INTRODUCCIÓN. 1. UNA REFLEXIÓN CRÍTICA SOBRE ARGUMENTOS COMUNES. 2. EL EFECTO DE LAS DIFERENCIAS PREVIAS EN LA ESTRUCTURA DE OPORTUNIDADES. 3. PARTICIPACIÓN EN LAS CONVOCATORIAS: PREFERENCIAS FRENTE A EXPECTATIVAS. 4. LOS PROCESOS DE EVALUACIÓN. 4.1. QUÉ Y CÓMO SE EVALÚA. 4.2. QUIÉN EVALÚA Y QUIÉN DECIDE. 5. EL IMPACTO DE LA FINANCIACIÓN EN LA PRODUCTIVIDAD Y EN LAS CARRERAS. 6. ALGUNOS EJEMPLOS DE POLÍTICAS DE LAS AGENCIAS DE INVESTIGACIÓN. 7. REFLEXIÓN FINAL SOBRE EL CAMBIO INSTITUCIONAL.

La igualdad de oportunidades es un valor y la importancia de dicha igualdad en el acceso a los recursos entre hombres y mujeres en las sociedades democráticas está fuera de toda duda; es más, la igualdad de oportunidades no trata solo de valores políticos; en ciencia, las becas de investigación en general y las subvenciones para proyectos de investigación en particular son un recurso vital para la carrera científica, y algunos estudios sostienen que los equipos de investigación con diversidad de género producen mejor ciencia (Fortunato et al., 2018). Sin entrar en el debate sobre si la diversidad es un valor en sí mismo, lo cierto es que, en esta área, la diversidad produce valor; de modo que la igualdad de oportunidades no solo es justa, también es rentable.

Este artículo recoge algunos avances analíticos del proyecto GRANteD Grant allocation disparities from a gender perspective ² (Cruz-Castro y Sanz-Menéndez, 2020), un proyecto comparativo cuyos principales objetivos son: (i) clarificar el concepto de sesgo de género frente al de brecha de género en la concesión de proyectos de investigación, (ii) identificar la existencia de sesgos y de desigualdades en las distintas fases que van desde la decisión de presentarse a una convocatoria hasta la decisión final de concesión, (iii) investigar las causas de los distintos tipos de sesgo y (iv) determinar el impacto de la financiación en las carreras de investigadoras e investigadores. Se trata de un área donde faltan datos, pero sobre todo falta teoría y un modelo explicativo general que vaya más allá de los estudios de caso y descriptivos. La evidencia que tenemos sobre cómo funcionan los programas de financiación, las diferencias por género y la existencia de discriminación está muy fragmentada, y basada en estudios locales que en su mayoría no son extrapolables a otros contextos y que, en general, hace que no podamos hablar de resultados concluyentes sobre las explicaciones causales.

Es necesario mucho esfuerzo aún en el terreno de la clarificación de los conceptos, y el análisis crítico de algunos de los argumentos comúnmente aceptados, y que a veces sirven de base a las políticas públicas. Gran parte de los resultados contradictorios se deben a que en realidad se están analizando fenómenos distintos con las mismas medidas, o el mismo fenómeno con medidas muy dispares; por ejemplo, términos como sesgo, discriminación, prejuicio, parcialidad, favoritismo, injusticia, desigualdad, inequidad, diferencia etc. se utilizan a menudo como conceptos equivalentes e intercambiables, cuando en realidad no lo son y representan procesos distintos.

Lo cierto es que el sistema de ciencia se ha construido sobre el modelo normativo mertoniano (CUDOS) (Merton, 1942) que está asociado a la idea de equidad (justicia en relación con el mérito) más que a la igualdad.

En este artículo se revisa la literatura desde la perspectiva de los estudios de ciencia, con el foco puesto en la necesidad de un enfoque dinámico que preste atención a los mecanismos y a los procesos acumulativos. Este estudio no es un meta-análisis ni pretende ser una revisión exhaustiva. Responde a una selección y como tal, es parcial. Existe una literatura desde los estudios de género distinta de la perspectiva que aquí se adopta, al igual que existe un área de estudios políticos de la ciencia que tampoco se aborda.

