nova página do texto(beta)
Espanhol (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
Introducción
Las instituciones de educación superior públicas son claves para el desarrollo social, así como para la democratización del conocimiento y promoción de valores señalados por la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura [UNESCO] (2021). Sin embargo, como toda institución socializadora, también se producen y reproducen patrones socioculturales que instauran desigualdades con base en identidades de género (Rosa y Clavero, 2021). Algunos factores identificados en la literatura para ese tipo de desigualdades son la carga de trabajo, la falta de redes de apoyo, los sesgos de género presentes en la cultura académica (Araneda-Guirriman et al., 2023; Fernández Soto et al., 2024); las desigualdades en la adquisición de competencias académicas en la ciencia y la tecnología (Arredondo Trapero et al., 2019), la falta de referentes femeninos, el efecto Matilda de invisibilización de las contribuciones o los ambientes hostiles y los actos discriminatorios hacia las mujeres en áreas STEM y científicas (Ayala de Mendoza et al., 2025; Hernández Herrera, 2021).
Lo anterior desencadena el reto de la identificación de estrategias efectivas que contribuyan a disminuir esas desigualdades, discriminaciones y violencias derivadas de estas brechas, garanticen la promoción y cumplimiento de los derechos humanos consagrados en los convenios internacionales (Naciones Unidas, Derechos Humanos, 1979; Organización de Estados Americanos, 1994), los cuales permitan equilibrar las desigualdades históricas que colocan a las mujeres, entre otros grupos vulnerabilizados, en la imposibilidad de acceder y ejercer sus derechos en igualdad de condiciones.
Frente a esto, para lograr la transversalidad se han propuesto diferentes acciones, por ejemplo, Grijalva Salazar et al. (2023) plantean el diseño de políticas y el desarrollo de espacios de entrenamiento y especialización que refuercen la integración de las mujeres en la academia y en la ciencia. Rosa y Clavero (2021) señalan que las dinámicas universitarias aún se ven influenciadas por una visión neoliberal que oculta tras el mérito y la neutralidad de género un sistema esencialmente masculinista, por lo que se deben implementar planes y programas de equidad de género que articulen la gestión para la deconstrucción de desigualdades. Otras acciones sugeridas por González-Véliz y de Andrés del Campo (2023) son la inclusión digital auténtica y equitativa, por medio de regulaciones para el acceso y uso de la tecnología, publicación de datos desglosados por género cuando corresponda y la cooperación que permita democratizar la contribución activa y equitativa al conocimiento colectivo.
Por lo anterior, la Ciencia Abierta (CA) se constituye como un movimiento transformador, por los valores de equidad y justicia que promueve (Vallejo Sierra, 2024), por proporcionar un mayor acceso a los productos, procesos e insumos de investigación (Anglada i de Ferrer y Abadal, 2018), y la apertura a todo mecanismo que posibilite el desarrollo del conocimiento científico, la infraestructura, el diálogo y la participación de agentes sociales de manera abierta, como bien común para la humanidad (UNESCO, 2021). La CA podría convertirse en vehículo para incrementar la participación y producción de mujeres en la ciencia y la investigación (Grijalva Salazar et al., 2023; Murphy et al., 2023), así como ser una herramienta para el avance en la democratización, inclusión y en la equidad como factor para impulsar la apertura del ecosistema científico (Vallejo Sierra, 2024).
Este movimiento es compatible con prácticas que se venían gestando en Latinoamérica con lo que hoy se denomina “Acceso Abierto Diamante” (o Acceso Abierto no comercial), un abordaje diferenciado que elimina los cobros en la publicación y en el posterior acceso al conocimiento. La ciencia, además de abierta, debe ser colaborativa y desarrollada con y para la sociedad (Anglada i de Ferrer y Abadal, 2018), y debe impulsarse como una herramienta para superar las inequidades en la producción y difusión del conocimiento científico (Banzato, 2019).
