Erika Luna
Estudié Ciencia pero me cuesta mucho trabajo pensarme como científica. Me cuesta trabajo porque no me identifico con el estereotipo. Un estereotipo heteronormado y colonial. Un estereotipo que les va a ellos pero no a ellas. Un estereotipo que pone a los científicos y su conocimiento por encima del de todos los demás. Dentro de ese mismo estereotipo se genera mucha segregación y discriminación, no solo entre hombres y mujeres, pero entre personas del norte y del sur global. Entre quienes tienen acceso y quienes no. Entre quienes generan investigación “de calidad” porque publican en Nature, y quienes generan investigación “cuestionable” porque publican en otro idioma que no es inglés o en revistas académicas no reconocidas.
Pensamos en los científicos como personas muy inteligentes. Hasta hay algunos científicos que se piensan superiores solo por haber tenido acceso a una educación científica. Aún más, piensan que su ciencia es objetiva. Pero como diría la doctora y feminista Dona Haraway, eso es solo un “God Trick”: Pensarse y asumirse como un sujeto omnipresente que entiende el mundo. Sin embargo, todas las personas que hacemos algún tipo de ciencia, tenemos conocimientos situados, o sesgos que dependen no solo de nuestro género o raza, sino de donde venimos, con qué prejuicios fuimos educados, qué privilegios tenemos y a que adversidades nos hemos enfrentado. Todos estos factores influyen inevitablemente en el conocimiento que generemos.
En la escuela nos enseñan el método científico como algo incuestionable, como si fuera la única forma correcta de hacer Ciencia, de generar conocimiento “objetivo”. Observar, plantear preguntas, plantear hipótesis, hacer experimentos, generar resultados y conclusiones (y de vez en cuando, comunicar). El problema viene cuando cuestionamos quiénes son los que históricamente han llevado a cabo dicho método. No es noticia que desde siempre, la Ciencia ha sido dominada por hombres. Muchos asumen al día de hoy que es algo natural, que a las mujeres simplemente no nos interesa hacer Ciencia (esto literalmente me lo dijeron a mí apenas hace un par de años). Además, ¿qué se entiende por Ciencia? Generalmente solo se reconoce a la Ciencia como aquellas disciplinas que caen dentro de STEM (Science, Technology, Engineering and Mathematics). Pero ¿qué hay de todas las ciencias sociales? ¿En dónde quedan las ciencias socio-ambientales?
Tampoco es sorpresa que dentro de esta misma Ciencia se prefieran los métodos cuantitativos sobre los cualitativos. Los métodos cuantitativos se asocian con objetividad, ya que los números excluyen experiencias y emociones que pueden “sesgar” los resultados. Viéndolo desde otra perspectiva, son justamente estas experiencias y emociones las que pueden crear un análisis de resultados mucho más enriquecedor. Se piensa también que los métodos cualitativos, o los métodos mixtos (cuantitativo y cualitativo) sólo incumben a las ciencias sociales. Pero en la época en la que vivimos, es esencial que personas estudiando Ciencia, como las Ciencias de la Computación, se interesen por entender y empatizar con las personas detrás de los datos que analizan para hacer modelos o predicciones. En la nueva era de la inteligencia artificial, es de suma importancia hablar de ética en la colección, análisis y visualización de datos que puedan reproducir y propagar estructuras de opresión. Por ejemplo, en Amazon, los científicos de datos implementaron un algoritmo para encontrar el CV de los mejores candidatos. Sin embargo, el algoritmo fue entrenado con base en datos de aplicantes anteriores, los cuales en su mayoría eran hombres. Por lo tanto, el algoritmo automáticamente descartaba los CV que incluían la palabra “mujer”¹.
¿Por qué a la Ciencia, y a los que hacen Ciencia, les cuesta tanto trabajo involucrar las emociones y experiencias? No sólo es porque nos enseñan a no cuestionar los métodos, pero también porque las emociones tienen una connotación femenina y subjetiva. En cambio, los números, los datos duros, y las estadísticas, tienen tanto una connotación masculina como de poder. Desde tiempos coloniales, se han usado los datos sobre la población para controlar y explotar recursos naturales. Se han incluso hecho trabajos científicos con la excusa de generar conocimiento, pero de paso expropiar a las comunidades locales de sus propios recursos (iencia extractivista).
Por todo lo anterior es por lo cual me cuesta trabajo reconocerme con científica. Pero es también por eso que me interesa luchar por personas como yo que no se sienten reflejadas en la Ciencia capitalista, heteronormada y patriarcal. Al mismo tiempo me pregunto si siquiera me me gustaría estar incluida en esa Ciencia, o si lo que en realidad necesitamos es expandir la visión que tanto la sociedad como los mismos cientifiques han creado sobre lo que es hacer múltiples tipos ciencias. Necesitamos ciencias que realmente respondan a los problemas que enfrenta la sociedad, ciencias que colaboren con otros tipos de conocimiento, ciencias decoloniales y reflexivas.
Epílogo: La forma en la que personalmente empecé con estas reflexiones, fue a partir de cuestionar la imagen que había en mi mente cuando alguien decía la palabra “Científico” o “Cientifica”. Yo (y probablemente muches más), asocio esas palabras con personas en un laboratorio usando bata blanca. Desde ahí no me identifico con ese estereotipo, porque el tipo de ciencia que practico (o más bien, practicaba) no requiere de usar bata ni de estar dentro de un laboratorio todo el día. Actualmente ya no me dedico a hacer ciencia como tal, terminé la maestría y creo que hasta ahí llegó mi carrera científica. Esto también me pone a pensar si en algún momento fui legítimamente una científica o si lo sigo siendo por mi título … ¿En qué momento se puede una empezar a llamar “científica”? ¿Cuando acabas la carrera? ¿Cuando acabas la maestría o el doctorado? ¿Te tienes que esperar hasta ser académica? Estoy muy lejos de tener un puesto académico, pero definitivamente el trabajo que he hecho ya es catalogado como científico. Supongo que si no lo hizo una científica, lo hizo Erika y ya.
¹Gershgorn, D. (2018). Companies are on the hook if their hiring algorithms are biased. Quartz. https://qz.com/1427621/companies-are-on-the-hook-if-their-hiring-algorithms-are-biased/
Fotografía de Elias Hamp en Unsplash.