La evolución de la mujer en posiciones de dirección en la administración pública de 2005 a 2022
“Cárdenas Damián Sandra Luz, Fuentes Segovia Batseba, Martínez Aponte Célica & Murillo Méndez Xavier A.”
2023-11-26
Universidad Nacional Autónoma de México - Maestría en Administración
Dr. Carlos Rodríguez Contreras
1. Introducción
El papel de la mujer en las esferas de la vida política y económica ha tenido una notable revalorización a nivel mundial, teniendo como consecuencia la inclusión de estas en espacios que han sido socialmente dominados por hombres. La adopción de agendas y políticas que impulsen la participación de mujeres en ámbitos políticos fomentan la igualdad entre hombres y mujeres. En el área jurídica, por ejemplo, en el caso de México, las reformas legislativas han impactado en el Poder Ejecutivo, fomentando la participación de las mujeres en las decisiones a nivel federal, estatal y municipal.
Para hablar de la inclusión de las mujeres en puestos de liderazgo dentro de la administración pública debemos empezar por hablar de su participación en el campo laboral. Su inclusión trae consigo distintos beneficios; como el crecimiento económico y una mayor recaudación de impuestos. De acuerdo a la Encuesta Nacional de Ocupación y Empleo (ENOE) del Instituto Nacional de Estadística y Geografía (INEGI) la población de 15 años y más que tuvo un vínculo con la actividad económica aumentó 11.5% entre el 1er trimestre del 2005 y el 4to trimestre del 2021 en referencia a las mujeres; sin embargo, sigue siendo significativamente inferior que la participación de los hombres. Del total de la población, las mujeres mayores de 15 años su participación en el mercado laboral es de 44.7% en contraste con el 76.4% de los hombres.
México es el 3er país de América Latina con menor presencia femenina en puestos de liderazgo o de mayor jerarquía en el sector público. En la administración pública las mujeres se mantienen en posiciones de menor rango y su presencia disminuye conforme aumenta el nivel jerárquico. La necesidad de medir la brecha de género en la administración pública federal no significa necesariamente alcanzar la paridad, sino el identificar las condiciones para que las mujeres puedan ascender y permanecer en puestos de liderazgo.
En el período comprendido entre 2005 y 2022, se ha evidenciado una notable evolución en la participación de las mujeres en puestos de la administración pública, específicamente en los congresos locales de México. Al analizar la información recopilada sobre la distribución de diputados por sexo, surge un panorama que refleja una persistente desigualdad de género. A lo largo de estos años, la presencia de mujeres en roles directivos ha experimentado un crecimiento, aunque se observa que los hombres continúan ocupando en mayor medida estas posiciones.
La disparidad de oportunidades y representación se manifiesta de manera clara en las estadísticas, revelando la necesidad de abordar y superar los obstáculos que limitan la participación equitativa de las mujeres en la esfera política. En este contexto, se hará una visualización gráfica de hombres y mujeres en puestos directivos a nivel nacional, despues de diputados y diputadas en congresos locales por sexo en el ámbito laboral entre hombres y mujeres, con el fin de visualizar la problemática de la participación de las mujeres en la administración pública.
Palabras clave: Disparidad, Liderazgo, Evolución, inclusión
2. Puestos directivos a nivel nacional en el sector privado del 2005 al 2020
Se planteó actualizar la legislación reglamentaria para que las autoridades laborales, federales y estatales desarrollen políticas y programas dirigidos a garantizar la inclusión laboral de las mujeres, eliminar las brechas de género en los ingresos laborales, así como fomentar la paridad de género en el nombramiento de puestos directivos de los sectores público y privado (Senado de la República, 2023).
2.1 Hipótesis
Hipótesis nula (H0): El sexo no está relacionado en la designación de puestos directivos en la administración pública.
Hipótesis alterna (H1): El sexo está relacionado en la designación de puestos directivos en la administración pública.
-Variable dependiente: designación de puestos directivos
-Variable independiente: sexo
2.1.1 Análisis de datos
Para el presente análisis se tomó la información de la base de datos del Instituto Nacional de las Mujeres (INMujeres), entidad del gobierno federal que coordina el cumplimiento de la política nacional en materia de igualdad sustantiva y coadyuva con la erradicación de la violencia contra las mujeres.