En el contexto latinoamericano, la adopción de la CA ha venido en ascenso (De Filippo y D'Onofrio, 2019), convirtiéndose en una de las regiones más avanzadas en la implementación del acceso abierto a publicaciones científicas y con infraestructuras regionales que permiten la interconexión con sistemas nacionales y globales de ciencia, tecnología e innovación. Países como Brasil, Argentina, México, Colombia, Chile, entre otros, han liderado iniciativas de CA a través de políticas, infraestructuras, normativas, organizaciones, redes de altas capacidades, plataformas de perfiles de personas investigadoras, sistemas de gestión de la investigación, repositorios, entre otros (Aguirre-Ligüera et al., 2023; Amaro et al., 2022; Pacheco, 2024). No obstante, como indican Fushimi y López (2019) pese a los más de 17 años de avance en la región de América Latina de la transición del acceso abierto hacia la CA aún hay camino por transitar. En este sentido, se requiere de una mayor sensibilización y capacitación sobre el conocimiento abierto en comunidades académicas, las cuales deben ir acompañadas de políticas específicas que permitan a las universidades continuar con su rol fundamental en el desarrollo de la CA en las sociedades (Magallanes Udovicich et al., 2023).
No obstante, aún se evidencia la necesidad de abordar los obstáculos específicos que enfrentan las mujeres investigadoras para implementar prácticas de CA, con el fin de promover una mayor equidad e inclusión en el ámbito científico. Tras la revisión realizada, se identificaron en la literatura escasos estudios enfocados en mujeres investigadoras y acceso abierto (Perdomo, 2023), o bien, mujeres y CA (De Filippo y D'Onofrio, 2019; Vallejo Sierra, 2024).
Ante ese escenario, el propósito de este estudio fue establecer la relación entre las características laborales, el conocimiento en CA y el uso y conocimiento de herramientas en CA en mujeres investigadoras. Entender y dimensionar la relación entre estas variables desde su uso y el aporte empírico que realiza el artículo, pionero en la materia, dada la limitada evidencia científica que existe.
Metodología
Este estudio se enmarca en un diseño de investigación de corte exploratorio correlacional con técnicas multivariables, con el objetivo de explorar y comprender las relaciones entre variables específicas.
Participantes
De un total de 203 mujeres invitadas a participar en el año 2022 de la Red de Mujeres Académicas (RedMAc) y la Red de Mujeres Investigadoras (MIRED), un 31.52% (n=64) consintieron ser parte de esta investigación. De estas 64 mujeres, 65.6% cuenta con un grado de maestría, 31.3% con doctorado y un 3.1% estaba cursando sus estudios doctorales. A su vez, un 9.4% posee menos de 5 años de servicio en la institución, 18.8% de 5 a 10 años, 28.1% de 11 a 15 años, 21.9% de 16 a 20 años y 21.9% más de 20 años de servicio. En cuanto a la contratación laboral, el 43.7% (n=28) son propietarias y un 56.3% interinas. Según Rodríguez Soto (2019), la contratación definida se conoce también como de planta o propietaria y a la contratación laboral de plazo definido, se le señala como interinazgo o no propietario. Por su parte, un 92.2% reporta dedicar horas extras no remuneradas a actividades laborales por semana y solo un 7.8% no. En cuanto a la cantidad de artículos científicos-académicos en el año 2022, 36 (56.2%) mujeres reportan haber publicado este tipo de artículos con un promedio de 1.27±1.81 artículos por año.
Instrumento
El instrumento empleado para la recolección de los datos fue un cuestionario denominado “Mujeres investigadoras y la ciencia abierta”, creado por un grupo interdisciplinar de investigadoras en campos de conocimiento como ciencias sociales, estudios de género, educación y economía. El cuestionario tuvo como objetivo la medición del nivel de conocimiento y uso de herramientas en CA; está conformado por 30 preguntas abiertas y cerradas. Para efectos de esta investigación, únicamente se utilizaron 13 preguntas de este cuestionario, las cuales responden a los objetivos de este estudio.
En la Tabla 1 se aprecia la agrupación de las variables en tres categorías, las variables de estudio derivadas de estas 13 preguntas, así como la categorización o escala de Likert efectuada para cada una de ellas. Es importante indicar que las herramientas seleccionadas en este cuestionario fueron extraídas de la “Taxonomia da Ciência Aberta: revisada e ampliada” propuesta por da Silveira et al. (2023).
