I Simposio de Postgrado 2023. Ingeniería, ciencias e innovación

I SIMPOSIO 2023 PROPUESTA DE UN ENFOQUE DE MACHINE LEARNING PARA DESCRIBIR LA SITUACIÓN DE GÉNERO EN LA FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS RESUMEN Esta tesis se enmarca en el problema de la disparidad de género en carreras de ciencia, tecnología, ingeniería y matemáticas y pretende plantear un modelo de machine learning que permi- ta evidenciar relaciones de causalidad de esta disparidad, en particular aquella que existe en la Facultad de Ciencias Físicas y Matemáticas (FCFM) entre las distintas carreras. El objetivo general es proponer un enfoque de machine learning que permita describir la situación de género en la FCFM. Para esto se propone utilizar modelos causales estructurales (prove- nientes de métodos de inferencia bayesiana), los cuales se repre- sentan mediante modelos gráficos probabilísticos. Aportando a la literatura actual la utilidad que estos modelos presentan para describir brechas, entre otras, de género Los objetivos específicos incluyen identificar variables inci- dentes en la elección de especialidad de pregrado y cómo se rel- acionan, validar el potencial de modelos causales estructurales para describir la relación entre variables e identificar relaciones de causalidad entre variables que permitan explicar la toma de decisión de alumnas y alumnos en la FCFM. Con esta investigación se espera probar si los modelos causales estructurales permiten modelar la toma de decisiones como lo es la elección de carrera en la FCFM y con esto evidenciar si exis- ten brechas de género en la facultad. Camila Pinto 1* , Darinka Radovic 2 , Felipe Tobar 2 1 Master of Data Science, FCFM, Universidad de Chile. 2 Iniicativa de Datos e Inteligencia Artificial, FCFM, Universidad de Chile. *Email: cami.pinto.97@gmail.com