Se puede observar en la siguiente gráfica sobre la situación laboral en puestos directivos de las mujeres a nivel nacional desde el 2005 al 2020, los puestos directivos que han ocupado en los 32 estados a nivel nacional.
library(tidyverse)
library(Hmisc)
library(ggplot2)
if (!file.exists("INMUJERES/MujeresEnPuestosDirectivos.csv")){
if(!dir.exists("INMUJERES")){
dir.create("INMUJERES")
}
url<-"https://datos.inmujeres.gob.mx/archivo.php?f=f4243&t=csv"
download.file(url, destfile = "INMUJERES/MujeresEnPuestosDirectivos.csv", mode = "w",)
}
MujeresEnPuestosDirectivos <- read_csv("INMUJERES/MujeresEnPuestosDirectivos.csv")
MujeresEnPuestosDirectivos <- MujeresEnPuestosDirectivos[-c(1:3),]
puestos <- MujeresEnPuestosDirectivos[complete.cases(MujeresEnPuestosDirectivos), ]
puestos$`Entidad federativa` <-as.factor(puestos$`Entidad federativa`)
puestos$Año <-as.numeric(puestos$Año)
puestos$Total <-as.numeric(puestos$Total)
puestos$Mujeres <-as.numeric(puestos$Mujeres)
puestos$Hombres <-as.numeric(puestos$Hombres)
puestos$`%_mujeres`<-as.numeric(puestos$`%_mujeres`)
puestos$`%_hombres`<-as.numeric(puestos$`%_hombres`)
puestos2 <- puestos
puestos2$`Entidad federativa` <-as.factor(puestos2$`Entidad federativa`)
puestos2$Año <-as.factor(puestos2$Año)
puestos2$Total <-as.numeric(puestos2$Total)
puestos2$Mujeres <-as.numeric(puestos2$Mujeres)
puestos2$Hombres <-as.numeric(puestos2$Hombres)
puestos2$`%_mujeres` <-as.numeric(puestos2$`%_mujeres`)
puestos2$`%_hombres` <-as.numeric(puestos2$`%_hombres`)
library(ggplot2)
library(sjmisc)
ggplot(data = puestos2, aes(x = as.factor(Año), y = `%_mujeres`)) +
geom_point(size = 1, color = "darkblue") +
labs(title = "Distribución de % Mujeres en Puestos Directivos a Nivel Nacional por Año",
x = "Año", y = "% Mujeres") +
theme_minimal()
Gráfica Situación laboral en cuanto a puestos directivos ocupados por hombres a nivel nacional desde el 2005 al 2020. Aquí podemos observar los puestos directivos que han ocupado en los 32 estados a nivel nacional.
library(tidyverse)
library(Hmisc)
library(ggplot2)
if (!file.exists("INMUJERES/MujeresEnPuestosDirectivos.csv")){
if(!dir.exists("INMUJERES")){
dir.create("INMUJERES")
}
url<-"https://datos.inmujeres.gob.mx/archivo.php?f=f4243&t=csv"
download.file(url, destfile = "INMUJERES/MujeresEnPuestosDirectivos.csv", mode = "w",)
}
MujeresEnPuestosDirectivos <- read_csv("INMUJERES/MujeresEnPuestosDirectivos.csv")
MujeresEnPuestosDirectivos <- MujeresEnPuestosDirectivos[-c(1:3),]
puestos <- MujeresEnPuestosDirectivos[complete.cases(MujeresEnPuestosDirectivos), ]
puestos$`Entidad federativa` <-as.factor(puestos$`Entidad federativa`)
puestos$Año <-as.numeric(puestos$Año)
puestos$Total <-as.numeric(puestos$Total)
puestos$Mujeres <-as.numeric(puestos$Mujeres)
puestos$Hombres <-as.numeric(puestos$Hombres)
puestos$`%_mujeres`<-as.numeric(puestos$`%_mujeres`)
puestos$`%_hombres`<-as.numeric(puestos$`%_hombres`)
puestos2 <- puestos
puestos2$`Entidad federativa` <-as.factor(puestos2$`Entidad federativa`)
puestos2$Año <-as.factor(puestos2$Año)
puestos2$Total <-as.numeric(puestos2$Total)
puestos2$Mujeres <-as.numeric(puestos2$Mujeres)
puestos2$Hombres <-as.numeric(puestos2$Hombres)
puestos2$`%_mujeres` <-as.numeric(puestos2$`%_mujeres`)
puestos2$`%_hombres` <-as.numeric(puestos2$`%_hombres`)
library(ggplot2)
library(sjmisc)
