Desigualdad de género en la administración pública. Análisis del caso argentino entre 2009 y 2023
Bibliographic record
Abstract
La brecha de género en los cargos directivos y ciertas áreas de la gestión es un fenómeno que permanece vigente en las administraciones públicas, a pesar de los avances recientes en la participación de las mujeres en distintos ámbitos laborales. Esta situación plantea un problema para la calidad institucional de las democracias, ya que el Estado no logra construir burocracias que representen a la sociedad que gobierna. El objetivo de este artículo es analizar para el caso argentino, la evolución de la brecha de género en el acceso a altos cargos de gestión pública entre 2009 y 2023 (lo que se conoce como segregación vertical o “techo de cristal”) y complementar ese análisis con el de las brechas de género por áreas de gestión (segregación horizontal o “paredes de cristal”) para 2023. Asimismo, se exploran las hipótesis que permiten comprender esa evolución en función de las políticas públicas implementadas durante el periodo. Los resultados obtenidos permiten inferir en qué tipo de cargos comienza a operar concretamente el techo de cristal, cuáles son las áreas más feminizadas y cuáles las más masculinizadas, y si esas características se vinculan con el tipo de cargo desempeñado, estableciendo así relaciones entre ambos tipos de segregación (vertical y horizontal).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".