Le ragazze sono più deboli in matematica dei ragazzi: un luogo comune confermato dai risultati scolastici. Individuare le determinanti del successo nella materia nei vari paesi europei può essere utile per arrivare al successo formativo di tutti.
I gap di istruzione e occupazione
La garanzia di pari opportunità è una questione di primaria importanza nell’agenda politica delle economie mondiali, e tuttavia sovente ancora lontana dalla piena realizzazione, soprattutto quando si parla di istruzione e occupazione. La disuguaglianza di genere rappresenta una sfida persistente, dato che le donne continuano ad affrontare barriere rilevanti nell’accesso e nel successo nell’istruzione e nel mercato del lavoro.
La letteratura sui temi di genere mostra, in realtà, come le ragazze tendano a superare i ragazzi nelle abilità di lettura e comprensione, ma il divario in matematica continua a essere in favore dei ragazzi. Le differenze che si riscontrano sui banchi scolastici hanno conseguenze significative, visto il gap che le donne non riescono a colmare in termini di presenza nelle professioni legate a scienza, tecnologia, ingegneria e matematica (Stem) e che sono tipicamente associate a salari più alti e livelli di benessere più elevati.
In uno studio recentemente pubblicato, abbiamo analizzato i dati Oecd Programme for International Student Assessment (Pisa) 2018 per comprendere come differiscano le determinanti del rendimento matematico tra ragazze e ragazzi di 15 anni. Lo studio si è concentrato su 28 paesi europei, classificati in tre categorie in base al divario di genere nel rendimento in matematica (figura 1).
In dettaglio, venti paesi (tra cui l’Italia) sono stati classificati nel primo gruppo, dove le performance dei ragazzi in matematica sono significativamente più elevate delle ragazze; cinque paesi sono stati raggruppati sulla base di una differenza non significativa tra ragazzi e ragazze, mentre gli ultimi tre stati hanno mostrato risultati significativamente più alti per le ragazze (Finlandia, Islanda e Malta). L’analisi ha utilizzato un approccio random forest multilivello per modellare le determinanti delle prestazioni di ragazzi e ragazze separatamente, al fine di indagare se i fattori che le influenzano differissero tra loro e per gruppi di paesi.
Figura 1 – Mappa dei paesi considerati nello studio per differenza di genere nel test Pisa 2018 di matematica
I fattori chiave
I risultati mettono in evidenza come circa l’8-10 per cento della variabilità delle prestazioni tra generi sia spiegata da differenze strutturali tra paesi, specialmente laddove è presente un gender gap nel rendimento matematico. La ricerca, tuttavia, evidenzia come alcuni fattori chiave che influenzano il rendimento matematico possono differire significativamente tra ragazzi e ragazze.
In particolare, leggere assiduamente, sia per attività scolastiche che nel tempo libero, è un fattore particolarmente positivo per le ragazze (ben più che per i ragazzi) nel favorire il successo nel test di matematica. Che le capacità di comprensione del testo siano più sviluppate tra le studentesse è noto, ma la ricerca dimostra come questo fattore sia un elemento di successo anche nelle materie più analitiche. In più, la ricerca sottolinea l’importanza del supporto degli insegnanti: le studentesse beneficiano maggiormente della presenza e dell’incoraggiamento dei docenti rispetto ai ragazzi.
Vi sono poi alcune variabili che risultano molto importanti nell’influenzare l’andamento nel test per entrambi i generi. Il background socio-economico è stato individuato come il fattore più critico, soprattutto nei paesi con divario di genere sfavorevole per le ragazze. La sua influenza è invece minore nei paesi senza divario di genere, a sottolineare come i paesi più equi dal punto di vista socio-economico siano anche quelli con minori disuguaglianze di genere.