# Gráfico de dispersión para % Hombres en puestos directivos a nivel Nacional
ggplot(data = puestos2, aes(x = as.factor(Año), y = `%_hombres`)) +
geom_point(size = 1, color = "darkred") +
labs(title = "Distribución de % Hombres en Puestos Directivos a Nivel Nacional por Año",
x = "Año", y = "% Hombres") +
theme_minimal()
En estas gráficas, se puede observar un porcentaje desigual en los 32 estados y una tendencia mayor en cuanto a los hombre que tienen más puestos directivos ya que ocuparon el 70% de los puestos. En cambio en la gráfica de dispersión, las mujeres lograron alcanzar solo el 50% de los puestos directivos.
En los boxplot presentados en el siguiente gráfico se observa claramente esta diferencia porcentual entre mujeres y hombres.
library(tidyverse)
library(Hmisc)
library(ggplot2)
if (!file.exists("INMUJERES/MujeresEnPuestosDirectivos.csv")){
if(!dir.exists("INMUJERES")){
dir.create("INMUJERES")
}
url<-"https://datos.inmujeres.gob.mx/archivo.php?f=f4243&t=csv"
download.file(url, destfile = "INMUJERES/MujeresEnPuestosDirectivos.csv", mode = "w",)
}
MujeresEnPuestosDirectivos <- read_csv("INMUJERES/MujeresEnPuestosDirectivos.csv")
MujeresEnPuestosDirectivos <- MujeresEnPuestosDirectivos[-c(1:3),]
puestos <- MujeresEnPuestosDirectivos[complete.cases(MujeresEnPuestosDirectivos), ]
puestos$`Entidad federativa` <-as.factor(puestos$`Entidad federativa`)
puestos$Año <-as.numeric(puestos$Año)
puestos$Total <-as.numeric(puestos$Total)
puestos$Mujeres <-as.numeric(puestos$Mujeres)
puestos$Hombres <-as.numeric(puestos$Hombres)
puestos$`%_mujeres`<-as.numeric(puestos$`%_mujeres`)
puestos$`%_hombres`<-as.numeric(puestos$`%_hombres`)
puestos2 <- puestos
puestos2$`Entidad federativa` <-as.factor(puestos2$`Entidad federativa`)
puestos2$Año <-as.factor(puestos2$Año)
puestos2$Total <-as.numeric(puestos2$Total)
puestos2$Mujeres <-as.numeric(puestos2$Mujeres)
puestos2$Hombres <-as.numeric(puestos2$Hombres)
puestos2$`%_mujeres` <-as.numeric(puestos2$`%_mujeres`)
puestos2$`%_hombres` <-as.numeric(puestos2$`%_hombres`)
library(ggplot2)
library(tidyr)
# Asegúrate de tener cargada la librería 'tidyverse' que incluye 'pivot_longer'
# library(tidyverse)
# Crear una columna 'variable' para distinguir Mujeres y Hombres
puestos2_long <- pivot_longer(puestos2, cols = c(`%_mujeres`, `%_hombres`), names_to = "variable", values_to = "porcentaje")
# Combinar boxplots en un solo gráfico
combined_boxplot <- ggplot(data = puestos2_long, aes(x = as.factor(Año), y = porcentaje, fill = variable)) +
geom_boxplot(width = 0.7, alpha = 0.7) +
labs(title = "Distribución de Puestos Directivos a Nivel Nacional por Año",
x = "Año", y = "Porcentaje") +
scale_fill_manual(values = c("%_mujeres" = "skyblue", "%_hombres" = "darkred")) +
theme_minimal() +
theme(legend.position = "top")
print(combined_boxplot)
En el siguiente gráfico se visualiza la diferencia en el porcentaje de mujeres en puestos directivos que se contrataron cada año desde el 2005 al 2020. En esta, se ve una diferencia marcada en la que los hombres en el 2005 tenían casi el 80% de los puestos directivos de las empresas mientras en este mismo año el 45% de los puestos fue ocupado por mujeres ocupando estos puestos de dirección. Conforme han avanzado los años, se ha visto una notoria disminución de la desigualdad en los puestos en el sector privado para posiciones directivas; sin embargo, todavía existe una clara diferencia en el porcentaje de hombres (entre el 60% y mujeres el 50%).