Tabla 1 Resumen de las variables de estudio, agrupación y categorización
| Agrupación de las variables de estudio | Variables de estudio | Categorías de la variable |
|---|---|---|
| Características laborales (CL) | Grado académico | Maestría, estudiante doctoral, doctorado |
| Años de servicio en la institución | Menos de 5 años, de 5 a 10 años, de 11 a 15 años, de 16 a 20 años y más de 20 años | |
| Contratación laboral | Propietaria, interina | |
| Dedicación de horas extra no remuneradas a actividades laborales por semana | Sí, no | |
| Conocimiento de CA (CCA) | Conocimiento CA | Nada, Poco, Mucho |
| Instancia de inscripción laboral cuenta con políticas para la implementación de CA | Sí, no | |
| Capacitación recibida CA en los últimos 6 meses | Sí, no | |
| Uso y conocimiento de herramientas CA (UCHCA) |
Preprint Planes de gestión Gestión metadatos Principios Findable, Accesible, Interoperable, Reusable (acrónimo en inglés FAIR) Ciencia ciudadana Bibliometría (métrica) |
No la conozco y no la he utilizado, sí la conozco, pero no la he utilizado, sí la conozco y la he utilizado |
Fuente: elaboración propia.
En este cuestionario exploratorio, se efectuó una validez de contenido. Cada una de las personas expertas consultadas cuenta con al menos 7 años de experiencia en el campo. Una vez recolectadas las sugerencias proporcionadas por este panel de personas expertas, se realizaron los ajustes correspondientes en la estructura del cuestionario, la claridad de los ítems y la relevancia de estos para la investigación. También se aplicó una prueba piloto de funcionamiento a un total de cinco mujeres académicas que no formaran parte de las Redes MIRED ni RedMAc, con el objetivo de someterlo a prueba en aspectos como redacción, orden de las preguntas, presencia de ambigüedades o imprecisiones, entre otras cosas. La consistencia interna del cuestionario con el coeficiente de alfa de Cronbach es de 0.874.
Procedimiento
Se elaboró un plan de gestión de datos que permite preparar el conjunto de datos que, bajo los principios FAIR de la CA. Los procedimientos en esta investigación estuvieron en apego a la Declaración de Helsinki (Asociación Médica Mundial [AMM], 2013). Primeramente, se creó el cuestionario en Google Forms, seguidamente, se efectuaron múltiples pruebas de funcionamiento y se corrigieron los errores detectados. Para la recolección de los datos, se coordinó con la RedMAc y MIRED, quienes consintieron en enviar un correo electrónico con el enlace correspondiente del instrumento a las investigadoras afiliadas a sus respectivos grupos. Únicamente las personas que consintieron su participación respondieron el cuestionario.
Una vez recolectada la información, se verificó que no existieran personas duplicadas; se encontraron dos casos, para los que se borró el segundo registro. Finalmente, se procedió a la anonimización de los datos y se efectuaron los análisis estadísticos respectivos.
Análisis estadístico
Para la recolección del consentimiento informado y los datos se empleó la plataforma Google Forms. Los datos fueron tabulados y analizados por medio de los programas Excel Microsoft 365 y el software IBM Statistical Package for Social Sciences (SPSS) versión 24. Se analizó el supuesto de normalidad por medio de la prueba Kolmogorov-Smirnov en la variable cantidad de producción. Para los análisis estadísticos se emplearon la prueba de coeficiente de correlación de Spearman entre variables y correlaciones canónicas no lineales entre los conjuntos de variables de interés. Para establecer la magnitud de las correlaciones se emplearán los parámetros establecidos por Hernández-Sampieri y Mendoza (2018) y se estableció un nivel de significancia bilateral a priori menor a 0.05.
Resultados
Los resultados de los análisis de correlaciones bivariados entre variables de estudios se presentan en la Tabla 2.