In conclusione, la ricerca fornisce preziose indicazioni sulle determinanti del successo in matematica nei paesi europei, che potrebbero guidare politiche volte a supportare il successo formativo di tutti gli studenti e le studentesse. Promuovendo opportunità di pari livello nell’istruzione e nel mercato del lavoro, le società possono raggiungere un maggiore benessere sociale ed economico per tutti gli individui, e questo passa (anche) da una più attenta comprensione di quali siano le differenze esistenti, affinché possano essere colmate o valorizzate (a seconda dei casi) in un percorso formativo e di carriera più equo.
Lavoce è di tutti: sostienila!
Lavoce.info non ospita pubblicità e, a differenza di molti altri siti di informazione, l’accesso ai nostri articoli è completamente gratuito. L’impegno dei redattori è volontario, ma le donazioni sono fondamentali per sostenere i costi del nostro sito. Il tuo contributo rafforzerebbe la nostra indipendenza e ci aiuterebbe a migliorare la nostra offerta di informazione libera, professionale e gratuita. Grazie del tuo aiuto!
Alice Bertoletti è una ricercatrice presso il Joint Research Center (JRC) della Commissione Europea a Siviglia. Ha conseguito un dottorato in Ingegneria Gestionale presso il Politecnico di Milano, con una tesi sulla valutazione dell'impatto dei sistemi universitari sullo sviluppo economico regionale in Europa. I suoi interessi di ricerca riguardano il campo dell'economia dell'istruzione e l'uso di metodi quantitativi per valutare le politiche educative. 
Marta Cannistrà è una dottoranda di Data Analytics and Decision Sciences al Politecnico di Milano – Dipartimento di Ingegneria Gestionale. Tra i suoi principali interessi di ricerca ci sono l’utilizzo di metodi statistici per prevedere gli andamenti scolastici degli studenti e l’implementazione e la valutazione di interventi educativi volti a migliorare le carriere scolastiche degli studenti più a rischio. 
Melisa Diaz Lema è ricercatrice di tipo A presso il Dipartimento di Ingegneria Gestionale del Politecnico d Milano. La sua ricerca si colloca all'interno dell'intersezione tra economia dell'istruzione e innovazione digitale. Il suo principale interesse di ricerca si concentra sull'utilizzo dei dati per supportare il processo decisionale nel settore pubblico.
Chiara Masci è ricercatrice di tipo A presso il Dipartimento di Matematica del Politecnico di Milano. Ha conseguito un dottorato in Ingegneria Matematica presso il Politecnico di Milano, con una tesi sullo sviluppo di modelli statistici a effetti misti per la valutazione delle performance nell’ambito dell’istruzione. I suoi interessi di ricerca riguardano il campo della modellizzazione statistica di dati con struttura gerarchica, con applicazioni nell’ambito dell’istruzione e della sanità. 
Anna Mergoni è una dottoranda presso la KU Leuven (Belgio), Dipartimento di Economia e Commercio. Ha conseguito la laurea magistrale in Economia presso l'Università di Pisa nel 2018. Le sue aree di ricerca sono l'inferenza causale, la estimazione delle non parametric frontier e l'economia dell'istruzione.
Lidia Rossi è una dottoranda di Data Analytics e Decision Sciences presso il Politecnico di Milano - Dipartimento di Ingegneria Gestionale. Il suo principale interesse di ricerca è nell’area del Learning Analytics, con particolare attenzione all'uso di metodi statistici e algoritmi di Machine Learning con lo scopo di ricercare ed investigare i determinanti delle performance scolastiche o la previsione di queste.
Mara Soncin è Ricercatrice presso il Dipartimento di Ingegneria Gestionale del Politecnico di Milano. Ha ottenuto il dottorato su temi legati alla valutazione delle performance di digital learning nelle università, e da allora prosegue questo filone di ricerca accanto a temi più legati all’economia dell’istruzione e al management delle pubbliche amministrazioni. È inoltre coinvolta in attività didattiche sia a livello universitario che di corsi post-lauream.
2 pingback