DETERMINACIÓN Y VALIDACIÓN DE CAPACIDADES DE GESTIÓN TECNOLÓGICA...
305
DETERMINACIÓN Y VALIDACIÓN DE CAPACIDADES DE GESTIÓN TECNOLÓGICA EN LOS GRUPOS DE INVESTIGACIÓN DE LA UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS Proyecto de grado modalidad monografía para optar los títulos de Ingeniero Industrial e Ingeniero de Sistemas UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA INGENIERÍA INDUSTRIAL Y DE SISTEMAS BOGOTÁ D.C. 2019
Transcript of DETERMINACIÓN Y VALIDACIÓN DE CAPACIDADES DE GESTIÓN TECNOLÓGICA...
DETERMINACIÓN Y VALIDACIÓN DE CAPACIDADES DE GESTIÓN TECNOLÓGICA
EN LOS GRUPOS DE INVESTIGACIÓN DE LA UNIVERSIDAD DISTRITAL FRANCISCO
JOSÉ DE CALDAS
Proyecto de grado modalidad monografía para optar los títulos de Ingeniero Industrial e
Ingeniero de Sistemas
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
INGENIERÍA INDUSTRIAL Y DE SISTEMAS
BOGOTÁ D.C.
2019
DETERMINACIÓN Y VALIDACIÓN DE CAPACIDADES DE GESTIÓN TECNOLÓGICA
EN LOS GRUPOS DE INVESTIGACIÓN DE LA UNIVERSIDAD DISTRITAL FRANCISCO
JOSÉ DE CALDAS
JUAN CAMILO ALFONSO MESQUIDA
JHON ALEJANDRO VARÓN ROBAYO
Proyecto de grado modalidad monografía para optar los títulos de Ingeniero Industrial e
Ingeniero de Sistemas
Directora interna
Ing. PhD. Fabiola Sáenz Blanco
Director externo
Ing. Candidato MSC. Néider Duan Barbosa Castro
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
INGENIERÍA INDUSTRIAL Y DE SISTEMAS
BOGOTÁ D.C.
2019
Nota de aceptación
______________________________
______________________________
______________________________
______________________________
______________________________
_____________________________
Firma Director
_____________________________
Firma Codirector
______________________________
Firma del Jurado
IV
DEDICATORIA
Esta tesis se la dedico con todo mi cariño a mis padres por ser uno de los pilares
fundamentales en mi desarrollo personal y profesional, pues con su apoyo y motivación,
cumplieron un papel primordial para el desarrollo de esta tesis. A mi pareja pues el contar
con su apoyo y motivación, me impulso para la terminación de mi carrera y para el
crecimiento de nuestra relación, por creer en mí y ser esa fuente de inspiración que nos
permite construir un futuro mejor para los dos. A mis amigos y compañeros quienes sin
esperar nada a cambio compartieron su conocimiento, alegrías y cariño, a todas aquellas
personas que en estos años me dieron su apoyo moral para la culminación de tan grande
proyecto.
Agradezco a los docentes de la facultad de Ingeniería de los proyectos curriculares
sistemas e industrial de la Universidad Distrital Francisco José de Caldas, en especial a mi
directora de tesis, la PhD Fabiola Sáenz Blanco por guiar este trabajo y formar parte de este
objetivo. Agradezco al grupo de investigación ARCO-SES, del cual hago parte para la
realización de este proyecto, a los grupos de investigación de la Universidad Distrital, la
OTRI y el CIDC, pues sin su apoyo no habríamos podido desarrollar este trabajo.
Jhon Alejandro Varón Robayo
Dedico este trabajo a mi familia por brindarme su apoyo y motivación durante todo este
tiempo, a los amigos que hicieron parte de este proceso de formación, a la PhD Fabiola Sáenz
Blanco por ser nuestra directora de tesis, a Neider, nuestro codirector, por cada uno de sus
consejos en este proceso y en general, a la Universidad Distrital Francisco José de Caldas.
Juan Camilo Alfonso Mesquida
V
TABLA DE CONTENIDO
DEDICATORIA............................................................................................................ IV
LISTA DE TABLAS ..................................................................................................... IX
LISTA DE ILUSTRACIONES ................................................................................... XII
LISTA DE ANEXOS .................................................................................................. XV
I. INTRODUCCIÓN .................................................................................................... 16
II. ELEMENTOS DE INVESTIGACIÓN .................................................................... 18
1. PROBLEMA DE INVESTIGACIÓN .............................................................. 18
2. OBJETIVOS ..................................................................................................... 24
2.1. OBJETIVO GENERAL ................................................................................... 24
2.2. OBJETIVOS ESPECIFICOS ........................................................................... 24
3. JUSTIFICACIÓN ............................................................................................. 25
3.1. JUSTIFICACIÓN TEÓRICA .......................................................................... 25
3.2. JUSTIFICACIÓN PRÁCTICA ........................................................................ 26
3.3. JUSTIFICACIÓN METODOLÓGICA ............................................................ 29
4. VARIABLES .................................................................................................... 31
4.1. VARIABLES DE PRIMER NIVEL ................................................................ 31
4.2. VARIABLES DE SEGUNDO NIVEL ............................................................ 31
VI
4.3. VARIABLES DE TERCER NIVEL ................................................................ 32
5. HIPÓTESIS ...................................................................................................... 35
6. ALCANCE Y DELIMITACIÓN ..................................................................... 37
6.1. DELIMITACIÓN TEÓRICA ........................................................................... 37
6.2. DELIMITACIÓN ESPACIAL ......................................................................... 37
6.3. DELIMITACIÓN CONCEPTUAL .................................................................. 37
III. MARCO REFERENCIAL ........................................................................................ 39
1. ANTECENDENTES DE INVESTIGACIÓN .................................................. 39
1.1. MODELO CONCEPTUAL .............................................................................. 39
1.2. REVISIÓN AUTORES .................................................................................... 43
2. MARCO TEÓRICO ......................................................................................... 45
2.1. TECNOLOGÍA ................................................................................................ 45
2.2. GESTIÓN TECNOLÓGICA ............................................................................ 46
2.3. CAPACIDAD ................................................................................................... 48
2.4. GESTIÓN DE CONOCIMIENTO ................................................................... 53
2.5. GESTIÓN DE RECURSOS ............................................................................. 64
2.6. GESTIÓN DE REDES ..................................................................................... 73
2.7. ESCALA LIKERT ........................................................................................... 82
2.8. ANÁLISIS ESTRUCTURAL .......................................................................... 85
VII
2.9. TÉCNICAS DE ANÁLISIS MULTIVARIANTE ......................................... 100
3. MARCO METODOLÓGICO ........................................................................ 109
4. MARCO LEGAL ........................................................................................... 112
IV. DETERMINAR Y VALIDAR LAS CAPACIDADES DE GESTIÓN
TECNOLÓGICA EN LOS GRUPOS DE INVESTIGACIÓN DE LA UNIVERSIDAD
DISTRITAL ....................................................................................................................... 113
1. ANÁLISIS ESTRUCTURAL PROSPECTIVO ............................................ 113
1.1. CONSTRUCCIÓN DE LA MATRIZ DE IMPACTOS CRUZADOS .......... 113
1.2. FASE DE RECOLECCIÓN DE INFORMACIÓN........................................ 115
1.3. FASE DE ANÁLISIS DE LA INFORMACIÓN ........................................... 117
2. ENCUESTA ................................................................................................... 140
2.1. ESTRUCTURA DE LA ENCUESTA ........................................................... 141
2.2. PRE-VALIDACIÓN DE LAS PREGUNTAS ............................................... 143
2.3. TAMAÑO DE MUESTRA ............................................................................ 143
2.4. ANALISIS ESTADISTICO ........................................................................... 147
V. DISCUSIÓN DE RESULTADOS .......................................................................... 180
1. ANÁLISIS DE HIPÓTESIS ........................................................................... 180
CAPACIDAD DE GESTIÓN DE CONOCIMIENTO ............................................... 180
CAPACIDAD DE GESTIÓN DE RECURSOS ......................................................... 190
VIII
CAPACIDAD DE GESTIÓN DE REDES ................................................................. 196
2. CUMPLIMIENTO DE OBJETIVOS ............................................................. 201
VI. CONCLUSIONES Y RECOMENDACIONES ..................................................... 204
1. CONCLUSIONES .......................................................................................... 204
2. RECOMENDACIONES ................................................................................ 206
3. RESULTADOS .............................................................................................. 207
4. LIMITACIONES ............................................................................................ 208
VII. BIBLIOGRAFÍA .................................................................................................... 210
VIII. ANEXOS ................................................................................................................ 219
IX
LISTA DE TABLAS
TABLA 1. RANKING UNIVERSIDADES U-SAPIENS 2018-1 ....................................... 19
TABLA 2. ABREVIATURAS UNIVERSIDADES ............................................................ 20
TABLA 3. GRUPOS DE INVESTIGACIÓN CATEGORIZADOS POR UNIVERSIDAD
...................................................................................................................................... 21
TABLA 4. COMPARACIÓN DE LAS COMPETENCIAS GENERALES MÁS
RELEVANTES UTILIZANDO EL PROMEDIO Y LA IMPORTANCIA ................ 44
TABLA 5. CARACTERIZACIÓN GESTIÓN DEL CONOCIMIENTO ........................... 62
TABLA 6. CARACTERIZACIÓN GESTIÓN DE RECURSOS ........................................ 71
TABLA 7. CARACTERIZACIÓN GESTIÓN DE REDES ................................................ 79
TABLA 8. TÉCNICAS DE LA PROSPECTIVA ................................................................ 86
TABLA 9. ESCALA RELACIÓN ENTRE VARIABLES .................................................. 90
TABLA 10. LEGISLACIÓN GRUPOS DE INVESTIGACIÓN EN COLOMBIA ......... 112
TABLA 11. VARIABLES DE INVESTIGACIÓN MATRIZ IMPACTOS CRUZADOS
.................................................................................................................................... 114
TABLA 12. MATRIZ DE IMPACTOS CRUZADOS ...................................................... 114
TABLA 13. EXPERTOS PARTICIPANTES EN EL ANÁLISIS ESTRUCTURAL ....... 116
TABLA 14. MATRIZ DE ANÁLISIS ESTRUCTURAL FINAL .................................... 117
TABLA 15. ANÁLISIS INFLUENCIA Y DEPENDENCIA MATRIZ DE ANÁLISIS
ESTRUCTURAL ....................................................................................................... 118
TABLA 16. ITERACIONES RELACIONES INDIRECTAS ........................................... 125
TABLA 17. MATRIZ DE INFLUENCIAS INDIRECTAS .............................................. 125
X
TABLA 18. ANÁLISIS INFLUENCIA Y DEPENDENCIA INDIRECTA ..................... 126
TABLA 19. CLASIFICACIÓN GRUPOS DE INVESTIGACIÓN UNIVERSIDAD
DISTRITAL ............................................................................................................... 144
TABLA 20. ABREVIATURAS VARIABLES ANÁLISIS ESTADÍSTICO ................... 147
TABLA 21. COEFICIENTE CRONBACH CGC .............................................................. 149
TABLA 22. COEFICIENTE CRONBACH CGREC ........................................................ 150
TABLA 23. COEFICIENTE CRONBACH CGRED ........................................................ 150
TABLA 24. DATOS FINALES PARA ANÁLISIS ESTADÍSTICO ............................... 151
TABLA 25. CORRELACIONESVARIABLES CGC ....................................................... 154
TABLA 26. TOLERANCIA Y VIF CGC .......................................................................... 155
TABLA 27. TEST DURBIN-WATSON CGC .................................................................. 158
TABLA 28. ESTADÍSTICAS DE LOS RESIDUOS CGC ............................................... 158
TABLA 29. R CUADRADO CGC .................................................................................... 159
TABLA 30. PRUEBA ANOVA CGC ............................................................................... 160
TABLA 31. ANÁLISIS VARIABLES INDEPENDIENTES CGC .................................. 161
TABLA 32. CORRELACIONES CGREC. ....................................................................... 163
TABLA 33. ESTADÍSTICAS DE COLINEALIDAD CGREC ........................................ 164
TABLA 34. TEST DURBIN-WATSON CGREC ............................................................. 167
TABLA 35. ESTADÍSTICAS DE RESIDUOS CGREC ................................................... 167
TABLA 36. R CUADRADO DE CGREC ......................................................................... 168
TABLA 37. PRUEBA ANOVA CGREC .......................................................................... 169
TABLA 38. ANÁLISIS VARIABLES INDEPENDIENTES CGREC ............................. 170
XI
TABLA 39. CORRELACIONES CGRED ........................................................................ 171
TABLA 40. ESTADÍSTICAS DE COLINEALIDAD CGRED ........................................ 172
TABLA 41. TEST DURBIN-WATSON CGRED ............................................................. 175
TABLA 42. ESTADÍSTICAS DE RESIDUOS CGRED .................................................. 175
TABLA 43. R CUADRADO DE CGRED ......................................................................... 177
TABLA 44. PRUEBA ANOVA CGRED .......................................................................... 177
TABLA 45. ANÁLISIS VARIABLES INDEPENDIENTES CGRED ............................. 178
TABLA 46. RESULTADO CGC GRUPOS DE INVESTIGACIÓN UD ......................... 188
TABLA 47. RESULTADO CGREC GRUPOS DE INVESTIGACIÓN UD .................... 193
TABLA 48. RESULTADO CGRED GRUPOS DE INVESTIGACIÓN UD.................... 199
XII
LISTA DE ILUSTRACIONES
ILUSTRACIÓN 1. GRUPOS DE INVESTIGACIÓN CATEGORIZADOS POR
UNIVERSIDAD ........................................................................................................... 21
ILUSTRACIÓN 2. GRUPOS DE UNIVERSIDADES POR CATEGORÍAS .................... 22
ILUSTRACIÓN 3. DISTRIBUCIÓN DE LOS GRUPOS DE INVESTIGACIÓN
CATEGORIZADOS EN COLCIENCIAS. .................................................................. 27
ILUSTRACIÓN 4. DISTRIBUCIÓN DE GRUPOS DE INVESTIGACIÓN DE LA
UNIVERSIDAD ........................................................................................................... 28
ILUSTRACIÓN 5. MODELO DE GESTIÓN DE CAPACIDADES TECNOLÓGICAS .. 40
ILUSTRACIÓN 6. CONJUNTO DE COMPETENCIAS NUCLEARES ........................... 43
ILUSTRACIÓN 7. FACTORES DE GESTIÓN TECNOLÓGICA .................................... 47
ILUSTRACIÓN 8. ALGORITMO DE LA GESTIÓN TECNOLÓGICA .......................... 47
ILUSTRACIÓN 9. CAPACIDADES CLAVE DE LA ORGANIZACIÓN. ....................... 48
ILUSTRACIÓN 10. CAPACIDADES CLAVE DE LA ORGANIZACIÓN Y SUS
DETERMINANTES. .................................................................................................... 49
ILUSTRACIÓN 11. ESPINA DE PESCADO GESTIÓN DE CAPACIDADES
TECNOLÓGICAS ....................................................................................................... 52
ILUSTRACIÓN 12. BARRERAS PARA LA GESTIÓN DEL CONOCIMIENTO ........... 53
ILUSTRACIÓN 13. MODELO DE GESTIÓN DEL CONOCIMIENTO DE ARTHUR
ANDERSEN ................................................................................................................. 54
ILUSTRACIÓN 14. DIMENSIÓN HUMANA ................................................................... 55
ILUSTRACIÓN 15. DIMENSIÓN ORGANIZACIONAL ................................................. 58
XIII
ILUSTRACIÓN 16. ESPINA DE PESCADO GESTIÓN DEL CONOCIMIENTO .......... 63
ILUSTRACIÓN 17. GENERADORES DE VALOR .......................................................... 64
ILUSTRACIÓN 18. CAPACIDAD DE GESTIONAR RECURSOS - ADMINISTRACIÓN
...................................................................................................................................... 66
ILUSTRACIÓN 19. CAPACIDAD DE GESTIONAR RECURSOS – ECONÓMICO ..... 68
ILUSTRACIÓN 20. ESPINA DE PESCADO GESTIÓN DE RECURSOS ....................... 72
ILUSTRACIÓN 21. PROPUESTA GENERAL DE LA GESTIÓN DE REDES Y
CAPACIDADES TECNOLÓGICAS .......................................................................... 75
ILUSTRACIÓN 22. ESPINA DE PESCADO GESTIÓN DE REDES ............................... 81
ILUSTRACIÓN 23. MATRIZ DE ANÁLISIS ESTRUCTURAL ...................................... 91
ILUSTRACIÓN 24. UBICACIÓN DE LAS VARIABLES EN EL PLANO INFLUENCIA
– DEPENDENCIA ....................................................................................................... 95
ILUSTRACIÓN 25. CLASIFICACIÓN DE CUADRANTES DEL PLANO INFLUENCIA
– DEPENDENCIA ....................................................................................................... 96
ILUSTRACIÓN 26. CONFIGURACIÓN SISTEMA ESTABLE E INESTABLE ............ 99
ILUSTRACIÓN 27. RELACIÓN METODOLÓGICA DE LOS OBJETIVOS ................ 110
ILUSTRACIÓN 28. ARTICULACIÓN FASES - OBJETIVOS – ACTIVIDADES ........ 111
ILUSTRACIÓN 29. PLANO INFLUENCIAS VS DEPENDENCIAS DIRECTAS ........ 121
ILUSTRACIÓN 30. GRÁFICO DE INFLUENCIAS DIRECTAS ................................... 123
ILUSTRACIÓN 31. CONVENCIONES DE LAS INFLUENCIAS ................................. 124
ILUSTRACIÓN 32. PLANO INFLUENCIAS VS DEPENDENCIAS INDIRECTAS .... 129
ILUSTRACIÓN 33. GRÁFICO DE INFLUENCIAS INDIRECTAS ............................... 131
XIV
ILUSTRACIÓN 34. CONVENCIONES DE LAS INFLUENCIAS ................................. 131
ILUSTRACIÓN 35. CLASIFICACIÓN DE LAS VARIABLES SEGÚN SU
INFLUENCIA ............................................................................................................ 133
ILUSTRACIÓN 36. CLASIFICACIÓN DE LAS VARIABLES SEGÚN SU
DEPENDENCIA ........................................................................................................ 134
ILUSTRACIÓN 37. CONVENCIONES INFLUENCIAS ................................................ 135
ILUSTRACIÓN 38. INFLUENCIAS DE LAS VARIABLES EN LA CAPACIDAD DE
GESTIÓN DE CONOCIMIENTO ............................................................................. 136
ILUSTRACIÓN 39. INFLUENCIAS DE LAS VARIABLES EN LA CAPACIDAD DE
GESTIÓN DE RECURSOS TANGIBLES E INTANGIBLES ................................. 138
ILUSTRACIÓN 40. INFLUENCIAS DE LAS VARIABLES EN LA CAPACIDAD DE
GESTIÓN DE REDES ............................................................................................... 139
ILUSTRACIÓN 41. GRUPOS DE INVESTIGACIÓN CATEGORIZADOS
UNIVERSIDAD DISTRITAL ................................................................................... 145
ILUSTRACIÓN 42. COMPOSICIÓN RESPUESTA DE LA ENCUESTA POR
CATEGORÍA ............................................................................................................. 147
ILUSTRACIÓN 43.GRÁFICO P-P NORMAL DE LOS RESIDUOS CGC .................... 156
ILUSTRACIÓN 44. GRÁFICO DE DISPERSIÓN CGC ................................................. 157
ILUSTRACIÓN 45. GRÁFICO P-P NORMAL DE LOS RESIDUOS CGREC .............. 165
ILUSTRACIÓN 46. GRÁFICO DE DISPERSIÓN CGREC ............................................ 166
ILUSTRACIÓN 47. GRÁFICO P-P NORMAL DE LOS RESIDUOS CGRED .............. 173
ILUSTRACIÓN 48. GRÁFICO DE DISPERSIÓN CGRED ............................................ 174
XV
LISTA DE ANEXOS
ANEXO 1. LISTA DE GRUPOS DE INVESTIGACIÓN DE LA UNIVERSIDAD
DISTRITAL FRANCISCO JOSÉ DE CALDAS (CONVOCATORIA 781) ............ 219
ANEXO 2. GUÍA DILIGENCIAMIENTO MATRIZ DE IMPACTOS CRUZADOS ..... 227
ANEXO 3. LISTADO DE EXPERTOS CONSULTADOS .............................................. 232
ANEXO 4. RESPUESTAS A LA MATRIZ DE IMPACTO CRUZADO ........................ 234
ANEXO 5. CUESTIONARIO INICIAL ............................................................................ 240
ANEXO 6. ENCUESTA FINAL GRUPOS DE INVESTIGACIÓN ................................ 265
ANEXO 7. PROCESAMIENTO DE DATOS INICIAL ................................................... 281
ANEXO 8. ARTÍCULO PRESENTADO EN EL V CONGRESO INTERNACIONAL
INDUSTRIA Y ORGANIZACIONES (CIIO) .......................................................... 284
ANEXO 9. CERTIFICADO PARTICIPACIÓN V CONGRESO INTERNACIONAL
INDUSTRIA Y ORGANIZACIONES (CIIO) .......................................................... 305
16
I. INTRODUCCIÓN
La Universidad Distrital Fráncico José de Caldas define dentro de sus funciones generales
a la investigación como una actividad permanente, fundamental e imprescindible. Cabe
resaltar que esta actividad también va ligada a su función de extensión y proyección social,
donde afirma que: “la enseñanza, investigación y la extensión están orientadas a satisfacer y
atender conveniencias del país y del Distrito Capital de Bogotá." (Universidad Distrital
Francisco Jose de caldas, 2017).
De lo anterior, es fácil destacar el papel fundamental que juega la investigación dentro de
los procesos misionales de la institución; tanto así que, todas sus actividades deben ir
encaminadas a fortalecer el desarrollo de nuevos conocimientos que permitan el crecimiento
y fortalecimiento de la función académica.
Por otro lado, es importante resaltar que la Universidad Distrital Francisco José de
Caldas, al ser de carácter público busca generar un impacto en su entorno más cercano como
lo es la ciudad de Bogotá D.C. y más ampliamente Colombia.
Por consiguiente, es necesario que todos los grupos de investigación mejoren sus
procedimientos de investigación, innovación y desarrollo, permitiendo que éstos puedan
generar patentes, registros de desarrollos, procesos de transferencia tecnológica y creación
de empresas spin-off que permitan producir impactos relevantes y positivo dentro de la
sociedad.
17
Para el caso particular de este estudio, se hace una profundización en los grupos de
investigación de la Universidad Distrital Francisco José de Caldas con el objetivo de realizar
un análisis actual de las variables que afectan las capacidades de gestión tecnológica
expuestas en el Modelo de gestión de Capacidades Tecnológicas (Sáenz & Barbosa, 2017),
con el objetivo de establecer fortalezas de aquellos grupos líderes dentro de la universidad
en cuanto a desarrollos, ponencias, patentes y demás; así como posibles escenarios de mejora
que permitan a los grupos de investigación potenciar sus actividades y cumplir de mejor
manera su fin misional.
Sin embargo, es importante aclarar que este estudio puede ser ampliado y aplicado en
trabajos próximos a cualquier institución de educación superior que quiera evaluar sus grupos
de investigación sobre el Modelo de gestión de Capacidades Tecnológicas (Sáenz & Barbosa,
2017).
18
II. ELEMENTOS DE INVESTIGACIÓN
1. PROBLEMA DE INVESTIGACIÓN
La Universidad Distrital Francisco José de Caldas como institución de educación superior
de carácter público tiene como uno de sus campos misionales la investigación en la región
de Bogotá D.C.
Sumado a esto, la investigación es también uno de los pilares de la acreditación de alta
calidad que le exige a la universidad la continuidad y el mejoramiento de la investigación
dentro de la institución.
Son tan importantes los procesos de investigación dentro de la Universidad Distrital que
organismos institucionales como el CIDC1 tienen como misión: “Reglamentar, promover,
controlar, evaluar, y socializar la investigación mediante políticas tendientes al desarrollo y
consolidación de esta actividad como función esencial de la Universidad” (Centro de
Investigación y Desarrollo Cientifico, 2018) y, más ampliamente, la universidad tiene una
misión enfocada directamente en procesos de extensión:
La enseñanza, investigación y la extensión están orientadas a satisfacer y atender
conveniencias del país y del Distrito Capital de Bogotá, así como el imperativo de la
unidad nacional, de acuerdo con los principios de planeación, procurando la armonía con
1 Centro de Investigaciones y Desarrollo Científico.
19
los planes de desarrollo económico y social, tanto de Orden Nacional como Distrital.
(Universidad Distrital Francisco Jose de Caldas, 2017)
Como se ha mostrado anteriormente, los grupos de investigación son pieza fundamental
dentro del funcionamiento de la universidad, además de permitir a la misma institución lograr
sus objetivos misionales por lo que se hace necesario hacer un seguimiento de los mismos
para determinar su estado actual y evaluar posibles mejoras.
Es debido a esta necesidad de realizar un estudio sobre el estado actual de los grupos de
investigación que se decide realizar un análisis de los mismos a nivel de gestión tecnológica
soportándose en el modelo propuesto por (Sáenz & Barbosa, 2017) con el objetivo de
determinar sus capacidades actuales y servir como punto de partida para posibles acciones
de mejora que permitan a la Universidad Distrital mejorar su puesto dentro de los ranking de
investigación nacionales e internacionales.
Tabla 1. Ranking Universidades U-Sapiens 2018-1
Ranking Universidades Puntaje
1 Universidad Nacional De Colombia - Bogotá 163,407
2 Universidad De Antioquia - Medellín 132,519
3 Universidad Del Valle - Cali 75,229
4 Universidad De Los Andes - Bogotá 70,531
5 Universidad Javeriana - Bogotá 66,165
16 Universidad Distrital Francisco José De Caldas - Bogotá 31,912
Fuente: Autores2 Adaptado(SAPIENS RESEARCH GROUP, 2018)
2 Alfonso & Varón, 2018
20
De acuerdo a el Ranking U-Sapiens realizado por la firma Sapiens Research Group3 en
el primer semestre del 2018, ranking donde se clasifican las universidades de Colombia según
los indicadores de investigación, podemos observar que la Universidad Distrital Francisco
José de Caldas se ubica en la posición número 16 de dicho ranking, mientras que en la
primeras posiciones se encuentran prestigiosas universidades como se observa en la Tabla
1.
De acuerdo al Ranking U-Sapiens, se realiza la búsqueda en Colciencias para ver la
cantidad de grupos de investigación y la respectiva categorización de cada una de las
universidades relacionadas en la Tabla 3, observamos que la mejor universidad en
investigación es la Universidad Nacional, a nivel nacional tiene un total 382 grupos de
investigación reconocidos por Colciencias, en cambio la Universidad Distrital tiene una
tercera parte de ese total.
Tabla 2. Abreviaturas Universidades
UNAL Universidad Nacional
DEA Universidad de Antioquía
UNIANDES Universidad de los Andes
PUJ Pontificia Universidad Javeriana
UD Universidad Distrital Francisco José de Caldas
Fuente: Autores
3 Firma de consultoría destacada por publicar distintos tipos de estudios, reportes y clasificaciones derivados de
análisis sobre las dinámicas de la educación e investigación de las instituciones de educación media y superior
del país.
21
Tabla 3. Grupos de investigación categorizados por universidad
UNIVERSIDADES A1 A B C RECONOCIDOS TOTAL
UNAL 43 83 86 113 57 382
UDEA 64 42 68 64 31 269
UNIVALLE 30 50 34 57 2 173
UNIANDES 48 34 24 37 12 155
PUJ 42 31 27 18 5 123
UD 12 21 16 56 11 116
Fuente: Autores Adaptado(COLCIENCIAS, 2017)
Después de hacer la revisión se puede determinar que, si bien la Universidad Distrital no
se encuentran en una mala ubicación dentro del ranking, universidades como la Pontificia
Universidad Javeriana posee 123 grupos categorizados en COLCIENCIAS, mientras que la
Universidad Distrital tiene 116 grupos. En contraste, la Universidad Nacional de Colombia
posee 382 grupos de investigación reconocidos y categorizados, el triple del total de la
Universidad Distrital.
Ilustración 1. Grupos de Investigación categorizados por universidad
Fuente: Autores Adaptado (COLCIENCIAS, 2017)
43
64
30
48
42
12
83
42
50
34
31
21
86
68
34
24
27
16
113
64
57
37
18
56
57
31
2
12
5
11
0 50 100 150 200 250 300 350 400 450
UNAL
UDEA
UNIVALLE
UNIANDES
PUJ
UD
A1 A B C RECONOCIDOS
22
Ilustración 2. Grupos de universidades por categorías
Fuente: Autores Adaptado (COLCIENCIAS, 2017)
Haciendo una revisión en GrupLAC4 se identifica que la Universidad Distrital posee 108
grupos categorizados de los cuales el porcentaje de grupos pertenecientes a las categorías A1,
A y B es bajo comparado con otras instituciones de educación superior como se muestra en
la Ilustración 2 y en la Tabla 3, dado que la mayor parte de grupos de investigación de la
universidad se encuentran en categoría C.
Es por todo lo anteriormente mencionado que se tomó la determinación de analizar los
distintos grupos de investigación de la Universidad Distrital con el objetivo de establecer qué
4 GrupLAC es un sistema de información cuyo objetivo es mantener un directorio de los grupos de
investigación colombianos radicados en Colciencias.
43
83 86
113
5764
42
6864
3130
50
34
57
2
48
34
24
37
12
42
3127
18
512
2116
56
11
0
20
40
60
80
100
120
A1 A B C RECONOCIDOS
UNAL UDEA UNIVALLE UNIANDES PUJ UD
23
variables y capacidades afectan el desempeño de los mismos teniendo en cuenta su factor
organizacional y humano.
Adicionalmente, el conocimiento previo en cada uno de los ámbitos de la Ingeniería
Industrial y Sistemas, nos permite aportar de una manera conceptual a una transformación
misional de los grupos de investigación de la Universidad Distrital, para que puedan
implementar metodologías que los ayuden a desarrollarse de una forma más eficiente al
momento de realizar investigaciones con impacto social, académico y tecnológico.
El fin de este trabajo es realizar un análisis general de los grupos de investigación de la
universidad para discernir si las capacidades tecnológicas tienen un alto grado de influencia
en el desarrollo investigativo de los grupos de trabajo de la Universidad Distrital Francisco
José de Caldas, de acuerdo al modelo propuesto por (Sáenz & Barbosa, 2017)
24
2. OBJETIVOS
2.1. OBJETIVO GENERAL
Evaluar y validar las capacidades de gestión tecnológica en los grupos de investigación
de la Universidad Distrital Francisco José de Caldas.
2.2. OBJETIVOS ESPECIFICOS
a) Realizar un inventario de las capacidades de gestión tecnológica en los grupos de
investigación de la Universidad Distrital Francisco José de Caldas.
b) Formular las preguntas con las cuales se obtendrán la información de los grupos de
investigación para determinar sus capacidades de gestión tecnológica.
c) Realizar encuestas con las preguntas formuladas a los grupos de investigación para
obtener información sobre sus capacidades de gestión tecnológica.
d) Realizar análisis estadístico los resultados obtenidos por las encuestas realizadas a
cada uno de los grupos de investigación de la Universidad Distrital Francisco José de
Caldas.
e) Analizar y validar las variables para determinar si las mismas influyen en los procesos
de gestión tecnológica en los grupos de investigación de la Universidad Distrital
Francisco José de Caldas.
25
3. JUSTIFICACIÓN
3.1. JUSTIFICACIÓN TEÓRICA
Los niveles de investigación en el ámbito colombiano están regulados por políticas
internas dentro de las universidades en este caso por el CIDC 5, y políticas estatales en el
caso de Colciencias. Pero estudios como el de “Competencias necesarias en los grupos de
investigación de la Universidad Nacional de Colombia que generan desarrollos de base
tecnológica” de (Higuita, Molano, & Rodríguez, 2011) y “Dinámica de los grupos de
investigación. El caso de la Facultad de Ingeniería de la Universidad Nacional de Colombia”
de (Monroy, 2011), permiten observar la investigación desde sus procesos organizacionales
y como los agentes organizacionales crean, justifican y gestionan su investigación. Para ser
más exactos los grupos de investigación son evaluados: Desde la productividad académica
también como una unidad de gestión y finalmente desde el punto de vista de la teoría de la
complejidad (Monroy, 2011)
Es así que, en el 2017, al realizar un análisis de las teorías de la ingeniería industrial se
propone una inquietud, ¿cómo hacer que los grupos de investigación sean más competitivos
en sus escenarios de medición y ante la sociedad? (Sáenz & Barbosa, 2017); teniendo en
cuenta que los grupos de investigación pueden ser tratados como la estructura de
organización se refiere a lo práctico, al armazón de posiciones, de redes de relaciones y de
5 Centro de Investigaciones y Desarrollo Científico de la Universidad Distrital
26
instituciones que cohesionan al grupo para investigar (Sutton, 2011), así como gestión de
conocimiento, recursos y redes. (Georghiou, 2008)
Es por esto que, (Saenz & Barbosa, 2017) proponen gestionar los factores y capacidades
que permiten la innovación y la competitividad en la investigación científica a través de un
modelo de gestión de capacidades tecnológicas. Permitiendo que los grupos de investigación
mejoren sus indicadores de investigación, eficiencia, eficacia, entre otros.
3.2. JUSTIFICACIÓN PRÁCTICA
La Universidad Distrital Francisco José de Caldas como única universidad pública
financiada por el distrito, es la encargada de gestionar la investigación de la ciudad-región
(Bogotá) y dentro de sus funciones misionales cita:
“La misión de la Universidad Distrital “Francisco José de Caldas” es la democratización
del acceso al conocimiento para garantizar, a nombre de la sociedad y con participación
de Estado, el derecho social a una Educación Superior con criterio de excelencia, equidad
y competitividad mediante la generación y difusión de saberes y conocimientos con
autonomía y vocación hacia el desarrollo sociocultural para contribuir fundamentalmente
al progreso de la Ciudad” – Región de Bogotá y el país. (Universidad Distrital Francisco
Jose de caldas, 2017)
27
Mediante una revisión en el GrupLAC y en la OTRI6 específicamente en la convocatoria
781, se encuentra que la Universidad Distrital tiene 108 grupos categorizados; Basándose en
esta información se realizó la Ilustración 3 se puede apreciar que: la mayor concentración de
grupos categorizados de la universidad se encuentra en la categoría C con un porcentaje
cercano al 52%, mientras que los grupos de mayor nivel A1 y A son un poco más del 33 %,
los grupos intermedios en categoría B son el 11%.
Ilustración 3. Distribución de los grupos de investigación categorizados en Colciencias.
Fuente: autores, basado en convocatoria 781 de la OTRI
De igual manera, haciendo otra revisión se puede ver que el total de los grupos de
investigación de la universidad no se encuentran categorizados en GrupLAC como se observa
en la Ilustración 4, se observa que el total de los grupos de investigación son 242, aunque
solo el 48 % del total están categorizados o reconocidos por GrupLAC, se puede observar
que el 52 % restante se encuentra fuera de los categorizados.
6 Oficina de Transferencia de Resultados de Investigación de Bogotá
25%
7%
16%
52%
A A1 B C
28
Ilustración 4. Distribución de Grupos de investigación de la universidad
Fuente: autores, basado en convocatoria 781 de la OTRI
Dadas las revisiones anteriores se puede afirmar que es posible realizar un análisis de las
capacidades tecnológicas dentro de los grupos de investigación de la Universidad Distrital,
ya se encuentren categorizados o no.
Además, permitiría determinar comportamientos y capacidades de cada grupo para que
se realicen internamente procesos de mejora con el objetivo de lograr ser categorizados o
aumentar su calificación den Colciencias.
Adicionalmente, al realizar una comparación entre la Universidad Distrital y otras
instituciones de educación superior con respecto al porcentaje de grupos de investigación
categorizados como A y A1 que son las calificaciones más altas dadas por Colciencias se
observa que mientras la Universidad Distrital tiene un 14,46% del total de sus grupos en estas
categorías, instituciones como la Universidad Nacional de Colombia tiene el 39.15%, la
5%9%
7%
23%
5%
51%
A1 A B C Reconocido No reconocido
29
Universidad Javeriana con el 44,79%, la Universidad de los Andes el 46,71 % y la
Universidad Pedagógica con 38.77%. Como se observa, la Universidad Distrital es
ampliamente superada.
Por otro lado, luego de realizar una bibliometría sobre modelos y metodologías para la
medición de las capacidades tecnológicas se pudo encontrar trabajos como el de (Ortiz,
Flores, & Villegas, 2008), para la caracterización de algunas capacidades específicas como
son la Innovación mundial, (Robledo V & Aguirre R, 2010), en las universidades (Higuita
López et al., 2011) y para otras actividades separadas de la gestión. Sin embargo, se observa
que los trabajos son insuficientes para satisfacer las necesidades existentes dentro del
contexto de los grupos de investigación.
Por cada una de las razones anteriormente mencionadas junto con la búsqueda de
herramientas que permitan generar procesos de mejoramiento continuo y excelencia de la
Universidad Distrital, es elaborado este proyecto, que como se evidencia en sus objetivos se
centra en hacer un análisis para ayudar al crecimiento de la investigación científica en este
claustro académico, buscando siempre tres aspectos fundamentales: calidad, eficiencia y
productividad.
3.3. JUSTIFICACIÓN METODOLÓGICA
Con el desarrollo del estado del arte referente a las capacidades de gestión tecnológica y
en especial a la capacidad de gestión de redes, se hallarán en el presente trabajo diferentes
prácticas y métricas cuantitativas y cualitativas que permitan determinar el nivel de estas
capacidades dentro de cada uno de los grupos de investigación con el fin de que cada grupo
30
haga un análisis de las mismas y proponga acciones de mejora con el fin de mejorar sus
indicadores de investigación.
El desarrollo de este trabajo servirá de insumo al modelo propuesto por (Sáenz &
Barbosa, 2017); con base en el desempeño de las variables, se podría depurar y mejorar en
modelo desarrollado, o también permitiría darle validez a cada una de las variables y sus
agrupaciones, adicionalmente se pretende confirmar que los grupos de investigaciones
pueden gestionarse con modelos propuestos del sector económico y productivo.
Finalmente, la recolección de la información actual permitirá utilizar diferentes
metodologías o técnicas que permitan caracterizar las capacidades del modelo en el estudio;
permitiendo construir métricas particulares que se ajusten de forma general a los grupos de
investigación.
31
4. VARIABLES
4.1. VARIABLES DE PRIMER NIVEL
Capacidad de Gestión de Conocimiento
Capacidad de Gestión de Recursos
Capacidad de Gestión de Redes
4.2. VARIABLES DE SEGUNDO NIVEL
Variables de la capacidad de gestión de conocimiento:
Conocimiento
Valores
Planeación
Organización
Dirección
Control
Variables de la capacidad de gestión de recursos:
Administración
Económico
Variables de la capacidad de gestión de redes:
Redes internas
32
Redes externas
4.3. VARIABLES DE TERCER NIVEL
Variables que incidirán en el conocimiento:
Capacidad de absorción de conocimiento
Capacidad de generar nuevas ideas
Capacidad de trabajo
Variables que incidirán en los valores:
Capacidad de compromiso
Variables que incidirán en la planeación:
Capacidad estratégica
Capacidad de responder
Variables que incidirán en la organización:
Capacidad de desarrollo de conocimiento
Capacidad de desarrollo de ambientes de trabajo
Variables que incidirán en la dirección:
Capacidad de dirigir
33
Variables que incidirán en el control:
Capacidad de desarrollar control preventivo
Capacidad de desarrollar control correctivo
Variables que incidirán en la administración:
Capacidad de desarrollo de inventariar tecnología
Capacidad de gerenciar tecnología
Capacidad de invertir en tecnología
Capacidad de cuidar tecnología
Variables que incidirán en lo económico:
Capacidad de financiar tecnología
Capacidad de invertir en I+D+i
Capacidad de cuidar tecnología
Variables que incidirán en las redes internas:
Capacidad de desarrollo de comunicación
Capacidad de desarrollo de participación
Capacidad de administrar redes
34
Variables que incidirán en las redes externas:
Capacidad de desarrollo de comunicación
Capacidad de desarrollo de participación
Capacidad de administrar redes
35
5. HIPÓTESIS
H1: Es posible determinar la capacidad de gestión de conocimiento de los grupos de
investigación de la Universidad Distrital Francisco José de Caldas.
H1.1: El conocimiento afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
H1.2: Los valores afectan de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
H1.3: La planeación afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
H1.4: La organización afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
H1.5: La dirección afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
H1.6: El control afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
H2: Es posible determinar la capacidad de gestión de recursos de los grupos de investigación
de la Universidad Distrital Francisco José de Caldas.
H2.1: La administración afecta de forma significativa la capacidad de gestión de
recursos de los grupos investigación.
36
H2.2: El factor económico afecta de forma significativa la capacidad de gestión de
recursos de los grupos investigación.
H3: Es posible determinar la capacidad de gestión de redes de los grupos de investigación de
la Universidad Distrital Francisco José de Caldas.
H3.1: Las redes internas afecta de forma significativa la capacidad de gestión de redes
de los grupos de investigación.
H3.2: Las redes externas afecta de forma significativa la capacidad de gestión de
redes de los grupos de investigación.
37
6. ALCANCE Y DELIMITACIÓN
6.1. DELIMITACIÓN TEÓRICA
Con el fin de desarrollar el presente trabajo de grado, el cual realizará una elaboración
investigativa que intentará contextualizar y caracterizar el modelo teórico desarrollado por la
Docente Fabiola Sáenz Blanco (Saenz & Barbosa, 2017) es necesario hacer una revisión de
las capacidades de gestión del conocimiento, recursos tangibles e intangibles adicionalmente
de la gestión de las redes externas e internas, todo esto con el fin de establecer y detallar los
elementos del modelo propuesto para la medición de las capacidades tecnológicas de una
organización.
6.2. DELIMITACIÓN ESPACIAL
Se considerará la caracterización de la incidencia de los procesos de gestión tecnológica
en organizaciones académicas para evaluar si este modelo se puede o no aplicar en distintos
tipos de entidades, dentro del marco organizacional. Por lo cual el proceso de validación de
la investigación se realizará en los grupos de investigación de la Universidad Distrital, dado
que como organizaciones poseen una estructura funcional donde se puede evaluar el modelo
en sus procesos organizacionales, de investigación y en las relaciones con sus interesados.
6.3. DELIMITACIÓN CONCEPTUAL
Se realizará un tratamiento teórico sobre la gestión tecnológica, junto con los grandes
ámbitos del modelo como son la gestión conocimiento, la gestión de los recursos tangible se
intangibles, y la gestión de las redes externas e internas de la organización, se establecerán
mecanismo de recolección de datos, análisis, métricas y tratamiento de los mismos
38
concernientes a los procesos de gestión tecnológica de los grupos de investigación de la
universidad, diferenciándolos de una manera razonable por la categorización o no de los
grupos en Colciencias, para realizar un estudio de los diferentes comportamientos, dada la
misión de la universidad y el impacto social que debe prestar la universidad.
La finalidad de esta revisión se da debido a que uno de los grandes puntos misionales de
la universidad distrital es el alto desempeño en el nivel de las investigaciones, dado por las
relevancia que tienen esta no solo en la imagen sino en la calidad de la universidad lo cual
se pretende comprender dado la falta de claridad de un modelo específico que aporte
suficiente información del cómo se presentan las interacciones en los procesos vitales de las
organizaciones académicas como la gestión tecnológica, la gestión del conocimiento, la
gestión de los recursos, la gestión de las redes y en las organizaciones investigativas que
hacen parte de la Universidad Distrital.
39
III. MARCO REFERENCIAL
1. ANTECENDENTES DE INVESTIGACIÓN
1.1. MODELO CONCEPTUAL
Este trabajo de grado está basado en un modelo teórico desarrollado por la Docente
Fabiola Sáenz Blanco (Sáenz & Barbosa, 2017) y que será evaluado por el Ingeniero Néider
Barbosa para obtener el título de Magister en Ingeniería Industrial lo cual permite que las
conclusiones de esta investigación sean parte de la alimentación para validación del mismo,
cuyo esquema inicial y propuesto se puede observar en la Ilustración 5.
Este modelo se fundamenta en tres capacidades de gestión presentes en las
organizaciones: la capacidad de gestión del conocimiento, la capacidad de gestión de recursos
y la capacidad de gestión de redes; que a su vez se miden a través de variables de segundo
orden que identifican cada una de ellas, este análisis se inició con la conceptualización de
cada una de las capacidades y variables, para el posterior desarrollo del modelo.
40
Ilustración 5. Modelo de Gestión de Capacidades Tecnológicas
Fuente: (Sáenz B.F. et al)
41
1.1.1. CAPACIDADES DE GESTIONAR CONOCIMIENTO
Esta capacidad a su vez se divide en dos dimensiones la Humana y la Organizacional, por
lo que no solo se deben evaluar los factores exclusivos de la organización si no también la de
sus integrantes, Al realizar el análisis de cada una de ellas se tienen que evaluar factores
fundamentales dentro del marco Humano y organizacional.
1.1.1.1. DIMENSIÓN HUMANA
Capacidad de generar ideas nuevas.
Absorción de conocimiento.
Aplicación de Técnicas.
Desarrollo de Procesos de Creatividad.
Trabajo en equipo y Liderazgo
1.1.1.2. DIMENSIÓN ORGANIZACIONAL
Aprendizaje y des aprendizaje.
Integración.
Coordinación.
Compromiso con el aprendizaje.
Distribución del conocimiento.
Apertura mental.
Estructura enfocada en Gestión Tecnológica.
42
1.1.2. CAPACIDADES DE GESTIONAR RECURSOS
Se puede dividir en recursos tangibles e intangibles de una organización, para efectos
prácticos los recursos físicos de la organización y las capacidades de adaptabilidad de la
organización al entorno.
Orientar y Priorizar inversiones en Tecnología.
Control y Análisis de Obsolescencia.
Política de Apoyo a las actividades de diseño e Ingeniería.
Orientar y priorizar procesos y prácticas diferenciadoras.
Asignación de espacios físicos.
Gestión de la propiedad intelectual.
Incorporación de rutinas para innovar en tecnología.
Introducción de certificaciones.
1.1.3. CAPACIDADES DE GESTIONAR REDES
En esta capacidad se procederá a la evaluación de las redes internas y externas de la
organización, dada su relación de la organización con sus Stakeholders7.
Relación técnica con proveedores.
Grado de participación de los clientes.
Cooperación directa o indirecta con la competencia.
Imagen corporativa.
7 Stakeholders hace referencia a una persona, organización o empresa que tiene interés en una empresa u organización dada.
43
Conocimiento sectorial
1.2. REVISIÓN AUTORES
Con base en la revisión bibliográfica se ha encontrado que autores como López en el año
2010, han hecho caracterización de los grupos de investigación (López, 2010) , pero hay
otros autores que han determinado algunas características, que intuyen capacidades
tecnológicas en los grupos de investigación como la de gestionar redes (Garcia Andrae,
2011).
