SCCT señala que los intereses se desarrollan en
dominios que impliquen una mayor experiencia de sense of agency, que hace referencia a la
sensación de control de las propias acciones y consecuencias en el mundo. Donde la
confianza en las propias capacidades incrementa las expectativas acerca de las potenciales
consecuencias positivas de la elección de cursos académicos. (Lent et al., 1994: Inda-Caro et
al., 2016).
Bajo esta perspectiva, la propuesta de Wang et al. (2013), señalan que los individuos
que perciban mayores y equiparables competencias en distintas áreas, como la habilidad
matemática y verbal, tendrán un rango más amplio de elección de ocupaciones en
comparación con sus pares; siendo menos proclives a elegir carreras STEM (Zacharia et al.,
2020). Esto es particularmente relevante para las mujeres, que de acuerdo a lo señalado por
los resultados de la evaluación PISA las chicas se desempeñan igual o incluso mejor que los
chicos en ciencias en la mayoría de países (Stoet y Geary, 2018). No obstante, se ha
reportado que hay una pérdida de capacidad STEM femenina entre el paso de la educación
secundaria a la superior (Stoet y Geary, 2018).
Para el contexto peruano de acuerdo a Guadalupe et al. (2017) “en los últimos años se
ha observado una mejora en los niveles de desempeño a través del Informe PISA” (p. 102).
Esto último podría indicar un cese en las elecciones influidas por estereotipos de género. Sin
31
embargo, el análisis comparativo de la presente muestra indica una presencia mayor de
estereotipos de género en estudiantes varones (d = -.733) pese a ello, influyen mínimamente
en la elección de carreras STEM.
Conclusiones
Los estereotipos de género influyen en la elección de carrera STEM bajo el modelo
SCCT, particularmente en la autoeficacia. No obstante, la magnitud es mínima y poco
significativa pragmáticamente. Resultando en una elección de carreras STEM ligeramente
motivada debido a los roles de género, visibilizándose una mayor equidad en cuanto a la
percepción de estas limitaciones al momento de elegir una carrera en campos
tradicionalmente de dominio masculino.
La percepción de competencias personales elevadas en un contexto STEM no
garantiza la participación en estos dominios, dado que la existencia de competencias
equiparables en otras áreas del conocimiento (E.i. habilidad matemática y verbal) amplían el
rango de potenciales elecciones ocupacionales. No obstante, la percepción de barreras y
apoyos (familiares, sociales y económicos) vinculadas a fortalecer o socavar la confianza en
las capacidades personales (autoeficacia) en la historia y presente familiar representarían una
fuente con mayor solidez para la decisión vocacional en carreras STEM.
Limitaciones
Primero, la data y lo instrumentos se configuran acordes a los criterios necesarios para
emplearse en la presente muestra de estudio, validez y confiabilidad; respondiendo a las
características particulares del grupo. No obstante, futuras investigaciones podrán considerar
estos resultados para una validación peruana.
Segundo, los datos obtenidos corresponden a medidas de auto reporte, lo que implica
que están sujetos a diversos sesgos (deseabilidad, comparación e identidad), lo que podría no
representar con precisión a las variables de estudio.