Tabla 2 Coeficiente de correlación de Spearman entre el uso y conocimiento de las herramientas en CA y características laborales de mujeres investigadoras
| Variables | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 1. Grado académico | 1 | ||||||||||||
| 2. Años de servicio | 0.429 (0.000) | 1 | |||||||||||
| 3. Contratación laboral | 0.430 (0.000) | 0.667 (0.000) | 1 | ||||||||||
| 4. Horas extra | 0.084 | -0.071 | -0.213 | 1 | |||||||||
| 5. Cantidad de producción | 0.301 (0.016) | 0.166 | 0.162 | -0.270 (0.031) | 1 | ||||||||
| 6. Conocimiento CA | 0.051 | 0.120 | -0.048 | -0.085 | 0.121 | 1 | |||||||
| 7. Políticas instancia CA | -0.031 | 0.203 | 0.037 | 0.015 | -0.050 | 0.329 (0.008) | 1 | ||||||
| 8. Capacitación CA | -0.127 | 0.010 | -0.174 | 0.043 | -0.025 | 0.380 (0.002) | 0.415 (0.001) | 1 | |||||
| 9. Preprint | 0.215 | 0.302 (0.015) | 0.195 | -0.023 | 0.356 (0.004) | 0.529 (0.000) | 0.336 (0.007) | 0.295 (0.018) | 1 | ||||
| 10. Plan de gestión | -0.033 | 0.060 | -0.107 | -0.020 | 0.041 | 0.307 (0.014) | 0.431 (0.000) | 0.488 (0.000) | 0.342 (0.006) | 1 | |||
| 11. Gestión de metadatos | 0.054 | 0.154 | 0.100 | -0.123 | 0.216 | 0.389 (0.001) | 0.514 (0.000) | 0.521 (0.000) | 0.677 (0.000) | 0.603 (0.000) | 1 | ||
| 12. Principios FAIR | 0.084 | 0.153 | 0.068 | 0.070 | 0.081 | 0.471 (0.000) | 0.397 (0.001) | 0.427 (0.000) | 0.463 (0.000) | 0.446 (0.000) | 0.611 (0.000) | 1 | |
| 13. Ciencia Ciudadana | 0.054 | 0125 | -0.037 | 0.058 | -0.018 | 0.290 (0.020) | 0.202 | 0.404 (0.001) | 0.253 (0.043) | 0.488 (0.000) | 0.371 (0.003) | 0.353 (0.004) | 1 |
| 14. Bibliometría | -0.027 | 0.105 | 0.000 | 0.047 | 0.070 | 0.350 (0.005) | 0.358 (0.004) | 0.283 (0.023) | 0.442 (0.000) | 0.365 (0.003) | 0.515 (0.000) | 0.454 (0.000) | 0.396 (0.001) |
Fuente: elaboración propia.
Nota: entre paréntesis se indica el nivel de significancia únicamente de las relaciones < 0.05
En la Tabla 2, los resultados denotan correlaciones significativas positivas de moderadas y bajas entre algunas variables. Cabe resaltar que dentro de estas correlaciones positivas moderadas o bajas, las variables CCA, políticas de la unidad en CA y las capacitaciones recibidas se establecen como elementos claves en el uso y conocimiento de las herramientas en CA. Además de una correlación inversa que indica que a menor cantidad de producción, mayores horas extra no pagadas se dedican a actividades laborales por semana en este grupo de mujeres.
Correlación canónica
El análisis de correlación canónica no lineal se llevó a cabo para investigar las relaciones no lineales entre tres conjuntos de variables: Modelo 1 (M1) que incluye características laborales [CL] (X) y el conjunto conocimiento de CA [CCA] (Y); Modelo 2 (M2) con CL (X) y uso y conocimiento de herramientas CA [UCHCA] (Y); y Modelo 3 (M3) que engloba CCA (X) y UCHCA (Y).
Verificación de casos perdidos y ajuste de los modelos
La revisión de las categorías de las variables reveló la no existencia de casos perdidos en los conjuntos de datos, permitiendo así proceder con la evaluación del ajuste de cada modelo. La Tabla 3 muestra el resumen del análisis de ajuste de los modelos, evidenciando la eficiencia, pertinencia y adecuación de los modelos a los datos recopilados.
