Anabel Forte (Yecla, 40) es una gran comunicadora de matemáticas y estadísticas porque “nos ayudan a valorar la información que recibimos, lo que nos convierte en ciudadanos más exigentes”, dice. Cuando hace divulgación en la escuela de ciencias, canta, recurre a zombis o un programa llamado Stat Wars para hacerse entender. Licenciada en ambas disciplinas -su especialidad es la cuantificación de la incertidumbre mediante análisis bayesiano-, Forte es catedrática de la Brecha Digital de Género de la Universitat de València y presidenta de la Sociedad Española de Bioestadística…
suscríbete para seguir leyendo
lectura ilimitada
Anabel Forte (Yecla, 40) es una gran comunicadora de matemáticas y estadísticas porque “nos ayudan a valorar la información que recibimos, lo que nos convierte en ciudadanos más exigentes”, dice. Cuando hace divulgación en la escuela de ciencias, canta, recurre a zombis o un programa llamado Stat Wars para hacerse entender. Forte es licenciada en ambas disciplinas —su especialidad es la cuantificación de la incertidumbre a través del análisis bayesiano— y es catedrática de brecha digital de género en la Universidad de Valencia y presidenta de la Sociedad Española de Bioestadística. Insiste en que para deshacerse del miedo a las tecnologías, uno necesita conocerlas y comprenderlas.
preguntar. Dijo que tenía referencias cercanas (maestros y profesores) que la encaminaron hacia la ciencia. ¿Encontró una mujer matemática o una mujer física en su libro de texto escolar?
respuesta. Ellos no están allí. Ahora hay proyectos como Women’s Legacy que intentan recuperar esos nombres, pero no conozco a ninguna mujer matemática. El único nombre que mencionaba cuando estudiaba era el de Marie Curie. Sin embargo, cuando te pones las gafas moradas, descubres el teorema de Kosi-Kovalevskaya, el segundo apellido de una mujer. Pensé que eran dos caballeros, y luego descubriste que no lo eran. O (Amy) Knott, que tiene muchos teoremas de física, pero mucha gente no sabe que es mujer.
P: ¿Se ha normalizado la presencia de mujeres en las carreras científicas o sigue siendo difícil?
Los números de R. Grosso modo dan más mujeres que hombres en carreras de ciencias en la escuela secundaria, e incluso en realidad un doctorado. Si empezamos a desglosar las ramas, encontramos que hay muchas en Arquitectura, Química, Biología, Farmacia, pero vas a Física, Ingeniería Informática o Telecomunicaciones y desaparecen. En informática está mal, no sé si el porcentaje de mujeres en toda España es sólo del 13% y viene bajando desde los 80 porque era del 30%.
P: ¿Por qué es esto?
R. Es difícil separar estos factores, y no hay estudios concluyentes sobre por qué cesaron. Tenemos intuición. Por ejemplo, sabemos que las niñas comienzan a percibirse como menos inteligentes que los hombres de su edad a partir de los 6 años. De hecho, cuando la oferta de trabajo de matemáticas es la enseñanza en una escuela de posgrado, hay más mujeres que hombres en la facultad. Pero a partir del año 2000, las matemáticas comenzaron a ser consideradas como la ciencia del futuro, y los bancos, las empresas y muchos departamentos necesitaban matemáticos. Fue allí donde la tendencia comenzó a revertirse y ahora son 60% hombres y el resto mujeres. Creo que tiene que ver con nuevas oportunidades de trabajo en estas ocupaciones. Todas las ramas que comienzan con «bio» están ocupadas por mujeres, lo que creemos que tiene algo que ver con el cuidado. Hay más o menos paridad de género en las estadísticas, pero si entras en bioestadística, hay más mujeres. En ciencia de datos o ingeniería, hay ofertas de trabajo corporativas donde los hombres son mayoría. Tenemos que convencer a las mujeres de que estas profesiones también pueden valerse por sí mismas. Los programas tienden a ser más intuitivos y fáciles de usar cuando el equipo que diseña el software es diverso, de diferentes edades, diferentes géneros, etc.
P: ¿Qué hay de la brecha digital de género?
R. Nos hemos dado cuenta de que la brecha empieza en la escuela y tiene que ver con cómo socializamos con la tecnología. Un estudio de la Universidad de Alicante analizó la percepción de los alumnos de Magisterio sobre sus capacidades tecnológicas a la hora de enseñar en el futuro: Los chicos eligen usar la tecnología, pero se consideran menos capaces de usarla para enseñar. Estudiaremos esta percepción en toda la comunidad valenciana para comprender y poder desarrollar pautas de buenas prácticas para promover alegatos igualitarios en la digitalización de las aulas.
P: La astrofísica británica Jocelyn Bell señaló en una entrevista que las mujeres no siempre quieren ser tan competitivas como los hombres. ¿Es esta una explicación a la escasez de mujeres en algunas ramas de la ciencia?
R. No nos consideraban contendientes, desde pequeños nos encomendaban el cuidado de nuestros hermanos, y no de ensuciarnos la ropa, socializan de otra manera, y entre los niños es más común la competencia. Es difícil distinguir lo que es natural de lo que es cultural.
P: Entonces, las mujeres tienen que ser más competitivas.