32
Tercero, con respecto a la influencia de los estereotipos de género, el presente trabajo
está limitado a la percepción que tienen los adolescentes acerca de los padres dadas las
características del instrumento, invisibilizando los estereotipos manifestados por los docentes
y los compañeros. Esto es clave, dado que esta investigación no cuenta con la valoración de
los padres, ni amigos ni docentes que comprenden una fuente de influencia significativa en la
etapa escolar.
Finalmente, la autoeficacia debe ser comprendida desde las fuentes que la
retroalimentan, esta consideración permitirá discernir la solidez de la persistencia para
perseguir objetivos académicos y/o profesionales.
Recomendaciones e implicaciones
Las implicaciones prácticas en el contexto de la SCCT, podrían apoyar la labor
profesional, permitiendo desarrollar intervenciones en el marco del desarrollo de la elección
vocacional focalizadas a incrementar las creencias de autoeficacia particularmente. Esto
permitirá alentar la participación en carreras STEM, mediante el diseño de programas que
permitan a los educadores, tutores y psicólogos direccionar los factores dentro del ambiente
social y educativo que podrían desalentar a los estudiantes a perseguir carreras STEM.
Asimismo, se recomienda a futuros proyectos tener en cuenta la amplitud de los
dominios presentados, dado que diversas valoraciones se encuentran enmarcadas por la visión
singular de los participantes. Siendo particularmente importante cuando no se tiene en cuenta
la influencia educativa y cultural propia de la socialización y los diversos agentes que la
posibilitan (familia, amigos y docentes) que tiene como objetivo la reproducción de valores
sociales acorde a la normalidad del contexto. Por ello, se exhorta a ampliar los componentes
de los diversos dominios teóricos, así como a entrelazar perspectivas de los múltiples actores
(padres, amigos, docentes). Así también, a incluir en la muestra a estudiantes de instituciones
educativas privadas.
33
Por otra parte, este estudio comparte la importancia de reflexionar sobre los
programas de orientación vocacional, que deben considerar las opiniones de los padres,
tutores, psicólogos y docentes en relación a la elección de los estudios, así como de brindar
apoyo a los estudiantes en las distintas etapas del desarrollo vocacional.

34
Referencias
Andina (08 de junio de 2017). Educación universitaria: hay 30% de deserción por falta de
orientación y recursos. Andina: Agencia peruana de noticias.
https://andina.pe/agencia/noticia-educacion-universitaria-hay-30-desercion-falta-
orientacion-y-recursos-670189.aspx
Asante, K. (2012). Secondary students’ attitudes towards mathematics. IFE PsychologIA: An
International Journal, 20(1), 121-133.
https://journals.co.za/doi/abs/10.10520/EJC38916
Ato, M., López, J. y Benavente, A. (2013). Un sistema de clasificación de diseños de
investigación en psicología. Anales de psicología, 29(3), 1038-1059.
https://doi.org/10.6018/analesps.29.3.178511
Britner, S. y Pajares, F. (2001). Self-efficacy beliefs, motivation, race, and gender in middle
school science. Journal of Women and Minorities in Science and Engineering, 7(4),
269-283. DOI:10.1615/JWomenMinorScienEng.v7.i4.10
Britner, S. y Pajares, F. (2006). Sources of science self-efficacy beliefs of middle school
students. Journal of Research in Science Teaching, 43(5), 485-499.
https://doi.org/10.1002/tea.20131
Brown, D. (2002). Career choice and development (4a ed.). San Francisco: Jossey Bass.
Charter, R. (2003). A breakdown of reliability coefficients by test type and reliability method,
and the clinical implications of low reliability. Journal of General Psychology,
130(3), 290-304. https://doi.org/10.1080/00221300309601160
Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-199. DOI:
https://doi.org/10.1037/0033-2909.112.1.155
Costello, A. y Osborne, J. (2005). Best practices in exploratory Factory analysis: four
recommendations for getting the most from your analysis. Practical Assessment,
Research, and Evaluation, 10(7), 1-9. https://doi.org/10.7275/jyj1-4868
Cover, B., Jones, J. y Watson, A. (2011). Science, technology, engineering and mathematics
(STEM) occupations: a visual essay. Monthly Labor Review, 134(5), 3-15.
https://www.bls.gov/opub/mlr/2011/05/art1full.pdf
Dasgupta, N. y Stout, J. (2014). Girls and women in science, technology, engineering, and
mathematics: stemming the tide and broadening participation in STEM careers. Policy
insights from the Behavioral and Brain Sciences, 1(1), 21-29.
https://doi.org/10.1177/2372732214549471
35
DeAngelis, T. (2015). In search of cultural competence. Monitor on Psychology, 46(3), 64.

