Ang agham ng data ay isang mabilis na lumalagong larangan, ngunit hindi ito lumalago nang pantay. Paano kung sabihin ko sa iyo na sa nakalipas na 30 taon, ang proporsyon ng kababaihan sa Computer Science ay bumaba nang malaki? Mula 1984 hanggang 2016, bumaba mula sa [37% hanggang 18%] ang porsyento ng mga nagtapos sa computer science na mga babae (https://wpasets.ncwit.org/wp-content/uploads/2021/05/13193304/ncwit_women-in- it_2016-full-report_final-web06012016.pdf). Sa madaling salita, dahil lalong naging in-demand ang Computer Science, talagang naging hindi gaanong bukas ito sa mga kababaihan.
Siyempre, maraming kababaihan ang interesado sa Data Science at ang maraming kapana-panabik na pagkakataon sa karera sa data. Kaya kailangan nating isaalang-alang kung ano ang sinasabi sa atin ng mga istatistika ng kasarian sa Data Science. Ano ang maaari nating gawin upang hikayatin ang mga kababaihan na ituloy ang mga karera bilang data scientist? At ano ang magagawa ng kasalukuyang mga pinuno sa larangan upang suportahan ang kababaihan sa kanilang mga organisasyon? Pagkatapos ng lahat, ang pagkawala ng mga babaeng data scientist ay nangangahulugan ng pagkawala ng malaking bahagi ng mga potensyal na innovator at pinuno ng industriyang ito.
Ano ang Data Scientist Gender Ratio?
Ang mga istatistika ng kasarian sa loob ng Data Science ay nagsasabi ng isang hindi pantay na kuwento. Ayon sa isang ulat ng Harnham, sa 27% na tungkulin lamang at ang Analytics ay hawak ng mga kababaihan. Ang average na iyon ay bahagyang nabaluktot ng mas mataas na bilang ng mga kababaihan sa Analytics at Insight at sa Life Science Analytics. Ang ratio ng kasarian ay mas mababa sa mismong Data Science: 20% lamang ng mga data scientist ay mga babae. Mayroong, noong 2020, apat na beses na mas maraming lalaki kaysa mga babae sa loob ng larangan ng Data Science. Mas maliit din ang kinikita ng mga babae kaysa sa mga lalaki. Sa larangan ng Data at Analytics sa kabuuan, ang mga lalaki ay kumikita ng 17% na higit pa kaysa sa kanilang mga babaeng katapat. Ang ilan sa mga pagkakaibang ito ay maaaring isaalang-alang ng isang alon ng mga bagong babaeng data scientist na sumasali sa larangan sa mga tungkulin sa entry-level. Ngunit ang pattern ay makabuluhan: Ang mga lalaki ay higit na kumikita sa kanilang mga babaeng kasamahan sa isang malaking margin.
Bakit Mas Kaunting Babae ang Nagiging Data Scientist?
Bagama't dumarami ang mga bootcamp at degree sa Data Science, ang mga kababaihan ay bumubuo ng isang mababang porsyento ng mga mag-aaral sa mga grupong ito, ibig sabihin ay mas kaunting mga babaeng nagtapos na naghahanap ng mga trabaho sa Data Science. Ang underrepresentation ng mga kababaihan sa loob ng tech field ay nagsisimula sa murang edad. Hanggang sa edad na mga 11 hanggang 12, ang mga batang babae ay may posibilidad na magpakita ng interes sa mga larangan ng STEM nang pantay sa mga lalaki. Sa oras na umabot sila sa 16, ang kanilang naiulat na interes ay bumagsak nang husto. Lumilitaw ang pattern na ito mula sa isang malawak na problema sa kasarian sa ating kultura at sa mga sistema ng edukasyon. Ang mga teenager na babae ay mas malamang kaysa sa kanilang mga lalaking kapantay na makita ang mga STEM field bilang isang lugar para sa kanila. Mas maliit ang posibilidad na mahikayat sila ng mga guro, kahit na mahusay silang gumaganap sa mga klase. Maaari rin silang masiraan ng loob dahil sa kakulangan ng mga babaeng huwaran sa mga karera ng STEM.
