fbpx Il grande gap ♀♂ | Science in the net

Il grande gap ♀♂

Primary tabs

Tempo di lettura: 4 mins

Le musiciste americane sono più brave delle loro colleghe austriache? Come si spiega altrimenti la scarsa presenza di donne nella Wiener Philarmoniker rispetto al 30-40% di presenze femminili nelle più importanti orchestre degli Stati Uniti? La ragione sta piuttosto nell’introduzione delle “blind audictions”, cioè delle audizioni durante le quali la commissione esaminatrice non vede il candidato, che suona nascosto dietro uno schermo. Introdotto per la prima volta nel 1952 dalla Boston Symphony Orchestra, questo metodo ha permesso di aggirare il condizionamento culturale che sposta la bilancia, a parità di condizioni, a favore dei maschi. Non solo nelle orchestre. Come illustra il libello di Patrizia Caraveo “Uomini e donne: stessi diritti?” (Editore Castelvecchi, 5 euro), il peso del genere sui giudizi – o sarebbe meglio dire "pregiudizi" – è schiacciante. Un test condotto in Australia nel 2014 mostra come, di fronte a curricula identici, il candidato uomo veniva sempre preferito al candidato donna. Le stesse esperienze lavorative ricevevano valutazioni differenti in base al sesso.

D’altra parte, in RateMyProfessor, le docenti universitarie troppo rigorose sono considerate bossy e autoritarie nelle valutazioni degli studenti, mentre i docenti maschi sono visti come autorevoli. Possibile che le prof americane siano tutte così prepotenti? E’ legittimo avere dei dubbi, visto che quando gli studenti hanno dovuto valutare dei corsi on-line cui era stato casualmente attribuito un docente maschio o femmina, la valutazione era più alta quando si pensava che il materiale fosse stato prodotto da un uomo.

Ma una volta che una donna lavora, sarà comunque scontato che a parità di mansioni abbia lo stesso stipendio dei suoi colleghi maschi? Se ciò accade nel settore pubblico, in quello privato dove gli stipendi sono negoziabili si riscontrano forti disparità. La pagina How equal are you della BBC permette di calcolare rapidamente per ogni Paese il divario tra salario femminile e maschile. In Italia le donne guadagnano mediamente l’89% del salario dei loro colleghi maschi, ponendoci al quarantunesimo posto su 145 Paesi.

Non solo le donne guadagnano meno ma fanno anche molta fatica a sfondare il famoso "soffitto di cristallo". Di fronte a una superiorità numerica femminile tra i laureati (il numero delle laureate ha superato il 60% del totale) si riscontra un progressivo assottigliamento della presenza di donne nell’ambito lavorativo più si sale nella scala gerarchica. Nell’università tra i ricercatori le donne sono tra il 30 e il 40% del totale, tra gli associati un quarto e tra gli ordinari un decimo, come ben dimostrano anche le più recent statistiche Anvur. E il pregiudizio di genere di cui si parlava prima può aiutarci a capirne le ragioni.

Sottopagate, boicottate ma indomite. E’ un po’ questo il messaggio di Patrizia Caraveo, che unisce la denuncia a un fondato orgoglio di genere. Da astrofisica di fama mondiale e direttore (non "direttrice") di ricerca all’Istituto Nazionale di Astrofisica (nonché membro del Gruppo 2003), ricorda come l’Italia vanti la più alta componente femminile nell’Unione Astronomica Internazionale, anche se poi all’interno dell’INAF il numero di donne passa dal 36% del livello iniziale, al 19% di quello intermedio fino al 16% dei vertici.

Una volta sfatato il mito dei due cervelli, quello maschile e femminile, la scienziata interpella la politica perché si scardini quell’old boys network, che in modo autoreferenziale procede per cooptazione degli stessi nomi, quasi sempre maschili. Il mondo della ricerca e della cultura non può che trarre nuova linfa e stimoli da un’apertura alle donne, raramente interpellate a livello mediatico su temi di dibattito pubblico. Anche per questo è stato creato il sito www.100esperte.it, con i profili di 100 esperte a partire dalle aree STEM. Esperte competenti che, si rammarica l’autrice, non sono state consultate in occasione degli Stati Generali della Cultura. Un’occasione mancata, se su 18 oratori si contavano solo 2 donne.

Le cose stanno però cambiando. Si è passati dall’harem di Pickering (45 signore sottopagate che a fine Ottocento catalogavano e classificavano il materiale che i loro colleghi maschi raccoglievano all’Harvard College Observatory sotto la guida di Pickering) a Samantha Cristoforetti. E alla definitiva consacrazione: le figurine Lego delle scienziate. Una paleontologa, una chimica e un’astrofisica.

 

 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.