Con frecuencia, la confusión conceptual conduce a argumentos causales imprecisos; por ejemplo, es posible que toda discriminación produzca desigualdad, pero no toda desigualdad o diferencia es fruto de la discriminación. Con todo, es un hecho que en general las científicas consiguen menos fondos para investigar y tienen, respecto a los solicitantes, menores tasas de éxito que los hombres, también en España (UMyC – Ministerio de Ciencia e Innovación, 2011). Por ejemplo, según datos recientes de la Agencia Española de Investigación referidos a 2018, el porcentaje de proyectos de investigación presentados por una mujer como IP fue del 32,4 % frente al 67,6 %% de proyectos con IP masculino; de las solicitudes aprobadas, el 29,5 % estaban lideradas por mujeres frente al 70,5 % lideradas por hombres ³ . Sin embargo, el papel real que la discriminación y los sesgos de los evaluadores tienen en ese tipo de resultados es algo sobre lo cual la evidencia disponible es diversa y no siempre concluyente.

Demostrar que hay discriminación en la asignación de proyectos es una tarea muy compleja porque las personas a las que comparamos, en este caso los investigadores e investigadoras solicitantes, tendrían que ser iguales o similares en todo, menos en aquello sobre lo que pensamos produce el sesgo (su género); sabemos que en muchos de los casos eso no es así porque hombres y mujeres no llegan en las mismas o similares circunstancias al momento de la solicitud. Las desigualdades de partida, incluidas aquellas que tienen que ver con los méritos que se evalúan, son fundamentales en la explicación.

Se trata de partir de la necesidad de distinguir los resultados(las tasas de éxito) de losmecanismos (que tienen lugar en el proceso de evaluación en paneles de evaluadores) y de no atribuir las diferencias en cualquier tipo de resultado (las tasas de éxito) a un mecanismo en particular (por ejemplo, la discriminación por género por parte de los que evalúan), sin antes controlar las posibles diferencias de partida entre hombres y mujeres, y otras explicaciones alternativas. Esto, lejos de ser sencillo, plantea unas dificultades metodológicas considerables, entre ellas, la dificultad de observar los procesos sociales en entornos reales.

Un ejemplo de explicación simplista, pero no por ello ausente en el discurso sería el siguiente: dada una cierta distribución de solicitantes entre hombres y mujeres, observamos una tasa de éxito que no es proporcional a las mujeres que se han presentado y concluimos que la diferencia entre investigadoras solicitantes y financiadas se explica porque ha habido un sesgo de género en la evaluación en contra de las mujeres que ha favorecido a los hombres. Este tipo de argumentación hay que evitarla, al menos por dos razones: la primera es que es mala ciencia social; la segunda es que la crítica sin fundamento sólido, aunque durante un tiempo contribuya a visibilizar un problema, a la larga, produce entre las científicas un efecto de desánimo que hace que se presenten menos porque dan por descontado un trato discriminatorio.

Por tanto, una cuestión metodológica muy importante es que no podemos partir de un resultado (las tasas de éxito), e inferir de él directamente un proceso (la discriminación). De hacerlo, estaríamos cayendo en lo que Cole (1979) denominó «residualismo ingenuo» que tantas veces está en la base de las correlaciones simples. En otras palabras, la premisa debe ser que la discriminación es sólo una de las causas posibles de las diferencias observadas en los resultados.

Por añadidura, tasas de éxito iguales para hombres y mujeres no garantizan que el proceso de evaluación y asignación no haya sido discriminatorio. Si ese fuese el caso, los sesgos de género tendrían fácil solución desde las políticas públicas y desde las agencias de financiación: solo habría que definir una línea base, por ejemplo, la proporción de solicitantes por género, y repartir la financiación disponible proporcionalmente. ¿Sería esto aceptable? ¿Lo sería para la política? ¿Para los financiadores? ¿Para la comunidad científica? Para algunos, sería aceptable si asumimos que, por definición, ambos grupos tienen la misma calidad, o que, la igualdad de resultados como valor es socialmente preferible a otros valores, como la equidad. En el ámbito de la ciencia, ambas son ideas controvertidas.

