Determinantes de productividad de jóvenes investigadores...

Determinantes de productividad de jóvenes investigadores: estudio de caso Facultad de Economía Universidad del Rosario

Hernán Jaramillo–Salazar Sergio Peláez Sierra Diana Lucio–Arias

SERIE DOCUMENTOS DE TRABAJO

No. 202

Julio de 2017

1

Determinantes de productividad de jóvenes investigadores: estudio de caso Facultad

de Economía Universidad del Rosario

Hernán Jaramillo–Salazar1 Sergio Peláez Sierra1 Diana Lucio–Arias2

1Facultad de Economía, Universidad del Rosario; 2 Dirección de Investigación e Innovación, Universidad del Rosario

Abstract

This paper uses information collected through a comprehensive survey together with the resumes of participants of the program of young researchers of the faculty of economics at the Universidad del Rosario throughout its 16 years of implementation, to carry out an analysis of the determinants of academic productivity and professional trajectories. The usefulness of the Curriculum Vitae as a source of data will be presented, as well as some results on perception in the survey used, which will lead to a qualitative analysis of the case of study. Then, statistical methodologies will be applied to work with a censored dependent variable and with sufficient zeros; Tobit, Poisson and Negative Binomial regression models will be used. Thus, the main determinants of productivity will be identified, and will be contrasted with those reviewed in the bibliography. Finally, a map of professional trajectories will be presented.

Key words: Centers of higher education and research; human capital, qualification, choice of occupation, labor productivity; market of professionals and specialized workers, research in higher education; scientific trajectories, research training, young researchers JEL Codes: J23, J24, J44.

Resumen

En este artículo se presentará un análisis de los determinantes de productividad académica y de trayectorias profesionales basado en datos de las hojas de vida y de la aplicación de una encuesta integral a los participantes del programa de jóvenes investigadores de la facultad de economía de la Universidad del Rosario a lo largo de sus 16 años de implementación. Se presentará la utilidad del uso del Curriculum Vitae como fuente de datos, además de algunos resultados sobre percepción en la encuesta utilizada, lo que dará lugar a un análisis cualitativo del estudio de caso. Luego se aplicarán metodologías estadísticas para trabajar con variable dependiente censurada y con suficientes ceros; allí se usarán modelos de regresión Tobit, Poisson y Binomial Negativa. Así, se identificarán los principales determinantes de productividad, y se contrastarán con los revisados en la bibliografía, por último, se presenta un mapa de trayectorias profesional. Palabras clave: Centros de enseñanza superior y de investigación; capital humano, cualificación, elección de ocupación, productividad del trabajo; mercado de profesionales y trabajadores especializados, jóvenes investigadores, investigación formativa, trayectorias científicas Jóvenes investigadores; investigación formativa; Centros de enseñanza superior y de investigación; capital humano, cualificación, elección de ocupación, productividad del trabajo; mercado de profesionales y trabajadores especializados Códigos JEL: J23, J24, J44.

2

I. El uso del Curriculum Vitae (CV) como fuente de información para analizar

determinantes de productividad científica

Los CV como fuente de información han ido ganando importancia en estudios sobre trayectorias profesionales, académicas y científicas; movilidad laboral; mapeo de áreas de conocimiento de formación y actuación y de determinantes de productividad de los individuos. Por estas razones, se hace una revisión de la literatura sobre estudios que han utilizado exitosamente los curriculum vitae de individuos con los objetivos ya mencionados.

Un CV es al mismo tiempo, un registro de logros científicos, una breve historia de la trayectoria académica y profesional, y un recurso para la movilidad laboral del investigador. En síntesis, el CV es una representación social del individuo, lo que genera un incentivo en la persona que elabora su propio CV para hacerlo a tiempo, con información exacta y relevante, fácil de leer y disponible públicamente, puesto que su función principal es la de “exponerse” al mercado laboral. Por esta razón los currículos comparten una estructura informacional básica que estandariza su significado y por lo general son de fácil disponibilidad (Bozeman & Cañibano, 2009).

La información de los CV se ha utilizado ampliamente en tres grandes ramas: 1) trayectorias profesionales, 2) movilidad laboral, 3) mapeos de capacidades colectivas. En la primera de estas –trayectorias profesionales- se analizan los impactos que han tenido situaciones profesionales tales como: becas, publicaciones, semilleros de investigación, tutores, entre otros, sobre la productividad académica. Lo que se busca es encontrar determinantes de productividad. Algunos trabajos destacables son los de Gaughan & Robin (2004) quienes comparan el efecto de la movilidad de trabajo sobre la trayectoria profesional en Estados Unidos y en Francia; Mangematin (2000), por su lado, se enfoca en el impacto de algunos incentivos, tales como colaboración con la industria o tutorías, durante los estudios de doctorado en el área de ingeniería; y Croley, Bozeman, & Gaughan (2003) evalúan el impacto de una beca en las carreras científicas de hombres y mujeres.

En la segunda categoría –movilidad- lo que se busca es analizar las dinámicas profesionales que ha tenido una persona tales como, promociones laborales, colaboraciones internacionales, movilidad internacional, heterogeneidad en lugares de trabajo y heterogeneidad en áreas disciplinarias o sectores de trabajo. Aunque una hipótesis generalizada es que la mayor movilidad se ve reflejada en mayor productividad, el impacto de cada uno de estos aspectos es difuso y depende del área de estudio. Algunos estudios relevantes en esta categoría son los de Cañibano et al. (2008), Sandstrom (2009) y Cruz & Sanz (2010).

En la última categoría –mapeo de capacidades colectivas– se pretende, a partir del estudio individual de los CV, caracterizar grupos de trabajo y analizar las interacciones entre individuos (redes). La misma naturaleza colectiva de la vida profesional permite analizar

3

conexiones sociales, como aquellas con profesores, colegas, coautores y alumnos. Estos lazos sociales se pueden medir de diferentes formas, una de las más comunes es el número de colaboraciones (Lee & Bozeman, 2005) y otra es la de coautorías internacionales como una manera de, además, medir la movilidad (Jonker & Tijsee, 2008).

Trayectorias profesionales

En Sandstrom (2009) se encuentran algunos determinantes de productividad significativos gracias a la utilización de CV en Suecia. En este estudio se tocan tres temas importantes en el campo, a) las diferencias de género, b) el efecto de la financiación de los estudios, y c) el efecto de la movilidad profesional. Sandstrom (2009) encuentra que, al agrupar por género, las mujeres tienden a publicar menos (que se usa como una variable proxy de productividad), sin embargo, sus artículos tienen tasas de citación más altas. Junto con esta paradoja se ha encontrado un campo en donde amerita realizar mayores estudios tomando la calidad de las publicaciones como la variable a explicar, frente a la predominancia de aquellos enfocados en la cantidad de publicaciones. En cuanto a la importancia de la movilidad, concluye que los investigadores más exitosos pasan algunos años en el exterior (ya sea como estudiantes o como profesores), pero que finalmente retornan a su país de origen. Al mismo tiempo, el grupo de investigadores de excelencia se destaca por tener más becas, financiación y colaboraciones relevantes. No obstante, parece difícil separar el efecto de cada uno de estos impulsos a sus carreras de sus propias aptitudes científicas (el problema de sesgo de selección).

Gaughan & Ponomariov (2008) evalúan los efectos que tiene estar afiliado a un centro de investigación. Los autores especifican tres modelos de medición basados en la tasa de financiación (número total de becas/edad), la tasa de colaboración (número de co-autores/número de publicaciones), y la tasa de publicaciones (número de publicaciones/tiempo como investigador). Algunos de los resultados relevantes fueron que estar afiliado a un centro de investigación reduce la tasa de financiación, debido a que el investigador es financiado de manera estable y por lo tanto la velocidad y cambios en instrumentos de financiación son reducidos. Al mismo tiempo, el género resultó ser no significativo para la consecución de algún tipo de beca. La tasa de colaboración es determinada positivamente por el hecho de estar afiliado a un centro de investigación; y, al contrario, cuando la variable de resultado es la tasa de publicaciones estar afiliado a un centro de investigación no es significativo, por otro parte, tanto el número de coautorías como el número de becas responden de manera positiva a la afiliación a un centro de investigación: tienen signos positivos y son significativos en términos estadísticos.

Con el propósito de demostrar que los datos de los CV pueden ser satisfactoriamente recolectados, codificados, organizados y usados en análisis estadísticos comunes, Bozeman, Chompalov y Dietz (2000), llevan a cabo un análisis sobre la productividad en la trayectoria profesional de científicos e ingenieros. Los autores encuentran algunas variables que determinan la tasa de publicaciones (productividad académica), tales como: número de

4

publicaciones durante el PhD (+), duración como profesor asistente (+). Contrariamente ni el número de afiliaciones profesionales ni el número de trabajos resultaron significativos.

Los análisis de supervivencia resaltan dentro de esta categoría. Allí se analiza la probabilidad de que un evento suceda. Usando esta metodología, Bozeman y Cañibano (2009) encuentran que la probabilidad de pasar de profesor asistente a profesor titular aumenta con el número de publicaciones.

En Colombia, los trabajos de Jaramillo, et al. (2006, 2008a, 2008b & 2008c) han representado un gran aporte en el uso de CV como fuente de datos y para medir trayectorias profesionales. En Jaramillo, et al (2006) se aprovecha el acceso a las bases de datos de CvLAC (27.153 CVs) de la cual se extraen aquellos registrados en GrupLAC (18.407) y el programa de jóvenes investigadores de Colciencias (1.294). La información es usada, primero, para hacer un análisis descriptivo del programa, de los grupos de investigación y de los jóvenes. Posteriormente, los datos son utilizados para llevar a cabo un análisis “multinivel” que permite evaluar el aporte del grupo de investigación al joven y del joven al grupo. Los autores calculan un “índice de éxito” como variable dependiente a partir de los datos de los CV. Los resultados son que el grupo aporta, en promedio, un 30% de valor al éxito del joven; sin embargo, este aporte varía de acuerdo a las características del grupo. Por ejemplo, las diferencias entre las categorías de los grupos explican el 11% de las diferencias entre los índices de éxito. Asimismo, las diferencias entre áreas de la ciencia explican el 23% de la variación.

