La economía, sesgada a la opinión de los hombres

Este artículo fue originalmente publicado en el suplemento “Economía y mercado” del diario “El País” en coautoría con Lucila Arboleya el 28 de febrero de 2022.

La ausencia de mujeres en STEM (ciencia, tecnología, ingeniería y matemática, por sus siglas en inglés) es prácticamente un hecho de público conocimiento. Solo un 35% de los estudiantes en STEM en la educación terciaria global son mujeres (Unesco, 2017). En Uruguay, la matrícula de Ingeniería/Físico Matemático de sexto año de liceo presenta el menor porcentaje de mujeres (34%). Esto después se perpetúa en el mercado laboral, donde los hombres representan el 55% de la población ocupada total, frente al 76% en sectores relacionados con STEM (en general mejor pago y con buena salida laboral) (ANII, 2008).

La disciplina económica no es muy distinta. Algunas estimaciones muestran que podría ser de las peores para ser mujer, con porcentajes de participación por debajo del promedio STEM. Datos de Estados Unidos entre 1995 y 2014 muestran que el porcentaje de estudiantes mujeres que se graduaron de la licenciatura en economía (29% en 2014) casi no cambió en las últimas dos décadas, mientras que hubo mejoras en otros campos, incluido STEM. Las cifras son similares para las mujeres que obtuvieron doctorados de economía (Bayer y Rouse, 2016).

La sub-representación ocurre a través de la “cadena de valor”. Por ejemplo, las mujeres representan menos del 15% de los profesores titulares en los departamentos de economía de EE.UU. y menos del 30% de los profesores asociados en 2020. Cifras más alentadoras que hace 25 años (7% y 14% respectivamente), pero la brecha todavía es grande (1). En Uruguay, la participación de mujeres en el Sistema Nacional de Investigadores decrece conforme se avanza en la estructura jerárquica. Las mujeres siguen concentradas en los primeros niveles y tienen una probabilidad menor de ser aceptadas (Gandelman y Bukstein, 2019) (7,1 puntos porcentuales).

La presencia de mujeres también es escasa entre las posiciones más prestigiosas del ámbito económico. “Solo ocho de los 140 presidentes de la FED desde 1914 han sido mujeres, al igual que apenas una quinta parte de los miembros actuales de la Oficina Nacional de Investigación Económica (NBER), uno de los grupos de expertos en política económica más influyentes de los EE.UU.” (2). Christine Lagarde fue la primera mujer en ser Ministra de Finanzas de una economía del G8 en 2007 y primera mujer al frente del FMI en 2011 (el FMI existe desde 1945). En Uruguay, Azucena Arbeleche es la primera mujer al mando del Ministerio de Economía y Finanzas. Al menos tenemos un ejemplo de inspiración para las niñas en 200 años de historia.

¿Por qué hay menos mujeres?

Las razones son múltiples y requeriría, al menos, otra columna, pero algunas de las causas principales incluyen sesgos y replicación de estereotipos. En la infancia, a los niños se les dan camiones y a las niñas muñecas. En el liceo las orientaciones STEM todavía son elecciones “de hombre”. De hecho, un estudio encuentra que las mujeres aparecen menos en los ejemplos de los libros de introducción a la economía, y son relegadas a papeles menores (Stevenson y Zlotnick, 2018). Y los sesgos continúan. Un reciente estudio que analiza las cartas de recomendación para el primer trabajo muestra que las mujeres son sistemáticamente más propensas a ser elogiadas por ser trabajadoras y, a veces, menos propensas a ser elogiadas por su capacidad. “Las mujeres son ‘trabajadoras’ y los hombres, ‘brillantes’” (Eberharhardt, 2022).

La falta de modelos donde inspirarse, networks o mentorías es otro problema. La ausencia de mujeres en posiciones de liderazgo afecta las expectativas de las niñas, y eventualmente sus decisiones.

El sector tampoco ha estado ausente de escándalos de acoso sexual, incluso entre economistas prestigiosos de universidades de élite. Tanto que hasta Ben Bernanke dijo hace poco que “la economía claramente tiene un problema… la profesión tiene lamentablemente una reputación de hostilidad hacia mujeres y minorías.” (TNYT, 2019)

¿Por qué importa?

La economía estudia fenómenos de la sociedad y por eso es importante una mirada amplia y representativa. No es sólo más justo, sino que además puede llevar a resultados más robustos. Las mujeres no siempre tienen opiniones similares a los hombres (por ejemplo, sobre el nivel de equidad de una sociedad, el grado de regulación óptimo de una economía, etc.) (May et al., 2018) Estos priors diferentes traen diversidad que enriquece la investigación y la opinión pública.

Los economistas cumplen un rol particular en ser “formadores de opinión” en las sociedades, en muchos casos con fuerte influencia sobre decisiones del ámbito público y privado. La ausencia de mujeres en estos espacios y la amplificación de las mismas voces (en muchos casos economistas hombres replicando sobre todo opiniones de otros economistas hombres) genera un círculo vicioso —a veces no intencional— que deviene en menor visibilidad y participación de economistas mujeres en la discusión económica de los países.

Reconocer que existe esta brecha —especialmente por economistas hombres— sería un primer paso para reducirla. En un mundo ideal no habría que estar contando mujeres en conferencias, academia ni espacios de opinión. Hablamos por muchas mujeres al decir que esto no es algo que hagamos con placer. A nosotras también nos aburre. Pero a veces las diferencias son tan evidentes que rompen los ojos, y son sólo un primer síntoma de un problema profundo. Algo para pensar de camino a un nuevo 8 de marzo.

(1) American Economic Association, 2021, https://www.aeaweb.org/content/file?id=13968

(2)  The Conversation, 2021, “The gender gap in economics is huge – it’s even worse than tech.”

Día Internacional de la Mujer y la Niña en la Ciencia

El Día Internacional de la Mujer y la Niña en la Ciencia, que se conmemora cada año el 11 de febrero, fue aprobado por la Asamblea General de las Naciones Unidas con el fin de lograr el acceso y la participación plena y equitativa en la ciencia para las mujeres y las niñas, y además para lograr la igualdad de género y el empoderamiento de las mujeres y las niñas. Este Día es un recordatorio de que las mujeres y las niñas desempeñan un papel fundamental en las comunidades de ciencia y tecnología y que su participación debe fortalecerse.

La brecha de participación de mujeres y varones en los ámbitos de Ciencia, Tecnología, Ingeniería y Matemáticas (STEM, por sus siglas en inglés) es una constante en todo el mundo. Pero la brecha no es solo de participación, sino de menores sueldos y mayores estereotipos. Si sos mujer y estás leyendo esto, pensá en el primer juguete que te regalaron. No sería una excepción que te hayan regalado una cocinita o una muñeca y no un libro con experimentos de ciencia o un set para armar construcciones “para niños”. Muchas veces se les ofrece a las niñas juguetes asociados a los roles que se espera de ellas en la sociedad y muchas de estas veces es de manera inconsciente.

¿Cuál es la principal consecuencia de la falta de participación de mujeres en STEM?

