"Rompe los prejuicios" fue el lema del Día Internacional de la Mujer de este año, que centró la atención en los persistentes prejuicios, estereotipos y discriminación que impiden a la sociedad ser inclusiva e igualitaria en materia de género. Cuando se trata de estadísticas sobre el mundo del trabajo, las encuestas de hogares siguen siendo la mejor manera de obtener información imparcial a partir de una muestra aleatoria de la población. Por ello, los datos de las encuestas, los métodos utilizados para su recopilación y las estadísticas que finalmente se elaboran, tienen un papel fundamental a la hora de acabar con los prejuicios de género.
Hay dos vías por las que el sesgo puede socavar la utilidad de los datos de las encuestas para el análisis basado en el género. En primer lugar, el sesgo en términos de error estadístico relacionado con la adecuación de la muestra de una encuesta a la población de interés, y la adecuación de los conceptos estadísticos a los sujetos, objetos y fenómenos que representan. En segundo lugar, el sesgo en términos de puntos ciegos y omisiones conceptuales, que se relaciona con quién y qué se designa (y no se designa) como elegible para la representación y la medición en las estadísticas oficiales.
Sesgo de género importado por error estadístico
Las encuestas por muestreo tienen como objetivo generar estadísticas para una población a partir de los valores obtenidos para un subconjunto de individuos muestreados (u otras unidades muestreadas). El error estadístico introducido en una o más etapas del diseño, la administración o el procesamiento de una encuesta puede amenazar la exactitud de los datos resultantes.1El sesgo estadístico se refiere a las fuentes de error estadístico que son sistemáticas y no aleatorias. Puede definirse formalmente como: "un efecto que priva a un resultado estadístico de representatividad al distorsionarlo sistemáticamente" Esta definición, adoptada por la División de Estadística de las Naciones Unidas en su glosario de 2012, se basa en Yadolah Dodge, ed., The Oxford Dictionary of Statistical Terms (Oxford: Oxford University Press, 2003). La eliminación del sesgo estadístico (error sistemático) y la medición y el control de la varianza (error aleatorio) es una característica esencial de las estadísticas de encuestas por muestreo.
Siempre que se encuesta a una muestra de la población, en lugar de a toda la población de interés, se produce cierto nivel de error de muestreo aleatorio. Los procedimientos de las encuestas por muestreo representativo están diseñados para minimizarlo y controlarlo.
El error ajeno al muestreo -que puede importarse en cualquiera o en todas las etapas del proceso de la encuesta a través del error de cobertura, el error de falta de respuesta y el error de medición- es menos sencillo de abordar, ya que adopta varias formas:2 Además, elerror ajeno al muestreo puede originarse en el error de procesamiento y en el error de suposición del modelo, que surgen (potencialmente) durante la introducción de datos, la edición de datos, la postcodificación, la imputación y la ponderación, y el análisis de datos.
El error de falta de respuesta de la unidad se produce cuando es difícil acceder a los encuestados de la muestra o los encuestados no están dispuestos a participar en una encuesta. La falta de respuesta de la unidad tiende a ser una preocupación más acuciante en los países de ingresos altos, donde las tasas de respuesta a las encuestas han disminuido durante varias décadas.
El error de medición se produce cuando la respuesta proporcionada o registrada difiere del valor "verdadero". Dicho error puede introducirse a través del cuestionario, el encuestado, el entrevistador, el contexto de la entrevista o el modo de la encuesta.
El sesgo de género puede encontrarse en cada uno de estos componentes del error, aunque es especialmente relevante en el error de medición. El sesgo de género puede introducirse a través de errores de medición originados en el diseño de los instrumentos (por problemas con la validez del constructo, o con la redacción o secuenciación de las preguntas y los códigos de respuesta), los efectos del modo de encuesta, la actitud de los entrevistadores (o sus características demográficas), el contexto de la entrevista (por ejemplo, la autocensura de los encuestados en presencia de otros miembros del hogar) o las restricciones insuficientes o inexistentes sobre la información proporcionada por terceros en temas relevantes.3La información por poder se refiere a la práctica de completar los ítems del cuestionario a nivel individual para los miembros del hogar elegibles que no están disponibles para la entrevista, solicitando que el cabeza de familia u otro miembro del hogar con conocimiento de causa proporcione la información. La permisibilidad de la información por poder depende de la medida en que se conozca o se considere probable que el intercambio imperfecto de información entre los miembros del hogar y/o el sesgo en las respuestas distorsionen la información. Véase, por ejemplo: Naciones Unidas, Directrices para la elaboración de estadísticas sobre la propiedad de activos desde una perspectiva de género, 2019.
