4.1 La desagregació i el creuament de variables

La desagregació de dades es refereix a la separació de la informació recollida en unitats més petites per dilucidar les tendències i els patrons subjacents. Disposar de dades desagregades (per sexe, gènere, edat, origen o altres variables socioeconòmiques) ens serveix per aconseguir una millor representació de la realitat i aportar informació valuosa en la presa de decisions.

En relació amb la dimensió sexe/gènere, hi ha un debat intens en l’àmbit acadèmic, polític i social sobre com desagregar-la. Si bé al capítol 2 hem proposat recollir ambdues variables (el sexe assignat en néixer i la identitat de gènere), a l’hora d’operar cal decidir quines variables escollirem a fi de fer-ne el creuament. Si optem per treballar amb les dues, podrem conèixer amb més profunditat les variacions entre sexe – identitat de gènere; això no obstant, l’opció més freqüent és mostrar la variable més rellevant en funció de l’àmbit i el tema tractats d’acord amb raons substantives o metodològiques.

En qualsevol cas, més enllà del debat sobre la variable sexe/gènere, cal fomentar la desagregació per altres variables (edat, origen geogràfic, nivell d’estudi, adscripció ètnica…) a fi de conèixer com operen i interseccionen els altres eixos de desigualtat i discriminació. Com a exemples positius en aquest sentit podem fer les observacions següents.

En la publicació dels resultats de l’Enquesta de salut de Catalunya (ESCA) del Departament de Salut (2021) es presenten un conjunt de taules per sexe i nivell educatiu, sexe i edat, i finalment sexe i classe social de la persona de referència. Això ens permet, per exemple, comprovar que el consum de medicaments, que és superior en les dones que entre els homes (un fenomen conegut), no té lloc de forma homogènia en funció del grup socioeconòmic i que afecta més els nivells més baixos. Des de la PGI considerem necessari que, quan estiguin disponibles, es creui la variable gènere (o en el seu defecte sexe) amb altres variables associades amb eixos de desigualtat/discriminació. Si bé és recomanable fer estudis amb creuaments múltiples, som conscients que, especialment degut a la dimensió de la mostra, els creuament més comuns són els que relacionen dos eixos sociodemogràfics. En aquest sentit, volem apuntar la importància de creuar el gènere amb variables que reflecteixin:

