“El ingreso de mujeres en las carreras de ingeniería está en declive”

Ingeniera y doctora por la Universidad Politécnica de Madrid, Soledad Torres Guijarro es profesora en la Universidad de Vigo, donde investiga como miembro del Grupo de Tecnologías Multimedia del centro AtlanTTic. 

Como experta en telecomunicaciones, sus líneas de investigación comprenden el procesamiento de señales de audio y el ruido ambiental. En concreto, la científica ha estudiado en profundidad los sonidos en entornos submarinos.

Torres también ejerce una importante labor por la integración y promoción de mujeres en la educación STEM (Ciencia, Tecnología, Ingeniería y Matemáticas, por sus siglas en inglés) ), y forma parte de la junta directiva de AMIT (Asociación de Mujeres Investigadoras y Tecnólogas). De igual manera, trabaja en la defensa de los derechos de las mujeres LBT como presidenta de la asociación Nós Mesmas.

¿Qué le llevó a centrar sus estudios en el sonido de los mares?

Tenía experiencia docente en el ámbito del ruido ambiental y había participado en proyectos relacionados con esta cuestión. En mi grupo de investigación nos planteamos hace años abrir nuevas líneas, y justo entonces la Universidad de Vigo comenzó a organizar el Campus do Mar, que pretende impulsar estudios marítimos, y yo soy muy aficionada a la vela. Tengo embarcación y he desarrollado cierta sensibilidad por los temas medioambientales en las aguas, así que se me ocurrió trasladar mi conocimiento sobre la contaminación acústica al entorno submarino.

¿Cómo puede el ruido ayudarnos a entender los ecosistemas oceánicos?

El sonido en el mar se propaga muy bien, y puede proporcionar gran cantidad de información. En tierra, podemos instalar una cámara de vídeo, por ejemplo, para observar un nido de buitres o ver si los leones se acercan a beber a una charca. Sin embargo, la luz viaja muy mal debajo del agua, por lo que muchos estudios medioambientales o de biodiversidad se basan en el sonido.

La monitorización acústica pasiva consiste en poner un hidrófono en el agua y captar los sonidos. Esto proporciona información sobre lo que sucede ahí abajo, como la presencia de seres vivos. Nos puede ayudar a hacer recuento de poblaciones, detección de individuos o realizar una valoración sobre el estado de la biodiversidad.

La monitorización acústica pasiva consiste en poner un hidrófono en el agua y captar los sonidos. Esto proporciona información sobre lo que sucede ahí abajo

¿De qué forma puede el ruido de los puertos marítimos afectar a las personas u otros seres vivos?

A los humanos nos afecta por el ruido aéreo. Pero si nos sumergimos, apenas somos capaces de percibir el sonido porque nuestros oídos no están adaptados al medio acuático. De ahí procede el falso mito de que los océanos son paraísos del silencio, pero nada más lejos de la realidad: los animales que viven debajo del agua sufren el nivel de ruido que hay en buena parte de los océanos. Por eso necesitamos los hidrófonos; para tener una idea más certera de la contaminación acústica, que suele ser muy alta en los alrededores de las zonas portuarias.

Soledad Torres trabaja con un hidrófono de CETMAR en la Plataforma de Cortegada. / Foto cedida por la investigadora.

¿Cuál es el principal contaminante en estos entornos?

El tráfico de los barcos, al igual que pasa en las ciudades con los coches. Hay otros fenómenos, tanto naturales como humanos, mucho más ruidosos que el tránsito de embarcaciones, pero este es más continuo cerca de los puertos. Ese es el problema: no hay descanso. Por ejemplo, algunos experimentos con sensores en calamares han concluido que este animal se queda temporalmente sordo con el paso de un barco porque es muy sensible a la banda de frecuencias donde el tráfico de embarcaciones es más notable. El calamar utiliza el oído para detectar a sus depredadores, por lo que si pierde esta capacidad, no podrá huir.

El tráfico de los barcos es el principal contaminante acústico de los mares

¿Cómo se puede hacer frente a la contaminación acústica submarina?

Algunas medidas van en la misma línea que en las ciudades para disminuir el ruido de los coches, como reducir la velocidad. Existen precedentes en Vancouver, donde la mayoría de los barcos han acogido la recomendación para no superar cierta velocidad cuando llegan a una zona entre islas, al pasar por un canal que da acceso al puerto y donde hay bastantes cetáceos.

