La Asociación Marroquí para la Integración de los Inmigrantes ha publicado el informe “Racismo estructural y discriminación en España: un análisis interseccional”, resultado de una investigación que revela cómo las personas de origen árabe residentes en España, se enfrentan a desigualdades sistemáticas en empleo, vivienda, educación y sanidad.
Además, cuenta con una perspectiva de género e interseccional que pone de manifiesto cómo, dentro de esta población de origen árabe, las mujeres sufren una mayor discriminación que los hombres.
Barreras en el acceso a vivienda y empleo
El informe destaca que el 74,82 % de las personas de origen árabe percibe discriminación al buscar vivienda. Los principales obstáculos incluyen nombres y acentos, lo que lleva a rechazos directos, requisitos más estrictos o incluso hacinamiento (21,31 %).
En el ámbito laboral, el 44,35 % de las personas encuestados considera que su origen árabe limita sus oportunidades de acceso y promoción. Las mujeres árabes, especialmente aquellas que usan hiyab, enfrentan mayores barreras, con un 53,25 % reportando discriminación en el trabajo.
Discriminación en educación y sanidad
El 36,67 % de las personas encuestadas denuncia discriminación en el sistema educativo español, con casos de exclusión y subestimación por parte del profesorado. Esto impacta particularmente a las mujeres, quienes enfrentan más dificultades para acceder y permanecer en el sistema educativo.
En sanidad, el 39,65 % de las personas percibe discriminación, incluyendo barreras lingüísticas y trato diferenciado. Las mujeres enfrentan un mayor impacto, especialmente en la falta de servicios de traducción, que afecta al 51,82 %.
Recomendaciones para combatir el racismo estructural
La Asociación Marroquí para la Integración de los Inmigrantes propone medidas concretas, entre otras:
- Flexibilizar el acceso a la vivienda pública y fomentar el diálogo entre inmobiliarias y entidades sociales.
- Implementar planes educativos interculturales y antirracistas.
- Garantizar servicios de traducción en sanidad y eliminar sesgos racistas en la inteligencia artificial.