Un paso en la dirección correcta es establecer si hay una relación entre el éxito relativo en la obtención de financiación para investigar y los méritos de los candidatos en el momento de la solicitud. Si, desde la evidencia empírica, somos capaces de establecer esa relación, al menos estaremos controlando una de las explicaciones posibles que rivalizan con la existencia de sesgos: si, a igualdad de méritos, las tasas de éxito son distintas a lo esperable en función de las solicitudes, el residual se lo atribuimos al sesgo, la parcialidad o la discriminación; este residualismo ya no es tan ingenuo y se conoce como «residualismo sofisticado» (Cole y Fiorentine, 1991). La revisión de la literatura revela que es aquí donde se quedan la mayoría de investigaciones en esta área. Es necesario plantearse un modelo más ambicioso, de carácter secuencial, que tenga en cuenta todas las fases del proceso desde las desigualdades de partida, pasando por la solicitud hasta los efectos posteriores en las carreras (Cruz-Castro y Sanz-Menéndez, 2020).

A continuación, se enumeran algunos avances analíticos que merece la pena resaltar y que ponen de manifiesto la necesidad de estudiar los procesos y su secuencia, para luego profundizar en las secciones que siguen en lo que la literatura revisada nos revela de cada uno de ellos.

En primer lugar, es importante reconocer que existen desigualdades de partida, que no tienen que ver con las publicaciones y los índices de impacto, desigualdades que en algunos casos son estructurales. La productividad no es solo una característica de las personas, también es un reflejo de las posiciones que ocupan estas en la estructura social de la academia y del acceso a los recursos que esas posiciones permiten (Xie y Shauman, 1998). Por ejemplo, hay más investigadoras en universidades menos prestigiosas, con contratos temporales o a tiempo parcial, o en rangos académicos inferiores, o en ciertos campos de la ciencia; es lo que conocemos como «segregación». La segregación social es un concepto fundamental en las ciencias sociales e ignorarlo lleva con frecuencia a errar el diseño de las políticas.

En segundo lugar, hay desigualdades en la fase de solicitud, y por diversas razones, con frecuencia las mujeres se presentan menos a las convocatorias de financiación de la investigación, y esas razones hay que investigarlas. Es lo que conocemos como «autoselección».

En tercer lugar, puede haber parcialidad/discriminación dentro de los paneles de evaluación, y esta falta de imparcialidad también puede tener orígenes diversos (género, institución, proximidad cognitiva); la fuente de la discriminación es importante para diseñar las políticas destinadas a reducirla. Son lo que conocemos como «sesgos».

Por último, la financiación de proyectos tiene efectos en las carreras de hombres y mujeres, y que esos efectos varían en función de las prácticas de las organizaciones que emplean a los investigadores. Es lo que conocemos como el «ciclo de la credibilidad científica» (Latour y Woolgar, 1979; Rip, 1994).

Las diferencias en las tasas de solicitud y éxito por género en las convocatorias de proyectos y becas de investigación pueden verse afectadas por desigualdades previas. La literatura en torno a este tema es ingente y se centra mayoritariamente en la menor participación de niñas y jóvenes en las ramas educativas de algunas ciencias y en las ingenierías desde etapas tempranas hasta la universidad. Esta explicación, conocida como el modelo del pipeline pone el énfasis fundamentalmente en las fugas (leaks) que llevan a una reducción de las tasas de participación femenina en cada etapa, y las políticas basadas en este tipo de evidencia se orientan a aumentar dichas tasas.

Aunque ampliamente presente en el discurso de las políticas públicas, algunos autores han formulado críticas a ese modelo; por ejemplo, Xie y Shauman (2003) consideran que es demasiado simple y no captura la complejidad de los resultados educativos y de carrera; además, el enfoque se basa en exceso en la idea del desarrollo, de modo que cualquier trayectoria que no supone un progreso de una etapa a otra se considera un fracaso, y presta poca atención a las interdependencias entre las decisiones educativas y otros acontecimientos a la largo de la vida. Sin embargo, a mi modo de ver, la crítica más interesante se sitúa en el terreno metodológico, y se resume en la imposibilidad de analizar adecuadamente las dinámicas que se producen en el tiempo con datos transversales, y la necesidad de llevar a cabo análisis de cohortes y estudios longitudinales.