library(tidyverse)
library(Hmisc)
library(ggplot2)
if (!file.exists("INMUJERES/MujeresEnPuestosDirectivos.csv")){
if(!dir.exists("INMUJERES")){
dir.create("INMUJERES")
}
url<-"https://datos.inmujeres.gob.mx/archivo.php?f=f4243&t=csv"
download.file(url, destfile = "INMUJERES/MujeresEnPuestosDirectivos.csv", mode = "w",)
}
MujeresEnPuestosDirectivos <- read_csv("INMUJERES/MujeresEnPuestosDirectivos.csv")
MujeresEnPuestosDirectivos <- MujeresEnPuestosDirectivos[-c(1:3),]
puestos <- MujeresEnPuestosDirectivos[complete.cases(MujeresEnPuestosDirectivos), ]
puestos$`Entidad federativa` <-as.factor(puestos$`Entidad federativa`)
puestos$Año <-as.numeric(puestos$Año)
puestos$Total <-as.numeric(puestos$Total)
puestos$Mujeres <-as.numeric(puestos$Mujeres)
puestos$Hombres <-as.numeric(puestos$Hombres)
puestos$`%_mujeres`<-as.numeric(puestos$`%_mujeres`)
puestos$`%_hombres`<-as.numeric(puestos$`%_hombres`)
puestos2 <- puestos
puestos2$`Entidad federativa` <-as.factor(puestos2$`Entidad federativa`)
puestos2$Año <-as.factor(puestos2$Año)
puestos2$Total <-as.numeric(puestos2$Total)
puestos2$Mujeres <-as.numeric(puestos2$Mujeres)
puestos2$Hombres <-as.numeric(puestos2$Hombres)
puestos2$`%_mujeres` <-as.numeric(puestos2$`%_mujeres`)
puestos2$`%_hombres` <-as.numeric(puestos2$`%_hombres`)
library(ggplot2)
library(RColorBrewer)
# Número total de años
num_anos <- length(unique(puestos2$Año))
# Crear una paleta personalizada con más colores basados en la paleta Set3
custom_palette <- rep(brewer.pal(n = 12, name = "Set3"), length.out = num_anos)
library(ggplot2)
library(RColorBrewer)
# Número total de años
num_anos <- length(unique(puestos2$Año))
# Crear una paleta personalizada con más colores basados en la paleta Set3
custom_palette <- rep(brewer.pal(n = 12, name = "Set3"), length.out = num_anos)
# Convertir datos a formato largo
puestos2_long <- tidyr::pivot_longer(puestos2, cols = c(`%_mujeres`, `%_hombres`), names_to = "variable", values_to = "porcentaje")
# Gráfico para puestos directivos de Mujeres y Hombres 2005 - 2020
ggplot(data = puestos2_long, aes(x = as.factor(Año), y = porcentaje, fill = as.factor(Año))) +
geom_bar(stat = "identity", position = position_dodge(width = 0.8), alpha = 0.7) +
labs(title = "Puestos directivos 2005 - 2020", x = "Año", y = "Porcentaje") +
scale_fill_manual(values = custom_palette) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
facet_wrap(~ variable, scales = "free_y", ncol = 1)
3. Cámara de Diputados
Ahora se analizarán los puestos designados en la cámara de diputados de México a nivel nacional. Examinaremos los puestos del 2003 al 2020 realizando un análisis gráfico que visualizará como a nivel de la administración pública se ha ido reduciendo la desigualdad entre mujeres y hombres, esto debido a diversos factores como las leyes que se han implementado y normas que se han desarrollado.