La principal consecuencia es que el 50% de la población mundial no está representada en las producciones científicas y tecnológicas. En todo el mundo, sólo el 33% del personal de investigación está compuesto por mujeres. Además, reciben menos fondos de investigación que los varones, y tienen menos probabilidades de lograr un ascenso. En el sector privado se observa una situación similar, las mujeres ocupan menos cargos directivos en las empresas y puestos técnicos en las industrias tecnológicas. Las mujeres representan tan sólo el 22 % de las y los profesionales que trabajan en el campo de la inteligencia artificial y el 28 % de las personas graduadas en ingeniería. Las áreas STEM, se encuentran actualmente en plena expansión y ofrecen amplias oportunidades para quienes las integran, al tiempo que son clave en los procesos de desarrollo de los países. 89% de lo que hacemos en internet (previo al COVID-19) está relacionado con aplicaciones móviles, y solo el 6% de las aplicaciones móviles en el mundo fueron desarrolladas por mujeres.  En el campo de la medicina, por ejemplo, la mayoría de los estudios médicos son liderados y testeados mayoritariamente en varones, y por esto, en algunos casos no consideran contraindicaciones en mujeres.

“Seamos sinceros, todo el mundo en la comunidad biomédica se ha pasado la vida estudiando un sexo u otro. Y normalmente es el masculino”, dice el biólogo Steven Austad. Cuando se trata de la maquinaria básica de nuestro cuerpo, los científicos han asumido a menudo que estudiar un sexo es lo mismo que estudiar el otro“.

En 2011, la investigadora de la salud Annaliese Beery, de la Universidad de California en San Francisco, y el biólogo Irving Zucker, de la Universidad de California, Berkeley, publicaron un estudio en el que analizan los sesgos de sexo en la investigación con animales en un año de muestra: 2009. De los diez campos científicos que investigaron, ocho mostraron un sesgo masculino. En farmacología, el estudio de las drogas médicas, los artículos que informaban únicamente sobre los varones superan en cinco a uno a los que informaban solo de las mujeres. En fisiología, que explora el funcionamiento de nuestro cuerpo, la proporción era de casi cuatro a uno. Es un problema que también se da en otros rincones de la ciencia. En la investigación sobre la evolución de los genitales (partes del cuerpo que sabemos con certeza que son diferentes entre los sexos), los científicos también se han inclinado por los varones. En 2014, biólogos de la Universidad Humboldt de Berlín y de la Universidad Macquarie de Sydney analizaron más de trescientos artículos publicados entre 1989 y 2013 que trataban sobre la evolución de los genitales. Descubrieron que casi la mitad solo se ocupaba de los machos de las especies, mientras que sólo el 8% se ocupaba de las hembras. Un periodista lo describió como “el caso de las vaginas desaparecidas”.

Cuando se trata de la investigación médica, la cuestión es más complicada que el simple sesgo. Hasta alrededor de 1990, era habitual que los ensayos médicos se realizaran casi exclusivamente con varones. Y había buenas razones para ello. “No se quiere dar el fármaco experimental a una mujer embarazada, y no se quiere dar el fármaco experimental a una mujer que no sabe que está embarazada pero que realmente lo está”, explica Arthur Arnold. El terrible legado de las mujeres a las que se les administró talidomida para las náuseas matutinas en la década de 1950 demostró a los científicos lo cuidadosos que deben ser antes de administrar fármacos a las futuras madres. Miles de niños nacieron con discapacidades antes de que la talidomida fuera retirada del mercado.

Los niveles hormonales fluctuantes de una mujer también pueden afectar su respuesta a un medicamento. Los niveles hormonales de los varones son más “consistentes”. “Es mucho más barato estudiar un sexo. Así que si vas a elegir un sexo, la mayoría de la gente evita a las mujeres porque tienen estas “hormonas enredadas”. Así que los investigadores emigran al estudio de los varones. “En algunas disciplinas hay un sesgo masculino vergonzoso”, añade. Esta tendencia a centrarse en los varones puede haber perjudicado la salud de las mujeres.

Por ejemplo, las mujeres que van a sufrir un infarto de miocardio (ataque al corazón) tienen más probabilidades de presentar síntomas como insomnio, aumento de la fatiga, dolor en cualquier parte de la cabeza hasta el pecho, las semanas antes de sufrir un ataque al corazón. En cambio, los varones son menos propensos a tener esos síntomas y es más probable que presenten el clásico dolor torácico “aplastante”. Dadas estas diferencias, es plausible que la exclusión de las mujeres de los ensayos de medicamentos durante tantos años haya afectado su salud.

A su vez, no incluir mujeres en los ensayos clínicos implica no saber si los fármacos suministrados tienen los mismos efectos en mujeres y varones. El primer ejemplo es la digoxina, que se utiliza desde hace tiempo para tratar la insuficiencia cardíaca. En 2002, los investigadores de la Facultad de Medicina de la Universidad de Yale decidieron echar un vistazo a los datos sobre la digoxina, analizando sus efectos en función del sexo. Entre 1991 y 1996, los investigadores habían llevado a cabo ensayos aleatorios con pacientes cardíacos que utilizaban digoxina. Comprobaron que no afectaba a la duración de la vida del paciente, pero sí reducía, en promedio, su riesgo de hospitalización. Pero el equipo de Yale observó que el fármaco se probó en aproximadamente cuatro veces más varones que mujeres, y no respondieron de forma idéntica. Una proporción ligeramente mayor de mujeres que tomaron digoxina murieron antes que las que tomaron un placebo. En el caso de los varones, las diferencias entre los que tomaban el fármaco y el grupo de placebo eran mucho menores. La diferencia según sexo, concluyeron, “habría quedado neteada por el efecto del tratamiento con digoxina entre los varones”. Pero la ciencia nunca se detiene. El resultado de la Universidad de Yale resultó más tarde no ser lo que parecía. Estudios más recientes, incluyendo uno con un grupo de muestra mucho más grande publicado en el British Medical Journal en 2012, han sugerido que de hecho no hay un riesgo sustancialmente mayor de muerte para las mujeres por el uso de digoxina en absoluto.

El segundo ejemplo es el fármaco para el insomnio zolpidem, comúnmente vendido en los Estados Unidos bajo la marca Ambien (en Uruguay también es una fármaco “popular” y se vende bajo el nombre comercial Somit). Mucho después de que se aprobara su comercialización, una investigación reveló que las mujeres a las que se les administraba la misma dosis que a los varones eran más propensas a sufrir somnolencia matutina. Ocho horas después de tomar zolpidem, el 15 por ciento “de las mujeres, pero solo el 3 por ciento de los varones, tenían suficiente cantidad del fármaco en su organismo como para aumentar el riesgo de sufrir un accidente de tráfico”. A principios de 2013, la FDA tomó la histórica decisión de reducir la dosis inicial recomendada de zolpidem, reduciéndose a la mitad para las mujeres. “El zolpidem es una especie de caso señal”, dice Arthur Arnold. La digoxina y el zolpidem ponen de manifiesto la importancia de incluir el sexo como variable en la investigación médica.

Estos son ejemplos cotidianos importantes que explican por qué es importante saber que las mujeres no estamos representadas. Tenemos que incentivar a las niñas en estos campos, primero, porque son en donde actualmente hay mayor producción y desarrollo. Por otro lado, si bien los estereotipos de género se terminan de constituir a los 7 años, se perpetúan en la adolescencia, que es cuando nos encontramos la proyección de los tipos de carreras en las que las jóvenes quieren desarrollarse.