Con todo, parece innegable que una parte importante de las mujeres que muestran interés por las carreras científicas se pierde en cada transición educativa y profesional en muchos sistemas. Hace décadas, era común atribuir las diferencias en las tasas de participación femenina en carreras de ciencias a una participación previa menor en secundaria en dichas ramas, junto con unos peores resultados en las calificaciones en estas materias. Estas explicaciones basadas en la capacidad han sido bastante criticadas, y confrontadas por perspectivas que ponen el énfasis en las expectativas, y en cómo los estereotipos socioculturales estructuran la desigualdad, y generan sesgos implícitos en las preferencias de niños y jóvenes de ambos sexos que conducen posteriormente a distribuciones segregadas por género (Ridgeway, 2014).

Desde el punto de vista del diseño de las políticas, reconocer que las mujeres no están representadas por igual en los distintos campos científicos (en algunos son mayoría) es esencial para entender que, en programas de financiación de la investigación que se organizan por áreas (la mayoría, por otra parte), las disparidades de género en la distribución de los resultados tienen en parte su origen en dinámicas de segregación previa.

Algo similar ocurre con la segmentación ocupacional en etapas posteriores de la carrera y la menor representación de las mujeres en posiciones altas de las escalas académicas; el conocido como «techo de cristal» (Rosser, 2004) es un tema recurrente en el que también falta evidencia de carácter longitudinal. En ese sentido, algunos estudios han demostrado, para Estados Unidos, que, con el tiempo, no hay diferencias significativas en la tasa de éxito a la hora de acceder a la titularidad entre hombres y mujeres (National Research Council, 2010); y efectivamente, la clave está en el factor tiempo, porque, otros estudios muestran que, además de tardar más en acceder a la permanencia (tenure), las mujeres son más proclives a abandonar la ciencia y la academia antes de que esto ocurra (Goulden et al., 2011).

Además de estas diferencias previas de carácter estructural, la causa más frecuente en el análisis de las diferencias por género en la consecución de proyectos tiene que ver con diferencias en los méritos, y dentro de éstos, en la productividad científica. Esta literatura es muy extensa. La afirmación empírica tradicional ha sido que las mujeres publican menos que los hombres y que sus trabajos tienen un impacto menor (Cole y Zuckerman, 1984; Long, 1992; Sandström y van den Besselaar, 2016, entre otros). Otras investigaciones apuntan a un cierre progresivo de dicha brecha (Xie y Shauman, 1998; Thelwall, 2018) y al hecho de que, en algunas instituciones, la productividad aumenta con el rango tanto para hombres como para mujeres (Mauleón et al., 2008). El problema principal de la mayoría de estudios que analizan la relación entre género y productividad es que no precisan los mecanismos causales.

Las explicaciones de la menor productividad de las mujeres pueden clasificarse de modo muy amplio en dos categorías relacionadas con lo que Sonnert y Holton (1995) denominaron el modelo de la diferencia y el modelo del déficit. El primero sostiene que las mujeres se comportan de modo diferente porque tienen motivaciones distintas y distinto nivel de compromiso con la carrera científica; por el contrario, el modelo del déficit sostiene que las mujeres tienen las mismas aspiraciones y objetivos que los hombres pero que reciben un trato diferente; así, su menor productividad sería el resultado de menos oportunidades, obstáculos en la carrera, y de problemas para la obtención de recursos y para colaborar con otros investigadores. Ambos tipos de factores son compatibles y pueden reforzarse entre sí (Mairesse y Pezonni, 2015). La productividad científica individual y la financiación tienen una relación circular y acumulativa.

Por último, es importante señalar un problema metodológico que afecta a mucha de la evidencia empírica sobre la menor productividad científica de las mujeres, me refiero al abandono de la carrera. Muchos de los trabajos en este campo utilizan muestras que únicamente incluyen individuos activos en la carrera científica y académica, incurriendo en lo que estadísticamente se conoce como censura de datos por la derecha. Preston (2004) ya señaló importancia de estudiar cohortes completas y no solo a las científicas que permanecían en la academia.