Tales como:
-La ley de Cuotas de Género: También conocidas como cuotas de participación por sexo/mujeres, son una acción cuyo propósito es garantizar la integración de mujeres en puestos o funciones clave dentro del organismo laboral. Dichas cuotas garantizan una representación equitativa de hombres y mujeres en cargos políticos.
-Estas cuotas pueden aplicarse a listas de candidatos o incluso a la composición de gabinetes. Acceso a la Educación y Formación Profesional: Fomentar el acceso igualitario a la educación y a oportunidades de formación profesional, es la clave para abordar la disparidades de género en el empleo y permitir que las mujeres tengan acceso a roles de liderazgo.
-Licencia de Maternidad y Paternidad: De acuerdo al art. 132 de la Ley federal del trabajo. Por ley, se otorgan cinco días de licencia con goce de sueldo a los padres y a las madres de la misma forma se otorga la expedición del certificado único de incapacidad, correspondiente a 84 días naturales (contemplando el período prenatal y posparto).
-Prevención del acoso sexual: Es importante destacar que en el marco legal incluye disposiciones específicas para sancionar el acoso sexual.
En el código penal federal, el artículo 259 establece sanciones para aquellas personas que incurran en este delito. Dicho articulo hace mención a una sanción de seis meses a dos años años de prisión a quienes asedien, acosen o soliciten favores de naturaleza sexual de manera reiterada a personas de cualquier sexo, ya sea para sí mismos o para un tercero.
La existencia de estas leyes son esenciales para transformar sociedades hacia una mayor igualdad de género, creando entornos laborales y políticos más justos, inclusivos y equitativos.
Para empezar, la Cámara de Diputados se conforma de representantes de la Nación electos cada 3 años, por los ciudadanos mexicanos. La Cámara de Diputados está compuesta por 500 Diputados, divididos en: 300 Diputados elegidos, según el principio de votación mayoritaria relativa, mediante sistemas de distritos electorales y 200 Diputados que son electos, según el principio de representación proporcional, mediante el sistema de listas regionales, votadas en 5 circunscripciones plurinominales.
En la siguiente gráfica se representan los puestos directivos de las mujeres de 2003 a 2020, indicando el número de escaños que ocupan en la Cámara de Diputados en relación con sus contrapartes masculinas.
Las siguientes gráficas por orden de aparición indican los puestos que se otorgan por año a las diputadas, diputados, y al final, la gráfica comparativa entre ambas.
library(readr)
library(sjmisc)
library(tidyr)
library(ggplot2)
library(dplyr)
library(stringr)
library(httr)
if (!file.exists("INMUJERES/MujeresDiputadas.csv")){
if(!dir.exists("INMUJERES")){
dir.create("INMUJERES")
}
url<-"https://datos.inmujeres.gob.mx/archivo.php?f=f4242&t=csv"
download.file(url, destfile = "INMUJERES/MujeresDiputadas.csv", mode = "w",)
}
library(readr)
MujeresDiputadas <- read_csv("INMUJERES/MujeresDiputadas.csv",
locale = locale(encoding = "ASCII", asciify = TRUE))
names(MujeresDiputadas) <- c("Entidad", "Año", "Diputadas", "Diputados", "Total", "Porcentaje Diputadas", "Porcentaje Diputados")
MujeresDiputadas$Entidad <-as.factor(MujeresDiputadas$Entidad)
MujeresDiputadas$Año <-as.factor(MujeresDiputadas$Año)
MujeresDiputadas$Diputadas <-as.numeric(MujeresDiputadas$Diputadas)
MujeresDiputadas$Diputados <-as.numeric(MujeresDiputadas$Diputados)
MujeresDiputadas$Total <-as.numeric(MujeresDiputadas$Total)
MujeresDiputadas$`Porcentaje Diputadas` <-as.numeric(MujeresDiputadas$`Porcentaje Diputadas`)
MujeresDiputadas$`Porcentaje Diputados` <-as.numeric(MujeresDiputadas$`Porcentaje Diputados`)
ggplot(data = MujeresDiputadas, aes(x = as.factor(Diputadas), fill = "Diputadas")) +
geom_bar(aes(y = as.factor(Año)), stat = "identity", position = "dodge", color = "white", width = 0.7) +
