“Las carreras que empiezan por ‘bio’ están copadas por mujeres y tiene que ver con los cuidados”

Anabel Forte (Yecla, 40 años) es una gran divulgadora de las matemáticas y la estadística porque “nos ayudan a valorar la información que nos llega y por tanto nos hace ciudadanos más críticos”, asegura. Ha cantado, recurrido a los zombis o a un programa llamado Stat Wars para hacerse entender cuando hace divulgación en los colegios de las ciencias. Licenciada en ambas materias —su especialidad es cuantificar la incertidumbre mediante el análisis bayesiano—, Forte dirige la cátedra de Brecha Digital de Género en la Universitat de València y preside la Sociedad Española de Bioestadística...

Anabel Forte (Yecla, 40 años) es una gran divulgadora de las matemáticas y la estadística porque “nos ayudan a valorar la información que nos llega y por tanto nos hace ciudadanos más críticos”, asegura. Ha cantado, recurrido a los zombis o a un programa llamado Stat Wars para hacerse entender cuando hace divulgación en los colegios de las ciencias. Licenciada en ambas materias —su especialidad es cuantificar la incertidumbre mediante el análisis bayesiano—, Forte dirige la cátedra de Brecha Digital de Género en la Universitat de València y preside la Sociedad Española de Bioestadística. Insiste en que perder el miedo a las tecnologías exige conocerlas y entenderlas.

Pregunta. Cuenta que tuvo referentes cercanos (profesoras y un profesor), que la guiaron hacia las ciencias. ¿Encontró mujeres matemáticas o físicas en sus libros de texto del colegio?

Respuesta. No estaban. Ahora hay proyectos como los Women’s Legacy que intentan recuperar esos nombres pero yo no sabía que había mujeres matemáticas. El único nombre que hubiera citado cuando estudiaba era el de Marie Curie. Sin embargo, cuando te pones las gafas moradas encuentras que hay un teorema de Cauchy-Kovalévskaya, y el segundo apellido era de una mujer. Yo creía que eran dos señores y luego aprendes que no. O (Emmy) Noether, que tiene un montón de teoremas en Física y muchos no saben que era una mujer.

P. ¿Se ha normalizado la presencia de mujeres en las carreras científicas o cuesta todavía?

R. En Bachillerato, y hasta prácticamente el doctorado, los números grosso modo dan más mujeres que hombres en las carreras de ciencias. Si empezamos a desgranar por ramas vemos que hay muchas en Arquitectura, Química, Biología, Farmacia, pero te vas a Física, Ingeniería Informática o Telecomunicaciones y van desapareciendo. En Informática es terrible, no sé si el porcentaje en toda España está en solo un 13% de mujeres y ha bajado desde los años 80, porque llegó a ser del 30%.

P. ¿Y a qué se debe?

R. Es difícil separar los factores y no hay estudios concluyentes de por qué dejan de ir. Tenemos intuiciones. Sabemos, por ejemplo, que las niñas desde los 6 años se empiezan a ver como menos brillantes que sus compañeros chicos. Y es verdad que cuando la salida laboral de Matemáticas era la enseñanza en los institutos había más mujeres que hombres en el profesorado. Pero a partir del año 2000, las Matemáticas empiezan a considerarse las ciencias del futuro y los bancos, las empresas, muchos sectores demandan matemáticos. Es ahí donde se empieza a invertir la tendencia y ahora son un 60% de hombres y el resto, mujeres. Creo que tiene que ver con las nuevas salidas laborales de esas carreras. Todas las ramas que empiezan por “bio” están copadas por mujeres y creemos que tiene que ver con los cuidados. En la Estadística hay más o menos igualdad de género pero si te vas a algo que se llame bioestadística hay más mujeres. En Ciencia de Datos o Ingenierías, con salidas laborales en las empresas, hay mayoría de hombres. Tenemos que convencer a las mujeres de que desde esas especialidades también se cuida. Cuando los equipos que diseñan un software son diversos, de diferentes edades, diferente género, etcétera, el programa suele ser más intuitivo y fácil de usar.

P. ¿Qué pasa con la brecha digital de género?

R. Nos hemos dado cuenta que la brecha empieza en el colegio y tiene que ver con cómo socializamos con las tecnologías. Hay un estudio de la Universidad de Alicante, que analiza la percepción de las alumnas y alumnos de Magisterio respecto a sus capacidades tecnológicas cuando en un futuro den clase: los chicos optaban por usar las tecnologías pero ellas se veían menos capaces de emplearlas para enseñar. Vamos a estudiar esa percepción en toda la Comunidad Valenciana para entender y poder hacer una guía de buenas prácticas que fomenten que los referentes en digitalización en las aulas sean igualitarios.

P. La astrofísica británica Jocelyn Bell apuntó en una entrevista que la mujer no siempre quiere ser tan competitiva como el hombre. ¿Es una explicación a la escasez de mujeres en algunas ramas de la ciencia?

R. No nos socializan como competitivas, desde que somos pequeñas nos encargan más cuidar del hermano, no mancharnos la ropa; ellos socializan de otra manera, la competencia es más habitual en los niños. Es difícil separar qué es natural y qué cultural.