El mantenimiento de los barcos también es importante. Una misma embarcación y a la misma velocidad, puede tener un mayor impacto si se encuentra en mal estado de limpieza, de conservación de la carena o de la hélice del motor.

También participa en un proyecto nacional de reconocimiento automático de lengua de signos mediante visión artificial. ¿Cómo funciona esta tecnología?

Está basada en el procesado de vídeo. Mediante una grabación de una persona que se comunica en lengua de signos española (LSE), la idea es entrenar una red neuronal que sea capaz de reconocer el signo realizado en cada instante. Es un software comercial (que no hemos desarrollado nosotros) capaz de detectar o estimar la posición de los huesos y de las articulaciones en la imagen, con especial atención en la parte superior del torso: manos, brazos y cara.

¿Con qué fin detecta estas posiciones?

Con ellas entrenamos las redes neuronales que reconocen el signo. Puedes hacerlo delante de la cámara del móvil o del portátil, y el vídeo se manda al servidor central, donde se extraen las posiciones de las articulaciones. Esa información se suministra a la red neuronal para detectar un conjunto de signos. Para que esto funcione, la red tiene que estar previamente entrenada mediante un número suficiente de signos realizados por distintas personas y en distintos entornos para que sea robusto frente a la variabilidad de cada circunstancia.

Signamed consiste en un diccionario de signos en medicina para personas con sordera, que permitirá buscar con el propio signo

¿Se ha encontrado alguna dificultad?

Nos ha obligado a centrarnos en un contexto concreto para reducir el vocabulario y que el sistema sea capaz de analizarlo. Hemos elegido el entorno médico porque, según el feedback recibido por parte de la comunidad sorda, es uno de los ámbitos con mayor necesidad de interpretación. No siempre hay disponibles intérpretes de LSE que te puedan acompañar a una consulta médica o a las urgencias de un hospital. Por eso es un nicho realmente relevante para la aplicación de esta tecnología.

La comunidad sorda reclama interpretación de lengua de signos en el campo médico. / Vanessa Casteleiro

¿Existen más proyectos en esta línea?

Tenemos un par de proyectos. Uno de ellos es SignaMed, que busca crear un diccionario de signos relacionados con el ámbito médico que se pueda buscar con el propio signo. Es decir, que no tengas que buscar siempre por la palabra. Por ejemplo, si una persona sorda ve el signo de la diabetes, pero ni lo conoce ni entiende lo que significa esta palabra, puede hacerlo delante de la cámara y el diccionario encontrará una explicación del término. Otra iniciativa es SignaSalud para extender esta tecnología al reconocimiento de frases cortas, también relacionadas con el ámbito de la salud.

¿Cuál es su trabajo específico dentro de este proyecto?

Ayudo a probar las versiones sucesivas de la herramienta SignaMed, que está disponible desde ordenador y aplicación móvil. También he contribuido en la recopilación de las bases de datos que obtuvimos al principio, antes de que estuvieran disponibles los métodos en línea que ya recogen automáticamente los vídeos que nos proporcionan las personas que ayudan con el proyecto. Ese es punto fundamental: apelamos a la colaboración ciudadana para que las personas donen signos y entrenar los reconocedores. Esa es la única manera de conseguir un sistema lo más universal posible.

En estudios más recientes ha utilizado inteligencias artificiales para medir los sesgos de género. ¿Qué novedades ha supuesto la aplicación de esta metodología?

El procesado de lenguaje natural es una tecnología disruptiva. Nos puede ayudar a analizar de forma automática, cuáles son los contenidos que la gente vierte en las redes sociales. Se basa en el aprendizaje máquina (machine learning). Al igual que los sistemas que identifican signos, también los hay capaces de extraer significados a partir de texto. No es evidente si una frase tiene carácter peyorativo o la intención de insultar; el lenguaje está lleno de sutilezas y hay mil formas de expresar lo mismo. Algunas son más explícitas, otras no tanto. Además, varía mucho según el idioma.

Las redes sociales podrían limitar los mensajes de odio y vetar a quienes los vierten, pero hacen negocio de la polémica

¿En qué consistió el estudio?