https://www.apa.org/monitor/2015/03/cultural-competence
Duffy, R., Bott, E., Allan, B. y Autin, K. (2014). Exploring the role of work volition within
Social Cognitive Career Theory. Journal of Career Assessment, 22(3), 465-478.
https://doi.org/10.1177/1069072713498576
Ferguson, C. (2009). An effect size primer: a guide for clinicians and researchers.
Professional Psychology: Research and Practice, 40(5), 532-538.
https://doi.org/10.1037/a0015808
Fernández-García, C., Torío-López, S., García-Pérez, O. e 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. https://doi.org/10.11144/Javeriana.upsy18-2.psse
Fiszbein, A., Cosentino, C. y Cumsille, B. (2016). The skills development challenge in Latin
America: Diagnosing the problems and identifying public policy solutions. Inter-
American Dialogue.
Flores, L., Robitschek, C., Celebi, E., Andersen, C. y Hoang, U. (2010). Social cognitive
influences on Mexican Americans’ career choices across Holland’s themes. Journal
of Vocational Behavior, 76(2), 198-210. https://doi.org/10.1016/j.jvb.2009.11.002
Fouad, N. y Santana, M. (2017). SCCT and underrepresented populations in STEM fields:
moving the needle. Journal of Career Assessment, 25(1), 24-39.
https://doi.org/10.1177/1069072716658324
Fouad, N., Smith, P. y Enochs, L. (1997). Reliability and validity evidence for the middle
school self-efficacy scale. Measurement and Evaluation in Counseling and
Development, 30(1), 17-31. https://doi.org/10.1080/07481756.1997.12068914
Franco, A. y Ñopo, H. (2018). Ser joven en el Perú: educación y trabajo. Grupo de Análisis
para el Desarrollo - GRADE. https://www.grade.org.pe/wp-content/uploads/AI37.pdf
Gadermann, A., Guhn, M. y Zumbo, B. (2012). Estimating ordinal reliability for Likert-type
and ordinal item response data: A conceptual, empirical, and practical guide.
Practical Assessment, Research & Evaluation, 17(3), 1-13.
https://doi.org/10.7275/n560-j767
Greenberger, E. y Steinberg, L. (1986). When teenagers work: the psychological and social
costs of teenage employment. New York: Basic Books.
Guadalupe, C., León, J., Rodríguez, J. y Vargas, S. (2017). Estado de la educación en el
Perú: Análisis y perspectivas de la educación básica. Grupo de Análisis para el
36
Desarrollo – GRADE.
http://www.grade.org.pe/forge/descargas/Estado%20de%20la%20educaci%C3%B3n
%20en%20el%20Per%C3%BA.pdf
Gushue, G. y Whitson, M. (2006). The relationship of ethnic identity and gender role
attitudes to the development of career choice goals among black and Latina girls.
Journal of Counseling Psychology, 53(3), 379-385. https://doi.org/10.1037/0022-
0167.53.3.379
Hayden, J. (2019). Introduction to health behavior theory (3a ed.). Jones & Bartlett Learning.
Inda-Caro, M., Rodríguez-Menéndez, C. y Peña-Calvo, J. (2016). Spanish high school
students’ interests in technology: Applying social cognitive career theory. Journal of
Career Development, 43(4), 291-307. https://doi.org/10.1177/0894845315599253
Indeed Editorial Team (22 de febrero de 2021). 21 STEM jobs that are in demand.
https://www.indeed.com/career-advice/finding-a-job/stem-jobs
Kanny, M., Sax, L. y Riggers-Piehl, T. (2014). Investigating forty years of STEM research:
how explanations for the gender gap have evolved over time. Journal of Women and
Minorities in Science and Engineering, 20(2), 127-148.
https://doi.org/10.1615/JWomenMinorScienEng.2014007246
Kraus, M., Piff, P., Mendoza-Denton, R., Rheinschmidt, M. y Keltner, D. (2012). Social
class, solipsism, and contextualism: how the rich are different from the poor.
Psychological Review, 119(3), 546-572. DOI: 10.1037/a0028756
