Métodos Multivariados Aplicados al Análisis de Datos para la Identificación de Factores Relacionados a las Brechas de Género en el Contexto de I+D+i+e al Interior de la Universidad de Concepción.

Abstract

La diferencia que existe entre hombres y mujeres dentro del mundo de la investigación es algo altamente relevante. Esto aborda desde inclinaciones en la asignación de cargos académicos, hasta diferencias desproporcionadas en montos destinados a investigaciones. En este trabajo se busca identificar factores relacionados a las brechas de género dentro de la Universidad de Concepción, específicamente en el contexto de I+D+i+e. Este estudio se hizo a través de métodos multivariados aplicados al análisis de información, sobre una base de datos que contiene proyectos de investigación entre los años 2013 y 2022. Para poder efectuar correctamente estos análisis, es necesario realizar previamente un análisis exploratorio de la información, la cual incluye datos atípicos y datos perdidos, por lo que se aplica un método de imputación. Además, la base de datos contiene en su mayoría valores cualitativos, por lo que se debe formar una integración con variables ficticias. Se realiza un Análisis Descriptivo de los datos, donde se aprecian las variables que tienen una brecha de género más importante, como el número total de proyectos, el financiamiento, el área de investigación, y la edad del participante. Se realiza un Análisis de Conglomerados, separando la base de datos de proyectos liderados por hombres de los liderados por mujeres, donde en ambos casos las componentes principales están relacionadas con los proyectos externos a la universidad. Además, se genera un modelo de Regresión Logística Múltiple para identificar la importancia de cada variable para esta clasificación, donde las más relevantes tienen relación con departamentos, facultades, y cargos académicos, utilizando previamente un método de selección de variables.

The difference between men and women in the world of research is highly relevant, ranging from differences in the allocation of academic positions to disproportionate disparities in research funding. This study aims to identify factors related to gender gaps within the Universidad de Concepción, specifically in the context of R+D+i+e. The study utilizes multivariate methods to analyze data from a database containing projects between 2013 and 2022. Prior to conducting these analyses, an exploratory analysis of the information is necessary, which includes addressing outliers and missing data. Furthermore, since the database consists mainly of qualitative values, integration with dummy variables is required. Descriptive analysis is performed on the data, revealing the variables with the most significant gender gap, such as age, area, and funding for projects. Cluster analysis is also conducted, separating the database of projects led by men from those led by women, although both groups exhibit similar principal components, including external projects. Additionally, a multiple logistic regression model is generated to identify the importance of each variable for this classification, with variables related to area and subareas of investigation being the most significant, following the use of a variable selection method.