¿Qué sucede con los estereotipos y la participación de mujeres y niñas en áreas STEM?

Los meta-análisis muestran consistentemente que las niñas y los niños son, en promedio, mucho más similares que diferentes. Por ejemplo, una de las diferencias de género en matemáticas, basada en 100 estudios y pruebas a más de tres millones de personas, encontró que las niñas superaron a los niños en general en la escuela primaria, no hubo diferencias en la escuela secundaria y solo hubo una ventaja masculina muy leve para la resolución de problemas complejos.

La distribución de mujeres y varones en las disciplinas académicas parece verse afectada por las percepciones de “brillantez”. Bian et al. (2018) estudió a niños y niñas pequeños para evaluar cuándo emergen esas percepciones diferenciales. A los 5 años, los niños parecían no diferenciar entre niños y niñas en la expectativa de “realmente, realmente inteligente”, la versión infantil de la brillantez adulta. Pero a los 6 años, las niñas estaban preparadas para incluir a más niños en la categoría de “muy, muy inteligente” y para alejarse de los juegos destinados a los “realmente, realmente inteligentes”. Estos hallazgos sugieren que las nociones de brillantez de género se adquieren de manera temprana y tienen un efecto inmediato en los intereses de los niños.

Es posible que nunca hayas escuchado hablar de esto, pero los experimentos de Draw-a-Scientist se han llevado a cabo desde los años sesenta. La prueba es tan simple como parece, se les pide a los niños que dibujen un científico/a, pero los resultados dicen mucho sobre los estereotipos de género. En 1983, el científico social David Chambers publicó un estudio que analizó los dibujos de casi 5.000 niños y niñas de Estados Unidos y Canadá durante 11 años (19661-1977). Chambers encontró que, aunque los científicos parecían muy diferentes, eran casi todos varones. Solamente el 1% de los niños y niñas, que tenían entre cuatro y ocho años, dibujaron a una científica y todos eran niñas.

Desde entonces, las mujeres han entrado en los campos científicos en un número cada vez mayor. Esto hizo que el estudiante de doctorado de Northwestern University, David Miller, se preguntara si las percepciones de los niños sobre los científicos habían cambiado. Miller et al. (2018) examinaron el valor de cinco décadas de esta prueba, analizando los dibujos de 20.000 niños entre 1985 y 2016. La buena noticia: con el tiempo, más niños dibujaron a científicas. En 1985, el 22% de los niños dibujaban a una científica en promedio. En 2016, el 34% de los niños lo hizo. En promedio, el 28% de los niños dibujaron a una científica, mucho más alta que el 1% original.

No obstante, las noticias no son todas positivas: los niños más pequeños tenían más probabilidades de dibujar a mujeres científicas. La tendencia al estereotipo aumenta con la edad. Los niños de cinco y seis años dibujaron aproximadamente 50/50 científicos y científicas. Pero a la edad de ocho años, era mucho más probable que dibujaran a un científico.

Más niñas que niños dibujaron a científicas, en promedio, dibujaron al 70% de los científicos como mujeres a los seis años. Sin embargo, a los 10 u 11 años, esta tendencia comenzó a revertirse. A los 16 años, en promedio, las niñas dibujaban solo el 25% de los científicos como mujeres. Los niños siempre fueron más propensos a dibujar científicos: 83% a los seis años, llegando al 98% a los 16 años.

Uruguay no es la excepción, podemos analizar la evolución de las brechas de género en el desempeño en matemática a través de los años. En la prueba INDI (2017) que se realiza en niños y niñas de 4 y 5 años. hay una brecha a favor de las niñas, en las pruebas TERCE (2013) no hay diferencias en el desempeño de niñas y niños; no obstante, en las pruebas PISA cuando los jóvenes se encuentran en secundaria los varones tienen un mejor desempeño.

Miller reflexiona: “Los maestros y los padres, por lo tanto, deben ser conscientes de que la escuela primaria y la secundaria son un período crítico cuando los estudiantes comienzan a formar estereotipos sobre los científicos. Los niños deben estar expuestos a diversos ejemplos de científicos que van más allá de los típicos científicos varones blancos que generalmente se presentan en las aulas”.

¿Cómo pueden padres, madres y cuidadores estimular a las niñas para que se interesen en STEM desde la primera infancia?

Esta pregunta tiene que ver con los estereotipos que se inician desde simples frases que Melina Masnatta define como “killer phrases” (frases matadoras en inglés), que suelen decir algunas personas como: “esta es una carrera para varones” (sí, créanme sigue sucediendo) o “va a ser muy difícil porque vos no sos buena en matemática”. Esas frases limitantes van construyendo caminos también limitantes para estas jóvenes.

Otro punto se relaciona con la poca confianza en los recursos digitales que tienen las niñas y jóvenes. Muchas veces en sus familias la primera consola de videojuegos o los estímulos tecnológicos, matemáticos y científicos se lo suele regalar a los niños y no a las niñas. Esto impacta la confianza que se va adquiriendo en esos recursos digitales.      

Numerosos estudios muestran la asociación entre estereotipos de género de padres, madres y cuidadores y sus creencias sobre las habilidades matemáticas de sus hijos. Siendo estos procesos mayormente inconscientes, ¿cómo, entonces, podemos luchar contra el prejuicio de que las niñas son menos habilidosas en terrenos STEM?

  • El primer desafío es que las personas que educan y sus entornos más cercanos empiecen a descubrir, a imaginarse que estas jóvenes son potenciales profesionales en estos ámbitos.
  • El segundo punto es acercarle a las niñas y jóvenes diferentes experiencias relacionadas con estas disciplinas porque en general no hay un estímulo desde lo lúdico ni desde otros roles, se los empieza a vedar desde temprana edad.
  • El tercer punto, y esto es un desafío más regional, es que hay un gran desconocimiento sobre qué significa trabajar en STEM. Existe este estereotipo que aleja mucho porque nos imaginamos a alguien que está en Silicon Valley. Muchas veces en nuestros países no nos imaginamos, por ejemplo, lanzando satélites. Si bien la falta de conocimiento sobre cuáles son los desarrollos y las carreras que se pueden estudiar es un tema que no distingue de géneros, sí hay una fuerte barrera de género en la participación en STEM. Por ejemplo, varias investigaciones demuestran que las mujeres se dedican más a tareas vinculadas con el cuidado como la medicina. Y dentro de la medicina, en general, van a determinadas áreas. Eso también habla de un camino sesgado en el recorrido.
  • En cuarto lugar, faltan redes y comunidades que incentiven y se conecten con otros ecosistemas. Muchas universidades dan charlas para incentivar la inscripción en carreras STEM pero esto también se desconoce y no hay una articulación con el nivel educativo medio y con el nivel inicial. Los museos de ciencia en diferentes países, tienen muchísimas actividades y desarrollos para niños y niñas pero tampoco hay una articulación con otros niveles ni con las familias.
  • Por último, hay desconocimiento sobre las oportunidades profesionales y sobre qué significa trabajar en STEM y qué habilidades se precisan para estos campos. Por ejemplo, tecnología, es un ámbito muy requerido y los salarios son, en promedio, más altos. Esta es una oportunidad profesional que las familias deberían incentivar porque para las mujeres puede significar lograr un balance entre trabajo y vida personal y les permite desarrollarse a la vez que tener un sueldo competitivo en el mercado.

