sábado, 11 de julho de 2026

A ciência é sexista? Um olhar sobre prêmios, poder e visibilidade

A ciência é sexista? Um olhar sobre prêmios, poder e visibilidade

Quando olhamos para a distribuição de prêmios de prestígio na ciência, o contraste é difícil de ignorar. Entre centenas de laureados com o Prêmio Nobel em Física, Química e Medicina, apenas algumas dezenas são mulheres, o que corresponde a algo em torno de 3%–4% dos laureados nessas áreas ao longo de mais de um século. Estudos recentes lembram que, mesmo após décadas de avanços, a porcentagem de mulheres premiadas em ciências mal saiu da casa dos poucos por cento. Isso não acontece porque quase não há mulheres cientistas, mas porque há um descompasso evidente entre a presença feminina na pesquisa e o seu reconhecimento formal em prêmios de elite.

No caso da Medalha Fields, a situação é ainda mais extrema. Desde a criação desse prêmio, em 1936, até hoje, apenas duas mulheres foram agraciadas: Maryam Mirzakhani (2014) e Maryna Viazovska (2022), diante de dezenas de homens. Em paralelo, estatísticas em vários países indicam que, há décadas, uma parcela significativa dos doutorados em Matemática é obtida por mulheres, o que torna a exclusão delas das posições de maior prestígio algo difícil de explicar apenas com base em mérito individual ou “falta de vocação”. A matemática não é neutra em sua estrutura social: a forma como a comunidade se organiza, seleciona, convida, indica e prestigia tende a reproduzir desigualdades preexistentes.

Pesquisas em ciências sociais e estudos de gênero apontam que essa assimetria não ocorre apenas em prêmios científicos. Em grandes empresas globais, por exemplo, mulheres continuam sendo minoria absoluta nas posições de maior poder: estimativas recentes indicam que algo em torno de 6% dos cargos de CEO em grandes corporações (como o grupo Fortune 500 global) são ocupados por mulheres. Ou seja, em cada 100 grandes empresas, pouco mais de meia dúzia são chefiadas por elas. Quando olhamos para a política institucional, vemos um padrão semelhante: o número de mulheres que chegaram a chefiar Estados ou Governos, embora crescente, ainda é pequeno se comparado ao conjunto de países e à história de liderança predominantemente masculina.

Diante desses dados, a pergunta “a ciência é sexista?” precisa ser formulada com cuidado. A ciência, enquanto método de produção de conhecimento, não tem gênero. Mas a comunidade científica, as instituições, os critérios de prestígio e os mecanismos de ascensão foram construídos em sociedades historicamente patriarcais. Isso significa que, mesmo quando regras parecem neutras, elas atuam sobre histórias de acesso desigual à educação, redes de contatos predominantemente masculinas, expectativas diferentes sobre maternidade e carreira, além de estereótipos persistentes sobre quem “parece” um cientista brilhante.

Estudos sobre gênero e prêmios científicos mostram que o problema não está apenas na “porta de entrada”. Em muitas áreas, mulheres já são parcela significativa entre estudantes de graduação, mestrado e até doutorado. O funil se estreita mais fortemente na transição para posições permanentes, liderança de grupos, coordenação de projetos e, por fim, nos círculos onde se escolhem nomes para prêmios, cátedras, academias e honrarias. Pesquisas indicam que, mesmo quando produzem trabalhos em equipes mistas, mulheres tendem a ser menos lembradas como líderes intelectuais do projeto, recebem menos citações ou reconhecimento explícito, e muitas vezes têm sua contribuição diluída na figura de colegas homens mais visíveis.

Isso se combina com o chamado “viés implícito”: uma tendência inconsciente de associar genialidade, autoridade e competência a figuras masculinas. Experimentos com avaliação de currículos idênticos, mudando apenas o nome do candidato (masculino ou feminino), mostram que avaliadores atribuem, em média, maior competência, maior empregabilidade e salários mais altos ao nome masculino. Esses vieses não agem de forma caricata e aberta, mas como uma espécie de filtro invisível, que vai reduzindo sutilmente as chances de determinadas pessoas ao longo da carreira. Quando prêmios e cargos dependem de indicações, reputação e redes informais de prestígio, esse acúmulo de pequenas desvantagens se torna decisivo.

