L’étude intitulée « Disparité entre les sexes dans les programmes STEM au Kenya : le cas de l’Université de technologie Dedan Kimathi », menée par des chercheurs de DeKUT et publiée en 2024 dans le cadre du projet GRAIN, analyse les inégalités de genre dans les domaines STEM (sciences, technologies, ingénierie et mathématiques) au Kenya.
En s’appuyant sur les données du KUCCPS (2019–2023), les auteurs montrent que la proportion de femmes inscrites dans les programmes STEM de DeKUT reste inférieure à 30 %, tombant à 26,4 % en 2023. Une comparaison avec d’autres universités kényanes révèle des tendances similaires, confirmant que ces disparités sont systémiques à l’échelle nationale. Les écarts sont particulièrement marqués dans les filières d’ingénierie (moins de 25 % de femmes), tandis que les disciplines des sciences et des mathématiques enregistrent des progrès inégaux (par exemple 41,8 % de femmes en sciences en 2021, contre 27,9 % en 2023).
Les causes identifiées incluent les stéréotypes de genre, le manque de modèles féminins, ainsi que des barrières culturelles et éducatives, comme l’ont confirmé des études antérieures (UNESCO, 2019 ; Mukhwana et al., 2020).
Les auteurs soulignent également la nécessité d’adopter une approche intersectionnelle afin de prendre en compte les formes multiples de discrimination.
Pour y remédier, ils recommandent :
la mise en place de programmes de mentorat pour les étudiantes en STEM ;
des campagnes de sensibilisation contre les stéréotypes ;
une révision des politiques éducatives, notamment en matière de critères d’admission et d’attribution des bourses.
Cette étude apporte une contribution importante au débat mondial sur l’égalité des genres dans les carrières scientifiques et technologiques, un enjeu essentiel pour la réalisation des Objectifs de développement durable (ODD).
Lisez l’article complet ici :
Not that long ago, people lived and functioned in tight communities. Every vendor knew their customers personally and could make...
This Machine Learning Glossary aims to briefly introduce the most important Machine Learning terms - both for the commercially and...
FR 
EN 