labs(title = "Distribución de Diputadas por Año", x = "Número de Diputadas", y = "Año") +
scale_fill_manual(values = c("Diputadas" = "darkblue")) + # Puedes ajustar el color según tus preferencias
theme_minimal() +
theme(axis.text.y = element_text(size = 8)) # Ajusta el tamaño de las etiquetas del eje y
# Gráfica de barras para Diputados del 2003 al 2020
ggplot(data = MujeresDiputadas, aes(x = as.factor(Diputados), fill = "Diputados")) +
geom_bar(aes(y = as.factor(Año)), stat = "identity", position = "dodge", color = "white", width = 0.7) +
labs(title = "Distribución de Diputados por Año", x = "Número de Diputados", y = "Año") +
scale_fill_manual(values = c("Diputados" = "darkred")) + # Puedes ajustar el color según tus preferencias
theme_minimal() +
theme(axis.text.y = element_text(size = 8)) # Ajusta el tamaño de las etiquetas del eje y
En la siguiente gráfica de distribución está representado el número de puestos en la Cámara de Diputados en base a los años 2003 al 2020.
library(ggplot2)
# Convertir "Año" a tipo numérico
MujeresDiputadas$Año <- as.numeric(as.character(MujeresDiputadas$Año))
# Grafica de datos Diputadas en la Cámara con línea de tendencia
ggplot(data = MujeresDiputadas, aes(x = Diputadas, y = Año, color = "Diputadas")) +
geom_point(size = 3, alpha = 0.7) +
geom_smooth(method = "lm", se = FALSE, color = "blue", linetype = "dashed") +
labs(title = "Distribución de Diputadas por Año", x = "Número de Diputadas", y = "Año") +
scale_color_manual(values = "blue") + # Puedes ajustar el color según tus preferencias
theme_minimal()
# Grafica de datos Diputados en la Cámara con línea de tendencia
ggplot(data = MujeresDiputadas, aes(x = Diputados, y = Año, color = "Diputados")) +
geom_point(size = 3, alpha = 0.7) +
geom_smooth(method = "lm", se = FALSE, color = "red", linetype = "dashed") +
labs(title = "Distribución de Diputados por Año", x = "Número de Diputados", y = "Año") +
scale_color_manual(values = "red") + # Puedes ajustar el color según tus preferencias
theme_minimal()
En la siguiente gráfica podemos apreciar la distribución del número de puestos tanto en diputados como diputadas y la línea de tendencia.
library(ggplot2)
library(gridExtra)
# Convertir "Año" a tipo numérico
MujeresDiputadas$Año <- as.numeric(as.character(MujeresDiputadas$Año))
# Crear la columna "Género" para distinguir entre Diputadas y Diputados
MujeresDiputadas$Género <- ifelse(MujeresDiputadas$Diputadas > 0, "Diputadas", "Diputados")
# Grafica de datos Diputadas en la Cámara con línea de tendencia
plot_diputadas <- ggplot(data = MujeresDiputadas, aes(x = Diputadas, y = Año, color = "Diputadas")) +
geom_point(size = 3, alpha = 0.7) +
geom_smooth(method = "lm", se = FALSE, color = "blue", linetype = "dashed") +
labs(title = "Distribución de Diputadas por Año", x = "Número de Diputadas", y = "Año") +
scale_color_manual(values = "blue") + # Puedes ajustar el color según tus preferencias
theme_minimal()
# Grafica de datos Diputados en la Cámara con línea de tendencia
plot_diputados <- ggplot(data = MujeresDiputadas, aes(x = Diputados, y = Año, color = "Diputados")) +
geom_point(size = 3, alpha = 0.7) +
geom_smooth(method = "lm", se = FALSE, color = "red", linetype = "dashed") +
labs(title = "Distribución de Diputados por Año", x = "Número de Diputados", y = "Año") +
scale_color_manual(values = "red") + # Puedes ajustar el color según tus preferencias
theme_minimal()
# Combinar ambas gráficas en una sola imagen
grid.arrange(plot_diputadas, plot_diputados, ncol = 2)
En el esquema a continuación podemos visualizar los porcentajes de estas dos distribuciones, tanto de hombres como de mujeres en los puestos de la Cámara de Diputados. Destaca que para el 2020 por tres años consecutivos es notoria una igualdad porcentual en puestos de la Cámara, lo cual nos hace preguntarnos ¿estamos llegando al punto de la igualdad?.