En Colombia todavía existe un gran potencial para extraer información de CV. Jaramillo, et al. (2008c) reconocen la utilidad de las bases de datos de la plataforma ScienTI (GrupLAC y CvLAC) para el estudio de las carreras académicas de los investigadores, lo que a nivel macro permitiría conocer las capacidades científicas del país. Un ejemplo se expone en Jaramillo, et al. (2008b). Utilizando datos del CvLAC de 1.399 investigadores clínicos se establece su relación con los hospitales para determinar el rol del hospital como generador de conocimiento y su aporte en términos de producción científica para los investigadores clínicos. En esta misma línea, en Jaramillo & Lopera (2008) se utiliza la información de 5.233 investigadores del campo de la salud disponible en sus CvLACs para identificar diferencias en las carreras académicas de los investigadores en salud pública y los investigadores en ciencias básicas biomédicas y clínicas. Los autores encuentran que mientras que los primeros se hallan en ambientes que no son propicios para la investigación, como en el gobierno y el sector privado; los segundos se encuentran vinculados permanentemente a actividades investigación y docencia. Esta característica termina influyendo en una mayor productividad de los investigadores de ciencias básicas frente a los de salud pública.

5

Movilidad

Andújar, Cañibano y Otamendi (2008) evalúan la movilidad de los investigadores españoles a través de la información contenida en los CV suministrados por el programa de becas de doctorado Ramón y Cajal (RyC). Los autores presentan una relación positiva y significativa con la participación en proyectos de investigación financiados internacionalmente, este es un resultado transversal a todas las áreas de estudio. No obstante, para el caso de la biología molecular, modelos Probit y SEM arrojaron una relación negativa entre movilidad y productividad (indicada como publicaciones), tal vez debido al hecho de que los estudiantes internacionales se ocupan en otras actividades o a que las publicaciones son menores en términos cuantitativos, pero mejores en términos cualitativos, hipótesis que no se estudia en el artículo en mención.

Mapeo de campos de estudio

Utilizando los CV con un enfoque descriptivo, Lepori & Probst (2009) hacen un mapeo de campos científicos en el área de la comunicación en Suiza.

Cuatro tipos de información fue extraída de los CV: 1. Antecedentes educativos. 2. Año de grado de PhD. 3. Lugar donde se educó 4. Publicaciones. Sobre el primer punto, los autores descubrieron un hecho inesperado y es que solo el 32% de los profesores tiene estudios relacionados con ciencias de la comunicación, lo que se debe a la propia multidisciplinariedad del campo. Este resultado es confirmado por el tipo de publicaciones en donde solo 15 de 108 publicaciones se encontraban en revistas especializadas en comunicación, de hecho, otros campos tuvieron un mayor número de publicaciones (ciencias sociales 26, economía 21, computación y tecnología 17). Finalmente, la recolección de CV permite a los autores dibujar un mapa del campo de la comunicación en Suiza, en el que se evidencia la formación de clusters por regiones y lenguas (teniendo en cuenta la variedad de idiomas en el país), universidades, enfoques disciplinares, y publicaciones. Este es solo un ejemplo adicional de la capacidad de los CV como insumo para mapear campos de estudio, pero también podría hacerse por cohortes, trabajos, universidades y redes interpersonales.

El uso práctico de los CV

Cómo se mencionó anteriormente, el uso de la información de los CV no es exenta de algunos retos metodológicos, los cuáles son resaltados por Bozeman y Cañibano (2009). Entre estos se encuentra: a) la disponibilidad y posibilidad de acceso a bases de datos de hojas de vida, b) la heterogeneidad de los CV que requiere de un trabajo de normalización, estandarización y categorización, c) la pérdida de información, d) información sobreestimada, dado que el CV es elaborado por una persona racional que trata de maximizar beneficios a través de mejores oportunidades laborales.

No obstante, superar estos retos y sistematizar la información de CV en una base de datos permite revisar el historial de muchas personas en diferentes periodos de tiempo, dando lugar

6

a bases longitudinales con información difícil de explorar mediante otras fuentes. Tal como se ha mostrado de manera resumida con los datos organizados se pueden utilizar métodos estadísticos comunes para analizar diferentes determinantes de productividad. La tabla 1 resume los principales estudios que usan CV como fuente de información. Esta literatura lleva a plantearse algunas hipótesis que serán corroboradas más adelante para el caso de los jóvenes investigadores del programa de economía de la Universidad del Rosario. Allí se evaluará la validez de lo demás estudios en el contexto en mención, por ejemplo, medir el impacto de las colaboraciones académicas, la movilidad laboral, la trayectoria académica frente a la no académica, la duración en el programa y el haber publicado de manera temprana como predictores de la productividad académica.

7

Tabla 1. Cuadro de resumen sobre los principales estudios que han utilizado CV como fuente de datos

Autor/Título Tema de interés Metodología y CV

Utilizados

Variables Conclusiones

Bonzi, 1992

Trends in research productivity

among senior faculty. Information Processing and Management 28 (1),

111–120.

Tendencias en la productividad

Análisis Bivariado

(411CVs)

▪ Número de publicaciones ▪ Disciplina académica ▪ Rango académico ▪ Sexo ▪ Fechas de grados (último nivel)

▪ La productividad tiende a aumentar con el tiempo. ▪ La productividad está relacionada con el estado y la

disciplina ▪ Aumento de la productividad entre las mujeres es mayor

que entre los hombres, aunque estos son más productivos.

Dietz, et al, 2000

Using the curriculum vita

to study the career paths of scientists and engineers: an exploratory

assessment. Scientometrics 49 (3), 419–442.

Uso de los CVs en la evaluación de las carreras

académicas

MCO y Modelos de Duración

(400 CVs)

▪ Número de publicaciones durante estudios de doctorado

▪ Puestos de trabajo ▪ Tiempo dedicado a la docencia ▪ Número de profesionales en

comunidad ▪ patentes ▪ Ámbito disciplinario ▪ Edad y sexo

▪ Los CVs son herramientas útiles y con mejores vías de recolección que otras fuentes de información.

▪ Los investigadores que pertenecen a centros que obtienen financiamiento tiene mayor probabilidad de obtener subvenciones por parte de la industria.

▪ El financiamiento de los centros no mejora la tasa de publicación

Mangematin, V., 2000 PhD job market: professional

trajectories and incentives during the PhD. Incentivos

para los estudiantes de PhD

Logit multinomial

(399 CVs)

▪ Posición de trabajo que ocupa ▪ Universidad de grado ▪ Expectativas del estudiante ▪ Colaboración con un privado durante

PhD ▪ Tiempo que tomó el PhD ▪ Tipo de financiamiento (funding mix) ▪ Postdoctorado

▪ El grado obtenido antes del PhD es irrelevante. ▪ Quienes esperan ser contratados en el sector académico,

consiguen trabajo más rápidamente que quierenes esperan conseguir trabajo en el sector privado.

▪ Colaborar con la industria, aumenta la probabilidad de conseguir trabajo en el sector privado.

▪ El número de publicaciones no afecta la probabilidad de conseguir trabajo en el sector privado, pero sí en el sector académico.

Gaughan y Bozeman, 2002

Using curriculum vitae to compare some impacts of

NSF research grants with research Center funding. Research Evaluation,

V. 11 (1) 17-26

Uso de los CVs en la financiación a los centros

y efecto sobre tasas de publicación

Modelo de Regresión Logística y MCO

(1041 CVs)

▪ Sexo ▪ Campo de investigación ▪ Educación ▪ Posiciones académicas y

profesionales ▪ Publicaciones ▪ Información financiamiento y

subvenciones

▪ Los CVs son herramientas útiles y con mejores vías de recolección que otras fuentes de información.

▪ Los investigadores que pertenecen a centros que obtienen financiamiento tiene mayor probabilidad de obtener subvenciones por parte de la industria.

▪ El financiamiento de los centros no mejora la tasa de publicación

8

Autor/Título Tema de interés Metodología y CV Utilizados


Gaughan, M., & Robin, S., 2004

National science training policy and early scientific careers in France and

the United States. Determinantes de la empleabilidad en carreras académicas: el

impacto de las políticas de estímulo académico

Modelos de duración (Función

de riesgo), estimación con Máxima

Verosimilitud

(807 CVs)

▪ Transición al primer trabajo después del PhD

▪ Género ▪ Cohorte de grado ▪ Universidad de pregrado ▪ Becas ▪ Tipo de financiamiento (funding mix) ▪ Postdoctorado

▪ Asistir a una universidad prestigiosa durante el pregrado (Research I en USA, Grand Ecole en Francia) aumenta la probabilidad de obtener empleo permanente al finalizar el PhD.

▪ En Francia, recibir apoyo público o corporativo en lugar de financiación propia no es relevante. En USA, recibir apoyo público, tiene de hecho, un impacto negativo sobre la transición académica.

▪ En USA el efecto del postdoctorado es nulo, en Francia retrasa la transición hacia una posición académica permanente.

Lee, 2004

What happens after career’s first research grants? Assessing the impact

of research grants on collaboration and publishing productivity in the early

career of scientists.

Impacto del financiamiento sobre la

colaboración y productividad en carreras académicas incipientes

Análisis Bivariado MCO

(443 CVs)

Características demográficas Campo de investigación Colaboración Productividad Información sobre características del finamiento Ambiente laboral

▪ La intensidad del financiamiento, el rezago del primer financiamiento y la colaboración antes de que este ocurra predicen la colaboración después de que se recibe el financiamiento.

▪ La productividad antes de recibir financiamiento, la cohorte de graduación, la disciplina científica, el género, la fuente de recursos y la nacionalidad no tienen impacto significativo sobre la colaboración.

Dietz y Bozeman, 2005

Academic careers, patents, and productivity: industry

experience as scientific and technical human capital. Research Policy 34

(2005) 349–367

Cambios de trabajos y productividad

Modelo Tobit Modelos Poisson

(1200 CVs)

▪ Años de trabajo en cada sector ▪ Cohorte de graduación doctoral ▪ Productividad (patentes o

publicaciones) ▪ Campo de formación ▪ Financiamiento por sector

▪ la diversidad de las experiencias laborales afecta los patrones de colaboración y en intercambio de capital humana a través de la construcción de una variedad más amplia de redes de vínculos y capital social

9



Gaughan, M. & Ponomariov, B.,2008

Faculty publication productivity,

collaboration, and grants velocity: using curricula vitae to compare center-affiliated and unaffiliated

scientists

El impacto de la afiliación a centro de investigación

sobre la productividad, las colaboraciones y las becas

Transformación log para normalizar, y

estimación MCO

(350 CVs)

▪ Tasa de becas, tasa de colaboraciones y tasa de publicaciones.

▪ Estar afiliado a un centro de investigación.