R. No, creo que tenemos que cambiar el sistema. El sistema científico actual es pésimo, no permite que un padre o una madre esté con el niño porque requiere dedicación. Otra opción se presenta en el libro The Slow Professor: Challenging the Culture of Speed in Academia. Es otra ciencia, hacer las cosas con más calma, pero luego te vas. Porque ahora la empresa científica es solo eso: una profesión. Mira quién publicó más…
P: La ciencia de datos está experimentando un verdadero auge. ¿Qué aporta a la sociedad?
R. Más bien diría su aportación a lo largo de los años, porque la estadística ayuda a mejorar nuestra vida, ayuda a aprender a dirigir un país. Edmund Halley, a quien conocemos por los cometas, fue uno de los primeros en idear fórmulas matemáticas y estadísticas para calcular la esperanza de vida. O el caso de Florence Nightingale, a quien se considera la madre de la enfermería moderna por los datos de campo que recopiló. Ahora que han llegado los grandes datos y la inteligencia artificial (IA), los datos se recopilan de todas partes y se procesan para obtener todos los datos que necesita para el cálculo, las estadísticas, las matemáticas y la informática.
P: Pero la mercantilización de los datos da miedo. Se requieren restricciones y regulación.
R: Necesitamos equipos diversos para considerar cuestiones éticas al usar estos datos, y ya lo están haciendo. El problema es que tenemos cantidades masivas de datos que entregamos con nuestro permiso y sin control sobre la ética detrás de ellos. Como sociedad, tenemos que definir hacia dónde queremos ir, y como hay muchos intereses diferentes, tenemos que llegar a un acuerdo mínimo. Estamos en la cúspide del cambio y todo volverá a la normalidad. ¿Todavía estamos debatiendo si mantener las calculadoras en los exámenes PAU y cuántos años han existido? La tecnología nos asusta y, a veces, la queremos fuera de nuestras vidas porque todo parece más natural sin ella. Pero tenemos que entenderlo porque es una laparoscopia o una cesárea o una resonancia magnética. Hay momentos de crisis y miedo pero hay que hacer un llamado a la calma como ciudadanos y sobre todo deben servir para que los gobernantes y todos los que tienen poder de decisión se sienten a discutir de educación porque ahora tenemos miedo porque muchos no entendemos que es la inteligencia artificial. Todo lo que no entiendes da miedo.
P: Usted es un experto en análisis estadístico bayesiano para medir la incertidumbre. Parece que todo será predecible en el futuro.
R. Todos queremos algo de incertidumbre por lo aburrida que sería la vida si supiéramos lo que va a pasar mañana. La incertidumbre en esta área es hermosa, pero cuando se trata de comprender la posibilidad de curar el cáncer, no nos interesa la incertidumbre allí. Necesitamos saber tanto como sea posible para encontrar una solución. Entonces, cuantificar la incertidumbre en las estadísticas se trata de anteponer la probabilidad a las cosas. En educación, necesitamos entender la probabilidad y enseñar a los estudiantes qué es la probabilidad y qué medimos con ella, porque no saben. Calcular la incertidumbre nos ayuda a entender mejor nuestra vida. La estadística bayesiana es una forma de cuantificar estas probabilidades.
P. Eres un ávido evangelista de la tecnología. ¿Cuál es la cosa de educación científica más extravagante que has hecho?
Respuesta: (risas). Cante esta canción con sus alumnos: ‘Hay tres cosas en la vida: salud, dinero y amor. Cualquiera que tenga estas tres cosas debe dar gracias a Dios. Cuando llegué allí, me detuve y les pregunté: ‘¿A Dios? ¿Cómo ir al cielo? Estadísticas’.
P: ¿Qué son Stat Wars? ¿Imperio de datos?
R: Este es un proyecto que tenemos a nivel nacional, fundado en Madrid por la investigadora Rosa Lillo, para decirle a la gente cuáles son las estadísticas porque no sabemos. Empezaría a enseñar probabilidad en el jardín de infantes porque como ciudadanos necesitamos entenderlo. Esto los hace más críticos al evaluar la información que reciben, mucha de la cual se basa en datos. Hicimos esto de una manera divertida, usando personajes de Star Wars. Un instituto, una escuela, puede ir a una web y pedirnos que vayamos a ese centro. Enseñamos mientras jugamos.
P. ¿Adónde van y vienen los zombis? es el título de una de sus conferencias, de 2019 creo. Explica cómo se pueden usar las estadísticas para comprender cómo se comportan los zombis y ayudarnos a escapar de ellos.
R. Acabo de volver de EEUU y un amigo me mandó a un evento de DataBeers y me contó lo que hice. Recuerdo que cuando comencé la clase por primera vez, recibí la noticia de que habían hecho un modelo matemático para explicar la epidemia de zombis, así que se me ocurrió esta idea. Por cierto, este es el modelo utilizado durante la pandemia del covid-19. Me llamaron de Madrid a una reunión de jóvenes matemáticos, que tuvo un gran efecto. Luego escribí un artículo en The Conversation al respecto. E intente, puede tener un modelo realmente bueno, pero no explica muy bien la realidad, porque siempre hay lagunas y saltos entre lo que dice el modelo y lo que es real. Este salto debe cubrirse cuantificando la incertidumbre mediante estadísticas bayesianas. Se usan para todo.