Los esfuerzos por minimizar el sesgo de género en estas diferentes fuentes de error estadístico han dado lugar a una serie de conocimientos clave. Los métodos han evolucionado para identificar, cuantificar y clasificar el error de medición en la fase de diseño de la encuesta. Entre ellos se encuentran los estudios cualitativos o "formativos", las entrevistas cognitivas, los experimentos aleatorios, los estudios de medición repetida y los estudios de comprobación de registros. En algunos contextos, se ha demostrado que el paso a la entrevista conversacional reduce los sesgos originados por la falta de correspondencia entre la comprensión del encuestado y la intención de la pregunta.
Sesgo debido a puntos ciegos u omisiones
Como obras recientes como Feminismo de datos y Mujeres invisibles los estereotipos que describen distintos roles sociales y esferas de actividad relacionadas para hombres y mujeres siguen sesgando lo que se mide, se cuenta y se hace visible en las estadísticas.
Los efectos de este sesgo se han observado desde hace tiempo en el ámbito de las estadísticas laborales y han sido objeto de amplios esfuerzos correctivos. Entre los ejemplos cabe citar el recuento insuficiente de las mujeres que realizan trabajos tradicionalmente codificados como «trabajos masculinos» (por ejemplo, la migración laboral4Véase Oficina de la UNESCO en Nueva Delhi,«Internal Migration in India Initiative», 2013; OIT,ILO Global Estimates on Migrant Workers: Results and Methodology, 2015. ) , y la omisión de actividades productivas históricamente codificadas como «trabajo femenino», comoel trabajo a domicilio la ocupación5Denominado «trabajo a domicilio», véase, por ejemplo, Organización Internacional del Trabajo,Working from home: From invisibility to decent work, 2021. y el trabajo doméstico y de cuidados no remunerado. Aunque es vital y valioso (si se tienen en cuenta los costes de externalizarlo), la mayor parte del trabajo doméstico y de cuidados no remunerado sigue estando excluido de las medidas estándar de la producción económica, como el producto interior bruto.6Los esfuerzos por medir el valor económico deltrabajo doméstico no remunerado mediantela elaboración de «cuentas ampliadas» (antes denominadas «cuentas satélite») han cobrado impulso en los últimos años, pero su alcance y aceptación siguen siendo limitados. Véase Naciones Unidas,Guía para la valoración del trabajo doméstico no remunerado, 2018.
Estos y otros problemas de medición, junto con la escasez de datos desglosados por sexo y relevantes desde el punto de vista del género, impulsaron lacreación del campo de las estadísticas de géneroa mediados de la década de 1980. Desde entonces, se han multiplicado los esfuerzos por identificar y abordar las fuentes de sesgo de género en las estadísticas de las encuestas. Sin embargo, como señaló la Comisión de la Condición Jurídica y Social de la Mujer en su última sesión celebrada a principios de este año, aún queda trabajo por hacer en los ámbitos tradicionales de la estadística, así como en temas emergentes, como los datos de género relevantes para abordar el cambio climático.7Consejo Económico y Social de las Naciones Unidas,Lograr la igualdad de género y el empoderamiento de todas las mujeres y niñas en el contexto de las políticas y programas sobre el cambio climático, el medio ambiente y la reducción del riesgo de desastres, E/CN.6/2022/3, informe examinado por la Comisión de la Condición Jurídica y Social de la Mujer en su 66.º período de sesiones, celebrado del 14 al 25 de marzo de 2022. 8La OIT ha destacado recientemente el papel esencial que desempeñan las estadísticas de género para garantizar que la acción climática ofrezca oportunidades tanto a las mujeres como a los hombres. Véase OIT,«Transición justa: una vía esencial para lograr la igualdad de género y la justicia social», 2022.