▪ Último grado de estudio. ▪ Género. ▪ Año de grado.

▪ Quienes están afiliados a un centro de investigación tienen una menor tasa de velocidad de obtención de becas.

▪ El género no juega ningún papel en la obtención de becas.

▪ Es más probable que quienes tienen maestría, sean financiados para estudios posteriores, en comparación con quienes solo poseen título de pregrado.

▪ Estar afiliado a un centro de investigación aumenta la probabilidad de colaborar por medio de co-autorías; pero no es relevante para explicar el nivel de productividad.

Andújar, I., Cañibano, C., & Otamendi, J., 2008

Measuring and assessing researcher mobility from CV analysis: the case of the Ramón y Cajal programme in

Spain.

Evaluar patrones de movilidad, y

observar los vínculos entre movilidad y

desempeño investigativo

MCO, Probit y Modelo de

Ecuaciones Estructurales

(266 CVs)

▪ Género ▪ Edad ▪ Nacionalidad ▪ Lugares de trabajo ▪ Postdoctorados y periodos de

estancia ▪ Cohorte ▪ Becas internacionales ▪ Nacionalidad ▪ Lugares de trabajo ▪ Postdoctorados y periodos de

estancia

▪ Estudiantes de física y ciencias espaciales presentaron una movilidad significativamente mayor que estudiantes de biología molecular.

▪ Físicos y estudiantes de ciencias espaciales producen mayoritariamente resultados “tradicionales”, por ejemplo, en revistas indexadas; en cambio filólogos y filósofos producen sustancialmente más libros que artículos en revistas

▪ Estudiantes de biología molecular publican menos, pero obtienen más becas internacionales, contratos de investigación y patentes.

Cañibano, C., Otamendi, J., & Andújar, I., 2009

An assessment of selection processes among

candidates for public research grants: the case

of the Ramón y Cajal Programme in Spain

Evaluar la eficacia de la entrega de becas y su revisión por pares en

España

Análisis discriminantes y Logit binomial

(266 CVs)

▪ Género ▪ Campo de estudio ▪ Años en PhD ▪ Conferencias ▪ Publicaciones – Publicaciones en

revistas indexadas ▪ Libros ISBN ▪ Patentes ▪ Becas

▪

10



Cañibano, C. & Bozeman, B., 2009

Curriculum vitae method in science policy and

research evaluation: the state-of-the-art

Evaluar el estado del arte de los métodos de evaluación de la

investigación a través de Curriculum Vitae

▪ Los CV son un recurso valioso para el análisis de: trayectorias académicas, movilidad profesional, y mapeo de capacidad colectiva.

▪ A pesar de ser una herramienta poderosa, existen limitaciones metodológicas tales como: la disponibilidad de CV, su heterogeneidad, información faltante y codificación de los datos.

▪ A medida que la tecnología ayude a superar estos obstáculos, la metodología de evaluación con CV se popularizará.

Sandstrom, U., 2009

Combining curriculum vitae and bibliometric

analysis: mobility, gender and research performance

Bibliometría y Movilidad

Citas normalizadas por

campo

(326 CVs)

▪ Cohorte ▪ Estado civil ▪ Número de hijos ▪ Género ▪ Número de artículos ▪ Becas ▪ PhD ▪ Patentes ▪ Premios

▪ Las mujeres son menos productivas a la hora de publicar, pero sus artículos son más citados.

▪ Los artículos individuales tienden a ser más citados, que las publicaciones en grupo.

▪ Los investigadores más exitosos tienen una mayor movilidad internacional.

▪ El grupo de investigadores de excelencia, se destaca por tener más becas, financiación y colaboraciones relevantes.

Lepori, B., & Probst, C.,2009

Using curricula vitae for mapping

scientific fields: a small-scale experience for Swiss communication

sciences.

Caracterización y "mapeo" del campo de la comunicación en Suiza

Estadística descriptiva

(67 CVs)

▪ Universidad de grado ▪ Idioma ▪ Especialidad de conocimiento ▪ Tipos de Publicaciones

▪ Solo el 32% de los profesores tienen estudios relacionados con ciencias de la comunicación

▪ De 108 publicaciones, solo 15 se dirigieron a revistas de comunicación.

▪ El campo se divide en clusters organizados por enfoques de conocimiento, idioma y naturaleza (investigativa, política o corporativa).

11



D’Onofrio, M. G., 2009 The public CV data base of Argentine

researchers and the ‘CV-minimum’ Latin-American model of

standardization of CV information for R&D evaluation and policy-making.

Evaluación de la investigación, trayectorias académicas y estudios en

red en Argentina

Datos de CV, CvLAC, entrevistas y plenarias. Propone utilizar para

estudios futuros método multi-nivel, modelos de

respuesta cualitativa acotada

▪ Niveles de educación ▪ Campo de estudio ▪ Género ▪ Cohorte ▪ Actividades profesionales ▪ Publicaciones ▪ Idiomas ▪ Afiliaciones profesionales

▪ Las bases de datos de CVs en América Latina contienen información valiosa para hacer investigación y tomar decisiones de política informadas.

▪ Uno de los obstáculos es la heterogeneidad de los documentos, por lo que se propone una estandarización de los mismos.

▪ La estandarización permitirá adelantarse en el capital del conocimiento, además de visualizar la productividad de los investigadores.

Cruz-Castor, L., & Sanz-Menédez,

L., 2010.

Mobility versus job stability: Assessing tenure and productivity

outcomes Relación entre desempeño académico y posiciones y permanencia alcanzada.

Movilidad vs Estabilidad.

Regresión multivariada y Logit binomial

(1583 CVs)

▪ Edad ▪ Tiempo que se tomó para terminar

el PhD ▪ Género ▪ Movilidad luego del PhD ▪ Movilidad por fuera de la academia ▪ Publicaciones ▪ Publicaciones tempranas ▪ Permanencia en universidad

diferente a la de grado ▪ Permanencia temprana ▪ Ranking de institución empleadora ▪ Campo de estudio

▪ Las publicaciones tempranas son el mejor predictor del desempeño académico futuro; seguido de la calidad de la universidad de grado de PhD (no se logra atribuir el impacto a la universidad debido a sesgo de autoselección.

▪ No existen diferencias entre el desempeño de los que trabajan para la facultad donde se graduaron (inbred), frente a los que se mueven a otras facultades.

▪ Quienes hacen estudios en el exterior y vuelven, son más productivos.

▪ Sin embargo, la movilidad pos doctoral no tiene ningún efecto.

12



Bedeian, A., Avazos, D., Hunto, J., & Jauch, L., 2010

Doctoral Degree Prestige and the Academic Marketplace:

A Study of Career Mobility Within the Management Discipline

Probar algunas hipótesis populares sobre la

movilidad laboral en la disciplina de la administración

Modelos jerárquicos

(329 CVs)

▪ Universidad de grado ▪ Número de publicaciones ▪ Tipo de publicaciones ▪ Controles demográficos

▪ Graduados de PhD de universidades más prestigiosas, publican en mayor proporción en revistas de alta calidad

▪ El prestigio doctoral tiene un efecto directo sobre el prestigio del nombramiento académico inicial de un graduado.

Youtie, J., el al., 2013

Career-based influences on scientific

recognition in the United States and Europe: Longitudinal evidence

from curriculum vitae data Examina cómo los

patrones de financiación, las trayectorias

profesionales y las redes de colaboración influyen

en el reconocimiento científico

Modelos de respuesta cualitativa, con

muestras diferenciales emparejadas

(1583 CVs)

▪ Tipo de trabajos ▪ Tiempo que se tomó para terminar

el PhD ▪ Reconocimientos ▪ Tipo y permanencia de financiación ▪ Diversidad académica y laboral

▪ En Estados Unidos, el reconocimiento científico temprano está asociado con amplia educación académica, terminación rápida de PhD y gran cantidad de publicaciones independientes. En Europa, no se dan dichas relaciones.

▪ En Estados Unidos, los logros académicos están relacionados con la financiación estable.

▪ Tanto en Estados Unidos como en Europa, promociones de trabajo rápidas en la academia son grandes predictores de reconocimiento futuro.

▪ Trabajos por fuera de la academia son positivos en USA, pero negativos en Europa, en términos de reconocimientos.

13



Jaramillo, H., Latorre, C., & Albán, C., Lopera, C., 2008

El Hospital como organización de

conocimiento y espacio de investigación y formación. Los recursos humanos en salud y su

tránsito a comunidades científicas: el caso de la investigación clínica en

Colombia."

Modelación de carreras académicas de los

investigadores clínicos, y el papel del hospital como

organización de conocimiento

Modelo Tobit, construcción de índice

de producción, modelos jerárquicos de efectos

fijos y aleatorios

(1942 CVs)

▪ Edad ▪ Género ▪ Área de Conocimiento ▪ Formación de pregrado, maestría y

doctorado ▪ Realización y Tiempo en

actividades de: investigación, asistencia clínica, docencia, consultoría

▪ Actividades como Joven Investigador

▪ Los procesos de aprendizaje y las interacciones realizadas durante el fellowship, las actividades de investigación, asistenciales y la formación doctoral y posdoctoral tienen efectos positivos en los niveles de producción del individuo.

▪ la relación de los grupos de investigación con el hospital aumenta su contribución al nivel de producción de los investigadores.

▪ Tanto el inicio temprano de las actividades de investigación y docentes son significativas.

Jaramillo, H., & Lopera, C., 2008

Análisis de las comunidades científicas y académicas de las

ciencias básicas médicas y de la salud pública en Colombia ¿Una

diferencia?

Caracterizar la dinámica de los recursos humanos

en investigación y su producción

científica al interior de las comunidades de salud

pública y ciencias básicas biomédicas en Colombia

Modelo Tobit y modelos jerárquicos de

efectos fijos y aleatorios

(5233 CVs)

▪ Edad ▪ Género ▪ Becas ▪ Formación de pregrado, maestría y

doctorado ▪ Áreas de conocimiento ▪ Cohorte ▪ Realización y Tiempo en

actividades de: investigación, docencia, consultoría

▪ Vínculo institucional: educación superior, gobierno, privado, organismos multilaterales, hospitales, centros de investigación.

▪ Las carreras académicas de los investigadores en salud pública y ciencias básicas biomédicas difieren. Los primeros, se caracterizan por tener flujos de actividades en instituciones que no son propicias para el desarrollo de la ciencia, como es el caso de las entidades gubernamentales y el sector privado. Mientras los segundos, tienen una carrera dedicada a la ciencia (investigación y docencia).