Bakit Umalis ang mga Babae sa Mga Trabaho sa Data Science?
Ayon sa Better Buys, ang mga babae ay dalawang beses na mas malamang kaysa sa mga lalaki na huminto sa isang posisyon sa isang tech na trabaho. Tulad ng sa maraming larangan, ang mga babae ay mas malamang kaysa sa mga lalaki na huminto o magpahinga upang alagaan ang mga bata o matatandang miyembro ng pamilya. Kahit na sila ay bumalik sa workforce, maaaring sila ay nasa isang dehado dahil sa pagiging perceived bilang nawalan ng oras. Maaaring direktang harapin ng mga kumpanya ang isyung ito sa pamamagitan ng pag-aalok ng pantay na bayad na bakasyon ng magulang sa kapwa lalaki at babae. Mas maraming kumpanya sa buong mundo ang gumagawa ng equal leave policy. Ibinabahagi nito ang gawain ng pangangalaga ng bata nang mas pantay-pantay at, sa paglipas ng panahon, tila unti-unting nagbabago ang kultural na stigma laban sa pagkuha ng bakasyon para sa pangangalaga ng bata.
Ngunit ang ilan sa isyung ito ay partikular sa Data Science. Ang kakulangan ng kababaihan sa larangan ay maaaring maging self-perpetuating; hindi nakikita ng mga kababaihan ang ibang kababaihan sa mga tungkulin sa pamumuno at umaasa na makakahanap ng mas kaunting mga pagkakataon para sa pagsulong. At ang kakulangan ng kababaihan sa mga tech team ay maaaring humantong sa isang potensyal na nakakalason na kapaligiran. Sa isang panayam sa Master's in Data Science, sinabi ni Jana Eggers na ang "ilang mga problema sa sexism at bias" ay isang dahilan kung bakit ang mga babae ay ' t laging nananatili sa industriya. Sa parehong panayam, nagkomento si Lillian Pierson na "patuloy na nahaharap ang mga babae sa diskriminasyon sa kasarian batay sa hitsura at suot natin." Kailangang hamunin ng mga pinuno ng organisasyon ang mga isyu ng kulturang seksista nang direkta. Kung ang mga babae ay hindi iginagalang, wala silang dahilan upang manatili.
Mga Mapagkukunan at Networking para sa Kababaihan sa Data Science
Kahit na ang hindi pantay na ratio ng kasarian ng Data Science ay isang mapanghamong problemang lutasin, ito ang isa na pinaghirapan ng mga data scientist at educator sa loob ng maraming taon. Ang positibong resulta mula sa lahat ng gawaing ito ay mayroong ilang mga propesyonal na network at mapagkukunan upang suportahan ang mga kababaihan sa mga larangan ng teknolohiya: Mula sa pagtuturo sa mga babae hanggang sa code hanggang sa pagbibigay ng mga propesyonal na tagapayo sa mga babaeng pumapasok sa Data Science. Mayroong maraming mga kapaki-pakinabang na mapagkukunan doon. Kung ikaw ay isang babae sa Data Science, o naghahanap upang suportahan ang isang kabataang babae sa iyong buhay, tingnan ang mga sumusunod na programa.
Mga programa para sa mga batang babae at kabataang babae:
Mga mapagkukunan para sa mga kababaihan sa Data Science at tech:
Ang larangan ng Data Science ay hinog na sa mga pagkakataon para sa kapwa lalaki, at babae. Nasa mga taong nasa larangan na upang matiyak na ang kanilang mga organisasyon ay hindi lamang malugod na tinatanggap, ngunit aktibong sumusuporta sa mga empleyado ng lahat ng kasarian at lahi. Sa pamamagitan ng pagsuporta sa mga kababaihan sa Data Science, nakikinabang kami hindi lamang sa mga kababaihan sa larangan, kundi sa mga inobasyon sa hinaharap ng Data Science sa kabuuan.