Ilustración 6. Conjunto de competencias nucleares
Fuente: (Higuita López et al., 2011)
En la Universidad Nacional de Colombia, en el estudio “Competencias necesarias en los
grupos de investigación de la Universidad Nacional de Colombia que generan desarrollos de
base tecnológica” (Higuita López et al., 2011) se determinan las competencias necesarias de
los grupos de investigación que generan base tecnológica. El cual determinó que existen
factores esenciales para los grupos de investigación como se puede apreciar en la Tabla 4,
44
pero se determinó que también existes muchas otras competencias (Ilustración 6)
denominadas “nucleares”.8
Tabla 4. Comparación de las competencias generales más relevantes utilizando el promedio y la importancia
Competencias por orden de
relevancia de acuerdo con el
promedio
Media
Orden de competencias de acuerdo con
el número de veces en que fueron
calificadas como la más importante
Número de
personas
Gestión y administración de
recursos
2,38 Gestión y administración de recursos 27
Trabajo en equipo 2,57 Apertura al cambio 26
Planeación del trabajo 2,7 Liderazgo 26
Iniciativa 2,8 Trabajo en equipo 25
Apertura al cambio 2,98 Iniciativa 22
Liderazgo 3 Planeación del trabajo 21
Manejo de conflictos 3,31 Asociatividad 17
3,87 Manejo de tecnologías 17
Fuente: (Higuita López et al., 2011)
No solo en los grupos de investigación se ha tomado el estudio de la capacidad de
innovación, en algunos casos se ha elaborado metodologías que permiten medir y evaluar las
capacidades tecnológicas de innovación utilizando lógica difusa, investigación que arroja
varios resultados como los son:
8 Concepto adoptado por Higuita López, Molano Velandia, & Rodríguez Merchán en la publicacion
Competencias necesarias en los grupos de investigación de la Universidad Nacional de Colombia que generan
desarrollos de base tecnológica
45
“En la medida que exista un entorno positivo y propicio para el aprendizaje colectivo,
para el intercambio de experiencias, transferencia tecnológica, y el trabajo en conjunto,
serán más factibles los procesos de innovación. Aspectos importantes como el acceso a
capital de riesgo, la generación de políticas nacionales de innovación y la transferencia
de conocimiento, pueden lograr el desarrollo de empresas de talla mundial” (Robledo V
& Aguirre R, 2010)
2. MARCO TEÓRICO
2.1. TECNOLOGÍA
La tecnología es un término que ha ido evolucionando con el tiempo al punto de no solo
reducirse a las maquinas, los equipos y las instalaciones físicas que soportan la trasformación
de materias primas, insumos, componentes, bienes y servicios sino que también debe
considerarse como información ,conocimiento, experiencia, habilidades y organización (Pitt,
2006).
En pocas palabras para efectos de esta investigación, y basados en un concepto de Sáenz
(T. W. Sáenz, 1994) afirma: “tecnología es el conjunto de conocimientos científicos,
ingenieriles, gerenciales y empíricos, que contribuyen a la creación, producción, distribución,
comercialización y mejoramiento de un producto, siendo una actividad de búsqueda de
aplicaciones a conocimientos existentes”.
Por lo que el concepto de tecnología se definirá para esta investigación como: “Un
sistema de orden complejo que comprende la evolución de la técnica a través de
conocimientos científicos y la experiencia.” (Autores, Adaptado de Varios)
46
2.2. GESTIÓN TECNOLÓGICA
La Gestión tecnológica puede ser vista de una manera pragmática como la necesidad de
encontrar mecanismos disponibles para actuar de manera efectiva sobre el diseño de los
sistemas y objetos (Giuliano, 2013) , precisamente en pocas palabras eso es la gestión
tecnológica , es la forma ingenieril de administrar la tecnología.
En una visión general encontramos que la gestión tecnológica define varios
procedimientos a seguir como lo son (Zorrilla, 1997):
Prospección
Selección
Negociación
Adquisición
Adaptación
Modificación
Generación
Pero adicionalmente Dávila Afirma que estos elementos están vivos “Esos recursos y
estos elementos no se ejercen sobre un ente vacío: toman vida, se concretan y se
instrumentalizan sobre el ente social llamado organización.” (Dávila Ladrón de Guevara,
2001)
La gestión es considerada como la suma de factores o variables de segundo nivel que
definen las Al ser la gestión también considerada la suma esquemática de varios factores,
47
como se observara en el Ilustración 7. factores de Gestión tecnológica, se puede considerar este
como un proceso de una serie de tarea especificas a realizar como se estipula Ilustración 8.
Ilustración 7. factores de Gestión tecnológica
Fuente: (Congreso, Sistemas, & Innovación, 2011) modificado por autores
Ilustración 8. Algoritmo de la gestión Tecnológica
Fuente: (Saenz, 2016) y autores
Inventariar
Evaluar
Vigilar Enriquecer
Optimizar
Proteger
Gestión
Conocimiento
Aprendizaje
Cultura
DesarrolloValores
Innovacion
Tecnología
48
2.3. CAPACIDAD
El enfoque de capacidad surge desde el enfoque del desarrollo humano hace referencia a
las oportunidades reales que una persona tiene para tomar decisiones informadas, con el fin
de garantizarse una vida que tiene razones para valorar (Aristizábal, Aguilar, & Félix, s/f)
Como el concepto de capacidad está más referencia en el desarrollo humano se observa
que uno de los más grandes influyentes en el desarrollo de este concepto es el premio nobel
de economía Amartya Sen quien nos define en un momento la capacidad como “las distintas
combinaciones de funciones entre las que puede elegir”(Sen, 2000).
Cándido mercedes quien es un sociólogo, experto en gerencia nos define la capacidad
organizacional como el potencial que tiene una organización, un país para actuar y cambiar
en busca de ventajas competitivas.(Mercedes, 2014), en este concepto nos permite ver un
enfoque más organizacional de las capacidades.
Ilustración 9. Capacidades Clave de la Organización.
Fuente:(Saracho, 2016)
49
Saracho nos indica que una de las capacidades claves de una organización son el
liderazgo, la motivación y el compromiso (Ilustración 9) dentro de las organizaciones,
también podemos ver dentro de su modelo que al no ser bien orientadas (Ilustración 10)
puede causarle una perdida mayor en la organización, ya que por la mala gestión de la
organización y sus capacidades de liderazgo, colaboración y compromiso, puede producir
efectos negativos como Desmotivación, desconfianza y cinismo entre sus interesados ya sean
internos o externos.
Ilustración 10. Capacidades clave de la organización y sus determinantes.
Fuente:(Saracho, 2016)
2.3.1. CAPACIDAD TECNOLÓGICA
Kim en el año 1997 afirma que:
“El aprendizaje tecnológico no puede ser explicado por uno o dos factores; requiere de
un sistema nacional de innovación efectivo, que implica un proceso complejo, interactivo
y por consiguiente integrado socialmente, donde intervienen instituciones formales e
informales en los contextos circunstancial y cultural de un estado-nación.” (Kim)
50
Basado en el anterior termino se apalanca el concepto de capacidad tecnológica que el
mismo Kim en el año 2000 lo define como una referencia:
“Al uso eficaz del conocimiento tecnológico con el propósito de mantener la
competitividad en precio y en calidad. Dicha capacidad permite a la organización
asimilar, emplear, adaptar y modificar las tecnologías existentes, así como la creación de
nuevas tecnologías y el desarrollo de nuevos productos y métodos de fabricación, todo
esto para responder a los cambios del entorno. “(Kim)
Por su parte, Domínguez y Brawn en el año 2004 mencionan que las capacidades
tecnológicas son habilidades necesarias para generar y administrar el cambio técnico, que
incluyen destrezas, conocimientos y experiencias distintas de las requeridas para operar los
sistemas técnicos (Domínguez & Brown), por ello de esta forma la construcción de las
capacidades tecnológicas en una empresa, sugiere una trayectoria temporal de acumulación
de conocimientos mediante su participación en actividades de aprendizaje. (Bañuelos, 2006)
2.3.2. CAPACIDADES DE GESTIÓN TECNOLÓGICA
La administración de nueva tecnología requiere un mayor compromiso por parte de todos
los empleados ya que una planificación estratégica sólida no garantiza el mejor logro de la
nueva tecnología presentada.(Nordin & Othman, 2014) es por ello que Kim en el año 1997
afirma que:
“El aprendizaje tecnológico no puede ser explicado por uno o dos factores; requiere de
un sistema nacional de innovación efectivo, que implica un proceso complejo, interactivo
51
y por consiguiente integrado socialmente, donde intervienen instituciones formales e
informales en los contextos circunstancial y cultural de un estado-nación.” (Kim, 1997)
Basado en el anterior término se apalanca el concepto de capacidad tecnológica que el
mismo Kim en el año 2000 lo define así:
“Al uso eficaz del conocimiento tecnológico con el propósito de mantener la
competitividad en precio y en calidad. Dicha capacidad permite a la organización
asimilar, emplear, adaptar y modificar las tecnologías existentes, así como la creación de
nuevas tecnologías y el desarrollo de nuevos productos y métodos de fabricación, todo
esto para responder a los cambios del entorno. “(Kim, 2000)
Si se suma el anterior concepto a un análisis de correlación que revela la asociación del
rendimiento con factores estratégicos de I + D y de posicionamiento tecnológico.(Sikander,
2014) , se concluye que es necesario determinar implementara el concepto de capacidad.
Basándonos en los conceptos previamente vistos podemos dar finalmente un concepto de
Capacidad de gestión tecnológica que se usar en esta investigación:
“Conjunto de habilidades operativas, tácticas y estratégicas que una organización posee
para planificar, dirigir, controlar, evaluar y fortalecer su tecnología mediante procesos
que conlleven a su desarrollo, adaptación y manejo eficiente con el fin de generar valor
mediante la identificación, valoración y uso de sus activos tecnológicos.” (Guayacan &
Tovar, 2018)
52
Ilustración 11. Espina de Pescado gestión de capacidades tecnológicas
Fuente: autores basados en (Saenz & Barbosa, 2017)
53
2.4. GESTIÓN DE CONOCIMIENTO
Definir una estrategia para la gestión del conocimiento enfrenta diversos tipos de barreras
que deben ser reconocidas y valoradas para generar acciones que permitan superarlas de
manera eficaz. (Nagles, 2007) y es así como se establecen 4 barreras para gestión del
conocimiento como se observa en Ilustración 12, lo cual permite pensar que el desarrollo de
una capacidad tecnológica debe responder a romper estas.
Ilustración 12. Barreras para la gestión del conocimiento
Fuente: (Nagles G., 2007b)
Por otro lado al hacer referencia del capital intelectual en los activos del conocimiento:
Se denota que estos se clasifican en las siguientes categorías: Las relaciones, Los recursos
humanos, Infraestructura física, Cultura, prácticas y rutinas, propiedad intelectual
(Marulanda & Lopez, 2013) , lo que permite evaluar: un Análisis organizacional.
competencias, prácticas, proceso.
Además de ello se debe convertir el conocimiento tácito en explícito, mediante diferentes
estrategias que permitan su identificación, permitiendo que las habilidades, competencias y
54
experiencias de los individuos de una organización puedan ser puestas a disposición de todos
los trabajadores (Visbal & Hernández, 2013)
Por eso la gestión del conocimiento debe responder a un sin de características como su
ciclo de vida que fue propuesto por Anderson en 1999 que permite ver una serie de
dimensiones de inteligencia: Identificación de fuentes, dimensión de distribución: Difusión
y tratamiento Dimensión de aprendizaje: Asimilación e interiorización e Dimensión de
renovación: Renovación de conocimiento con base en el existente.
Ilustración 13. Modelo de Gestión del conocimiento de Arthur Andersen
Fuente: (Andersen,1999)
2.4.1. CAPACIDAD DE GESTIÓN DE CONOCIMIENTO
Autores como Acosta, Longo-Somoza, & Fischer (2013) han destacado la importancia
del factor humano dentro de las organizaciones destacando su importancia para el desarrollo
exitoso de las actividades de la organización y su capacidad de generar nuevo conocimiento.
Sumado a esto, autores como Honeycutt, (2001) han destacado la importancia de la
capacidad que tienen las personas para generar conocimiento y su impacto en los stakeholders
55
de la organización permitiendo una mejora sustancial en los resultados de los procesos
misionales, visionales y de apoyo.
Basándose en este precepto se da la pauta para el estudio de dos dimensiones en la
capacidad de gestionar conocimiento la humana y la organizacional.
2.4.1.1. DIMENSIÓN HUMANA
Una de las dimensiones que, de manera más reiterada, es considerada en los modelos de
capital intelectual sea la relativa al capital humano. Además, este capital es un factor
fundamental para la organización. (Becker, Huselid, & Ulrich, 2001; Edvinsson & Malone,
1999)
La dimensión humana será solo una forma de diferenciar las distintas variables dentro
del modelo propuesto por Saenz & Barbosa (2017).
Ilustración 14. Dimensión Humana
Fuente: (Sáenz & Barbosa, 2017)
56
La variable conocimiento está compuesta por las capacidades:
Capacidad de generar nuevas ideas
La generación o creación de nuevas ideas es el resultado del pensamiento lateral que está
relacionado a la invención técnica y en si a la creatividad (Bono, 1970). Otros autores como
los son Jeffrey & Huntley (), Collins & Smith (2006), Lin (2007) y Mesmer-Magnus &
Dechurch (1995) mencionan que la capacidad creativa e innovadora acompañada de un
mejoramiento organizacional y un aumento en el rendimiento financiero conllevan hacia la
fusión e intercambio de conocimientos en una organización. (Marulanda 2015).
Es así como podemos definir la capacidad para generar nuevas ideas como el resultado
de implementar procesos que fortalezcan y desarrollen la creatividad de las organizaciones
con el uso de herramientas que contribuyan al desarrollo del conocimiento para la resolución
de problemas.
Capacidad de trabajo
La capacidad de trabajo se puede reconocer como una capacidad de gestión, la fuerza o
poder basado en el conocimiento para planear, lograr resultados y medirlos, (Martínez, 2004)
La capacidad de trabajo es comprendida como la habilidad de integrar procesos de gestión,
seguimiento, evaluación y retroalimentación para fortalecer el conocimiento a través de la
mejora continua.
57
La variable valores está compuesta por la capacidad:
Capacidad de compromiso
Según Guillén, González-begega, & Balbona (2016), citados por Fonseca & Gaitán
(2015) el compromiso es un vínculo que se asume mediante una decisión personal voluntaria
basados en una racionalidad calculada, Así mismo (Anand & Singh, 2011) afirman que el
logro de los objetivos se obtiene a través de la motivación a los trabajadores, de manera que
aumenten sus capacidades de interpretación de datos e información dándoles a estos
significados.
Basados en lo anterior, el compromiso es una capacidad adquirida por las personas de
forma voluntaria que se genera por y para la organización, cuyo factor relevante es la
motivación que conlleva a que los procesos y acciones dentro de la empresa se realicen de
manera responsable.
2.4.1.2. DIMENSIÓN ORGANIZACIONAL
La dimensión organizacional, se puede interpretar como la parte de estructural de la
organización, la forma en que se dividen, agrupan y coordinan las actividades en una
organización tal como lo indican Minsal & Pérez (2007). Dicha dimensión solo será una
medida diferencial en el modelo propuesto por Saenz & Barbosa (2017).
58
Ilustración 15. Dimensión Organizacional
Fuente: (Sáenz & Barbosa, 2017)
La variable Planeación está compuesta por las capacidades:
Capacidad estratégica
La dimensión Organizacional, se puede interpretar como la parte de estructural de la
organización, la forma en que se dividen, agrupan y coordinan las actividades en una
organización tal como lo indican Minsal & Pérez (2007). Dicha dimensión solo será una
medida diferencial en el modelo propuesto por Saenz & Barbosa (2017).
"La gestión del conocimiento se hace con la dirección, la tecnología, la cultura, la
medición y los procesos, una organización inteligente genera capacidades que permiten
avanzar.” (Barragán & Ocaña, 2009; Marulanda Echeverry, 2015)
59
Se puede definir la capacidad estratégica como una capacidad que permite a las
organizaciones identificar, valorar y clasificar el conocimiento para entender qué que
procesos y practicas pueden ser replantadas a través de la reinvención y creación de nuevos
métodos que generen valor.
Capacidad de responder
La capacidad de respuesta de una organización está dada por su adaptación frente a los
cambios en el sector, región y mercado. Es así que la adaptación es la capacidad de reinventar
propósitos, objetivos y el desarrollo de la planeación y poder sacar ventajas competitivas
respecto al resto de las organizaciones.(Salazar, 2004), De acuerdo a lo anterior, se entenderá
por capacidad de respuesta al nivel de adaptabilidad de las empresas con su entorno.
La variable organización está compuesta por las capacidades:
Capacidad de desarrollar conocimiento
La capacidad de desarrollar el conocimiento es la facilidad para absorber y desarrollar el
conocimiento con las habilidades, educación, experiencia, entrenamiento y destrezas que
adquiere el trabajador atreves de la experiencia.
Es un conjunto de despliegue de estrategias de la organización para invertir, buscar y
adquirir recursos contar de fortalecer el conocimiento dentro de la (Minbaeva, 2005)
Capacidad de desarrollo de ambientes de trabajo
Es aquel que se compone de factores tangibles e intangibles que tienen un grado de
influencia en la productividad del capital humano y de la organización, , Según (C. Acosta,
60
2010) las organizaciones deben no solo incentivar a los trabajadores sino estimular conductas
y habilidades de los individuos, a fin de promover acciones o valores orientados a modificar
el ambiente interno, haciéndolo más favorable.
Así mismo otros autores Gold, Malhotra, & Segars (2001) como hacen un enfoque en
que la tecnología, estructura y cultura son parte del desarrollo, se entiende la capacidad de
desarrollar ambientes de trabajo como aquella que fomenta la protección, cuidado y
desarrollo del ambiente laboral, (Cultura organizacional, valores, etc)
La variable dirección está compuesta por la capacidad:
Capacidad de dirigir
Es la integración de procesos orientados hacia una visión orientada por los líderes y
compartida por los miembros de la entidad (C. Acosta, 2010), el propósito del mismo es que
los procesos las metas y objetivos, estén enfocados en construir y fortalecer la visión y
misión de la organización, La cultura juega un papel fundamental en los procesos estratégicos
y de dirección, Para (Sáenz 2013) la cultura a nivel estratégico es un elemento esencial en la
planeación estratégica.
La variable control está compuesta por la capacidad:
Capacidad de desarrollar control
El control preventivo administrativo es el control más deseable, por lo que ayuda a
prevenir los problemas debido a que está enfocado en el futuro constituye el conjunto de
acciones que se emprenden a nivel administrativo antes de que se presente el problema. (Jara,
2009)
61
Se puede definir el control preventivo como el conjunto de acciones orientadas a resolver
y disminuir la probabilidad de algún problema o falla en el sistema.
2.4.2. CATEGORIZACIÓN DE LAS VARIABLES
Dado que la mayoría de las variables del modelo son de tipo cualitativo, Se buscó el
medio para que las mismas puedan ser evaluadas y cuantificadas, para posteriormente
plantear una propuesta desde la ingeniería que implante una su solución.
Para ello se estableció, una caracterización propia para la gestión de capacidad del
conocimiento como se muestra en la Tabla 5. Adicionalmente se realizó un análisis de las
principales variables que afectan o constituyen a cada una de las capacidades antes
mencionadas como se ve en la Ilustración 16.
62
Tabla 5. Caracterización gestión del conocimiento
Fuente: Autores basado en (Saenz & Barbosa, 2017)
TANGIBLESINTANGIBLE
S
ORGANIZ
ACIONALHUMANO INTERNA EXTERNA
Percepción X X X X
Adquisición X X X X
Técnicas X X X X
Observación X X X X
Creatividad X X X
Documentar X X X X
Verif icar X X X X
Consolidar X X X
Innovador X X X
Gestiona X X X
Proponer X X X
Elaborar X X X
Seguimiento X X X
Responsabilida
dX X X
Honestidad X X X
Cumplimiento X X X
Dedicación X X X
Tecnología X X X X X
Aprender X X X X
Desaprender X X X X
autopoyesis X X X
Vigilancia X X X
Sector X X X X
Región X X X X
Mercado X X X X
adquiere X X X
fortalece X X X
busca X X X
crea X X X
Cuidan X X X X
desarrollan X X X X
Protegen X X X X
Metas X X X X
Objetivos X X X X
Interpreta
NormasX X X
Seguimiento X X X
Gestiona X X X
audita X X X
Controla X X X
Desarrolla X X X
Capacidad de
controlar la
gestion del
concimiento
Dimensión
Organizacional
Planeación
Capacidad de
estratégica
Capacidad de
responder
Organización
Capacidad
desarrollo de
conocimiento
Capacidad
desarrollo
ambientes de
trabajo
DirecciónCapacidad de
dirigir
Control
Dimensión
Humana
Conocimiento
Capacidad de
absorción de
conocimiento
Capacidad de
generar ideas
nuevas
Capacidad de
trabajo
ValoresCapacidad
compromiso
Dimensión CapacidadesVariable Primer
Orden
Variable
Segundo
Orden
Caracterización
Recursos Capital Incidencia
63
Ilustración 16. Espina de pescado gestión del conocimiento
Fuente: Autores basado en (Saenz & Barbosa, 2017)
64
2.5. GESTIÓN DE RECURSOS
El enfoque de la gestión de recursos concibe a las organizaciones diferentes entre sí, en
función de los recursos y capacidades que poseen en un momento determinado al igual que
por las características de las mismas, además se resalta, que dichos recursos y capacidades
no están disponibles para las empresas en las mismas condiciones, estos dos factores
mencionados anteriormente explican las diferencias de rentabilidad entre las empresas, aun
entre las que pertenecen al mismo sector expresado es definido por autores tales como
(Barney, 1991; Peteraf, 1993)
La discusión entonces, se debe enmarcar en cuáles son los generadores de valor para la
organización, con respecto a este dilema, (Sáez de Viteri Arranz, 2000) establece la
Ilustración 17, dónde se pueden observar los tres generadores de valor.
Ilustración 17. Generadores de Valor
Fuente:(Sáez de Viteri Arranz, 2000)
Existen diversas definiciones de recurso por ello es necesario en este momento que
entremos aclarar este concepto desde diferentes autores a saber: “Los recursos son el stock
65
de factores productivos disponibles que son poseídos o controlados por la empresa”.(Amit &
Schoemaker, 1993; Wernerfelt, 1984)
Adicionalmente (Grant, 1991) afirma que:
“Los recursos (en sentido amplio) son entradas en el sistema productivo y la unidad
básica de análisis a nivel interno de la empresa.” También se puede referenciar a Barney
que dice que Recurso es todo lo que permite a una empresa concebir e implantar
estrategias que mejoren su eficiencia y eficacia".(Barney, 1991) adicionalmente se puede
decir que los recursos son los activos de los que dispone una organización (Grant, 1991)
Los recursos vistos desde el punto de vista financiero se pueden definir lo recursos como
“bienes económicos, es decir bienes materiales e inmateriales que posean valor económico y
por ende susceptibles de ser evaluados en términos monetarios (Fowler, 1995), este nos da
una pauta para hacer la separación de recursos en tangibles e intangible. Los recursos vistos
desde el punto de vista financiero se pueden definir lo recursos como “bienes económicos,
es decir bienes materiales e inmateriales que posean valor económico y por ende susceptibles
de ser evaluados en términos monetarios (Fowler, 1995), este nos da una pauta para hacer la
separación de recursos en tangibles e intangible.
2.5.1. CAPACIDAD DE GESTIÓN DE RECURSOS
La Capacidad de gestionar recursos es la implementación y administración, eficiente y
eficaz de los recursos de una organización cuando se requieran. Estos recursos pueden incluir
recursos financieros, inventario, habilidades humanas y tecnológicos.(Americana, s/f)
66
2.5.1.1. DIMENSIÓN ORGANIZACIONAL
Como ya se mencionó la dimensión organizacional será una forma de diferenciar las
distintas variables dentro del modelo propuesto por Saenz & Barbosa (2017).
Ilustración 18. Capacidad de gestionar recursos - administración
Fuente:(Sáenz & Barbosa, 2017)
La variable administración está compuesta por las capacidades:
Capacidad de inventariar tecnología
Consiste en determinar las tecnologías, las competencias, el saber hacer del que goza la
organización a todo lo largo de sus actividades, desde la concepción del producto o
servicio.(Acosta & Milanova, 2008) un inventario tecnológico es la base para el proceso de
vigilancia tecnológica a partir del cual se clasificarán las tecnologías existentes de la
organización.(Consuelo, Prada, & Vargas, 2011)
67
Con base en ello podemos definir la capacidad de inventariar tecnología como una
función clave dentro la organización para el desarrollo de las actividades misionales que
consiste en inventariar todos los recursos tangibles e intangibles claves para el desarrollo de
la organización.
Capacidad de gerenciar tecnología
La capacidad de gerenciar tecnología está fuertemente ligada con los procesos de
planeación estratégica, ya son el resultado de las políticas y objetivos planteados en la
planeación estratégica y posteriormente desarrollados en la planeación tecnológica. Tal como
lo indica Rivera (2001), La Gerencia de la tecnología es el manejo efectivo de la tecnología
que se traduzca en una ventaja competitiva.(Rois, Batista, & Zambrano, 2010)
Ya con esto podemos concebir la capacidad de gerenciar tecnología como la planeación
tecnológica para el desarrollo de prácticas diferenciadoras de la organización.
Capacidad de invertir en tecnología
La inversión en tecnología, también podría investigarse como el eslabonamiento
ascendente y descendente para alcanzar a los sectores competitivos existentes, (Khan, 2007)
el invertir en tecnología no es más que la constitución efectiva del desarrollo de la planeación
y políticas tecnológicas de la organización, donde buscamos un conjunto de inversiones
viables dentro del alcance de la organización para acelerar el éxito de estrategias establecidas.
Capacidad de cuidar tecnología
La capacidad de cuidar tecnología, hace referencia a la prevención más allá del
cumplimiento de las normas que dan a los trabajadores. Del mismo modo, la excelencia en
68
salud y seguridad no se consigue a base de presión o de vigilancia permanente sobre el
trabajador, sino promoviendo una cultura de liderazgo. (Foment del Treball Nacional, 2013)
Y de sentido de pertenecía dentro de las organizaciones tanto para el cuidado de los bienes
tangibles como los intangibles.
Ilustración 19. Capacidad de gestionar recursos – económico
Fuente:(Sáenz & Barbosa, 2017)
La variable económica está compuesta por las capacidades:
Capacidad de financiar tecnología
La capacidad de financiar tecnología se ve definida por la capacidad de endeudamiento
y el musculo financiero de la organización , Una de las principales funciones y decisiones
financieras en las organizaciones está relacionada con la financiación siendo ésta una de las
principales decisiones financieras junto a las decisiones de inversión.(Carlos, Ángel, Manuel,
& Naranjo, 2013)
69
Capacidad de invertir en i+D+i
La innovación es un motor importante de la transformación económica y del desarrollo.
Desde hace tiempo se considera que la facilitación y el fomento de la innovación son un
objetivo estratégico(J Naciones Unidas, 2013; Khan, 2007), son actividades científicas y
tecnológicas de gran valor porque implican la creación de nuevo conocimiento, elemento
clave para el progreso de las organizaciones ya que pueden dar un potencial para
diferenciarse de las demás. (Fuentes Pujol & Arguimbau Vivó, 2008)
Tal como lo cita González: “La innovación contribuye de manera positiva en el
crecimiento y el desarrollo económico, puesto que genera mayores niveles de productividad,
mejora las exportaciones y el comercio exterior, favorece la generación de empleo”.
Con esto nos damos cuenta que en primera instancia el nivel de inversión en I+D+I en
Colombia es relativamente bajo y que debe mejorarse la inversión en el para así poder
acrecentar la cadena de valor de las organizaciones y de generar un mayor impacto en la
calidad de vida de los interesados internos y externos.
Capacidad de cuidar tecnología
Orientada hacia la propiedad industrial, Que comprende las invenciones o patentes, los
modelos de utilidad, diseños industriales, marcas, nombres y enseñas comerciales y la
transferencia tecnológica (Ramirez et al., 2014).
Tal como dice la Superintendencia de industria y comercio en el 2011, “las patentes son
productos, procedimientos, métodos de fabricación, máquinas o aparatos que se obtengan de
ideas.
70
La forma de proteger los métodos o procedimientos, que se den o se crean dentro de las
organizaciones son las patentes, porque protegen y certifican, cuidar tecnología es la
certificación, protección y patentes de la propiedad intelectual y procedimental de cada
organización.
2.5.2. CATEGORIZACIÓN DE LAS VARIABLES
Dado que la mayoría de las variables del modelo son de tipo cualitativo, Se buscó el
medio para que las mismas puedan ser evaluadas y cuantificadas, para posteriormente
plantear una propuesta desde la ingeniería que implante una su solución.
Para ello se estableció, una caracterización propia para la gestión de capacidad de
recursos como se muestra en la Tabla 6. Adicionalmente se realizó un análisis de las
principales variables que afectan o constituyen a cada una de las capacidades antes
mencionadas como se ve en la Ilustración 20.
71
Tabla 6. Caracterización gestión de recursos
Fuente: Autores basado en (Saenz & Barbosa, 2017)
TANGIBLESINTANGIBLE
S
ORGANIZ
ACIONALHUMANO INTERNA EXTERNA
Priorizar X X X
Clasif icar X X X
Vigilar X X X X X
Priorizar X X X
Orientar X X X
Obsolescencia X X X
Espacios físicos X X X
I+D+i X X X X
Practicas
diferenciadorasX X X
aprendizaje X X X X
Patenta X X X X
Certif ica X X X X
Protege X X X X
Musculo
f inancieroX X X
Capacidad
endeudamientoX X X X
Rentabilidad X X X
sostenibilidad X X X
Patenta X X X
Certif ica X X X
Protege X X X
Capacidad
inventariar
tecnología
Capacidad
Gerenciar
tecnología
Capacidad
invertir en
tecnología
Capacidad
cuidar
tecnología
Capacidad
financiar
tecnología
Capacidad
invertir I+D+i
Capacidad
cuidar
tecnología
Dimensión CapacidadesVariable
Primer Orden
Variable Segundo
Orden
Caracterización
Recursos Capital Incidencia
Administración
Económico
Dimensión
Organizacional
72
Ilustración 20. Espina de pescado gestión de recursos
Fuente: Autores basado en (F. Sáenz & Barbosa, 2017)
73
2.6. GESTIÓN DE REDES
Como es evidente el establecimiento de redes constituye un atributo central del actual
sistema productivo, en el que el valor añadido es generado, fundamentalmente, por la
innovación de procesos o productos, y las tecnologías de la información y la comunicación
constituyen el ingrediente crítico del proceso de constitución de redes. (Brunet I, 2004)
Por ello desde un enfoque global y no únicamente interno se debe contemplar aspectos
como el liderazgo, el aprendizaje, la cultura organizacional, la estructura, la medición o el
seguimiento de los resultados, la vigilancia o inteligencia competitiva, el establecimiento de
redes de cooperación y alianzas, la definición de una estrategia de innovación, los recursos
humanos, etc. (Balmaseda, Elguezabal, & Herriko, 2008) y para hacer el estudio
Grannoveter (1985) de las redes empresariales es necesario tener en consideración las críticas
de) a partir de la noción de “embeddedness9”, al suponer que:
La persecución de objetivos económicos va siempre acompañada de otros objetivos
de naturaleza no económica, tales como la sociabilidad, la aprobación, el status social
o el poder;
La acción económica, como toda acción, está socialmente “impregnada” y no puede
ser explicada a través de móviles individuales, sino que depende de relaciones
personales que los individuos entretejen;
9 Incrustación
74
Las instituciones económicas, como cualquier institución, no están automáticamente
determinadas por circunstancias externas, sino que son “socialmente construidas”.
(Macías, 2002).
2.6.1. REDES INTERNAS Y EXTERNAS
Las organizaciones por lo general desarrollan más frecuentemente acciones de mejora
interna que con otros actores de la red. (Grueso Hinestroza, Gómez Cardona, & Quintero,
2011) , lo que implícitamente lleva a discriminar las redes organizacionales en 2 clases a
saber: redes internas y externas.
Las redes internas son aquellas que involucra todo el capital interno de la organización,
es decir el humano, administrativo, financiero económico, cultural entre otros. En esta red se
involucra todo el inventario tecnológico de la organización.
Por otro lado, la red externa son los interesados externos de la organización como lo son
proveedores, acreedores, innovaciones, políticas entre otras. A diferencia de la interna en esta
no se hace tanto énfasis en el inventario tecnológico, pero si en la vigilancia tecnológica.
2.6.2. CAPACIDAD TECNOLÓGICA DE GESTIONAR REDES
Antes de entrar a describir el modelo propuesto, cabe resaltar que Para Ghoshal y Bartlett
establecen que “una red interna que está enraizada dentro de una red externa” (Ghoshal &
Bartlett, 1990), por ello se propone un modelo global que establezca las capacidades
tecnológicas esenciales para su gestión como se puede observar en la Ilustración 21.
75
Ilustración 21. Propuesta general de la gestión de redes y capacidades tecnológicas
Fuente: (F. Sáenz & Barbosa, 2017)
En él se puede evidenciar un bosquejo de lo que se llamara gran capacidad tecnológica
de gestionar redes, donde observamos principalmente 2 ejes o perspectivas las redes internas
y externas que permiten que este sea totalmente adaptable a las necesidades evidenciando
una organización en red se constituye como un conjunto de módulos que se cómo mejor
conviene en cada momento (Brunet I, 2004).
Bajo lo anterior se debe entender que una organización no se debe estudiar sin tener
presente su proceso administrativo por lo tanto los directores de las organizaciones o
Stakeholder deberá de contener un liderazgo que permita que los integrantes realicen de
manera eficiente algunas sus tareas (Carmona, 2015) , algunos autores como Quandt en el
2012 han realizado estudios sobre redes , en especial sobre redes sociales enfocadas a la
investigación científica, concluyendo las empresas más antiguas ejercen un papel importante
como ejemplo para nuevos emprendimientos, contribuyendo con ideas o el concepto inicial
entre muchas otras (Olavo Quandt, 2012), pero entra las líneas de la globalización se da por
76
entendido que el paradigma tradicional debe cambiar . lo que permite intuir la primer
iteración entre los agentes de la red ya que esta supone que existe un intercambio de ideas y
técnicas de investigación, además de la influencia mutua entre los autores participantes
(Rossoni & Guarido Filho, 2006).
Con lo anterior se evidencia que es necesario buscar un estímulo a la formación y
consolidación de las redes de cooperación entre empresas ya que esta debe perfeccionar la
eficiencia de sus interacciones, facilitar el aprendizaje mutuo y reforzar las relaciones de
confianza que se construyen a lo largo del tiempo en el sistema productivo local. (Olavo
Quandt, 2012) .
2.6.2.1. DEFINICIÓN DE LA CAPACIDAD TECNOLÓGICA GESTIONAR
REDES
Para efectos de este modelo se tiene en cuenta que la capacidad tecnológica de gestionar
redes nace desde la iteración de los diferentes actores de la organización, como ellos se
comunican, participan y gestionan y/o administrar este proceso.
Para ello se hace necesario establecer que es la red a nivel interno como externo, aunque
son conceptos similares se establecen grandes diferencias. Como primer lugar se ha de
entender que La red corporativa es la estructura de enlaces corporativos, por lo que nos señala
las limitaciones y posibilidades de acción de las corporaciones: control, influencia
comunicación, transferencia de capital, información, cooperación, competencia, autonomía
entre otros (Cárdenas, 2012).
77
Es importante observar que desde ya hace unos años atrás se ha propuesto que la
organización se entienda como un sistema adaptativo complejo (Stacey, 2002) analizando
la inestabilidad limitada que plantea la coexistencia en la dinámica organizacional y la
autoorganización espontánea que emerge de las interacciones que se presentan entre los
componentes del sistema, lo cual establece una serie factores: los factores dinámicos, los
Factores habilitadores de infraestructura y los Factores de control (Alaa, 2009) , que en efecto
para esta propuesta no son más que mediciones dentro de la iteración de elementos en la red.
Capacidad de comunicación
Esta evalúa porcentualmente el presente y una percepción futura de una red con
comunicación sensata, vigilada y de interesados.
Desde la teoría de la redes sociales se establece que la capacidad de comunicación está
atada a los valores que sus interesados puedan desarrollar (Castells, 2001), por ello es
necesario establecer que entre los mismos la comunicación fluya de manera sensata, se
pueda vigilar y que genere el compromiso de todos los interesados; de manera que la misma
pueda generar una comunicación estratégica que se pueda vigilar y que la misma
comprometa a todos sus interesados, creándose así una comunicación estratégica (Garrido,
2008).
Capacidad de participación
Esta evalúa porcentualmente el presente y una percepción futura de una red con
participación integral, cooperativa que cuide del buen nombre de la organización y que posea
conocimiento sectorial.
78
Pero como lo cita algunos investigadores esta depende de la cultura organizacional
(Máynes-Guaderrama, Cavazos-Arroyo, & Pablo Nuño-De La Parra, 2012) , ya que esta
capacidad permite la transferencia del conocimiento , siendo la cultura y el conocimientos
apartes indisolubles en las organizaciones (De Long & Fahey, 2000) , esta debe ser integra ,
con un buen conocimiento sectorial y que proteja el buen nombre de la organización.
Capacidad de administrar redes
Esta evalúa porcentualmente el presente y una percepción futura de una red con buenas
políticas de administración, segura y tecnológica.
2.6.3. CATEGORIZACIÓN DE LAS VARIABLES
Dado que la mayoría de las variables del modelo son de tipo cualitativo, se buscó algún
medio para que las mismas puedan ser evaluadas y cuantificadas, para posteriormente
plantear una propuesta desde la ingeniería que plante una su solución.
Para ello se estableció, un método de encuesta aplicable a las organizaciones, teniendo
en cuenta que este método tiene una caracterización propia como se muestra en la Tabla 7.
.
79
Tabla 7. Caracterización gestión de redes
Capacidades Variable Primer
Orden
Variable
Segundo
Orden
Caracterización
Recursos Capital Incidencia
tangibles intangibles organizac
ional humano interna externa
Capacidad de
gestionar redes
Internas y
Externas
Capacidad
Comunicación
Interesados X X X X
Sensata X X X X
Vigilar X X X X
Capacidad de
participación
Integración X X X X
Cooperación X X X X
Good-name X X X X
Conocimiento
sectorial X X X X
Capacidad
administrar redes
Políticas X X X X
Tecnología X X X X X
Seguridad X X X X
Fuente: Autores basado en (Saenz & Barbosa, 2017)
Bajo lo anterior, se busca establecer lo métodos y medios para determinar:
2.6.4. FACTORES INTERNOS
El nivel de importancia que tiene la misión dentro de los procesos misionales reales
que lleva el grupo de investigación.
El nivel de encaje de la misión vista desde la perspectiva del líder de la investigación
Relación existe entre la importancia asignada a la misión de la organización y el ajuste
real del mismo al que hacer del grupo
Determinar qué relevancia tiene la interacción entre los interesados y su cooperación
al interior de la organización
80
2.6.5. FACTORES EXTERNOS
Importancia que tiene la visión dentro de los procesos misionales reales que lleva la
organización
Nivel de encaje de la visión vista desde la perspectiva del líder de la organización
El tipo de construcción visional y hacia qué objetivo se encuentra la organización
2.6.6. MIXTOS
Determinar qué grado de fiabilidad tiene la información que es transmitida a lo largo
de la organización.
Determinar qué tipo y a qué nivel se construyen las políticas internas para el
mejoramiento continuo
Evaluar los resultados de la organización
El nivel de información que se transmite por canales no oficiales
81
Ilustración 22. Espina de pescado gestión de Redes
Fuente: Autores basado en (Saenz & Barbosa, 2017)
82
2.7. ESCALA LIKERT
En la obra “A technique for the measurement of attitudes” (Likert, 1932), se desarrolla
un tipo de escala de medición que permite evaluar las opiniones, actitudes o reacciones de
un participante frente a un tema a investigar.
La metodología para utilizar esta escala es presentar una afirmación, juicio o pregunta al
sujeto cuestionado para que éste externalice su opinión eligiendo la categoría o escala que
mejor se ajuste con su sentir. Además, a cada categoría de esta escala se le asignará un valor
numérico que posteriormente se ponderará y permitirá realizar un análisis estadístico para
obtener conclusiones sobre el problema de investigación.
2.7.1. PUNTUACIONES ESCALA LIKERT
Las puntuaciones que serán utilizadas para el análisis posterior de las respuestas se
obtiene sumando los valores que respondieron los sujetos a cada pregunta o afirmación. Es
decir, la escala Likert se define como una escala aditiva.
Es importante aclarar que toda aquella pregunta que sea contestada dos veces debe ser
marcada como inválida y no debe ser utilizada para el análisis.
Por otro lado, es indispensable que todas las preguntas o afirmaciones tengan la misma
escala o el mismo número de categorías para que los resultados de la ponderación final sean
coherentes.
Para determinar si una puntuación debe considerarse alta o baja debe tenerse en cuenta el
número de preguntas realizadas y la puntuación final que obtuvo el encuestado. Por ejemplo,
83
si se realiza una encuesta de 10 preguntas con una escala de 5 opciones, la puntuación
máxima es 50; así que, toda encuesta que se encuentre entre los 20 a 30 puntos podría
considerarse como “neutral”; toda encuesta que supere los 30 puntos puede considerarse
como una opinión “favorable” y toda encuesta que se encuentre por debajo de los 30 puntos
se puede considerar “desfavorable”.
En la escala Likert usualmente se utiliza el promedio con la siguiente fórmula:
Ecuación 1. Promedio de la escala Likert
Fuente: (Hernandez Sampieri, Fernandez Collado, & Baptista Lucio, 2010)
2.7.2. OTRAS CONDICIONES SOBRE LA ESCALA LIKERT
El número de categorías depende del grado de discriminación que tengan los
participantes.
“Si los participantes tienen poca capacidad de discriminar se pueden considerar dos o tres
categorías. Por el contrario, si son personas con un nivel educativo elevado y gran
capacidad de discriminación, pueden incluirse siete o más categorías. Pero debe
recalcarse que el número de categorías de respuesta tiene que ser el mismo para todos los
ítems. Si son tres, son tres categorías para todos los ítems o las afirmaciones. Si son cinco,
son cinco categorías para todos los reactivos. En ocasiones se elimina la opción o
categoría intermedia y neutral (ni de acuerdo ni en desacuerdo, neutral, indeciso...) para
84
comprometer al sujeto o forzarlo a que se pronuncie de manera favorable o desfavorable.”
(Hernandez Sampieri et al., 2010)
Por otra parte, como señalan (Hodge & Gillespie, 2003), los encuestados pueden tener
diferencias en la forma en como entienden la escala pues unos pueden entender el punto
central como un punto neutral mientras otros podrían calificarlo como un no aplica o no sé.
Cuando los sujetos encuestados pueden ver al punto neutral como una opción de respuesta
cuando no hay información es apropiado ignorar estas respuestas en la ponderación total.
(Hernandez Sampieri et al., 2010; Hodge & Gillespie, 2003; Raaijmakers, Van Hoof, t Hart,
Verbogt, & Vollebergh, 2000)
Para solucionar este tipo de problemas debe realizarse una encuesta piloto y evaluar el
número de respuestas que se van a este punto neutral, cuando una cuarta parte o más tienden
a esta categoría es necesario revisar la categoría o, incluso, cambiar la escala. (Hernandez
Sampieri et al., 2010)
2.7.3. DIFERENCIAL SEMÁNTICO
El diferencial semántico10 fue desarrollado por (Osgood, 1957) y consiste en un par de
adjetivos extremos que califican a un objeto de actitud y, así como en la escala likert original,
se solicita a un sujeto calificar su reacción. Es importante aclarar que entre este par de
adjetivos extremos hay diferentes opciones para que el encuestado pueda reflejar su actitud
en la medida más acertada posible.
10 Desde este punto se entenderá como DS.
85
2.7.3.1. MANERAS DE APLICAR EL DIFERENCIAL SEMÁNTICO
Según (Hernandez Sampieri et al., 2010), las preguntas con DS pueden ser aplicadas de
dos formas:
Auto-administrada: se le entrega al encuestado una escala y éste marca la categoría
que mejor describe su opinión o reacción con respecto a la pregunta o afirmación.
Entrevista: luego de formular la pregunta y atender la respuesta, el entrevistador es
quien marca la categoría que mejor se ajusta.
Para este caso es conveniente que el sujeto cuestionado tenga una tarjeta con los
adjetivos extremos y las categorías intermedias.
2.8. ANÁLISIS ESTRUCTURAL
El proceso de planeación es un pilar fundamental para que las organizaciones puedan
perdurar en el tiempo y más aún en el contexto de globalización actual lleno de
incertidumbre, cambios acelerados y competencia en todos puntos cardinales.
En este contexto, los análisis convencionales como los pronósticos no son suficientes,
pues se basan en información pasada que no es útil para el futuro, por lo que se hace
indispensable explorar otras herramientas o técnicas que permitan adaptarse de mejor manera
al cambio futuro.
Es debido a esta necesidad latente de las organizaciones de reducir el nivel de
incertidumbre que han surgido metodologías como la prospectiva estratégica que permite
analizar posibles evoluciones de una organización en un horizonte de tiempo teniendo en
cuenta las interacciones de mi organización con su contexto.
86
En su obra “La caja de herramientas de la prospectiva” (Godet, Monti, Meunier,
Roubelat, & others, 2000) afirma que la prospectiva es para los conspiradores del futuro, es
decir, que el futuro no se prevé sino que se construye desde el presente. Es por esto que la
prospectiva debe entenderse como una forma de reflexión antes de tomar acciones que
permitan construir el futuro deseado.
2.8.1. DEFINICIÓN DEL ANÁLISIS ESTRUCTURAL
Dentro de la obra “La caja de herramientas de la prospectiva” (Godet et al., 2000) se
destacan las técnicas que se muestran en la Tabla 8. Técnicas de la prospectiva y que pueden
ser utilizadas por las empresas dentro del proceso estratégico.
Tabla 8. Técnicas de la prospectiva
ETAPA TÉCNICA
Estado del presente Análisis estructural
Estado del futuro
Cuantitativas
Delphi
Análisis estructural
Cualitativas
Ejes de Schwartz
Análisis morfológico
Futuro deseable Lluvia de acciones
Arquitectura estratégica Árboles de decisiones Árboles de
pertinencia
Fuente: (Godet et al., 2000)
El análisis estructural es también una herramienta que facilita el modelamiento de
sistemas de forma cuantitativa permitiendo identificar distintas relaciones e influencias entre
las variables del sistema a representar, (Escobar, José, & Franco, 1999) logrando entender la
situación actual y dando campo a posibles simulaciones que permitan entender
comportamientos futuros.
87
Estas relaciones existentes entre las diversas variables del sistema a estudiar se
evidencian a través de una matriz donde se interrelacionarán unas con otras permitiendo de
una forma sencilla determinar qué variables afectan en mayor medida a las otras y cuáles son
susceptibles de cambios.
En general, la red de interrelaciones de las variables que están representadas en la matriz
constituye una estructura del sistema; es por esto que a este método se denomina “análisis
estructural”. (Medina Giopp & Francos Rodríguez, 2009)
2.8.2. OBJETIVOS DEL ANÁLISIS ESTRUCTURAL
El principal objetivo del análisis estructural es permitir evidenciar de forma notoria el
arreglo, organización y relación de las diferentes variables de un sistema por medio de una
matriz. Esta relación se evidencia en la matriz de forma cuantitativa sin importar el tipo de
variables que se desean analizar con el fin de determinar, como se mencionó anteriormente,
qué variables son esenciales y general un gran impacto en todo el sistema y cuáles son
susceptibles a cambios.
Para determinar la relación de las variables es necesaria una reflexión colectiva de un
colectivo de personas expertas sobre el tema y el sistema que se está observando; esto para
que los resultados del análisis se ajusten de mejor forma al sistema real.
De igual manera el análisis estructural busca reducir la complejidad sistémica de las
variables que componen a un sistema y determinar cuáles de estas son esenciales dentro del
ejercicio prospectivo.
88
2.8.3. ETAPAS DEL ANÁLISIS ESTRUCTURAL
El análisis estructural comprende las siguientes etapas:
2.8.3.1. INVENTARIO DE VARIABLES O FACTORES
La primera tarea a realizar es la definición y delimitación tanto del estudio como del
sistema a estudiar.