▪ La productividad científica de los investigadores en ciencias básicas es mayor que la de los investigadores en salud pública.

14



Jaramillo, H., Lopera, C., González, B., & Vecino, A. ,2009

Impacto del financiamiento en salud

Colciencias 1970-2007.

El impacto del financiamiento en ciencia y tecnología en las áreas de la salud en Colombia

Modelo Tobit, Modelo de análisis envolvente de datos y modelos jerárquicos de efectos fijos y aleatorios

(566 CVs)

▪ Trayectoria de formación ▪ Áreas de conocimiento ▪ Vínculo institucional: educación

superior, gobierno, privado, organismos multilaterales, hospitales, centros de investigación.

▪ Tipo de financiación ▪ Áreas de conocimiento ▪ Cohortes formación doctoral y

productividad ▪ Realización y Tiempo en

actividades de: investigación, docencia, consultoría

▪ Tipo de producción

▪ El mayor financiamiento de grupos de investigación aumenta la eficiencia de los grupos.

▪ Los grupos de salud pública son los menos productivos, mientras que los de investigación en genética humana son los más productivos.

▪ El doctorado y la maestría tienen un efecto positivo sobre los niveles de producción de los investigadores comparado con título de pregrado.

▪ Las actividades de docencia y la afiliación a centros de investigación, académico y multilaterales aumentan la productividad científica.

15

II. Programa de jóvenes investigadores

Los estudios referenciados en la sección anterior inspiraron el estudio del programa de jóvenes investigadores de la Facultad de Economía de la Universidad del Rosario. El programa se ha diseñado con el propósito de vincular desde una edad temprana a jóvenes talentos a la heurística investigativa y por esta razón quisimos analizar cómo el ser beneficiario del programa tiene algunos efectos en las carreras profesionales de los jóvenes. A continuación, se presentan las características del programa junto algunos resultados de una encuesta aplicada a los jóvenes que han hecho parte de este.

Consideraciones generales del programa de jóvenes investigadores

La política de investigación debe contemplar instrumentos específicos para la formación del más alto nivel de calidad que garantice los relevos generacionales de investigadores y la consolidación real de capacidades de investigación. Para esto, se requiere de un ambiente institucional que fortalezca las universidades, las facultades, o formas equivalentes de organización institucional, los grupos de investigación y los programas de formación de posgrado, en particular los programas de maestrías de investigación y de programas nacionales de doctorado. Cada una de estas instancias de formación propicia ‘derrames

positivos’ sobre los niveles que le han precedido.

Es así como los programas de maestría y doctorado irradian de manera positiva sobre los programas de pregrado. Los programas de maestría y los programas de doctorado desde la perspectiva de consistencia dinámica de las políticas generales de facultades generan externalidades particulares en cada uno de los programas, currículos y actividades de formación de recursos humanos. Y en este ámbito de calidad es que se inserta el programa de jóvenes investigadores, que hace parte esencial de los procesos de formación en investigación, dentro de la metodología de “aprender haciendo”. La esencia de este programa el cuál ha sido fomentado desde Colciencias (1975) en Colombia, consiste en acercar talentos jóvenes al quehacer científico, mediante su temprana vinculación a grupos de investigación.

Sin embargo, el valor agregado que da el programa de jóvenes investigadores a quienes participan de este en etapas tempranas de su formación en investigación, está condicionado por la calidad de las instituciones, facultades, docentes-investigadores, grupos de investigación y programas académicos por los cuáles transitan los jóvenes de manera integrada.

En una evaluación del programa de jóvenes investigadores de Colciencias elaborada por Fedesarrollo, Núñez et al. (2014), encuentra que “en los grupos en los cuáles se incorporan los jóvenes que participan del programa, publican en promedio un mayor número de artículos que aquellos que no cuentan con esta financiación, y además tienen mayor probabilidad de ser reconocidos como investigadores por Colciencias” (Núñez et al, 2014, pág. 125).

16

El programa de jóvenes investigadores, además de las características anotadas anteriormente, presenta múltiples y significativas externalidades:

a) El inicio, sobre bases sólidas, de un sentido de pertenencia a la comunidad científica; (b) la reproducción del grupo de investigadores y, por tanto, una forma esencial de consolidarlo; (c) la permanencia de los grupos y la continuidad de sus líneas de investigación; (d) la construcción de escuelas de pensamiento; y (e) la creación de masas críticas para alimentar y enriquecer los programas de maestría y doctorado.

Programa de jóvenes investigadores en la facultad de economía de la Universidad del

Rosario

Desde el año 2000 la Facultad de Economía decidió adoptar el programa de jóvenes investigadores de Colciencias dada su importancia e impacto reconocido en los informes de evaluación del crédito de ciencia y tecnología financiado por el BID III etapa y, posteriormente por la evaluación que a nivel nacional realizara la Facultad de Economía para Colciencias sobre el programa de jóvenes investigadores en Colombia1.

Para garantizar que la estrategia adoptada fuera de largo plazo y no estuviera afectada por las condiciones de financiamiento y los recortes presupuestales a Colciencias, se apostó por financiar el programa con recursos propios de la facultad. El éxito del programa se fundamenta no solo en sus características esenciales, sino en la garantía de su financiamiento y el tamaño de masa crítica de los jóvenes a financiar.

Relación grupo de Investigación con el programa de jóvenes investigadores

Desde el inicio mismo del programa de jóvenes investigadores se estableció la relación fundamental con la maestría de economía y con el grupo de investigación, el cuál es un elemento fundamental en la cultura de la facultad en donde se articulan a los distintos niveles de formación: pregrado – a través de semilleros de investigación; maestría – a través de la figura de jóvenes investigadores, y doctorado. De esta manera, estudiantes con talento científico, cuentan con alternativas de formación en investigación y esquemas formativos diseñados para fomentar la vocación científica y académica.

La visión integral de docencia e investigación que caracteriza a los profesores de carrera académica de la facultad permite la interacción de los miembros del grupo de investigación con los estudiantes y propicia los escenarios adecuados para construir un proceso sincronizado de formación de competencias diferenciales enriquecido por las posibilidades que genera la formación para la investigación.

1 Ver Jaramillo, Hernán, et al. (2006). “Aprender Haciendo. Experiencia en la formación de jóvenes investigadores en Colombia”. Centro Editorial Rosarista, colección textos de economía, Facultad de Economía, Bogotá, 295p. ISBN: 958-8225-67-1].

17

La relación entre jóvenes, grupo de investigación, investigadores, tutores y formación en la maestría que propicia el programa, encuentra que el aporte del joven al grupo de investigación se encuentra compensado por el valor agregado que da el grupo a los jóvenes que participan en el programa; como resultado de este proceso, la maestría de economía es reconocida por su calidad e impacto.

Objetivos y Logros del programa de jóvenes investigadores

El programa de jóvenes investigadores ha logrado, a través del tiempo, cumplir con los siguientes objetivos fundamentales, que, como se observará más adelante en los resultados de la encuesta de percepción aplicada, son reconocidos por quienes se han beneficiado del programa. Los objetivos cumplidos a satisfacción son los siguientes:

• Diseñar el camino exitoso en la construcción de un joven en su tránsito a la comunidad académica e investigativa.

• Propender por la formación de un joven a través de proceso pedagógico en donde se fomente la acumulación de experiencias académicas e investigativas.

• Construir una masa crítica de investigadores.

• Lograr un acercamiento de los jóvenes con el quehacer de la ciencia y la investigación a través de una vinculación del joven seleccionado a las dinámicas de interacción del grupo de investigación y a la línea de trabajo con la responsabilidad de un tutor.

• Formar al joven para que migre hacia maestrías y doctorados o se desempeñe en el mercado laboral con un alto valor agregado en la disciplina de la economía.

• Incentivar a los jóvenes a la cultura de la publicación científica.

• Incentivar a los jóvenes para seguir con su proceso de formación de alta calidad.

• Los estudiantes de la maestría y en particular los que hacen parte del programa de jóvenes investigadores han contribuido, con su grado de calificación mayor a fortalecer la calidad del programa de maestría.

Por otra parte, cabe destacar la contribución del joven al grupo de investigación, que se sintetiza en los siguientes seis elementos:

• Contribuir al fortalecimiento del grupo de investigación, mediante la capacidad del grupo de absorber jóvenes talentos de la Facultad de Economía y de otras facultades del país.

• Contribuir al clima institucional del grupo de investigación en el proceso de hacer investigación y formar jóvenes en investigación.

18

• Participar en los proyectos de investigación de la facultad, de sus tutores y en las redes de investigación de los profesores.

• Mantener las relaciones después de la participación de los jóvenes en el programa a través de su desempeño profesional y académico ya sea por su desempeño en el mercado laboral o por la continuidad de sus estudios hacia el doctorado.

• Influir en la productividad y eficiencia del grupo de investigación.

Estadísticas descriptivas del programa de jóvenes investigadores

Entre el 2000 y el 2015 se han financiado 109 jóvenes investigadores, con un promedio anual de 14 jóvenes investigadores activos por año, la duración promedio de estadía en el programa de un joven es de 2 años. La distribución por género es de 44 mujeres y 65 hombres. Al observar la universidad de procedencia del pregrado de los jóvenes investigadores se encuentra que 63 (57,8%) son graduados del pregrado de la Universidad del Rosario; 14 (12,8%) provienen de la Universidad de Antioquia; 10 (9,2%) son graduados del pregrado de la Universidad Nacional de Colombia; 7 (6,4%) vienen de la Universidad de los Andes; 3 (2,8%) de la Universidad EAFIT y 2 (1,8%) de las Universidades ICESI y Pontificia Universidad Javeriana; los 8 (7,3%) restantes vienen de otras 8 universidades del país. Esta distribución muestra que el Programa ha tenido diversidad institucional que le ha aportado a la facultad y al programa de Jóvenes diversidad de experiencias y estructuras académicas. Hay que destacar que de los 109 jóvenes investigadores que iniciaron su participación en el Programa, 91 han estado asociados al programa de maestría en la Facultad de Economía del Rosario; 4 jóvenes han iniciado sus estudios de maestría en Finanzas Cuantitativas, en la facultad de economía de la Universidad del Rosario; 10 jóvenes investigadores realizaron la maestría en la facultad de economía de la Universidad de los Andes, 1 estudiante del programa de jóvenes llevó a cabo sus estudios de maestría en economía en la Universidad Nacional; 1 joven investigador proveniente de la Universidad de Medellín realizó en forma paralela una especialización en derecho de familia en la Universidad de Medellín. No hay registro de 2 de los jóvenes investigadores del programa. Del total de los jóvenes del programa (109), 77 (70,6%) han sido financiados de manera completa con recursos de la Facultad de Economía de la Universidad del Rosario y 32 (29,4%) han recibido financiación por Colciencias con la respectiva contrapartida, financiada también por la Facultad de Economía. Esto refleja la importancia de que, desde el inicio del Programa, la facultad apostara por la sostenibilidad de este a través de la movilización de recursos propios.