Lent, R. y Brown, S. (2006). On conceptualizing and assessing social cognitive constructs in
careers research: A measurement guide. Journal of Career Assessment, 14(1), 12-35.
https://doi.org/10.1177/1069072705281364
Lent, R., Brown, S. y Hackett, G. (1994). Toward a unifying social cognitive theory of career
and academic interest, choice and performance. Journal of Vocational Behavior,
45(1), 79-122. https://doi.org/10.1006/jvbe.1994.1027
Lent, R., Brown, S. y Hackett, G. (2000). Contextual supports and barriers to career choice:
A social cognitive analysis. Journal of Counselling Psychology, 47(1), 36-49.
https://doi.org/10.1037/0022-0167.47.1.36
Lent, R., Brown, S., Nota, L. y Soresi, S. (2003). Testing social cognitive interest and choice
hypotheses across Holland types in Italian high school students. Journal of Vocational
Behavior, 62(1), 101-118. https://doi.org/10.1016/S0001-8791(02)00057-X
Lent, R., Brown, S., Sheu, H., Schmidt, J., Brenner, B., Gloster, C., Wilkins, G., Schmidt, L.,
Lyons, H. y Treitsman, D. (2005). Social cognitive predictors of academic interests
37
and goals in engineering: utility for women and students at historically black
universities. Journal of Counseling Psychology, 52(1), 84-92.
https://doi.org/10.1037/0022-0167.52.1.84
Makarem, Y. y Wang, J. (2019). Career experiences of women in science, technology,
engineering, and mathematics fields: a systematic literature review. Human Resource
Development Quarterly, 31(1), 91-111. https://doi.org/10.1002/hrdq.21380
McGinn, K. y Oh, E. (2017). Gender, social class, and women’s employment. Current
Opinion in Psychology, 18, 84-88. https://doi.org/10.1016/j.copsyc.2017.07.012
Minnesota State (2021). Understanding science, technology, engineering and math (STEM)
skills. http://careerwise.minnstate.edu/careers/stemskills.html
Muñoz, C. (2020). Políticas de igualdad de género en la Educación y Formación Técnica y
Profesional (EFTP) en América Latina. Organización de las Naciones Unidas para la
Educación, la Ciencia y la Cultura, UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000375587/PDF/375587spa.pdf.multi
Navarro, R., Flores, L. y Worthington, R. (2007). Mexican American middle school students’
goal intentions in mathematics and science: a test of social cognitive career theory.
Journal of Counseling Psychology, 54(3), 320-335. https://doi.org/10.1037/0022-
0167.54.3.320
Organización Internacional del Trabajo (2017). El futuro del trabajo que queremos. La voz de
los jóvenes y diferentes miradas desde América Latina y el Caribe. Oficina Regional
para América Latina y el Caribe, OIT. https://www.ilo.org/wcmsp5/groups/public/---
americas/---ro-lima/documents/publication/wcms_561498.pdf
Organización para la Cooperación y el Desarrollo Económico (2019). PISA 2018 Results
(Volume II): Where all students can succeed. OCDE Publishing.
https://doi.org/10.1787/b5fd1b8f-en
Organización para la Cooperación y el Desarrollo Económico (2017). The pursuit of gender
equality: An uphill battle. OCDE Publishing. https://read.oecd-ilibrary.org/social-
issues-migration-health/the-pursuit-of-gender-equality_9789264281318-en#page107
Organización para la Cooperación y el Desarrollo Económico (2016). Education at a glance
2016: OECD Indicators. OCDE Publishing. https://www.oecd-
ilibrary.org/education/education-at-a-glance-2016_eag-2016-en
Peña-Calvo, J., Inda-Caro, M. y Rodríguez-Menéndez, C. (2015). La teoría cognitivo social
de desarrollo de la carrera: evidencias al modelo con una muestra de estudiantes
38
universitarios de la rama científica. Bordón, 67(3), 103-122.