La segunda tarea es hacer un inventario de todas aquellas variables y/o factores tanto
internos como externos que definen, componen y caracterizan al sistema. Es importante en
esta etapa ser lo más exhaustivo posible para que la descripción que se haga del sistema a
través de sus variables sea lo más cercana a la realidad posible. Se recomienda también la
participación de expertos en el sistema que permitan validar cada una de las variables
anteriormente determinadas.
A partir del análisis anterior se debe realizar un listado de variables. Este listado puede
elaborarse a partir de los siguientes métodos:
Método Delphi
Modelos existentes
Lluvia de ideas
Listas de comprobación
Según (Arcade, Godet, Meunier, Roubelat, & Mendieta, 2004), esta lista no debería
superar las 80 variables.
89
Cuando se esté realizando el listado de variables, es indispensable elaborar una
explicación detallada de cada variable con el objetivo de que todas las personas que
participen en el análisis del modelo tengan la misma base conceptual, permitiendo un
resultado coherente. Las definiciones deben evitar posibles interpretaciones erróneas y deben
ser fácilmente entendibles por las personas externas a esta fase de inventario de variables.
Es importante señalar también el comportamiento histórico de cada variable y una
evaluación de las posibles tendencias futuras.
Por otro lado, (Cely, 1999) categoriza las relaciones de las variables que se determinaron
en el sistema en las siguientes tres clases:
Influencia directa: se da cuando la variable i influye sobre la variable j; por lo tanto,
cuando hay un cambio en la variable i, se presentará un cambio en la variable j.
Influencia indirecta: se da cuando la variable i influye sobre la variable j y, a su vez,
la variable j influye en la variable k; por lo tanto, se afirma que la variable i influye
de forma indirecta sobre la variable k.
Influencia potencial: se da cuando la variable i puede o debería influir sobre la
variable j en el futuro.
2.8.3.2. DESCRIPCIÓN DE LAS RELACIONES ENTRE VARIABLES
Para describir las relaciones existentes entre variables se deben seguir las siguientes
etapas:
90
2.8.3.3. PONDERACIÓN EN RELACIÓN DE LAS VARIABLES
En esta etapa se busca reconstruir y describir la red de relaciones que tienen las variables
que componen el sistema. Para realizar esta reconstrucción se realiza una matriz de análisis
estructurales11 diseñada de acuerdo a cada caso de estudio.
2.8.3.4. ANÁLISIS DE INFLUENCIAS DIRECTAS
En esta etapa se analizan las influencias directas existentes entre las variables. Es
importante en este punto determinar no solamente la influencia existente entre cada par de
variables sino el grado de intensidad medido a través de la evaluación cuantitativa realizada.
La calificación o evaluación de la relación entre variables se hará de acuerdo a la siguiente
escala propuesta por (Guzmán Vásquez, Malaver Rojas, & Rivera Rodríguez, 2005):
Tabla 9. Escala relación entre variables
CALIFICACIÓN TÍTULO DESCRIPCIÓN
0 No influye No hay influencia directa de la variable i sobre la variable j
1 Influencia
débil
Hay cambios poco importantes.
La influencia de la variable i sobre la variable j es mínima
2 Influencia
media
Hay una influencia es considerable.
La influencia de la variable i sobre la variable j es relevante y debe ser
tenida en cuenta al momento de realizar el análisis del comportamiento
3 Influencia
fuerte
Hay una gran influencia.
La variable i influye en gran medida sobre la variable j por lo que deben
ser tenidas en cuenta particularmente al momento del análisis.
Estas variables pueden incidir en el futuro del sistema.
4 Influencia
potencial
En un futuro, la variable i puede influir sobre la variable j.
Son influencias que en el presente estudio no se presentan y son desafíos
a futuro.
Fuente: autores basado en (Guzmán Vásquez et al., 2005)
11 La matriz de análisis estructurales es una matriz cuadrada de orden n x n donde n son las variables definidas
para el sistema que es objeto de estudio.
91
2.8.3.5. MATRIZ DE ANÁLISIS ESTRUCTURAL
La matriz de análisis estructural es un cuadro de doble entrada como el que se muestra
en la Ilustración 23. En dicho cuadro se determina la influencia existente entre las variables
que se encuentran en las filas sobre las variables que están en las columnas.
Ilustración 23. Matriz de análisis estructural
Fuente: (Cely, 1999)
La matriz debe ser llenada por filas y cada elemento aij de la matriz se define de la
siguiente forma:
aij = 1,2 o 3, si la variable i incide directamente sobre la variable j.
El valor 1, 2 o 3 lo determina el grado de influencia.
aij = 0, en caso contrario.
Como recomendaciones para el llenado de la matriz, (Arcade et al., 2004) propone evitar
los siguientes escenarios:
92
La existencia de una relación bidireccional directa entre las variables i y j. En este
caso se debe privilegiar a la relación más directa o fuerte.
Registrar una relación directa entre las variables i y j, cuando es de carácter indirecto.
Registrar una influencia de la variable i en la variable j cuando esta solo se da cuando
una tercera variable k actúa sobre ellas.
Estas aclaraciones son necesarias al momento de llenar la matriz ya que evita que se
generen errores, sino que también las respuestas de todos los integrantes sean coherentes y
permitan un mejor análisis del sistema.
2.8.3.6. IDENTIFICACIÓN DE VARIABLES CLAVE
En esta etapa se busca identificar aquellas variables que tienen más influencia dentro del
sistema, por lo que son estas las que determinan la evolución del mismo.
Para realizar una determinación correcta de las relaciones directas e indirectas se utilizará
la “Matriz de Impactos Cruzados Multiplicación Aplicada a una Clasificación”12 (Godet &
Durance, 2011)
Esta matriz permite comparar las variables para determinar qué tipo de influencia hay
entre ellas (directa, indirecta o potencial); lo que permite determinar cuáles variables son más
importantes y qué relaciones existen y no son fácilmente detectables.
12 A partir de este punto se denominará MicMac®
93
Cada variable utilizada dentro del análisis estructural tiene un nivel de influencia y otro
de dependencia para que puedan ser graficadas dentro de un plano influencia vs dependencia.
Las variables que serán graficadas pueden ser:
Variables de entrada: son variables con gran nivel de influencia y poco nivel de
dependencia, por lo tanto, se les considera como variables que explican el sistema
analizado.
Estas variables tienen gran poder dentro del sistema por lo que las acciones que se
deseen ejercer deben orientarse principalmente a éstas.
Variables de enlace: son variables que tienen gran nivel tanto de influencia como de
dependencia, lo que implica un bajo grado de estabilidad.
Cualquier acción realizada sobre estas variables tendrá un impacto en otras
modificando la dinámica del sistema.
Variables resultantes: son las variables que tienen un nivel de influencia bajo, pero
son altamente dependientes por lo que cualquier cambio en estas será explicado por
alguna acción en las variables de entrada y/o enlace.
Variables excluidas: son las variables que tienen un bajo nivel tanto de influencia
como de dependencia por lo que no tendrán un impacto significativo dentro de la
dinámica del sistema.
Estas variables pueden ser excluidas del análisis sin obtener alguna consecuencia.
Variables del pelotón: son las variables que no pueden ser caracterizadas de forma
suficiente por influencia o dependencia por lo que no se conoce qué papel
desempeñan dentro de la dinámica del sistema.
94
Aquellas variables que tengan un nivel de influencia fuerte pueden llegar a tener un
comportamiento de influencia excesiva sobre otras variables, por lo que es importante evaluar
las posibles relaciones indirectas que se pueden generar a través de la red del sistema y que
ayudarían a caracterizarlo. (Arcade et al., 2004)
Para solucionar este problema, el método MicMac® eleva la matriz estructural a una
potencia de 1 a n veces, lo que permite que se evalúen las relaciones entre la red del sistema,
lo que permite conocer las influencias directas e indirectas de cada variable sobre las demás.
De esta forma, el software logra analizar las diferentes influencias dentro de la red del
sistema y, con respecto a los datos de entrada, determina la capacidad de influencia y
dependencia correspondiente a cada variable.
Como lo señalan (Godet & Durance, 2011), es importante considerar influencias tanto
directas como indirectas, por lo que es necesario elevar el rango de la matriz hasta que ésta
tenga un comportamiento constante. Una vez realizado este proceso deben calcularse
nuevamente los niveles de motricidad – dependencia y sus porcentajes. (Cely, 1999)
Por otro lado, es útil representar cada variable de forma gráfica; para esto se utiliza el
plano de motricidad – dependencia, también llamado plano de influencia – dependencia,
donde se busca mostrar el nivel de influencia que tiene la variable que está en la fila sobre
las variables que están en las columnas.
Cada variable se representa en la gráfica a través de un punto y un número que identifique
a la variable. Para la ubicación del punto se debe tener en cuenta que el valor de las ordenadas
95
son el indicador de influencia de la variable, y el valor de las abscisas son el indicador de
dependencia. (Arcade et al., 2004)
En la Ilustración 24. Ubicación de las variables en el plano influencia – dependencia, se
observa qué el tipo de variable para el análisis estructural depende de su ubicación dentro del
plano.
Ilustración 24. Ubicación de las variables en el plano influencia – dependencia
Fuente: (Godet & Durance, 2011)
Como se puede observar en la Ilustración 24. Ubicación de las variables en el plano
influencia – dependencia, la localización de cada variable permite dar una idea clara sobre la
dinámica del sistema. Otra de las ventajas de realizar análisis estructural es que permite
determinar de forma precisa qué variables tienen un gran poder dentro del funcionamiento
del sistema, garantizando que las variables consideradas dentro del análisis sean variables de
entrada. (Godet & Durance, 2011)
96
Dentro de cada cuadrante se ubicará un tipo particular de variable, dependiendo de su
grado de influencia o motricidad sobre otras variables, como se explicó anteriormente. En la
Ilustración 25. Clasificación de cuadrantes del plano influencia – dependencia se puede
observar la clasificación dada por (Medina Giopp & Francos Rodríguez, 2009)
Ilustración 25. Clasificación de cuadrantes del plano influencia – dependencia
Fuente: (Fonseca & Gaitán, 2015; Medina Giopp & Francos Rodríguez, 2009)
Las cuatro diferentes zonas representadas en la Ilustración 25. Clasificación de
cuadrantes del plano influencia – dependencia se pueden definir como:
Zona de Poder: En este cuadrante se ubican las variables que tienen una gran
“influencia” dentro del sistema, además de ser muy poco dependientes. Por lo tanto,
cualquier acción sobre estas tendrá un gran impacto general, sin embargo, es
97
importante anotar que al ser tan poco dependientes puede resultar muy complicado
actuar directamente sobre estas variables.
Zona de Conflicto: En este cuadrante se ubican las variables que tienen gran nivel de
influencia dentro del sistema, pero son también muy dependientes por lo que pueden
llegar a ser inestables, por lo que pueden afectar al sistema de forma tanto positiva
como negativa.
Zona de Independencia: En esta zona se ubican las variables que tienen un bajo nivel
de influencia y bajo nivel de dependencia dentro del sistema. Para estas variables es
recomendable analizar cada una y determinar si vale la pena que sean tenidas en
cuenta dentro del análisis o, definitivamente, ser excluidas por su bajo impacto sobre
el sistema.
Zona de Salida: En este cuadrante se ubican las variables que son altamente
dependientes pero que no tienen un nivel de influencia significativo, lo que indica
que son variables altamente sensibles al cambio de otras variables. Estas variables se
denominan variables de salida del sistema porque su resultado depende del
comportamiento de otras variables.
Como se pudo ver anteriormente, ubicar las variables dentro del plano de influencia –
dependencia permite entender la dinámica de un sistema y su posible evolución, clasificando
cada una de las variables de acuerdo a su aporte al sistema y logrando concentrarse en
aquellas variables que sean realmente importantes.
Para el análisis de la posición de cada variable se propone a través del método MicMac®
un análisis refinado no solo de los cuatro cuadrantes vistos anteriormente sino de los sub-
98
cuadrantes que puedan existir, definiendo de una forma más profunda cada una de las
variables.(Arcade et al., 2004)
Por otro lado, graficar las variables dentro del plano de influencia – dependencia también
permite determinar el nivel de estabilidad o inestabilidad que tiene el sistema en su estructura
de relaciones inter variable.
Para realizar este análisis de estabilidad del sistema se han desarrollado las siguientes
configuraciones teóricas:
Un sistema es estable si sus variables se ordenan en forma de letra “L”.
Esta afirmación puede ser confirmada ya que una ubicación de variables de este tipo
evitaría la “zona de conflicto” de la gráfica, logrando que el sistema sea estable y
“predecible”.
Un sistema es inestable si sus variables se ordenan a lo largo de la diagonal principal
del plano con base en el origen.
Esta afirmación se confirma debido a que tendría puntos dispersos por todo el plano,
por lo que aquellas variables ubicadas en la “zona de conflicto” generarían
inestabilidad general en el sistema.
Las dos configuraciones anteriores pueden observarse en la Ilustración 26
.
99
Ilustración 26. Configuración sistema estable e inestable
Fuente: (Medina Giopp & Francos Rodríguez, 2009)
Sin embargo, es importante aclarar que la determinación de estabilidad de un sistema no
implica que éste no vaya a evolucionar y se quede únicamente en este estado.
2.8.4. LÍMITES DEL ANÁLISIS ESTRUCTURAL
Es importante aclara que, como cualquier otro método, el análisis estructural tiene ciertas
limitaciones que deben ser tenidas antes de seleccionarlo para el análisis de un sistema.
Dentro de las limitantes principales se encuentran:
Constitución del grupo de expertos: así como cualquier método que utilice un criterio
grupal, el resultado del análisis estructural depende en gran medida del tipo de
personas expertas que hayan hecho parte del proceso, por lo que uno de los puntos
esenciales al momento de utilizar este método es la correcta elección de los
participantes. También se recomienda que este grupo sea lo más multidisciplinar
posible. (Arcade et al., 2004)
100
Tamaño del grupo de trabajo: esta limitante va relacionada con la anterior y es que
no solo basta con la correcta elección de los expertos, sino que también es necesario
que estos sean un grupo mayor a ocho personas, ya que esto permitirá obtener un
análisis de mayor calidad.
Resultado: a través del método de análisis estructural es posible definir ciertas
intervenciones sobre las variables que se definieron como relevantes o de poder
dentro del sistema. Sin embargo, en trabajos como el de (Cuadrado, Alonso, & others,
2009) afirman que es necesario realizar un análisis posterior a estas intervenciones
para determinar su nivel de pertinencia y determinar si son factibles de acuerdo a las
capacidades del sistema.
2.9. TÉCNICAS DE ANÁLISIS MULTIVARIANTE
2.9.1. GENERALIDADES
Las técnicas de análisis multivariante se refiere a los métodos o series de técnicas
estadísticas utilizadas para trabajar con grandes conjuntos de datos, logrando sintetizarlos
para que se facilite su análisis.
Además, permiten obtener información válida y útil para comprender el fenómeno o
sistema que se está estudiando, logrando así llegar a conclusiones y decisiones coherentes.
2.9.2. OBJETIVOS
Los principales objetivos de las técnicas de análisis multivariante con respecto a los
resultados obtenidos de su aplicación son:
101
Reducir el número de variables a analizar buscando una mejor interpretación y
comprensión del fenómeno a estudiar.
Favorecer el estudio conjunto de múltiples variables que pueden ser de tipo
cualitativo o cuantitativo procurando obtener información realmente útil para el
análisis y sirva como apoyo en el proceso de toma de decisiones.
2.9.3. MÉTODOS DEPENDIENTES
Como se explicó anteriormente, las variables pueden ser de tipo dependiente o
independiente; para los métodos dependientes de las técnicas de análisis multivariante el
objetivo es determinar si un conjunto de variables independientes afecta y de qué forma a las
variables dependientes.
Algunas de estas técnicas de tipo cualitativo son:
Regresión logística
Árboles de decisión
Tablas de contingencia
Análisis discriminante
Algunas técnicas de tipo cuantitativo son:
ANOVA-MANOVA
Regresión
Supervivencia
Árboles de decisión
Correlación canónica
102
2.9.4. MÉTODOS INTERDEPENDIENTES
Por otro lado, los métodos interdependientes de análisis multivariante no tienen en cuenta
qué tipo de variables son, sino que únicamente busca si existe alguna interrelación entre ellas.
Algunas de estas técnicas de tipo cualitativo son:
Análisis de clúster
Análisis de correspondencias
Algunas técnicas de tipo cuantitativo son:
Componentes principales
Análisis de factor
Escalas multidimensionales
2.9.5. MÉTODOS ESTRUCTURALES
El objetivo de los métodos estructurales es determinar la forma en como las variables
independientes afectan las variables dependientes, así como conocer de qué forma están
relacionadas.
Un ejemplo de estos métodos son las ecuaciones estructurales que es utilizado para
estimar relaciones causales a partir de datos estadísticos.
Este tipo de método consta de dos partes: la primera es un modelo estructural que
especifica qué relaciones de dependencia existe y un modelo de medida que especifica cómo
se relacionan los indicadores con sus correspondientes ecuaciones.(Cuadras, 2018)
103
2.9.6. REGRESIÓN LINEAL MÚLTIPLE
La regresión lineal múltiple es una técnica que permite determinar cómo se relaciona una
variable dependiente con una o más variables independientes. Una de las ventajas de esta
técnica es que permite modelar el comportamiento de la variable dependiente a través de una
relación matemática, lo que permite entender su comportamiento.
La función matemática resultante al utilizar esta técnica tendrá la siguiente composición:
Ecuación 2. Regresión lineal múltiple
Fuente: (Abuín, 2007)
Donde:
𝑦: es la 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
𝑥𝑖: 𝑒𝑠 𝑙𝑎(𝑠) 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒(𝑠) 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
𝑏𝑖: 𝑒𝑠 𝑒𝑙 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝑖𝑛𝑑𝑖𝑐𝑎 𝑒𝑙 𝑝𝑒𝑠𝑜 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
Se busca que la recta formada por esta función describa de la mejor forma posible la
distribución de la nube de puntos de las variables estudiadas.
2.9.6.1. OBJETIVOS DE LA REGRESIÓN LINEAL
Algunos de los objetivos de la regresión lineal son:
Determinar el comportamiento de una variable dependiente a partir de la relación
matemática de variables independientes.
Determinar la importancia relativa de cada variable independiente sobre la variable
dependiente.
104
Determinar la dirección de la relación entre variables independientes y dependiente
(positiva o negativa).
Evaluar las interrelaciones entre variables.
2.9.6.2. HIPÓTESIS DE LA REGRESIÓN LINEAL
Antes de utilizar la regresión lineal como técnica de análisis de datos hay que tener en
cuenta las siguientes consideraciones sobre las que se basa esta técnica para que el análisis
posterior pueda ser realizado con el mayor grado de fidelidad con respecto al sistema real.
Linealidad: se asume que la relación entre las variables independientes y la variable
dependiente es de tipo lineal de la forma:
Ecuación 3. Linealidad
Fuente: (Abuín, 2007)
Homocedasticidad: supone que todas las distribuciones poblacionales tienen la
misma varianza.
Ecuación 4. Homocedasticidad
Fuente: (Abuín, 2007)
Independencia: supone que las variables explicativas son independientes entre sí.
105
Ecuación 5. Independencia entre variables
Fuente: (Abuín, 2007)
Normalidad: las diferencias entre los valores calculados a través del modelo y los
valores observados en el sistema real deben estar distribuidos de forma normal.
Ecuación 6. Distribución normal
Fuente: (Abuín, 2007)
Observaciones anómalas: todos aquellos datos que se consideren aberrantes por estar
muy separados del contexto deben ser descartados para evitar que tengan algún tipo
de influencia en el resultado final.
2.9.6.3. COEFICIENTE DE REGRESIÓN MÚLTIPLE Y R2 MÚLTIPLE
El coeficiente de regresión múltiple se define como la correlación existente entre las
variables independientes y la variable dependiente. Este coeficiente es una magnitud que
determinan qué peso tiene las variables explicativas sobre la variable dependiente; mientras
que la dirección de la relación determinaría si esta es de tipo positivo o negativo.
Mientras que, el cuadrado del coeficiente de correlación múltiple (R2) es igual a la
proporción de la variabilidad de la variable dependiente y por el conjunto de las variables
independientes x.
106
La fórmula para el cálculo de este coeficiente es:
Ecuación 7. Calculo cuadrado del coeficiente de correlación
Fuente: (Fonseca & Gaitán, 2015)
Es decir, qué proporción de la variabilidad entre el valor de y (variable dependiente) y su
media, se le atribuye a la regresión.
Como complemento, 1-R2 es entonces la proporción de variabilidad no explicada o
residual de factores desconocidos y que se encuentran por fuera de las variables
independientes analizadas.
2.9.6.4. VALIDAR E INTERPRETAR LOS RESULTADOS DE LA REGRESIÓN
La validación del modelo de regresión lineal múltiple consiste en verificar si la
variabilidad de la variable dependiente y atribuida a la regresión es lo suficientemente grande
con respecto a la variabilidad no explicada o residual. (Fonseca & Gaitán, 2015)
Para esta evaluar esta relación se utiliza el índice F:
Ecuación 8. Cálculo del índice F
Fuente: (Fonseca & Gaitán, 2015)
107
La probabilidad (p) asociada al resultado de esta prueba estadística indica el grado de
certidumbre con el que se puede concluir que las variables independientes o explicativas son
mayores en proporción a los factores desconocidos en el modelo.
En resumen, si la probabilidad (p) es mayor a 0.05 (p>0.05), se puede afirmar que las
variables explicativas superan de forma suficiente a los factores desconocidos por lo que las
variables determinadas en el modelo son relevantes y son consideradas significativas.
A pesar de lo anterior, es importante destacar que esta significancia se refiere al modelo
como un todo y no de cada variable independiente individualmente; por lo que un modelo
altamente significativo según el índice F puede ser susceptible de cambios en sus variables
independiente a modo de acercarse más a la realidad.
Algunos programas estadísticos como SPPS, R, entre otros ofrecen una estimación de los
coeficientes de las variables independientes junto con un error de estimación, un valor de
significación y un intervalo de confianza. Estas herramientas pueden servir para determinar
si una variable es relevante en el modelo o sería preferible descartarla para el análisis.
También se encuentra un término denominado R cuadrado que se define como el
porcentaje de reducción de incertidumbre cuando se conocen las variables independientes del
modelo. Entre más se aproxime este valor a uno (1), más cerca estará el modelo de explicar
el fenómeno real.
Por otro lado, estos programas también muestran un R2 corregido que busca castigar todas
las variables innecesarias que se han incluido en el modelo.
108
Finalmente, la matriz de correlaciones es una herramienta que permite identificar
correlaciones lineales entre la variable dependiente y cualquiera de las variables
independientes.
Esta matriz de correlaciones está conformada por todos los coeficientes de correlación
lineal Pearson para cada par de variables. Estos coeficientes están comprendidos entre -1 y 1
y cuanto más extremo sea el coeficiente, más correlación lineal habrá entre las variables. El
signo únicamente indica la dirección de la relación.
Sin embargo, y como se recalcó anteriormente, la identificación de correlación entre
variables independientes debe generar un análisis más profundo de estas y determinar si
debería ser descartada alguna de las dos variables del modelo.
109
3. MARCO METODOLÓGICO
La metodología propuesta en esta investigación está basada, en algunas reflexiones,
hallazgos y experiencias desarrolladas por algunos investigadores de la Universidad Distrital.
Pero también en varios de sus productos finales como lo son la investigación MODICO 13
(Valverde C, 2011) del cual se adoptara ideas para la metodología de trabajo y de la tesis pre
gradual “ANÁLISIS DE LA RELACIÓN E INCIDENCIA DE LOS PROCESOS DE GESTIÓN
DEL CONOCIMIENTO SOBRE LOS PROCESOS DE INNOVACIÓN EN LAS
ORGANIZACIONES” (Fonseca Arévalo & Gaitán Hidalgo, 2015) , de la cual se tomara la
metodología conceptual de la misma.
Cómo lo cita MODICO, los objetivos deben estar interrelacionados respondiendo varias
inquietudes como los son el qué, para qué, cómo y dónde (Valverde Castro, 2011), pero ésta
articulación también debe estar dada en función de la jerarquía de los mismos; donde el
objetivo principal da respuesta a la esencia del proyecto y los objetivos específicos deben
estar orientados al logro del proyecto (Bernal Torres, 2010) por ello se propone crear esa
articulación como se puede evidenciar en la Ilustración 27
13 Modelo de inteligencia competitiva organizacional
110
Ilustración 27. Relación Metodológica de los Objetivos
Fuente: Autores basado (Barbosa Castro, 2017)
En un marco conceptual la metodología responde a los objetivos y dinámicas del
proyecto; pero cabe añadir que la misma metodología debe responder de manera pragmática
al desarrollo de las actividades por ello este proyecto se basara también en la dinámica de
fases proponiendo 4 fases: El Diseño de Investigación , Trabajo de Campo, Etapa Analítica,
y etapa Informativa.(Gómez, Flores, & Jiménez., 1996) , en ese orden de ideas los objetivos
de la investigación se articularan como lo muestra la Ilustración 28, cambiando las fases, se
determinó en la construcción de la metodología que las fases deberían ser, fase de diseño,
formulación, recolección y análisis.
Objetivo Principal
Objetivos Especificos
111
Ilustración 28. Articulación Fases - Objetivos – Actividades14
14 Fuente: autores
Fase AnálisisRealizar análisis estructural prospectivo y realizar análisis estadístico los resultados obtenidos por las encuestas realizadas a cada uno de los grupos de investigación de la Universidad Distrital Francisco
José de Caldas.
Analizar Cuantitativamente y cualitativamente las variables de competitividad e innovación implicadas en la investigación científica.
Fase de Recolección
Consultar expertos para el análisis estructural y realizar encuestas con las preguntas formuladas a todos los grupos de investigación para obtener información sobre sus capacidades de gestión
tecnológica.Desarrollar un metodologia de recoleccion de datos.
Fase de Formulación
Construcción matriz de impactos cruzados para el análisis estructural prospectivo y formulación las preguntas con las cuales se obtendrán la información de los grupos de investigación para determinar
sus capacidades de gestión tecnológica.
Implementar métodos ingenieriles que permitan determinar los variables correspondientes para alimentación del modelo.
Fase de Diseño
Realizar un inventario de las capacidades de gestión tecnológica en los grupos de investigación de la Universidad Distrital Francisco José de Caldas.
Determinar las prioridades que permiten la gestión de su tecnología para la innovación de los grupos de investigación UDFJC
FASES
OBJETIVO ESPECIFICO ACTIVIDAD DE APOYO
112
4. MARCO LEGAL
Tabla 10. Legislación grupos de investigación en Colombia
Legislación y normas Objetivo
Artículo 69 constitución del 1991
"El Estado fortalecerá la investigación
científica en las universidades oficiales y
privadas y ofrecerá las condiciones especiales
para su desarrollo."
Modelo de medición de grupos de
investigación, desarrollo tecnológico o de
innovación y de reconocimiento de
investigadores del sistema nacional de
ciencia, tecnología e innovación 2015
Dicta la normativa y dinámicas para el
reconocimiento y los distintos tipos de
categorización (A1, A, B, C, D) de los grupos
de investigación e investigadores en
Colombia antes Colciencias.
Resolución 176 de 2014 Universidad
distrital
Indica cómo se da el aval de los grupos de
investigación e investigadores de la
Universidad Distrital
Estatuto de investigaciones de la universidad
distrital Acuerdo 009 de 1996
Objetivos, creación del CIDC, funciones,
Comité de investigaciones, funciones,
reglamentación de cómo se evaluaran y que
normativa acogerse
Reglamentación sistema de Investigaciones -
Acuerdo 14 de Agosto de 1994
Por el cual se reglamenta el sistema de
investigaciones de la Universidad Distrital
Fuente: autores
113
IV. DETERMINAR Y VALIDAR LAS CAPACIDADES DE GESTIÓN
TECNOLÓGICA EN LOS GRUPOS DE INVESTIGACIÓN DE LA
UNIVERSIDAD DISTRITAL
1. ANÁLISIS ESTRUCTURAL PROSPECTIVO
Como se explicó en el MARCO TEÓRICO, el objetivo principal del análisis estructural
prospectivo es evidenciar de forma notoria la organización y relación de las diferentes
variables de un sistema, permitiendo determinar qué variables son esenciales y generan un
gran impacto y qué variables son altamente dependientes.
Es por este motivo que se decide utilizar este método como una de las formas en que se
piensa validar las variables del modelo de gestión tecnológica propuesto por (Saenz &
Barbosa, 2017).
Para poder aplicar este método a nuestro caso de investigación se siguieron los siguientes
pasos:
1.1. CONSTRUCCIÓN DE LA MATRIZ DE IMPACTOS CRUZADOS
La matriz de impactos cruzados es la herramienta utilizada para que los expertos puedan
dar una opinión cuantitativa sobre la relación existente entre las variables que son objeto de
investigación.
Como se mencionó anteriormente, las variables de investigación son las variables
propuestas en el modelo de gestión de capacidades tecnológicas (Saenz & Barbosa, 2017)
que son:
114
Tabla 11. Variables de investigación matriz impactos cruzados
ABREVIATURA VARIABLE
CON Conocimiento
VAL Valores
PLN Planeación
ORG Organización
DIR Dirección
CTRL Control
ADMON Administración
ECO Económico
RINT Redes internas
REXT Redes externa
Fuente: autores basados en (Saenz & Barbosa, 2017)
Después de determinar las variables de investigación que serán evaluadas se prosigue a
construir la matriz de impactos cruzados como se observa en la Tabla 12.
Tabla 12. Matriz de impactos cruzados
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON
VAL
PLN
ORG
DIR
CTRL
ADMON
ECO
RINT
REXT
Fuente: Autores
115
1.2. FASE DE RECOLECCIÓN DE INFORMACIÓN
Los pasos subsecuentes describen cada una de las actividades realizadas para determinar
el tamaño de muestra y los mecanismos de recolección de información para esta
investigación.
1.2.1. ANÁLISIS ESTRUCTURAL – IDENTIFICACIÓN EXPERTOS
Luego de formular la matriz de impactos cruzados en la fase anterior, se procede a
identificar a las personas que van a ser consultadas para que diligencien la matriz. Es
importante aclarar que para la selección de estas personas es fundamental que sean expertos
en el tema a investigar, en nuestro caso las capacidades de gestión tecnológica y procesos
I+D+i15.
Otro de los aspectos considerados al momento de seleccionar los expertos fue buscar
participantes del sector industrial y educativo con el objetivo de tener una visión más global
para que el análisis arrojara un resultado lo más cercano a la realidad posible.
Considerando la distancia geográfica de los participantes a consultar, se decidió hacer el
contacto a través del correo electrónico; el cual incluía una breve descripción del objetivo del
correo, una guía de diligenciamiento (ver ANEXO 2. GUÍA DILIGENCIAMIENTO
MATRIZ DE IMPACTOS CRUZADOS) y la matriz de impactos cruzados.
15 Abreviatura de Investigación, Desarrollo e Innovación.
116
En total fueron consultados 46 expertos (ver ANEXO 3. LISTADO DE EXPERTOS
CONSULTADOS), de los cuales solo 11 contestaron al correo con la matriz debidamente
diligenciada, lo que representa un 24% de la muestra inicial.
En la Tabla 13 se encuentran los participantes de esta etapa:
Tabla 13. Expertos participantes en el análisis estructural
Nombre Organización: Cargo
PhD. César Augusto
Bernal Torres Universidad de la Sabana Profesor Asociado
Esp. Gustavo Pacheco
Castro
Cámara de Comercio de
Barranquilla Jefe de Investigaciones Económicas
MSc. Fernanda Tapias
Forero
Corporación Tecnológica
Industrial Colombiana
(TEINCO)
Directora de investigación
MSc. Fredi Javier
Velasco Villarreal Guandera S.A.S
Gerente de Desarrollo aplicaciones e
Innovación
Bladimir Suárez Industria Colombiana de
Café Coordinador de innovación Colcafé
Fabio Gutiérrez
Serrano Seguros Bolívar Asistente Ejecutivo de Proyectos
Esp. German Eduardo
Vargas Zapata
Universidad Distrital
Francisco José de Caldas
Coordinador nodo Bogotá - Red
colombiana de semilleros de investigación
Jorge Enrique Villamil
Gutiérrez
Universidad Manuela
Beltrán Docente
MSc. Darín Jairo
Mosquera Palacios
Universidad Distrital
Francisco José de Caldas Docente investigador
Ing. Hugo Ruiz
Universidad Pedagógica y
Tecnológica de Colombia
(UPTC)
Laboratorista producción y aseguramiento
de la calidad
María Camila León
Rueda Oracle Business Development Representative
Fuente: Autores
117
1.3. FASE DE ANÁLISIS DE LA INFORMACIÓN
Una vez obtenidas las respuestas de los expertos de la matriz de impactos cruzados y de
los grupos de investigación a la encuesta se procedió a hacer el análisis.
1.3.1. ANÁLISIS ESTRUCTURAL – MÉTODO MICMAC®
Para realizar el análisis a las matrices diligenciadas por los expertos se utilizó el software
MicMac®; las variables ingresadas fueron las mismas que se establecen en la Tabla 14.
Con las respuestas de los expertos (ver ANEXO 4. RESPUESTAS A LA MATRIZ DE
IMPACTO CRUZADO); para unificar todas las respuestas de los expertos en una única
matriz de análisis estructural se realizó un promedio de todas las respuestas y un posterior
redondeo al entero más cercano, dando como resultado la matriz que se encuentra en la Tabla
14.
Tabla 14. Matriz de análisis estructural final
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT MOTRICIDAD
CON 2 3 2 2 2 3 2 2 2 20
VAL 3 2 2 3 2 2 2 2 2 20
PLN 2 2 2 2 2 2 2 2 2 18
ORG 2 2 3 2 2 2 2 2 2 19
DIR 2 2 2 2 2 2 2 2 2 18
CTRL 2 2 2 3 3 2 2 2 2 20
ADMON 2 2 2 2 2 2 2 2 2 18
ECO 2 2 3 2 2 2 2 2 2 19
RINT 2 2 3 2 2 2 2 2 2 19
REXT 2 2 2 2 2 2 2 2 2 18
DEPENDENCIA 19 18 22 19 20 18 19 18 18 18 189
Fuente: autores
118
1.3.2. ANÁLISIS DE INFLUENCIA Y DEPENDENCIA DIRECTA
Para determinar las variables directas o de primer grado se hace una sumatoria por filas
y columnas como se observa en la Tabla 15.
Tabla 15. Análisis influencia y dependencia matriz de análisis estructural
ABREVIATURA VARIABLE
TOTAL SUMATORIA
FILAS %
TOTAL SUMATORIA COLUMNAS
% PROMEDIO
CON Conocimiento 20 10,6% 19 10,1% 20
VAL Valores 20 10,6% 18 9,5% 19
PLN Planeación 18 9,5% 22 11,6% 20
ORG Organización 19 10,1% 19 10,1% 19
DIR Dirección 18 9,5% 20 10,6% 19
CTRL Control 20 10,6% 18 9,5% 19
ADMON Administración 18 9,5% 19 10,1% 19
ECO Económico 19 10,1% 18 9,5% 19
RINT Redes internas 19 10,1% 18 9,5% 19
REXT Redes externa 18 9,5% 18 9,5% 18
Total 189 100% 189 100%
Fuente: autores
La Tabla 15 presenta la sumatoria de las filas y columnas de la Tabla 14, esta información
permite determinar las variables de primer grado, es decir, aquellas variables que ejercen
mayor influencia directa sobre las otras. Es importante aclarar que la puntuación máxima
tanto por fila como por columna es de 27 puntos.
1.3.2.1. ANÁLISIS DE INFLUENCIA O MOTRICIDAD
La sumatoria de las filas de la Tabla 14, que se encuentran especificadas en la Tabla 15,
indica el impacto que tiene una variable cuando ejerce alguna acción sobre el sistema, lo que
permite determinar su grado de influencia o motricidad.
119
De esta manera, cuando se observan los resultados de la columna “TOTAL
SUMATORIA FILAS” de la Tabla 15, se puede afirmar que las variables Conocimiento
(CON), Valores (VAL) y Control (CTRL) son las variables más influyentes o motrices, con
una puntuación de 20 cada uno. Estas tres variables representan un 31,7% de la influencia
explicada desde las relaciones de las variables del modelo.
Lo anterior da a entender que estas tres variables son fundamentales dentro del modelo
porque generan un gran impacto en el sistema.
Por otro lado, las variables Planeación (PLN), Dirección (DIR), Administración
(ADMON) y Redes externas (REXT) son las variables con menor motricidad, lo que indica
que no ejercen mucha influencia sobre las demás variables del modelo.
1.3.2.2. ANÁLISIS DE DEPENDENCIA
La sumatoria de las columnas de la Tabla 14, que se encuentran especificadas en la Tabla
15, indica la dependencia que tiene una variable de las demás variables del sistema, es decir,
qué tanto se deja influir una variable de las demás.
Por consiguiente, cuando se observan los resultados de la columna “TOTAL
SUMATORIA COLUMNAS” de la Tabla 15, se puede afirmar que la variable Planeación
(PLN) es la variable más dependiente del sistema con un valor de 22, que equivale a un 11,6%
de la dependencia explicada desde las relaciones de las variables del modelo.
A causa de esta valoración, sería importante analizar la relevancia de la variable
Planeación (PLN) dentro del modelo pues su comportamiento responde en gran medida a la
influencia de las demás variables.
120
Las siguientes variables más dependientes son la Dirección (DIR) con un valor de 20,
Conocimiento (CON), Organización (ORG) y Administración (ADMON) con un valor de
19, que sumadas representan el 40,7% de la dependencia explicada desde las relaciones de
las variables del modelo.
1.3.2.3. ANÁLISIS CONJUNTO INFLUENCIA O MOTRICIDAD Y
DEPENDENCIA
Como se explicó en el MARCO , las variables del análisis estructural pueden ser
categorizadas en: variables de entrada, variables de enlace, variables resultantes, variables
excluidas y variables del pelotón.
Con respecto a la Tabla 15, las variables de investigación pueden ser categorizadas de la
siguiente forma:
Variables de entrada: Control (CTRL), Valores (VAL), Conocimiento (CON),
Económico (ECO) y Redes internas (RINT) por ser variables de gran influencia y
poca dependencia.
Variables de enlace: Organización (ORG) por ser una variable con gran influencia,
pero también gran dependencia.
Variables resultantes: Planeación (PLN) y Dirección (DIR) por ser variables con baja
influencia, pero un gran nivel de dependencia.
Variables excluidas: Redes externas (REXT), Administración (ADMON)
121
1.3.2.4. PLANO DE INFLUENCIAS/DEPENDENCIAS DIRECTAS
En la Ilustración 29 se observa la posición en que se encuentran las diferentes variables
en el plano de influencias/dependencias directas.
Ilustración 29. Plano influencias vs dependencias directas
Fuente: autores realizado en MicMac®
Teniendo en cuenta la posición de las variables en la Ilustración 29, y teniendo en cuenta
los conceptos trabajados en el MARCO se puede afirmar que el sistema es estable por
presentar forma de “L”.
Además, en la Ilustración 29 se observa que no existen variables en la zona de conflicto,
lo que reafirma la estabilidad del sistema.
122
Las variables pueden categorizarse según el cuadrante en que se encuentran ubicadas en
la Ilustración 29 de la siguiente forma:
Zona de poder: en esta zona se encuentran las variables Conocimiento (CON),
Valores (VAL) y Control (CTRL), que son aquellas que tienen gran nivel de
influencia y bajo nivel de dependencia.
En la frontera entre la zona de poder y la zona de independencia se encuentran las
variables Económico (ECO), Organización (ORG) y Redes Internas (RINT) que son
variables a tener en cuenta por tener un nivel de influencia medio y bajo nivel de
independencia.
Zona de independencia: en esta zona se encuentran las variables Redes Externas
(REXT) y Administración (ADMON), que son aquellas que tienen bajo nivel de
influencia y bajo nivel de dependencia.
Las variables que se ubican en esta zona están sujetas a análisis para determinar qué
tan relevantes son para el modelo o si pueden ser excluidas.
En la frontera entre la zona de independencia y la zona de salida se encuentra la
variable Dirección (DIR) que, si bien no tiene influencia sobre el modelo, es una
variable con dependencia media.
Zona de salida: en esta zona se encuentra la variable Planeación (PLN) que es la
variable con bajo nivel de influencia y un gran nivel de dependencia.
Esta variable se denomina de salida porque su estado y comportamiento depende del
comportamiento de las otras variables y, en especial, de las variables que se
encuentran en la zona de poder.
123
Zona de conflicto: en esta zona no se ubica ninguna variable evaluada, por lo que se
puede afirmar que el modelo tiene estabilidad.
1.3.2.5. GRÁFICO DE INFLUENCIAS DIRECTAS
El programa MicMac® permite realizar un gráfico de influencias como se observa en la
Ilustración 30. El ajuste tomado para realizar este gráfico fue 50%, ya que permite observar
las relaciones más significativas del modelo.
Ilustración 30. Gráfico de influencias directas
Fuente: autores realizado en MicMac®
124
Como se observa en la Ilustración 30, el grado de influencia entre las variables es
representado por un tipo de línea como se observa en la Ilustración 31 y una ponderación de
1 a 3, donde 3 representa una influencia fuerte.
Ilustración 31. Convenciones de las influencias
Fuente: software MicMac®
La Ilustración 30 permite afirmar que la variable Valores (VAL) es la variable con mayor
influencia, en especial sobre la variable Conocimiento (CON) y Dirección (DIR).
También, se observa como la variable Conocimiento (CON) tiene gran influencia sobre
la Planeación (PLN) y la Dirección (DIR).
Por otro lado, se observa como la variable Planeación (PLN) es altamente influida por las
variables Conocimiento (CON), Organización (ORG), Redes internas (RINT) y Económico
(ECO); por lo que se puede afirmar que es una variable altamente dependiente y debe
realizarse un análisis para determinar si debe ser excluida del modelo.
1.3.3. RELACIONES INDIRECTAS
El software MicMac® tiene dentro de sus herramientas un análisis de influencias
indirectas. Este proceso se obtiene al elevar la matriz de impactos cruzados cuantas veces sea
necesario para que se alcance un punto de estabilidad.
125
Para el caso del modelo estudiado fueron necesarias únicamente dos iteraciones como se
muestra en la Tabla 16.
Tabla 16. Iteraciones relaciones indirectas
ITERACIÓN INFLUENCIA DEPENDENCIA
1 83% 80%
2 100% 100%
Fuente: software MicMac®
La matriz de influencias indirectas calculado por el software se muestra en la Tabla 17,
y los valores representan la tasa de influencias indirectas.
Tabla 17. Matriz de influencias indirectas
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT MOTRICIDAD
CON 700 676 820 708 740 676 722 676 676 676 7070
VAL 724 672 806 712 756 680 708 680 680 680 7098
PLN 648 620 728 648 676 620 650 620 620 620 6450
ORG 678 648 784 670 708 648 680 648 648 648 6760
DIR 648 620 736 648 668 620 650 620 620 620 6450
CTRL 710 678 804 722 754 670 712 678 678 678 7084
ADMON 648 620 736 648 676 620 642 620 620 620 6450
ECO 678 648 784 678 708 648 680 640 648 648 6760
RINT 678 648 784 678 708 648 680 648 640 648 6760
REXT 648 620 736 648 676 620 650 620 620 612 6450
DEPENDENCIA 6760 6450 7718 6760 7070 6450 6774 6450 6450 6450
Fuente: Autores basado en MicMac®
1.3.3.1. ANÁLISIS DE INFLUENCIA Y DEPENDENCIA INDIRECTA
Para determinar las variables indirectas se hace una sumatoria por filas y columnas como
se observa en la Tabla 18.
126
Tabla 18. Análisis influencia y dependencia indirecta
ABREVIATURA VARIABLE TOTAL
SUMATORIA FILAS
% TOTAL
SUMATORIA COLUMNAS
% PROMEDIO
CON Conocimiento 7070 10,5% 6760 10,0% 6915
VAL Valores 7098 10,5% 6450 9,6% 6774
PLN Planeación 6450 9,6% 7718 11,5% 7084
ORG Organización 6760 10,0% 6760 10,0% 6760
DIR Dirección 6450 9,6% 7070 10,5% 6760
CTRL Control 7084 10,5% 6450 9,6% 6767
ADMON Administración 6450 9,6% 6774 10,1% 6612
ECO Económico 6760 10,0% 6450 9,6% 6605
RINT Redes internas 6760 10,0% 6450 9,6% 6605
REXT Redes externa 6450 9,6% 6450 9,6% 6450
Total 189 100% 189 100%
Fuente: Autores basado en MicMac®
La Tabla 18 presenta la sumatoria de las filas y columnas de la Tabla 17, esta información
permite determinar las variables que ejercen mayor influencia indirecta sobre las otras.
1.3.3.2. ANÁLISIS DE INFLUENCIA O MOTRICIDAD INDIRECTA
La sumatoria de las filas de la Tabla 17, que se encuentran especificadas en la Tabla 18,
indica el impacto que tiene una variable cuando ejerce alguna acción sobre el sistema, lo que
permite determinar su grado de influencia o motricidad.
De esta manera, cuando se observan los resultados de la columna “TOTAL
SUMATORIA FILAS” de la Tabla 18, se puede afirmar que las variables Conocimiento
(CON), Valores (VAL) y Control (CTRL) son las variables más influyentes o motrices de
forma indirecta. Estas tres variables representan un 31,6% de la influencia explicada desde
las relaciones indirectas de las variables del modelo.
127
Al contrastar los resultados de las influencias directas e influencias indirectas se puede
observar que las variables más motrices son las mismas: Conocimiento (CON), Valores
(VAL) y Control (CTRL).
Por ende, se puede afirmar que estas tres variables son fundamentales dentro del modelo
porque generan un gran impacto en el sistema de forma directa e indirecta.
1.3.3.3. ANÁLISIS DE DEPENDENCIA INDIRECTA
La sumatoria de las columnas de la Tabla 17, que se encuentran especificadas en la Tabla
18, indica la dependencia que tiene una variable de las demás variables del sistema, es decir,
qué tanto se deja influir una variable de las demás.
Por consiguiente, cuando se observan los resultados de la columna “TOTAL
SUMATORIA COLUMNAS” de la Tabla 18, se puede afirmar que la variable Planeación
(PLN) es la variable más dependiente del sistema, que equivale a un 11,5% de la dependencia
explicada desde las relaciones indirectas de las variables del modelo.
Al contrastar los resultados de la dependencia directa e indirecta se puede observar que
la variable más dependiente es la misma: Planeación (PLN). Por lo que sería aconsejable
evaluar la relevancia que tiene esta variable dentro del modelo pues su comportamiento
responde en gran medida a la influencia de las demás variables.
128
1.3.3.4. ANÁLISIS CONJUNTO INFLUENCIA O MOTRICIDAD Y
DEPENDENCIA INDIRECTA
Así como para el caso de influencia o motricidad y dependencia directa, las variables del
análisis estructural pueden ser categorizadas en: variables de entrada, variables de enlace,
variables resultantes, variables excluidas y variables del pelotón.
Con respecto a la Tabla 18, las variables de investigación pueden ser categorizadas de la
siguiente forma:
Variables de entrada: Control (CTRL), Valores (VAL), Conocimiento (CON),
Económico (ECO) y Redes internas (RINT) por ser variables de gran influencia y
poca dependencia.
Variables de enlace: Organización (ORG) por ser una variable con gran influencia,
pero también gran dependencia.
Variables resultantes: Planeación (PLN) y Dirección (DIR) por ser variables con baja
influencia, pero un gran nivel de dependencia.