19

Encuesta a los jóvenes investigadores

El diseño de la encuesta de evaluación del programa de jóvenes investigadores se llevó a cabo en la facultad de economía; se tomó como base la encuesta realizada en el año 2006 para la evaluación del programa de jóvenes investigadores financiados por Colciencias en todo el país y en las diferentes áreas del conocimiento, que fue realizada por la facultad de economía de la Universidad del Rosario (Jaramillo et.al, 2006).

Para los efectos de evaluación del programa de jóvenes investigadores la encuesta se estructuró agrupando las 48 preguntas definidas en 7 secciones, en las que se recogió información: (a) personal y de contexto familiar; (b) sobre antecedentes académicos; (c) características y determinantes del ingreso al programa; (d) experiencia académica y científica llevada a cabo durante la permanencia en el programa; (e) situación de los egresados del programa; (f) producción académica y científica y (g) participación en eventos científicos, pasantías, e intercambios académicos.

La encuesta se aplicó a través de internet durante el período comprendido entre el 23 de mayo y el 21 de junio de 2016.

La encuesta fue enviada a todos los participantes del programa de jóvenes investigadores desde los años 2000 al 2016 (112), se pudo comprobar que un total de 108 personas recibieron la encuesta entre quienes se encuentran las 96 personas que respondieron de manera completa el instrumento (tasa de respuesta de 89%).

Tabla 2. Diligenciamiento de la encuesta por parte de los participantes del

programa de jóvenes investigadores 2000-2016

# %

Participantes entre 2000 y 2016 112

Participantes que recibieron la encuesta 108 100% Participantes que respondieron la encuesta 96 89% Participantes que no respondieron la

encuesta 12 11%

Es de destacar que el porcentaje tan alto de respuesta de jóvenes que han pasado por el programa durante un período de tiempo de 16 años sugiere un alto grado de compromiso y sentido de pertenencia con el programa., lo cual es consistente con el resultado de la

20

importancia del programa en las vidas académicas y de formación de los jóvenes investigadores. La calidad del programa de la maestría de la facultad de economía se encuentra en gran medida asociado y determinado por la calidad del proceso de selección; por la calidad del programa de jóvenes investigadores que a su vez, en gran proporción, son estudiantes de la maestría; por la calidad y la integración de estudiantes de la maestría que convergen en asociatividad con los jóvenes investigadores; por la calidad de los docentes-investigadores de la facultad de economía en quienes se soporta la maestría; por los indicadores de productividad de los investigadores; por la excelencia de las relaciones académicas internacionales de la facultad, del grupo de investigación y de sus integrantes, y por la calidad de la cultura de investigación y de las reglas de juego de la ciencia que se expresan en las actividades de publicaciones, proyectos y seminarios permanentes.

Uno de los elementos que podrían explicar el éxito del programa es la experiencia con la que se eligen los jóvenes que se benefician del programa. Bien sea que el joven llegue al programa a través de un proceso de selección por convocatorias o por recomendación de investigadores reconocidos, se seleccionan candidatos que, además de sobresalir académicamente, se destacan por características como sus habilidades matemáticas, sus hábitos de lectura, y su capacidad de relacionamiento. La inmersión del joven en el grupo de investigación en compañía de un supervisor, requieren en este un conjunto de habilidades sociales que faciliten su interacción con otros investigadores y otros jóvenes que participan en el grupo. Además de brindar al joven la oportunidad de, mediante le metodología de aprender haciendo, formarse para la investigación, el grupo y la facultad ofrecen una serie de espacios académicos, de intercambio de experiencias y de reflexión crítica.

Como se observa en la gráfica 1, la mayoría de los participantes fueron monitores académicos, auxiliares de investigación o han hecho parte de semilleros de investigación previa participación en el programa de jóvenes investigadores. El 47% de los encuestados revela haber participado en el semillero de investigación, el 56% participó como auxiliar de investigación y el 81% como monitores académicos. Es claro que estos porcentajes no son excluyentes.

.

21

Gráfica 1. Actividades realizadas antes de ingresar al programa

En la gráfica 2 se destaca el papel de la recomendación para la presentación del joven al programa y la definición final de su ingreso al mismo. Se evidencia un proceso de confianza en la aplicación, dados los mecanismos mediante los cuales lo jóvenes logran su ingreso al programa. Como se observa en la figura anotada, el 70% de los participantes fue recomendado por un profesor o docente perteneciente al grupo de investigación de la facultad de economía de la Universidad del Rosario; en segundo lugar el 15% ha ingresado por recomendación de un docente-investigador de una universidad diferente a la Universidad del Rosario, ya sea por relaciones académicas que mantiene con sus pares o por el conocimiento que se tiene a nivel nacional del programa de la facultad de economía. En este caso, es relevante a nivel del programa de jóvenes, la incidencia que está teniendo el relacionamiento de la facultad con algunos programas de economía regionales. Finalmente, en tercer lugar, el 11% ingresó por recomendación de un profesor investigador externo al grupo mismo, pero de la misma Universidad del Rosario, lo que lleva a que estos estudiantes hayan provenido de un programa de pregrado diferente a economía.

81%

56%

47%

16%

13%

19%

44%

53%

84%

88%

0% 20% 40% 60% 80% 100%

Monitor académico

Auxiliar de investigación

Semillero de investigación

Voluntario en grupo de investigación

Estudiante en formación dentro de un grupo deinvestigación

Sí No

22

Gráfica 2. Medio por el cual ingresó al programa de jóvenes investigadores

En la gráfica 3 se destaca la percepción que tienen los jóvenes investigadores de las razones que los llevaron a ser elegidos por alguna de las fuentes anteriormente mencionadas. El 81% de los encuestados considera que la razón preponderante para ser recomendado a participar en el programa fue su desempeño académico; por su parte el 47% y 28% considera que fue su participación como asistente de investigación y su participación en el programa de monitores académicos una de las razones por la que fueron recomendados para el programa. Menos del 20% de los encuestados considera que la capacitación previa y su participación en el semillero de investigación, tuvo peso en la recomendación al programa. Hay que destacar sin embargo que al no ser excluyentes las respuestas, puede darse el caso que muchos de los jóvenes actuales participaron a la vez en el semillero de investigación y en el programa de monitores académicos y/o asistentes de investigación.

70%

11%

15%

4%

Recomendación de un investigador odocente del grupo de investigación

Recomendación de un investigador odocente ajeno al grupo de investigacióny perteneciente a la institución queacoge al grupoRecomendación de un investigador odocente de otra institución

Otro (Resultados en prueba ECAES,entrevista, recomendación de jóvenesinvestigadores)

23

Gráfica 3. Razones por las cuales considera que fue recomendado

En la gráfica 4 se analiza la participación de los jóvenes en las diversas actividades que se llevan a cabo durante la estadía en el programa de jóvenes investigadores. El análisis del conjunto de actividades de investigación, capacitación y extensión en las que participa (o participó) el joven durante el programa da cuenta de la dinámica interna del grupo y de su capacidad para generar ambientes idóneos para la investigación. En este sentido la participación en proyectos de investigación, actividades de investigación y enseñanza (monitorias, etc.) fue alta para más del 50% de los jóvenes. Por otro parte, no hubo casi participación en actividades de capacitación o redes científicas. Estos dos temas se presentan en la medida que el joven ha egresado del programa de maestría y del programa de jóvenes e inicia su tránsito al camino científico ya sea por profesionalizar esta actividad una vez ha concluido la maestría o de manera mayor si ha iniciado su doctorado.

81%

47%

28%

18%

13%

19%

53%

72%

82%

87%

0% 20% 40% 60% 80% 100%

Desempeño académico

Participación como asistente de investigación

Participación en programas de monitores académicos

Participación en semillero de investigación

Capacitación previa (Cursos, talleres)

Sí No

24

Gráfica 4. Nivel de participación en actividades dentro del plan previsto en el

programa de jóvenes investigadores

En cuanto a la satisfacción con conocimientos, destrezas y habilidades adquiridas en el programa (gráfica 5), los jóvenes reportan en general un alto grado de satisfacción con respecto al conjunto de opciones indicadas, destacándose una cualidad esencial de formación en la investigación y en la profesión del economista, que es el manejo y dominio de bases de datos con un grado del 85% entre muy satisfactorio y satisfactorio; por otra parte la satisfacción con la competencia relacionada con la habilidad para conducir el trabajo de investigación se califica con un 52% muy satisfactoria y un 43% de manera satisfactoria, formando estas dos apreciaciones un 95% de grado de satisfacción. Con relación al aprendizaje del contenido teórico se presenta también un muy alto grado de satisfacción, de 93% entre muy satisfactorio y satisfactorio. De igual forma, más del 90% de los jóvenes coinciden en su satisfacción en cuanto a la capacidad para plantear y resolver problemas. Por otro lado, donde existe menos satisfacción es en el desarrollo de destrezas de comunicación interpersonal, donde solo 75% de los encuestados se encuentra satisfecho.

10%

13%

18%

27%

29%

55%

61%

67%

28%

42%

41%

44%

38%

22%

31%

25%

39%

33%

23%

20%

23%

9%

6%

6%

23%

13%

19%

9%

10%

14%

1%

2%

0% 20% 40% 60% 80% 100%

Redes científicas

Actividades de capacitación (cursos, talleres,entrenamiento en metodologías especificas)

Eventos científicos (Talleres, conferencias,seminarios en los que presentó trabajos)

Actividades de divulgación científica y formación(reuniones de grupo, seminarios de…

Contribución a publicaciones científicas

Enseñanza (“Apoyo en rotaciones”, monitorias, cursos de pregrado, orientación en semilleros)

Actividades de investigación

Proyectos de investigación

Alto Medio Bajo Nulo

25

Gráfica 5. Satisfacción con conocimientos, destrezas y habilidades adquiridos en el

Programa de Jóvenes Investigadores

En la gráfica 6 se presenta la información anterior, pero de manera diferente en cuanto a escala de valoración de síntesis indicando el valor promedio de satisfacción las categorías analizadas. Al observar la valoración, todas ellas están entre valores de 4,3/5,0 a 4,5 /5,0 a excepción de la denominada destrezas de comunicación interpersonal, que tiene un valor promedio de 3,9/5,0. El nivel promedio realmente es muy alto.

