Statistica negli studi di genere
La statistica svolge un ruolo cruciale nella comprensione delle questioni di genere in modo più misurabile, sistematico e responsabile. Gli studi di genere non si limitano ad analizzare esperienze, identità e rapporti di potere, ma esaminano anche modelli sociali osservabili attraverso i dati: chi ha accesso all'istruzione, chi è più vulnerabile alla violenza, chi trova un impiego formale, come è suddivisa la manodopera domestica e come le politiche pubbliche influenzano in modo differenziato uomini, donne e minoranze di genere. Attraverso la statistica, i ricercatori possono valutare se la disuguaglianza esiste effettivamente, l'entità del problema e i fattori ad essa associati.
Tuttavia, l'uso della statistica negli studi di genere va oltre il semplice "conteggio" del numero di donne o uomini. Vi sono sfide concettuali e metodologiche: come definire il genere nei sondaggi, come evitare distorsioni di misurazione e come interpretare i dati senza semplificare eccessivamente la realtà sociale. Pertanto, l'alfabetizzazione statistica è uno strumento fondamentale per accademici, responsabili politici, giornalisti specializzati in dati e attivisti che si occupano di questioni di parità di genere.
Perché la statistica è rilevante negli studi di genere?
Le statistiche aiutano a rispondere a domande chiave negli studi di genere. In primo luogo, le statistiche forniscono un'idea della scala: ad esempio, qual è la percentuale di divario salariale tra donne e uomini, o quale percentuale di vittime di violenza di genere denuncia i fatti. In secondo luogo, le statistiche consentono confronti nel tempo e tra regioni: la disuguaglianza è diminuita dopo l'attuazione di una particolare politica? Una provincia ha registrato un livello di istruzione femminile inferiore rispetto a un'altra? In terzo luogo, le statistiche supportano l'analisi delle relazioni tra variabili: ad esempio, se lo stato civile, il numero di figli o il settore di impiego sono correlati alle possibilità delle donne di raggiungere posizioni dirigenziali.
Inoltre, le statistiche rendono più solide le discussioni di genere perché le argomentazioni si basano non solo sulle esperienze individuali – che rimangono importanti – ma anche su modelli strutturali visibili nei dati aggregati. Quando le statistiche mostrano una disuguaglianza costante in molteplici contesti, possiamo essere più certi che il problema sia sistemico e non casuale.
Dati di genere: dal binario allo spettro
Una delle questioni più importanti riguarda il modo in cui viene misurato il genere. Molti sondaggi tradizionali offrono solo le opzioni "maschio" e "femmina". In alcuni contesti, queste categorie sono inadeguate, poiché il genere può essere inteso come uno spettro di identità ed espressioni. D'altro canto, le esigenze politiche spesso richiedono dati standardizzati per garantire la comparabilità. La sfida consiste nel trovare un equilibrio tra la necessità di rappresentatività e la coerenza della misurazione.
Una pratica sempre più diffusa è quella di separare i concetti di "sesso assegnato alla nascita" e "identità di genere attuale". Questo approccio consente una raccolta dati più inclusiva , ma richiede cautela: riservatezza dei partecipanti, sicurezza dei dati e formazione degli intervistatori per garantire che le domande siano imparziali. Negli studi di genere, il modo in cui vengono poste le domande è importante quanto i risultati numerici.
Progettazione del sondaggio e distorsioni nella misurazione
Una buona statistica inizia con dati affidabili. Negli studi di genere, la distorsione può derivare dalla progettazione del campione. Ad esempio, le indagini sulle famiglie che intervistano il "capofamiglia" rischiano di trascurare le prospettive degli altri membri della famiglia, in particolare delle donne. Inoltre, argomenti delicati come la violenza domestica o la discriminazione sul lavoro sono soggetti a sottostima a causa della paura, dello stigma o della sfiducia nelle istituzioni.
Vi è inoltre una distorsione negli indicatori utilizzati. Ad esempio, se la partecipazione al mercato del lavoro viene misurata esclusivamente in base all'occupazione retribuita, il contributo del lavoro domestico e di cura, spesso svolto dalle donne, viene trascurato. Pertanto, gli studi di genere incoraggiano l'ampliamento degli indicatori: l'utilizzo di indagini sull'uso del tempo, la misurazione del lavoro non retribuito e indicatori di benessere che vadano oltre i parametri economici.