Variables excluidas: Redes externas (REXT), Administración (ADMON)
Al contrastar la categorización de las variables con influencia directa e indirecta se puede
observar que se encuentran en la misma clasificación.
1.3.3.5. PLANO DE INFLUENCIAS/DEPENDENCIAS INDIRECTAS
En la Ilustración 32 se observa la posición en que se encuentran las diferentes variables
en el plano de influencias/dependencias indirectas.
129
Ilustración 32. Plano influencias vs dependencias indirectas
Fuente: autores realizado en MicMac®
Así como con el plano de influencias vs dependencias directas, se observa que en la
Ilustración 32, las variables se organizan en forma de “L”, por lo que se puede afirmar que
es un sistema estable.
Las variables pueden categorizarse según el cuadrante en que se encuentran ubicadas en
la Ilustración 32 de la siguiente forma:
Zona de poder: en esta zona se encuentran las variables Conocimiento (CON),
Valores (VAL) y Control (CTRL), que son aquellas que tienen gran nivel de
influencia y bajo nivel de dependencia.
Zona de independencia: en esta zona se encuentran las variables Económico (ECO),
Organización (ORG), Redes Internas (RINT), Redes Externas (REXT),
130
Administración (ADMON) y Dirección (DIR), que son aquellas que tienen bajo nivel
de influencia y bajo nivel de dependencia.
Las variables que se ubican en esta zona están sujetas a análisis para determinar qué
tan relevantes son para el modelo o si pueden ser excluidas.
Zona de salida: en esta zona se encuentra la variable Planeación (PLN) que es la
variable con bajo nivel de influencia y un gran nivel de dependencia.
Esta variable se denomina de salida porque su estado y comportamiento depende del
comportamiento de las otras variables y, en especial, de las variables que se
encuentran en la zona de poder.
Zona de conflicto: en esta zona no se ubica ninguna variable evaluada, por lo que se
puede afirmar que el modelo tiene estabilidad.
Al comparar las zonas en que se ubican las variables en el plano de influencia vs
dependencia directo (Ilustración 29) y el plano de influencia vs dependencia indirecta
(Ilustración 32) se observa que las variables Económico (ECO), Organización (ORG) y
Redes Internas (RINT) pasaron de estar en la frontera entre la zona de poder y la zona de
independencia a estar en la zona de independencia.
Mientras que, la variable Dirección (DIR) pasó de la frontera entre la zona de
independencia y la zona de salida a estar en la zona de independencia.
1.3.3.6. GRÁFICO DE INFLUENCIAS INDIRECTAS
El programa MicMac® también permite realizar un gráfico de influencias indirectas
como se observa en la Ilustración 33. El ajuste tomado para realizar este gráfico fue 50%, ya
que permite observar las relaciones más significativas del modelo.
131
Ilustración 33. Gráfico de influencias indirectas
Fuente: autores realizado en MicMac®
Para este gráfico se utilizan las convenciones que se observan en la Ilustración 34.
Ilustración 34. Convenciones de las influencias
Fuente: software MicMac®
La Ilustración 33 permite afirmar que la influencia indirecta más fuerte del modelo es la
que ejerce la variable Conocimiento (CON) sobre la variable Planeación (PLN) con un valor
de 820.
132
También, se observa que existen influencias relativamente importantes entre las variables
Valores (VAL), Control (CTRL), Económico (ECO), Organización (ORG) y Redes Internas
(RINT) sobre la variable Planeación (PLN) con valores de 806, 804, 784, 784 y 784,
respectivamente.
Por otro lado, se puede observar que existe una influencia media entre las variables
Valores (VAL), Conocimiento (CON) y Control (CTRL) sobre la variable Dirección (DIR)
con valores de 756, 740, 754, respectivamente.
Por ende, así como en el gráfico de influencias directas (Ilustración 30), en el gráfico de
influencias indirectas (Ilustración 33) se observa que la variable Planeación (PLN) es
altamente dependiente.
Como se ha mostrado en todas las gráficas de este método, la variable Planeación (PLN)
es una variable con un nivel muy alto de dependencia y bajo nivel de influencia por lo que,
para futuros trabajos, se podría evaluar qué tan relevante es esta variable para el modelo o si
puede ser excluida.
1.3.4. COMPARACIÓN POR INFLUENCIA DE VARIABLES DIRECTAS E
INDIRECTAS
Luego de obtener los resultados del software MicMac® de forma directa e indirecta es
necesario realizar una comparación para determinar cuáles son las variables que tienen mayor
influencia dentro del modelo.
Es importante destacar que estas variables que ejercen gran influencia son variables
fundamentales dentro del modelo por generar un impacto significativo dentro del sistema.
133
En la Ilustración 35 se observa el comparativo entre la clasificación de las variables por
su influencia directa (tabla izquierda) y la clasificación de las variables por su influencia
indirecta (tabla derecha).
Ilustración 35. Clasificación de las variables según su influencia
Fuente: autores realizado en MicMac®
El cambio más significativo es que en la clasificación de las variables obtenida de la
MID16 la variable Conocimiento (CON), se encuentra en primer lugar, mientras que en la
clasificación de las variables obtenida de la MII17 se encuentra en tercer lugar.
Sin embargo, se puede concluir que para ambos casos las variables más influyentes y, por
lo tanto, esenciales en el modelo son las variables Conocimiento (CON), Valores (VAL) y
Control (CTRL).
16 Matriz de Influencias Directas
17 Matriz de Influencias Indirectas
134
1.3.5. COMPARACIÓN POR DEPENDENCIA DE VARIABLES DIRECTAS E
INDIRECTAS
Así como para el numeral anterior, es importante realizar un análisis de la clasificación
de las variables por su dependencia directa e indirecta.
En la Ilustración 36 se observa el comparativo entre la clasificación de las variables por
su dependencia directa (tabla izquierda) y la clasificación de las variables por su dependencia
indirecta (tabla derecha).
Ilustración 36. Clasificación de las variables según su dependencia
Fuente: autores realizado en MicMac®
Así como se había explicado anteriormente dados los resultados que arrojó el software
MicMac®, la variable más dependiente del modelo es la variable Planeación (PLN), por lo
que esta debe ser sujeta de revisión.
1.3.6. ANÁLISIS RESULTADOS ANÁLISIS ESTRUCTURAL
Los resultados obtenidos del análisis estructural permiten realizar una primera revisión a
las hipótesis planteadas en los ELEMENTOS DE INVESTIGACIÓN.
135
Es importante decir que las conclusiones obtenidas en el análisis estructural pueden ser
utilizadas de las siguientes maneras:
Juicio inicial para la revisión de las variables soportado en sus relaciones.
Elemento de depuración teórica inicial antes de utilizar técnicas más complejas para
el análisis del modelo.
Como método comparativo o de validación de otras técnicas de análisis; para el caso
de este proyecto, la regresión lineal múltiple.
En la Ilustración 37 se encuentran las convenciones utilizadas para hacer las diferentes
ilustraciones que ayudan a evaluar las hipótesis.
Ilustración 37. Convenciones influencias
Fuente: autores
En la Ilustración 38 se observa la influencia que ejerce cada variable sobre la capacidad
de gestión de conocimiento.
136
Ilustración 38. Influencias de las variables en la capacidad de gestión de conocimiento
Fuente: autores
La Ilustración 38 permite evaluar las sub-hipótesis:
H1.1: “El conocimiento afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.”
De acuerdo a los resultados obtenidos por el análisis estructural, la variable
Conocimiento (CON) tiene una gran influencia en el modelo, por lo tanto, se puede
afirmar que esta sub-hipótesis es verdadera.
H1.2: “Los valores afectan de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.”
De acuerdo a los resultados obtenidos por el análisis estructural, la variable Valores
(VAL) tiene una gran influencia en el modelo, por lo tanto, se puede afirmar que esta
sub-hipótesis es verdadera.
137
H1.3: “La planeación afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.”
De acuerdo a los resultados obtenidos por el análisis estructural, la variable
Planeación (PLN) tiene una baja influencia en el modelo y gran dependencia, por lo
tanto, esta variable es susceptible de análisis para futuros trabajos; por lo tanto, se
puede afirmar que esta sub-hipótesis es falsa.
H1.4: “La organización afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.”
De acuerdo a los resultados obtenidos por el análisis estructural, la variable
Organización (ORG) tiene una influencia relativamente importante en el modelo, por
lo tanto, se puede afirmar que esta sub-hipótesis es parcialmente verdadera.
H1.5: “La dirección afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.”
De acuerdo a los resultados obtenidos por el análisis estructural, la variable Dirección
(DIR) tiene una influencia débil en el modelo, por lo tanto, se puede afirmar que esta
sub-hipótesis es parcialmente falsa.
H1.6: “El control afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.”
138
De acuerdo a los resultados obtenidos por el análisis estructural, la variable Control
(CTRL) tiene una gran influencia en el modelo, por lo tanto, se puede afirmar que
esta sub-hipótesis es verdadera.
En la Ilustración 39 se observa la influencia que ejerce cada variable sobre la capacidad
de gestión de recursos tangibles e intangibles.
Ilustración 39. Influencias de las variables en la capacidad de gestión de recursos tangibles e intangibles
Fuente: autores
La Ilustración 39 permite evaluar las sub-hipótesis:
H2.1: La administración afecta de forma significativa la capacidad de gestión de
recursos tangibles e intangibles de los grupos investigación.
De acuerdo a los resultados obtenidos por el análisis estructural, la variable
Administración (ADMON) tiene una baja influencia en el modelo y gran
dependencia, por lo tanto, esta variable es susceptible de análisis para futuros trabajos;
por lo tanto, se puede afirmar que esta sub-hipótesis es falsa.
139
H2.2: El factor económico afecta de forma significativa la capacidad de gestión de
recursos tangibles e intangibles de los grupos investigación.
De acuerdo a los resultados obtenidos por el análisis estructural, la variable
Organización (ORG) tiene una influencia relativamente importante en el modelo, por
lo tanto, se puede afirmar que esta sub-hipótesis es parcialmente verdadera.
En la Ilustración 40 se observa la influencia que ejerce cada variable sobre la capacidad
de gestión de redes.
Ilustración 40. Influencias de las variables en la capacidad de gestión de redes
Fuente: autores
La Ilustración 40 permite evaluar las sub-hipótesis:
H3.1: Las redes internas afecta de forma significativa la capacidad de gestión de redes
de los grupos de investigación.
140
De acuerdo a los resultados obtenidos por el análisis estructural, la variable Redes
Internas (RINT) tiene una influencia media en el modelo, por lo tanto, se puede
afirmar que esta sub-hipótesis es parcialmente verdadera.
H3.2: Las redes externas afecta de forma significativa la capacidad de gestión de
redes de los grupos de investigación.
De acuerdo a los resultados obtenidos por el análisis estructural, la variable Redes
Externas (REXT) tiene una baja influencia en el modelo y gran dependencia, por lo
tanto, esta variable es susceptible de análisis para futuros trabajos; por lo tanto, se
puede afirmar que esta sub-hipótesis es falsa.
2. ENCUESTA
Para la estructuración de la encuesta se formularon preguntas utilizando escala Likert con
el objetivo de poder cuantificar todas aquellas capacidades que son netamente cualitativas.
Estas preguntas fueron calificadas entre 1 y 7; se decidió tomar un espectro tan amplio de
posibles respuestas con el objetivo de que la respuesta se acercara lo más posible a la realidad
y así evitar cualquier tipo de sesgo que evitaría obtener información confiable.
Antes de formular el cuestionario, se llevó a cabo un proceso de selección del tipo de
encuesta que sería utilizado para obtener la información; es importante determinar primero
el tipo pues esta determinará el tipo de preguntas, la extensión y la manera de realizar el
análisis (Fernández, 2004).
Para el caso del presente trabajo se decidió realizar la encuesta de forma virtual en google
forms, que es una herramienta digital de acceso abierto, debido a sus ventajas como: costo
141
reducido de realización, alto grado de accesibilidad y posibilidad de hacer mejoras al
cuestionario; según (Sánchez & Sarabia, 1999) la duración de una encuesta de manera virtual
no debe superar los diez minutos.
Esta consideración se tuvo en cuenta al momento de realizar la encuesta y en la prueba
piloto tuvo un tiempo de duración entre ocho y quince minutos. Si bien había algunos casos
en que superaba el tiempo recomendado, era un tiempo de respuesta aceptable.
Además, se especificó claramente que las respuestas obtenidas serían utilizadas
únicamente con fines investigativos y académicos.
La encuesta fue enviada mediante un link de diligenciamiento a través del CIDC18, la
OTRI19 Bogotá, Decanatura de la Facultad de Ingeniería, la Unidad de Investigaciones de la
Facultad de Ingeniería; adicionalmente, se realizó visitas personales a los grupos de
investigación con el objetivo de obtener un tamaño de muestra adecuado ya que por los
medios anteriormente explicados se tuvo un nivel de respuesta fue muy bajo.
2.1. ESTRUCTURA DE LA ENCUESTA
Por la naturaleza de las variables de investigación fue necesario utilizar un tipo de escala
que permitiera evaluar de forma cuantitativa las valoraciones de los expertos, lo que permite
realizar un análisis estadístico para evaluar las hipótesis planteadas al inicio de este
documento.
18 Centro de Investigación y Desarrollo Científico de la Universidad Distrital Francisco José de Caldas
19 Oficina de Transferencia de Resultados de Investigación de Bogotá que está a cargo de la Universidad
Distrital Francisco José de Caldas
142
Realizando una búsqueda de las diferentes escalas compuestas se encontraron los
siguientes resultados:
Escala Stapel: es una modificación del DS20. Es una escala unipolar no verbal que va
de -5 a +5. Una de las desventajas de esta escala es que puede ser confusa para los
encuestados. (Villanueva Begazo, 2006)
Técnicas de comparación-par Thurstone: método que busca evitar el problema de la
“no objetividad” de las actitudes personales. (Thurstone, 1927)
Escala Likert: como se explicó en el MARCO de este documento, esta escala se
puede utilizar para determinar la opinión de un sujeto a través de la elección de una
categoría o escala que se ajuste con su sentir.
Considerando la facilidad de análisis, poco tiempo para obtener respuesta y la orientación
de la investigación se optó por utilizar la técnica de escala Likert con una escala de 1 a 7 con
el objetivo de que el sujeto encuestado tuviera las suficientes opciones para que externalizara
su opinión lo más cercana a la realidad posible.
La encuesta se estructuró con el fin de evaluar cada una de las variables propuestas en el
modelo de (Saenz & Barbosa, 2017), donde su relación es necesaria para determinar las
capacidades de gestión de conocimiento, gestión de recursos y gestión de redes.
20 Diferencial Semántico
143
2.2. PRE-VALIDACIÓN DE LAS PREGUNTAS
De acuerdo a los numerales anteriores, se realizó una encuesta inicial que se encuentra
en el ANEXO 5. CUESTIONARIO INICIAL.
En búsqueda de mejorar el cuestionario inicial se llevó a cabo una prueba piloto con
algunos de los integrantes del grupo de investigación ARCO-SES21 y profesores de la
institución de educación superior TEINCO22 con la final de recibir su retroalimentación sobre
aspectos importantes a considerar como lo son inconsistencias en las preguntas, términos
confusos, errores en la escala, error en numeración de las preguntas, entre otros.
De acuerdo a las observaciones realizadas en la prueba piloto con respecto a preguntas
confusas, errores en redacción y escala, se realizaron las modificaciones correspondientes
para construir la encuesta final que se encuentra en el ANEXO 6. ENCUESTA FINAL
GRUPOS DE INVESTIGACIÓN.
2.3. TAMAÑO DE MUESTRA
La Universidad Distrital Francisco José de Caldas tiene en total 242 grupos de
investigación como se explicó en la Ilustración 4.
De acuerdo con la convocatoria 781 (Centro de investigaciones y desarrollo científico,
2018), los grupos de investigación de la Universidad Distrital se encuentran categorizados de
la siguiente manera:
21 Adquisición y Representación de Conocimiento mediante Sistemas Expertos y Simulación.
22 Corporación Tecnológica Industrial Colombiana
144
Tabla 19. Clasificación grupos de investigación Universidad Distrital
FACULTAD
CLASIFICACIÓN
(CONVOCATORIA 781)
No. DE GRUPOS DE
INVESTIGACIÓN
Facultad de Artes (ASAB)
A 1
C 4
No Reconocido 16
Total Facultad de Artes (ASAB) 21
Facultad de Ciencias y Educación
A 16
A1 2
B 10
C 18
No Reconocido 53
Reconocido 5
Total Facultad de Ciencias y Educación 104
Facultad de Ingeniería
A 5
A1 5
B 2
C 15
No Reconocido 28
Reconocido 2
Total Facultad de Ingeniería 57
Facultad de Medio Ambiente y Recursos
Naturales
A 1
B 3
C 7
No Reconocido 8
Reconocido 1
Total Facultad de Medio Ambiente y Recursos Naturales 20
145
Facultad Tecnológica
A 4
A1 1
B 2
C 12
No Reconocido 19
Reconocido 2
Total Facultad Tecnológica 40
Total general 242
Fuente: autores basado en (Centro de investigaciones y desarrollo científico, 2018)
Para nuestro caso de estudio, se tomó como población de investigación los grupos
categorizados en COLCIENCIAS, que en total son 108 grupos distribuidos como se muestra
en Ilustración 41.
Ilustración 41. Grupos de investigación categorizados Universidad Distrital
Fuente: autores basado en (Centro de investigaciones y desarrollo científico, 2018)
16
54
1 12
5
1
10
2 23
18
15
12
7
4
0
2
4
6
8
10
12
14
16
18
20
Facultad deCiencias yEducación
Facultad deIngeniería
FacultadTecnológica
Facultad de MedioAmbiente y
Recursos Naturales
Facultad de Artes(ASAB)
A A1 B C
146
Como la población total era conocida, se utilizó la siguiente fórmula para calcular el
tamaño de la muestra:
Ecuación 9. muestreo proporcional
Fuente: (Rabolini, 2009)
𝐷𝑜𝑛𝑑𝑒,
𝑁: 𝑒𝑠 𝑒𝑙 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝑍: 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎
𝑝: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜
𝑞: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑜
𝑑: 𝑚á𝑥𝑖𝑚𝑜 𝑒𝑟𝑟𝑜𝑟 𝑎𝑑𝑚𝑖𝑠𝑖𝑏𝑙𝑒
Para que la muestra fuera representativa se decidió utilizar un α=95% cuyo 𝑍𝛼 = 1.96,
un p=50%, q=50% y d=5%, por lo tanto:
Ecuación 10. Calculo tamaño de muestra
Fuente: autores basados en (Rabolini, 2009)
Por ende, se decidió realizar un total de 85 encuestas a los diferentes grupos de
investigación categorizados de la Universidad Distrital Francisco José de Caldas para validar
el modelo de gestión tecnológica.
147
2.4. ANALISIS ESTADISTICO
En la Ilustración 42 se observa la distribución de los grupos de investigación en las
encuestas realizadas donde se observa que: el 56% de la muestra tomada corresponde a
grupos categoría C, seguido por los grupos categoría A con 20%, los grupos categoría B con
17% y un 7% correspondiente a los grupos categoría A1.
Ilustración 42. Composición respuesta de la encuesta por categoría
Fuente: autores
En la Tabla 20 se encuentran las variables tenidas en cuenta para el modelo y las
correspondientes abreviaturas para el análisis.
Tabla 20. Abreviaturas variables análisis estadístico
ABREVIATURA VARIABLE
VAL Conocimiento
CON Valores
PLN Planeación
ORG Organización
DIR Dirección
20%
7%
17%
56%
A A1 B C
148
CTRL Control
CGC Capacidad de Gestión de Conocimiento
ADMON Administración
ECO Económico
CGREC Capacidad de Gestión de Recursos
RINT Redes internas
REXT Redes externa
CGRED Capacidad de Gestión de Redes
Fuente: autores
Antes de iniciar con el análisis estadístico se realizó un proceso de “limpieza” de errores en
la información (ver ANEXO 7. PROCESAMIENTO DE DATOS INICIAL).
Se decidió utilizar el software SPSS®23 que es un paquete estadístico desarrollado por la
Universidad de Chicago, que permite realizar análisis estadísticos descriptivos, pruebas
ANOVA, comparación de medias, modelo lineal general, correlaciones, regresión lineal,
curvilíneal y múltiple, análisis de factores, escalas, pruebas no paramétricas, entre otros.
2.4.1. ANÁLISIS FIABILIDAD DE LAS ESCALAS
Para medir la fiabilidad de la escala se puede utilizar el coeficiente alfa de Cronbach. La
medida de la fiabilidad mediante el alfa de Cronbach asume que los ítems (medidos en escala
tipo Likert) miden un mismo constructo y que están altamente correlacionados (Welch &
Comer, 1988). Entre más cerca esté el alfa a 1, mayor es la consistencia interna de los ítems
analizados.
Como criterio para analizar el análisis de Cronbach, (George & Mallery, 2003) sugieren:
23 Statistical Package for the Social Sciences
149
Coeficiente alfa >0,9 es excelente
Coeficiente alfa >0,8 es bueno
Coeficiente alfa >0,7 es aceptable
Coeficiente alfa >0,6 es cuestionable
Coeficiente alfa >0,5 es pobre
Coeficiente alfa <0,5 es inaceptable
El coeficiente alfa de Cronbach para la Capacidad de Gestión del Conocimiento se
observa en la Tabla 21. De acuerdo a la escala, el alfa de Cronbach permite afirmar que la
escala es fiable para medir la capacidad anteriormente mencionada.
Tabla 21. Coeficiente Cronbach CGC
Estadísticas de fiabilidad
Variable Alfa de
Cronbach
CON 0,771
VAL 0,815
PLN 0,771
ORG 0,787
DIR 0,843
CTRL 0,866
CGC 0,788
Fuente: autores
El coeficiente alfa de Cronbach para la Capacidad de Gestión de Recursos se observa en
la Tabla 22. De acuerdo a la escala, el alfa de Cronbach permite afirmar que la escala es
fiable para medir la capacidad anteriormente mencionada.
150
Tabla 22. Coeficiente Cronbach CGRec
Estadísticas de fiabilidad
Variable Alfa de
Cronbach
ADMON 0,748
ECO 0,794
CGRec 0,772
Fuente: autores
El coeficiente alfa de Cronbach para la Capacidad de Gestión de Redes se observa en la
Tabla 23. De acuerdo a la escala, el alfa de Cronbach permite afirmar que la escala es fiable
para medir la capacidad anteriormente mencionada.
Tabla 23. Coeficiente Cronbach CGRed
Estadísticas de fiabilidad
Variable Alfa de
Cronbach
RINT 0,71
REXT 0,728
CGRed 0,74
Fuente: autores
2.4.2. PREPARACIÓN PARA TÉCNICAS MULTIVARIANTES
La preparación de los datos para las técnicas multivariantes se basa principalmente en
reducir las preguntas a las variables finales con que se realizará el análisis. Dentro de esta
reducción se destacan el agrupamiento de variables por parcels o la sumatoria de ítems; este
último ampliamente utilizado en casos en que los datos han sido recolectados a través de
escalas ordinales. Aunque autores como (M, Vitorino Teles, & Marôco, 2013) discuten esta
sumatoria de ítems, cuenta con los elementos suficientes para considerar la validez del
procedimiento.
151
Como se mencionó anteriormente, la mayoría de las variables analizadas en este trabajo
son de tipo cualitativo por lo que se utilizó una escala Likert, lo que permite realizar un
tratamiento cuantitativo a las respuestas.
Los datos que se usaron finalmente dentro del paquete estadístico SPSS® se presentan
en la Tabla 24.
Tabla 24. Datos finales para análisis estadístico
Grupo de
investigación VAL CON PLN ORG DIR CTRL CGC ADMON ECO CGREC RINT REXT CGRED
1 6,27 6,75 5,67 5,83 6,00 6,00 6,17 5,86 5,00 5,20 4,86 5,63 5,50
2 6,73 7,00 6,67 6,17 7,00 6,00 7,00 6,43 4,40 6,40 6,00 6,63 6,00
3 5,64 7,00 5,67 6,83 6,67 5,00 6,33 5,43 3,80 5,20 5,71 5,88 5,50
4 5,00 5,00 4,00 6,00 5,00 1,33 4,33 4,57 3,80 4,80 4,36 4,75 5,67
5 5,27 6,50 5,17 6,83 5,33 7,00 6,67 5,86 4,00 6,20 5,36 6,13 6,00
6 6,45 7,00 5,50 6,00 7,00 7,00 6,83 6,00 7,00 6,80 5,86 5,75 5,33
7 6,64 6,50 5,50 5,17 5,67 5,67 6,33 5,00 3,40 4,80 5,57 5,88 6,33
8 6,09 7,00 4,83 7,00 5,67 4,67 6,50 6,29 4,80 5,80 4,79 5,38 5,67
9 6,55 6,75 5,33 6,33 6,33 6,00 6,33 6,00 6,00 6,20 6,14 6,25 6,00
10 6,73 7,00 7,00 6,83 6,67 7,00 6,83 6,71 6,20 6,20 5,57 6,25 6,00
11 6,55 6,50 5,67 6,00 6,00 5,67 6,33 5,29 4,80 5,60 5,64 5,75 5,50
12 6,91 7,00 6,33 7,00 6,33 7,00 7,00 6,71 5,00 7,00 5,79 6,25 6,00
13 4,91 5,50 2,33 4,17 1,00 3,00 3,33 3,57 1,40 3,60 4,29 5,00 4,17
14 5,27 5,50 5,67 6,17 6,67 4,00 5,83 5,43 3,60 4,40 5,50 6,13 5,83
15 5,91 6,00 6,33 6,67 5,33 6,00 5,67 6,43 6,40 6,40 5,00 6,38 6,33
16 6,45 6,75 5,50 7,00 6,67 6,00 7,00 6,00 3,40 6,40 4,50 5,75 6,00
17 4,82 5,25 3,67 3,67 3,33 1,00 5,33 2,43 2,40 3,80 4,00 3,88 3,50
18 5,73 6,00 6,17 5,67 6,00 5,67 6,33 5,71 6,00 5,40 5,50 5,88 5,50
19 5,00 7,00 5,17 5,83 5,00 2,33 5,50 5,57 4,40 5,00 4,36 6,00 5,17
20 6,73 7,00 5,83 6,33 5,00 5,67 6,33 6,71 4,20 7,00 5,43 5,38 5,67
21 6,36 7,00 6,33 7,00 6,33 6,00 6,33 6,14 4,00 6,20 6,07 6,13 7,00
22 1,55 2,50 3,00 3,00 5,00 1,00 3,50 4,86 1,00 3,40 5,71 6,25 6,00
23 7,00 7,00 6,00 7,00 7,00 7,00 7,00 6,71 5,80 6,60 5,64 7,00 7,00
24 6,64 6,50 6,17 6,83 7,00 5,00 6,83 6,43 3,00 6,40 5,43 5,88 5,67
25 5,64 6,00 5,00 4,83 5,33 5,00 5,17 4,57 5,40 4,80 4,86 5,38 5,00
26 5,55 6,25 4,50 5,17 6,33 4,00 4,00 5,86 5,60 4,80 4,50 6,75 6,67
27 5,64 7,00 5,67 5,83 5,67 4,67 5,83 5,29 3,00 4,00 5,21 6,13 6,00
28 5,27 4,50 5,17 5,00 5,67 5,67 5,17 5,29 6,00 5,60 5,36 5,50 5,50
29 5,64 6,50 4,50 5,17 5,00 4,67 5,83 5,29 5,40 5,00 5,36 4,88 5,67
30 5,91 6,00 5,33 7,00 3,33 3,00 5,50 4,57 1,40 6,00 5,79 6,00 6,17
31 6,00 6,50 5,33 5,67 6,00 6,00 6,00 6,14 4,80 5,80 5,29 5,88 5,67
32 6,45 6,50 6,17 6,33 6,00 6,00 6,50 6,43 4,00 6,20 5,14 6,13 6,17
152
33 6,82 7,00 6,67 7,00 7,00 5,33 7,00 5,86 6,20 5,80 5,43 5,75 6,17
34 6,18 6,00 5,33 5,33 4,67 4,33 5,33 4,86 5,60 5,20 5,00 5,25 5,33
35 6,73 6,75 5,00 6,67 7,00 7,00 6,83 6,57 7,00 6,40 6,64 6,88 7,00
36 6,27 6,50 5,67 6,67 6,33 6,33 6,83 6,43 6,80 6,20 5,43 6,75 6,67
37 4,45 6,50 4,67 4,83 5,67 4,33 5,50 4,86 3,40 5,00 4,86 5,13 4,83
38 5,73 6,25 4,83 6,33 4,67 6,67 4,83 5,71 6,00 5,40 5,07 5,50 5,33
39 6,00 6,75 6,67 7,00 7,00 7,00 7,00 7,00 7,00 7,00 6,29 7,00 7,00
40 5,91 6,25 5,00 5,83 5,33 4,00 5,67 5,29 3,40 5,40 4,71 5,38 5,67
41 5,18 6,75 4,33 5,33 4,67 5,33 5,00 5,71 3,80 5,00 4,43 5,00 5,17
42 5,55 6,50 4,17 5,67 5,00 5,33 5,33 5,86 4,00 5,40 4,86 5,50 5,67
43 5,91 5,75 4,67 6,17 5,33 5,67 6,00 5,43 3,80 5,00 4,57 5,63 5,83
44 5,73 6,00 4,50 5,50 4,33 5,00 5,67 5,71 4,80 4,60 4,64 5,00 5,67
45 5,73 5,50 5,83 6,17 5,33 5,33 5,83 6,71 4,40 6,00 4,71 5,75 6,00
46 5,64 7,00 5,83 7,00 7,00 6,67 6,50 6,86 6,00 6,20 5,14 6,63 6,67
47 5,82 5,75 6,00 7,00 5,33 6,00 6,17 6,43 3,20 6,20 5,07 5,88 5,83
48 7,00 7,00 5,50 7,00 7,00 7,00 7,00 7,00 7,00 7,00 5,29 7,00 7,00
49 6,00 5,25 7,00 6,67 5,33 6,00 5,83 5,86 5,00 5,80 4,79 6,25 6,83
50 4,91 5,00 3,83 5,83 5,67 4,33 4,83 5,71 5,20 5,40 4,36 5,63 5,50
51 6,27 6,75 5,67 5,83 6,00 6,00 6,17 5,86 5,00 5,20 4,86 5,63 5,50
52 5,00 5,00 4,00 6,00 5,00 1,33 4,33 4,57 3,80 4,80 4,36 4,75 5,67
53 5,27 6,50 5,17 6,83 5,33 7,00 6,67 5,86 4,00 6,20 5,36 6,13 6,00
54 6,45 7,00 5,50 6,00 7,00 7,00 6,83 6,00 7,00 6,80 5,86 5,75 5,33
55 6,55 6,75 5,33 6,33 6,33 6,00 6,33 6,00 6,00 6,20 6,14 6,25 6,00
56 5,91 6,00 6,33 6,67 5,33 6,00 5,67 6,43 6,40 6,40 5,00 6,38 6,33
57 6,45 6,75 5,50 7,00 6,67 6,00 7,00 6,00 3,40 6,40 4,50 5,75 6,00
58 6,73 7,00 5,83 6,33 5,00 5,67 6,33 6,71 4,20 7,00 5,43 5,38 5,67
59 6,64 6,50 6,17 6,83 7,00 5,00 6,83 6,43 3,00 6,40 5,43 5,88 5,67
60 5,64 7,00 5,67 5,83 5,67 4,67 5,83 5,29 3,00 4,00 5,21 6,13 6,00
61 6,00 6,50 5,33 5,67 6,00 6,00 6,00 6,14 4,80 5,80 5,29 5,88 5,67
62 5,64 7,00 5,83 7,00 7,00 6,67 6,50 6,86 6,00 6,20 5,14 6,63 6,67
63 7,00 7,00 5,50 7,00 7,00 7,00 7,00 7,00 7,00 7,00 5,29 7,00 7,00
64 6,55 6,75 5,33 6,33 6,33 6,00 6,33 6,00 6,00 6,20 6,14 6,25 6,00
65 5,73 6,25 4,83 6,33 4,67 6,67 4,83 5,71 6,00 5,40 5,07 5,50 5,33
66 5,64 7,00 5,67 5,83 5,67 4,67 5,83 5,29 3,00 4,00 5,21 6,13 6,00
67 4,45 6,50 4,67 4,83 5,67 4,33 5,50 4,86 3,40 5,00 4,86 5,13 4,83
68 6,27 6,50 6,50 6,00 6,00 5,67 6,33 5,71 6,00 5,40 5,29 5,75 5,50
69 5,91 6,00 5,33 7,00 3,33 3,00 5,50 4,57 1,40 6,00 5,79 6,00 6,17
70 5,55 6,25 4,50 5,17 6,33 4,00 4,00 5,86 5,60 4,80 4,50 6,75 6,67
71 6,64 6,50 6,17 6,83 7,00 5,00 6,83 6,43 3,00 6,40 5,43 5,88 5,67
72 6,73 7,00 7,00 6,83 6,67 7,00 6,83 6,71 6,20 6,20 5,57 6,25 6,00
73 6,64 6,50 5,50 5,17 5,67 5,67 6,33 5,00 3,40 4,80 5,57 5,88 6,33
74 6,55 6,75 5,33 6,33 6,33 6,00 6,33 6,00 6,00 6,20 6,14 6,25 6,00
75 1,55 2,50 3,00 3,00 5,00 1,00 3,50 4,86 1,00 3,40 5,71 6,25 6,00
76 4,91 5,00 3,83 5,83 5,67 4,33 4,83 5,71 5,20 5,40 4,36 5,63 5,50
77 6,82 7,00 6,67 7,00 7,00 5,33 7,00 5,86 6,20 5,80 5,43 5,75 6,17
78 7,00 7,00 6,00 7,00 7,00 7,00 7,00 6,71 5,80 6,60 5,64 7,00 7,00
79 7,00 7,00 5,50 7,00 7,00 7,00 7,00 7,00 7,00 7,00 5,29 7,00 7,00
80 5,64 6,00 5,00 4,83 5,33 5,00 5,17 4,57 5,40 4,80 4,86 5,38 5,00
81 6,09 7,00 4,83 7,00 5,67 4,67 6,50 6,29 4,80 5,80 4,79 5,38 5,67
82 5,91 5,75 4,67 6,17 5,33 5,67 6,00 5,43 3,80 5,00 4,57 5,63 5,83
153
83 6,45 6,50 6,17 6,33 6,00 6,00 6,50 6,43 4,00 6,20 5,14 6,13 6,17
84 5,64 6,50 4,50 5,17 5,00 4,67 5,83 5,29 5,40 5,00 5,36 4,88 5,67
85 5,00 7,00 5,17 5,83 5,00 2,33 5,50 5,57 4,40 5,00 4,36 6,00 5,17
86 5,91 6,25 5,00 5,83 5,33 4,00 5,67 5,29 3,40 5,40 4,71 5,38 5,67
87 5,64 7,00 5,67 6,83 6,67 5,00 6,33 5,43 3,80 5,20 5,71 5,88 5,50
88 6,55 6,50 5,67 6,00 6,00 5,67 6,33 5,29 4,80 5,60 5,64 5,75 5,50
89 6,45 6,75 5,50 7,00 6,67 6,00 7,00 6,00 3,40 6,40 4,50 5,75 6,00
90 5,00 5,00 4,00 6,00 5,00 1,33 4,33 4,57 3,80 4,80 4,36 4,75 5,67
91 5,82 5,75 6,00 7,00 5,33 6,00 6,17 6,43 3,20 6,20 5,07 5,88 5,83
92 4,91 5,50 2,33 4,17 1,00 3,00 3,33 3,57 1,40 3,60 4,29 5,00 4,17
93 6,00 6,50 5,33 5,67 6,00 6,00 6,00 6,14 4,80 5,80 5,29 5,88 5,67
94 6,45 6,75 6,50 7,00 7,00 7,00 6,50 7,00 6,00 6,60 6,93 6,88 7,00
95 5,27 6,50 5,17 6,83 5,33 7,00 6,67 5,86 4,00 6,20 5,36 6,13 6,00
96 6,00 5,25 7,00 6,67 5,33 6,00 5,83 5,86 5,00 5,80 4,79 6,25 6,83
97 5,27 5,50 5,67 6,17 6,67 4,00 5,83 5,43 3,60 4,40 5,50 6,13 5,83
98 6,73 7,00 6,67 6,17 7,00 6,00 7,00 6,43 4,40 6,40 6,00 6,63 6,00
Fuente: autores
2.4.3. REGRESIÓN LINEAL MULTIPLE
Se decidió utilizar el software SPSS®24 que es un paquete estadístico desarrollado por la
Universidad de Chicago, que permite realizar análisis estadísticos descriptivos, pruebas
ANOVA, comparación de medias, modelo lineal general, correlaciones, regresión lineal,
curvilíneal y múltiple, análisis de factores, escalas, pruebas no paramétricas, entre otros.
CAPACIDAD DE GESTIONAR CONOCIMIENTO
Como primer paso se decidió revisar cada uno de los postulados para realizar la regresión
lineal.
MULTICOLINEALIDAD
24 Statistical Package for the Social Sciences
154
Tabla 25. Correlacionesvariables CGC
Correlaciones
CGC VAL CON PLN ORG DIR CTRL
Correlación
de Pearson
CGC 1,000 ,762 ,700 ,791 ,741 ,699 ,724
VAL ,762 1,000 ,778 ,687 ,713 ,454 ,710
CON ,700 ,778 1,000 ,537 ,605 ,423 ,593
PLN ,791 ,687 ,537 1,000 ,708 ,660 ,647
ORG ,741 ,713 ,605 ,708 1,000 ,517 ,623
DIR ,699 ,454 ,423 ,660 ,517 1,000 ,553
CTRL ,724 ,710 ,593 ,647 ,623 ,553 1,000
Fuente: autores
De la Tabla 25 se puede observar que se podría presentar multicolinealidad entre las
variables Valores (VAL) y Conocimiento (CON) (0,778); Valores (VAL) y Organización
(ORG) (0,713); Valores (VAL) y Control (CTRL) (0,710) y Planeación (PLN) y Control
(CTRL) (0,708).
Sin embargo, se tomará como una medida más objetiva la medición de la tolerancia y el
indicador de inflación de la varianza VIF, mostrado en la Tabla 26.
La tolerancia es una medida de la varianza de las variables predictoras, si la tolerancia
tiene valores menores a 0,1 podría indicar algún tipo de multicolinealidad. Para el caso del
presente trabajo, no existe ninguna variable independiente con una tolerancia inferior a 0,1;
por lo tanto, no hay indicios contundentes de que exista presencia de multicolinealidad.
El factor de inflación de la varianza indica multicolinealidad para un VIF>10, sin
embargo, algunos autores evalúan el VIF superior a 4. Como se puede observar en la Tabla
26, para el caso del presente trabajo, la única variable con índice VIF superior a 4 es la
155
variable Valores (VAL), por lo que debe hacerse un seguimiento al comportamiento de esta
variable.
Tabla 26. Tolerancia y VIF CGC
Coeficientesa
Modelo
Estadísticas de colinealidad
Tolerancia VIF
1 (Constante)
VAL ,240 4,173
CON ,381 2,627
PLN ,328 3,052
ORG ,389 2,573
DIR ,519 1,928
CTRL ,414 2,413
a. Variable dependiente: CGC
Fuente: autores
NORMALIDAD, LINEALIDAD Y HOMOCEDASTICIDAD
Para evaluar la normalidad se realizó un gráfico PP Plot de los residuos; como se observa
en la Ilustración 43, los valores están razonablemente ajustados a la línea normal indicando
un buen ajuste, lo que confirma la normalidad en los residuos de la variable dependiente.
156
Ilustración 43.Gráfico P-P normal de los residuos CGC
Fuente: autores
Para confirmar la linealidad se realizó un gráfico de dispersión como se observa en la
Ilustración 44; se puede observar una nube de puntos y una buena distribución de valores por
encima y debajo del valor cero, por tanto, existe motivos suficientes para asumir linealidad.
Este gráfico también ayuda a evidenciar independencia por no encontrar una agrupación y
tendencia claramente especificada.
157
Ilustración 44. Gráfico de dispersión CGC
Fuente: autores
Para verificar la homocedasticidad se observa que en la Ilustración 44 no hay ningún
comportamiento de tendencia particular; así como tampoco se detecta que el tamaño de los
residuos aumente o disminuya de forma sistemática para algunos valores de la variable
dependiente (gráfico en forma de embudo).
Si se traza una línea horizontal a la altura del 0, los residuos por encima y por debajo de
esta línea tienen un comportamiento semejante. Los residuos no presentan una estructura
definida respecto a los valores predichos por el modelo por lo que no se debe rechazar la
hipótesis de homocedasticidad.
158
INDEPENDENCIA DE LOS RESIDUOS
Para determinar la independencia de los residuos se realizó el test de Durbin-Watson;
para el caso de este trabajo, el test dio un valor de 1,962 como se observa en la Tabla 27. Este
valor se aleja del valor cero por lo que indica que no hay una correlación entre los residuos
por lo que se asume independencia.
Tabla 27. Test Durbin-Watson CGC
Resumen del modelob
Modelo Durbin-
Watson
1 1,962
a. Predictores: (Constante), CTRL, DIR, CON,
ORG, PLN, VAL
b. Variable dependiente: CGC
Fuente: autores
Para detectar valores extremos se utilizó la distancia de Mahalanobis. Para este test se
determina que, para 6 grados de libertad provenientes de tener 6 variables independientes, a
un nivel de significancia de 0,0001 y con un chi cuadrado crítico de 27,856 podemos
comparar la distancia de Mahalanobis.
Tabla 28. Estadísticas de los residuos CGC
Estadísticas de residuosa
Mínimo Máximo Media
Desviación
estándar N
Valor pronosticado 3,084 7,023 5,922 0,835 85
Valor pronosticado estándar -3,400 1,320 0,000 1,000 85
Error estándar de valor pronosticado 0,065 0,245 0,115 0,040 85
Valor predicho corregido 2,875 7,034 5,918 0,850 85
Residuo -1,587 1,307 0,000 0,409 85
Residuo estándar -3,738 3,078 0,000 0,964 85
Residuo estudentizado -3,870 3,378 0,003 1,015 85
159
Residuo eliminado -1,701 1,575 0,003 0,456 85
Residuo estudentizado suprimido -4,277 3,633 -0,005 1,067 85
Distancia de Mahal. 0,951 27,035 5,929 5,306 85
Distancia de Cook 0,000 0,334 0,017 0,046 85
Valor de influencia centrado 0,011 0,322 0,071 0,063 85
a. Variable dependiente: CGC
Fuente: autores
El valor máximo en distancia De Mahalanobis es 27,035 como se ve en la Tabla 28, lo cual
es menor que el valor crítico 27,856; por tanto, no se considera la eliminación de casos o
sujetos por causa de presencia de valores extremos.
De otro lado al analizar los residuos desde la distancia de cook, el mayor valor es 0,334,
que según este criterio al ser menor a 1, no se sugiere eliminar ningún caso de la muestra
presentada.
VARIABILIDAD DEL MODELO
Para determinar la variabilidad explicada por el modelo se utilizó el R cuadrado, pues
este permite ver cuánta de la variabilidad de la variable dependiente Capacidad de Gestión
de Conocimiento (CGC) es explicada por las variables independientes.
Tabla 29. R cuadrado CGC
Resumen del modelob
Modelo R R
cuadrado
R
cuadrado
ajustado
Error
estándar de
la
estimación
Durbin-
Watson
1 ,898a ,806 ,791 0,425 1,962
a. Predictores: (Constante), CTRL, DIR, CON, ORG, PLN, VAL
b. Variable dependiente: CGC
Fuente: autores
160
Como se observa en la Tabla 29, las variables Valores (VAL), conocimiento (CON),
Planeación (PLN), Organización (ORG), Dirección (DIR) y Control (CTRL), explicarían la
Capacidad de Gestión de Conocimiento (CGC) en un 79,1%, por lo que el 20,9% restante
sería explicado por factores desconocidos.
SIGNIFICANCIA DEL MODELO
Para determinar la significancia del modelo se realizó una prueba ANOVA. En ella la
hipótesis nula hace referencia a que el modelo propuesto no predice efectivamente la variable
dependiente CGC.
Tabla 30. Prueba ANOVA CGC
ANOVAa
Modelo Suma de
cuadrados gl
Media
cuadrática F Sig.
1
Regresión 58,523 6 9,754 54,092 ,000b
Residuo 14,065 78 ,180
Total 72,588 84
a. Variable dependiente: CGC
b. Predictores: (Constante), CTRL, DIR, CON, ORG, PLN, VAL
Fuente: autores
Como el nivel de significancia de la prueba ANOVA es inferior a 0,05 se rechaza la
hipótesis nula y se acoge la hipótesis alterna que justifica que el modelo es predictor de la
variable dependiente.
ANÁLISIS DE LAS VARIABLES INDEPENDIENTES
Posterior a esto se realiza un análisis de las variables independientes con el fin de
determinar qué variables aportan más a la variable dependiente; este análisis se observa en la
Tabla 31.
161
Tabla 31. Análisis variables independientes CGC
Coeficientesa
Modelo
Coeficientes no
estandarizados
Coeficientes
estandarizados t Sig.
95,0% intervalo de
confianza para B
B Error estándar Beta Límite
inferior
Límite
superior
1
(Constante) ,124 ,398 ,313 ,755 -,668 ,916
VAL ,136 ,102 ,136 1,336 ,186 -,067 ,339
CON ,212 ,088 ,195 2,408 ,018 ,037 ,387
PLN ,228 ,082 ,242 2,782 ,007 ,065 ,391
ORG ,150 ,081 ,147 1,843 ,069 -,012 ,312
DIR ,202 ,056 ,250 3,605 ,001 ,090 ,314
CTRL ,077 ,047 ,126 1,626 ,108 -,017 ,170
a. Variable dependiente: CGC
Fuente: autores
En la Tabla 31, se revisan los coeficientes estandarizados (Beta) de los que se puede
observar que la variable que más influencia tiene sobre la variable dependiente (CGC) en el
siguiente orden:
Dirección (DIR) con una influencia de (0,250)
Planeación (PLN) con una influencia de (0,242)
Conocimiento (CON) con una influencia de (0,195)
Organización (ORG) con una influencia de (0,147)
Valores (VAL) con una influencia de (0,136)
Control (CTRL) con una influencia de (0,126)
Por otro lado, al analizar la significancia estadística (t) se observa que las variables que
todas las variables independientes tienen un aporte significativo sobre la variable dependiente
(CGC).
162
Al revisar los coeficientes estandarizados también hay que observar la significancia (Sig.)
de las variables; una significancia superior a 0,05 indicaría que los datos no son
significativos. Por tal motivo, las variables Valores (VAL), Organización (ORG) y Control
(CTRL) deberían ser analizadas en trabajos posteriores para determinar si son susceptibles
de remoción.
ECUACIÓN DE LA REGRESIÓN DE LA CAPACIDAD DE GESTIÓN DE
CONOCIMIENTO
Ecuación 11. Regresión Lineal Capacidad de Gestión de Conocimiento
Fuente: autores
De los coeficientes no estandarizados se puede concluir que:
Un incremento unitario en la variable Valores (VAL) afectará la variable dependiente
Capacidad de Gestión de Conocimiento (CGC) en 0,136 unidades.
Un incremento unitario en la variable Conocimiento (CON) afectará la variable
dependiente Capacidad de Gestión de Conocimiento (CGC) en 0,212 unidades.
Un incremento unitario en la variable Planeación (PLN) afectará la variable
dependiente Capacidad de Gestión de Conocimiento (CGC) en 0,228 unidades.
Un incremento unitario en la variable Organización (ORG) afectará la variable
dependiente Capacidad de Gestión de Conocimiento (CGC) en 0,150 unidades.