Como ya se ha mencionado, con frecuencia, el debate sobre las diferencias de financiación por género se centra en las disparidades en las tasas de éxito en las convocatorias. Sin embargo, para poder analizar correctamente la cuestión del éxito, hay que entender previamente la decisión de presentarse o no. Que las mujeres se presentan menos es un hecho, y lo es incluso en campos científicos donde hay paridad de género (Ley y Hamilton, 2008); es decir, las tasas de solicitud no se corresponden proporcionalmente con el conjunto potencial de solicitantes (Comisión Europea, 2009). Muchos son los factores que influyen; algunos son estructurales, y tienen que ver con la segregación ocupacional previa; en otras palabras, las mujeres están menos representadas en aquellas posiciones o categorías desde las que es más probable (o incluso posible) presentarse; pero las variables familiares también importan (Blake y La Valle, 2000).

Para estudiar las diferencias en participación, Stephan y El-Ganainy (2007) proponen distinguir entre explicaciones basadas en el contexto, la mayoría estructurales, de aquellas basadas en factores que afectan por una parte a la oferta (actitudes hacia la competición y el riesgo, o las preferencias sobre conciliación de vida laboral y familiar), y por otra a la demanda (papel de las redes de colaboración, preferencias de evaluadores o empleadores, entre otros).

Entre los factores estructurales más estrechamente relacionados con el diseño de los programas de financiación de la investigación se encuentran los criterios de elegibilidad. Por ejemplo, requisitos asociados al tipo de contrato o a la categoría profesional pueden producir desventajas para las mujeres a la hora de presentarse dado que, en muchos países, éstas se encuentran sobre-representadas en la contratación temporal, a tiempo parcial o en categorías de menor rango. En ese sentido, un hallazgo interesante de una encuesta llevada a cabo en el Reino Unido (Blake y La Valle, 2000) era que las investigadoras tenían más probabilidad que los investigadores de incluir en el presupuesto de los proyectos su propio salario, lo que sugería una mayor representación de las primeras en categorías no permanentes. En suma, una parte de las diferencias de género en las tasas de solicitud está arraigada en las prácticas de empleo de las instituciones (Comisión Europea, 2009).

Entre los factores relacionados con la oferta existe un debate, en especial en economía, acerca de si las mujeres tienen más aversión al riesgo y actitudes más desfavorables a la competición que los hombres. La evidencia, sin embargo, dista de ser concluyente, y algunas revisiones críticas de la literatura han identificado importantes sesgos metodológicos en la mayoría de los trabajos (Nelson, 2014), y ponen en cuestión la existencia de diferencias intrínsecas, señalando que conductas que pueden parecer aversión al riesgo son en realidad respuestas a incentivos y recompensas diferentes (Fernández-Mateo y Kaplan, 2018). Estos mismos autores, además, advierten sobre la confusión entre efectos de oferta y demanda, y sobre la conveniencia de preguntarse si son las mujeres las que eligen no aspirar a las posiciones más altas de la jerarquía o a trabajos en los segmentos mejor pagados, o si, por el contrario, ciertas posiciones o trabajos no resultan atractivos para las mujeres debido a experiencias pasadas de fracaso en la contratación o en la promoción.

No es posible hablar del impacto de la financiación y los proyectos en las carreras de modo general. El avance en las carreras científicas está fuertemente afectado por el contexto institucional y organizativo, y no todas las organizaciones otorgan el mismo valor a la capacidad de obtener financiación para la investigación. El modelo de financiación de la investigación predominante a nivel nacional también importa. Con todo, parece evidente que la financiación competitiva de proyectos es cada vez más importante para las carreras, y se usa cada vez más como indicador de calidad tanto a nivel individual como institucional. Algunos tipos de becas, proyectos y subvenciones han adquirido incluso un valor reputacional que va más allá del económico.

Hay muchos más trabajos sobre el impacto de la financiación en la productividad científica que en las carreras. La razón más obvia es que existen métricas al uso que facilitan lo primero, mientras que la investigación sobre trayectorias requiere de estudios mucho más complejos y costosos. En general, los estudios bibliométricos revelan efectos positivos, aunque con frecuencia presentan limitaciones metodológicas derivadas de la falta de grupos de control equivalentes (aquellos que no obtuvieron financiación o que se quedaron justo en el umbral), o de la falta de estudios longitudinales que puedan servir de contrafactual. Algunos estudios muestran que, en términos de productividad, las diferencias entre los financiados y los que no lo fueron no son significativas (Bornmann et al., 2008; Van den Beesselaar y Leydesforff, 2009) aunque hay que señalar que estos estudios utilizan muestras de individuos que llegaron hasta las fases finales del proceso de selección, es decir, investigadores de alta calidad, en cualquier caso. Cuando las tasas de éxito son muy bajas (programas altamente competitivos) puede que este tipo de evaluación de impacto no sea muy pertinente.