https://doi.org/10.13042/Bordon.2015.67306
Peña-Calvo, J., Inda-Caro, M., Rodríguez-Menéndez, C. y Fernández-García, C. (2016).
Perceived supports and barriers for career development for second year STEM
students. Journal of Engineering Education, 105(2), 341-365.
https://doi.org/10.1002/jee.20115
Pérez, E., Guerrero, A., Madrigal. y Giraldo, S. (2018). Muestreo por cuotas. Universidad
Nacional Autónoma de México.
Pérez, E. y Medrano, L. (2010). Análisis Factorial Exploratorio: Bases Conceptuales y
Metodológicas. Revista Argentina de Ciencias del Comportamiento, 2(1), 58-66.
https://dialnet.unirioja.es/servlet/articulo?codigo=3161108
Pontificia Universidad Católica del Perú (18 de octubre de 2018). Estudios para repensar la
deserción. https://vicerrectorado.pucp.edu.pe/academico/noticias/estudios-repensar-
la-desercion/
Quevedo, V. y Vegas, S. (26 de octubre de 2020). Niñas, ¿STEM o no STEM? Universidad de
Piura. https://udep.edu.pe/hoy/2020/10/ninas-stem-o-no-stem/
Rice, L., Barth, J., Guadagno, R., Smith, G. y McCallum, D. (2012). The role of social
support in students’ perceived abilities and attitudes toward math and science. Journal
of Youth and Adolescence, 42, 1028-1040. https://doi.org/10.1007/s10964-012-9801-8
Robnett, R. y Leaper, C. (2013). Friendship groups, personal motivation, and gender in
relation to high school students’ STEM career interest. Journal of Research on
Adolescence, 23(4), 652-664. https://doi.org/10.1111/jora.12013
Rodríguez, C., Inda, M. y Fernández, C. (2016). Influence of social cognitive and gender
variables on technological academic interest among Spanish high school students:
testing social cognitive career theory. International Journal for Educational and
Vocational Guidance, 16(3), 305-325. https://doi.org/10.1007/s10775-015-9312-8
Sadler, P., Sonnert, G., Hazari, Z. y Tai, R. (2012). Stability and volatility of STEM career
interest in high school: a gender study. Science Education, 96(3), 411-427.
https://doi.org/10.1002/sce.21007
Sheu, H. y Bordon, J. (2017). SCCT Research in the international context. Journal of Career
Assessment, 25(1), 58-74. https://doi.org/10.1177/1069072716657826
Stoet, G. y Geary, D. (2018). The gender-equality paradox in Science, Technology,
Engineering, and Mathematics Education. Psychological Science, 29(4), 581-593.
https://doi.org/10.1177/0956797617741719
39
Stout, J., Grunberg, V. e Ito T. (2016). Gender roles and stereotypes about science careers
help explain women and men’s science pursuits. Sex Roles, 75, 490-499.
https://doi.org/10.1007/s11199-016-0647-5
Turner, S., Joeng, J., Sims, M., Dade, S. y Reid, M. (2019). SES, gender, and STEM careers
interests, goals, and actions: A test of SCCT. Journal of Career Assessment, 27(1),
134-150. https://doi.org/10.1177/1069072717748665
Turner, S., Stewart, J. y Lapan, R. (2004). Family factors associated with sixth-grade
adolescents’ math and science career interests. The Career Development Quarterly,
53(1), 41-51. https://doi.org/10.1002/j.2161-0045.2004.tb00654.x
Viale, H. (2014). Una aproximación teórica a la deserción estudiantil universitaria. Revista
Digital de Investigación en Docencia Universitaria, 8(1), 59-75.
https://revistas.upc.edu.pe/index.php/docencia/article/view/366/346
Wang, M., Eccles, J. y Kenny, S. (2013). Not lack of ability but more choice: individual and
gender differences in choice of careers in science, technology, engineering, and
mathematics. Psychological Science, 24(5), 770-775.
https://doi.org/10.1177/0956797612458937
Zacharia, Z., Hovardas, T., Xenofontos, N., Pavlou, I. y Irakleous, M. (2020). Education and
employment of women in science, technology and the digital economy, including AI
and its influence on gender equality. FEMM committee, European Parliament.
https://www.europarl.europa.eu/RegData/etudes/STUD/2020/651042/IPOL_STU(202
0)651042_EN.pdf
40
Anexo 1. Matriz de Consistencia