Un incremento unitario en la variable Dirección (DIR) afectará la variable
dependiente Capacidad de Gestión de Conocimiento (CGC) en 0,202 unidades.
163
Un incremento unitario en la variable Control (CTRL) afectará la variable
dependiente Capacidad de Gestión de Conocimiento (CGC) en 0,077 unidades.
CAPACIDAD DE GESTIONAR RECURSOS
Así como para la Capacidad de Gestión de Conocimiento, para la Capacidad de Gestión
de Recursos se realizó primero una revisión de cada uno de los postulados para realizar la
regresión lineal.
MULTICOLINEALIDAD
Tabla 32. Correlaciones CGRec.
Correlaciones
CGREC ADMON ECO
Correlación
de Pearson
CGREC 1,000 ,797 ,537
ADMON ,797 1,000 ,580
ECO ,537 ,580 1,000
Fuente: autores
A partir de aquí se verifica que las variables independientes Administración (ADMON)
y Económico (ECO) no tienen una correlación fuerte (0,580) por lo que no hay indicios de
que exista multicolinealidad.
Sin embargo, se tomará como una medida más objetiva la medición de la tolerancia y el
indicador de inflación de la varianza VIF, mostrado en la Tabla 33.
La tolerancia es una medida de la varianza de las variables predictoras, si la tolerancia
tiene valores menores a 0,1 podría indicar algún tipo de multicolinealidad. Para el caso del
164
presente trabajo, no existe ninguna variable independiente con una tolerancia inferior a 0,1;
por lo tanto, no hay indicios contundentes de que exista presencia de multicolinealidad.
El factor de inflación de la varianza indica multicolinealidad para un VIF>10, sin
embargo, algunos autores evalúan el VIF superior a 4. Como se puede observar en la Tabla
33, para el caso del presente trabajo, no existe ninguna variable con el VIF>4 por lo que se
puede afirmar que no existe multicolinealidad.
Tabla 33. Estadísticas de colinealidad CGRec
Coeficientesa
Modelo Estadísticas de colinealidad
Tolerancia VIF
1
(Constante)
ADMON ,664 1,507
ECO ,664 1,507
a. Variable dependiente: CGREC
Fuente: autores
NORMALIDAD, LINEALIDAD Y HOMOCEDASTICIDAD
Para evaluar la normalidad se realizó un gráfico PP Plot de los residuos; como se observa
en la Ilustración 45, los valores están razonablemente ajustados a la línea normal indicando
un buen ajuste, lo que confirma la normalidad en los residuos de la variable dependiente.
165
Ilustración 45. Gráfico P-P normal de los residuos CGRec
Fuente: autores
Para confirmar la linealidad se realizó un gráfico de dispersión como se observa en la
Ilustración 46; se puede observar una nube de puntos y una buena distribución de valores por
encima y debajo del valor cero, por tanto, existe motivos suficientes para asumir linealidad.
Este gráfico también ayuda a evidenciar independencia por no encontrar una agrupación y
tendencia claramente especificada.
Homocedasticidad: como se observa en la Ilustración 46, no hay ningún comportamiento
de tendencia particular; así como tampoco se detecta que el tamaño de los residuos aumente
o disminuya de forma sistemática para algunos valores de la variable dependiente (gráfico en
forma de embudo).
166
Si se traza una línea horizontal a la altura del 0, los residuos por encima y por debajo de
esta línea tienen un comportamiento semejante. Los residuos no presentan una estructura
definida respecto a los valores predichos por el modelo por lo que no se debe rechazar la
hipótesis de homocedasticidad.
Ilustración 46. Gráfico de dispersión CGRec
Fuente: autores
INDEPENDENCIA DE LOS RESIDUOS
Para determinar la independencia de los residuos se realizó el test de Durbin-Watson;
para el caso de este trabajo, el test dio un valor de 2,125 como se observa en la Tabla 34. Este
valor se aleja del valor cero por lo que indica que no hay una correlación entre los residuos
por lo que se asume independencia.
167
Tabla 34. Test Durbin-Watson CGRec
Resumen del modelob
Modelo Durbin-
Watson
1 2,125
a. Predictores: (Constante), ECO, ADMON
b. Variable dependiente: CGREC
Fuente: autores
Para detectar valores extremos se utilizó la distancia de Mahalanobis. Para este test se
determina que, para 2 grados de libertad provenientes de tener 2 variables independientes, a
un nivel de significancia de 0,0001 y con un chi cuadrado crítico de 18,421 podemos
comparar la distancia de Mahalanobis.
Tabla 35. Estadísticas de residuos CGRec
Estadísticas de residuosa
Mínimo Máximo Media Desviación
estándar N
Valor
pronosticado 2,863 6,715 5,562 ,7025 85
Valor
pronosticado
estándar
-3,842 1,641 ,000 1,000 85
Error estándar
de valor
pronosticado
,058 ,245 ,094 ,031 85
Valor predicho
corregido 2,608 6,700 5,558 ,7130 85
Residuo -1,2525 1,5423 ,0000 ,5222 85
Residuo
estándar -2,370 2,918 ,000 ,988 85
Residuo
estudentizado -2,474 3,020 ,004 1,014 85
Residuo
eliminado -1,3654 1,6519 ,0046 ,5510 85
168
Residuo
estudentizado
suprimido
-2,556 3,184 ,004 1,037 85
Distancia de
Mahal. ,034 17,024 1,976 2,352 85
Distancia de
Cook ,000 ,364 ,019 ,057 85
Valor de
influencia
centrado
,000 ,203 ,024 ,028 85
a. Variable dependiente: CGREC
Fuente: autores
El valor máximo en distancia De Mahalanobis es 17,024 como se ve en la Tabla 35, lo
cual es menor que el valor crítico 18,8421, por tanto, no se considera la eliminación de casos
o sujetos por causa de presencia de valores extremos.
De otro lado al analizar los residuos desde la distancia de cook, el mayor valor es 0,203,
que según este criterio al ser menor a 1, no se sugiere eliminar ningún caso de la muestra
presentada.
VARIABILIDAD DEL MODELO
El R cuadrado permite ver cuánta de la variabilidad de la variable dependiente Capacidad
de Gestión de Recursos (CGRec) es explicada por las variables independientes.
Tabla 36. R cuadrado de CGRec
Resumen del modelob
Modelo R R cuadrado R cuadrado
ajustado
Error estándar
de la
estimación
Durbin-
Watson
1 ,803a ,644 ,635 ,5285 2,125
a. Predictores: (Constante), ECO, ADMON
b. Variable dependiente: CGREC
Fuente: autores
169
Como se observa en la Tabla 36, las variables Administración (ADMON) y Económico
(ECO) explicarían la Capacidad de Gestión de Recursos (CGRec) en un 63.5%, por lo que el
36.5% restante sería explicado por factores desconocidos.
SIGNIFICANCIA DEL MODELO
Haciendo una revisión de la tabla de ANOVA, en ella la hipótesis nula hace referencia a
que el modelo propuesto no predice efectivamente la variable dependiente CGRec.
Tabla 37. Prueba ANOVA CGRec
ANOVAa
Modelo Suma de
cuadrados gl
Media
cuadrática F Sig.
1
Regresión 41,454 2 20,727 74,199 ,000b
Residuo 22,906 82 ,279
Total 64,360 84
a. Variable dependiente: CGREC
b. Predictores: (Constante), ECO, ADMON
Fuente: autores
Como el nivel de significancia de la prueba ANOVA es inferior a 0,05, se rechaza la
hipótesis nula y se acoge la hipótesis alterna que justifica que el modelo es predictor de la
variable dependiente.
ANÁLISIS DE LAS VARIABLES INDEPENDIENTES
Con este análisis se desea determinar qué variables aportan más a la variable dependiente;
este análisis se observa en la Tabla 38.
.
170
Tabla 38. Análisis variables independientes CGRec
Coeficientesa
Modelo
Coeficientes no
estandarizados
Coeficientes
estandarizados t Sig.
95,0% intervalo de
confianza para B
B Error
estándar Beta
Límite
inferior
Límite
superior
1
(Constante) ,820 ,409 2,004 ,048 ,006 1,633
ADMON ,775 ,086 ,732 9,048 ,000 ,605 ,946
ECO ,067 ,048 ,113 1,396 ,167 -,028 ,162
a. Variable dependiente: CGREC
Fuente: autores
En la Tabla 38, se revisan los coeficientes estandarizados (Beta) de los que se puede
observar que la variable que más influencia tiene sobre la variable dependiente (CGRec) en
el siguiente orden:
Administración (ADMON) con una influencia de (0,732)
Económico (ECO) con una influencia de (0,113)
Por otro lado, al analizar la significancia estadística (t) se observa que las variables que
todas las variables independientes tienen un aporte significativo sobre la variable dependiente
(CGRec); sin embargo, se observa que el aporte de la variable Administración (ADMON) es
mucho más significativo que el de la variable Económico (ECO).
Al revisar los coeficientes estandarizados también hay que observar la significancia (Sig.)
de las variables; una significancia superior a 0,05 indicaría que los datos no son
significativos. Por tal motivo, la variable Económico (ECO) debería ser analizado en trabajos
posteriores para determinar si es susceptible de remoción.
171
ECUACIÓN DE LA REGRESIÓN DE LA CAPACIDAD DE GESTIÓN DE RECURSOS
Ecuación 12. Regresión Lineal Capacidad de Gestión de Recursos
Fuente: autores
De los coeficientes no estandarizados se puede concluir que:
Un incremento unitario en la variable Administración (ADMON) afectará la variable
dependiente Capacidad de Gestión de Recursos (CGRec) en 0,775 unidades.
Un incremento unitario en la variable Económico (ECO) afectará la variable
dependiente Capacidad de Gestión de Recursos (CGRec) en 0,067 unidades.
CAPACIDAD DE GESTIONAR REDES
Así como para las dos capacidades anteriores, para la Capacidad de Gestión de Redes se
realizó primero una revisión de cada uno de los postulados para realizar la regresión lineal.
MULTICOLINEALIDAD
Tabla 39. Correlaciones CGRed
Correlaciones
CGRED RINT REXT
Correlación
de Pearson
CGRED 1,000 ,499 ,816
RINT ,499 1,000 ,576
REXT ,816 ,576 1,000
Fuente: autores
172
A partir de aquí se verifica que las variables independientes Redes Internas (RINT) y
Redes Externas (REXT) no tienen una correlación fuerte (0,576) por lo que no hay indicios
de que exista multicolinealidad.
Sin embargo, se tomará como una medida más objetiva la medición de la tolerancia y el
indicador de inflación de la varianza VIF, mostrado en la Tabla 40.
La tolerancia es una medida de la varianza de las variables predictoras, si la tolerancia
tiene valores menores a 0,1 podría indicar algún tipo de multicolinealidad. Para el caso del
presente trabajo, no existe ninguna variable independiente con una tolerancia inferior a 0,1;
por lo tanto, no hay indicios contundentes de que exista presencia de multicolinealidad.
El factor de inflación de la varianza indica multicolinealidad para un VIF>10, sin
embargo, algunos autores evalúan el VIF superior a 4. Como se puede observar en la Tabla
40, para el caso del presente trabajo, no existe ninguna variable con el VIF>4 por lo que se
puede afirmar que no existe multicolinealidad.
Tabla 40. Estadísticas de colinealidad CGRed
Coeficientesa
Modelo Estadísticas de colinealidad
Tolerancia VIF
1
(Constante)
RINT ,668 1,497
REXT ,668 1,497
a. Variable dependiente: CGRED
Fuente: autores
173
NORMALIDAD, LINEALIDAD Y HOMOCEDASTICIDAD
Para evaluar la normalidad se realizó un gráfico PP Plot de los residuos; como se observa
en la Ilustración 47, los valores están razonablemente ajustados a la línea normal indicando un
buen ajuste, lo que confirma la normalidad en los residuos de la variable dependiente.
Ilustración 47. Gráfico P-P normal de los residuos CGRed
Fuente: autores
Para confirmar la linealidad se realizó un gráfico de dispersión como se observa en la
Ilustración 47; se puede observar una nube de puntos y una buena distribución de valores por
encima y debajo del valor cero, por tanto, existe motivos suficientes para asumir linealidad.
Este gráfico también ayuda a evidenciar independencia por no encontrar una agrupación y
tendencia claramente especificada.
174
Homocedasticidad: como se observa en la Ilustración 48, no hay ningún comportamiento
de tendencia particular; así como tampoco se detecta que el tamaño de los residuos aumente
o disminuya de forma sistemática para algunos valores de la variable dependiente (gráfico en
forma de embudo).
Si se traza una línea horizontal a la altura del 0, los residuos por encima y por debajo de
esta línea tienen un comportamiento semejante. Los residuos no presentan una estructura
definida respecto a los valores predichos por el modelo por lo que no se debe rechazar la
hipótesis de homocedasticidad.
Ilustración 48. Gráfico de dispersión CGRed
Fuente: autores
175
INDEPENDENCIA DE LOS RESIDUOS
Para determinar la independencia de los residuos se realizó el test de Durbin-Watson;
para el caso de este trabajo, el test dio un valor de 1,857 como se observa en la Tabla 41.
Este valor se aleja del valor cero por lo que indica que no hay una correlación entre los
residuos por lo que se asume independencia.
Tabla 41. Test Durbin-Watson CGRed
Resumen del modelob
Modelo Durbin-Watson
1 1,857
a. Predictores: (Constante), REXT, RINT
b. Variable dependiente: CGRED
Fuente: autores
Para detectar valores extremos se utilizó la distancia de Mahalanobis. Para este test se
determina que, para 2 grados de libertad provenientes de tener 2 variables independientes, a
un nivel de significancia de 0,0001 y con un chi cuadrado crítico de 18,421 podemos
comparar la distancia de Mahalanobis.
Tabla 42. Estadísticas de residuos CGRed
Estadísticas de residuosa
Mínimo Máximo Media Desviación
estándar N
Valor
pronosticado 4,080 6,868 5,855 0,533 85
Valor
pronosticado
estándar
-3,331 1,902 0,000 1,000 85
Error estándar
de valor
pronosticado
0,042 0,145 0,068 0,022 85
176
Valor
predicho
corregido
4,178 6,859 5,854 0,530 85
Residuo -0,891 0,892 0,000 0,377 85
Residuo
estándar -2,338 2,340 0,000 0,988 85
Residuo
estudentizado -2,395 2,389 0,001 1,011 85
Residuo
eliminado -0,935 0,930 0,001 0,395 85
Residuo
estudentizado
suprimido
-2,468 2,462 0,002 1,025 85
Distancia de
Mahal. 0,024 11,096 1,976 2,135 85
Distancia de
Cook 0,000 0,152 0,016 0,031 85
Valor de
influencia
centrado
0,000 0,132 0,024 0,025 85
a. Variable dependiente: CGRED
Fuente: autores
El valor máximo en distancia De Mahalanobis es 11,096 como se ve en la Tabla 42, lo
cual es menor que el valor crítico 18,421; por tanto, no se considera la eliminación de casos
o sujetos por causa de presencia de valores extremos.
De otro lado al analizar los residuos desde la distancia de cook, el mayor valor es 0,132;
que según este criterio al ser menor a 1, no se sugiere eliminar ningún caso de la muestra
presentada.
VARIABILIDAD DEL MODELO
El R cuadrado permite ver cuánta de la variabilidad de la variable dependiente Capacidad
de Gestión de Redes (CGRed) es explicada por las variables independientes.
177
Tabla 43. R cuadrado de CGRed
Resumen del modelob
Modelo R R cuadrado R cuadrado
ajustado
Error estándar
de la
estimación
Durbin-
Watson
1 ,817a ,667 ,659 0,381 1,857
a. Predictores: (Constante), REXT, RINT
b. Variable dependiente: CGRED
Fuente: autores
Como se observa en la Tabla 43, las variables Redes Internas (RINT) y Redes Externas
(REXT) explicarían la Capacidad de Gestión de Redes (CGRed) en un 65,9%; por lo que el
34,1% restante sería explicado por factores desconocidos.
SIGNIFICANCIA DEL MODELO
Haciendo una revisión de la tabla de ANOVA, en ella la hipótesis nula hace referencia a
que el modelo propuesto no predice efectivamente la variable dependiente CGRed.
Tabla 44. Prueba ANOVA CGRed
ANOVAa
Modelo Suma de
cuadrados gl
Media
cuadrática F Sig.
1
Regresión 23,851 2 11,926 82,076 ,000b
Residuo 11,915 82 ,145
Total 35,766 84
a. Variable dependiente: CGRED
b. Predictores: (Constante), REXT, RINT
Fuente: autores
Como el nivel de significancia de la prueba ANOVA es inferior a 0.05, se rechaza la
hipótesis nula y se acoge la hipótesis alterna que justifica que el modelo es predictor de la
variable dependiente.
178
ANÁLISIS DE LAS VARIABLES INDEPENDIENTES
Con este análisis se desea determinar qué variables aportan más a la variable dependiente;
este análisis se observa en la Tabla 45.
Tabla 45. Análisis variables independientes CGRed
Coeficientesa
Modelo
Coeficientes no
estandarizados
Coeficientes
estandarizados t Sig.
95,0% intervalo de
confianza para B
B Error
estándar Beta
Límite
inferior
Límite
superior
1
(Constante) ,567 ,441 1,286 ,202 -,310 1,443
RINT ,048 ,087 ,043 ,555 ,580 -,125 ,221
REXT ,857 ,085 ,791 10,140 ,000 ,689 1,025
a. Variable dependiente: CGRED
Fuente: autores
En la Tabla 45, se revisan los coeficientes estandarizados (Beta) de los que se puede
observar que la variable que más influencia tiene sobre la variable dependiente (CGRed) en
el siguiente orden:
Redes Internas (RINT) con una influencia de (0,043)
Redes Externas (REXT) con una influencia de (0,791)
Por otro lado, al analizar la significancia estadística (t) se observa que las variables que
la variable Redes Internas (RINT) no tiene un aporte significativo sobre la variable
dependiente (CGRed).
Al revisar los coeficientes estandarizados también hay que observar la significancia (Sig.)
de las variables; una significancia superior a 0,05 indicaría que los datos no son
179
significativos. Por tal motivo, la variable Redes Internas (RINT) debería ser analizada en
trabajos posteriores para determinar si es susceptible de remoción.
ECUACIÓN DE LA REGRESIÓN DE LA CAPACIDAD DE GESTIÓN DE REDES
Ecuación 13. Regresión Lineal Capacidad de Gestión de Redes
Fuente: autores
De los coeficientes no estandarizados se puede concluir que:
Un incremento unitario en la variable Redes Internas (RINT) afectará la variable
dependiente Capacidad de Gestión de Redes (CGRed) en 0,048 unidades.
Un incremento unitario en la variable Redes Externas (REXT) afectará la variable
dependiente Capacidad de Gestión de Redes (CGRed) en 0,857 unidades.
180
V. DISCUSIÓN DE RESULTADOS
Para discutir las hipótesis planteadas en los ELEMENTOS DE INVESTIGACIÓN de
este trabajo se realizará una comparación conjunta así como en la tesis doctoral de (Fernández
Alarcón, 2004), la tesis de pregrado de (Fonseca & Gaitán, 2015) y los artículos de (García,
Fernández & Carlos, 2013; Pizarro, Real, & Rosa, 2011; Schoonmaker & Carayannis, 2010).
1. ANÁLISIS DE HIPÓTESIS
CAPACIDAD DE GESTIÓN DE CONOCIMIENTO
El análisis de hipótesis que se realizará se basa en contrastar los resultados de las dos
técnicas utilizadas en este trabajo (análisis estructural y regresión lineal).
H1.1: El conocimiento afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Conocimiento (CON) se encuentra en
la zona de poder (Ilustración 29), lo que indica
que ejerce una gran influencia sobre las demás
variables y tiene poca dependencia.
Bajo el método de análisis estructural, la sub-
hipótesis es soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Conocimiento (CON) tiene
una influencia relativamente importante,
además tiene gran significancia dentro de la
Capacidad de Gestión de Conocimiento.
Bajo el método de regresión lineal la sub-
hipótesis es soportada.
Como se pudo evidenciar por el método de análisis estructural que muestra la
consideración teórica de los expertos y la regresión lineal obtenido de las encuestas realizadas
181
a los grupos de investigación, la variable Conocimiento (CON) afecta de forma significativa
la capacidad de gestión de conocimiento. Por lo tanto, la sub-hipótesis H1.1. es soportada.
H1.2: Los valores afectan de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Valores (VAL) se encuentra en la
zona de poder (Ilustración 29), lo que indica que
ejerce una gran influencia sobre las demás
variables y tiene poca dependencia.
Bajo el método de análisis estructural, la sub-
hipótesis es soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Valores (VAL) no resulta
significativa para la capacidad de gestión de
conocimiento.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes no
eran significativos.
Bajo el método de regresión lineal la sub-
hipótesis no es soportada.
Entre el método de análisis estructural que muestra la consideración teórica de los
expertos y la regresión lineal obtenido de las encuestas realizadas a los grupos de
investigación existe una ruptura con respecto a la variable Valores (VAL).
Para el método de análisis estructural la variable es altamente influyente, pero para el
modelo de regresión lineal no es significativa. Al comparar estas dos respuestas se concluye
que la hipótesis H1.2. no puede ser soportada, sin embargo, esta variable queda sujeta a un
análisis en trabajos posteriores.
182
H1.3: La planeación afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Planeación (PLN) se encuentra en la
zona de salida (Ilustración 29), lo que indica que
es una variable altamente dependiente y con muy
bajo nivel de influencia en las demás variables.
Bajo el método de análisis estructural, la sub-
hipótesis no es soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Planeación (PLN) es
significativa para explicar la capacidad de
gestión de conocimiento.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes son
relevantes.
Bajo el método de regresión lineal la sub-
hipótesis es soportada.
Entre el método de análisis estructural que muestra la consideración teórica de los
expertos y la regresión lineal obtenido de las encuestas realizadas a los grupos de
investigación existe una ruptura con respecto a la variable Planeación (PLN).
Para el método de análisis estructural la variable es altamente dependiente y muy poco
influyente, pero para el modelo de regresión lineal es muy significativa. Al comparar estas
dos respuestas se concluye que la hipótesis H1.3. no puede ser soportada, sin embargo, esta
variable queda sujeta a un análisis en trabajos posteriores.
183
H1.4: La organización afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Organización (ORG) se encuentra en
la zona de independencia (Ilustración 29), lo que
indica que es una variable con un nivel de
influencia medio y bajo nivel de dependencia
sobre las demás variables.
Bajo el método de análisis estructural, la sub-
hipótesis no puede ser soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Organización (ORG) es
relativamente significativa para explicar la
capacidad de gestión de conocimiento.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes son
relevantes.
Bajo el método de regresión lineal la sub-
hipótesis es soportada.
Entre el método de análisis estructural que muestra la consideración teórica de los
expertos y la regresión lineal obtenido de las encuestas realizadas a los grupos de
investigación existe una ruptura con respecto a la variable Organización (ORG).
Para el método de análisis estructural la variable tiene una dependencia baja y una
influencia media, pero para el modelo de regresión lineal es relativamente significativa. Al
comparar estas dos respuestas se concluye que la hipótesis H1.4. puede ser soportada
parcialmente, sin embargo, esta variable queda sujeta a un análisis en trabajos posteriores
para un mayor análisis de la misma.
184
H1.5: La dirección afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Dirección (DIR) se encuentra en la
zona de independencia (Ilustración 29), lo que
indica que es una variable con un nivel de
influencia medio y bajo nivel de dependencia
sobre las demás variables.
Bajo el método de análisis estructural, la sub-
hipótesis no puede ser soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Organización (ORG) es
muy significativa para explicar la capacidad
de gestión de conocimiento.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes son
muy relevantes.
Bajo el método de regresión lineal la sub-
hipótesis es soportada.
Entre el método de análisis estructural que muestra la consideración teórica de los
expertos y la regresión lineal obtenido de las encuestas realizadas a los grupos de
investigación existe una ruptura con respecto a la variable Dirección (DIR).
Para el método de análisis estructural la variable tiene una dependencia baja y una
influencia media, pero para el modelo de regresión lineal es altamente significativa. Al
comparar estas dos respuestas se concluye que la hipótesis H1.5. puede ser soportada
parcialmente, sin embargo, esta variable queda sujeta a un análisis en trabajos posteriores
para un mayor análisis de la misma.
185
H1.6: El control afecta de forma significativa la capacidad de gestión de
conocimiento de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Control (CTRL) se encuentra en la
zona de poder (Ilustración 29), lo que indica que
es una variable con un nivel de influencia alto
sobre las demás variables.
Bajo el método de análisis estructural, la sub-
hipótesis es soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Control (CTRL) no es
significativa para explicar la capacidad de
gestión de conocimiento.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes son
no son relevante.
Bajo el método de regresión lineal la sub-
hipótesis no es soportada.
Entre el método de análisis estructural que muestra la consideración teórica de los
expertos y la regresión lineal obtenido de las encuestas realizadas a los grupos de
investigación existe una ruptura con respecto a la variable Control (CTRL).
Para el método de análisis estructural la variable tiene una influencia muy fuerte sobre
las demás variables, pero para el modelo de regresión lineal no es significativa para explicar
la capacidad de gestión de conocimiento. Al comparar estas dos respuestas se concluye que
la hipótesis H1.6. no es soportada; sin embargo, esta variable queda sujeta a un análisis en
trabajos posteriores para determinar su importancia dentro del modelo.
186
H1: Es posible determinar la capacidad de gestión de conocimiento de los grupos de
investigación de la Universidad Distrital Francisco José de Caldas.
Luego de aplicar la técnica de análisis estructural y regresión lineal múltiple al modelo
de gestión de capacidades tecnológicas propuesto por (Saenz & Barbosa, 2017) se puede
afirmar que es posible determinar la capacidad de gestión de conocimiento en los grupos de
investigación de la Universidad Distrital Francisco José de Caldas, por lo que la hipótesis H1
puede ser soportada. Además, y de acuerdo a la información obtenida mediante las encuestas
se puede calcular mediante la Ecuación 11.
De acuerdo al modelo de regresión lineal múltiple, se puede afirmar que las variables
explican en un 79.1% el comportamiento de la capacidad de gestión de conocimiento. Sin
embargo, es importante aclarar que es necesario realizar un análisis más profundo a las
variables que componen la Capacidad de Gestión de Conocimiento propuestas en el modelo
por presentar algunas inconsistencias en los dos métodos utilizados.
Para trabajos posteriores se recomienda hacer uso de otros métodos para contra validar
los resultados obtenidos en este trabajo, evaluar la posibilidad de fusionar variables y
determinar cuáles son realmente relevantes para la capacidad de gestión de conocimiento.
Como se mencionó anteriormente, la capacidad de gestión de conocimiento puede ser
explicada por la Ecuación 11, en los grupos de investigación de la Universidad Distrital
Francisco José de Caldas.
De acuerdo a la Ecuación 11 y a la escala utilizada en las encuestas (1-7), los valores
máximos y mínimos que podría tomar la capacidad de gestión de conocimiento son:
187
Mínimo: CGC = 0,124 + 0.136 ∗ (1) + 0.212 ∗ (1) + 0.228 ∗ (1) + 0,150 ∗ (1) +
0,202 ∗ (1) + 0,077 ∗ (1)
𝐶𝐺𝐶 = 1,129
Máximo: CGC = 0,124 + 0.136 ∗ (7) + 0.212 ∗ (7) + 0.228 ∗ (7) + 0,150 ∗ (7) +
0,202 ∗ (7) + 0,077 ∗ (7)
𝐶𝐺𝐶 = 7,159
La escala para determinar el nivel de capacidad de gestión de conocimiento de los grupos
de investigación de la Universidad Distrital será:
𝐸𝑠𝑐𝑎𝑙𝑎 𝐶𝐺𝐶 =𝑀𝑎𝑥 𝐶𝐺𝐶 − 𝑀𝑖𝑛 𝐶𝐺𝐶
3=
7,159 − 1,129
3= 2,01
𝐸𝑠𝑐𝑎𝑙𝑎 𝑏𝑎𝑗𝑎 = 𝑀í𝑛 𝐶𝐺𝐶 + 2,01 = 3,139
Si 𝐶𝐺𝐶 ≤ 3,139; tiene una capacidad de gestión de conocimiento baja.
Si 𝐶𝐺𝐶 ≤ 5,149; tiene una capacidad de gestión de conocimiento media.
Si 𝐶𝐺𝐶 > 5,149; tiene una capacidad de gestión de conocimiento alta.
Por lo tanto, la Capacidad de Gestión de Conocimiento de los 85 grupos de investigación
encuestados pueden ser evaluados bajo esta métrica con los siguientes resultados:
188
Tabla 46. Resultado CGC Grupos de Investigación UD
Grupo de investigación
VAL CON PLN ORG DIR CTRL CGC PUNTUACIÓN
GENERAL
1 Alta Alta Alta Alta Alta Alta 6,249 Alta
2 Alta Alta Alta Alta Alta Alta 6,844 Alta
3 Alta Alta Alta Alta Alta Media 6,423 Alta
4 Media Media Media Alta Media Baja 4,789 Media
5 Alta Alta Alta Alta Alta Alta 6,038 Alta
6 Alta Alta Alta Alta Alta Alta 6,593 Alta
7 Alta Alta Alta Alta Alta Alta 6,015 Alta
8 Alta Alta Media Alta Alta Media 6,092 Alta
9 Alta Alta Alta Alta Alta Alta 6,353 Alta
10 Alta Alta Alta Alta Alta Alta 7,030 Alta
11 Alta Alta Alta Alta Alta Alta 6,233 Alta
12 Alta Alta Alta Alta Alta Alta 6,860 Alta
13 Media Alta Baja Media Baja Baja 3,548 Media
14 Alta Alta Alta Alta Alta Media 5,879 Alta
15 Alta Alta Alta Alta Alta Alta 6,183 Alta
16 Alta Alta Alta Alta Alta Alta 6,545 Alta
17 Media Alta Media Media Media Baja 4,029 Media
18 Alta Alta Alta Alta Alta Alta 6,079 Alta
19 Media Alta Alta Alta Media Baja 5,531 Alta
20 Alta Alta Alta Alta Media Alta 6,249 Alta
21 Alta Alta Alta Alta Alta Alta 6,709 Alta
22 Baja Baja Baja Baja Media Baja 3,085 Baja
23 Alta Alta Alta Alta Alta Alta 6,931 Alta
24 Alta Alta Alta Alta Alta Media 6,635 Alta
25 Alta Alta Media Media Alta Media 5,490 Alta
26 Alta Alta Media Alta Alta Media 5,592 Alta
27 Alta Alta Alta Alta Alta Media 6,046 Alta
28 Alta Media Alta Media Alta Alta 5,304 Alta
29 Alta Alta Media Alta Media Media 5,439 Alta
30 Alta Alta Alta Alta Media Baja 5,370 Alta
31 Alta Alta Alta Alta Alta Alta 6,058 Alta
32 Alta Alta Alta Alta Alta Alta 6,410 Alta
33 Alta Alta Alta Alta Alta Alta 6,930 Alta
34 Alta Alta Alta Alta Media Media 5,529 Alta
35 Alta Alta Media Alta Alta Alta 6,563 Alta
36 Alta Alta Alta Alta Alta Alta 6,414 Alta
37 Media Alta Media Media Alta Media 5,375 Alta
38 Alta Alta Media Alta Media Alta 5,736 Alta
39 Alta Alta Alta Alta Alta Alta 6,894 Alta
40 Alta Alta Media Alta Alta Media 5,653 Alta
41 Alta Alta Media Alta Media Alta 5,401 Alta
42 Alta Alta Media Alta Media Alta 5,477 Alta
43 Alta Alta Media Alta Alta Alta 5,649 Alta
44 Alta Alta Media Alta Media Media 5,286 Alta
189
45 Alta Alta Alta Alta Alta Alta 5,812 Alta
46 Alta Alta Alta Alta Alta Alta 6,682 Alta
47 Alta Alta Alta Alta Alta Alta 6,092 Alta
48 Alta Alta Alta Alta Alta Alta 6,817 Alta
49 Alta Alta Alta Alta Alta Alta 6,188 Alta
50 Media Media Media Alta Alta Media 5,079 Media
51 Alta Alta Alta Alta Alta Alta 6,353 Alta
52 Alta Alta Media Alta Media Alta 5,736 Alta
53 Alta Alta Alta Alta Alta Media 6,046 Alta
54 Media Alta Media Media Alta Media 5,375 Alta
55 Alta Alta Alta Alta Alta Alta 6,385 Alta
56 Alta Alta Alta Alta Media Baja 5,370 Alta
57 Alta Alta Media Alta Alta Media 5,592 Alta
58 Alta Alta Alta Alta Alta Media 6,635 Alta
59 Alta Alta Alta Alta Alta Alta 7,030 Alta
60 Alta Alta Alta Alta Alta Alta 6,015 Alta
61 Alta Alta Alta Alta Alta Alta 6,353 Alta
62 Baja Baja Baja Baja Media Baja 3,085 Baja
63 Media Media Media Alta Alta Media 5,079 Media
64 Alta Alta Alta Alta Alta Alta 6,930 Alta
65 Alta Alta Alta Alta Alta Alta 6,931 Alta
66 Alta Alta Alta Alta Alta Alta 6,817 Alta
67 Alta Alta Media Media Alta Media 5,490 Alta
68 Alta Alta Media Alta Alta Media 6,092 Alta
69 Alta Alta Media Alta Alta Alta 5,649 Alta
70 Alta Alta Alta Alta Alta Alta 6,410 Alta
71 Alta Alta Media Alta Media Media 5,439 Alta
72 Media Alta Alta Alta Media Baja 5,531 Alta
73 Alta Alta Media Alta Alta Media 5,653 Alta
74 Alta Alta Alta Alta Alta Media 6,423 Alta
75 Alta Alta Alta Alta Alta Alta 6,233 Alta
76 Alta Alta Alta Alta Alta Alta 6,545 Alta
77 Media Media Media Alta Media Baja 4,789 Media
78 Alta Alta Alta Alta Alta Alta 6,092 Alta
79 Media Alta Baja Media Baja Baja 3,548 Media
80 Alta Alta Alta Alta Alta Alta 6,058 Alta
81 Alta Alta Alta Alta Alta Alta 6,918 Alta
82 Alta Alta Alta Alta Alta Alta 6,038 Alta
83 Alta Alta Alta Alta Alta Alta 6,188 Alta
84 Alta Alta Alta Alta Alta Media 5,879 Alta
85 Alta Alta Alta Alta Alta Alta 6,844 Alta
Fuente: autores
190
CAPACIDAD DE GESTIÓN DE RECURSOS
H2.1: La administración afecta de forma significativa la capacidad de gestión de
recursos de los grupos investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Administración (ADMON) se
encuentra en la zona de independencia
(Ilustración 29), lo que indica que es una
variable con un nivel de influencia medio y bajo
nivel de dependencia sobre las demás variables.
Bajo el método de análisis estructural, la sub-
hipótesis no puede ser soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Administración (ADMON)
es muy significativa para explicar la
capacidad de gestión de recursos.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes son
muy relevantes.
Bajo el método de regresión lineal la sub-
hipótesis es soportada.
Entre el método de análisis estructural que muestra la consideración teórica de los
expertos y la regresión lineal obtenido de las encuestas realizadas a los grupos de
investigación existe una ruptura con respecto a la variable Administración (ADMON).
Para el método de análisis estructural la variable tiene una dependencia baja y una
influencia media, pero para el modelo de regresión lineal es altamente significativa. Al
comparar estas dos respuestas se concluye que la hipótesis H2.1. puede ser soportada
parcialmente, sin embargo, esta variable queda sujeta a un análisis en trabajos posteriores
para un mayor análisis de la misma.
191
H2.2: El factor económico afecta de forma significativa la capacidad de gestión de
recursos de los grupos investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Económico (ECO) se encuentra en la
zona de independencia (Ilustración 29), lo que
indica que es una variable con un nivel de
influencia medio y bajo nivel de dependencia
sobre las demás variables.
Bajo el método de análisis estructural, la sub-
hipótesis no puede ser soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Económico (ECO) no es
significativa para explicar la capacidad de
gestión de recursos.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes no
son relevantes.
Bajo el método de regresión lineal la sub-
hipótesis no es soportada.
El método de análisis estructural que muestra la consideración teórica de los expertos y
la regresión lineal obtenido de las encuestas realizadas a los grupos de investigación
confirman que la variable Económico (ECO) no es una variable que afecte de forma
significativa la capacidad de gestión de recursos de los grupos de investigación, por lo que
esta variable debe ser analizada en trabajos posteriores para determinar el impacto de ser
excluida del modelo.
De acuerdo a lo anterior, la sub-hipótesis H2.2. no puede ser soportada.
H2: Es posible determinar la capacidad de gestión de recursos tangibles e intangibles
de los grupos de investigación de la Universidad Distrital Francisco José de Caldas.
192
Luego de aplicar la técnica de análisis estructural y regresión lineal múltiple al modelo
de gestión de capacidades tecnológicas propuesto por (Saenz & Barbosa, 2017) se puede
afirmar que es posible determinar la capacidad de gestión de recursos en los grupos de
investigación de la Universidad Distrital Francisco José de Caldas, por lo que la hipótesis H2
puede ser soportada. Además, y de acuerdo a la información obtenida mediante las encuestas
se puede calcular mediante la Ecuación 12.
De acuerdo al modelo de regresión lineal múltiple, se puede afirmar que las variables
explican en un 63.5% el comportamiento de la capacidad de gestión de recursos. Sin
embargo, es importante aclarar que es necesario realizar un análisis más profundo a la
variable Económico (ECO) que compone la Capacidad de Gestión de Recursos propuestas
en el modelo debido a que los métodos utilizados arrojaron que es una variable no
significativa para el modelo.
Para trabajos posteriores se recomienda hacer uso de otros métodos para contra validar
los resultados obtenidos en este trabajo, evaluar la posibilidad de fusionar variables y
determinar cuáles son realmente relevantes para la capacidad de gestión de recursos.
Como se mencionó anteriormente, la capacidad de gestión de recursos puede ser
explicada por la Ecuación 12, en los grupos de investigación de la Universidad Distrital
Francisco José de Caldas.
De acuerdo a la Ecuación 12, y a la escala utilizada en las encuestas (1-7), los valores
máximos y mínimos que podría tomar la capacidad de gestión de recursos son:
193
Mínimo: CGRec = 0,820 + 0.775 ∗ (1) + 0.067 ∗ (1)
𝐶𝐺𝑅𝑒𝑐 = 1,662
Máximo: CGRec = 0,820 + 0.775 ∗ (7) + 0.067 ∗ (7)
𝐶𝐺𝑅𝑒𝑐 = 6,714
La escala para determinar el nivel de capacidad de gestión de recursos de los grupos de
investigación de la Universidad Distrital será:
𝐸𝑠𝑐𝑎𝑙𝑎 𝐶𝐺𝑅𝑒𝑐 =𝑀𝑎𝑥 𝐶𝐺𝑅𝑒𝑐 − 𝑀𝑖𝑛 𝐶𝐺𝑅𝑒𝑐
3=
6,714 − 1,662
3= 1,684
𝐸𝑠𝑐𝑎𝑙𝑎 𝑏𝑎𝑗𝑎 = 𝑀í𝑛 𝐶𝐺𝑅𝑒𝑐 + 1,684 = 3,346
Si 𝐶𝐺𝑅𝑒𝑐 ≤ 3,346; tiene una capacidad de gestión de recursos baja.
Si 𝐶𝐺𝑅𝑒𝑐 ≤ 5,03; tiene una capacidad de gestión de recursos media.
Si 𝐶𝐺𝑅𝑒𝑐 > 5,03; tiene una capacidad de gestión de recursos alta.
Por lo tanto, la Capacidad de Gestión de Recursos de los 85 grupos de investigación
encuestados pueden ser evaluados bajo esta métrica con los siguientes resultados:
Tabla 47. Resultado CGRec Grupos de investigación UD
Grupo de investigación
ADMON ECO CGRec PUNTUACIÓN
GENERAL
1 Alta Media 5,694 Alta
2 Alta Media 6,097 Alta
3 Alta Media 5,282 Alta
4 Media Media 4,617 Media
194
5 Alta Media 5,627 Alta
6 Alta Alta 5,939 Alta
7 Media Media 4,923 Media
8 Alta Media 6,013 Alta
9 Alta Alta 5,872 Alta
10 Alta Alta 6,439 Alta
11 Alta Media 5,238 Alta
12 Alta Media 6,359 Alta
13 Media Baja 3,682 Media
14 Alta Media 5,268 Alta
15 Alta Alta 6,231 Alta
16 Alta Media 5,698 Alta
17 Baja Baja 2,863 Baja
18 Alta Alta 5,651 Alta
19 Alta Media 5,433 Alta
20 Alta Media 6,305 Alta
21 Alta Media 5,849 Alta
22 Media Baja 4,651 Media
23 Alta Alta 6,412 Alta
24 Alta Baja 6,003 Alta
25 Media Alta 4,725 Media
26 Alta Alta 5,734 Alta
27 Alta Baja 5,117 Alta
28 Alta Alta 5,318 Alta
29 Alta Alta 5,278 Alta
30 Media Baja 4,457 Media
31 Alta Media 5,902 Alta
32 Alta Media 6,070 Alta
33 Alta Alta 5,775 Alta
34 Media Alta 4,959 Media
35 Alta Alta 6,382 Alta
36 Alta Alta 6,258 Alta
37 Media Media 4,812 Media
38 Alta Alta 5,651 Alta
39 Alta Alta 6,714 Alta
40 Alta Media 5,144 Alta
41 Alta Media 5,503 Alta
42 Alta Media 5,627 Alta
43 Alta Media 5,282 Alta
44 Alta Media 5,570 Alta
45 Alta Media 6,318 Alta
46 Alta Alta 6,536 Alta
47 Alta Media 6,017 Alta
48 Alta Alta 6,714 Alta
195
49 Alta Media 5,694 Alta
50 Alta Alta 5,597 Alta
51 Alta Alta 5,872 Alta
52 Alta Alta 5,651 Alta
53 Alta Baja 5,117 Alta
54 Media Media 4,812 Media
55 Alta Alta 5,651 Alta
56 Media Baja 4,457 Media
57 Alta Alta 5,734 Alta
58 Alta Baja 6,003 Alta
59 Alta Alta 6,439 Alta
60 Media Media 4,923 Media
61 Alta Alta 5,872 Alta
62 Media Baja 4,651 Media
63 Alta Alta 5,597 Alta
64 Alta Alta 5,775 Alta
65 Alta Alta 6,412 Alta
66 Alta Alta 6,714 Alta
67 Media Alta 4,725 Media
68 Alta Media 6,013 Alta
69 Alta Media 5,282 Alta
70 Alta Media 6,070 Alta
71 Alta Alta 5,278 Alta
72 Alta Media 5,433 Alta
73 Alta Media 5,144 Alta
74 Alta Media 5,282 Alta
75 Alta Media 5,238 Alta
76 Alta Media 5,698 Alta
77 Media Media 4,617 Media
78 Alta Media 6,017 Alta
79 Media Baja 3,682 Media
80 Alta Media 5,902 Alta
81 Alta Alta 6,647 Alta
82 Alta Media 5,627 Alta
83 Alta Media 5,694 Alta
84 Alta Media 5,268 Alta
85 Alta Media 6,097 Alta
Fuente: autores
196
CAPACIDAD DE GESTIÓN DE REDES
H3.1: Las redes internas afecta de forma significativa la capacidad de gestión de redes
de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Redes Internas (RINT) se encuentra
en la zona de independencia (Ilustración 29), lo
que indica que es una variable con un nivel de
influencia medio y bajo nivel de dependencia
sobre las demás variables.
Bajo el método de análisis estructural, la sub-
hipótesis no puede ser soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Redes Internas (RINT) no
es significativa para explicar la capacidad de
gestión de redes.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes no
son relevantes.
Bajo el método de regresión lineal la sub-
hipótesis no es soportada.
El método de análisis estructural que muestra la consideración teórica de los expertos y
la regresión lineal obtenido de las encuestas realizadas a los grupos de investigación
confirman que la variable Redes Internas (RINT) no es una variable que afecte de forma
significativa la capacidad de gestión de redes de los grupos de investigación, por lo que esta
variable debe ser analizada en trabajos posteriores para determinar el impacto de ser excluida
del modelo.
De acuerdo a lo anterior, la sub-hipótesis H3.1. no puede ser soportada.
197
H3.2: Las redes externas afecta de forma significativa la capacidad de gestión de
redes de los grupos de investigación.
ANÁLISIS ESTRUCTURAL REGRESIÓN LINEAL
La variable Redes Externas (REXT) se encuentra
en la zona de independencia (Ilustración 29), lo
que indica que es una variable con un nivel de
influencia y dependencia bajo sobre las demás
variables.
Bajo el método de análisis estructural, la sub-
hipótesis no puede ser soportada.
De acuerdo a los resultados de la regresión
lineal, la variable Redes Externas (REXT) es
muy significativa para explicar la capacidad
de gestión de redes.
Además, al probar la significancia dentro de
la regresión se observó que sus aportes son
muy relevantes.
Bajo el método de regresión lineal la sub-
hipótesis es soportada.
Entre el método de análisis estructural que muestra la consideración teórica de los
expertos y la regresión lineal obtenido de las encuestas realizadas a los grupos de
investigación existe una ruptura con respecto a la variable Redes Externas (REXT).
Para el método de análisis estructural la variable tiene una influencia baja o débil sobre
las demás variables, pero para el modelo de regresión lineal es una variable muy significativa
para explicar la capacidad de gestión de redes. Al comparar estas dos respuestas se concluye
que la hipótesis H3.2. no puede ser soportada; sin embargo, esta variable queda sujeta a un
análisis en trabajos posteriores para determinar su importancia dentro del modelo.
H3: Es posible determinar la capacidad de gestión de redes de los grupos de
investigación de la Universidad Distrital Francisco José de Caldas.
198
Luego de aplicar la técnica de análisis estructural y regresión lineal múltiple al modelo
de gestión de capacidades tecnológicas propuesto por (Saenz & Barbosa, 2017) se puede
afirmar que es posible determinar la capacidad de gestión de redes en los grupos de
investigación de la Universidad Distrital Francisco José de Caldas, por lo que la hipótesis H3
puede ser soportada. Además, y de acuerdo a la información obtenida mediante las encuestas
se puede calcular mediante la Ecuación 13.
De acuerdo al modelo de regresión lineal múltiple, se puede afirmar que las variables
explican en un 65.9% el comportamiento de la capacidad de gestión de redes. Sin embargo,
es importante aclarar que es necesario realizar un análisis más profundo a la variable Redes
Internas (RINT) que compone la Capacidad de Gestión de Redes propuestas en el modelo
debido a que los métodos utilizados arrojaron que es una variable no significativa para el
modelo.
Para trabajos posteriores se recomienda hacer uso de otros métodos para contra validar
los resultados obtenidos en este trabajo, evaluar la posibilidad de fusionar variables y
determinar cuáles son realmente relevantes para la capacidad de gestión de redes.
Como se mencionó anteriormente, la capacidad de gestión de redes puede ser explicada
por la Ecuación 13, en los grupos de investigación de la Universidad Distrital Francisco José
de Caldas.