¿Cómo pueden las políticas públicas especializadas en desarrollo infantil incentivar la participación de las niñas y mujeres en STEM?

Se pueden mostrar roles modelo cercanos con un proceso que a veces es muy difícil que es reconocer dónde están esas mujeres, quiénes son y hacerlo un entorno amigable. En Uruguay hay organizaciones como Girls in Tech, Mujeres IT, R-Ladies MVD, PyLadies Uruguay, entre otras.

Uno de los puntos cruciales es generar datos y armar campañas para que la población entienda que si no tenemos ingenieras o ingenieros, si no tenemos capacidad productiva, estamos perdiendo como países. Algunos de esos incentivos se pueden realizar desde las políticas públicas: campañas de comunicación, de tomar datos, de medir, de decirle a la sociedad por qué es importante que haya mujeres en estos sectores.  

Esta evidente subrepresentación de las mujeres limita nuestra capacidad para encontrar soluciones sostenibles e inclusivas a los problemas modernos y construir una mejor sociedad para todas las personas.

Un Premio Nobel para una revolución en la economía

Este artículo fue originalmente publicado en el suplemento de economía de la diaria.

La Real Academia Sueca premió a David Card por su contribución empírica a la economía laboral y también a la dupla de Joshua Angrist y Guido Imbens por sus aportes metodológicos al establecimiento de relaciones causales.

Las mañanas en las que se otorga el Nobel de Economía son como un ritual, los miembros del comité se preparan para anunciarlo y la prensa se silencia por completo. Este año la Academia se hizo esperar un poco más, dado que no lograron contactar a tiempo a todos los galardonados. Pero el momento esperado llegó, y la Real Academia Sueca premió a David Card por su contribución empírica a la economía laboral y también a la dupla de Joshua Angrist y Guido Imbens por sus aportes metodológicos al establecimiento de relaciones causales. Los galardonados de este año han demostrado que los experimentos naturales pueden utilizarse para responder cuestiones fundamentales para la sociedad, como el efecto de los salarios mínimos y la inmigración en el mercado laboral. Asimismo, han aclarado exactamente qué conclusiones sobre la causa y el efecto pueden extraerse utilizando este enfoque de investigación. En pocas palabras, revolucionaron la investigación empírica en economía.

Claro, ganar el Premio Nobel de Economía puede ser uno de los logros más importantes de la carrera de David Card. Y, sí, además de la medalla de oro, se reparte más de un millón de dólares con los otros dos ganadores del premio de 2021, Joshua Angrist y Guido Imbens. Pero eso es solo la torta. También está la frutilla. David Card da clases en la Universidad de Berkeley, por lo que convertirse en premio Nobel conlleva una ventaja adicional: estacionamiento gratuito de por vida. En serio.

“Sí, profesor Card, además de su Premio Nobel –y, de hecho, gracias a él–, me complace concederle una codiciada plaza de estacionamiento cerca de su oficina”, dijo la rectora de la Universidad de Berkeley, Carol T. Christ, la mañana del anuncio del Nobel. “Me han dicho que, al igual que muchos miembros de la facultad de Berkeley, usted va en bicicleta al trabajo, así que déjeme ver cómo podríamos crear un lugar especial para que la estacione”.

En cuanto al premio en sí, añade un toque oficial a algo que los aficionados a la economía ya sabemos de Card: su trabajo, realizado a menudo en colaboración con su difunto coautor Alan Krueger[1], ha reformado completamente el campo de la economía. Los economistas consideran su trabajo una de las primeras salvas de lo que a veces se denomina la “revolución de la credibilidad” o la revolución empírica. Esto se refiere a un movimiento en la economía para crear diseños de investigación innovadores, con el objetivo de encontrar pruebas creíbles para responder a cuestiones políticas importantes. Hasta el momento, en la disciplina predominaba la teoría económica y algunos intentos empíricos esquivos. Tras los primeros disparos de Card y Krueger, Joshua Angrist y Guido Imbens, quienes lavaban su ropa los sábados a la mañana mientras conversaban sobre diseños metodológicos como profesores ayudantes en Harvard, entraron en paracaídas y dieron a la revolución otra victoria al desplegar armas aún más sofisticadas desde el punto de vista estadístico.

Pero… ¿qué son los experimentos naturales?


Muchas preguntas importantes son sobre la causa y el efecto. Si queremos tomar buenas decisiones, debemos comprender las consecuencias de nuestras elecciones. Esto se aplica tanto a los individuos como a los responsables de las políticas públicas: los jóvenes que toman decisiones educativas quieren saber cómo éstas podrían afectar a sus ingresos futuros; los políticos que están considerando una serie de reformas quieren saber cómo éstas podrían afectar al empleo y a la distribución de los ingresos. Sin embargo, no es fácil responder preguntas generales sobre la causa y el efecto, porque nunca sabremos qué habría pasado si hubiéramos hecho una elección diferente.

La manera ideal de responder estas preguntas y establecer causalidad es utilizar experimentos aleatorios, en los que los investigadores asignan a los individuos a grupos de tratamiento mediante un sorteo. Esto se realiza en otras áreas de investigación, por ejemplo, en medicina: un grupo similar puede ser dividido en dos, uno prueba una pastilla nueva mientras otro testea una pastilla placebo. No obstante, en las ciencias sociales esto es muy complejo de realizar, ya sea por razones logísticas, políticas o éticas; lógicamente, no podríamos hacer un experimento aleatorio para determinar quién va a la escuela secundaria superior y quién no con el fin de estimar el efecto de la educación en los salarios. A pesar de estos problemas, los galardonados han demostrado que es posible responder a muchas de las grandes preguntas de la sociedad. ¿Su solución? Utilizar experimentos naturales, es decir, situaciones que surgen en la vida real y que se asemejan a los experimentos aleatorios. Estos experimentos naturales pueden deberse a variaciones aleatorias espontáneas, normas institucionales o cambios políticos.

Los experimentos naturales difieren de los ensayos clínicos en un aspecto importante: en un ensayo clínico, el investigador tiene un control total sobre a quién se le ofrece un tratamiento y finalmente lo recibe (el grupo de tratamiento) y a quién no se le ofrece el tratamiento y por lo tanto no lo recibe (el grupo de control). En un experimento natural, el investigador también tiene acceso a los datos de los grupos de tratamiento y de control pero, a diferencia de un ensayo clínico, los propios individuos pueden haber elegido si quieren participar en la intervención que se les ofrece. Esto hace que sea mucho más difícil interpretar los resultados de un experimento natural. En un innovador estudio de 1994, Joshua Angrist y Guido Imbens demostraron qué conclusiones sobre la causalidad puede extraerse de los experimentos naturales en los que no se puede obligar a las personas a participar en el programa estudiado (ni prohibirles que lo hagan). La metodología que crearon ha cambiado radicalmente la forma en que los investigadores abordan cuestiones empíricas utilizando ya sea datos de experimentos naturales o aleatorios.

