Entre o piso pegajoso e o teto de vidro: uma análise da desigualdade de gênero no mercado de trabalho brasileiro com aprendizado de máquina
Nenhuma Miniatura Disponível
Data
2026-07-10
Autores
Lattes da Autoria
Orientação Docente
Lattes da Orientação Docente
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
O objetivo do estudo é analisar os fenômenos do piso pegajoso e do teto de vidro sob a perspectiva da economia feminista, buscando identificar os fatores associados à inserção de mulheres em diferentes segmentos ocupacionais. Para isso, foram utilizados microdados da PNAD Contínua de 2025. Inicialmente, foram construídos indicadores ocupacionais de piso pegajoso e teto de vidro a partir da classificação das ocupações. Em seguida, realizou-se análise descritiva, estimação de modelos de regressão logística e aplicação do algoritmo de aprendizado de máquina Random Forest. Os resultados descritivos revelam que as mulheres apresentam maior concentração em ocupações associadas ao piso pegajoso e menor participação em posições relacionadas ao teto de vidro, mesmo possuindo níveis educacionais superiores aos dos homens. Os modelos Logit indicam que o sexo feminino aumenta em aproximadamente 31,1% a chance de inserção em ocupações classificadas como piso pegajoso e reduz em 14,6% a probabilidade de ocupação de posições associadas ao teto de vidro, mesmo após o controle por escolaridade, renda, raça, informalidade e características regionais. Os resultados do Random Forest corroboram essas evidências ao identificar renda, escolaridade, gênero, informalidade e raça entre as variáveis mais relevantes para a classificação dos indivíduos. De forma geral, os achados sugerem que as desigualdades ocupacionais observadas não decorrem exclusivamente de diferenças de capital humano, mas refletem barreiras estruturais que continuam condicionando as trajetórias profissionais femininas no mercado de trabalho brasileiro.
Resumo em outro idioma
The study aims to analyze the phenomena of the "sticky floor" and the "glass ceiling"from the perspective of feminist economics, seeking to identify factors associated withwomen's entry into different occupational segments. To this end, microdata from the2025 Continuous PNAD (National Household Sample Survey) were used. Initially,occupational indicators for the sticky floor and glass ceiling were constructed based onoccupational classifications. Subsequently, a descriptive analysis was conducted,followed by the estimation of logistic regression models and the application of theRandom Forest machine learning algorithm. Descriptive results reveal that women aremore concentrated in occupations associated with the sticky floor and have lowerparticipation in positions related to the glass ceiling, despite possessing highereducational levels than men. Logit models indicate that being female increases thelikelihood of entering occupations classified as "sticky floor" by approximately 31.1%and reduces the probability of holding positions associated with the "glass ceiling" by14.6%, even after controlling for education, income, race, informality, and regionalcharacteristics. Random Forest results corroborate this evidence by identifyingincome, education, gender, informality, and race as key variables in classifyingindividuals. Overall, the findings suggest that the observed occupational inequalitiesdo not stem exclusively from differences in human capital but reflect structural barriersthat continue to shape women's career trajectories in the Brazilian labor market.
Descrição
Referência
SANTOS, Geyse Samara Souza. Entre o piso pegajoso e o teto de vidro: uma análise da desigualdade de gênero no mercado de trabalho brasileiro com aprendizado de máquina. 2026. 54 f. Trabalho de Conclusão de Curso (Bacharelado em Ciências Econômicas) – Unidade Acadêmica de Serra Talhada, Universidade Federal Rural de Pernambuco, Serra Talhada, 2026.
Identificador dARK
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como openAccess