29%

40%

44%

45%

47%

49%

51%

52%

57%

46%

50%

54%

52%

41%

43%

42%

43%

28%

17%

8%

1%

2%

11%

5%

6%

4%

10%

6%

1%

1%

1%

1%

3%

1%

1%

3%

2%

1%

1%

0% 20% 40% 60% 80% 100%

Desarrollo de destrezas de comunicacióninterpersonal

Capacidad para el diseño e implementación demetodologías de investigación

Capacidad para plantear problemas

Capacidad de resolver problemas

Manejo de software especializado

Desarrollo de destrezas para realizar proyectos deinvestigación

Contenido teórico en el campo de su especialidad

Habilidades para conducir el trabajo deinvestigación

Manejo de bases de datos

Muy Satisfecho Satisfecho Insatisfecho Muy Insatisfecho No Se

26

Gráfica 6. Satisfacción con conocimientos, destrezas y habilidades adquiridos en el

Programa de Jóvenes Investigadores (con promedios)2

La gráfica 7 muestra el grado de satisfacción con aspectos generales del programa de jóvenes investigadores, en cuanto a las siguientes categorías con su respectivo grado de satisfacción, y respectivo orden, tomando entre muy satisfactorio y satisfactorio las respuestas ofrecidas por los jóvenes:

En mayor nivel relativo de respuesta se encuentran las siguientes categorías: (a) formación en investigación (96%), (b) acceso a la literatura (95%); (c) ambiente de investigación (94%) y (d) relevancia del programa con los intereses particulares y necesidades de cada joven investigador (94%).

En nivel intermedio relativo de respuestas se encuentran: (e) calidad de la orientación tutorial (88%); (f) acceso a líderes de investigación (88%) y (g) acceso a bases de datos especializadas (87%);

En nivel menor relativo de respuestas se encuentran: (h) acceso a laboratorios y facilidades de investigación (79%); (i) asistencias a congresos y eventos (62%); (j) participación en redes

2 La medición de nivel de satisfacción de los jóvenes que se presenta entre paréntesis se estableció en una escala entre 1 a 5, donde 1 representa “no se” y 5 “muy satisfecho”.

29%

40%

44%

45%

47%

49%

51%

52%

57%

46%

50%

54%

52%

41%

43%

42%

43%

28%

17%

8%

1%

2%

11%

5%

6%

4%

10%

6%

1%

1%

1%

1%

3%

1%

1%

3%

2%

1%

1%

0% 20% 40% 60% 80% 100%

Desarrollo de destrezas de comunicacióninterpersonal (3,9)

Capacidad para el diseño e implementación demetodologías de investigación (4,3)

Capacidad para plantear problemas (4,4)

Capacidad de resolver problemas (4,4)

Manejo de software especializado (4,3)

Desarrollo de destrezas para realizar proyectos deinvestigación (4,4)

Contenido teórico en el campo de su especialidad(4,4)

Habilidades para conducir el trabajo deinvestigación (4,5)

Manejo de bases de datos (4,4)


27

académicas (59%) y (k) contactos a otros grupos de investigación externos a la institución donde se desempeñó como joven investigador (56%).

Gráfica 7. Satisfacción con aspectos generales del programa de jóvenes investigadores

En la gráfica 8, se presenta la información anterior, pero de manera diferente en cuanto a escala de valoración de síntesis indicando el valor promedio de satisfacción de las categorías analizadas. Al observar la participación muy satisfactoria y satisfactoria y comparar con la valoración de los grupos establecidos se encuentra que los grupos considerados: De mayor nivel relativo de respuestas tienen una valoración entre valores de 4,5/5,0 y 4,4/5,0. A diferencia de la clasificación anterior la categoría calidad de la orientación tutorial que estaba en el segundo grupo, entra a hacer parte de este primer grupo; las de mediano nivel relativo se encuentran entre 4,3/5,0 y 4,0/5,0. En este grupo a diferencia del anterior entra a hacer parte la categoría de acceso a laboratorios y facilidades de investigación y en el tercer grupo, de menor nivel relativo se encuentran las categorías valoradas entre 3,6/5,0 y 3,5/5,0. Sobre este último grupo cabe destacarse que es normal la valoración menor, porque la participación de estas categoría se realizan por lo jóvenes tiempo después de que salen formados del programa y en general de la maestría.

16%

18%

22%

32%

47%

48%

51%

52%

52%

53%

56%

46%

41%

34%

47%

41%

39%

45%

36%

42%

41%

39%

26%

28%

28%

13%

9%

8%

3%

8%

5%

4%

4%

7%

7%

7%

2%

2%

4%

2%

1%

2%

1%

5%

6%

8%

6%

1%

1%

1%

1%

0% 20% 40% 60% 80% 100%

Asistencia a congresos y eventos

Participación en redes académicas

Contactos con otros grupos de investigaciónexternos a la institución donde se desempeñó…

Acceso a laboratorios y facilidades deinvestigación

Acceso a líderes de investigación

Acceso a bases de datos especializadas

Formación en investigación

Calidad de la orientación tutorial

Relevancia del programa en relación con susintereses y necesidades

Ambiente de investigación

Acceso a la literatura especializada


28

Gráfica 8. Satisfacción con aspectos del programa de jóvenes investigadores -

promedios

La tabla 3 muestra la proporción de jóvenes que continuaron con una carrera académica adelantando estudios de posgrado (97% de los encuestados). Dentro de este grupo están incluidos los jóvenes que obtuvieron doctorado o maestría y aquellos que se encuentran adelantando estos estudios. El 3% restante corresponde a jóvenes que no terminaron ninguna maestría.

Tabla 3. Nivel de estudios más alto alcanzado por los jóvenes investigadores

# %

Pregrado culminado 3 3% Maestría en curso 18 19%

Maestría culminada 53 55% Doctorado en curso 9 9%

Doctorado culminado 13 14% TOTAL 96 100%

16%

18%

22%

32%

47%

48%

51%

52%

52%

53%

56%

46%

41%

34%

47%

41%

39%

45%

36%

42%

41%

39%

26%

28%

28%

13%

9%

8%

3%

8%

5%

4%

4%

7%

7%

7%

2%

2%

4%

2%

1%

2%

1%

5%

6%

8%

6%

1%

1%

1%

1%

0% 20% 40% 60% 80% 100%

Asistencia a congresos y eventos (3,6)

Participación en redes académicas (3,6)

Contactos con otros grupos de investigaciónexternos a la institución donde se desempeñó…

Acceso a laboratorios y facilidades de investigación(4,0)

Acceso a líderes de investigación (4,3)

Acceso a bases de datos especializadas (4,3)

Formación en investigación (4,4)

Calidad de la orientación tutorial (4,4)

Relevancia del programa en relación con susintereses y necesidades (4,4)

Ambiente de investigación (4,4)

Acceso a la literatura especializada (4,5)


29

Todos los participantes del programa que culminaron sus estudios de doctorado o que están realizando sus estudios de doctorado lo hicieron o lo están haciendo en universidades del exterior con gran reconocimiento en Europa y Estados Unidos. Esto refleja la capacidad de los jóvenes de articularse en redes académicas globales una vez culminado su proceso formativo en el programa de jóvenes investigadores

En la gráfica 9 se puede observar que el 79% de los encuestados consideró que el impacto del programa en su trayectoria de vida es alto, el 17% es medio y solamente el 4% considera que el programa de jóvenes investigadores no ha sido determinante para su trayectoria de vida. La figura 1 es una excelente representación del impacto que ha significado el programa de jóvenes investigadores en su trayectoria de vida. Esta representación se plasmó a partir de la respuesta a la pregunta 32 de la encuesta en la que se le solicitaba a cada joven que sintetizara en una frase la experiencia y significado del programa de jóvenes investigadores en su trayectoria y formación de vida académica e investigativa y de formación profesional. En la tabla 4 se presentan las frases que sintetizan las respuestas a la pregunta 32 y que recoge el diagrama presentado en la figura 1.

Gráfica 9. Percepción del impacto que el Programa de jóvenes investigadores ha

tenido en la trayectoria de vida

79%

17%4%

Alto Medio Bajo

30

Figura 1. Representación de las expresiones de los Jóvenes Investigadores sobre el Programa

[31]

Tabla 3. Encuesta Realizada a los Jóvenes Investigadores

2000 – 2016

Pregunta 32. Elija una frase que sintetice su experiencia en el programa de jóvenes

investigadores

Formación y mejoramiento

Aprendizaje

La excelencia y la disciplina caracterizan al programa de jóvenes investigadores.

Es un buen comienzo.

Aprender herramientas para la investigación y crear network

Oportunidad

Un muy buen programa, aunque aprovecharlo depende en gran medida del estudiante

Programa excepcional para una formación académica e investigativa

Aprendizaje

Una buena experiencia profesional,

Oportunidad para aplicar y conocer a profundidad los temas de interés profesional

Inicio de mi carrera profesional

El Programa de Jóvenes Investigadores es una verdadera inmersión en la investigación.

Ser Joven investigador dio forma a mi proyecto de vida profesional y personal

El programa me permitió encontrar mi vocación como investigador

Desarrolle muchas habilidades con software

El programa es muy enriquecedor para formar las bases de un investigador.

Alto valor agregado

Formador de estructura mental del pensamiento

En general una buena experiencia

Desarrollo de habilidades clave para el trabajo en investigación.

Experiencia de vida y formación de alto nivel en el campo profesional y personal

[32]


investigadores

Un excelente ambiente para la investigación

Experiencia enriquecedora y relevante para mi carrera profesional

Ser asistente de investigación y tener poca incidencia en la toma de decisiones

Fue una experiencia que me permitió acercar a algunos temas de investigación

Para un recién graduado en economía, una excelente oportunidad para desarrollarse como investigador y generar redes de trabajo (networking)

El azar solo favorece a las mentes preparadas

Un espacio para construir conocimiento.

Ser Joven investigador fue una experiencia académica y, ante todo, de vida y proyección laboral

El conocimiento soló se afianza con la practica

Apertura hacia una red de formación científica en economía en el Mundo

Una buena primera experiencia en la investigación

Dos años en el programa son equivalentes a 2 años teóricos en otra universidad y dos años empíricos en otra institución de investigación

Gratificante

Fue una experiencia muy positiva que me abrió las puertas a otros conocimientos y maneras de entender las cosas

Fue el comienzo de una vida como investigadora

Fue una experiencia muy enriquecedora para mi formación como investigadora y me abrió nuevas puertas.