library(ggplot2)
# Gráfica de Porcentaje de Diputadas y Diputados por Año con escala de colores
ggplot(data = MujeresDiputadas) +
geom_point(aes(x = `Porcentaje Diputadas`, y = Año, color = "Diputadas"), size = 2) +
geom_point(aes(x = `Porcentaje Diputados`, y = Año, color = "Diputados"), size = 2) +
geom_text(aes(x = `Porcentaje Diputadas`, y = Año, label = paste(round(`Porcentaje Diputadas`, 2))), vjust = -0.5) +
geom_text(aes(x = `Porcentaje Diputados`, y = Año, label = paste(round(`Porcentaje Diputados`, 2))), vjust = -0.5) +
scale_color_manual(values = c("Diputadas" = "blue", "Diputados" = "red")) +
labs(title = "Distribución de Porcentaje de Diputadas y Diputados por Año (2003-2020)",
x = "Porcentaje de Diputadas y Diputados", y = "Año") +
facet_grid(. ~ ., scales = "free_y", space = "free_y", switch = "both")
En esta gráfica las diputadas son las que están representadas en color azul y en color rojo los diputados. Vemos cómo con cada año se va cerrando la brecha entre escaños ocupados por mujeres y hombres; ya que la diferencia en 2003 era muy amplia y conforme van avanzando los años se vislumbra que la brecha se ha ido cerrando.
Por lo tanto, a medida que avanzamos en el tiempo, los datos arrojan una tendencia positiva hacia la igualdad de género en la representación política en la Cámara de Diputados. En los últimos años se observa una consistencia en los porcentajes, indicando un equilibrio entre ambos sexos. Este fenómeno sugiere un progreso significativo hacia la igualdad de género en el ámbito político. Aunque estos datos son alentadores, es importante seguir monitoreando y promoviendo iniciativas que fomenten la participación activa de mujeres en la política para consolidar estos avances.
library(ggplot2)
# Grafica de datos Diputadas en camara y Diputados en camara
ggplot(data = MujeresDiputadas) +
geom_point(aes(x = Diputadas, y = Año), size = 1, color = "blue") +
geom_point(aes(x = Diputados, y = Año), size = 1, color = "red") +
labs(title = "Distribución de Diputadas y Diputados por Año", x = "Número de Diputadas y Diputados", y = "Año") +
facet_grid(. ~ Año, scales = "free_y", space = "free_y")
En el histograma como en el boxplot se nota la diferencia más clara de nuestros datos verificando que al paso del tiempo al principio se existía una gran diferencia en puestos para diputados, pero que actualmente están llegando a una igualdad de género gracias a la existencia de legislaciones, normas y reglamentaciones que pudieron llegar a cumplir el objetivo casi 20 años.