Tabla 3 Resumen de análisis de ajuste de los modelos en las variables características laborales
| Modelo 1 (M1) | Modelo 2 (M2) | Modelo 3 (M3) | ||||||||||||
| Dimensión | Suma | Dimensión | Dimensión | |||||||||||
| 1 | 2 | 1 | 2 | Suma | 1 | 2 | Suma | |||||||
| Pérdida | CL | .272 | .352 | .624 | Pérdida | CL | .205 | .275 | .480 | Pérdida | CCA | .135 | .211 | .346 |
| CCA | .272 | .350 | .622 | UCHCA | .206 | .268 | .474 | UCHCA | .135 | .211 | .346 | |||
| Media | .272 | .351 | .623 | Media | .206 | .271 | .477 | Media | .135 | .211 | .346 | |||
| Autovalor | .728 | .649 | Autovalor | .794 | .729 | Autovalor | .865 | .789 | ||||||
| Ajuste | 1.377 | Ajuste | 1.523 | Ajuste | 1.654 | |||||||||
Fuente: elaboración propia.
Nota: CL: Características laborales; CCA: Conocimiento de CA; UCHCA: Uso y conocimiento de herramientas CA
Modelo 1 (M1) entre características laborales y conocimiento en ciencia abierta
En M1 se destacan del conjunto X (características laborales) como las variables que contribuyeron significativamente al modelo los años de servicio en la institución (1.110) y la contratación laboral (0.926). Específicamente, las categorías de 5 a 10 años y más de 20 años de servicio en la institución, así como la contratación laboral de propietaria.
Dentro del conjunto Y, las variables que aportaron mayor contribución al modelo fueron la existencia de políticas para la implementación de CA (0.679) en la dimensión D1 y la capacitación recibida en los últimos 6 meses (0.458) en la dimensión D2. Para este conjunto, las categorías “no contar con políticas para la implementación de CA” y “haber recibido capacitación en CA”. La distribución del grupo de entrevistadas se presenta en la Figura 1. Esta distribución revela que las mujeres con una mayor antigüedad laboral (16 años o más), con estudios doctorales o doctorado, propietarias y que no indican dedicar tiempo extra no pagado a actividades laborales, reportan el no contar con políticas establecidas para la implementación de CA en la institución donde trabajan.
Por otro lado, al enfocarnos en la esquina superior derecha de la Figura 1, se puede observar que las académicas con menos de 5 años de experiencia en la institución, con estudios de maestría, en calidad de interinas y que sí reportan tiempo extra no pago a actividades laborales, mencionan contar con políticas establecidas para la implementación de CA en su lugar de trabajo.
Modelo 2 (M2) entre características laborales y uso y conocimiento de las herramientas en ciencia abierta
En este M2, destaca la influencia significativa de ciertas variables en el conjunto X (CL). En el caso de la contratación laboral (1.112), su contribución se evidencia principalmente en D1, mientras que la contribución de los años de servicio (0.830) se manifiesta principalmente en D2. Es importante señalar que dentro de las categorías de mayor poder discriminatorio se encuentran ser propietaria (1.134) y tener entre 16 y 20 años de servicio (1.522), así como tener entre 10 y 15 años de servicio (-1.276).
Por otro lado, en relación con el conjunto Y, que se enfoca en el UCHCA, se identifica con los pesos más relevantes en D1 de las variables gestión de metadatos (0.704), preprint (0.589) y en D2 el plan de gestión (0.568) como las más relevantes. En cuanto a la cuantificación de las categorías, se observa que para la variable gestión de metadatos, la categoría "sí la conozco, pero no la uso" destaca como la que discrimina con mayor fuerza, con una cuantificación de 1.482, seguida por la categoría "no la conozco" (-0.703). En relación con el preprint y los planes de gestión, se encuentra que la categoría con mayor peso en ambos casos es "sí la conozco, pero no la uso", con cuantificaciones de 1.208 y 1.290, respectivamente. En el primer caso, el mayor peso se presenta en D1, mientras que en el segundo caso se presenta en D2.