Las preguntas importantes se responden dedicando vastas cantidades de tiempo, trabajando en equipo, y aprendiendo cosas nuevas.

Aprendizaje y trabajo en grupo

Es una oportunidad de afianzar y aumentar mis conocimientos.

[33]


investigadores

Una experiencia de educación que me permitió adquirir experiencia laboral relevante y amigos para la vida

Un éxito

Calidad

Desarrollo de capacidades y habilidades útiles para la vida académica, profesional y personal.

Excelente escuela de formación para la investigación

Crecimiento profesional completo y satisfactorio

Es una experiencia enriquecedora para la vida profesional

Muy divertido

Aprendizaje y disciplina

Muy enriquecedora y fundamental en el trayecto profesional de mi carrera

Un programa que fortaleció mi formación académica y profesional

Decisión acertada

Dos palabras: Aprendizaje y Oportunidades

Una experiencia laboral enriquecedora en conocimiento y experiencia

Es el perfecto complemento de la maestría en Economía

Yo estudié medicina. El programa me formó como economista

Parte fundamental de mi formación para seguir una carrera académica

Aprendí a trabajar en equipo en temas de economía aplicada con grandes investigadores y amigos

Ha sido una experiencia excelente bastante completa uy satisfactoria

Necesidad de publicar un trabajo académico

Me dio acceso a mejores oportunidades en la academia

Investigación autónoma

[34]


investigadores

Mi paso por el programa me permitió crecer a nivel profesional y personal, conocer personas que aportaron a mi vida y construir relaciones para toda la vida

Buena experiencia de aprendizaje

El programa cambió mi perspectiva profesional y dio forma al proyecto que quiero realizar para mi vida.

Da las herramientas necesarias para aprender a realizar investigaciones de alta calidad

Gran aprendizaje

Hasta ahora estoy comenzando.

Formación significativa

Aprendizaje y desarrollo de herramientas para el análisis de problemas

Disciplina y exigencia, aunque falta de cumplimiento de metas personales

Oportunidad de contacto y aprendizaje con pares y profesores con experiencia en los temas de interés.

Cambió mi vida

Me enseñó a cómo abordar los problemas y buscar soluciones desde un punto científico

Gran experiencia de aprendizaje por el equipo con el que pude compartir

Entrenamiento para el mundo académico

III. Recolección de información y métodos estadísticos

Los datos

A partir de la información de la encuesta y la información que se extrajo y codificó de los CV, se construyeron las variables de interés para identificar los determinantes de productividad. Se tomó como unidad de análisis cada joven investigador que ha pasado o se encuentra inscrito en el programa, la tabla 4 ofrece una descripción de las variables y la tabla

5 muestra las estadísticas descriptivas de las mismas:

[35]

Tabla 4. Descripción de variables

Variable Descripción

Número de publicaciones

Número de publicaciones del JI

Edad Edad Género 1 = Hombre, 0 = Mujer Privado 1 = Se graduó de un colegio privado, 0 = se graduó de un colegio

público Bogotá 1 = Antes de JI viene de Bogotá, 0 = Antes de JI viene de una

ciudad diferente a Bogotá Dos mil cinco 1 = cohorte de JI 2000-2005, 0 = otro caso Dos mil diez 1 = cohorte de JI 2006-2010, 0 = otro caso Dos mil dieciséis 1 = cohorte de JI 2011-2016, 0 = otro caso Colaboraciones Número de publicaciones con co-autores/número total de

publicaciones Reconocimientos 1 = ha recibido reconocimientos, 0 = no ha recibido

reconocimientos Publicación temprana 1 = Publicó durante pregrado o maestría, 0 = No publicó durante

pregrado o maestría Movilidad laboral Número de posiciones de trabajo que ha tenido Duración del tratamiento

Días en los que estuvo en el programa de JI

Maestría 1 = continuó una maestría, 0 = otro caso Académico 1 = continuó una carrera académica, 0 = otro caso No académico 1 = continuó una carrera No académica, 0 = otro caso

[36]

Tabla 5. Estadísticas descriptivas

Cabe destacar la edad promedio de la muestra, de 28 años, para mencionar que este es un grupo de individuos con grandes capacidades, pero más aún con un alto potencial productivo. Podría decirse que esta es una evaluación temprana que se les hace, y que los resultados en términos de número de publicaciones no representan la productividad de un investigador experimentado, sino un análisis en un momento relativamente temprano en sus carreras. La posibilidad de repetir el ejercicio en el futuro permitirá un mejor seguimiento a la evolución de quienes se han beneficiado por el Programa.

Métodos estadísticos

En línea con el seguimiento temprano de quienes han participado en el programa, se puede observar que la variable explicada – Número de Publicaciones – tiene una asimetría positiva, está acotada en el límite inferior (censurada en el lado izquierdo), es estrictamente no negativa y además tiene bastantes ceros (es una solución de esquina), en otras palabras, la mayoría de los participantes han tenido pocas o ninguna publicación. En el siguiente histograma de frecuencias (gráfica 10) se notan estas características:

Nombre de la Variable Número de

observaciones

Media Varianza Desviación

Estándar

Mínimo Máximo

número_de_publicaciones 94 3,8700 37,8500 6,1520 0 31 Edad 94 28,6200 21,3300 4,6180 21 40 Género 94 0,5957 0,2434 0,4934 0 1 Privado 94 0,7660 0,1812 0,4257 0 1 Bogotá 94 0,8298 0,1428 0,3778 0 1 dos_mil_diez 94 0,2872 0,2069 0,4549 0 1 dos_mil_dieciseis 94 0,5000 0,2527 0,5027 0 1 Colaboraciones 94 0,3375 0,1693 0,4115 0 1 Reconocimientos 94 0,2766 0,2022 0,4497 0 1 Publicación temprana 94 0,3298 0,2234 0,4727 0 1 Movilidad Laboral 94 5,5310 18,3160 4,2790 0 13 Maestría 94 0,1277 0,1126 0,3355 0 1 Académico 94 0,3617 0,2334 0,4831 0 1

[37]

Gráfica 10. Histograma de frecuencia de la variable “Número de Publicaciones”

En la tabla 5 se revisa esta información con mayor precisión; hasta el percentil 50 el número de publicaciones es cero, y estas aumentan rápidamente en los percentiles más altos. Allí mismo, las medidas de centralización y dispersión confirman el hecho de que se está frente a una variable con las características de distribución ya mencionadas.

Tabla 5. Medidas de centralización y dispersión de la variable “Número de Publicaciones

Percentiles Número de publicaciones

1% 0

5% 0 Media 3.8723 10% 0 Desviación Estándar 6.1526 25% 0 Varianza 37.8545 50% 0 Asimetría 1.9173 75% 6 Curtosis 6.7512 90% 13

95% 18

99% 31

Con los datos presentados no es posible hacer estimaciones por Mínimos Cuadrado Ordinarios (MCO) sin incurrir en problemas de sesgo e inconsistencia, de hecho, cuando se

020

4060

0 10 20 30Número de publicaciones

[38]

corre un modelo de regresión lineal clásico, los coeficientes muestran signos y magnitudes erráticas, además de no poseer significancia estadística. Estos problemas surgen de la posible censura en los datos (existen datos para el vector de variables explicativas, pero en muchos casos la respuesta de la variable dependiente es cero), para ilustrar, se presenta la gráfica 11, cuando se traza un gráfico de dispersión de la variable dependiente frente a algunas variables explicativas (en este caso, la movilidad laboral), se encuentran puntos que quedarían dispersos sobre el eje horizontal, sesgando la estimación. Por estas razones, se debe recurrir a otras técnicas estadísticas para estimar el modelo.

Gráfica 11: Gráfico de dispersión Número de Publicaciones – Número de Trabajos

Modelo Tobit

Los modelos Tobit están diseñados para explicar variables dependientes limitadas con solución de esquina, es decir aquellas en las que para una proporción considerable de la muestra el dato de respuesta es cero, sin embargo, para los datos estrictamente positivos se distribuye de una forma aproximadamente continua. En este caso particular, se determina una variable dependiente estrictamente no negativa (número de publicaciones) en relación con el vector de variables explicativas, y se supone la existencia de una variable latente ( �∗) que es explicada por el vector de variables independientes y un término de perturbación estocástico { �∗ = � � + � , � ~� , � } la variable dependiente observada se define así:

� = � + � � + � �� ℎ > � = � á

O en términos de la variable latente:

01

02

03

0

0 5 10 15

Número de trabajos

Número de publicaciones Fitted values

[39]

� = �∗ �� ∗ > � = �� ∗ ≤ Por las razones expuestas, el modelo Tobit no se puede estimar por MCO, se debe estimar con el método de Máxima Verosimilitud (MV), para este caso en especial, el modelo tiene un límite inferior y la función de verosimilitud se ve así:

∏ � � � − ��= � �� − � ( �� −� ) �−� ��

donde: � � = , � � = ; � � = , ; í � � � � � �

La interpretación de los coeficientes de regresión del modelo Tobit es similar a la de los modelos clásicos, sin embargo, el resultado se da directamente sobre la variable latente ( �∗ y es un poco más complicado, en realidad, provee información sobre el cambio en � de los datos dentro de los límites establecidos, ponderado por la probabilidad de estar en dicho límite. Para efectos prácticos, en el presente estudio se presentará una interpretación similar a la que se desprende de los modelos por MCO y se dará mayor importancia a la significancia estadística que a la predicción puntual. Por razones similares, Dietz & Bozeman (2005), Jaramillo et al. (2008), Jaramillo & Lopera (2008) y Jaramillo et al. (2009), estiman modelos de determinantes de productividad científica a través de modelos Tobit.

Modelo Poisson

Además de los detalles mencionados sobre la variable dependiente - número de publicaciones – existen dos más que se pueden agregar, el primero es que es una variable discreta y el segundo es que se compone con datos de tipo cuenta (no negativos y provenientes de un conteo). El modelo de regresión de Poisson se ajusta bien a las características de los datos presentados. La ecuación a estimar es la siguiente: � ⋮ , … . ) = exp(� + � �+ . . . +� ) Debido a que exp(.) siempre es positiva, los valores predichos para también serán positivos. Aplicando logaritmo a ambos lados de la ecuación, se tiene que: log{� ⋮ , … . } = � + � �+ . . . +� Es decir que los coeficientes de regresión nos dan el cambio porcentual en � ⋮ dado una variación en una unidad de �, al igual que en los modelos log-lin.