Título: Influencia de los estereotipos de género en la elección de carreras STEM en estudiantes de secundaria de instituciones educativas de Ate
Vitarte.
PLANTEAMIENTO
OBJETIVOS HIPÓTESIS VARIABLE DIMENSIONES INDICADORES METODO
DEL PROBLEMA
Objetivo General: Hipótesis General:
Problema general: Estereotipos de Género TIPO: No
Analizar la influencia Existe una influencia
(Son las creencias y experimental
que ejercen los significativa entre los Actitudes hacia los
¿Qué influencia ejerce el expectativas acerca de
estereotipos de género estereotipos de género estereotipos de
estereotipo de género en la ESTEREOTIPOS DE lo que es apropiado DISEÑO:
en la elección de y la elección de género en relación
elección de carreras STEM GÉNERO para varones y mujeres Correlacional
carreras STEM en carreras STEM en a estudios en
en estudiantes de educación en relación a las causal
estudiantes de estudiantes de ciencia
secundaria? carreras en áreas
secundaria. secundaria.
científicas) ENFOQUE:
Problemas específicos: Analizar la influencia Los estereotipos de Cuantitativo
que ejercen los género influyen en la Autoeficacia
¿Qué influencia ejerce los estereotipos de género Autoeficacia para la (El grado en que los Creencias de POBLACIÓN:
estereotipos de género en la en la autoeficacia para elección de carreras participantes sienten autoeficacia en Estudiantes de
ELECCION DE
autoeficacia para la la elección de carreras STEM. confianza para realizar campos científicos 3ro, 4to y 5to
CARRERAS STEM
elección de carreras STEM? STEM. tareas científicas) secundaria
Expectativas de Expectativas de (542), de 03
resultados alcanzar resultados instituciones
41
¿Qué influencia ejercen los Analizar la influencia Los estereotipos de (El grado en que los positivos en áreas educativas de
estereotipos de género en que ejercen los género influyen en las participantes se de la ciencia Ate Vitarte
las expectativas para la estereotipos de género expectativas de sintieron positivos
elección de carreras STEM? en las expectativas de resultados para la sobre las consecuencias MUESTRA:
resultados para la elección de carreras futuras de realizar Estudiantes de
elección de carreras STEM. actividades 3ro, 4to y 5to
STEM. relacionadas con la secundaria
ciencia) (542), de 03
¿Qué influencia ejercen los Analizar la influencia Los estereotipos de Intereses instituciones
estereotipos de género en que ejercen los género influyen en los (El grado en que los educativas de
los intereses para la estereotipos de género intereses para la participantes estuvieron Interés en campos Ate Vitarte
elección de carreras STEM? en los intereses para la elección de carreras interesados en y áreas de la
elección de carreras STEM. actividades ciencia
STEM. relacionadas a la
ciencia)
¿Qué influencia ejercen los Analizar la influencia Los estereotipos de
Metas
estereotipos de género en que ejercen los género influyen en las Presentan metas
(El grado en el cual los
las metas en ciencia? estereotipos de género metas para la elección en campos
participantes tuvieron
en las metas para la de carreras STEM. relativos a la
metas relacionadas a la
elección de carreras ciencia
ciencia)
STEM.
42
Anexo 2. Consentimiento informado