Un ejemplo de experimento natural

Utilicemos un ejemplo concreto para ilustrar cómo funciona un experimento natural. Una pregunta clásica es, ¿cómo estimar el efecto de la educación en los ingresos? Las personas con mayor escolarización ganan más, pero ¿se debe a la escolaridad o a que las personas que obtienen mayor escolaridad tienen más capacidad? Joshua Angrist y su colega Alan Krueger mostraron cómo se podía hacer en un artículo fundacional. La estrategia de los investigadores fue utilizar la correlación entre el trimestre de nacimimiento de un estudiante y sus años de educación para estimar el efecto de la escolarización en los ingresos. ¿Qué? ¿Qué puede tener que ver el trimestre de nacimiento de un estudiante con la cantidad de educación que recibe? ¿Se trata de un extraño tipo de astrología económica? Pues no, en Estados Unidos, durante muchas décadas, una persona podía dejar la escuela a los 16 años. Además, un niño nacido a finales de diciembre puede empezar el primer curso antes que un niño, casi de la misma edad, nacido a principios de enero. Si se juntan estas dos particularidades, se obtiene que las personas nacidas en el cuarto trimestre tienen un poco más de probabilidades de tener un poco más de educación que los estudiantes similares nacidos en el primer trimestre. Cuando Angrist y Krueger compararon a las personas nacidas en el primer y el cuarto trimestre del año, es decir, personas cuya única diferencia aparente es haber nacido unos días aparte, vieron que el primer grupo tenía, en promedio, menos años de educación. Las personas nacidas en el primer trimestre también tenían menos ingresos que las nacidas en el cuarto trimestre. Por lo tanto, en la edad adulta tenían menos estudios y menos ingresos que los nacidos en el último trimestre del año.

Dado que el trimestre de nacimiento es aleatorio, es decir, no es elegido adrede, es como si alguien asignara al azar a algunos estudiantes para que recibieran más educación que otros, por lo que Angrist y Krueger descubrieron un experimento aleatorio en datos naturales. El siguiente paso era ver cómo varían los ingresos con el trimestre de nacimiento. Las personas nacidas en el primer trimestre tienen una educación ligeramente inferior a la de las personas nacidas en el cuarto trimestre y las personas nacidas en el primer trimestre tienen unos ingresos ligeramente inferiores a los de las personas nacidas en el cuarto trimestre. El efecto sobre los ingresos es pequeño, en torno a 1%, pero hay que recordar que el trimestre de nacimiento sólo cambia la educación en aproximadamente 0,1 años, por lo que dividiendo lo primero por lo segundo se obtiene una estimación que implica que un año más de educación aumenta los ingresos en un saludable 10%.

Sería fácil creer que las situaciones que permiten realizar experimentos naturales son muy inusuales, especialmente las que pueden servir para responder preguntas importantes. Las investigaciones realizadas en los últimos 30 años han demostrado que no es así: los experimentos naturales se producen con frecuencia. Por ejemplo, pueden surgir debido a los cambios de política en algunas regiones de un país, a los límites de admisión en la educación superior o a los umbrales de ingresos en los sistemas fiscales y de prestaciones, lo que significa que algunos individuos están expuestos a una intervención mientras que otros, similares, no lo están. Por lo tanto, existe una aleatoriedad involuntaria que divide a las personas en grupos de control y de tratamiento, lo que ofrece a los investigadores la oportunidad de descubrir relaciones causales.

Comprender los mercados de trabajo

Los efectos de un salario mínimo

A principios de la década de 1990, la teoría económica afirmaba que un aumento en los salarios mínimos provocaba un descenso del empleo porque aumentaba los costos salariales de las empresas. Sin embargo, las pruebas que apoyaban esta conclusión no eran del todo convincentes; de hecho, había muchos estudios que indicaban una correlación negativa entre los salarios mínimos y el empleo, pero ¿significaba esto realmente que el aumento de los salarios mínimos conducía a un mayor desempleo?

Para investigar cómo el aumento de los salarios mínimos afecta al empleo, Card y Krueger utilizaron un experimento natural. A principios de la década de 1990, el salario mínimo por hora en Nueva Jersey pasó de 4,25 dólares a 5,05 dólares. El mero hecho de estudiar lo que ocurrió en Nueva Jersey después de este aumento no da una respuesta fiable a la pregunta, ya que hay otros muchos factores que pueden influir en la evolución de los niveles de empleo a lo largo del tiempo. Al igual que en los experimentos aleatorios, era necesario un grupo de control, es decir, un grupo en el que los salarios no cambiasen pero todos los demás factores fuesen los mismos.

Card y Krueger “aprovecharon” que no se produjo ningún aumento en el estado vecino de Pensilvania. Por supuesto, había diferencias entre los dos estados, pero es probable que los mercados laborales evolucionaran de forma similar cerca de la frontera. Así que estudiaron los efectos sobre el empleo en dos zonas vecinas –Nueva Jersey y el este de Pensilvania– que tienen un mercado laboral similar, pero en las que el salario mínimo se incrementó a un lado de la frontera pero no al otro. No había ninguna razón aparente para creer que algún factor (como la situación económica), aparte del aumento del salario mínimo, afectara las tendencias del empleo de forma diferente a ambos lados de la frontera. De esta manera, si se observaba un cambio en el número de empleados en Nueva Jersey, y éste difería de cualquier cambio en el otro lado de la frontera, había buenas razones para interpretarlo como un efecto del aumento del salario mínimo.

Los investigadores se centraron en el empleo en los restaurantes de comida rápida, un sector en el que la remuneración es baja y el salario mínimo es importante. De esta manera, estimaron el efecto del salario mínimo en Nueva Jersey calculando la diferencia en el empleo en Nueva Jersey antes y después de la ley y luego restando la diferencia en el empleo en Pensilvania antes y después de la ley. Al restar la diferencia de Pensilvania (es decir, lo que habría ocurrido en Nueva Jersey si la ley no se hubiera aprobado) de la diferencia de Nueva Jersey (lo que realmente ocurrió) nos queda el efecto del salario mínimo.

En contra de lo que habían investigado anteriormente, descubrieron que un aumento del salario mínimo no tenía ningún efecto sobre el número de empleados. David Card llegó a la misma conclusión en un par de estudios a principios de los años 90. Esta investigación pionera ha dado lugar a un gran número de estudios de seguimiento. La conclusión general es que los efectos negativos del aumento del salario mínimo son pequeños, y significativamente menores de lo que se creía hace 30 años.

La importancia de Card y Krueger (1994) no fue el resultado (que sigue siendo objeto de debate), sino que Card y Krueger revelaron a los economistas que había experimentos naturales con grupos de tratamiento y control plausibles a nuestro alrededor, si tan sólo tuviéramos la creatividad de verlos. Los últimos treinta años de economía empírica han sido el resultado de que los economistas hayan abierto los ojos a los experimentos naturales que les rodean.