De acuerdo a la Ecuación 13, y a la escala utilizada en las encuestas (1-7), los valores
máximos y mínimos que podría tomar la capacidad de gestión de recursos son:
199
Mínimo: CGRed = 0,567 + 0.048 ∗ (1) + 0.857 ∗ (1)
𝐶𝐺𝑅𝑒𝑑 = 1,472
Máximo: CGRed = 0,567 + 0.048 ∗ (7) + 0.857 ∗ (7)
𝐶𝐺𝑅𝑒𝑑 = 6,902
La escala para determinar el nivel de capacidad de gestión de redes de los grupos de
investigación de la Universidad Distrital será:
𝐸𝑠𝑐𝑎𝑙𝑎 𝐶𝐺𝑅𝑒𝑑 =𝑀𝑎𝑥 𝐶𝐺𝑅𝑒𝑑 − 𝑀𝑖𝑛 𝐶𝐺𝑅𝑒𝑑
3=
6,902 − 1,472
3= 1,81
𝐸𝑠𝑐𝑎𝑙𝑎 𝑏𝑎𝑗𝑎 = 𝑀í𝑛 𝐶𝐺𝑅𝑒𝑑 + 1,81 = 3,282
Si 𝐶𝐺𝑅𝑒𝑐 ≤ 3,282; tiene una capacidad de gestión de redes baja.
Si 𝐶𝐺𝐶 ≤ 5,092; tiene una capacidad de gestión de redes media.
Si 𝐶𝐺𝐶 > 5,092; tiene una capacidad de gestión de redes alta.
Por lo tanto, la Capacidad de Gestión de Redes de los 85 grupos de investigación
encuestados pueden ser evaluados bajo esta métrica con los siguientes resultados:
Tabla 48. Resultado CGRed Grupos de investigación UD
Grupo de investigación
RINT REXT CGRed PUNTUACIÓN
GENERAL
1 Media Alta 5,621 Alta
2 Alta Alta 6,533 Alta
3 Alta Alta 5,876 Alta
4 Media Media 4,847 Media
200
5 Alta Alta 6,073 Alta
6 Alta Alta 5,776 Alta
7 Alta Alta 5,869 Alta
8 Media Alta 5,403 Alta
9 Alta Alta 6,218 Alta
10 Alta Alta 6,191 Alta
11 Alta Alta 5,766 Alta
12 Alta Alta 6,201 Alta
13 Media Media 5,058 Media
14 Alta Alta 6,080 Alta
15 Media Alta 6,270 Alta
16 Media Alta 5,711 Alta
17 Media Media 4,080 Media
18 Alta Alta 5,866 Alta
19 Media Alta 5,918 Alta
20 Alta Alta 5,434 Alta
21 Alta Alta 6,108 Alta
22 Alta Alta 6,198 Alta
23 Alta Alta 6,837 Alta
24 Alta Alta 5,862 Alta
25 Media Alta 5,407 Alta
26 Media Alta 6,568 Alta
27 Alta Alta 6,066 Alta
28 Alta Alta 5,538 Alta
29 Alta Media 5,002 Media
30 Alta Alta 5,987 Alta
31 Alta Alta 5,856 Alta
32 Alta Alta 6,063 Alta
33 Alta Alta 5,755 Alta
34 Media Alta 5,306 Alta
35 Alta Alta 6,778 Alta
36 Alta Alta 6,612 Alta
37 Media Alta 5,192 Alta
38 Alta Alta 5,524 Alta
39 Alta Alta 6,868 Alta
40 Media Alta 5,400 Alta
41 Media Media 5,065 Media
42 Media Alta 5,514 Alta
43 Media Alta 5,607 Alta
44 Media Media 5,075 Media
45 Media Alta 5,721 Alta
46 Alta Alta 6,491 Alta
47 Alta Alta 5,845 Alta
48 Alta Alta 6,820 Alta
49 Media Alta 6,153 Alta
50 Media Alta 5,597 Alta
201
51 Alta Alta 6,218 Alta
52 Alta Alta 5,524 Alta
53 Alta Alta 6,066 Alta
54 Media Alta 5,192 Alta
55 Alta Alta 5,748 Alta
56 Alta Alta 5,987 Alta
57 Media Alta 6,568 Alta
58 Alta Alta 5,862 Alta
59 Alta Alta 6,191 Alta
60 Alta Alta 5,869 Alta
61 Alta Alta 6,218 Alta
62 Alta Alta 6,198 Alta
63 Media Alta 5,597 Alta
64 Alta Alta 5,755 Alta
65 Alta Alta 6,837 Alta
66 Alta Alta 6,820 Alta
67 Media Alta 5,407 Alta
68 Media Alta 5,403 Alta
69 Media Alta 5,607 Alta
70 Alta Alta 6,063 Alta
71 Alta Media 5,002 Media
72 Media Alta 5,918 Alta
73 Media Alta 5,400 Alta
74 Alta Alta 5,876 Alta
75 Alta Alta 5,766 Alta
76 Media Alta 5,711 Alta
77 Media Media 4,847 Media
78 Alta Alta 5,845 Alta
79 Media Media 5,058 Media
80 Alta Alta 5,856 Alta
81 Alta Alta 6,791 Alta
82 Alta Alta 6,073 Alta
83 Media Alta 6,153 Alta
84 Alta Alta 6,080 Alta
85 Alta Alta 6,533 Alta
Fuente: autores
2. CUMPLIMIENTO DE OBJETIVOS
Como se observó en el numeral anterior, fue posible construir un modelo de regresión
lineal para cada una de las capacidades propuestas por (Saenz & Barbosa, 2017), además, se
202
construyó una escala para cada una de las ecuaciones que permite evaluar la capacidad de
cada grupo de investigación de acuerdo a sus respuestas en la encuesta construida (ANEXO
6. ENCUESTA FINAL GRUPOS DE INVESTIGACIÓN).
Por ende, se puede afirmar que se cumplió con el objetivo principal de este trabajo que
era: “evaluar y validar las capacidades de gestión tecnológica en los grupos investigación de
la Universidad Distrital Francisco José de Caldas”.
La validación y evaluación de cada una de las capacidades se encuentra en la Tabla 46,
Tabla 47 y Tabla 48.
Con respecto a los objetivos específicos, fue posible realizar un inventario de las
capacidades de gestión tecnológica de los grupos de investigación de la Universidad Distrital
Francisco José de Caldas (Tabla 24)
Se logró formular preguntas que permitieran obtener la información suficiente para
determinar cada una de las capacidades de gestión tecnológica propuestas por (Saenz &
Barbosa, 2017).
Se realizaron un total de 98 encuestas a los grupos de investigación de la Universidad
Distrital Francisco José de Caldas, de los cuales solo se tomaron 85 encuestas que pertenecían
a la muestra de este trabajo que eran los grupos de investigación categorizados en
Colciencias.
Como se observa en el capítulo anterior, se realizó un análisis estadístico a las encuestas
realizadas a través de una regresión lineal múltiple, lo que permitió determinar a través de la
203
Ecuación 11, Ecuación 12 y Ecuación 13, cada una de las capacidades del modelo conceptual
propuesto por (Saenz & Barbosa, 2017). Sin embargo, es importante recalcar que también se
realizó un análisis estructural como método de comparación de los resultados obtenidos a
través del análisis estadístico.
En la validación de hipótesis realizada en el numeral anterior se realizó un ejercicio de
comparación de resultados del método de análisis estructural y regresión lineal múltiple, con
el objetivo de validar si las variables propuestas en el modelo influyen en los procesos de
gestión tecnológica de la Universidad Distrital Francisco José de Caldas.
204
VI. CONCLUSIONES Y RECOMENDACIONES
1. CONCLUSIONES
Fue posible realizar un inventario de las capacidades de gestión tecnológica tal y
como se observa en las ilustraciones: Ilustración 11, Ilustración 16, Ilustración 20 e
Ilustración 22 y más específicamente en la Tabla 24 con los resultados de cada grupo
de investigación de la muestra.
Fue posible construir una encuesta válida estadísticamente para obtener información
que permitió determinar las capacidades de gestión tecnológica de cada uno de los
grupos de investigación de la Universidad Distrital Francisco José de Caldas de la
muestra.
La información obtenida a través de la encuesta fue relevante y valiosa para la
realización de este trabajo, además, se pudo demostrar estadísticamente que era
información fiable y concluyente.
Gracias al análisis estadístico realizado a 85 grupos de investigación de la Universidad
Distrital Francisco José de Caldas se pudo establecer qué:
La capacidad de gestión de conocimiento en los grupos de investigación de la
Universidad Distrital Francisco José de Caldas es explicada en un 79,1% por las
variables conocimiento, valores, planeación, organización, dirección y control.
La evaluación en conjunto de los 85 grupos de investigación encuestados refleja
que el 89,4% tienen un nivel de capacidad de gestión de conocimiento “alto”,
8,2% tienen un nivel de capacidad de gestión de conocimiento “medio” y 2,4%
tienen un nivel de capacidad de gestión de conocimiento “bajo”.
205
La capacidad de gestión de recursos en los grupos de investigación de la
Universidad Distrital Francisco José de Caldas es explicada en un 63,5% por las
variables administración y económico.
La evaluación en conjunto de los 85 grupos de investigación encuestados refleja
que el 81,1% tienen un nivel de capacidad de gestión de recursos “alto”, 17,6%
tienen un nivel de capacidad de gestión de recursos “medio” y 1,3% tienen un
nivel de capacidad de gestión de recursos “bajo”.
La capacidad de gestión de redes en los grupos de investigación de la Universidad
Distrital Francisco José de Caldas es explicada en un 65,9% por las variables
redes internas y redes externas.
La evaluación en conjunto de los 85 grupos de investigación encuestados refleja
que el 89,4% tienen un nivel de capacidad de gestión de redes “alto”, 10,6% tienen
un nivel de capacidad de gestión de redes “medio” y, ninguno de los grupos
encuestados tiene un nivel de capacidad de gestión de redes “bajo”.
Utilizando el método de regresión lineal fue posible determinar la Capacidad de
Gestión de Conocimiento cuyas variables estaban planteadas por (F. Sáenz &
Barbosa, 2017) a partir de la Ecuación 11.
Utilizando el método de regresión lineal fue posible determinar la Capacidad de
Gestión de Recursos Tangibles e Intangibles cuyas variables estaban planteadas
por (F. Sáenz & Barbosa, 2017) a partir de la Ecuación 12.
Utilizando el método de regresión lineal fue posible determinar la Capacidad de
Gestionar Redes cuyas variables estaban planteadas por (F. Sáenz & Barbosa,
2017) a partir de la Ecuación 13.
206
Fue posible realizar una validación del modelo en los grupos de investigación de
la Universidad Distrital Francisco José de Caldas que se encuentran en los
capítulos DISCUSIÓN DE RESULTADOS y ANÁLISIS DE HIPÓTESIS a
través de comparaciones de las respuestas obtenidas por los métodos utilizados
(análisis estructural y regresión lineal).
2. RECOMENDACIONES
Los resultados obtenidos en este estudio se dan bajo las condiciones de los grupos de
investigación categorizados en Colciencias de la Universidad Distrital Francisco José de
Caldas, por lo tanto, para realizar nuevos desarrollos en otras instituciones educativas o
ampliando el tamaño de muestra en la misma Universidad Distrital se recomienda buscar
nuevas técnicas de análisis que permitan aclarar los comportamientos de las variables en
donde se encontró ruptura entre los métodos utilizados en este trabajo.
Por lo tanto, futuros trabajos deberían considerar utilizar un tamaño de muestra diferente,
uso de nuevas técnicas que permitan validar los resultados aquí obtenidos, estudios que
consideren la remoción de variables no influyentes dentro del modelo.
Otra de las consideraciones a tener en cuenta sería hacer un análisis no solo por
universidad sino por ciudad, por departamento o por país, lo que permitiría obtener
información mucho más general sobre el panorama de las capacidades de gestión tecnológica
en los grupos de investigación y poder así formular una métrica que permita evaluar cada
uno de los grupos.
207
Se recomienda también hacer una modificación a los medios de recolección de
información con el objetivo de obtener un tamaño de muestra más significativo e información
mucho más ajustada a la realidad permitiendo así el uso de técnicas más avanzadas para el
análisis.
3. RESULTADOS
Como resultado de la revisión del estado del arte y aportes teóricos del proyecto de
investigación fue posible la participación como ponentes en el V CONGRESO
INTERNACIONAL INDUSTRIA Y ORGANIZACIONES en la Universidad Nacional de
Colombia. ANEXO 9. CERTIFICADO PARTICIPACIÓN V CONGRESO
INTERNACIONAL INDUSTRIA Y ORGANIZACIONES (CIIO)
En este congreso también se publicó un artículo con una revisión de la capacidad de
gestión de redes y las preguntas formuladas en la encuesta para obtener información que
permitiera determinar esta capacidad. (ANEXO 8. ARTÍCULO PRESENTADO EN EL V
CONGRESO INTERNACIONAL INDUSTRIA Y ORGANIZACIONES (CIIO))
Este trabajo también abre el camino a investigaciones posteriores dentro del grupo
ARCO-SES que permitan un desarrollo, ajuste y evolución del modelo inicial, brindando
mejores herramientas para la gestión tecnológica en los grupos de investigación de la
Universidad Distrital.
El uso de dos técnicas diferentes para determinar y validar las capacidades de gestión
tecnológica en los grupos de investigación de la Universidad Distrital permitió realizar un
análisis comparativo de los resultados obtenidos permitiendo así observar similitudes y
208
discrepancias entre las consideraciones de los expertos a través del análisis estructural y la
información obtenida directamente de los grupos de investigación, analizada a través de
técnicas multivariantes.
4. LIMITACIONES
Algunas de las limitaciones del presente trabajo son:
Tamaño de la muestra: si bien todo el análisis de este trabajo se realizó sobre un
tamaño de muestra significativo estadísticamente, no es suficiente para ser totalmente
concluyente. Una muestra de mayor tamaño en trabajos posteriores podría permitir
verificar a cabalidad las relaciones entre las variables analizadas.
Técnicas: si bien fueron utilizadas dos técnicas de análisis para este trabajo para
validar los resultados obtenidos, una técnica como las ecuaciones estructurales
enriquecería el resultado aquí obtenido.
Sesgo: una de las mayores limitantes de la métrica aquí propuesta es el sesgo
generado por obtener información de un único sujeto, ya sea el director del grupo de
investigación o el experto.
Escala Likert: el uso de este tipo de escalas presenta en si misma limitantes como que
la escala puede no ajustarse totalmente a la realidad, sesgo hacia valores intermedio
por desinterés o desconocimiento de los términos utilizados, entre otros. Por lo que
debería considerarse una mejora en este sentido para determinar si existe una gran
discrepancia entre los resultados.
Tipo de encuesta: como se explicó en el desarrollo de este trabajo, uno de los
limitantes fue obtener la información de los grupos de investigación pues la encuesta
209
enviada a través de correo electrónico no tuvo una respuesta significativa por lo que
para trabajos posteriores se podría evaluar la posibilidad de levantamiento de
información de forma personal en donde se demostró que si existe un mejor nivel de
respuesta.
210
VII. BIBLIOGRAFÍA
Abuín, J. M. R. (2007). Regresión lineal múltiple. IdEyGdM-Ld Estad{\’\i}stica, Editor, 32.
Acosta, C. (2010). Creación y desarrollo de capacidades tecnológicas un modelo de análisis
basado en el enfoque de conocimiento. Recuperado a partir de
https://www.researchgate.net/publication/43695433
Acosta, J. C., Longo-Somoza, M., & Fischer, A. L. (2013). CAPACIDADES DINÁMICAS
Y GESTIÓN DEL CONOCIMIENTO EN NUEVAS EMPRESAS DE BASE
TECNOLÓGICA. Cuadernos de Administración, 26(47). Recuperado a partir de
http://www.redalyc.org/html/205/20531182003/
Acosta, M. del C. A., & Milanova, R. M. (2008). METODOLOGÍA PARA EL
INVENTARIO TECNOLÓGICO ESTRATÉGICO. VALIDACIÓN DE SU
APLICACIÓN EN EMPRESAS CUBANAS. (Spanish). Methodology for a Strategic
Technological Inventory. Validation of Its Application in Cuban Companies. (English),
29(1), 42–47.
Alaa, G. (2009). Derivation of factors facilitating organizational emergence based on
complex adaptive systems and social autopoiesis theories. E:CO Emergence:
Complexity and Organization, 11(1), 19–34.
Americana, N. N. (s/f). Fundamentos de la Dirección de Proyectos Tercera Edición (Guía
del PMBOK ® ). Recuperado a partir de
http://www.fnmt.es/documents/10179/119827/Descargar+Documentación+-
+Gestión+de+Proyectos/b34b9d76-9e62-4fcb-adbd-a0e5d675b4b4
Amit, R., & Schoemaker, P. J. H. (1993). Strategic Assets and Organizational Rent. Strategic
Management Journal (Vol. 14).
Anand, A., & Singh, M. D. (2011). Understanding knowledge management. International
Journal of Engineering Science and Technology, 3(2), 926–939.
https://doi.org/http://www.ijest.info/docs/IJEST11-03-02-090.pdf
Arcade, J., Godet, M., Meunier, F., Roubelat, F., & Mendieta, M. (2004). Análisis estructural
con el método MICMAC, y estrategia de los actores con el método MACTOR. Buenos
Aires: BCNA.
Aristizábal, B., Aguilar, L., & Félix, J. (s/f). La educación superior desde el enfoque de
capacidades.
Balmaseda, V., Elguezabal, Z., & Herriko, P. V. (2008). Evolución De Las Propuestas Sobre
El Proceso De Innovación : ¿ Qué Se Puede Concluir De Su Estudio ?, 14, 127–138.
Bañuelos, E. (2006). Capacidades tecnológicas en empresas originadas en instituciones de
investigación : el caso de Mappec S . A de C . V . I Congreso Iberoamericano de
211
Ciencia, Tecnologia, Sociedad e Innovación CTS+I.
Barbosa Castro, N. D. (2017). Propuesta metodologica de investigación.
Barney, J. B. (1991). (1991). Firm resources and sustained competitive advantage, 17, 99–
120.
Barragán, A., & Ocaña, A. B. (2009). Aproximación a una taxonomía de gestión del
conocimiento, 5(1), 1697–9818. https://doi.org/10.3926/ic.2009.v5n1.p65-101
BBecker, B. E., Huselid, M. A., & Ulrich, D. (2001). El cuadro de mando de RRHH.
Vinculando las personas, la estrategia y el rendimiento de la empresa, Gestión 2000,.
Barcelona.
Bernal Torres, C. A. (2010). Metodología de la investigacion administracion , economia ,
humanidades y ciencias sociales (Tercera). Bogota D.C: Pearson.
Bono, de E. (1970). Lateral thinking: Creativity step by step. NY: Harper & Row.
Brunet I, I. Y. G. F. E. (2004). El Nuevo Paradigma Empresarial: El Esquema de Redes.
Revista Escuela de Administracion de Negocios, 50, 27–39.
Cárdenas, J. (2012). La organización en red del poder corporativo. Una tipología de redes
corporativas. Revista Internacional de Sociología, 70(1), 77–105.
https://doi.org/10.3989/ris.2010.09.04
Carlos, J., Ángel, L., Manuel, V., & Naranjo, S. (2013). ANÁLISIS DEL IMPACTO DEL
NIVEL DE ENDEUDAMIENTO EN LA RENTABILIDAD. Recuperado a partir de
http://dvl.ccn.ufsc.br/congresso_internacional/anais/6CCF/33_17.pdf
Carmona, E. A. (2015). Investigación académica y redes de colaboración: evidencias de
méxico, 8(5), 63–80.
Castells, M. (2001). Internet y la sociedad red. Conferencia de Presentación del Programa
de Doctorado sobre la Sociedad de la Información y el Conocimiento, 1–13.
Cely, A. V. (1999). Metodología de los escenarios para estudios prospectivos. Ingeniería e
Investigación, (44), 26–35.
Centro de Investigación y Desarrollo Cientifico. (2018). Misión y visión CIDC. Recuperado
a partir de http://cidc.udistrital.edu.co/web/index.php/informacion-del-centro/mision-
vision
Centro de investigaciones y desarrollo científico. (2018). Convocatoria 781 Colciencias -
Reconocimiento de Grupos. Recuperado el 28 de septiembre de 2018, a partir de
http://cidc.udistrital.edu.co/web/index.php/noticia/50-categoria-not-1/447-resultados-
781-grupos
COLCIENCIAS. (2017). Grupos de Investigación reconocidos por Colciencias |
COLCIENCIAS. Recuperado el 13 de octubre de 2018, a partir de
http://www.colciencias.gov.co/la-ciencia-en-cifras/grupos
Collins, C. J., & Smith, K. G. (2006). Exchange and Combination: The Role of Human
212
Resource Practices in the Performance of High-Technology Firms. The Academy of
Management Journal, 49(3), 544–560.
Congreso, V. I., Sistemas, I. De, & Innovación, D. (2011). Bladimir Guaitero-Díaz Analizar
el papel de la vigilancia tecnológica en el direccionamiento estratégico de los esfuerzos
de investigación del sector agrícola , a partir del caso de la cadena de la salsa de ají en
Colombia ., 24–26.
Consuelo, D., Prada, R., & Vargas, a N. a M. (2011). Gestión Tecnológica : Conceptos Y
Casos De Aplicación Technology Management : Concepts and Application Cases. Gti,
10, 43–54.
Cuadrado, B., Alonso, O., & others. (2009). Aplicación de herramientas prospectivas para
el análisis y formulación de las estrategias de la Cámara de Comercio de La Guajira
para el año 2008. Maestr{\’\i}a en Administración.
Cuadras, C. M. (2018). Nuevos métodos de análisis multivariante.
Dávila Ladrón de Guevara, C. (2001). Teorías organizacionales y administración (Segunda).
Bogota D.C: McGraw Hill.
De Long, D. W., & Fahey, L. (2000). Diagnosing cultural barriers to knowledge
management. Academy of Management Perspectives, 14(4), 113–127.
https://doi.org/10.5465/AME.2000.3979820
Domínguez, L., & Brown, F. (2004). Medición de las capacidades tecnológicas en la industria
mexicana. Revista de la CEPAL, 83, 135–151.
Edvinsson, L., & Malone, M. S. (1999). El capital intelectual, Gestión 2000, Barcelona.
Barcelona.
Escobar, Q., José, B., & Franco, F. H. L. (1999). Revisión a la Metodología de Análisis
Estructural. ESUMER: Especialización en Prospectiva Organizacional. Cali:
Colombia.
Fernández Alarcón, V. (2004). Relaciones encontradas entre las dimensiones de las
estructuras organizativas y los componentes del constructo capacidad de absorción: El
caso de empresas ubicadas en el territorio español. Universitat Politècnica de
Catalunya.
Foment del Treball Nacional. (2013). CULTURA PREVENTIVA y BUENAS PRÁCTICAS.
Recuperado a partir de http://acessla.org/wp-
content/uploads/2016/07/20150126110725.pdf
Fonseca, A. J. A., & Gaitán, H. J. G. (2015). “ANÁLISIS DE LA RELACIÓN E INCIDENCIA
DE LOS PROCESOS DE GESTIÓN DEL CONOCIMIENTO SOBRE LOS PROCESOS
DE INNOVACIÓN EN LAS ORGANIZACIONES”. Universidad Distrital Francisco Jose
de Caldas.
Fonseca Arévalo, J. A., & Gaitán Hidalgo, J. G. (2015). “ANÁLISIS DE LA RELACIÓN E
INCIDENCIA DE LOS PROCESOS DE GESTIÓN DEL CONOCIMIENTO SOBRE
LOS PROCESOS DE INNOVACIÓN EN LAS ORGANIZACIONES”. Universidad
213
Distrital Francisco Jose de Caldas.
Fowler, newton E. (1995). contabilidad superior (ediciones). Buenos aires.
Fuentes Pujol, E., & Arguimbau Vivó, L. (2008). I+D+I: UNA PERSPECTIVA
DOCUMENTAL 1 INTRODUCCIÓN A LA INVESTIGACIÓN, DESARROLLO E
INNOVACIÓN (I+D+I). No (Vol. 11). Recuperado a partir de http://www.ocde.org/
Garcia Andrae, A. (2011). El posicionamiento de una red académica y la construcción de
objetos de investigación : los casos del cuerpo y el amor presentará se circunscribe a una
de las regiones que denomi- Unidos y Gran Bretaña . En este caso se utilizó la
plataforma de. Sociológica, 26, 7–32.
García Cruz, J., Fernández, R., & Carlos, J. (2013). Confianza como consecuencia del
compromiso percibido: Implicaciones sobre el aprendizaje y la innovación.
Garrido, F. (2008). Comunicación de la estrategia. Effective Management Publications,
(289), 1–8.
George, D., & Mallery, M. (2003). Using SPSS for Windows step by step: a simple guide
and reference.
Georghiou, L. (2008). National Systems of Innovation. Towards a Theory of Innovation and
Interactive. Bengt-Ake Lundvall.
Ghoshal, S., & Bartlett, C. A. (1990). The Multinational Corporation as an
Interorganizational Network. Review, 15(4), 603–625.
Giuliano, H. G. (2013). Critical theory of technology : an approach from engineering La
teoría crítica de la tecnología : una aproximación desde la ingeniería, 8.
Godet, M., & Durance, P. (2011). Strategic foresight for corporate and regional development.
Paris: Dunod.
Godet, M., Monti, R., Meunier, F., Roubelat, F., & others. (2000). La caja de herramientas
de la prospectiva estratégica.
Gold, A. H., Malhotra, A., & Segars, A. H. (2001). Knowledge Management: An
Organizational Capabilities Perspective. Journal of Management Information Systems,
18(1), 185–214. https://doi.org/10.1080/07421222.2001.11045669
Gómez, G. R., Flores, J. G., & Jiménez., E. G. (1996). METODOLOGIA DE LA
INVESTIGACION CUALITATIVA. Granada España: Aljibe.
González, V. S. (s/f). LA INNOVACIÓN COMO FUENTE DE DESARROLLO. 2015.
https://doi.org/10.1787/eco_studies-2011
Grant, R. M. (1991). The Resource-Based Theory of Competitive Advantage: Implications
for Strategy Formulation.
Grueso Hinestroza, M. P., Gómez Cardona, J. H., & Quintero, L. G. (2011). Redes
empresariales e innovación: el caso de una red del sector cosmético en bogotá
(colombia)1. Estudios Gerenciales, 27(118), 189–203. https://doi.org/10.1016/S0123-
214
5923(11)70152-8
Guayacan, J. S., & Tovar, paola andres. (2018). Determinación y validación de capacidades
de gestión tecnologíca en entidades publicas prestadoras de servicio de ensayo y
calibracion bajo la norma internacional ISO/IEC 17025 en Bogota.
Guillén, A. M., González-begega, S., & Balbona, D. L. (2016). Austeridad y ajustes sociales
en el sur de Europa . La fragmentación del modelo de bienestar mediterráneo., 26(May),
1–12.
Guzmán Vásquez, A., Malaver Rojas, M. N., & Rivera Rodríguez, H. A. (2005). Análisis
estructural. Técnica de la prospectiva.
Hernandez Sampieri, R., Fernandez Collado, C., & Baptista Lucio, M. del P. (2010).
Metodología de la investigación. Metodología de la investigación. https://doi.org/-
ISBN 978-92-75-32913-9
Higuita López, D., Molano Velandia, J. H., & Rodríguez Merchán, M. F. (2011).
Competencias necesarias en los grupos de investigación de la Universidad nacional de
colombia que generan desarrollos de base tecnologica. Innovar, 21(41), 209–224.
Hodge, D. R., & Gillespie, D. (2003). Phrase completions: An alternative to. Social Work
Research, 27, 1.
Honeycutt, J. (2001). Así es la dirección del conocimiento. (McGraw-Hill., Ed.). Madrid.
Jara, E. V. (2009). EL CONTROL EN EL PROCESO ADMINISTRATIVO. Recuperado a
partir de http://docplayer.es/6242514-El-control-en-el-proceso-administrativo.html
Jeffrey, A. B., & Huntley, C. L. (2005). Ramping up the organizational learning curve:
Assessing the impact of deliberate learning on organizational performance under
gainsharing. The Academy of Management Journal.
Junta de Comercio y Desarrollo Naciones Unidas. (2013). Junta de Comercio y Desarrollo
Conferencia de las Naciones Unidas sobre Comercio y Desarrollo Distr. Ginebra.
Recuperado a partir de http://unctad.org/en/pages/publications/Science,-Technology-
and-Innovation-Policy-
Khan, M. H. (2007). POLÍTICAS DE INVERSIÓN Y TECNOLOGÍA NACIONES UNIDAS.
Recuperado a partir de
https://esa.un.org/techcoop/documents/investmentandtech_spanish.pdf
Kim, L. (1997). Learning and innovation in economic development. (Edward Elgar
Publishing., Ed.).
Kim, L. (2000). La dinámica del aprendizaje tecnológico en la industrialización Linsu Kim
1. Sala de Lectura Ciencia, Tecnología, Sociedad e Innovación, 17.
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22
140, 55.
Lin, J. (2007). An Exploration of the Principles Underlying Redundancy-Based Factoid
Question Answering. ACM Trans. Inform. Syst, 25. https://doi.org/10.1145/1229179
215
López, S. (2010). Cuerpos Académicos: Factores de Integración y Producción de
Conocimiento. Revista de la Educación Superior, XXXIX(3)(155), 7–26.
M, S. C., Vitorino Teles, J. M., & Marôco, J. (2013). Análisis estadístico de escalas ordinales:
Aplicaciones en el Área de Salud infantil y Pediatría. Enfermer{\’\i}a Global, 12(30),
434–445.
Macías, A. G. (2002). Redes sociales y “clusters” empresariales. Revista hispana para el
análisis de redes sociales., 1.
Martínez, F. C. E. (2004). Gestión y creación Gestión y creación de conocimiento.
Recuperado a partir de http://www.scielo.org.co/pdf/inno/v14n23/v14n23a01.pdf
Marulanda, E. C. E., & Lopez, T. M. (2013). La gestión del conocimiento en las PYMES de
Colombia. Revista Virtual Universidad Católica del Norte, 158–170.
Marulanda Echeverry, C. E. (2015). Desarrollo de un modelo de evaluación de gestión del
conocimiento para las PYMES del sector TI del eje cafetero. Recuperado a partir de
http://bdigital.unal.edu.co/53839/1/10281981.2015.pdf
Máynes-Guaderrama, I., Cavazos-Arroyo, J., & Pablo Nuño-De La Parra, J. (2012). La
influencia de la cultura organizacional y la capacidad de absorción sobre la transferencia
de conocimiento tácito intra-organizacional. Estudios Gerenciales, 28, 191–211.
Medina Giopp, A., & Francos Rodríguez, M. (2009). Análisis Estructural Aplicación a la
Estrategia Nacional de Desarrollo de la República Dominicana. Banco Mundial Grupo
de Género y Pobreza Región de América Latina y el Caribe.
Mercedes, C. (2014). Capacidad organizacional: Estrategia y valores.
Mesmer-Magnus, J. R., & Dechurch, L. A. (1995). Information Sharing and Team
Performance: A Meta-Analysis, 94(2), 535–546. https://doi.org/10.1037/a0013773
Minbaeva, D. B. (2005). HRM practices and MNC knowledge transfer. Personnel Review,
34(1), 125–144. https://doi.org/10.1108/00483480510571914
Minsal, D. P., & Pérez, R. Y. (2007). Organización funcional, matricial…: en busca de una
estructura adecuada para la organización. Cuba. Recuperado a partir de
http://bvs.sld.cu/revistas/aci/vol16_4_07/aci101007.htm
Miranda González, J. ., & Otros. (2007). Introducción a la gestión de la calidad, 1–34.
Monroy Varela, S. E. (2011). Dinámica de los grupos de investigación. El caso de la Facultad
de Ingeniería de la Universidad Nacional de Colombia. Ingeniería E Investigación,
31(Especial), 56–62.
Nagles G., N. (2007a). La gestión del conocimiento como fuente de innovación. Revista
Escuela de Administración de Negocios, 61(61), 77–87. https://doi.org/0120-8160
Nagles G., N. (2007b). La gestión del conocimiento como fuente de innovación. Revista
Escuela de Administración de Negocios, 61(61), 77–87. https://doi.org/0120-8160
Nordin, N., & Othman, G. (2014). Technology management in lean manufacturing
216
implementation: A case study. En 2014 International Symposium on Technology
Management and Emerging Technologies (pp. 281–284). IEEE.
https://doi.org/10.1109/ISTMET.2014.6936519
Olavo Quandt, C. (2012). REDES DE COOPERACIÓN E INNOVACIÓN LOCALIZADA:
ESTUDIO DE CASO DE UN ARRANJO. Revista de Administração e Inovação, 9.
Ortiz, F., Flores, D., & Villegas, K. (2008). Medicion de la Capacidad de Innovación en
universidades caso Universidad de Carabobo. Ingeniería Industrial, 50, 4.
Osgood, C. E. (1957). A behavioristic analysis of perception and language as cognitive
phenomena. Contemporary approaches to cognition, 75–118.
Peteraf, M. A. (1993). The Cornerstones of Competitive Advantage: A Resource-Based View.
Strategic Management Journal (Vol. 14). Recuperado a partir de
http://www.jstor.org/about/terms.html.
Pitt, J. (2006). Thinking about Technology: Foundations of the Philosophy of Technology.
IEEE Micro. Recuperado a partir de
http://www.computer.org/portal/web/csdl/doi/10.1109/MM.2007.76
Pizarro Moreno, I., Real, J. C., & Rosa, M. (2011). La incidencia del capital humano y la
cultura emprendedora en la innovación. Cuadernos de Econom{\’\i}a y Dirección de la
Empresa, 14(3).
Raaijmakers, Q. A. W., Van Hoof, J. T. C., t Hart, H., Verbogt, T. F. M. A., & Vollebergh,
W. A. M. (2000). Adolescents’ midpoint responses on Likert-type scale items: neutral
or missing values? International Journal of Public Opinion Research, 12, 208–216.
Rabolini, N. M. (2009). Técnicas de muestreo y determinación del tamaño de la muestra en
investigación cuantitativa. Revista argentina de humanidades y ciencias sociales, 2.
Ramirez, N. A., Carlos, D., Silva, L., Camilo, C., Pulido, O., & Pi, G. De. (2014). Guía de
Propiedad Intelectual y Transferencia de Tecnología. Recuperado a partir de
http://www.sena.edu.co/es-co/formacion/sennova/Propiedad Intelectual.pdf
Rivera, M. N. (2001). El gerente de tecnología, perfil e impacto de su gestión en las
organizaciones*. Recuperado a partir de http://bdigital.unal.edu.co/26769/1/24428-
86020-1-PB.pdf
Robledo V, J., & Aguirre R, J. (2010). Metodología para medir y evaluar las capacidades
tecnológicas de innovación aplicando sistemas de lógica difusa caso fábricas de
software, 91.
Rois, M. F. B., Batista, O. J., & Zambrano, P. M. (2010). Gestión de tecnología en empresas
de clase mundial del sector bebidas en Venezuela Caso: municipio San Francisco –
estado Zulia. Recuperado a partir de http://oaji.net/articles/2016/3167-1472065177.pdf
Rossoni, L., & Guarido Filho, E. R. (2006). Cooperação interinstitucional no campo da
pesquisa em estratégia. Revista de Administração de Empresas, 47(4), 74–88.
https://doi.org/10.1590/S0034-75902007000400007
217
Saenz Blanco, F. (s/f). Modelo de gestion de Capcidades Tecnologicas.
Saenz Blanco, F. (2016). " Gerencia tecnologica Notas de Clase ".
Saenz, F., & Barbosa, N. D. (2017). Modelo de gestion de Capacidades Tecnologicas.
Sáenz, F., & Barbosa, N. D. (2017). Modelo de gestion de Capacidades Tecnologicas.
Sáenz, T. W. (1994). La innovación tecnológica en Cuba. Situación actual y perspectivas.
Material impreso. En CITMA/GECYT (Ed.), II Taller Nacional de Gestión
Tecnológica. Las Tunas, Cuba.
Sáez de Viteri Arranz, D. (2000). El Potencial Competitivo De La Empresa: Recursos,
Capacidades, Rutinas Y Procesos De Valor Añadido. Investigaciones Europeas de
Dirección y Economía de la Empresa, 6(3), 71–86.
Salazar, J. M. del C. (2004). Algunas reflexiones sobre la gestión del conociminto en las
empresas. © IntangibleCapital.org, No1 Volume(ISSN: 1697-9818 (Cod:0013)), 1–6.
https://doi.org/10.3926/ic.18
Sánchez, F. J. S., & Sarabia, F. (1999). Metodología para la investigación en marketing y
dirección de empresas. Ediciones Pirámide: Madrid, Spain.
SAPIENS RESEARCH GROUP. (2018). Ranking de las Mejores Universidades de
Colombia 2018 | Sapiens Research (Inventoried by IREG). Recuperado a partir de
https://www.srg.com.co/usapiens.php
Saracho, J. M. (2016). La organización emocional : los estados emocionales que determinan
las capacidades clave de la organización : el liderazgo, la colaboración y el
compromiso.
Schoonmaker, M. G., & Carayannis, E. G. (2010). Assessing the value of regional innovation
networks. Journal of the Knowledge Economy, 1(1), 48–66.
Sen, A. (2000). Desarrollo y libertad.
Sikander, A. (2014). Technology management and the firm. En 2014 IEEE International
Conference on Management of Innovation and Technology (pp. 345–348). IEEE.
https://doi.org/10.1109/ICMIT.2014.6942450
Stacey, R. (2002). An alternative perspective for strategic change processes. Strategy:
Critical Perspectives on Business and …, 16(6), 477–495. https://doi.org/10.1016/0024-
6301(95)99970-B
Sutton, M. H. (2011). Perfiles educativos. Perfiles educativos, 33(133), 51–67.
Thurstone, L. L. (1927). A law of comparative judgment. Psychological review, 34(4), 273.
Universidad Distrital Francisco Jose de caldas. (2017). Funciones misionales UDFJC.
Universidad Distrital Francisco Jose de Caldas. (2017). Mision-Vision.
Valverde Castro, N. A. (2011). MODICO (Modelo de inteligencia competitiva
organizacional).
218
Villanueva Begazo, J. D. (2006). ¿CÓMO MEDIMOS EL SERVICIO? Gestión en el Tercer
Milenio, 9(18), 73–81.
Visbal, S. M. A., & Hernández, M. P. (2013). Gestión del Conocimiento: Elementos para
Mejorar el Proceso de Identificación en las Organizaciones. GECONTEC: Revista
Internacional de Gestión del Conocimiento y la Tecnología, 1(2), 32–52. Recuperado a
partir de http://www.upo.es/revistas/index.php/gecontec/article/view/744
Welch, S., & Comer, J. (1988). Quantitative methods for public administration: Techniques
and applications. Houghton Mifflin Harcourt P.
Wernerfelt, B. (1984). A Resource-Based View of the Firm. Strategic Management Journal
(Vol. 5).
Zorrilla, H. (1997). La gerencia del conocimiento y la gestion tecnologica. Cuadernos de
administración, 27(3), 122–135. Recuperado a partir de
cuadernosdeadministracion.univalle.edu.co/index.php/.../article/.../1487
219
VIII. ANEXOS
ANEXO 1. LISTA DE GRUPOS DE INVESTIGACIÓN DE LA UNIVERSIDAD
DISTRITAL FRANCISCO JOSÉ DE CALDAS (CONVOCATORIA 781)
Facultad Grupo
Clasificación
Preliminar
(Conv 781)
Facultad de Artes (ASAB) cuestionarte A
Facultad de Artes (ASAB) Piñeros y salazar C
Facultad de Artes (ASAB) Poiesis xxi C
Facultad de Artes (ASAB) grupo de investigación para la creación artística C
Facultad de Artes (ASAB) estudio de voz y la palabra C
Facultad de Artes (ASAB) estudios culturales y visuales No Reconocido
Facultad de Artes (ASAB) malinche No Reconocido
Facultad de Artes (ASAB) aguafuerte No Reconocido
Facultad de Artes (ASAB) música arte y contexto coma No Reconocido
Facultad de Artes (ASAB) perversionis horror No Reconocido
Facultad de Artes (ASAB) okan No Reconocido
Facultad de Artes (ASAB) unidad de investigacion en el area de armonia No Reconocido
Facultad de Artes (ASAB) athanor No Reconocido
Facultad de Artes (ASAB) artes relacionales, colaborativas y culturas contemporaneas No Reconocido
Facultad de Artes (ASAB) arte danzario No Reconocido
Facultad de Artes (ASAB) dramaturgias del cuerpo y escrituras del espacio No Reconocido
Facultad de Artes (ASAB) sonosfera No Reconocido
Facultad de Artes (ASAB) teatro contemporaneo No Reconocido
Facultad de Artes (ASAB) estetica e historia del teatro No Reconocido
Facultad de Artes (ASAB) trilce No Reconocido
Facultad de Artes (ASAB) un sembrador salio a sembrar No Reconocido
Facultad de Ciencias y
Educación investigación en didáctica de la quimica A
Facultad de Ciencias y
Educación investigación por las aulas colombianas A
Facultad de Ciencias y
Educación moralia A
Facultad de Ciencias y
Educación investigacion en didáctica de las ciencias A
Facultad de Ciencias y
Educación interculturalidad, ciencia y tecnología A
Facultad de Ciencias y
Educación geopaideia A
Facultad de Ciencias y
Educación vivencias A
220
Facultad de Ciencias y
Educación formación de educadores A
Facultad de Ciencias y
Educación EDUMAT A
Facultad de Ciencias y
Educación aprendizaje y sociedd de la información A
Facultad de Ciencias y
Educación estudios del discurso A
Facultad de Ciencias y
Educación equidad y diversidad en la educación A
Facultad de Ciencias y
Educación educación ciudadana etica y política A
Facultad de Ciencias y
Educación jovenes culturas y poderes A
Facultad de Ciencias y
Educación emilio A
Facultad de Ciencias y
Educación educación en ciencias experimentales A
Facultad de Ciencias y
Educación EDUCACION Y CULTURA POLITICIA A1
Facultad de Ciencias y
Educación representaciones y conceptos científicos. A1
Facultad de Ciencias y
Educación didácticas de las matemáticas B
Facultad de Ciencias y
Educación
grupo de investigación interdisciplinaria en pedagogía del
lenguaje y las matemáticas B
Facultad de Ciencias y
Educación intertexto B
Facultad de Ciencias y
Educación lectoescrinautas B
Facultad de Ciencias y
Educación matemáticas escolares u.d. B
Facultad de Ciencias y
Educación representación, discurso y poder B
Facultad de Ciencias y
Educación lenguaje discurso y saberes B
Facultad de Ciencias y
Educación educación, comunicación y cultura B
Facultad de Ciencias y
Educación EDUCACION CULTURA Y ARTE B
Facultad de Ciencias y
Educación estudios criticos de politicas educativas B
Facultad de Ciencias y
Educación biología enseñanza y realidades C
Facultad de Ciencias y
Educación de las concepciones a las prácticas pedagógicas C
Facultad de Ciencias y
Educación grupo de instrumentación cientifica & didáctica C
Facultad de Ciencias y
Educación infancias C
Facultad de Ciencias y
Educación lenguaje, identidad y cultura C
Facultad de Ciencias y
Educación neurociencias C
221
Facultad de Ciencias y
Educación literatura, educación y comunicación C
Facultad de Ciencias y
Educación observatorio pedagogico C
Facultad de Ciencias y
Educación bioquimica y biología molecular C
Facultad de Ciencias y
Educación ciencias-matemáticas y tecnología C
Facultad de Ciencias y
Educación crisalida C
Facultad de Ciencias y
Educación quimica computacional C
Facultad de Ciencias y
Educación kumangui C
Facultad de Ciencias y
Educación productos naturales vegetales C
Facultad de Ciencias y
Educación amautas: formación de sujetos y pedagogías críticas C
Facultad de Ciencias y
Educación narracion grafica C
Facultad de Ciencias y
Educación ambientes de anseñanza - aprendizaje de las ciencias basicas C
Facultad de Ciencias y
Educación grupo colombiano de liquenologia C
Facultad de Ciencias y
Educación biologia molecular No Reconocido
Facultad de Ciencias y
Educación ceres No Reconocido
Facultad de Ciencias y
Educación cultura, sexualidad y educación No Reconocido
Facultad de Ciencias y
Educación didáctica del ingles y tecnología No Reconocido
Facultad de Ciencias y
Educación grupo de investigación en calidad ambiental No Reconocido
Facultad de Ciencias y
Educación didáctica de la tecnología No Reconocido
Facultad de Ciencias y
Educación estructuras mentales No Reconocido
Facultad de Ciencias y
Educación calidad y saberes No Reconocido
Facultad de Ciencias y
Educación escuela y creatividad No Reconocido
Facultad de Ciencias y
Educación grupo física e informática No Reconocido
Facultad de Ciencias y
Educación quimica ambiental No Reconocido
Facultad de Ciencias y
Educación galatea No Reconocido
Facultad de Ciencias y
Educación investigaciones en música y artes plásticas No Reconocido
Facultad de Ciencias y
Educación fisica del medio ambiente y energia solar No Reconocido
Facultad de Ciencias y
Educación micpra No Reconocido
222
Facultad de Ciencias y
Educación seaquim - ateneo No Reconocido
Facultad de Ciencias y
Educación biodiversidad de alta montaña No Reconocido
Facultad de Ciencias y
Educación proteoma ud No Reconocido
Facultad de Ciencias y
Educación educacion y gestion ambiental No Reconocido
Facultad de Ciencias y
Educación wayra No Reconocido
Facultad de Ciencias y
Educación grinsaud No Reconocido
Facultad de Ciencias y
Educación ciencia y tecnologia nuclear No Reconocido
Facultad de Ciencias y
Educación carbones No Reconocido
Facultad de Ciencias y
Educación Investigación Social en Lenguajes y Culturas No Reconocido
Facultad de Ciencias y
Educación derechos humanos antonio nariño y alvarez No Reconocido
Facultad de Ciencias y
Educación
grupo interdisciplinario en derechos humanos y políticas
públicas No Reconocido
Facultad de Ciencias y
Educación grupo de investigacion bive No Reconocido
Facultad de Ciencias y
Educación GESTION VITAL No Reconocido
Facultad de Ciencias y
Educación entomologia forence No Reconocido
Facultad de Ciencias y
Educación instrumentación quimica No Reconocido
Facultad de Ciencias y
Educación imago literaria No Reconocido
Facultad de Ciencias y
Educación
didactica de las ciencias experimentales y la formacion inicial
de profesores de quimica No Reconocido
Facultad de Ciencias y
Educación grupo de investigación grupadetnia No Reconocido
Facultad de Ciencias y
Educación física teórica y desarrollo del software No Reconocido
Facultad de Ciencias y
Educación observatorio de niños y jovenes No Reconocido
Facultad de Ciencias y
Educación comunicación dialógica y democrática No Reconocido
Facultad de Ciencias y
Educación ambiente y cultura No Reconocido
Facultad de Ciencias y
Educación física aplicada a las ciencias biológicas No Reconocido
Facultad de Ciencias y
Educación ethos et paideia No Reconocido
Facultad de Ciencias y
Educación colorantes naturales No Reconocido
Facultad de Ciencias y
Educación pedagogía, currículo y evaluación. No Reconocido
Facultad de Ciencias y
Educación historia, epistemologia y eduacion en matematicas No Reconocido
223
Facultad de Ciencias y
Educación ecología y conservación de plantas de colombia - giecpc No Reconocido
Facultad de Ciencias y
Educación derechos humanos en la escuela No Reconocido
Facultad de Ciencias y
Educación PHYSIKALISH No Reconocido
Facultad de Ciencias y
Educación AIESTHESIS: ESTETICA Y POLITICA No Reconocido
Facultad de Ciencias y
Educación ambientes virtuales de aprendizaje No Reconocido
Facultad de Ciencias y
Educación comunicación y sociedad en la cultura No Reconocido
Facultad de Ciencias y
Educación enseñanza de la ciencia y la astronomía No Reconocido
Facultad de Ciencias y
Educación lengua viva No Reconocido
Facultad de Ciencias y
Educación marat derechos humanos No Reconocido
Facultad de Ciencias y
Educación odin No Reconocido
Facultad de Ciencias y
Educación capacidad ud No Reconocido
Facultad de Ciencias y
Educación
juegos infantiles de colombia, diseño y organización de
ludotecas Reconocido
Facultad de Ciencias y
Educación cyberia Reconocido
Facultad de Ciencias y
Educación enseñanza y aprendizaje de la física Reconocido
Facultad de Ciencias y
Educación enseñanza de las ciencias y las matemáticas encima Reconocido
Facultad de Ciencias y
Educación edutopia Reconocido
Facultad de Ingeniería grupo de sistemas expertos y simulacion A
Facultad de Ingeniería nucleo investigacion en datos espaciales A
Facultad de Ingeniería laboratorio de investigacion y desarrollo en electronica y
redes A
Facultad de Ingeniería internet inteligente A
Facultad de Ingeniería RADIACION ELECTROMAGNETICA Y
COMUNICACIONES OPTICAS: GRECO A
Facultad de Ingeniería grupo de investigación internacional de informática,
comunicación y gestión del conocimiento A1
Facultad de Ingeniería grupo de compatibilidad e interferencia electromagnetica A1
Facultad de Ingeniería laboratorio de automatica, microeletronica e inteligencia
computacional A1
Facultad de Ingeniería laboratorio de investigación en fuentes alternativas de energía A1
Facultad de Ingeniería giira A1
Facultad de Ingeniería telecomunicaciones de la univesidad distrital B
Facultad de Ingeniería comercio electronico en colombia B
Facultad de Ingeniería grupo de investigación en telemedicina C
Facultad de Ingeniería gestion empresarial e inovacion tecnologica C
Facultad de Ingeniería tratamiento de historias clinicas de la universidad C
Facultad de Ingeniería modelos matemáticos aplicados a la industria C
Facultad de Ingeniería gesdatos C
224
Facultad de Ingeniería gestión de sistemas energéticos C
Facultad de Ingeniería ambientes virtuales de aprendizaje. virtus C
Facultad de Ingeniería interoperabilidad tecnologica y semantíca C
Facultad de Ingeniería diseño, modelamiento y simulación C
Facultad de Ingeniería
GRUPO DE INVESTIGACIÓN EN CADENAS DE
ABASTECIMIENTO, LOGÍSTICA Y TRAZABILIDAD .