Finalmente, al analizar la Figura 2, se puede observar cómo las académicas que poseen entre 16 y 20 años de servicio y estudios doctorales suelen ser las que reportan conocer y utilizar las herramientas de CA. En contraposición, aquellas con maestría y un rango de años de servicio menor (de 10 a 15 años) tienden a reportar no conocer o, en su defecto, conocer, pero no usar dichas herramientas. Este hallazgo sugiere una asociación entre el nivel de educación, los años de servicio y el UCHCA entre el grupo estudiado.
Modelo 3 (M3) entre conocimiento en ciencia abierta y uso y conocimiento de las herramientas en ciencia abierta
En el contexto del análisis (M3), relacionadas con el CCA y el UCHCA, la variable más relevante, en el conjunto X, fue el CCA (0.950), con una ponderación de 1.034. Mientras que, en el conjunto Y, fueron la gestión de metadatos (1.034) y el preprint (0.920). En los tres casos, el mayor aporte lo realizaron en D1.
En cuanto a las categorías con mayor contribución, se observa que para la variable CCA, fue tener "mucho conocimiento" en CA (2.400), seguida por la clase "nada de conocimiento" (-1.210). Para la variable de planes de gestión, las categorías con mayor contribución fueron "no la conozco" (-1.108) y "sí la conozco, pero no la uso" (1.602). En la variable preprint, las categorías con contribuciones significativas fueron "la conozco y la uso" y "no la conozco", con ponderaciones de 1.799 y -0.761, respectivamente.
La Figura 3 revela la distribución del grupo de entrevistadas, evidenciando una notable diferenciación según el nivel de CCA. Se observa que aquellas mujeres que mencionaron tener un alto nivel de CCA son las que reportan conocer e implementar el uso de las herramientas de manera más frecuente, en contraste con aquellas que indicaron tener poco o ningún conocimiento en la materia. Este análisis refleja la relevancia del CCA en la utilización efectiva de sus herramientas en el ámbito académico.
Discusión
Si bien los hallazgos de esta investigación no se pudieron comparar explícitamente con otros estudios previos, es importante resaltar algunos hallazgos previos que contribuyen en posibles explicaciones a los resultados de esta investigación. Uno de ellos es la existencia o no de políticas y capacitación en CA. Una investigación efectuada en universidades españolas señala la existencia de la CA en el 75% de la misión en sus planes estratégicos, 53% se transfirieron a objetivos específicos y 81.2% declararon tener políticas propias de CA. Sin embargo, también identificaron que aún existen barreras como la baja frecuencia de criterios de evaluación del cumplimiento de su uso y la poca disponibilidad de la producción en los repositorios universitarios que condicionan la implementación, específicamente en la gestión de datos abiertos, acceso abierto y evaluación de la CA (Abad García et al., 2022).
Otro hallazgo es que aún existen desafíos para las mujeres investigadoras, especialmente en áreas STEM, a pesar de que algunos países de América Latina han avanzado en la paridad de género en investigación (Arredondo Trapero et al., 2019; Ayala de Mendoza et al., 2025). En Chile, se encontraron diferencias de género en las publicaciones, predominando los hombres con el grupo de investigadores más productivos, y estas brechas se relacionan con factores como la mayor carga de trabajo que enfrentan las mujeres investigadoras y la falta de redes de apoyo (Araneda-Guirriman et al., 2023). De manera similar, el Informe de Mujeres Investigadoras 2023 del Consejo Superior de Investigaciones Científicas en España ha señalado que los sesgos de género persistentes en la cultura académica dificultan la participación equitativa de las mujeres en iniciativas de CA (Comisión de Mujeres y Ciencia del CSIC, 2023). En el estudio de Pereira y Díaz (2016), concluyen que los hombres publican más y son más citados que las mujeres debido a una serie de factores, desde la falta de conciencia sobre el valor de la equidad de género, la presencia masculina en los consejos editoriales y revisores y una débil red general de mujeres científicas.