Partimos de un sistema que detectase mensajes de odio. Lo “tuneamos” específicamente para detectar comentarios sexistas, lo cual requiere de mucha etiqueta manual. Se necesitan personas que revisen los textos y decidan cuáles entran dentro del marco planteado. Para ello recurrimos a un equipo multidisciplinar, contando con el ámbito de las humanidades. Además, como puede ser subjetivo, el juicio sobre la intencionalidad de cada comentario lo realizamos en grupo. Este tipo de herramientas todavía precisa de corrección, pero son útiles para determinar las tendencias en redes sociales. 

¿Cuáles diría que han sido los hallazgos más destacables?

Pese a tener una fuerza humana limitada, obtuvimos unos resultados bastante concluyentes en torno a la capacidad de identificar comentarios sexistas en estas plataformas. Si los grandes poseedores de bases de datos, como Google, Facebook, Twitter o Instagram, decidieran poner límite a este tipo de mensajes y vetar a quienes los vierten, podrían hacerlo sin ningún problema. Pero no les interesa, las redes sociales hacen negocio de la polémica.

Por otro lado, nuestra herramienta puede servir para observar qué perfiles obtienen los comentarios más negativos, que suelen ser los femeninos, según han identificado otros estudios. También lo son las personas que están expuestas a la mirada pública porque se dedican a la política, el deporte o el periodismo. Además, los mensajes muchas veces se basan en su físico y no en el trabajo que realizan.

El porcentaje de presencia femenina en informática, aeronáutica o las telecomunicaciones es muy pequeño, en ocasiones, por debajo del 20 %

¿Cómo valora la situación actual de las mujeres en el campo de la ingeniería?

Es complicada. Hace muchas décadas que se detecta una disparidad importante. En los centros de enseñanza, el ingreso de chicas en este ámbito no es que no aumente, sino que está en declive. El porcentaje de presencia femenina en titulaciones de informática, aeronáutica o las telecomunicaciones es muy pequeño, en ocasiones, por debajo del 20 %. Además, según subes en la escala académica, atendiendo al máster o el doctorado, la situación no mejora. En la carrera profesional también hay una mayor tasa de abandono en mujeres que en hombres.

¿A qué se debe esta disparidad?

Las ingenieras trabajan en un entorno en el que forman parte de una minoría, que además está penalizada por los estereotipos de género. Tienes mayor dificultad para ser propuesta para ascensos, que tus proyectos se valoren adecuadamente o incluso que tus opiniones se juzguen de manera ecuánime. Las condiciones laborales no son iguales y tampoco hay un reparto igualitario de las tareas domésticas y el cuidado familiar. Todo eso son piedras que se añaden en la mochila de las mujeres, por lo que van abandonando estas carreras. Este fenómeno se llama “tubería que gotea”.

Las ingenieras trabajan en un entorno en el que forman parte de una minoría, que además está penalizada por los estereotipos de género

Como presidenta de la asociación Nós Mesmas, que defiende los derechos de las mujeres LBT, ¿encuentra particularidades en la experiencia que viven las científicas del colectivo en este espacio históricamente masculinizado?

Hay muy poca gente en el ámbito profesional que haya hecho pública su orientación sexual, pero sí tenemos evidencia de que quienes lo hacen sufren por ese motivo. Si como mujer ya estás minorizada en determinados entornos masculinizados, y le añades otro eje de discriminación a mayores, la probabilidad de sentirte acogida es mucho más pequeña. Algunos estudios en Silicon Valley demuestran que cada eje de discriminación que se añade (ser mujer, lesbiana, racializada, etc.) supone estar un escalón más abajo en la pirámide del bienestar laboral. Al final, tienes pocas razones para hacer visible tu orientación sexual. Eso es un problema porque tampoco existen referentes, por ejemplo, de ingenieras lesbianas.

Cada eje de discriminación que se añade (ser mujer, lesbiana, racializada, etc.) supone estar un escalón más abajo en la pirámide del bienestar laboral

Sin embargo, otros compañeros de trabajo pueden hablar con mayor naturalidad sobre su vida privada.

Claro, los demás hablan de sus planes con su mujer o con su novio el fin de semana, pero tú te callas, lo cual hace más difícil establecer relaciones de amistad en tu trabajo. Ese tipo de conexiones no formales son fundamentales para que se te considere de cara a un proyecto o un ascenso. No es solo una cuestión de bienestar laboral, también te excluye de la confianza y perjudica tu trayectoria profesional.