P. Entonces las mujeres deben ser más competitivas.

R. No, creo que debemos cambiar el sistema. El sistema de ciencia es ahora mismo terrible, no permite que un padre o una madre esté con sus hijos por la dedicación que exige. Otra opción es lo que propone el libro The slow professor: Desafiando la cultura de la rapidez en la academia. Es otro tipo de ciencia, hacer las cosas con más calma pero entonces te quedas fuera de la carrera. Porque ahora la carrera científica es eso: una carrera. Ver quien publica más…

P. La ciencia de datos vive una auténtica eclosión. ¿Qué aporta a la sociedad?

R. Diría más bien qué lleva aportando desde hace muchos años porque la Estadística ha servido para mejorar nuestras vidas, ha ayudado a aprender cómo dirigir los Estados. Edmond Halley, que conocemos por el cometa, fue uno de los primeros en diseñar fórmulas matemáticas y estadísticas para calcular la esperanza de vida. O el caso de Florence Nightingale, considerada la madre de la enfermería moderna gracias a los datos de campo que recopiló. Ahora ha llegado el Big Data y la Inteligencia Artificial (IA) y se recopilan datos de todos lados y para procesar todos esos datos hace falta computación, estadística, matemáticas e informática.

P. Pero la mercantilización de los datos asusta. Hacen falta límites y una regulación.

R. Necesitamos equipos diversos que se pongan a pensar en la ética cuando se usan estos datos, y, de hecho, se están haciendo cosas ya. El problema es que tenemos datos masivos, que damos con nuestro permiso, y no hay un control sobre la ética que hay detrás. Como sociedad tenemos que definir hacia dónde queremos ir porque hay muchos intereses diferentes y tenemos que llegar a un acuerdo de mínimos. Estamos en el pico de un momento de cambio y las cosas volverán a su cauce. Todavía estamos a vueltas de si dejamos o no las calculadoras en los exámenes de la PAU y ¿cuántos años hace que existe la calculadora? La tecnología nos asusta y, a veces, la queremos fuera de nuestras vidas porque parece que todo sea más natural sin ella. Pero tenemos que entenderla porque es una laparoscopia, una cesárea o una resonancia magnética. Hay momentos de crisis y miedo pero hay que hacer una llamada a la calma como ciudadanos y, sobre todo, tendrían que servir para que los gobernantes y todos los que tienen poder de decisión nos sentemos a hablar de educación, porque si ahora mismo tenemos miedo es porque muchos no entendemos que es una IA. Y todo lo que no entiendes, da miedo.

P. Es una especialista en el análisis estadístico bayesiano, que sirve para medir la incertidumbre. Suena a que en el futuro todo será muy predecible.

R. Todos queremos algo de incertidumbre porque si sabemos lo que nos va a pasar mañana, qué aburrida sería la vida. La incertidumbre en ese aspecto es bonita, pero cuando se trata de saber qué probabilidad hay de curación de un cáncer, ahí no nos interesa que haya incertidumbre. Necesitamos saber cuanto más mejor para encontrar soluciones. Así que cuantificar la incertidumbre en Estadística es poner probabilidades a las cosas. En Educación, nos hace falta entender la probabilidad, enseñarle a los alumnos qué es la probabilidad y qué medimos con eso, porque no lo saben. Calcular la incertidumbre nos ayuda a entender mejor nuestra vida. La estadística bayesinana es una manera de cuantificar esas probabilidades.

P. Es una divulgadora entusiasta de las ciencias y las tecnologías. ¿Qué es lo más extravagante que ha hecho para hacer pedagogía de las ciencias?

R. (Se ríe). Cantar con los alumnos la canción: ‘Tres cosas hay en la vida: salud, dinero y amor. Y el que tenga esas tres cosas que le dé las gracias a Dios’. Y cuando llego ahí me paro y les pregunto: ‘¿A Dios? ¿Cómo que a Dios? A la Estadística’.

P. ¿Qué es Stat Wars. El Imperio de los datos?

R. Es un proyecto que llevamos a nivel nacional, nació en Madrid de la mano de la investigadora Rosa Lillo y pretende contarle a la gente qué es esto de la Estadística porque no tenemos ni idea. Yo empezaría a enseñar probabilidad en infantil porque como ciudadanos necesitamos entenderlo. Les hace más críticos a la hora de valorar la información que les llega porque la mayoría está basada en datos. Lo hicimos de forma lúdica, con personajes de Star Wars. Un instituto, un colegio, puede ir a una web y pedir que vayamos a ese centro. Jugamos y enseñamos.

P. ¿Dónde huir cuando atacan los zombis? es el título de una conferencia suya, creo que de 2019. Explicaba cómo a través de la estadística se podía entender el comprotamiento de los zombis y ayudarnos a escapar de ellos.

R. Venía de una estancia de EE UU y una amiga me pidió que fuera a un evento de DataBeers para contar lo que había hecho. Me acordé que al principio de empezar a dar clases me llegó una noticia de que habían hecho un modelo matemático para explicar las epidemias zombis y de ahí surgió la idea. Por cierto, que son los modelos que se han utilizado durante la pandemia de covid-19. Me llamaron de Madrid para que participara en un congreso de jóvenes matemáticos y tuvo mucha repercusión. Luego escribí un artículo en The Conversation hablando de ello. Y trata de que tu puedes tener un modelo muy bonito pero que no termina de explicar bien la realidad porque siempre hay un hueco, un salto, entre lo que dice el modelo y lo que hay de verdad. Ese salto hay que cubrirlo cuantificando la incertidumbre con estadística bayesiana. Se utilizan para todo.