La contribución de la OIT para romper el sesgo de género en las estadísticas
Un gran avance en la superación del sesgo de género en el trabajo, la ocupación y las estadísticas laborales se produjo en 2013, cuando el máximo órgano decisorio en materia de estadísticas internacionales del trabajo -la Conferencia Internacional de Estadísticos del Trabajo- adoptó un nuevo y amplio concepto de referencia de "trabajo". Esto supuso una importante "primicia" y significó un gran cambio en la medición de las actividades productivas no remuneradas. Un resultado importante ha sido la posibilidad de mejorar considerablemente el análisis de las desigualdades de género en la participación en la población activa, la ocupación características, la división del trabajo remunerado y no remunerado, y el tiempo total de trabajo. La OIT apoya la mejora de los métodos tradicionales de medición de las cuestiones de género. Esto incluye la puesta a prueba de nuevos módulos ligeros sobre el uso del tiempo para adjuntarlos a las encuestas sobre la población activa en los países de ingresos bajos y medios, con el fin de generar estadísticas sobre los cuidados no remunerados y el trabajo doméstico cuando no es factible realizar una encuesta específica sobre el uso del tiempo. La OIT también está probando nuevas preguntas en encuesta de la fuerza de trabajo para producir más y mejores datos y estadísticas sobre las mujeres y los hombres que realizan trabajo informal, fuente de trabajo remunerado para más del 60 por ciento de las personas empleadas en todo el mundo.
Estos dos proyectos piloto están vinculados por su objetivo común de reducir los sesgos de género en las medidas de trabajo. La responsabilidad desproporcionada en la prestación de cuidados no remunerados y el trabajo doméstico repercute directamente en la capacidad y la oportunidad de las mujeres de realizar un trabajo remunerado, ya sea formal o informal.
Más información
Investigación y desarrollo de la EPA
Más información sobre el programa de investigación metodológica de la OIT para identificar y promover buenas prácticas en la recopilación y presentación de estadísticas del trabajo.
La demanda de datos sobre el trabajo doméstico y de cuidados no remunerado, así como sobre el trabajo informal, es cada vez mayor. Cada vez se reconoce más que estos datos son necesarios para poner de relieve las oportunidades de transición a formas de trabajo menos vulnerables y para permitir que se reconozcan, reduzcan y redistribuyan las desigualdades basadas en el género.
El trabajo de investigación y desarrollo metodológico que están llevando a cabo la OIT y sus socios es esencial para ayudar a los países a producir estadísticas imparciales y sensibles al género sobre las cuestiones más importantes. Los métodos de encuesta deben adaptarse a los retos de medición a los que se enfrentan las economías en desarrollo y emergentes. La recopilación de información sobre el uso del tiempo en sociedades en las que la vida está menos anclada al reloj de 24 horas es un ejemplo de ello. Del mismo modo, existen retos a la hora de preguntar sobre el trabajo no remunerado y/o informal en entornos en los que dichas actividades no se perciben como "trabajo" o hay reticencia a informar sobre ellas.
En su declaración para conmemorar el Día Internacional de la Mujer en 2022, el Secretario General de las Naciones Unidas, António Guterres, pidió que se inviertan las relaciones de poder y se realicen inversiones masivas en formación y trabajo decente para las mujeres. En la misma semana, la OIT publicó su informeCare at Work, según el cual podrían crearse hasta 300 millones de nuevos puestos de trabajo si se invirtiera en servicios universales de cuidado de niños y de larga duración financiados con fondos públicos, de los cuales el 84% podrían ser formales. Datos de alta calidad e imparciales sustentan el trabajo de transformación necesario para alcanzar estos ambiciosos objetivos. A su vez, los datos se apoyan en metodologías estadísticas sólidas. La OIT sigue colaborando estrechamente con los países y otros socios para definir y poner en práctica normas estadísticas sólidas y apoyar a las oficinas nacionales de estadística en su aplicación.