Analisi descrittiva : vedere la disuguaglianza con gli occhi
La fase iniziale dell'analisi statistica è solitamente costituita da statistiche descrittive: medie, percentuali, mediane o visualizzazioni dei dati . Sebbene apparentemente semplice, l'analisi descrittiva è estremamente utile per mappare le disuguaglianze di genere. Ad esempio:
– Divario salariale di genere: confronto tra i salari medi di uomini e donne, sia complessivamente che per settore.
– Partecipazione all'istruzione: percentuale di donne e uomini che proseguono gli studi nella scuola secondaria o all'università.
– Rappresentanza politica: la percentuale di seggi legislativi occupati da donne.
– Carico di lavoro domestico: ore medie settimanali dedicate a cucinare, pulire o prendersi cura dei bambini.
Tuttavia, i ricercatori devono essere cauti: le medie possono nascondere variazioni significative. Ad esempio, i guadagni medi delle donne possono sembrare simili a quelli degli uomini, ma se le donne sono concentrate in impieghi informali o a tempo parziale, la vera disuguaglianza potrebbe essere più complessa.
Analisi inferenziale: fattori e influenze da testare
Oltre alla statistica descrittiva, la statistica inferenziale aiuta a valutare se le differenze osservate siano più probabili di una semplice casualità del campione. Test di differenza media, test del chi-quadrato e regressione sono spesso utilizzati per esaminare la relazione tra genere e vari risultati. Ad esempio, la regressione può essere utilizzata per verificare se il genere influenza ancora i salari dopo aver tenuto conto di istruzione, esperienza lavorativa, settore e ore lavorate.
In un contesto politico, gli approcci di inferenza causale sono altrettanto importanti: i programmi di assistenza sociale aumentano la frequenza scolastica delle ragazze più di quella dei ragazzi? Il congedo di maternità retribuito migliora la permanenza delle donne nel mondo del lavoro dopo il parto? Metodi come il metodo delle differenze nelle differenze, il matching o gli studi clinici randomizzati controllati (RCT) possono essere utilizzati, a condizione che l'etica e la fattibilità rimangano considerazioni fondamentali.
Intersezionalità: il genere non è un fattore isolato
Un aspetto cruciale degli studi di genere moderni è l'intersezionalità: le esperienze di genere differiscono a seconda della classe sociale, dell'etnia, della disabilità, dell'età, del luogo di residenza e di altri fattori. Le statistiche consentono analisi multilivello, come il confronto dei divari salariali non solo tra uomini e donne, ma anche tra donne che vivono in aree urbane e rurali, o tra donne con diversi livelli di istruzione.
Tuttavia, l'analisi intersezionale richiede una dimensione campionaria adeguata. Se ci sono troppe categorie e troppo pochi intervistati, le stime diventano instabili. Le soluzioni possono includere la combinazione razionale delle categorie, l'utilizzo di modelli gerarchici o la raccolta di dati aggiuntivi per garantire che i gruppi minoritari non vengano "persi" nel campione complessivo.
Etica dei dati e rischio di interpretazione errata
I dati di genere sono spesso sensibili. Proteggere l'identità e la privacy è fondamentale, soprattutto per i gruppi vulnerabili o le piccole comunità. Inoltre, le statistiche possono essere utilizzate in modo improprio per rafforzare gli stereotipi. Ad esempio, constatare che le donne sono più numerose in un determinato settore non significa automaticamente che "le donne scelgono di essere così"; potrebbero esserci barriere strutturali, norme sociali o discriminazioni.
Pertanto, l'interpretazione dei risultati deve essere contestualizzata. I dati devono essere letti insieme alla teoria sociale, agli studi qualitativi e alle conoscenze locali. Negli studi di genere, un approccio a metodi misti è spesso una scelta valida: i dati quantitativi rivelano modelli, mentre i dati qualitativi spiegano i meccanismi e le esperienze che sottendono a tali modelli.
Chiusura
La statistica negli studi di genere funge da ponte tra l'esperienza sociale e le prove empiriche verificabili. Aiuta a misurare la disuguaglianza, a valutare l'impatto delle politiche e a scoprire modelli che potrebbero non essere immediatamente evidenti. Tuttavia, la statistica non è uno strumento intrinsecamente neutrale; è influenzata da come definiamo il genere, selezioniamo gli indicatori, progettiamo i sondaggi e interpretiamo i risultati.
Se utilizzate con metodo, in modo contestuale ed etico, le statistiche possono rappresentare un potente strumento per promuovere la parità di genere. I numeri non sostituiscono le storie umane, ma possono amplificarle, rendendo visibili, misurabili e più difficili da ignorare le disuguaglianze, spesso considerate normali.