Buenos días/tardes. Mi nombre es Russell Laudrup Casimiro Dionicio, actualmente me encuentro
realizando una investigación como parte de mi tesis para optar el Título en Psicología de la
Universidad San Ignacio de Loyola. El presente estudio tiene como objetivo conocer la influencia
de los estereotipos de género en la elección de carreras STEM en estudiantes de secundaria, por lo
que te pido respondas a este cuestionario que aproximadamente te tomará 15 minutos.
Para participar de este estudio, es necesario ser estudiante de entre 3ro, 4to y 5to de secundaria.
La información que brindes será trabajada de manera confidencial y con fines académicos. Sin
embargo, te agradeceré coloques tu nombre en el lugar que se indica más abajo, únicamente con
la finalidad de agilizar el proceso de la recolección de información.
Yo ______________________ por medio de la presente, acepto participar en el

siguiente estudio, tomando en consideración que he leído y comprendido la
información presentada. Asimismo, estoy dispuesto a rellenar el cuestionario con
total sinceridad.
Agradezco de antemano tu colaboración y, ante cualquier duda o comentario sobre esta investigación, puedes
contactarte directamente conmigo (russell.casimiro@usil.pe). Si lo deseas, podrás obtener una copia del trabajo
realizado con la información obtenida una vez que la tesis haya sido sustentada. Dadas las características del
cuestionario, esta información será analizada de manera grupal por lo que no se podrá obtener información
individualizada de tus respuestas.
¡MUCHAS GRACIAS POR TU COLABORACIÓN!

43
Anexo 3. Solicitud y aprobación de instrumentos de investigación

(1) Solicitud de los instrumentos de la adaptación española a la Dra. Carmen Rodríguez
Menéndez de la Universidad de Oviedo
Respuesta de la Dra. Carmen Rodríguez Menéndez

44
Solicitud a los autores de los instrumentos

(2) Solicitud al Profesor Robert Lent para emplear las escalas de (a) Expectativas de
Resultados e (b) Interés Científico-Matemático del “Engineering Fields
Questionnaire”
Aprobación del Profesor Robert Lent

45
(3) Solicitud a la Profesora Nadya Fouad para emplear la escala de Metas de Grado
Científico del “Middle School Career Self-Efficacy Scale”
Aprobación de la Profesora Nadya Fouad

46
(4) Solicitud a la Profesora Shari Britner para emplear las escalas de (a) Autoeficacia de
Grado Científico-Matemático y (b) Fuentes de Autoeficacia
Aprobación de la Profesora Shari Britner

47
(5) Aprobación de la Dra. Carmen Rodríguez Menéndez para emplear la adaptación

española
48
Anexo 4. Ficha de datos sociodemográficos

Con la finalidad de agrupar tus respuestas con la de otras personas de similares características a las
tuyas, nos gustaría que respondas a las siguientes preguntas con respecto a usted y su hogar.
Sexo
Grado de estudios:
Edad ___________ años  Hombre
_____________
Mujer
Apoderado (Mamá, Papá, otros)

Nivel educativo del apoderado __________________________
Nivel socioeconómico percibido
Ninguno
Bajo
Primaria completa Ocupación laboral del
Medio bajo
Secundaria completa apoderado (ej. docente, obrero
Medio alto
Técnica de construcción)
Alto
Universitaria __________________________
De haber respondido SÍ
¿En qué? Ej. construcción, ventas, etc.
¿Has trabajado antes?
___________________________________________________
Sí 
No ¿Desde qué edad?
De haber respondido SÍ ___________________________________________________
¿En qué? 
___________________________ ¿Cuántas horas a la semana?
__________________________ ___________________________________________________

De haber respondido SÍ
¿En qué? Ej. construcción, ventas, etc.
___________________________________________________
¿Trabajas actualmente? 
Sí ¿Desde hace cuánto? Ej. 2 meses, 5 años, etc.
No ___________________________________________________

¿Cuántas horas a la semana?
___________________________________________________


2021 Casimiro Dionicio

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2021 Casimiro Dionicio

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE HUMANIDADES

LA INFLUENCIA DE LOS ESTEREOTIPOS DE

Tesis para optar el Título Profesional de Licenciado en Psicología

RUSSELL LAUDRUP CASIMIRO DIONICIO

En los últimos años se ha visibilizado una menor participación de mujeres en carreras

STEM, suscitándose diversas explicaciones a este fenómeno, como la presencia de

expectativas de resultados, intereses y metas dan lugar a la elección vocacional, que

interactúan dinámicamente con factores contextuales (barreras y apoyos percibidos) y

influencia de los roles de género en las variables SCCT (autoeficacia, expectativas de

con la participación de 542 estudiantes de secundaria, empleando instrumentos acordes al

modelo SCCT (Escala de Autoeficacia de grado científico-matemático, Escalas de

Expectativas de Resultados e Interés científico-matemático del Engineering Fields

influencia pequeña de los estereotipos de género en la autoeficacia, pero no en las demás

implicaciones profesionales en los programas de orientación vocacional.