Estudiar la productividad posterior de los investigadores que obtienen financiación sirve como una suerte de control de calidad del proceso de evaluación. Es lo que se conoce como validez predictiva de la selección. No obstante, inferir una evaluación de calidad a partir de la productividad posterior de los financiados adolece de problemas de circularidad, por la imposibilidad de descartar que el aumento de las publicaciones de los que tuvieron éxito en la convocatoria se deba precisamente a la financiación, y no tanto a su calidad previa. Hay que ser por tanto cauteloso con el tema de la atribución causal y la endogeneidad, y, cuando se hace evaluación de impacto, contar con los grupos de control adecuados.

Por otra parte, existe el problema añadido de las muchas variables que concurren en la explicación de la producción científica: edad académica, género, rango, redes de colaboración, institución, localización geográfica, entre otras. En un trabajo reciente sobre una cohorte de investigadores financiados por el ERC (European Research Council) a través de starting y advanced grants en el área de ciencias de la vida, Pina et al. (2019) muestran que el género no influye en las diferencias de productividad antes y después de la financiación, aunque los hombres con starting grantstienen más publicaciones tanto antes como después; por otra parte, parece que el momento de la carrera en la que se obtiene la financiación también influye, ya que el aumento de la productividad es mayor en los beneficiarios de starting grants que en los advanced; un último hallazgo interesante es que los beneficiarios de starting grants que trabajan en países con menos desarrollo científico tienen menos publicaciones y redes de colaboración menos densas, y que esta variable de localización influye más que el género. Como ya se ha señalado, un problema metodológico en este tipo de estudios es que, al analizar sólo individuos que sí obtuvieron la financiación con un tipo de diseño de «antes y después», no se cuenta con grupos de control.

La evidencia del impacto de los proyectos y becas de investigación en las carreras es limitada, aunque en general, muestra efectos positivos. Un estudio de la Comisión Europea sobre los becarios del programa Marie Curie, que utilizaba un grupo de control, revelaba que los beneficiarios de estas becas habían obtenido un puesto académico permanente y lideraban equipos con más frecuencia, y que estas ayudas tenían un impacto positivo en la reducción de la brecha de género en cuanto a las probabilidades de acceder a la titularidad o a la cátedra, el número de publicaciones y el acceso posterior a financiación internacional (Comisión Europea, 2014). En este caso, el problema metodológico principal es la dificultad de analizar a los individuos que abandonan la carrera, y entre los cuales hay razones para pensar hay más mujeres que hombres. Esto es especialmente importante en tiempos de crisis (Cruz-Castro y Sanz-Menéndez, 2016), cuando la presión académica competitiva se hace mayor y puede provocar efectos negativos en las oportunidades de las mujeres.

En primer lugar, hay que distinguir entre políticas que inciden en el lado de la oferta, es decir las que intentan aumentar por ejemplo el número de mujeres que se presentan a las convocatorias (programas de mentores, formación), o en el de la demanda (las que intentan incidir en las organizaciones, su transparencia, la formalización de criterios que reduzcan los sesgos y la discriminación, la formación de evaluadores etc.). Es importante identificar con precisión si el problema que se quiere abordar desde la política es de un tipo u otro, ya que a veces el diagnóstico los confunde.

Algunos trabajos llaman a cierta cautela a la hora de confiar demasiado en el impacto de la formación de evaluadores, intervenciones destinadas a que los evaluadores tomen conciencia de las propias actitudes discriminatorias, sobre el cambio de esas actitudes; es posible, incluso, que mostrar evidencia sobre la existencia de sesgos genere tanto resultados positivos como reacciones justificativas (Moss-Racussin et al., 2015).