Investigación sobre la inmigración y la educación

Otra cuestión importante es cómo afecta la inmigración al mercado laboral. Para responder esta pregunta, necesitamos saber qué habría pasado si no hubiera habido inmigración. Dado que los inmigrantes suelen instalarse en regiones con un mercado laboral en crecimiento, no basta con comparar regiones con y sin muchos inmigrantes para establecer una relación causal. Un acontecimiento único en la historia de Estados Unidos dio lugar a un experimento natural, que David Card utilizó para investigar cómo afecta la inmigración al mercado laboral.

En abril de 1980, Fidel Castro permitió, sin esperarlo, que todos los cubanos que quisieran abandonar el país lo hicieran. Entre mayo y setiembre, 125.000 cubanos emigraron a Estados Unidos. Muchos de ellos se instalaron en Miami, lo que supuso un aumento de la mano de obra de Miami de alrededor de 7%. Para examinar cómo afectó esta enorme afluencia de trabajadores el mercado laboral de Miami, David Card comparó las tendencias salariales y de empleo en Miami con la evolución de los salarios y el empleo en cuatro ciudades de comparación.

A pesar del enorme aumento de la oferta de mano de obra, Card no encontró efectos negativos para los residentes de Miami con bajos niveles de educación. Los salarios no cayeron y el desempleo no aumentó en relación con las otras ciudades. Este estudio generó una gran cantidad de nuevos trabajos empíricos, y ahora tenemos una mejor comprensión de los efectos de la inmigración. Por ejemplo, los estudios de seguimiento han demostrado que el aumento de la inmigración tiene un efecto positivo en los ingresos de muchos grupos que han nacido en el país, mientras que las personas que inmigraron en una época anterior se ven afectadas negativamente. Una de las explicaciones es que los nativos cambian a trabajos que requieren un buen conocimiento de la lengua materna y en los que no tienen que competir con los inmigrantes por los puestos de trabajo.

Un nuevo marco para los estudios de relaciones causales

En todos los escenarios realistas, el efecto de una intervención –por ejemplo, el efecto de la escolarización adicional sobre los ingresos– varía entre las personas. Además, los individuos se ven afectados de forma diferente por un experimento natural. La posibilidad de abandonar la escuela a los 16 años apenas afectará a quienes ya tenían previsto ir a la universidad. En los estudios basados en experimentos reales surgen problemas similares, porque normalmente no podemos obligar a los individuos a participar en una intervención.

El subgrupo que finalmente decide participar probablemente esté formado por individuos que creen que se beneficiarán de las intervenciones. Sin embargo, el investigador que analiza los datos sólo sabe quién ha participado, no por qué: no hay información sobre quiénes participaron únicamente porque se les ofreció la oportunidad, gracias al experimento natural (o al experimento aleatorio), y quiénes lo habrían hecho de todos modos. ¿Cómo se puede establecer una relación causal entre la educación y los ingresos?

Joshua Angrist y Guido Imbens abordaron este problema en un influyente estudio de mediados de los años noventa. Más concretamente, se plantearon la siguiente pregunta: ¿en qué condiciones podemos utilizar un experimento natural para estimar los efectos de una determinada intervención, como un curso de informática, cuando los efectos varían entre los individuos y no tenemos un control completo de quién participa? ¿Cómo podemos estimar este efecto y cómo debe interpretarse?

Simplificando un poco, podemos imaginar un experimento natural como si dividiera aleatoriamente a los individuos en un grupo de tratamiento y un grupo de control. El grupo de tratamiento tiene derecho a participar en un programa, mientras que el grupo de control no. Angrist e Imbens demostraron que es posible estimar el efecto del programa aplicando un proceso de dos pasos. El primer paso investiga cómo afecta el experimento natural a la probabilidad de participación en el programa. El segundo paso tiene en cuenta esta probabilidad a la hora de evaluar el efecto del programa real. Partiendo de algunos supuestos, que Imbens y Angrist formularon y discutieron en detalle, los investigadores pueden estimar el impacto del programa, incluso cuando no hay información sobre quién se vio realmente afectado por el experimento natural.

Una conclusión importante es que sólo es posible estimar el efecto entre las personas que cambiaron su comportamiento como resultado del experimento natural. Esto implica que la conclusión de Angrist y Krueger sobre el efecto en los ingresos de un año adicional de educación –que estimaron en un nueve por ciento– sólo se aplica a las personas que realmente decidieron abandonar la escuela cuando se les dio la oportunidad. No es posible determinar qué individuos están incluidos en este grupo, pero sí podemos determinar su tamaño. El efecto de este grupo se ha denominado efecto de tratamiento medio local, LATE (por sus siglas en inglés).

Los investigadores demostraron así exactamente qué conclusiones sobre la causa y el efecto pueden extraerse de los experimentos naturales. Su análisis también es relevante para los experimentos aleatorios en los que no tenemos un control total sobre quién participa en la intervención, como ocurre en casi todos los experimentos de campo. El marco desarrollado por Angrist e Imbens ha sido ampliamente adoptado por los investigadores que trabajan con datos observacionales. Al aclarar los supuestos necesarios para establecer una relación causal, su marco también ha aumentado la transparencia –y, por tanto, la credibilidad– de la investigación empírica.

Una revolución en la investigación empírica

Las contribuciones de los galardonados de principios de los años 90 demuestran que es posible responder preguntas importantes sobre la causa y el efecto utilizando experimentos naturales. Sus contribuciones se complementan y refuerzan mutuamente: las ideas metodológicas de Angrist e Imbens sobre los experimentos naturales y las aplicaciones de Card de este enfoque a cuestiones importantes abrieron el camino a otros investigadores. Ahora disponemos de un marco coherente que, entre otras cosas, nos permite saber cómo deben interpretarse los resultados de estos estudios. El trabajo de los galardonados ha revolucionado la investigación empírica en las ciencias sociales y ha mejorado considerablemente la capacidad de la comunidad académica para responder a cuestiones de gran importancia para todos nosotros.

[1] Lo triste del Premio Nobel es que, por la razón que sea, no se concede a título póstumo. Alan Krueger, que murió en 2019, seguramente habría compartido el premio si hubiera vivido.

Referencias

Angrist, J.D. and G.W. Imbens (1995). “Two-stage least squares estimation of average causal effect in models with variable treatment intensity”. Journal of the American Statistical Association, 90 (430): 431-442.

Angrist, J.D., G.W. Imbens, and D.B. Rubin (1996). “Identification of causal effects using instrumental variables”. Journal of the American Statistical Association, 91: 444-472.

Angrist, J.D. and A.B. Krueger (1991). “Does compulsory schooling attendance affect schooling and earnings?” Quarterly Journal of Economics, 106: 976-1014.

Card, D. (1990). “The impact of the Mariel boatlift on the Miami labor market”. Industrial and Labor Relations Review, 43: 245-257.

Card, D (1992a). “Do minimum wages reduce employment? A case study of California 1987–1989”. Industrial and Labor Relations Review, 46 (1): 38–54.

Card, D. (1992b). “Using regional variation in wages to measure the effects of the federal minimum wage”. Industrial and Labor Relations Review, 46 (1): 22-37.

Card, D. (1999). “The causal effect of education on earnings”. In Ashenfelter, O. and D. Card (eds.) Handbook of Labor Economics, Vol. 3A, Elsevier, Amsterdam.