Palabras clave: SCCT, estereotipos de género, elección vocacional, autoeficacia.

professional implications in vocational guidance programs.

Índice de Tablas ................................................................................................................................... iv

Marco contextual de la Elección de carreras ..................................................................................... 4

Factores sociales en la elección de carreras ...................................................................................... 5

Modelo teórico de la elección de carreras ......................................................................................... 6

Tipo y diseño de investigación ........................................................................................................ 18

Análisis de datos ............................................................................................................................. 24

Análisis correlacional y de regresión .............................................................................................. 26

Anexo 1. Matriz de Consistencia ........................................................................................................ 40

Anexo 2. Consentimiento informado .................................................................................................. 42

Anexo 3. Solicitud y aprobación de instrumentos de investigación .................................................... 43

Anexo 4. Ficha de datos sociodemográficos ....................................................................................... 48

Tabla 1. Información descriptiva de los participantes ......................................................................... 19

y Actitudes hacia los estereotipos de género ........................................................................ 26

la elección de carreras STEM .............................................................................................. 27

carreras STEM ..................................................................................................................... 27

Figura 1. Modelo SCCT de la elección de la carrera ............................................................................. 8

La culminación de la educación secundaria representa uno de los procesos y

estudios, el trabajo y el futuro personal. Esta reflexión influirá drásticamente en el curso de la

podría contribuir a la perpetuación de brechas económicas y sociales.

prestigio, rentabilidad y demanda, tal es el caso de las carreras en Ciencias, Tecnología,

individuales y las fortalezas académicas influyan en la inversión en una trayectoria académica

u otra, como lo demostraron Wang et al., (2013) para Estados Unidos.

priorizar la participación y titulación en carreras STEM, son evidencia de competitividad

competentes. No obstante, en América Latina y el Caribe no se están produciendo los

mercados científicos, no llegando a ser verdaderamente competitivos en el mercado global

(Fiszbein et al., 2016).

Bajo este marco de requerimiento y oportunidades para profesionales STEM, la

Organización para la Cooperación y el Desarrollo Económico (OCDE, 2016, 2017) ha

señalado que la participación de las mujeres en carreras STEM es significativamente menor

de la Superintendencia Nacional de Educación Superior Universitaria (SUNEDU) las mujeres

comprenden solo el 32% de los egresados en carreras STEM y el 34% de investigadores

registrados en el Directorio Nacional de Investigadores e Innovadores (DINA) (Quevedo y

Vegas, 2020). Esto contribuye a la persistencia de brechas sociales y económicas, dada la

subrepresentación de grupos específicos (mujeres y personas de estatus socioeconómico bajo)

en STEM (Turner et al., 2019).

Ciertamente, la elección laboral y/o profesional corresponden al paso esperado

la Población Económicamente Activa (PEA) y si acumulan años de estudio, estos son

insuficientes, al no adquirir las habilidades demandadas por el mercado laboral (Franco y

la formación técnica y educación superior todavía es baja (8.3%), particularmente en las

familias con menores ingresos.

no garantiza que se pueda seguir una carrera universitaria.

Adicionalmente, la investigación ha señalado que solo el 17% de los estudiantes de

último año de secundaria son competentes en matemáticas/ciencias y están interesados en

jóvenes adolescentes de países en desarrollo. No obstante, el perseguir esta trayectoria no se

En complemento, desde la psicología social se ha descrito que la estructura de clases

y el nivel socioeconómico dentro de un marco cultural no solo restringen y habilitan las

creencias y prácticas laborales, particularmente en las mujeres (McGinn y Oh, 2017).