No caso específico da ciência, ainda existe o peso de narrativas históricas que naturalizam a ausência feminina nas posições de destaque. Muitas vezes se argumenta que os prêmios refletem apenas “quem fez a melhor ciência” ou “quem chegou lá por puro mérito”. Essa visão ignora como barreiras estruturais — acesso tardio das mulheres à universidade, discriminação explícita em contratações e promoções, restrições à participação em sociedades científicas, dificuldade para conciliar carreiras acadêmicas altamente competitivas com responsabilidades de cuidado — impactaram e ainda impactam a trajetória de pesquisadoras. Quando se observa que, em algumas áreas, as mulheres são uma fração substancial dos doutorados há décadas, mas quase não aparecem em prêmios, fica difícil sustentar que se trata apenas de “falta de candidatas”.

O problema se torna mais claro quando conectamos ciência, empresas e política. Se a elite científica (prêmios, academias), a elite econômica (CEOs) e a elite política (chefes de Estado e de Governo) são majoritariamente masculinas, isso sugere um padrão cultural mais amplo: a dificuldade em reconhecer e aceitar mulheres em posições de autoridade máxima. A ciência não está fora da sociedade; ela espelha, em grande medida, os valores e hierarquias do mundo em que está inserida. A sub-representação de mulheres na lista de laureados não é, portanto, um fenômeno isolado, mas parte de uma arquitetura social que distribui reconhecimento, poder simbólico e material de forma desigual.

Dizer que a ciência é sexista, nesse sentido, não significa afirmar que todas as pessoas que a praticam sejam conscientemente discriminatórias. Significa reconhecer que as regras, práticas e culturas institucionais, mesmo quando não explicitamente hostis, foram desenhadas num contexto em que o sujeito padrão da ciência era o homem branco, de determinado estrato social e geográfico. Mudar isso exige mais do que “esperar o tempo passar”: requer políticas ativas de inclusão, revisões de critérios de seleção, cuidado com vieses em comitês de prêmios e concursos, e visibilidade maior para trajetórias femininas e de outras minorias.

Há sinais de mudança importantes: mais mulheres ingressando na pós-graduação, ocupando posições de liderança em grupos de pesquisa, dirigindo sociedades científicas, assumindo reitorias e cargos de gestão acadêmica, além de conquistas simbólicas como as primeiras mulheres laureadas em prêmios historicamente masculinos. Mas a lentidão desses avanços mostra que o problema é estrutural, e não apenas geracional. A cada nova rodada de prêmios sem mulheres nas áreas centrais da ciência, a mensagem implícita que a comunidade transmite às jovens pesquisadoras é desalentadora.

Uma ciência menos sexista não é apenas uma questão de justiça para com as mulheres; é também uma questão de qualidade do próprio conhecimento. Ambientes mais diversos tendem a formular perguntas diferentes, problematizar pressupostos invisíveis e construir soluções mais robustas. Quando excluímos sistematicamente uma parte do talento disponível — seja por gênero, raça, origem social ou localização geográfica — empobrecemos a imaginação científica e limitamos as possibilidades do que a ciência pode ser e fazer. Reconhecer o sexismo estrutural na ciência, portanto, é um passo necessário não só para reparar injustiças passadas, mas para ampliar o horizonte de futuro da própria atividade científica.

Nota de transparência

Este texto foi elaborado com o auxílio de uma ferramenta de inteligência artificial (Perplexity, assistente baseado em modelos de linguagem), a partir de perguntas, orientações e revisão crítica do autor humano. A imagem acima foi gerada pela Gemini (a inteligência artificial do Google) a partir do prompt e do contexto textual fornecidos pelo usuário. Todo o design visual, a diagramação em estilo meme e o texto em português foram processados e renderizados de forma automatizada pelo modelo de IA.

Nenhum comentário:

Postar um comentário