Por otra parte, en la investigación de Huang et al. (2020), haciendo un análisis comparativo entre diferentes países y disciplinas, concluyen que las diferencias de género tienen un impacto significativo en la productividad total de las publicaciones y el impacto de las carreras académicas en los campos de ciencia, tecnología, ingeniería y matemáticas (STEM). Además, dos estudios realizados en la Universidad Nacional, Costa Rica (UNA), identifican que, en la producción de personal de la UNA publicado en revistas científicas institucionales, se contabilizaba una mayor presencia de participación masculina (Penabad-Camacho et al., 2019) y que más mujeres coordinadoras de proyectos de investigación tenían cero publicaciones derivadas, en comparación con los hombres coordinadores. Además, las áreas disciplinarias STEM eran las que más producción generaban, siendo estas áreas principalmente masculinizadas (Jager Contreras y Soto Blanco, 2021).
Por otro lado, en esta investigación se encontró correlación entre producción y horas extra una posible explicación es la sobrecarga de trabajo. Algunos estudios, antes de la pandemia del COVID-19, identificaron la sobrecarga de trabajo -propia de las dinámicas universitarias- como una limitante para el desarrollo académico de las mujeres que se agrava durante la pandemia (O'Meara et al., 2017; Okeke-Uzodike y Gamede, 2021). Esto constituye una preocupación ante el reconocimiento de que la sobrecarga de trabajo en las dinámicas académicas postpandemia ha aumentado, afectando sus oportunidades de producción académica. Otra posible explicación es la carencia de lo que señalan 22 mujeres científicas en disciplinas STEM como parte de su éxito, que es contar con redes de apoyo de amistades, parejas y familiares como factor fundamental para enfrentar los desafíos entre el trabajo y la vida personal, y la creación de redes de mujeres que compartan sus mismos desafíos, que han sido espacios invaluables para su bienestar emocional y para enfrentar y desafiar los prejuicios y barreras de género en sus entornos laborales (Hernández-Mena y Magaña Medina, 2024).
Conclusiones
Se concluye que tanto las características laborales como el conocimiento en CA están significativamente correlacionadas y que estas relaciones se manifiestan de manera distinta en las dimensiones canónicas. La antigüedad y la contratación laboral en propiedad parecen influir de manera importante en la percepción y la implementación de políticas de CA. Además, la existencia de políticas y la capacitación reciente en CA juegan un papel crucial en la gestión de metadatos, aunque su impacto varía según las dimensiones canónicas analizadas.
Otro factor concluyente es que la contratación laboral de propietaria y tener entre 16 y 20 años de servicio son factores significativos que influyen positivamente en la familiaridad y uso de estas herramientas. En contraste, aquellos con menos años de servicio y con un nivel educativo más bajo (maestría) tienden a no conocer o no utilizar las herramientas de CA, a pesar de conocerlas. Por lo que, en esta investigación, se evidencia la importancia del conocimiento en CA (CCA) y su influencia en el uso y conocimiento de herramientas de CA (UCHCA) como la gestión de metadatos y los preprints.
Para las instituciones, estos hallazgos pueden ser útiles al diseñar estrategias de implementación de políticas de CA y programas de capacitación, adaptándose a las diferentes características laborales de su personal educativo para maximizar la adopción y uso efectivo de estas herramientas. Además de fomentar un mayor conocimiento y familiaridad con las herramientas de CA, puede llevar a un uso más extendido y efectivo de estas prácticas, beneficiando tanto a las personas académicas como a las instituciones en general. Como lo afirman González-Véliz y de Andrés del Campo (2023), la CA puede, en su función catalizadora, contribuir en la eliminación de barreras de igualdad, generando cambios profundos y sostenibles en esta era digital.
Luego de este estudio exploratorio, es imprescindible que las instituciones de educación superior efectúen una reflexión sobre su papel en la transformación de las desigualdades, discriminaciones y violencias como parte de su quehacer.
Si bien, en este estudio no se analizaron brechas entre mujeres y hombres, se reconoce desde la revisión bibliográfica realizada que existen brechas de género en la producción académica que desfavorecen a las primeras. Por lo que se recomiendan futuras líneas de investigación que permitan una mayor comprensión del aporte que pueda tener la CA como vehículo para mitigar desigualdades de género. A su vez, es importante llevar a cabo estudios comparativos entre grupos disciplinarios diversos, o en consideración a otros cruces interseccionales, que permitan indagar cómo se comportan y el peso que puede tener la CA en los diferentes ámbitos profesionales y de formación.