Card, D. (2001a), “Immigrant inflows, native outflows, and the local labor market impacts of higher immigration”. Journal of Labor Economics, 19 (1): 22-64.

Card, D. (2001b). “Estimating the return to schooling: Progress on some persistent econometric problems”. Econometrica, 69 (5): 1127-1160.

Card, D. and A.B. Krueger (1994). “Minimum wages and employment: A case study of the fast-food industry in New Jersey and Pennsylvania”. American Economic Review, 84: 772-784.

Card, D. and A.B. Krueger (1995), Myth and Measurement: The New Economics of the Minimum Wage, Princeton University Press, Princeton.

Card, D., and A.B. Krueger (2000). “Minimum wages and employment: A case study of the fast-food industry in New Jersey and Pennsylvania: Reply”. American Economic Review, 90(5): 1397-1420.

Imbens, G.W. and J.D. Angrist (1994). “Identification and estimation of local average treatment effects”. Econometrica, 61: 467-476.

¿Alguien por favor puede pensar en los niños?

Este artículo fue originalmente publicado en el suplemento de economía de la diaria.

La importancia del Desarrollo Infantil Temprano y, sobre todo, de invertir en él.

El debate público de la semana pasada estuvo centrado en la discusión de los números de pobreza de 2020 estimados por el Instituto Nacional de Estadística y el Diagnóstico del Sistema Previsional Uruguayo de cara a una nueva reforma del sistema. ¿Lo curioso? Nuevamente, los menores de seis años siguen fuera de la agenda. Los mismos que tendrán que asumir mayormente los costos de los problemas del sistema previsional son quienes se han encontrado sistemáticamente debajo de la línea de pobreza. Sobre todo, en un país como Uruguay que se ha caracterizado por destinar una alta fracción de su gasto público a pasividades, pero bajos recursos a la educación y, sobre todo, a las niñas y niños.

La poetisa y pedagoga chilena Gabriela Mistral dijo, “Muchas cosas pueden esperar, el niño no. Ahora mismo se forman, se crea su sangre, sus sentidos se desarrollan. A ellos no se les puede decir mañana. Su nombre es hoy”. La investigación neurológica muestra que los primeros años juegan un papel clave en el desarrollo del cerebro de los niños. Los bebés comienzan a aprender sobre el mundo que los rodea desde una edad muy temprana, incluso durante el período prenatal, perinatal (inmediatamente antes y después del nacimiento) y postnatal. Las primeras experiencias de los niños, los vínculos que forman con sus cuidadores y sus primeras experiencias de aprendizaje, afectan profundamente su futuro desarrollo físico, cognitivo, emocional y social. Potenciar los primeros años de vida de los niños es la mejor inversión que podemos hacer como sociedad para asegurar su éxito futuro.

Un poco de historia sobre la concepción de la niñez

El estatus del niño como una fase distinta de la existencia humana, no como pequeñas personas, es relativamente nuevo y surgió alrededor del siglo XVII, al mismo tiempo que las reducciones de la mortalidad infantil, los cambios en el sistema educativo y la aparición de una unidad familiar separada. Durante la mayor parte de la historia humana era común que una proporción significativa de los niños no sobrevivieron hasta la edad adulta, 7 de cada 10 niños no vivían después de los 3 años en la edad media. Esta alta tasa de mortalidad era una de las razones por las cuales se trataba a los niños con indiferencia emocional.

Cuando los índices de supervivencia aumentaron, los padres empezaron a tratar a los niños con más interés y afecto. Sin embargo, la idea de los niños como un objetivo clave de la política ya se había regado firmemente, haciendo camino para la intensa atención que mereció el bienestar infantil en el siglo XX. Durante ese siglo, una clara visión surgió en torno a que el bienestar infantil no era solamente una responsabilidad familiar. Cada vez más, los niños eran vistos como una responsabilidad del Estado, que intervenía en su educación, en su salud y en su crianza para mejorar el bienestar nacional a través del desarrollo de sus futuros ciudadanos. En Uruguay este quiebre de la concepción de niñez se ve claramente reflejado en la transición de la cultura “bárbara” (1800-1860) a la del disciplinamiento (1860-1920), como lo plasmó José Pedro Barrán en la “Historia de la sensibilidad del Uruguay”[1]

¿Qué es el desarrollo infantil temprano y por qué es tan importante invertir en él?

El hecho de que la política pública haya reconocido la importancia del bienestar infantil es de vital importancia. La ciencia nos dice que las experiencias que vivimos en nuestros primeros años realmente afectan la arquitectura física del cerebro en desarrollo. Esto significa que el cerebro no solo nace, sino que también se construye en el tiempo a partir de nuestras experiencias. Así como una casa necesita cimientos sólidos para sostener las paredes y el techo, un cerebro requiere de una buena base que dé soporte a todo su desarrollo futuro. La construcción de cimientos sólidos en los primeros años es la base para un adecuado funcionamiento mental y una mejor salud general de por vida (nuestras capacidades de aprendizaje, nuestros comportamientos y nuestra salud física y mental). El desarrollo saludable de los niños en los primeros años de vida sienta literalmente los pilares para casi todos los problemas sociales desafiantes que enfrentan las sociedades.

El cerebro se construye básicamente de forma ascendente. Primero, el cerebro construye circuitos básicos que son responsables de los conocimientos básicos y luego, se construyen circuitos más complejos encima de esos circuitos básicos según vamos desarrollando destrezas más complejas. El cerebro está biológicamente preparado para ser configurado por la experiencia, está esperando las experiencias que un niño pequeño tiene para influir literalmente en la formación de su sistema de circuitos.

¿Cómo es que un niño en desarrollo construye y mantiene una base cerebral sólida? Una forma de hacerlo es a través de lo que los expertos llaman “interacciones recíprocas de enviar y devolver”. Imaginen un partido de ping pong entre un cuidador y un niño en donde en vez de devolver la pelota hacia un lado y otro de la red se producen diversas formas de comunicación entre una acción y la siguiente desde el contacto visual hasta el táctil, desde cantar hasta jugar a la escondida. Estas interacciones repetidas a través de los años del desarrollo de un niño o niña son los ladrillos con los cuales se construye una base saludable para el desarrollo futuro.

Otra experiencia que moldea el desarrollo cerebral en la niñez es el estrés. Hay buenos tipos de estrés, como conocer gente nueva o estudiar, que son saludables para el desarrollo porque preparan a los niños para enfrentar desafíos futuros. Otro tipo de estrés, llamado estrés tóxico, es perjudicial para el desarrollo cerebral. Si un niño está expuesto a situaciones como el abuso y la negligencia, está en riesgo de experimentar problemas de salud, de desarrollo, incluso de adicciones a largo plazo.

Es posible corregir posteriormente algunos de los daños que ocasiona el estrés tóxico, pero es más fácil, más efectivo y menos costoso construir temprano una arquitectura cerebral robusta. Una de las cosas que propicia una arquitectura cerebral robusta es el desarrollo de habilidades emocionales y sociales o el conjunto de habilidades que los científicos llaman “funciones ejecutivas y de autorregulación”.