Hay trabajos muy interesantes desde la economía que señalan la necesidad de identificar la fuente de la discriminación, y distinguir entre aquella que se basa en creencias y la que se basa en preferencias. Con diseños experimentales, hay autores que han mostrado como, cuando las creencias iniciales de los evaluadores favorecen a los hombres, las mujeres necesitan demostrar más para ser evaluadas igual; este tipo de discriminación puede mitigarse con información adicional sobre la calidad de las candidatas que desmonte esas creencias o prejuicios; por el contrario, si la causa de la discriminación es una preferencia negativa, hacer más visible la calidad de las mujeres no tiene efectos (Bohren et al., 2019). Siendo más optimistas y a la vez más realistas, centrarse en crear estructuras institucionales y normas puede ser mejor que intentar cambiar a los individuos.

Los motivos de las personas son difíciles de investigar y de demostrar; las políticas pueden ser más eficaces si se centran en otro tipo de mecanismos, de carácter normativo y organizativo, de procedimiento, etc. La literatura nos señala algunas formas de reducir el sesgo de género derivado de la activación de estereotipos. La primera es evitar la formación de expectativas negativas a través de factores de contexto: la representación proporcional de las mujeres es uno de esos factores contextuales; el género se visibiliza si hay un grupo minoritario, y existe evidencia que muestra que, si se aumenta la proporción de mujeres en el conjunto de solicitantes, la evaluación de las mismas también mejora (Sackett et al., 1991). La segunda es reducir la ambigüedad en el proceso de evaluación proporcionando a los evaluadores la mayor y mejor información posible de los candidatos de manera que se reduzca la tendencia a «rellenar» huecos de información con ideas preconcebidas; para ello, es imprescindible que los criterios de evaluación sean claros y concretos, y puedan aplicarse de manera idéntica con independencia de a quien se esté evaluando (Heilman, 2012); esto incluye reglas claras para la atribución del mérito individual en el trabajo de grupo. Por último, las organizaciones pueden aumentar los incentivos de los evaluadores para ser justos a través de mecanismos de rendición de cuentas (Reskin, 2003).

También es común distinguir entre políticas que se orientan a los procesos de solicitud o evaluación, y políticas que se orientan directamente al resultado de las convocatorias. Este es un tema complejo porque, aunque la mayoría de las políticas públicas son del primer tipo, a veces, el discurso político y académico que suele acompañar los diagnósticos y las soluciones contienen referencias a lo segundo. Cuando las políticas tienen como objetivo directamente los resultados, existe un riesgo de discriminación inversa y de señalización adversa.

Otro tipo de políticas son las que se centran en el diseño y contenido de las convocatorias. Aquí, hay algunos ejemplos de diseños interesantes centrados en que el lenguaje con el que se describen los perfiles de los candidatos que se buscan sea lo más neutro posible. Rasgos tradicionalmente asociados a lo masculino que pueden cambiarse por otros más neutrales son: «potencial para el liderazgo» por «potencial para contribuir significativamente», «importancia» por «influencia», «innovación» por «originalidad», y «creatividad» por «inventiva» (Escobar Álvarez et al., 2019). Otro ejemplo interesante es incluir en las guías para la redacción de cartas de referencia, la recomendación de que se dichas cartas se centren en los méritos de los candidatos y se eviten referencias a circunstancias personales como el género, la edad, o a capacidades y roles ajenos al mundo profesional.

La evaluación ciega, en el sentido de no conocer la identidad y otros atributos del sujeto evaluado, ha sido el estándar tradicional en la evaluación de artículos de investigación para su publicación. Solo recientemente se ha empezado a experimentar con este tipo de enfoque en otros tipos de evaluaciones y los resultados son variados. Mientras que algunos estudios muestran que el anonimización sí reduce sesgos relacionados con características personales del evaluado como el género, la proximidad social, o la conformidad intelectual con el evaluador (Goldin y Rouse, 2000), otros, como el estudio de Kolev et al. (2019) sobre la evaluación de proyectos innovadores de la Fundación Gates, señalan que, a pesar de la evaluación ciega, los proyectos presentados por mujeres reciben menores puntuaciones. Curiosamente, en este último estudio, cuando se controla por una serie de medidas relativas al lenguaje de los títulos y las descripciones de los proyectos (palabras genéricas versus especificas), las diferencias desparecen, lo que sugiere que, en ese caso, la brecha en las puntuaciones tiene que ver con diferencias en el estilo de comunicación.