• L’edat (generació o etapa del cicle de vida), que ens proporciona informacions importants sobre la mesura en què prevalen les normes i desigualtats de gènere de manera diferent en funció de la generació o bé de l’etapa vital. És una pràctica força freqüent i usualment factible, ja que es tracta d’informació disponible en moltes enquestes i formularis. No obstant això, encara trobem males pràctiques des d’aquest punt de vista, com ara presentar les dades desagregades per sexe/gènere i per edat per separat a la mateixa taula. D’altra banda, la no estandardització dels rangs d’edat i el fet que sovint es fa el tall com a molt tard als 65 anys, no permeten identificar les enormes diferències que hi ha per edat entre les persones més grans, i menys encara creuar aquesta informació amb altres variables (Fundació Aroa, 2021).
• Les desigualtats socioeconòmiques, que proporcionen informacions extremadament rellevants en el nostre context social. Aquest creuament ens permet entendre com el benestar o la pobresa afecten de manera diferencial segons el gènere. Tanmateix, hem de conèixer quin element creuem, ja que la variable classe social pot estar construïda de diverses maneres i pot ser cega respecte al gènere en no atribuir-se en funció de la posició econòmica individual, sinó a la de la persona de referència en una llar (on, en estar determinada pels ingressos, en molts casos acostuma a ser masculina), tal com es mostra a la infografia “Interseccions entre pobresa i gènere: la mesura del problema”.
• La racialització i/o la manca de drets de ciutadania, que són fonamentals per entendre les dificultats (però també necessitats i experiències) específiques de persones racialitzades, les que han migrat o les no considerades ciutadanes per no trobar-se en situació administrativa regular. Entre altres elements, facilitaran la detecció de desigualtats econòmiques i pràctiques racistes institucionals, simbòliques i culturals. El creuament amb el domini de les llengües oficials del país d’acollida també pot ser rellevant per visibilitzar com operen aquestes desigualtats.
• La diversitat funcional / el reconeixement de discapacitat, que ens permet detectar la doble discriminació que, amb freqüència, pateixen les dones amb aquestes característiques. Per exemple, els indicadors periòdics sobre discapacitat i món laboral de l’Observatori del Treball i el Model Productiu de Catalunya no solament mostren l’escàs nombre de contractes de persones amb discapacitat, sinó que mitjançant el creuament amb sexe evidencien que la bretxa en la contractació entre homes i dones amb discapacitat és superior que en el resta de la població.
• Variables de context, per explicar el “caràcter situat de les categories al voltant de les quals les desigualtats socials, així com les lluites socials, s’articulen en cada context i situació” (Marchetti, Cherubini, Garofalo, 2021:72). Les desigualtats de gènere poden tenir diferents formes i intensitat d’acord amb diversos factors de context: territori de residència, context rural/urbà, tipus de llar, estat civil, nombre de fills/filles, etc.
• La preferència afectivosexual i l’expressió de gènere són especialment rellevants quan les creuem amb les variables anteriors per detectar discriminacions. Per exemple, en les anàlisis de les discriminacions en l’àmbit de la salut és important detectar si hi ha diferències entre les experiències d’acord amb les preferències afectivosexuals de les persones. D’altra banda, l’expressió de gènere és un factor potser fins i tot més rellevant que la preferència sexual en el context de l’assetjament escolar homofònic en les escoles.
• Altres. Depenent de l’àmbit o del tipus d’estudi, aquest creuament s’hauria de repetir amb altres variables específiques de l’experiència interseccional dels subjectes; per exemple, tal com s’indica en l’article 3 de la Llei 5/2008, modificada per la Llei 17/2020, per entendre la concurrència de la violència masclista amb altres eixos de discriminació, pot ser rellevant recollir dades i desagregar-les per elements, com ara les addiccions, l’estat serològic o la privació de llibertat.

Hem de tenir en compte que les diferents maneres com creuem les variables desagregades ens poden donar informacions diferents

Per exemple, si analitzem l’estat de salut tenint en compte les variables de gènere i preferència sexual, les podem ordenar mostrant:

a) L’estat de salut de dones, homes i persones no-binàries, i les especificitats dins de cada grup de les experiències d’acord amb les preferències sexuals (o sigui, per exemple, com es diferencia la salut de les dones depenent de la se-va preferència sexual).

b) La manera com la salut no es produeix de forma homogènia en persones de la mateixa preferència sexual, sinó que hi ha diferències internes en funció del gènere (o sigui, per exemple, com es diferencia la salut de les persones ase-xuals depenent del seu gènere).

Ambdues opcions són vàlides; cal que ens preguntem què volem saber abans de decidir com volem ordenar aquestes dues variables sociodemogràfiques. Una de les dificultats quan abordem la desagregació i el creuament de variables és la manca de mostra suficient. Amb aquesta excusa es pot decidir no presentar les dades desagregades. Tanmateix, aquesta decisió pot comportar la invisibilització de determinats col·lectius, per exemple les dones amb diversitat funcionals. Per aquest motiu:

a) Si considerem rellevant l’experiència d’algun col·lectiu en una determinada enquesta (per exemple per analitzar la necessitat de les dones amb diversitat funcionals que pateixen violència masclista), podem ampliar submostres es-pecífiques per guanyar significativitat o complementar-les amb recerques qua-litatives sobre la realitat de l’experiència d’aquests col·lectius, com hem expli-cat en el capítol “Preguntant”.

b) La realitat és canviant i, per poder detectar aquest canvis, necessitem crear estadístiques. Així, per exemple, enquestes recents entre persones joves de-mostren que categories que fa pocs anys eren considerades minoritàries ad-quireixen més preeminència, com el gènere no-binari. Per exemple, l’Informe de la joventut a Espanya (INJUVE, 2020) mostra com un 25% de les persones enquestades no s’identifiquen en una categoria 100% masculina o femenina; d’altra banda, els resultats de l’Enquesta de joventut de Barcelona de 2020 evidencien que un alt percentatge de noies declara no sentir-se atreta sola-ment per persones de l’altre sexe.