# Establecer diseño de la ventana gráfica
par(mfrow=c(1,3), mar=c(4,4,4,1)+.1)
# Histograma de Diputadas
hist(MujeresDiputadas$Diputadas, main="Histograma de Diputadas", xlab="Número de Diputadas", col="skyblue", border="white")
# Histograma de Diputados
hist(MujeresDiputadas$Diputados, main="Histograma de Diputados", xlab="Número de Diputados", col="lightcoral", border="white")
# Establecer diseño de la ventana gráfica
par(mfrow=c(1,1), mar=c(4,4,4,1)+.1)
# Boxplot
boxplot(MujeresDiputadas[, c("Diputadas", "Diputados")],
main="Boxplot de Diputadas y Diputados",
col=c("skyblue", "lightcoral"),
names=c("Diputadas", "Diputados"))
boxplot <- boxplot(MujeresDiputadas[, c("Diputadas", "Diputados")],
plot = FALSE, col=c("skyblue", "lightcoral"),
names=c("Diputadas", "Diputados"))Para concluir, recomendamos el siguiente video donde se refuerza la idea general de este artículo.
4. Conclusiones
A partir del análisis realizado y los resultados obtenidos de las gráficas comparativas podemos concluir que de 2003 a 2020 ha habido una notoria participación mayor de las mujeres en puestos directivos; sin embargo, no es suficiente para decir que la brecha de género se ha cerrado.
En cuanto a las mujeres ocupando puestos en la Cámara de Diputados, sí podemos decir que esta brecha ha ido disminuyendo año con año. Cabe destacar que, esto no significa que los puestos de trabajo que ocupan sean a nivel dirección, pero sí de toma de decisiones.
Aunque la tendencia en ambos casos ha sido a la igualdad, es decir, a que más mujeres tengan oportunidad de ocupar cargos directivos y como diputadas, sigue existiendo una disparidad considerable con sus pares masculinos.
La igualdad de género no consiste solamente en la misma cantidad de hombres y mujeres ocupando los mismos cargos, sino que las mujeres obtengan las mismas oportunidades, los mismos derechos, el mismo trato y las condiciones idóneas para desempeñar sus funciones sin que tengan que descuidar su proyecto personal de vida o familiar por su trabajo.
La igualdad es actualmente uno de los valores clave de la ética empresarial de las organizaciones y hay diferentes estrategias y medidas que las empresas u organizaciones pueden implementar para lograrlo y garantizar que todas las personas obtengan las mismas oportunidades
Por lo que se concluye que “El sexo sí está relacionado en la designación de puestos directivos en la administración pública”.
5. Fuentes de información
-Dr. Jorge González Chávez y Pitalúa Torres, Víctor David, “ESTRUCTURA DE LA CÁMARA DE DIPUTADOS DEL H. CONGRESO DE LA UNIÓN”, Secretaría de Servicios Parlamentarios Servicio de Investigación y Análisis, México, Agosto 2005.
-“Coordinación de Comunicación Social - Impulsan paridad de género en puestos directivos de sectores público y privado”. Coordinación de Comunicación Social - INICIO. https://comunicacionsocial.senado.gob.mx/informacion/comunicados/5750-impulsan-paridad-de-genero-en-puestos-directivos-de-sectores-publico-y-privado.[Consultado el 25 de noviembre de 2023].
-“Igualdad en el trabajo: ¿en qué consiste?” Personio, 12 de abril de 2022. https://www.personio.es/glosario/igualdad-en-el-trabajo/. [Consultado el 25 de noviembre de 2023].
-“Mujeres en las secretarías de estado 2023”. Mujeres en las secretarías de estado 2023. https://imco.org.mx/mujeres-en-las-secretarias-de-estado-2023/. [Consultado el 25 de noviembre de 2023].
-“Mujeres en las titularidades de la administración pública - REALIDAD, DATOS Y ESPACIO REVISTA INTERNACIONAL DE ESTADÍSTICA Y GEOGRAFÍA”. REALIDAD, DATOS Y ESPACIO REVISTA INTERNACIONAL DE ESTADÍSTICA Y GEOGRAFÍA. https://rde.inegi.org.mx/index.php/2023/01/06/mujeres-en-las-titularidades-de-la-administracion-publica/#:~:text=En%20el%202018%20se%20mantuvo,disminuyó%20en%209%20por%20ciento. [Consultado el 25 de noviembre de 2023].
-Díaz, R. (2022, October 2). .Justicia Abierta: Evolución Histórica de la Participación Política de las Mujeres. . - YouTube. Retrieved November 29, 2023, from https://www.youtube.com/watch?v=oppw30hYFgk