Los dos tipos de políticas más comunes relativas al diseño de las convocatorias y al proceso de evaluación están sujetas a cierta controversia. Las primeras son las denominadas en inglés clock stopping policies, son aquellas que amplían los plazos a considerar para los solicitantes que han tenido hijos. La evidencia ha demostrado que cuando estas políticas se aplican tanto a hombres como a mujeres, las brechas de solicitudes no se reducen, y que, cuando se aplican a plazos para solicitar la tenureen sistemascomo el estadounidense, las diferencias por género pueden incluso aumentar (Antecol et al., 2018). Estos resultados ponen de manifiesto que este tipo de políticas neutrales no tienen en cuenta adecuadamente la realidad de las pérdidas de productividad asociadas la maternidad y la paternidad por separado.

Las segundas son las cuotas de género en la composición de los comités de evaluación y selección. Aunque en algunos países estas cuotas son obligatorias, la evidencia sobre sus efectos es diversa y en general no es concluyente. La Comisión Europea se comprometió a alcanzar un 40 % de mujeres en las estructuras de asesoramiento de Horizonte 2020; sin embargo, algunas estadísticas ponen en duda su eficacia; por ejemplo, con datos agregados para 2008-2012, el European Research Council(ERC) no encontró correlación entre el número de mujeres en los paneles de evaluación y las tasas de éxito de las solicitantes (Vernos, 2013). Tampoco hay que subestimar la sobrecarga de trabajo de evaluación que la implementación de las cuotas puede suponer para las investigadoras, en especial en áreas donde están poco representadas, y que puede ir en detrimento del propio trabajo de investigación.

Uno de mis objetivos en este artículo ha sido subrayar el hecho de algunas de las dinámicas que llevan a que las mujeres se presenten menos y obtengan menos proyectos de investigación son estructurales. Muchas de las diferencias entre hombres y mujeres a la hora de participar en las convocatorias tienen su origen en las prácticas de empleo de universidades y centros de investigación. Aunque tenga un componente derivado de la secuencia de desarrollo, la baja representación de las mujeres en las categorías académicas superiores es un problema que persiste en muchos países; la opacidad y discrecionalidad de los procesos de toma de decisiones a nivel local es otra traba para la implementación de políticas. Para algunos, la introducción de sistemas de habilitación y acreditación basados en indicadores bibliométricos ayuda a la transparencia (Marini y Meschitti, 2018).

Para otros, la evaluación basada en la revisión por pares tiene tantas limitaciones que sería mejor utilizar un sistema de lotería como mecanismo de asignación de la financiación para la investigación, una vez cumplidos unos niveles estándares de calidad (Roumbanis, 2019) y a la vez incrementaría la diversidad epistemológica, la equidad y la imparcialidad. No existe por el momento evidencia a favor ni en contra; lo que sin duda genera esta idea es una especie de derrota moral vinculada a dar por perdida la posibilidad de cambiar las organizaciones y las instituciones.

Desde una perspectiva más positiva, Steward y Valiant (2018) han esbozado algunos principios generales para crear estructuras favorecedoras del cambio. En primer lugar, la necesidad de centrarse en las políticas y en las prácticas; para estos autores, puede que la formación de evaluadores y el cambio de actitudes estén sobrevaloradas en comparación con el diseño de reglas y procedimientos que hagan difíciles conductas discriminatorias. En segundo lugar, la conveniencia de basar las políticas en el conocimiento experto y en la evidencia de lo que funciona y de lo que no. En tercer lugar, aunque sin duda hay casos de buenas prácticas de los que aprender, las políticas no pueden importarse sin más de otros contextos esperando que tendrán el mismo impacto; saber que una política ha funcionado en alguna parte es tan importante como preguntarse si funcionará aquí (Cartwright y Hardie, 2012). Por último, el principio de «cambia lo que puedas donde puedas» es una llamada al pragmatismo y un reconocimiento de que las organizaciones rara vez cambian de manera radical sino incremental y que, un poco de cambio, en la medida en que ponga en marcha un proceso, es mejor que la ausencia de cambio.