This thesis presents a statistical analysis of academic performance gender differences among Politecnico di Milano Bachelor Degrees students enrolled between 2018 and 2025. The study is based on a dataset of 61,602 academic careers across 16 Degree programs out of which the female population represents around 24% of the total, representing undergoing gender disparities among STEM fields. The analysis unfolds into four main parts; first a descriptive analysis characterizes basic trends in percentage of female students enrolled, TOL scores and graduation grades, then cause-specific mixed-effects Cox proportional hazards models with a Gaussian random effect on degree program are fitted to a Multi-State longitudinal progression of careers between years of enrollment and career closures (degree or dropout), highlighting a faster progression of female students towards degree (Global HR = 1.16) and a lower dropout risk (Global HR = 0.80). Subsequently, a two-component mixed-effects model is fitted to evaluate graduation grade performance (GLMM for the probability of reaching the maximum grade, 110, LMM for the expected grade among the remaining students), showing no particular advantage between genders yet a strong significance of the time to graduation. Lastly, a bivariate model is fitted using a Seemingly Unrelated Regressions (SUR) framework estimated via Generalized Least Squares (GLS) jointly estimating graduation grade and time to graduation, resulting in a strong (-0.540) negative residual correlation and a small advantage for female students in both time and grade. All models are validated out-of-sample, confirming the robustness of these findings.

Questa tesi presenta un'analisi statistica delle differenze di genere che possono emergere fra carriere accademiche degli studenti del Politecnico di Milano immatricolati in corsi triennali di ingegneria dal 2018 al 2025. Lo studio è basato su un dataset composto da 61,602 carriere accademiche e 16 corsi di studio triennali, di cui la proporzione di studentesse rappresenta solamente il 24% del totale studentesco, dimostrando come le disparità di genere siano un problema chiave nelle lauree STEM. L'analisi si sviluppa in quattro parti; prima un'analisi descrittiva sottolinea tendenze nei punteggi TOL, nei voti di laurea e nelle percentuali di genere e nazionalità, poi modelli misti di sopravvivenza di Cox con un effetto casuale Gaussiano (intercetta random) sui corsi di studio sono addestrati per valutare i rischi di progressione degli studenti nel passaggio multi-stato fra anni di iscrizione e possibili chiusure di carriera (ottenimento del diploma di laurea, o dropout), dimostrando una tendenza della popolazione femminile a laurearsi in minor tempo (HR Globale = 1.16) e con minor rischio di dropout (HR Globale = 0.80), in seguito un modello a effetti misti a due componenti sono addestrati per valutare esclusivamente la probabilità di ottenere il massimo voto (GLMM) e il voto atteso nei rimanenti studenti (LMM) dimostrando alcuna conclusione a favore della differenza di genere ma una forte significatività del tempo necessario per raggiungere la laurea. Dunque in ultimo luogo è stato sviluppato un modello bivariato, utilizzando il framework SUR, che stima insieme il voto ottenuto e il tempo necessario per ottenerlo, risultante in una correlazione residua negativa (-0.540) e un lieve vantaggio per le studentesse sia nel tempo che nel voto raggiunto. Tutti i modelli sono stati validati out-of-sample, confermando la robustezza di quanto concluso.

An analysis of gender differences among engineering students

Tonus, Francesca
2025/2026

Abstract

This thesis presents a statistical analysis of academic performance gender differences among Politecnico di Milano Bachelor Degrees students enrolled between 2018 and 2025. The study is based on a dataset of 61,602 academic careers across 16 Degree programs out of which the female population represents around 24% of the total, representing undergoing gender disparities among STEM fields. The analysis unfolds into four main parts; first a descriptive analysis characterizes basic trends in percentage of female students enrolled, TOL scores and graduation grades, then cause-specific mixed-effects Cox proportional hazards models with a Gaussian random effect on degree program are fitted to a Multi-State longitudinal progression of careers between years of enrollment and career closures (degree or dropout), highlighting a faster progression of female students towards degree (Global HR = 1.16) and a lower dropout risk (Global HR = 0.80). Subsequently, a two-component mixed-effects model is fitted to evaluate graduation grade performance (GLMM for the probability of reaching the maximum grade, 110, LMM for the expected grade among the remaining students), showing no particular advantage between genders yet a strong significance of the time to graduation. Lastly, a bivariate model is fitted using a Seemingly Unrelated Regressions (SUR) framework estimated via Generalized Least Squares (GLS) jointly estimating graduation grade and time to graduation, resulting in a strong (-0.540) negative residual correlation and a small advantage for female students in both time and grade. All models are validated out-of-sample, confirming the robustness of these findings.
ING - Scuola di Ingegneria Industriale e dell'Informazione
21-ott-2026
2025/2026
Questa tesi presenta un'analisi statistica delle differenze di genere che possono emergere fra carriere accademiche degli studenti del Politecnico di Milano immatricolati in corsi triennali di ingegneria dal 2018 al 2025. Lo studio è basato su un dataset composto da 61,602 carriere accademiche e 16 corsi di studio triennali, di cui la proporzione di studentesse rappresenta solamente il 24% del totale studentesco, dimostrando come le disparità di genere siano un problema chiave nelle lauree STEM. L'analisi si sviluppa in quattro parti; prima un'analisi descrittiva sottolinea tendenze nei punteggi TOL, nei voti di laurea e nelle percentuali di genere e nazionalità, poi modelli misti di sopravvivenza di Cox con un effetto casuale Gaussiano (intercetta random) sui corsi di studio sono addestrati per valutare i rischi di progressione degli studenti nel passaggio multi-stato fra anni di iscrizione e possibili chiusure di carriera (ottenimento del diploma di laurea, o dropout), dimostrando una tendenza della popolazione femminile a laurearsi in minor tempo (HR Globale = 1.16) e con minor rischio di dropout (HR Globale = 0.80), in seguito un modello a effetti misti a due componenti sono addestrati per valutare esclusivamente la probabilità di ottenere il massimo voto (GLMM) e il voto atteso nei rimanenti studenti (LMM) dimostrando alcuna conclusione a favore della differenza di genere ma una forte significatività del tempo necessario per raggiungere la laurea. Dunque in ultimo luogo è stato sviluppato un modello bivariato, utilizzando il framework SUR, che stima insieme il voto ottenuto e il tempo necessario per ottenerlo, risultante in una correlazione residua negativa (-0.540) e un lieve vantaggio per le studentesse sia nel tempo che nel voto raggiunto. Tutti i modelli sono stati validati out-of-sample, confermando la robustezza di quanto concluso.
File allegati
File Dimensione Formato  
2026_10_Tonus_Tesi.pdf

non accessibile

Dimensione 3.09 MB
Formato Adobe PDF
3.09 MB Adobe PDF   Visualizza/Apri
2026_10_Tonus_ExecutiveSummary.pdf

non accessibile

Dimensione 903.27 kB
Formato Adobe PDF
903.27 kB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/266030