GICALYT
C
Facultad de Ingeniería multimedia interactiva C
Facultad de Ingeniería INVESTIGACION, DESARROLLO Y APLICACIONES EN
SEÑALES C
Facultad de Ingeniería ingenieria y nanotecnologia para la vida (invid) C
Facultad de Ingeniería ESTUDIO DE TEMAS DE LA FÍSICA, DE LA
ESTADÍSTICA Y DE LA MATEMÁTICA C
Facultad de Ingeniería LABORATORIO DE AUTOMATIZACION SISTEMAS
EMBEBIDOS Y ROBOTICA: LASER C
Facultad de Ingeniería grupo de investigación en competitividad de la industria
colombiana No Reconocido
Facultad de Ingeniería gestión de proyectos informáticos No Reconocido
Facultad de Ingeniería giseproi No Reconocido
Facultad de Ingeniería grupo de optoelectrónica y microelectrónica ud No Reconocido
Facultad de Ingeniería bioingenieria universidad distrital No Reconocido
Facultad de Ingeniería grupo de investigación en diseño de productos y procesos,
creatividad e innovación No Reconocido
Facultad de Ingeniería didáctica de modelos matemáticos en investigación de
operaciones No Reconocido
Facultad de Ingeniería biblioteca virtual No Reconocido
Facultad de Ingeniería bionanotecnología No Reconocido
Facultad de Ingeniería ecaes universidad distrital francisco josé de caldas No Reconocido
Facultad de Ingeniería grupo de investigación interdisciplinaria en medio ambiente,
educación y pensamiento complejo No Reconocido
Facultad de Ingeniería grupo de investigación en resonancia magnética No Reconocido
Facultad de Ingeniería llinguistica y computación No Reconocido
Facultad de Ingeniería zaita No Reconocido
Facultad de Ingeniería grupo de investigación en gestión pública, avalúos y
urbanismo No Reconocido
Facultad de Ingeniería sheq No Reconocido
Facultad de Ingeniería optimizacion (gio) No Reconocido
Facultad de Ingeniería trafico inteligente y seguridad ciudadana No Reconocido
Facultad de Ingeniería geoanalisis No Reconocido
Facultad de Ingeniería desercion y permanencia No Reconocido
Facultad de Ingeniería modelamiento en ingeniería de sistemas - No Reconocido
Facultad de Ingeniería rima epi-sensor No Reconocido
Facultad de Ingeniería spinsoft No Reconocido
Facultad de Ingeniería investigacion en tic de aplicacion social No Reconocido
Facultad de Ingeniería SENSORES REMOTOS Y TECNOLOGIA
AEROESPACIAL No Reconocido
Facultad de Ingeniería competetividad y sostenibilidad empresarial No Reconocido
Facultad de Ingeniería grupo de investigacion en sistemas inteligentes No Reconocido
Facultad de Ingeniería redes abiertas de control No Reconocido
Facultad de Ingeniería grupo de complejidad de la universidad distrital Reconocido
225
Facultad de Ingeniería arquitectura de software Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
giiaud A
Facultad de Medio
Ambiente y Recursos
Naturales
investigación para el desarrollo sostenible B
Facultad de Medio
Ambiente y Recursos
Naturales
aquaformat B
Facultad de Medio
Ambiente y Recursos
Naturales
servipublicos B
Facultad de Medio
Ambiente y Recursos
Naturales
fluoreciencia, ciencia para todos C
Facultad de Medio
Ambiente y Recursos
Naturales
gaia (progasp) C
Facultad de Medio
Ambiente y Recursos
Naturales
productos y servicios del bosque (PROPROBOS) C
Facultad de Medio
Ambiente y Recursos
Naturales
topovial C
Facultad de Medio
Ambiente y Recursos
Naturales
uso y conservación de la diversidad forestal C
Facultad de Medio
Ambiente y Recursos
Naturales
mattopo C
Facultad de Medio
Ambiente y Recursos
Naturales
ESTUDIOS EN PAVIMENTOS, MATERIALES Y
MODELOS C
Facultad de Medio
Ambiente y Recursos
Naturales
bionemesis No Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
grupo interdisciplinario de investigación en medio ambiente
urbano No Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
geotopo No Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
desarrollo y ecocreación No Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
genesis deportiva No Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
olimpia 5.0 No Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
topografia y territorio No Reconocido
226
Facultad de Medio
Ambiente y Recursos
Naturales
gestion integrada de recursos y cambio climatico No Reconocido
Facultad de Medio
Ambiente y Recursos
Naturales
estudios ambientales (gea-ud) Reconocido
Facultad Tecnológica lenguaje y tecnología A
Facultad Tecnológica arquitecturas modernas para sistemas de alimentación A
Facultad Tecnológica gidenutas A
Facultad Tecnológica Sisemas Y Redes Cognitivas A
Facultad Tecnológica giicud: grupo de investigación en ingeniería civil de la
universidad distrital A1
Facultad Tecnológica grupo de energias alternativas B
Facultad Tecnológica innovacion en tecnologias de informacion B
Facultad Tecnológica sistemas digitales inteligentes C
Facultad Tecnológica grupo de investigación metis C
Facultad Tecnológica orion C
Facultad Tecnológica orden y caos C
Facultad Tecnológica robótica móvil autónoma C
Facultad Tecnológica grupo de investigacion en ingeniería y diseño C
Facultad Tecnológica grupo de investigación en inteligencia artificial C
Facultad Tecnológica TECNOLOGIAS PARA LA VIVIENDA C
Facultad Tecnológica ciencias básicas C
Facultad Tecnológica fisica, matematicas y computacion C
Facultad Tecnológica teletecno C
Facultad Tecnológica ISIS C
Facultad Tecnológica grupo de investigación en protecciones eléctricas de la
universidad distrital No Reconocido
Facultad Tecnológica investigación en gestión tecnológica No Reconocido
Facultad Tecnológica grupo de investigación en monitoreo ambiental No Reconocido
Facultad Tecnológica grupo de investigación en control electrónico No Reconocido
Facultad Tecnológica gidetci No Reconocido
Facultad Tecnológica grupo de investigaciones en extensión No Reconocido
Facultad Tecnológica grupo de investigación en sistemas de potencia de la
universidad distrital No Reconocido
Facultad Tecnológica grupo de investigación en compatibilidad electromagnética No Reconocido
Facultad Tecnológica lenguaje, cultura y medios No Reconocido
Facultad Tecnológica Log&Ca Y Cadena De Abastecimiento No Reconocido
Facultad Tecnológica GRESFIMA No Reconocido
Facultad Tecnológica eafiti No Reconocido
Facultad Tecnológica ANGELUS NOVUS No Reconocido
Facultad Tecnológica grupo de investigaciones en pavimentos No Reconocido
Facultad Tecnológica armonico No Reconocido
Facultad Tecnológica ASTRO UD SABIO CALDAS No Reconocido
Facultad Tecnológica cognición y aprendizaje para el desarrollo tecnológico No Reconocido
Facultad Tecnológica prevencion y atencion de desastres No Reconocido
Facultad Tecnológica TRIBOLOGIA Y ANALISIS DE FALLA No Reconocido
Facultad Tecnológica instrumentación, automatización y redes de aplicación
industrial Reconocido
Facultad Tecnológica IMAGINET Reconocido
227
ANEXO 2. GUÍA DILIGENCIAMIENTO MATRIZ DE IMPACTOS CRUZADOS
GUÍA PARA EL DILIGENCIAMIENTO DE LA MATRIZ DE IMPACTOS CRUZADOS
ENVIADA A LOS EXPERTOS
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
PRESENTACIÓN
Cordial saludo,
Como parte de los proyectos de grado “DETERMINACIÓN Y VALIDACIÓN DE
CAPACIDADES DE GESTIÓN TECNOLÓGICA EN ENTIDADES QUE PRESTAN
SERVICIO DE ENSAYO Y CALIBRACIÓN ACREDITADAS BAJO LA NORMA ISO /
IEC 17025 DE 2005 EN BOGOTÁ REGIÓN” Y “DETERMINACIÓN Y VALIDACIÓN
DE CAPACIDADES DE GESTIÓN TECNOLÓGICA EN GRUPOS DE
INVESTIGACIÓN DE LA UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE
228
CALDAS” que se están llevando a cabo en la Universidad Distrital Francisco José de Caldas,
agradecemos su contribución en el diligenciamiento de la presente matriz.
El objetivo de resolver la matriz es establecer las relaciones existentes entre las variables que
hacen parte de la gestión tecnológica. Solicitamos leer detenidamente la METODOLOGÍA,
ESCALA y DEFINICIÓN DE LAS VARIABLES para un correcto diligenciamiento de la
matriz.
ESCALA
0: No influye: No hay influencia directa de una variable sobre otra
1: Influencia débil: Cambios poco importantes, su influencia es mínima
2: Influencia media: La influencia es considerable, pero no fuerte
3: Influencia fuerte: Son variables muy relevantes ya que inciden en el futuro del
sistema
METOLOGÍA
Siga las siguientes instrucciones al diligenciar la matriz:
1. Lea atentamente la definición de cada variable
229
2. Diligencie la matriz de izquierda a derecha y por fila; evaluando la influencia que
tiene la variable mencionada en la fila sobre la variable correspondiente mencionada
en la columna.
3. Al diligenciar la matriz enviarla al mismo correo del remitente.
DEFINICIÓN DE LAS VARIABLES
A continuación, encontrará la definición de cada una de las variables a las cuales deberá dar
un puntaje de acuerdo a la influencia que según su experiencia y percepción merece cada
relación.
1) CONOCIMIENTO (CON): Esta capacidad integra la absorción del conocimiento,
generación de nuevas ideas y capacidad de trabajo. Permite percibir, adquirir y
transformar el conocimiento además de implementar procesos que fortalezcan y
desarrollen la creatividad. Por otro lado, enfatiza en la habilidad para integrar
procesos de gestión, seguimiento y retroalimentación para fortalecer el conocimiento.
2) VALORES (VAL): Hace énfasis en la capacidad de compromiso que a su vez se
define como la habilidad adquirida por las personas de forma voluntaria que se genera
por y para la organización, cuyo factor relevante es la motivación la cual conlleva a
que los procesos y acciones dentro de la empresa se realicen de manera responsable,
dando cumplimiento a los objetivos establecidos bajo la cultura organizacional que
posea la empresa.
230
3) PLANEACIÓN (PLN): Corresponde a la habilidad para identificar, valorar y
clasificar el conocimiento para entender qué actividades pueden ser mejorados
mediante procesos de desaprendizaje a través de la reinvención y creación de nuevos
métodos que generen valor. Así mismo, se relaciona con la capacidad de respuesta
(adaptabilidad de la empresa con su entorno).
4) ORGANIZACIÓN (ORG): Se divide en dos amplias sub capacidades: desarrollo
de conocimiento y desarrollo ambientes de trabajo. Consiste en un despliegue de
estrategias de la organización para invertir, buscar, adquirir y cuidar recursos con el
objetivo de fortalecer el conocimiento dentro de la empresa a través de mecanismos
de capacitación y procesos de formación, educación y entrenamiento que desarrollen
las habilidades técnicas con el fin de lograr con el ciclo de habilidades Aprender-
Practicar-Realizar mejoras y Enseñar.
5) DIRECCIÓN (DIR): El propósito de esta capacidad es establecer y realizar
seguimiento en la organización a metas, objetivos, normas, etc. que vayan de la mano
con su visión y misión establecida.
6) CONTROL (CTRL): Esta capacidad abarca tanto el control preventivo como el
correctivo, es decir que se relaciona con las acciones orientadas a resolver y/o
disminuir la probabilidad de algún problema o falla en el sistema y, por otro lado, las
acciones tomadas luego de la aparición del problema o falla y que busca solucionarlo
o repararlo de manera ágil.
231
7) ADMINISTRACIÓN (ADMÓN): Se compone por cuatro habilidades principales:
inventariar, gerenciar, invertir y cuidar tecnología. Esta variable está ligada a la
estrategia de la organización, debido a que la misma integra de manera coherente los
objetivos, políticas, filosofías y acciones de una organización; permitiendo que a
través de ella se aproveche la generación de nuevos recursos al interior de la
organización y se procuren beneficios para la misma.
8) ECONÓMICO (ECO): Se relaciona con la capacidad de financiar tecnología,
invertir en I+D+i y cuidar tecnología. Esta variable comprende la capacidad de
endeudamiento (capacidad de la organización para asumir riesgos) y la generación de
recursos internos.
9) REDES INTERNAS (RINT): Son aquellas que involucran todo el capital interno de
la organización, es decir el humano, administrativo, financiero, económico, cultural
entre otros, así como su capacidad de comunicación, participación y administración.
En esta red se involucra todo el inventario tecnológico de la organización.
10) REDES EXTERNAS (REXT): Son los interesados externos de la organización
como lo son proveedores, acreedores, innovaciones, políticas entre otras. A diferencia
de la interna en esta no se hace tanto énfasis en el inventario tecnológico, pero si en
la vigilancia tecnológica.
232
ANEXO 3. LISTADO DE EXPERTOS CONSULTADOS
Los expertos consultados para el análisis estructural fueron:
Nombre Entidad
PhD. Jairo Chaur Bernal Universidad Nacional
Jorge Villamil Universidad Manuela Beltrán
BEATRIZ VELEZ RAMIREZ UNIVERSIDAD LA GRAN COLOMBIA – SECCIONAL ARMENIA
Ms. Jenny Carolina Saldaña Cortés Universidad externado
Germán Vargas Universidad Distrital
Darín Jairo Mosquera Palacios Universidad Distrital
PhD. Luz Esperanza Bohórquez Arévalo Universidad Distrital
PhD. Giovanni Mauricio Tarazona Bermúdez Universidad Distrital
Guillermo Aponte Mayor Universidad del Valle
PhD. José Esteban Fernández Rico Universidad de Oviedo
PhD. Diana Carolina Rojas Torres Universidad de la Sabana
PhD. César Augusto Bernal Torres Universidad de la Sabana
PhD. Andrés Hernán Mejía Villa Universidad de la Sabana
PhD. Javier Rivera Ramírez Universidad de Guadalajara
Ing. Hugo Ruiz Universidad Pedagógica y Tecnológica de Colombia (UPTC)
Fernanda Tapias Forero Corporación Tecnológica Industrial Colombiana (TEINCO)
Fabio Gutiérrez Serrano Seguros Bolívar
PhD. RODOLFO BARRERE Red de Indicadores de Ciencia y Tecnología -Iberoamericana e
Interamericana- (RICYT)
Luris Arboleda Londoño Profesional Clúster Negocios Digitales
Andrea Salazar Pereira convention bureau
María Camila León Rueda Oracle
PhD. Mario Albornoz Observatorio Iberoamericano CTS de la OEI
Bladimir Suárez Industria Colombiana de Café
Fredi Javier Velasco Villarreal Guandera S.A.S
233
Emerson Duran Rodríguez Fenalco Meta
María Elena Suárez Corporación PacifiTIC
Alberto Rafael Cotes Acosta Clúster del petróleo
Wilfred Rivera Martínez Clúster CreaTIC
Marcela Hernández Galindo Centro de Innovación y Desarrollo Tecnológico con enfoque en KPO
(Universidad Tecnológica de Pereira)
ING. Leonardo Mesa CEASCOL - Clúster Aeroespacial Colombiano
Luris M. Arboleda Londoño Cámara de Comercio de Medellín para Antioquia
Jaime Arenas Cámara de Comercio de Medellín para Antioquia
Carlos Mario Bernal Cámara de Comercio de Medellín
Rubén Darío Cadavid Marín Cámara de Comercio de Medellín
JOHN FREDY PULGARIN SIERRA Cámara de Comercio de Medellín
Andrés Valenzuela Gómez Cámara de Comercio de Casanare
Carlos Payares Cure Cámara de Comercio de Cartagena
Carolina Ramírez Cámara de Comercio de Cali
Ana María Plaza García Cámara de Comercio de Bucaramanga
Gustavo Adolfo Pulecio Espitia Cámara de Comercio de Bogotá
Eusebio Andrés Mauricio Carbo Abello Cámara de Comercio de Bogotá
Adriana Patricia Padilla Leal Cámara de Comercio de Bogotá
Julián Robledo Ruiz Cámara de Comercio de Bogotá
Gustavo Pacheco Castro Cámara de Comercio de Barranquilla
Liliana Sandoval Cortés Cámara de Comercio de Barranquilla
234
ANEXO 4. RESPUESTAS A LA MATRIZ DE IMPACTO CRUZADO
A continuación, se muestran las respuestas obtenidas por los expertos a la matriz de impacto
cruzado:
Cesar Augusto Bernal Torres – Escuela Internacional de Ciencias Económicas y
Administrativas – Universidad de la Sabana
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 3 3 2 3 3 3 2 3 3
VAL 3 3 3 3 3 3 3 3 3
PLN 3 3 3 3 3 3 3 3 3
ORG 2 2 3 3 3 3 3 3 3
DIR 3 3 3 3 3 3 3 3 3
CTRL 3 3 3 3 3 3 3 3 3
ADMON 3 3 3 3 3 3 3 3 3
ECO 3 3 3 3 3 3 3 3 3
RINT 3 3 3 3 3 3 3 3 3
REXT 3 3 3 3 3 3 3 3 3
Gustavo Pacheco Castro – Jefe de investigaciones económicas – Cámara de Comercio
de Barranquilla
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 3 3 3 2 2 2 3 2 2
VAL 3 3 2 2 2 2 2 2 1
PLN 3 3 3 2 2 2 3 2 2
ORG 3 3 3 2 2 2 3 2 2
DIR 2 3 2 2 2 2 3 2 1
CTRL 2 2 2 3 3 3 2 2 2
ADMON 2 3 3 3 3 3 2 2 2
ECO 3 2 3 3 3 2 2 2 1
RINT 3 2 3 3 3 2 2 2 1
REXT 2 1 2 2 2 2 2 1 1
235
Fernanda Tapias Forero – Directora de investigación – TEINCO
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 1 2 3 3 2 2 2 2 1
VAL 2 3 2 3 3 2 2 1 1
PLN 2 2 3 3 3 2 1 2 2
ORG 2 2 3 3 3 3 3 2 2
DIR 3 3 3 3 3 2 2 2 2
CTRL 3 3 2 2 3 2 2 2 1
ADMON 2 3 2 3 3 2 2 2 2
ECO 2 2 3 3 3 3 3 2 2
RINT 2 3 2 2 3 3 2 2 2
REXT 2 3 2 3 2 2 3 2 1
Fredi Javier Velasco Villarreal – Gerente de Desarrollo aplicaciones e Innovación –
Guandera S.A.S
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 3 3 2 2 2 3 2 3 3
VAL 3 2 2 3 2 3 2 2 2
PLN 3 3 3 3 3 3 3 3 2
ORG 2 3 3 2 3 2 2 2 2
DIR 2 2 3 3 3 2 2 2 2
CTRL 2 2 3 3 3 2 2 2 2
ADMON 3 3 3 2 2 2 2 2 2
ECO 2 2 3 2 2 2 2 2 2
RINT 3 2 3 2 2 2 2 2 2
REXT 3 2 2 2 2 2 2 2 2
236
Bladimir Suares – Coordinador de innovación Colcafé – Industria Colombiana de Café
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 3 3 2 3 3 3 3 3 3
VAL 3 3 3 3 3 3 3 3 3
PLN 3 3 2 2 2 2 3 2 2
ORG 2 2 3 3 3 3 3 3 3
DIR 2 2 3 3 2 3 2 2 2
CTRL 2 2 2 3 3 2 2 2 2
ADMON 2 2 2 2 2 2 2 2 2
ECO 3 2 3 3 3 3 3 1 1
RINT 3 2 3 2 3 2 3 2 2
REXT 2 2 2 2 2 2 2 2 2
Fabio Gutiérrez Serrano – Ejecutivo de proyectos – Seguros Bolívar
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 1 2 2 2 1 2 1 1 1
VAL 3 2 2 2 2 2 1 2 2
PLN 3 2 3 2 1 2 1 1 1
ORG 2 2 1 2 1 2 1 1 1
DIR 1 0 1 2 3 2 2 0 0
CTRL 1 1 1 2 2 2 2 1 1
ADMON 1 2 2 2 2 2 2 2 2
ECO 1 0 2 1 2 2 2 1 1
RINT 0 2 1 1 1 2 2 1 3
REXT 1 2 1 1 2 2 2 2 1
237
Germán Vargas – Coordinador nodo Bogotá – Red Colombiana de semilleros de
investigación – Universidad Distrital Francisco José de Caldas
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 1 2 2 1 1 2 2 1 1
VAL 2 2 2 2 1 1 1 2 2
PLN 2 1 3 3 2 2 3 2 2
ORG 2 1 2 2 2 2 2 2 2
DIR 2 1 3 2 3 2 2 2 2
CTRL 1 1 2 2 2 2 1 1 1
ADMON 1 1 2 2 1 2 3 1 1
ECO 3 1 2 2 1 1 2 2 2
RINT 3 3 2 2 2 1 1 1 3
REXT 3 2 3 2 1 1 1 1 3
Jorge Villamil – Docente investigador Ingeniería Biomédica – Universidad Manuela
Beltrán
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 3 2 2 2 2 3 2 3 3
VAL 2 2 2 2 2 3 2 2 2
PLN 2 3 2 2 2 2 2 2 2
ORG 3 2 3 3 2 3 3 2 2
DIR 2 1 3 3 3 2 2 2 2
CTRL 2 1 3 3 2 2 2 2 2
ADMON 2 2 2 2 2 2 2 2 2
ECO 2 2 3 2 2 2 2 1 2
RINT 3 2 2 3 2 2 2 2 2
REXT 2 2 2 2 2 2 2 2 2
238
Darín Jairo Mosquera Palacios – Docente investigador – Universidad Distrital
Francisco José de Caldas
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 2 2 1 2 2 2 2 2 2
VAL 2 2 2 2 2 2 2 2 2
PLN 2 2 2 2 2 1 2 2 2
ORG 2 1 2 1 2 2 2 2 2
DIR 2 1 3 2 3 2 2 2 2
CTRL 2 2 2 2 2 2 2 2 2
ADMON 1 2 2 2 2 2 2 1 2
ECO 3 2 1 2 1 2 2 2 2
RINT 3 2 3 2 2 2 2 1 2
REXT 3 3 2 2 2 2 2 2 3
María Camila León Rueda – Business Development Representative – Oracle
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 2 3 3 3 1 3 3 2 3
VAL 3 1 3 3 3 3 1 3 3
PLN 3 2 3 3 2 3 3 1 1
ORG 2 2 3 3 1 2 1 3 1
DIR 1 0 3 3 2 3 3 2 2
CTRL 1 1 2 3 2 3 2 1 1
ADMON 1 2 2 2 1 2 3 3 2
ECO 1 0 3 3 1 1 2 2 3
RINT 0 2 3 2 2 1 2 1 2
REXT 1 2 2 2 1 1 2 2 2
239
Ing. Hugo Ruiz – Laboratorista producción y aseguramiento de la calidad – UPTC
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT
CON 2 3 1 2 3 3 1 2 2
VAL 2 2 2 3 2 2 2 2 3
PLN 1 2 0 1 2 2 2 2 2
ORG 2 2 3 2 2 2 1 2 2
DIR 2 1 0 1 0 2 1 2 1
CTRL 1 2 2 2 3 2 2 2 2
ADMON 2 1 2 2 2 2 2 2 3
ECO 2 2 3 2 2 2 2 2 2
RINT 2 2 3 2 3 2 2 2 2
REXT 1 2 2 2 2 2 2 1 2
240
ANEXO 5. CUESTIONARIO INICIAL
Encuesta de Capacidades tecnológicas en los grupos de investigación
A través de este cuestionario se desea conocer su opinión sobre distintos elementos
relacionados con las capacidades tecnológicas en su grupo de investigación. La información
suministrada es solo para propósitos académicos. Sus respuestas son estrictamente
confidenciales y permanecerán en el anonimato. si alguna pregunta no procede o no quiere
contestarla la puede dejar en blanco. Gracias por su colaboración en este estudio.
Dirección de correo electrónico ____________________
Género M__ F__
Edad_____
Escolaridad
Primaria
Secudaria
Profesional Universitario
Especializacion
Maestria
PHD
PHD pd
CAPACIDADES DE GESTIONAR CONOCIMIENTO
Capacidad de Absorción del Conocimiento
241
1) Puntee de 1 a 7 (siendo 1 no importante y 7 muy importante), para el desarrollo de
actividades del grupo de investigación ¿Qué importancia se le da a cada aspecto?
a. Interpretar datos de mediciones
No importante 1 2 3 4 5 6 7 Importante
b. Organizar la información recolectada
No importante 1 2 3 4 5 6 7 Importante
c. Almacenar la información
No importante 1 2 3 4 5 6 7 Importante
d. Obtener la información
No importante 1 2 3 4 5 6 7 Importante
e. Apropiación del método utilizado para calibrar
No importante 1 2 3 4 5 6 7
Importante
242
Capacidad de Creación
2) ¿Con qué frecuencia realiza investigación para mejorar las prácticas de investigación
del grupo de investigación?
a. Una vez a la semana
b. Una vez al mes
c. Cada 6 meses
d. Cada año
e. Cada dos años
Capacidad de Trabajo
3) Puntee de 1 a 7 (siendo 1 no importante y 7 muy importante), qué relevancia tiene
cada aspecto en cuanto a añadir valor al proceso de investigación del grupo de
investigación.
a. Gestionar conocimiento
No importante 1 2 3 4 5 6 7
Importante
b. Proponer nuevas metodologías de ensayo y calibración
243
No importante 1 2 3 4 5 6 7
Importante
c. Elaborar nuevas investigaciones
No importante 1 2 3 4 5 6 7
Importante
d. Realizar seguimiento
No importante 1 2 3 4 5 6 7
Importante
Capacidad Estratégica y /o Adaptabilidad (capacidad estratégica)
4) Puntee de 1 a 7 (siendo 1 no relevante y 7 muy relevante), en cuanto a la adaptabilidad
del grupo de investigación al entorno, ¿Qué importancia se le atribuye a cada aspecto?
a. Habilidad para desarrollar competencias internas
No relevante 1 2 3 4 5 6 7 Relevante
b. Estructura flexible
No relevante 1 2 3 4 5 6 7 Relevante
244
c. Ajustes organizacionales
No relevante 1 2 3 4 5 6 7 Relevante
d. Capacidad de adoptar nuevas tecnologías
No relevante 1 2 3 4 5 6 7 Relevante
Capacidad de Desarrollo del Conocimiento – Transferencia
5) Puntee de 1 a 7 (siendo 1 no relevante y 7 muy relevante), según su percepción, ¿qué
nivel de importancia se le da a cada aspecto al momento de transferir el
conocimiento?
a. Tecnologías de la información y la comunicación TIC.
No relevante 1 2 3 4 5 6 7 Relevante
b. Intercambio de datos
245
No relevante 1 2 3 4 5 6 7 Relevante
c. Apropiación del conocimiento
No relevante 1 2 3 4 5 6 7 Relevante
d. Capacidad de absorción (entendida como: la capacidad para obtener, construir y
organizar el conocimiento).
No relevante 1 2 3 4 5 6 7 Relevante
Aplicación
Capacidad de Desarrollo de Ambientes de Trabajo (Capacidad de compromiso)
6) Según su percepción, califique de 1 a 7 siendo 1 no importante y 7 Muy importante,
de acuerdo a la relevancia que se le dé a cada aspecto dentro del grupo de
investigación:
a. Ambiente interno.
No importante 1 2 3 4 5 6 7 Importante
b. Gestión de la comunicación.
246
No importante 1 2 3 4 5 6 7 Importante
c. Cultura Corporativa.
No importante 1 2 3 4 5 6 7 Importante
d. Valores organizacionales.
No importante 1 2 3 4 5 6 7 Importante
e. Motivación de los empleados.
No importante 1 2 3 4 5 6 7 Importante
f. Creación de redes.
No importante 1 2 3 4 5 6 7 Muy Importante
Capacidad de Dirigir
247
7) Califique el nivel de importancia que se le da a cada aspecto en el grupo de
investigación:
a. Mapeo del conocimiento
No importante 1 2 3 4 5 6 7 Muy Importante
b. Visión estratégica
No importante 1 2 3 4 5 6 7 Muy Importante
c. Entorno competitivo
No importante 1 2 3 4 5 6 7 Muy Importante
d. Aplicación del conocimiento
No importante 1 2 3 4 5 6 7 Muy Importante
248
Capacidad de Liderazgo (Capacidad de compromiso)
8) Califique de 1 a 7 de acuerdo a la intensidad con que se demuestran las siguientes
habilidades en los miembros del grupo de investigación.
a. Capacidad colaborativa.
No se evidencia 1 2 3 4 5 6 7 Frecuentemente
b. Comunicación interpersonal.
No se evidencia 1 2 3 4 5 6 7 Frecuentemente
c. Capacidad de liderazgo.
No se evidencia 1 2 3 4 5 6 7 Frecuentemente
d. Capacidad de comunicación
249
No se evidencia 1 2 3 4 5 6 7 Frecuentemente
Capacidad de Desarrollar Control (Cuidar tecnología)
9) Puntee de 1 a 7 las siguientes opciones según la importancia dada en el grupo de
investigación.
a. Protección.
No importante 1 2 3 4 5 6 7 Muy Importante
b. Acuerdo de licencia.
No importante 1 2 3 4 5 6 7 Muy Importante
c. Contratos.
No importante 1 2 3 4 5 6 7 Muy Importante
250
d. Acuerdo de asociación.
No importante 1 2 3 4 5 6 7 Muy Importante
e. Medición del desempeño.
No importante 1 2 3 4 5 6 7 Muy Importante
Capacidad de Generar Nuevas Ideas
10) ¿En qué nivel considera que el grupo de investigación se posiciona frente a la
capacidad de ser innovadora?
No innova 1 2 3 4 5 6 7 Muy Innovadora
Capacidad Estratégica y/o Adaptabilidad
11) ¿Según su percepción, en qué nivel de adaptación con el entorno se encuentra el
grupo de investigación? Califique de 1 a 7 siendo 1 No resiliente y 7 Muy resiliente
251
No resiliente 1 2 3 4 5 6 7 Muy resiliente
CAPACIDADES DE GESTIONAR RECURSOS TANGIBLES E INTANGIBLES
Dimensión Humana
Conocimiento
Capacidad de generar ideas nuevas (Documentar, adquisición, técnicas) Recurso
Intangible Humano
12) Las personas que interviene en el grupo de investigación demuestran capacidades
de:
a) Creatividad
Nula 1 2 3 4 5 6 7 Alta
b) adquisición de nuevos conocimientos
Nula 1 2 3 4 5 6 7 Alta
252
c) absorción de nuevos conocimientos
Nula 1 2 3 4 5 6 7 Alta
d) Implementación de nuevas Técnicas
Nula 1 2 3 4 5 6 7 Alta
Dimensión Humana Capacidad de generar ideas nuevas (Documentar, Verificar,
Consolidar, Innovador)
13) Cuando se generan ideas nuevas al interior del grupo de investigación, como
resultado de la interacción del personal con los procesos, esta se:
a. Se Gestionan para ser evaluadas y conocer su grado de relevancia
Nunca 1 2 3 4 5 6 7 Siempre
b. Se documentan para realizar posteriores análisis de las mismas
253
Nunca 1 2 3 4 5 6 7 Siempre
c. Se consolidan con el fin de ser implementadas en la organización.
Nunca 1 2 3 4 5 6 7 Siempre
d. de ser necesario se Innova, aunque se cambien estructuras predefinidas o al parecer
inamovibles
Nunca 1 2 3 4 5 6 7 Siempre
Capacidad de trabajo (Gestiona, Proponer, Elaborar, Seguimiento)
14) los equipos de trabajo entendidos como grupo de personas que se organizan para
alcanzar un objetivo común, tienen capacidad de:
a. analizan el cómo realizan sus actividades al elaborar su trabajo
254
Nula 1 2 3 4 5 6 7 Alta
b. Realizar Seguimiento de sus propias actividades con relación a sus objetivos
Nula 1 2 3 4 5 6 7 Alta
Capacidad compromiso (Responsabilidad, Honestidad, Cumplimiento, Dedicación)
15) Considera que los valores en el personal del grupo de investigación son:
a. responsabilidad frente a la ejecución de lo planeado
Nula 1 2 3 4 5 6 7 Alta
b. honestidad en la realización de los procesos vs recursos y utilizados
Nula 1 2 3 4 5 6 7 Alta
c. Cumplimiento de los objetivos proyectados
Nula 1 2 3 4 5 6 7 Alta
255
d. Dedicación mostrada en el nivel de atención y esfuerzo invertido en cada actividad.
Nula 1 2 3 4 5 6 7 Alta
Planeación
Capacidad estratégica (Tecnología, Aprender, Desaprender, autopoyesis)
16) Las políticas utilizadas en el grupo de investigación para realizar la planeación,
propenden o conllevan a:
a. Desarrollo e implementación de Tecnologías de punta dura y/o blanda
Nunca 1 2 3 4 5 6 7 Siempre
b. Capacidad de aprender nuevos sistemas de gestión y aceptación de estos.
Nunca 1 2 3 4 5 6 7 Siempre
c. Capacidad de Desaprender conocimientos que se han aplicado con resultados que
generan estabilidad para la organización
Nunca 1 2 3 4 5 6 7 Siempre
256
d. Permitir la interacción entre personas y áreas en búsqueda de generar ideas que se
implementen para mantener la organización
Nunca 1 2 3 4 5 6 7 Siempre
Capacidad de responder (Sector, Región, Mercado)
17) Considera que el grupo de investigación responde a las necesidades de
competitividad en:
a. Sector visto en cómo se encuentra la organización frente a sus competidores
b. Cobertura a nivel nacional
c. Cumplimiento con los requerimientos de sus clientes
Capacidad desarrollo de conocimiento (adquiere, fortalece, busca, crea)
18) la habilidad de tomar información y transformarla en conocimiento útil, en el grupo
de investigación:
a. se adquiere continuamente
b. se fortalece continuamente
c. se busca continuamente
Capacidad desarrollo ambientes de trabajo (Cuidan, desarrollan, Protegen)
257
19) los espacios donde se desarrolla el trabajo se:}
a. Cuidan buscando su correcta utilización para evitar el deterioro de los mismos
Nunca 1 2 3 4 5 6 7 Siempre
b. desarrollan buscando que aporten al desarrollo de los objetivos organizacionales
Nunca 1 2 3 4 5 6 7 Siempre
c. Protegen y mantienen
Nunca 1 2 3 4 5 6 7 Siempre
Capacidad de dirigir (Metas, Objetivos, Interpreta Normas, Seguimiento)
20) Considera que la dirección del grupo de investigación genera:
a. Cumplimiento de las metas establecidas
Nunca 1 2 3 4 5 6 7 Siempre
b. Cumplimiento Objetivos organizacionales
Nunca 1 2 3 4 5 6 7 Siempre
c. Cumplimiento de normas establecidas para la organización
Nunca 1 2 3 4 5 6 7 Siempre
258
d. permiten realizar seguimiento y trazabilidad a todas
Nunca 1 2 3 4 5 6 7 Siempre
Controlar la gestión de conocimiento
Controlar conocimiento (Gestiona, evalúa, controla y desarrolla)
21) El grupo de investigación tiene la capacidad de controlar su conocimiento, para:
a. Gestionarlo
b. Evaluarlo
c. Controlarlo
d. Desarrollar
Capacidad inventariar tecnología (Priorizar, Clasificar, Vigilar)
22) ¿Qué tan relevante considera usted los siguientes aspectos, dada su incidencia en
logro de los objetivos? (Con respecto a maquinaria y equipos - Capacidad
inventariar tecnología)
a. Grado de inversión según la priorización de sus recursos tangibles
No relevante 1 2 3 4 5 6 7 Muy relevante
b. Clasificación de sus recursos tangibles según su incidencia en la eficiencia de sus
procesos
259
No relevante 1 2 3 4 5 6 7 Muy relevante
c. Conocimiento de la tecnología (Recursos Tangibles) con la que cuenta el sector,
para optimizar sus procesos.
No relevante 1 2 3 4 5 6 7 Muy relevante
d. grado de obsolescencia de los recursos tangibles con los que cuenta
No relevante 1 2 3 4 5 6 7 Muy relevante
e. Distribución y correcto uso de los espacios físicos con los que cuenta
No relevante 1 2 3 4 5 6 7 Muy relevante
Económico
23) Considera usted que la investigación, desarrollo e Innovación en su grupo de
investigación:
a. Tiene un nivel de inversión
Nula 1 2 3 4 5 6 7 Alta
b. Cuenta con un nivel de financiación
Nula 1 2 3 4 5 6 7 Alta
c. Estas inversiones generan rentabilidad y sostenibilidad
Nula 1 2 3 4 5 6 7 Alta
260
d. se implementa a través de la investigación practicas diferenciadoras de gestión
Nula 1 2 3 4 5 6 7 Alta
e. La investigación y desarrollo genera conocimiento el cual fomenta aprendizaje en la
organización
Nula 1 2 3 4 5 6 7 Alta
Capacidad de Gestionar Redes
24) ¿Qué tan relevante considera usted el papel de la misión de la organización en los
procesos organizacionales del mismo? (Donde 1 es muy irrelevante y 7 muy
relevante)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
25) ¿Está usted satisfecho con la misión del grupo de investigación? (Donde 1 es muy
insatisfecho y 7 muy satisfecho)
Muy satisfecho 1 2 3 4 5 6 7 Muy insatisfecho
26) ¿Qué tan relevante considera usted el papel de la visión de la empresa en los
procesos organizacionales del mismo? (Donde 1 es muy irrelevante y 7 muy
relevante)
261
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
27) ¿Está usted satisfecho con la visión de la entidad? (Donde 1 es muy insatisfecho y 7
muy satisfecho)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
28) ¿Qué tan relevante considera usted las siguientes actividades dentro de los procesos
misionales de la entidad? (Donde 1 es muy irrelevante y 7 muy relevante)
a. Realizar investigaciones
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Responder a objetivos sociales
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Responder a la misión de la entidad
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
29) ¿Qué tan relevante considera usted las siguientes actividades dentro de los procesos
visiónales de la entidad? (Donde 1 es muy irrelevante y 7 muy relevante)
262
a. Responder a la visión de la entidad
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Certificarse para obtener confiabilidad
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Búsqueda de nuevos clientes
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
30) Considera usted que la veracidad de la información trasmitida entre sus interesados
es (Donde 1 es nada fiable y 7 muy fiable).
Nada fiable 1 2 3 4 5 6 7 Muy fiable
31) ¿Qué tan relevante considera usted las siguientes actividades dentro de la
organización? (Donde 1 es muy irrelevante y 7 muy relevante)
263
a. Integración entre sus interesados
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Cooperación entre sus interesados
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Desarrollo del buen nombre del mismo
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Su conocimiento sectorial
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
e. Manejo y tratamiento de la información
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
f. Innovación y generación de nuevas ideas depende de la estructura de la
organización
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
32) ¿Qué relevancia tienen las actividades de retroalimentación dentro de la entidad?
(Donde 1 es muy irrelevante y 7 muy relevante)
264
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
33) ¿Qué tan relevante considera usted realizar reuniones periódicas para evaluar los
resultados del servicio? (Donde 1 es muy irrelevante y 7 muy relevante)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
34) ¿Qué grado de influencia tiene la información no documentada (Voz a Voz) en los
procesos organizacionales? (Donde 1 es poco influyente y 7 es muy influyente)
Poco Influyente 1 2 3 4 5 6 7 Muy influyente
265
ANEXO 6. ENCUESTA FINAL GRUPOS DE INVESTIGACIÓN
CAPACIDAD DE GESTIONAR CONOCIMIENTO
1) ¿Qué tan relevante considera usted los siguientes aspectos dada su incidencia en el
desarrollo de las investigaciones de su grupo de investigación? (Donde 1 es muy
irrelevante y 7 muy relevante)
a. Obtener una información veraz y confiable para el desarrollo de los proyectos,
investigaciones.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Buscar el estado del arte de los últimos 5 años nos da un punto de partida más
realista y preciso
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Considera usted que el uso de técnicas adecuadas para el desarrollo de las
investigaciones afecta el desarrollo de las mismas.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. La observación y apreciación del conocimiento para el desarrollo de las
investigaciones
266
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
2) ¿Qué tan relevante considera usted los siguientes aspectos dada su incidencia la
generación de nuevas ideas al momento investigar? (Donde 1 es muy irrelevante y 7
muy relevante)
a. Ser creativo al momento de formular los objetivos conlleva a una mejor
investigación.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Al documentar realizar los mejores estudios para obtener información más
precisa.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Se deben verificar en la mayor cantidad de fuentes posibles para poder
entender el contexto y desarrollar una investigación innovadora.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Usar herramientas al consolidar la información permite el desarrollo de una
investigación rica en su contenido.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
e. Innovar es el objetivo final de las investigaciones que se realizan.
267
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
3) ¿Qué tan relevante considera usted los siguientes aspectos para el desarrollo de las
investigaciones de su grupo de investigación? (Donde 1 es muy irrelevante y 7 muy
relevante).
a. Realizar una gestión del grupo efectiva.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Verificar la calidad de las propuestas.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Acompañamiento al momento de realizar las investigaciones.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Verificar que se cumplan con los cronogramas dentro de las investigaciones.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
4) ¿Qué tan relevante considera usted los siguientes aspectos en los integrantes de su
grupo de investigación? (Donde 1 es muy irrelevante y 7 muy relevante).
a. La responsabilidad como uno de los pilares fundamentales.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. La honestidad en el desarrollo de las investigaciones.
268
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Cumplir con los valores del grupo a cabalidad.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. El tiempo de investigación es sagrado para el buen nombre del grupo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
5) ¿Qué tan relevante considera usted los siguientes aspectos en el momento de realizar
la planeación de su grupo de investigación? (Donde 1 es muy irrelevante y 7 muy
relevante)
a. Contar con los recursos tecnológicos para el desarrollo de los objetivos del
grupo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Desarrollar nuevas maneras de planear para obtener mejores resultados.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Realizar un control y ver si la planeación cumple con los mínimos de
desarrollo del grupo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. De no cumplirse los mínimos replantear y tomar como base la planeación
realizada para no volver a realizar lo mismo.
269
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
6) ¿Qué tan relevante considera usted los siguientes aspectos de acuerdo a los resultados
de su grupo de investigación? (Donde 1 es muy irrelevante y 7 muy relevante)
a. El sector nos da el apoyo con los resultados obtenidos.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Bogotá muestra un impacto positivo con nuestras investigaciones.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. El mercado ve valioso para ellos el desarrollo de nuestro grupo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
7) ¿Qué tan relevante considera usted los siguientes aspectos de acuerdo al desarrollo
de conocimiento por parte su grupo de investigación? (Donde 1 es muy irrelevante y
7 muy relevante)
a. Adquirir tecnología y medios para el desarrollo de nuevas investigaciones.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Cuando se identifica una buena práctica la fortalece para el desarrollo de
nuevas investigaciones.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
270
c. Busca nuevas metodologías, técnicas y Tecnología para posicionarse como
uno de los mejores grupos.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Crea sus propias estrategias para el desarrollo de nuevo conocimiento.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
8) ¿Qué tan relevante considera usted los siguientes aspectos en el desarrollo de sus
integrantes en el grupo de investigación? (Donde 1 es muy irrelevante y 7 muy
relevante)
a. Cuidar nuestros espacios como a nosotros mismos como equipo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. No solo ver el número de investigaciones sino el desarrollo de los miembros
del equipo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Proteger los espacios tanto físicos como virtuales que se han creado en el
grupo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
9) ¿Qué tan relevante considera usted los siguientes aspectos en la dirección de su grupo
de investigación? (Donde 1 es muy irrelevante y 7 muy relevante)
271
a. Proponer unas metas claras y específicas para el desarrollo del grupo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Verificar cada año los objetivos y los fines del grupo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Adecuar el grupo a las normas que saca tanto e mercado como la universidad.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Realizar seguimiento no solo al desarrollo de las investigaciones sino al
desarrollo integral del equipo de trabajo.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
10) ¿Qué tan relevante considera usted los siguientes aspectos el desarrollo del grupo de
investigación? (Donde 1 es muy irrelevante y 7 muy relevante)
a. Gestionar los medios para cuidar las investigaciones que se desarrollan.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Auditar los objetivos de las investigaciones y tramitar licencias, patentes,
contratos.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Controlar el desarrollo de las investigaciones para dar el aval al desarrollo de
las mismas.
272
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Hacer el acompañamiento necesario para el desarrollo y trámites necesarios
para cuidar las mimas.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
11) ¿En los últimos 5 Años a cuantos Congresos, simposios, foros ponencias, han
asistido los miembros de su grupo de investigación?
a. Ninguna
b. 1-3
c. 3-5
d. 5-7
e. Más de 7
CAPACIDAD DE GESTIONAR RECURSOS
12) ¿Qué tan relevante considera usted los siguientes aspectos dada su incidencia en el
logro de los objetivos del grupo de investigación? (Donde 1 es muy irrelevante y 7
muy relevante)
a. Organizar los recursos tangibles e intangibles para darles prioridad a aquellos
recursos que generen un mayor aporte a los procesos misionales del grupo de
investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Clasificar los recursos tangibles e intangibles según su incidencia en la
eficiencia de sus procesos
273
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Obtener información sobre tecnología (recursos Tangibles) y conocimientos
(recursos intangibles) con la que cuentan otros grupos de investigación para
optimizar sus procesos
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
13) ¿Qué tan relevante considera usted los siguientes aspectos en el proceso de gerencia
de su grupo de investigación? (Donde 1 es muy irrelevante y 7 muy relevante)
a. Priorizar sus recursos tangibles e intangibles para mejorar su gestión dentro
del grupo de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Dirigir la gestión de todos sus recursos tangibles e intangibles hacia el fin
misional del grupo de investigación.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Gestionar de forma especial los grados de obsolescencia de los recursos
tangibles con los que cuenta el grupo de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Distribución y correcto uso de los espacios físicos con los que cuenta el grupo
de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
14) ¿Qué tan relevante considera usted los siguientes aspectos para el logro de los
objetivos del grupo de investigación? (Donde 1 es muy irrelevante y 7 muy relevante)
a. Inversión en I+D+i (Investigación + Desarrollo + Innovación) dentro del
grupo de investigación
274
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Investigación de prácticas diferenciadoras que podrían ser aplicadas dentro
del grupo de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Inversión en procesos de aprendizaje dentro del grupo de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
15) ¿Qué tan relevante considera usted patentar, certificar y/o proteger los resultados de
investigación de los distintos proyectos del grupo? (Donde 1 es muy irrelevante y 7
muy relevante)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
16) En los últimos cinco (5) años, ¿cuántas patentes, certificaciones o protecciones ha
obtenido, o está en proceso de obtener, su grupo de investigación aproximadamente?
