25 noviembre 2020
Campus Bilbao
¿Sabías que hombres y mujeres experimentan el dolor de manera diferente? El hecho de que las mujeres y los hombres sean educados para expresar el dolor de manera diferente puede cambiar su respuesta biológica al dolor, así como su disposición a informarlo. ¿Sabías también que tecnologías como la realidad virtual han demostrado ser útiles para promover la igualdad de género? Un estudio de 2018 mostró que las personas eran más propensas a sentir la responsabilidad personal de corregir la desigualdad de género después de haber sido sometidas a desigualdades en un entorno virtual.
Estos son solo dos de los muchos ejemplos destacados en el informe “Gendered Innovations 2: How inclusive analysis contributes to research and innovation”, publicado por la Comisión Europea el 25 de noviembre. Ha sido elaborado por un grupo de 24 personas expertas de todo el mundo, entre las que se encuentra Lorena Fernández, directora de identidad digital de la Universidad de Deusto. Este trabajo busca apoyar la integración de la dimensión de género en la investigación e innovación de la UE bajo el próximo programa marco, Horizonte Europa, para asegurar el liderazgo de Europa en ciencia y tecnología y para apoyar su crecimiento inclusivo.
El informe proporciona al ámbito de la investigación e innovación herramientas metodológicas para el análisis interseccional, de género y de sexo. Este análisis mejora todas las fases de la investigación: desde el establecimiento de prioridades de investigación, la identificación del problema, la recopilación y análisis de datos, hasta la evaluación y difusión de resultados.
También presenta estudios de caso concretos donde se visibiliza el impacto de no incorporar esa perspectiva de género en áreas como salud, inteligencia artificial y robótica, energía, transporte, ciencias marinas y cambio climático, planificación urbana, agricultura, impuestos justos y financiación de empresas, así como la pandemia de la COVID-19.
Lorena Fernández ha elaborado el capítulo “Facial recognition: analysing gender and intersectionality in machine learning” donde se muestra cómo los sistemas de reconocimiento facial tienen más problemas para identificar a mujeres de piel oscura, el impacto que tiene usar maquillaje o las problemáticas derivadas de esta tecnología cuando alguien está haciendo la transición de género, entre otros ejemplos. También ha participado en el diseño de un método para analizar género e interseccionalidad en el machine learning (aprendizaje automático - inteligencia artificial).
El proyecto ha sido liderado por Londa Schiebinger, investigadora de la Universidad de Stanford, que ha sido entrevistada en Nature para hablar del proyecto.