Estas habilidades se pueden visualizar como el control de tráfico aéreo en el espacio mental del niño. Piensen en el cerebro de una niña como si fuera una torre de control en un aeropuerto con mucho tráfico, todos los aviones que aterrizan y despegan y todos los sistemas de apoyo en tierra exigen simultáneamente la atención del controlador para evitar un accidente. Lo mismo le sucede a la niña pequeña que aprende a prestar atención, anticiparse y recordar y a seguir una cantidad de reglas. Como todos nosotros, las niñas y niños tienen que reaccionar ante las cosas que suceden en el mundo que les rodea y al mismo tiempo lidiar en sus mentes con preocupaciones, tentaciones y obligaciones. A medida que estas exigencias se acumulan el control de tráfico aéreo ayuda a la niña a regular el flujo de información, a priorizar tareas y, sobre todo, a encontrar maneras de manejar sobre la marcha el estrés y evitar colisiones mentales.

Desarrollar un control de tráfico aéreo efectivo, superar el estrés tóxico y construir una arquitectura cerebral sólida, son cosas que los niños pueden hacer por sí mismos y puesto que la sociedad es fuerte y está conformada por ciudadanos saludables, depende de nosotros como comunidad asegurar que los niños y jóvenes puedan vivir las experiencias propicias que necesitan para un desarrollo positivo. Para construir un mejor futuro necesitamos construir mejores cerebros.

El cerebro es flexible y plástico desde su nacimiento. A medida que va creando y refinando su sistema de circuitos, va perdiendo algo de su flexibilidad. Por eso la intervención temprana es crucial, porque, cuando se trata del sistema de circuitos del cerebro, es mejor hacerlo bien la primera vez que tratar de arreglarlo después.

Las investigaciones han demostrado repetidamente que la inversión en los primeros seis años de un niño puede determinar las oportunidades de vida a través de dos canales: la autoproductividad y la complementariedad dinámica. La autoproductividad se refiere al hecho de que las habilidades futuras dependen directamente de las habilidades pasadas, por ejemplo, una niña más curiosa y segura explorará más su entorno y esto puede contribuir al desarrollo de habilidades cognitivas u otras habilidades socioemocionales. Por otra parte, la complementariedad dinámica se refiere al hecho de que el nivel de habilidades determina la productividad de las inversiones. En particular, las inversiones en educación para un niño con buenas habilidades socioemocionales, como una mayor motivación, curiosidad y capacidad de atención serán más productivas[2].

Entonces, ¿por qué es tan difícil invertir en las niñas y niños? Básicamente debido a la falta de información y de recursos. Por ejemplo, un hogar con mayores ingresos no garantiza necesariamente un buen desarrollo infantil, pero los recursos permiten acceder a mayor y mejor alimentación, invertir en materiales de aprendizaje y vivir en viviendas más seguras, acceder a servicios de salud, educación y cuidado infantil, etc. Otro factor para destacar es la falta de lobby que tienen los menores, ya sea por falta de información de los mismos padres o cuidadores, o que no son un grupo de presión, siempre decimos “los niños no votan”.

En los últimos años, Uruguay avanzó mucho respecto a la cobertura educativa de la primera infancia, un ejemplo de esto, son los centros CAIF, CAPI o programas como Uruguay Crece Contigo que han demostrado muy buenos resultados[3]. Sin embargo, el gasto público en infancia continúa siendo relativamente poco con relación a otros grupos de edad[4], aunque su rol sea clave sea clave para no seguir perpetuando desigualdades. Solo queda preguntarse… ¿Alguien por favor puede pensar en los niños?


[1] Barrán, J. P. (2001). Historia de la sensibilidad en el Uruguay. Ediciones de la Banda Oriental.

[2] Cunha, F., & Heckman, J. (2007). The technology of skill formation. American Economic Review, 97(2), 31-47.

[3] Marroig, A. Perazzo, I. Salas, G. Vigorito, A. (2017). Evaluación de impacto del programa de acompañamiento familiar de Uruguay Crece Contigo. Serie Documentos de Trabajo, DT 15/2017. Instituto de Economía, Facultad de Ciencias Económicas y Administración, Universidad de la República, Uruguay.

[4] El gasto en seguridad y asistencia social, que representa aproximadamente el 50% del GPS, se concentra en los adultos mayores. Las personas mayores de 60 años concentran casi un 65% del gasto total cualquiera sea el año considerado (2005-2013). MIDES, 2015.


tayloR: análisis de texto sobre la discografía de Taylor Swift en R

Quienes me conocen saben lo que me encanta Taylor Swift y que la sigo desde los 13 años. La obsesión/fanatismo ha evolucionado de maneras raras hasta tayloR (proyecto que nació el día de mi cumpleaños nº 25 tras el lanzamiento de Lover). Con el lanzamiento sorpresa de evermore, decidí que era hora de rehacer un análisis de texto sobre las letras de Taylor Swift. De modo que me descargué las letras de toda su discografía desde su homónimo ‘Taylor Swift’ hasta ‘evermore’ a través de la API de genius y la procesé en R.

Si revisamos rápido las palabras más utilizadas por Taylor Swift no es de extrañar que “amor” sea la más utilizada, más de 250 veces. “Time” y “baby” son otras palabras que usa en muchas canciones.

Lo siguiente que podemos ver se llama “tf-idf”. A cada palabra se le da un peso dividiendo la cantidad de veces que se usa por la cantidad de canciones que contienen esa palabra. Entonces, lo que nos brinda es una lista de las palabras que se emplean con más frecuencia.

También podemos pedirle a R que intente agrupar palabras en “temas” de palabras que crea que van juntas. Cada tema parece representar bastante bien un álbum. El tema 1 se parece a ‘1989’, el tema 6 se parece a ‘Lover’ y el tema 7 se parece a ‘folklore’ y ‘evermore’.

Analicemos algunas de las emociones que surgen en sus canciones. Los puntajes más altos son para sentimientos positivos y negativos, lo que no es sorprendente porque por cada ruptura o canción enojada que tiene Taylor Swift, también tiene muchas sobre la amistad, los recuerdos y el amor.

Podemos ver qué canciones están asociadas con cada emoción. Un ejemplo, ‘Blank Space’ aparece en tres emociones: ira, miedo y negatividad. Lo que estamos viendo aquí es el diccionario que toma las palabras literalmente, no es fácil para los diccionarios entender el sarcasmo.

También podemos ir más lejos y asociar álbums a emociones y sentimientos.

Con la API de Spotify podemos explorar aún más sobre la discografía de Taylor, por ejemplo, la duración promedio de las canciones dentro de cada álbum. Por ejemplo, los álbums más pop suelen ser más cortos.

Luego podemos observar qué tan bailables son las canciones de cada álbum. Spotify ha cuantificado qué tan bailable es una canción con su medida de “bailabilidad” (va del 0 al 1). Empatados, ‘Lover’ y ‘reputation’ son los más bailables y ‘evermore’ el menos bailable.

Por último, se puede analizar los acordes y tonalidades de las canciones. En este caso, opté por acotar el análisis a los dos álbums que sacó de manera sorpresa en cuarentena: ‘folklore’ y ‘evermore’.

La ciencia de datos puede ser un poco más divertida y versátil de lo que nos solemos imaginar 🙂