17) ¿Qué tan relevante considera usted los siguientes aspectos económicos para el
desarrollo de los procesos del grupo de investigación? (Donde 1 es muy irrelevante
y 7 muy relevante)
a. Cantidad de recursos disponibles para inversión en proyectos de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Capacidad de endeudamiento para financiar proyectos de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
18) ¿En qué estado considera usted que están los siguientes aspectos económicos según
el estado actual de los proyectos de su grupo de investigación? (Donde 1 es deficiente
y 7 es Suficiente)
275
a. Nivel de inversión de recursos del grupo de investigación en los proyectos
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Grado de financiamiento externo recibido para apoyo de proyectos del grupo
de investigación
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
19) ¿Qué tan relevante considera usted la rentabilidad y sostenibilidad al momento de
invertir en los distintos proyectos I+D+i (Investigación + Desarrollo + innovación)
del grupo de investigación? (Donde 1 es muy irrelevante y 7 muy relevante)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
20) ¿Qué tan relevante considera usted destinar recursos a patentar, certificar o proteger
los distintos resultados de investigación del grupo? (Donde 1 es muy irrelevante y 7
muy relevante)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
CAPACIDAD DE GESTIONAR REDES INTERNAS Y EXTERNAS
21) ¿Qué tan relevante considera usted el papel de la misión de la empresa en los
procesos organizacionales del mismo?
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
22) ¿Está usted satisfecho con la misión de la entidad?
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
276
23) ¿Qué tan relevante considera usted el papel de la visión de la empresa en los procesos
organizacionales del mismo?
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
24) ¿Está usted satisfecho con la visión de la entidad?
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
25) ¿Qué tan relevante considera usted las siguientes actividades dentro de los procesos
misionales de la entidad?
a. Realizar investigaciones de tipo académico
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Responder a objetivos sociales
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Crear procedimientos para graduar estudiantes
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Responder a la misión de la universidad
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
e. Buscar la relación academia – empresa (OTRI)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
26) ¿Qué tan relevante considera usted las siguientes actividades dentro de los procesos
visiónales de la entidad?
277
a. Buscar la relación academia – empresa (OTRI)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Publicar la mayor cantidad de investigaciones académicas
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Participar en simposios, foros congresos de nivel nacional e internacional
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Desarrollo de empresas tipo spin-off.
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
e. Responder a la visión de la universidad
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
27) Considera usted que la veracidad de la información trasmitida entre sus interesados
es (donde 1 es nada fiable y 7 muy fiable)
Nada fiable 1 2 3 4 5 6 7 Muy fiable
28) ¿Qué tan relevante considera usted las siguientes actividades dentro de la
organización de los grupos de investigación? (Donde 1 es muy irrelevante y 7 muy
relevante)
a. Integración entre sus interesados
278
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Cooperación entre sus interesados
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Desarrollo del buen nombre del mismo
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. Su conocimiento sectorial
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
e. Manejo y tratamiento de la información
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
f. Innovación y generación de nuevas ideas depende de la estructura de la
organización
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
29) ¿Qué tan relevante considera usted las siguientes actividades dentro de la evaluación
de los resultados de los grupos de investigación? (Donde 1 es muy irrelevante y 7
muy relevante)
a. Realizar retroalimentaciones de las investigaciones sin importar si el resultado
es negativo o positivo
279
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
b. Realizar retroalimentaciones solo si el resultado es negativo
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
c. Retroalimentar solo si el resultado es positivo
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
d. No se realiza retroalimentación sin importar el resultado
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
30) ¿Qué relevancia tienen las actividades de retroalimentación dentro de su grupo de
investigación? (Donde 1 es muy irrelevante y 7 muy relevante)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
31) ¿Qué tan relevante considera usted realizar reuniones periódicas con SOLO los
investigadores agrupados en torno a un mismo proyecto para evaluar los resultados
del mismo? (Donde 1 es muy irrelevante y 7 muy relevante)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
32) ¿Qué tan relevante considera usted realizar reuniones periódicas con TODOS los
integrantes del grupo de investigación para evaluar los resultados de una
investigación en específico? (Donde 1 es muy irrelevante y 7 muy relevante)
280
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
33) ¿Qué grado de influencia tiene la información no documentada (Voz a Voz) en los
procesos organizacionales y de dirección de su grupo de investigación? (Donde 1 es
poco influyente y 7 es muy influyente)
Muy irrelevante 1 2 3 4 5 6 7 Muy relevante
281
ANEXO 7. PROCESAMIENTO DE DATOS INICIAL
El procesamiento inicial de datos se refiere a las actividades que se realizan antes de
utilizar un método de análisis estadístico para evitar errores durante el dicho proceso.
Las actividades realizadas para la presente investigación fueron:
DATOS PERDIDOS
La búsqueda de datos perdidos se refiere a encontrar vacíos en las respuestas de las
encuestas, lo que generaría distorsión al momento del análisis estadístico.
Para el caso de este trabajo, no se encontraron datos perdidos ya que el formulario
enviado a los grupos de investigación tenía como requisito responder todas las preguntas
antes de que fuera enviado.
RESPUESTAS SIN COMPROMISO
Las respuestas sin compromiso se refieren a aquellas encuestas que no hayan sido
respondido a consciencia. Para identificar este tipo de encuestados se busca respuestas
repetitivas por su poco interés o desconocimiento de los términos utilizados en la encuesta.
Estos datos afectan de forma directa la fiabilidad de los datos.
Para identificar este tipo de respuestas se realizó el cálculo de la desviación estándar de
todas las respuestas de cada participante. Las respuestas cuya desviación estándar sea menor
a 0,5 se considera que son respuestas que no aportan al estudio.
Para el caso de este estudio se observó que de las 85 encuestas realizadas a los grupos
categorizados en COLCIENCIAS no se evidencia ninguna desviación estándar inferior al
282
0,5; por ende, no se hace necesario eliminar ningún registro de los participantes para realizar
el análisis.
Grupo de investigación desviación estándar
Grupo de investigación
desviación estándar
1 1,14 44 1,03
2 1,24 45 1,18
3 1,21 46 1,31
4 1,60 47 1,32
5 1,61 48 1,28
6 0,95 49 1,33
7 1,27 50 1,25
8 1,61 51 0,62
9 0,62 52 1,15
10 0,86 53 1,61
11 0,80 54 1,51
12 1,06 55 0,86
13 2,48 56 2,13
14 1,12 57 2,07
15 1,11 58 1,70
16 1,53 59 0,86
17 1,66 60 1,27
18 0,73 61 0,62
19 1,65 62 2,48
20 1,61 63 1,25
21 1,25 64 0,93
22 2,48 65 1,15
23 1,15 66 1,28
24 1,70 67 0,81
25 0,81 68 1,61
26 2,07 69 1,22
27 1,61 70 1,17
28 1,24 71 0,96
29 0,96 72 1,65
30 2,13 73 1,47
31 0,77 74 1,21
32 1,17 75 0,80
33 0,93 76 1,53
34 0,77 77 1,60
35 0,82 78 1,32
36 1,17 79 2,48
37 1,51 80 0,77
38 1,15 81 0,60
39 0,81 82 1,61
40 1,47 83 1,33
283
41 1,45 84 1,12
42 1,28 85 1,24
43 1,22
DATOS EXTREMOS
Los datos extremos, también llamados outliers, son valores demasiado alejados de la
media, lo que puede generar ruido para análisis estadísticos posteriores, alterando de forma
sustancial el resultado y análisis.
Para el caso de este trabajo no es factible encontrar datos extremos porque la encuesta
estaba formulada sobre la escala Likert, por lo que todas las respuestas van a estar dentro de
los rangos especificados inicialmente.
284
ANEXO 8. ARTÍCULO PRESENTADO EN EL V CONGRESO INTERNACIONAL
INDUSTRIA Y ORGANIZACIONES (CIIO)
Gestión de redes y capacidades tecnológicas
Phd PD Fabiola Saénz Blanco *, Ing Esp Neider Duan Barbosa Castro +, Juan Camilo Alfonso
Mesquida # Jhon Alejandro Varón Robayo &, .
* Universidad Distrital Francisco José de Calda - Investigación Adquisición y representación
del Conocimiento – Sistemas Expertos y Simulación – ARCO SES , [email protected]
+ Universidad Distrital Francisco José de Calda , Corporación tecnológica industrial
colombiana TEINCO - Investigación Adquisición y representación del Conocimiento –
Sistemas Expertos y Simulación – ARCO SES, [email protected]
# Universidad Distrital Francisco José de Caldas , [email protected]
& Universidad Distrital Francisco José de Caldas , [email protected]
Abstract
In this article you will find a conceptual model proposal that allows information
management through a network of stakeholders. This model is based on the
285
management of technological capabilities in the organization and aims to find a good
for the organization using monitoring, control and good sense of the information.
The conceptual model was applied to the research groups of the Francisco José de
Caldas District University as a case of study.
Keywords
Capacidades tecnológicas, información, gestión de redes.
RESUMEN
La gestión de las capacidades tecnológicas es uno de los principales retos
organizacionales en la construcción de la estrategia. Miranda y González (2007) afirman que
la estrategia en las organizaciones es principalmente maniobrar las oportunidades que
facilitan el entorno y las capacidades de la organización (Miranda González & Otros, 2007).
Entendido esto, es claro comprender que esta propuesta resulta relevante el establecer
elementos que permitan mejorar la gestión de capacidades tecnológicas para potenciar y
enriquecer el comportamiento de toda la organización.
Por otro lado, es ampliamente aceptada la premisa de que la información es uno de los
principales activos, sino el más importante de la organización. Por lo que es válido
preguntarse ¿de qué forma se maneja este recurso dentro de las compañías?, ¿cómo se
286
transmite a través de los stakeholder tanto internos como externos? y ¿qué capacidades
tecnológicas utiliza la organización para este proceso?.
Para efectos del trabajo investigativo, se propone acoger el concepto de capacidades
tecnológicas propuesto por Kimm refiriéndose como:
“el uso eficaz del conocimiento tecnológico con el propósito de mantener la
competitividad en precio y en calidad. Dicha capacidad permite a la organización asimilar,
emplear, adaptar y modificar las tecnologías existentes, así como la creación de nuevas
tecnologías y el desarrollo de nuevos productos y métodos de fabricación, todo esto para
responder a los cambios del entorno.” (Kim, 2000)
Por otra parte, se puede adoptar la óptica metodológica propuesta por PMI, para afirmar
que la información se transmite entre una red de interesados, pero que es tal vez más
importante visualizar estos comportamientos propios no emergentes internos y externos de
la red.
Además, es relevante esclarecer que la transmisión de información a lo largo de la
organización debe protegerse para que la misma sea integral, confiable y veraz, haciendo de
esta una ventaja para la organización y además de ello que la misma se debe convertir en
conocimiento que propenda por el desarrollo de capacidades tecnológicas.
Por ello por medio de este artículo se pretende poner a disposición de la comunidad
académica un modelo conceptual y práctico cuyo objetivo es incidir en el fortalecimiento de
los procesos y las relaciones dinámicas dentro de las organizaciones, a través de la gestión
287
de las capacidades tecnológicas por medio de la gestión de las capacidades tecnológicas
fortalecer los procesos de relaciones dinámicas dentro de las organizaciones.
Se orientó este modelo de gestión de capacidades tecnológicas partiendo de variables
de tercer orden que permitan la gestión de la información con fines propositivos a partir del
planteamiento de redes de cooperación internas y externas.
GESTIÓN DE REDES
Para hacer el estudio de las redes empresariales es necesario tener en consideración las
críticas de Grannoveter (1985) y revisadas por algunas universidades mexicanas a la
economía neo-institucionalista a partir de la noción de “embeddedness”, al suponer que a)
La persecución de objetivos económicos va siempre acompañada de otros objetivos de
naturaleza no económica, tales como la sociabilidad, la aprobación, el status social o el
poder; b) La acción económica, como toda acción, está socialmente “impregnada” y no
puede ser explicada a través de móviles individuales, sino que depende de relaciones
personales que los individuos entretejen; c) Las instituciones económicas, como cualquier
institución, no están automáticamente determinadas por circunstancias externas, sino que
son “socialmente construidas”. (Macías, 2002)
El concepto de red, se ha constituido en un relevante foco de atención en los estudios sobre
la innovación tecnológica. La idea que ha sido ampliamente desarrollada es que la
cooperación en redes es una condición, muy necesaria, para que los involucrados logren
innovar y gracias a ello, insertarse y desenvolverse en los mercados globalizados.
288
REDES INTERNAS Y EXTERNAS
Las organizaciones por lo general desarrollan más frecuentemente acciones de mejora
interna que con otros actores de la red. (Grueso Hinestroza et al., 2011) , lo que
implícitamente lleva a discriminar las redes organizacionales en 2 clases a saber: redes
internas y externas.
Las redes internas son aquellas que involucra todo el capital interno de la organización, es
decir el humano, administrativo, financiero económico, cultural entre otros. En esta red se
involucra todo el inventario tecnológico de la organización.
Por otro lado, la red externa son los interesados externos de la organización como lo son
proveedores, acreedores, innovaciones, políticas entre otras. A diferencia de la interna en
esta no se hace tanto énfasis en el inventario tecnológico, pero si en la vigilancia tecnológica.
PROPUESTA DE MODELO
Antes de entrar a describir el modelo propuesto, cabe resaltar que Para Ghoshal y Bartlett
establecen que “una red interna que está enraizada dentro de una red externa”(Ghoshal &
Bartlett, 1990) , por ello se propone un modelo global que establezca las capacidades
tecnológicas esenciales para su gestión como se puede observar en el Grafico 1 propuesta
general de la gestión de redes y capacidades tecnológicas.
289
Grafico 1 propuesta general de la gestión de redes y capacidades tecnológicas
Fuente : Los autores, esta investigación
Donde de manera genérica se pueden evidenciar 3 grandes capacidades capacidad de
comunicación, capacidad de participación y capacidad de administrar la red
Capacidad de comunicación:
Esta evalúa porcentualmente el presente y una percepción futura de una red con
comunicación sensata, vigilada y de interesados.
Desde la teoría de la redes sociales se establece que la capacidad de comunicación está
atada a los valores que sus interesados puedan desarrollar (Castells, 2001), por ello es
necesario establecer que entre los mismos la comunicación fluya de manera sensata, se
pueda vigilar y que genere el compromiso de todos los interesados; de manera que la misma
pueda generar una comunicación estratégica que se pueda vigilar y que la misma
comprometa a todos sus interesados, creándose así una comunicación estratégica (Garrido,
2008).
290
Capacidad de participación:
Esta evalúa porcentualmente el presente y una percepción futura de una red con
participación integral, cooperativa que cuide del buen nombre de la organización y que
posea conocimiento sectorial.
Pero como lo cita algunos investigadores esta depende de la cultura organizacional
(Máynes-Guaderrama et al., 2012) , ya que esta capacidad permite la transferencia del
conocimiento , siendo la cultura y el conocimientos apartes indisolubles en las
organizaciones (De Long & Fahey, 2000) , esta debe ser integra , con un buen conocimiento
sectorial y que proteja el buen nombre de la organización.
Capacidad de administrar redes:
Esta evalúa porcentualmente el presente y una percepción futura de una red con buenas
políticas de administración, segura y tecnológica.
PROPUESTA DE RESPUESTA AL MODELO
Dado que la mayoría de las variables del modelo son de tipo cualitativo, Se buscó algún medio
para que las mismas puedan ser evaluadas y cuantificadas, para posteriormente plantear una
propuesta desde la ingeniería que plante una su solución.
Para ello se estableció , un método de encuesta aplicable a las organizaciones , teniendo en
cuenta que este método tiene una caracterización propia como se muestra en Tabla 1.
caracterización del modelo propuesto
291
Tabla 1. caracterización del modelo propuesto
Capacidades Variable Primer
Orden Variable
Segundo Orden
Cateterización
Pregunta Recursos Capital Incidencia
tangibles intangibles organizacional humano interna externa
Capacidad de gestionar
redes Internas y Externas
Capacidad Comunicación
Interesados X X X X 1 – 3
Sensata X X X X 2 - 4 – 6
Vigilar X X X X 5
Capacidad de participación
Integración X X X X 5 - 6 – 8
Cooperación X X X X 5 - 6 – 8
Good-name X X X X 5 - 6 – 8
Conocimiento sectorial
X X X X 5 - 6 – 8
Capacidad administrar
redes
políticas X X X X 9
tecnología X X X X X 10 -11
seguridad X X X X 7 -11
Fuente: propia
Este método toma una serie de preguntas que se ajustan a una escala semántica para su solución, a continuación, se explican las preguntas y lo que se busca evaluar a través de las mismas
Pregunta 1: ¿Qué tan relevante considera usted el papel de la misión de la empresa en los procesos organizacionales del mismo?
En esta pregunta se busca determinar el nivel de importancia que tiene la misión (vista como un factor interno) dentro de los procesos misionales reales que lleva el grupo de investigación.
Se aborda la misión por hacer parte de la planeación estratégica del grupo de investigación, por lo que una de las hipótesis planteadas al construir esta pregunta es que los grupos con mejores resultados de investigación o que cumplen sus objetivos son aquellos que reconocen la importancia de la misión como guía de sus procesos.
Pregunta 2: ¿Está usted satisfecho con la misión de la entidad?
292
En esta pregunta se busca evaluar el nivel de encaje de la misión vista desde la perspectiva del líder del grupo de investigación con respecto a los procesos reales que se llevan a cabo.
Esta pregunta es una contra validación de la pregunta anterior para evaluar qué relación existe entre la importancia asignada a la misión del grupo de investigación y el ajuste real del mismo al quehacer del grupo. En este punto se analizaría que grado de coherencia existe entre la planeación estratégica y la ejecución de los procesos del grupo.
PREGUNTA 3: ¿Qué tan relevante considera usted el papel de la visión de la empresa en los procesos organizacionales del mismo?
En esta pregunta se busca determinar el nivel de importancia que tiene la visión (vista como un factor externo) dentro de los procesos misionales reales que lleva el grupo de investigación.
Se aborda la visión por hacer parte de la planeación estratégica del grupo de investigación, por lo que una de las hipótesis planteadas al construir esta pregunta es que los grupos que logran cumplir con su visión planteada son aquellos que reconocen su importancia al momento de planear y ejecutar los distintos procesos.
PREGUNTA 4: ¿Está usted satisfecho con la visión de la entidad?
En esta pregunta se busca evaluar el nivel de encaje de la visión vista desde la perspectiva del líder del grupo de investigación con respecto al fin real del grupo.
Esta pregunta es una contra validación de la pregunta anterior para evaluar qué relación existe entre la importancia asignada a la visión del grupo de investigación y la forma en que se planean los distintos procesos del grupo para el logro de esta. En este punto se analizaría que grado de coherencia existe entre la planeación estratégica y la ejecución de los procesos del grupo.
PREGUNTA 5: ¿Qué tan relevante considera usted las siguientes actividades dentro de los procesos misionales de la entidad?
a) Realizar investigaciones
b) Responder a objetivos sociales
c) Responder a la misión de la entidad
293
En esta pregunta se quiere validar el tipo de construcción misional y hacia qué objetivo específico se encuentra orientado el grupo de investigación, además de definir si se tiene algún tipo de vigilancia específica en la construcción de los procesos internos de la organización, la pregunta es complementaria para dar una visión óptima de los procesos internos del grupo.
PREGUNTA 6: ¿Qué tan relevante considera usted las siguientes actividades dentro de los procesos visiónales de la entidad?
a) Responder a la visión de la entidad
b) Certificarse para obtener confiabilidad
c) Búsqueda de nuevos clientes
En esta pregunta se quiere validar el tipo de construcción visional y hacia qué objetivo se encuentra orientado el grupo de investigación, además de definir si se tiene algún tipo de vigilancia específica en la construcción de los procesos externos de la organización, la pregunta es complementaria para dar una visión óptima de los procesos externos del grupo.
PREGUNTA 7: Considera usted que la veracidad de la información trasmitida entre sus interesados es Nada fiable Muy fiable
Desde esta pregunta se busca determinar qué grado de fiabilidad tiene la información que es transmitida a lo largo de la información para posteriormente evaluar si existe algún impacto frente a los resultados del grupo de investigación.
La hipótesis utilizada para plantear esta pregunta es que los grupos que transmiten información de forma más fiable son aquellos que consiguen mejores resultados y cumplimiento de objetivos.
PREGUNTA 8: ¿Qué tan relevante considera usted las siguientes actividades dentro de la organización?
a) Integración entre sus interesados
b) Cooperación entre sus interesados
c) Desarrollo del buen nombre del mismo
d) Su conocimiento sectorial
e) Manejo y tratamiento de la información
f) Innovación y generación de nuevas ideas depende de la estructura de la organización
294
Esta pregunta aborda la capacidad de participación al determinar qué relevancia tiene la interacción entre los interesados y su cooperación dentro del grupo de investigación permitiendo saber su impacto dentro de los resultados.
Además, se aborda la capacidad de administración de redes desde la capacidad que tiene el grupo para dirigir su estructura permitiendo que se genere la interacción antes mencionada lo que busca el desarrollo de buen nombre, innovación y generación de nuevas ideas, según determine el grupo mismo.
PREGUNTA 9: ¿Qué relevancia tienen las actividades de retroalimentación dentro de la entidad?
En esta pregunta se intenta determinar qué tipo y a qué nivel se construyen las políticas internas para el mejoramiento continuo del trabajo en el grupo de investigación, si se le da el lugar adecuado a la experiencia obtenida por los investigadores y con ello al mejoramiento del grupo.
PREGUNTA 10: ¿Qué tan relevante considera usted realizar reuniones periódicas para evaluar los resultados del servicio?
En esta pregunta se intenta determinar de qué forma el grupo evalúa sus resultados de investigación, comprendiendo la importancia de la administración de la red interna del grupo para la mejora general.
PREGUNTA 11: ¿Qué grado de influencia tiene la información no documentada (Voz a Voz) en los procesos organizacionales?
En esta pregunta se quiere validar el nivel de información que se transmite por canales no
oficiales dentro del grupo de investigación y el nivel de influencia que tiene la voz a voz en la
gestión de las redes de una organización.
CONCLUSIÓNES:
Las preguntas van responder a las aristas donde los nodos son las capacidades
295
Se logró caracterizar un modelo netamente descriptivo, en un grafo isomorfo que permite realizar la gestión de redes desde la teoría computacional si se desea
Un pone a consideración para la comunidad académica un posible modelo para la gestión de redes en bases a las capacidades tecnológicas el cual implica su desarrollo por medio de la teoría de grafos
Como segunda alternativa se propone que el modelo sea soluciona por procesos martkovianos, para observar procesos de estabilidad referentes al tiempo.
BIBLIOGRAFÍA
Abuín, J. M. R. (2007). Regresión lineal múltiple. IdEyGdM-Ld Estad{\’\i}stica, Editor, 32.
Acosta, C. (2010). Creación y desarrollo de capacidades tecnológicas un modelo de análisis basado en el enfoque de conocimiento. Recuperado a partir de https://www.researchgate.net/publication/43695433
Acosta, J. C., Longo-Somoza, M., & Fischer, A. L. (2013). CAPACIDADES DINÁMICAS Y GESTIÓN DEL CONOCIMIENTO EN NUEVAS EMPRESAS DE BASE TECNOLÓGICA. Cuadernos de Administración, 26(47). Recuperado a partir de http://www.redalyc.org/html/205/20531182003/
Acosta, M. del C. A., & Milanova, R. M. (2008). METODOLOGÍA PARA EL INVENTARIO TECNOLÓGICO ESTRATÉGICO. VALIDACIÓN DE SU APLICACIÓN EN EMPRESAS CUBANAS. (Spanish). Methodology for a Strategic Technological Inventory. Validation of Its Application in Cuban Companies. (English), 29(1), 42–47.
Alaa, G. (2009). Derivation of factors facilitating organizational emergence based on complex adaptive systems and social autopoiesis theories. E:CO Emergence: Complexity and Organization, 11(1), 19–34.
Americana, N. N. (s/f). Fundamentos de la Dirección de Proyectos Tercera Edición (Guía del PMBOK ® ). Recuperado a partir de http://www.fnmt.es/documents/10179/119827/Descargar+Documentación+-+Gestión+de+Proyectos/b34b9d76-9e62-4fcb-adbd-a0e5d675b4b4
Amit, R., & Schoemaker, P. J. H. (1993). Strategic Assets and Organizational Rent. Strategic Management Journal (Vol. 14).
Anand, A., & Singh, M. D. (2011). Understanding knowledge management. International Journal of Engineering Science and Technology, 3(2), 926–939. https://doi.org/http://www.ijest.info/docs/IJEST11-03-02-090.pdf
Arcade, J., Godet, M., Meunier, F., Roubelat, F., & Mendieta, M. (2004). Análisis estructural con el método MICMAC, y estrategia de los actores con el método MACTOR. Buenos
296
Aires: BCNA.
Aristizábal, B., Aguilar, L., & Félix, J. (s/f). La educación superior desde el enfoque de capacidades.
Balmaseda, V., Elguezabal, Z., & Herriko, P. V. (2008). Evolución De Las Propuestas Sobre El Proceso De Innovación : ¿ Qué Se Puede Concluir De Su Estudio ?, 14, 127–138.
Bañuelos, E. (2006). Capacidades tecnológicas en empresas originadas en instituciones de investigación : el caso de Mappec S . A de C . V . I Congreso Iberoamericano de Ciencia, Tecnologia, Sociedad e Innovación CTS+I.
Barbosa Castro, N. D. (2017). Propuesta metodologica de investigación.
Barney, J. B. (1991). (1991). Firm resources and sustained competitive advantage, 17, 99–120.
Barragán, A., & Ocaña, A. B. (2009). Aproximación a una taxonomía de gestión del conocimiento, 5(1), 1697–9818. https://doi.org/10.3926/ic.2009.v5n1.p65-101
BBecker, B. E., Huselid, M. A., & Ulrich, D. (2001). El cuadro de mando de RRHH. Vinculando las personas, la estrategia y el rendimiento de la empresa, Gestión 2000,. Barcelona.
Bernal Torres, C. A. (2010). Metodología de la investigacion administracion , economia , humanidades y ciencias sociales (Tercera). Bogota D.C: Pearson.
Bono, de E. (1970). Lateral thinking: Creativity step by step. NY: Harper & Row.
Brunet I, I. Y. G. F. E. (2004). El Nuevo Paradigma Empresarial: El Esquema de Redes. Revista Escuela de Administracion de Negocios, 50, 27–39.
Cárdenas, J. (2012). La organización en red del poder corporativo. Una tipología de redes corporativas. Revista Internacional de Sociología, 70(1), 77–105. https://doi.org/10.3989/ris.2010.09.04
Carlos, J., Ángel, L., Manuel, V., & Naranjo, S. (2013). ANÁLISIS DEL IMPACTO DEL NIVEL DE ENDEUDAMIENTO EN LA RENTABILIDAD. Recuperado a partir de http://dvl.ccn.ufsc.br/congresso_internacional/anais/6CCF/33_17.pdf
Carmona, E. A. (2015). Investigación académica y redes de colaboración: evidencias de méxico, 8(5), 63–80.
Castells, M. (2001). Internet y la sociedad red. Conferencia de Presentación del Programa de Doctorado sobre la Sociedad de la Información y el Conocimiento, 1–13.
297
Cely, A. V. (1999). Metodología de los escenarios para estudios prospectivos. Ingeniería e Investigación, (44), 26–35.
Centro de Investigación y Desarrollo Cientifico. (2018). Misión y visión CIDC. Recuperado a partir de http://cidc.udistrital.edu.co/web/index.php/informacion-del-centro/mision-vision
Centro de investigaciones y desarrollo científico. (2018). Convocatoria 781 Colciencias - Reconocimiento de Grupos. Recuperado el 28 de septiembre de 2018, a partir de http://cidc.udistrital.edu.co/web/index.php/noticia/50-categoria-not-1/447-resultados-781-grupos
COLCIENCIAS. (2017). Grupos de Investigación reconocidos por Colciencias | COLCIENCIAS. Recuperado el 13 de octubre de 2018, a partir de http://www.colciencias.gov.co/la-ciencia-en-cifras/grupos
Collins, C. J., & Smith, K. G. (2006). Exchange and Combination: The Role of Human Resource Practices in the Performance of High-Technology Firms. The Academy of Management Journal, 49(3), 544–560.
Congreso, V. I., Sistemas, I. De, & Innovación, D. (2011). Bladimir Guaitero-Díaz Analizar el papel de la vigilancia tecnológica en el direccionamiento estratégico de los esfuerzos de investigación del sector agrícola , a partir del caso de la cadena de la salsa de ají en Colombia ., 24–26.
Consuelo, D., Prada, R., & Vargas, a N. a M. (2011). Gestión Tecnológica : Conceptos Y Casos De Aplicación Technology Management : Concepts and Application Cases. Gti, 10, 43–54.
Cuadrado, B., Alonso, O., & others. (2009). Aplicación de herramientas prospectivas para el análisis y formulación de las estrategias de la Cámara de Comercio de La Guajira para el año 2008. Maestr{\’\i}a en Administración.
Cuadras, C. M. (2018). Nuevos métodos de análisis multivariante.
Dávila Ladrón de Guevara, C. (2001). Teorías organizacionales y administración (Segunda). Bogota D.C: McGraw Hill.
De Long, D. W., & Fahey, L. (2000). Diagnosing cultural barriers to knowledge management. Academy of Management Perspectives, 14(4), 113–127. https://doi.org/10.5465/AME.2000.3979820
Domínguez, L., & Brown, F. (2004). Medición de las capacidades tecnológicas en la industria mexicana. Revista de la CEPAL, 83, 135–151.
298
Edvinsson, L., & Malone, M. S. (1999). El capital intelectual, Gestión 2000, Barcelona. Barcelona.
Escobar, Q., José, B., & Franco, F. H. L. (1999). Revisión a la Metodología de Análisis Estructural. ESUMER: Especialización en Prospectiva Organizacional. Cali: Colombia.
Fernández Alarcón, V. (2004). Relaciones encontradas entre las dimensiones de las estructuras organizativas y los componentes del constructo capacidad de absorción: El caso de empresas ubicadas en el territorio español. Universitat Politècnica de Catalunya.
Foment del Treball Nacional. (2013). CULTURA PREVENTIVA y BUENAS PRÁCTICAS. Recuperado a partir de http://acessla.org/wp-content/uploads/2016/07/20150126110725.pdf
Fonseca, A. J. A., & Gaitán, H. J. G. (2015). “ANÁLISIS DE LA RELACIÓN E INCIDENCIA DE LOS PROCESOS DE GESTIÓN DEL CONOCIMIENTO SOBRE LOS PROCESOS DE INNOVACIÓN EN LAS ORGANIZACIONES”. Universidad Distrital Francisco Jose de Caldas.
Fonseca Arévalo, J. A., & Gaitán Hidalgo, J. G. (2015). “ANÁLISIS DE LA RELACIÓN E INCIDENCIA DE LOS PROCESOS DE GESTIÓN DEL CONOCIMIENTO SOBRE LOS PROCESOS DE INNOVACIÓN EN LAS ORGANIZACIONES”. Universidad Distrital Francisco Jose de Caldas.
Fowler, newton E. (1995). contabilidad superior (ediciones). Buenos aires.
Fuentes Pujol, E., & Arguimbau Vivó, L. (2008). I+D+I: UNA PERSPECTIVA DOCUMENTAL 1 INTRODUCCIÓN A LA INVESTIGACIÓN, DESARROLLO E INNOVACIÓN (I+D+I). No (Vol. 11). Recuperado a partir de http://www.ocde.org/
Garcia Andrae, A. (2011). El posicionamiento de una red académica y la construcción de objetos de investigación : los casos del cuerpo y el amor presentará se circunscribe a una de las regiones que denomi- Unidos y Gran Bretaña . En este caso se utilizó la plataforma de. Sociológica, 26, 7–32.
García Cruz, J., Fernández, R., & Carlos, J. (2013). Confianza como consecuencia del compromiso percibido: Implicaciones sobre el aprendizaje y la innovación.
Garrido, F. (2008). Comunicación de la estrategia. Effective Management Publications, (289), 1–8.
George, D., & Mallery, M. (2003). Using SPSS for Windows step by step: a simple guide and reference.
Georghiou, L. (2008). National Systems of Innovation. Towards a Theory of Innovation and
299
Interactive. Bengt-Ake Lundvall.
Ghoshal, S., & Bartlett, C. A. (1990). The Multinational Corporation as an Interorganizational Network. Review, 15(4), 603–625.
Giuliano, H. G. (2013). Critical theory of technology : an approach from engineering La teoría crítica de la tecnología : una aproximación desde la ingeniería, 8.
Godet, M., & Durance, P. (2011). Strategic foresight for corporate and regional development. Paris: Dunod.
Godet, M., Monti, R., Meunier, F., Roubelat, F., & others. (2000). La caja de herramientas de la prospectiva estratégica.
Gold, A. H., Malhotra, A., & Segars, A. H. (2001). Knowledge Management: An Organizational Capabilities Perspective. Journal of Management Information Systems, 18(1), 185–214. https://doi.org/10.1080/07421222.2001.11045669
Gómez, G. R., Flores, J. G., & Jiménez., E. G. (1996). METODOLOGIA DE LA INVESTIGACION CUALITATIVA. Granada España: Aljibe.
González, V. S. (s/f). LA INNOVACIÓN COMO FUENTE DE DESARROLLO. 2015. https://doi.org/10.1787/eco_studies-2011
Grant, R. M. (1991). The Resource-Based Theory of Competitive Advantage: Implications for Strategy Formulation.
Grueso Hinestroza, M. P., Gómez Cardona, J. H., & Quintero, L. G. (2011). Redes empresariales e innovación: el caso de una red del sector cosmético en bogotá (colombia)1. Estudios Gerenciales, 27(118), 189–203. https://doi.org/10.1016/S0123-5923(11)70152-8
Guayacan, J. S., & Tovar, paola andres. (2018). Determinación y validación de capacidades de gestión tecnologíca en entidades publicas prestadoras de servicio de ensayo y calibracion bajo la norma internacional ISO/IEC 17025 en Bogota.
Guillén, A. M., González-begega, S., & Balbona, D. L. (2016). Austeridad y ajustes sociales en el sur de Europa . La fragmentación del modelo de bienestar mediterráneo., 26(May), 1–12.
Guzmán Vásquez, A., Malaver Rojas, M. N., & Rivera Rodríguez, H. A. (2005). Análisis estructural. Técnica de la prospectiva.
Hernandez Sampieri, R., Fernandez Collado, C., & Baptista Lucio, M. del P. (2010).
300
Metodología de la investigación. Metodología de la investigación. https://doi.org/- ISBN 978-92-75-32913-9
Higuita López, D., Molano Velandia, J. H., & Rodríguez Merchán, M. F. (2011). Competencias necesarias en los grupos de investigación de la Universidad nacional de colombia que generan desarrollos de base tecnologica. Innovar, 21(41), 209–224.
Hodge, D. R., & Gillespie, D. (2003). Phrase completions: An alternative to. Social Work Research, 27, 1.
Honeycutt, J. (2001). Así es la dirección del conocimiento. (McGraw-Hill., Ed.). Madrid.
Jara, E. V. (2009). EL CONTROL EN EL PROCESO ADMINISTRATIVO. Recuperado a partir de http://docplayer.es/6242514-El-control-en-el-proceso-administrativo.html
Jeffrey, A. B., & Huntley, C. L. (2005). Ramping up the organizational learning curve: Assessing the impact of deliberate learning on organizational performance under gainsharing. The Academy of Management Journal.
Junta de Comercio y Desarrollo Naciones Unidas. (2013). Junta de Comercio y Desarrollo Conferencia de las Naciones Unidas sobre Comercio y Desarrollo Distr. Ginebra. Recuperado a partir de http://unctad.org/en/pages/publications/Science,-Technology-and-Innovation-Policy-
Khan, M. H. (2007). POLÍTICAS DE INVERSIÓN Y TECNOLOGÍA NACIONES UNIDAS. Recuperado a partir de https://esa.un.org/techcoop/documents/investmentandtech_spanish.pdf
Kim, L. (1997). Learning and innovation in economic development. (Edward Elgar Publishing., Ed.).
Kim, L. (2000). La dinámica del aprendizaje tecnológico en la industrialización Linsu Kim 1. Sala de Lectura Ciencia, Tecnología, Sociedad e Innovación, 17.
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22 140, 55.
Lin, J. (2007). An Exploration of the Principles Underlying Redundancy-Based Factoid Question Answering. ACM Trans. Inform. Syst, 25. https://doi.org/10.1145/1229179
López, S. (2010). Cuerpos Académicos: Factores de Integración y Producción de Conocimiento. Revista de la Educación Superior, XXXIX(3)(155), 7–26.
M, S. C., Vitorino Teles, J. M., & Marôco, J. (2013). Análisis estadístico de escalas ordinales: Aplicaciones en el Área de Salud infantil y Pediatría. Enfermer{\’\i}a Global, 12(30), 434–
301
445.
Macías, A. G. (2002). Redes sociales y “clusters” empresariales. Revista hispana para el análisis de redes sociales., 1.
Martínez, F. C. E. (2004). Gestión y creación Gestión y creación de conocimiento. Recuperado a partir de http://www.scielo.org.co/pdf/inno/v14n23/v14n23a01.pdf
Marulanda, E. C. E., & Lopez, T. M. (2013). La gestión del conocimiento en las PYMES de Colombia. Revista Virtual Universidad Católica del Norte, 158–170.
Marulanda Echeverry, C. E. (2015). Desarrollo de un modelo de evaluación de gestión del conocimiento para las PYMES del sector TI del eje cafetero. Recuperado a partir de http://bdigital.unal.edu.co/53839/1/10281981.2015.pdf
Máynes-Guaderrama, I., Cavazos-Arroyo, J., & Pablo Nuño-De La Parra, J. (2012). La influencia de la cultura organizacional y la capacidad de absorción sobre la transferencia de conocimiento tácito intra-organizacional. Estudios Gerenciales, 28, 191–211.
Medina Giopp, A., & Francos Rodríguez, M. (2009). Análisis Estructural Aplicación a la Estrategia Nacional de Desarrollo de la República Dominicana. Banco Mundial Grupo de Género y Pobreza Región de América Latina y el Caribe.
Mercedes, C. (2014). Capacidad organizacional: Estrategia y valores.
Mesmer-Magnus, J. R., & Dechurch, L. A. (1995). Information Sharing and Team Performance: A Meta-Analysis, 94(2), 535–546. https://doi.org/10.1037/a0013773
Minbaeva, D. B. (2005). HRM practices and MNC knowledge transfer. Personnel Review, 34(1), 125–144. https://doi.org/10.1108/00483480510571914
Minsal, D. P., & Pérez, R. Y. (2007). Organización funcional, matricial…: en busca de una estructura adecuada para la organización. Cuba. Recuperado a partir de http://bvs.sld.cu/revistas/aci/vol16_4_07/aci101007.htm
Miranda González, J. ., & Otros. (2007). Introducción a la gestión de la calidad, 1–34.
Monroy Varela, S. E. (2011). Dinámica de los grupos de investigación. El caso de la Facultad de Ingeniería de la Universidad Nacional de Colombia. Ingeniería E Investigación, 31(Especial), 56–62.
Nagles G., N. (2007a). La gestión del conocimiento como fuente de innovación. Revista Escuela de Administración de Negocios, 61(61), 77–87. https://doi.org/0120-8160
302
Nagles G., N. (2007b). La gestión del conocimiento como fuente de innovación. Revista Escuela de Administración de Negocios, 61(61), 77–87. https://doi.org/0120-8160
Nordin, N., & Othman, G. (2014). Technology management in lean manufacturing implementation: A case study. En 2014 International Symposium on Technology Management and Emerging Technologies (pp. 281–284). IEEE. https://doi.org/10.1109/ISTMET.2014.6936519
Olavo Quandt, C. (2012). REDES DE COOPERACIÓN E INNOVACIÓN LOCALIZADA: ESTUDIO DE CASO DE UN ARRANJO. Revista de Administração e Inovação, 9.
Ortiz, F., Flores, D., & Villegas, K. (2008). Medicion de la Capacidad de Innovación en universidades caso Universidad de Carabobo. Ingeniería Industrial, 50, 4.
Osgood, C. E. (1957). A behavioristic analysis of perception and language as cognitive phenomena. Contemporary approaches to cognition, 75–118.
Peteraf, M. A. (1993). The Cornerstones of Competitive Advantage: A Resource-Based View. Strategic Management Journal (Vol. 14). Recuperado a partir de http://www.jstor.org/about/terms.html.
Pitt, J. (2006). Thinking about Technology: Foundations of the Philosophy of Technology. IEEE Micro. Recuperado a partir de http://www.computer.org/portal/web/csdl/doi/10.1109/MM.2007.76
Pizarro Moreno, I., Real, J. C., & Rosa, M. (2011). La incidencia del capital humano y la cultura emprendedora en la innovación. Cuadernos de Econom{\’\i}a y Dirección de la Empresa, 14(3).
Raaijmakers, Q. A. W., Van Hoof, J. T. C., t Hart, H., Verbogt, T. F. M. A., & Vollebergh, W. A. M. (2000). Adolescents’ midpoint responses on Likert-type scale items: neutral or missing values? International Journal of Public Opinion Research, 12, 208–216.
Rabolini, N. M. (2009). Técnicas de muestreo y determinación del tamaño de la muestra en investigación cuantitativa. Revista argentina de humanidades y ciencias sociales, 2.
Ramirez, N. A., Carlos, D., Silva, L., Camilo, C., Pulido, O., & Pi, G. De. (2014). Guía de Propiedad Intelectual y Transferencia de Tecnología. Recuperado a partir de http://www.sena.edu.co/es-co/formacion/sennova/Propiedad Intelectual.pdf
Rivera, M. N. (2001). El gerente de tecnología, perfil e impacto de su gestión en las organizaciones*. Recuperado a partir de http://bdigital.unal.edu.co/26769/1/24428-86020-1-PB.pdf
303
Robledo V, J., & Aguirre R, J. (2010). Metodología para medir y evaluar las capacidades tecnológicas de innovación aplicando sistemas de lógica difusa caso fábricas de software, 91.
Rois, M. F. B., Batista, O. J., & Zambrano, P. M. (2010). Gestión de tecnología en empresas de clase mundial del sector bebidas en Venezuela Caso: municipio San Francisco – estado Zulia. Recuperado a partir de http://oaji.net/articles/2016/3167-1472065177.pdf
Rossoni, L., & Guarido Filho, E. R. (2006). Cooperação interinstitucional no campo da pesquisa em estratégia. Revista de Administração de Empresas, 47(4), 74–88. https://doi.org/10.1590/S0034-75902007000400007
Saenz Blanco, F. (s/f). Modelo de gestion de Capcidades Tecnologicas.
Saenz Blanco, F. (2016). " Gerencia tecnologica Notas de Clase ".
Saenz, F., & Barbosa, N. D. (2017). Modelo de gestion de Capacidades Tecnologicas.
Sáenz, F., & Barbosa, N. D. (2017). Modelo de gestion de Capacidades Tecnologicas.
Sáenz, T. W. (1994). La innovación tecnológica en Cuba. Situación actual y perspectivas. Material impreso. En CITMA/GECYT (Ed.), II Taller Nacional de Gestión Tecnológica. Las Tunas, Cuba.
Sáez de Viteri Arranz, D. (2000). El Potencial Competitivo De La Empresa: Recursos, Capacidades, Rutinas Y Procesos De Valor Añadido. Investigaciones Europeas de Dirección y Economía de la Empresa, 6(3), 71–86.
Salazar, J. M. del C. (2004). Algunas reflexiones sobre la gestión del conociminto en las empresas. © IntangibleCapital.org, No1 Volume(ISSN: 1697-9818 (Cod:0013)), 1–6. https://doi.org/10.3926/ic.18
Sánchez, F. J. S., & Sarabia, F. (1999). Metodología para la investigación en marketing y dirección de empresas. Ediciones Pirámide: Madrid, Spain.
SAPIENS RESEARCH GROUP. (2018). Ranking de las Mejores Universidades de Colombia 2018 | Sapiens Research (Inventoried by IREG). Recuperado a partir de https://www.srg.com.co/usapiens.php
Saracho, J. M. (2016). La organización emocional : los estados emocionales que determinan las capacidades clave de la organización : el liderazgo, la colaboración y el compromiso.
Schoonmaker, M. G., & Carayannis, E. G. (2010). Assessing the value of regional innovation networks. Journal of the Knowledge Economy, 1(1), 48–66.
304
Sen, A. (2000). Desarrollo y libertad.
Sikander, A. (2014). Technology management and the firm. En 2014 IEEE International Conference on Management of Innovation and Technology (pp. 345–348). IEEE. https://doi.org/10.1109/ICMIT.2014.6942450
Stacey, R. (2002). An alternative perspective for strategic change processes. Strategy: Critical Perspectives on Business and …, 16(6), 477–495. https://doi.org/10.1016/0024-6301(95)99970-B
Sutton, M. H. (2011). Perfiles educativos. Perfiles educativos, 33(133), 51–67.
Thurstone, L. L. (1927). A law of comparative judgment. Psychological review, 34(4), 273.
Universidad Distrital Francisco Jose de caldas. (2017). Funciones misionales UDFJC.
Universidad Distrital Francisco Jose de Caldas. (2017). Mision-Vision.
Valverde Castro, N. A. (2011). MODICO (Modelo de inteligencia competitiva organizacional).
Villanueva Begazo, J. D. (2006). ¿CÓMO MEDIMOS EL SERVICIO? Gestión en el Tercer Milenio, 9(18), 73–81.
Visbal, S. M. A., & Hernández, M. P. (2013). Gestión del Conocimiento: Elementos para Mejorar el Proceso de Identificación en las Organizaciones. GECONTEC: Revista Internacional de Gestión del Conocimiento y la Tecnología, 1(2), 32–52. Recuperado a partir de http://www.upo.es/revistas/index.php/gecontec/article/view/744
Welch, S., & Comer, J. (1988). Quantitative methods for public administration: Techniques and applications. Houghton Mifflin Harcourt P.
Wernerfelt, B. (1984). A Resource-Based View of the Firm. Strategic Management Journal (Vol. 5).
Zorrilla, H. (1997). La gerencia del conocimiento y la gestion tecnologica. Cuadernos de administración, 27(3), 122–135. Recuperado a partir de cuadernosdeadministracion.univalle.edu.co/index.php/.../article/.../1487
305
ANEXO 9. CERTIFICADO PARTICIPACIÓN V CONGRESO INTERNACIONAL INDUSTRIA Y
ORGANIZACIONES (CIIO)