La regresión de Poisson tiene una característica peculiar que resulta algo restrictiva, está parametrizada por que es tanto la media como la varianza muestral; cuando no se cumple esta condición, particularmente, cuando la varianza es mayor a la media, se dice que existe sobre-dispersión y es recomendable utilizar una regresión binomial negativa, tal es el caso

[40]

con los datos registrados en la presente base de datos, razón por la cual más adelante se ajusta un modelo de este tipo (Vives, 2002).

En general, las distribuciones estándar de datos de conteo exhiben heterocedasticidad y los mínimos cuadrados no lineales no se ajustan a estas distribuciones (Wooldridge, 2002). Para abordar estos inconvenientes se utiliza el método MV y se ejecuta el modelo con errores robustos (Cameron & Trivedi, 2009). Dietz & Bozeman (2005) también corren una regresión de Poisson para identificar determinantes de productividad científica con información proveniente de CV.

Regresión Binomial Negativa

Ante la posible presencia de sobre-dispersión, se puede implementar un modelo de distribución de Poisson, pero que no requiere que la media y la varianza sean iguales, estos son los modelos conocidos como Regresión Binomial Negativa (RBN). En RBN hay un parámetro extra que modela la sobre-dispersión, en cuyo caso la varianza es una función de su media, pero adicional a un parámetro . La varianza se define así: � = +

A medida que el parámetro de dispersión aumenta, la varianza converge al valor de su media y la distribución se asemeja más a una Poisson. Además de esta diferencia, la RBN se puede tratar como el modelo Poisson presentado anteriormente.

IV. Resultados

Se pretende corroborar, para este caso de estudio, algunos de los resultados revisados en la literatura. Por ejemplo, estudiar el poder predictivo de las variables explicativas: a) colaboraciones, b) movilidad laboral, c) publicaciones tempranas, d) duración del tratamiento (días como joven investigador), y e) opción de carrera; sobre la productividad académica. Vale la pena mencionar que se consideró evaluar el impacto del programa, incluyendo una variable adicional {D = 1 si Participó en el programa, D = 0 si no participó en el programa}, e implementando metodologías tradicionales de evaluación de impacto. Por el momento es difícil hacerlo ya que, debido al éxito del programa, la mayoría de los estudiantes de maestría en economía de UR han sido jóvenes investigadores, lo que dificultaría la consecución de una muestra representativa de un grupo de control y habría problemas de poder estadístico. Por estas razones, el objetivo de los modelos que se presentarán a continuación no es otro que analizar algunos determinantes de la productividad científica en un grupo específico de la población que se caracteriza por su excelente rendimiento académico y profesional. La tabla 6 presenta los resultados de los modelos Tobit, Poisson y Binomial Negativo.

[41]

Tabla 6: Resultados de los modelos Tobit, Poisson y Binomial Negativa

[42]

La tabla 6 muestra los resultados de los tres modelos que se ajustaron bien a la distribución de los datos. Las conclusiones no varían mucho entre ellos. La diferencia del modelo Tobit con los otros dos es que la magnitud de los coeficientes es mucho más grande, debido a que estos no miden la respuesta de la variable dependiente ante cambios en las variables explicativas, sino que el impacto se da sobre una variable latente ∗, que se definió en la sección III y que elimina el sesgo causado cuando la regresión se intenta ajustar a los datos censurados. Con fines prácticos, el análisis se hace más sobre significancias estadísticas y comparaciones entre modelos.

De manera general, los tres modelos corroboran algunas de las hipótesis estudiadas, a saber, la movilidad laboral y la tasa de colaboraciones están asociadas a una mayor productividad laboral, a cualquier nivel de significancia. La duración del tratamiento no es significativa en el modelo Tobit, pero sí lo es en los modelos Poisson y Binomial Negativo. Una variable que parece ser fundamental para predecir el desempeño académico en el futuro es el hecho de haber seguido una carrera académica (es estadísticamente significativa y posee coeficientes grandes en todos los modelos en los que fue incluida). Las publicaciones tempranas tienen un fuerte poder explicativo, pero solo en el modelo Binomial Negativo. La variable de reconocimientos solo es significativa en el modelo Tobit, por lo que sus resultados son ambiguos, además debido a que los CV son auto reportados, esta variable tiene una carga subjetiva grande.

Algunas variables sociodemográficas ayudan a caracterizar la muestra. Por ejemplo, como es de esperar, la edad está correlacionada positivamente con la producción académica (al 10% de significancia en los modelos Poisson y Binomial Negativo). Un resultado satisfactorio es que aquellas variables que evidenciarían algún tipo de discriminación social en el programa no son significativas (el género, provenir de una región diferente a Bogotá, y graduarse de un colegio público). Para ver las implicaciones de este resultado vale la pena mencionar un hallazgo en Jaramillo et al. (2006, pág. 103) que encuentran que cuando los jóvenes investigadores llegan a un grupo con un ambiente homogéneo de alta calidad y valor agregado las brechas previas se cierran. Por el contrario, estas brechas se mantienen para grupos de menor calidad que aportan menos valor al joven. Es decir que, en el programa de jóvenes investigadores de economía de la Universidad del Rosario, las brechas latentes con características como región de procedencia o naturaleza del colegio donde se graduó el individuo se eliminan.

Un resultado satisfactorio es que algunas variables que han sido relacionadas con productividad en los estudios mencionados (género, grado de desarrollo del lugar de origen o calidad educativa del lugar donde se culminaron estudios secundarios) no fueron significativas en los jóvenes encuestados. Esto sugiere que el Programa de jóvenes investigadores de la facultad de economía puede corregir asimetrías de entrada.

Este resultado es consistente con otros estudios realizados en el país (Jaramillo et al.,2006, pág. 103) en donde se encuentra que un grupo con un ambiente homogéneo de alta calidad y

[43]

valor agregado tiene la capacidad de cerrar brechas previas. Por el contrario, estas brechas se mantienen para grupos de investigación de menor calidad que aportan menos valor al joven. Es decir que, en el programa de jóvenes investigadores de economía de la Universidad del Rosario, las brechas latentes con características como región de procedencia o naturaleza del colegio donde se graduó el individuo se eliminan.

Por último, no se encuentran diferencias por cohortes en términos de productividad académica.

Más específicamente –teniendo en cuenta que los modelos Poisson y Binomial Negativo expresan el cambio porcentual en � ⋮ ante una variación en una unidad de – se tiene para los modelos Poisson y Binomial Negativo respectivamente, que cuando una persona: a) decide seguir una carrera académica, el número de publicaciones es un 80% o 100% más alta con respecto a aquellos que decidieron seguir una carrera no académica; b) publicó durante su pregrado o maestría, el número de publicaciones, aumenta en un 48.75%, con respecto a aquellos que no publicaron durante esta etapa; c) tiene un trabajo adicional, el número de publicaciones aumenta 14.67% o 16.47%; d) incrementa en una unidad su tasa de colaboraciones, el número de publicaciones aumenta en un 189% o 218%; e) permanece un día adicional en el programa, el número de publicaciones aumenta en un 0.050% o 0.0467%3.

Más allá de estos resultados es interesante observar las trayectorias profesionales de las personas de la muestra. La mayoría se mueven entre el mundo académico y el del diseño de políticas públicas. Algunas de las entidades por las cuales han pasado los jóvenes son: Banco Interamericano de Desarrollo (BID), Banco Mundial (BM), Banco de la República, Ministerios de gobierno, DANE, entre otros. En la figura 2 se presentan la prevalencia del tipo de entidades en la que han trabajado los jóvenes investigadores a lo largo de su historia profesional, y el destino inmediato después de terminar el programa.

3 Se debe tener en cuenta que este coeficiente es pequeño debido a la naturaleza de la variable explicativa, dado que el vector contiene días en los que estuvo el JI en el programa y que se tiene una media de 791 días, un día, que es el margen de variación que mide el coeficiente, es poco tiempo para que este sea más grande o comparable con las otras variables explicativas.

[44]

Destino inmediato luego del programa

100%

Continuar vinculado al

ámbito académico (como

investigador) 26,9%

Nacional55,0%

Internacional45,0%

Iniciar o continuar un programa de

maestría

15,4%

Nacional25%

Internacional75%

Iniciar un programa de doctorado

15,4%

Nacional16,7%

Internacional83,3%

Se vinculó como personal

administrativo de universidad

3,8%

Nacional66,7%

Internacional33,3%

Iniciar una vinculación con el mercado laboral

(no académico)

38,5%

Nacional77,8%

Internacional22,2%

Prevalencia de tipo de entidades en la que han trabajado los jóvenes investigadores a lo largo de su historia profesional

Académico

44,07%

Privado

12,71%

Multilateral

21,19%

Público

22,03%

Figura 2. Trayectorias Profesionales

[45]

V. Conclusiones

En Colombia, la transición hacía una economía basada en el conocimiento en donde sea posible trascender los techos que imponen modelos de crecimiento económico basados en la explotación de los recursos naturales ha estado condicionada por una sociedad con poca cultura científica, con bajos niveles de apropiación de conocimientos científicos y en general con poco interés por la ciencia y la investigación. De acuerdo a los datos de la última encuesta nacional de percepción pública de la ciencia y la tecnología que se llevó a cabo en el año 2012, si bien en Colombia se reconocía la importancia de la ciencia y la tecnología, el colombiano por lo general tiene dificultades en distinguir la repercusión de los avances científicos y tecnológicos en su diario vivir, decisiones de consumo o aspectos laborales (Daza-Caicedo, et al., 2013, p. 307). Esto coincide con la estructura del mercado laboral colombiano; los datos de la última encuesta de formación de capital humano, realizada también en el 2012 por el DANE, menos del 1% de los nuevos puestos de trabajo obedecían a actividades de investigación o desarrollo (DANE, 2014).

Una alternativa para lograr superar esta barrera de entrada a los mercados basados en el conocimiento, en ventajas competitivas fundamentadas en la innovación, en lugar de en una mano de obra barata, es inculcar en los estudiantes una cultura en donde se valore el avance de la ciencia, el pensamiento crítico y reflexivo. En dónde los jóvenes emprendimiento se caractericen por articular a los procesos de producción o prestación de servicios conocimientos y tecnologías vanguardistas. La contribución que se puede hacer desde las Universidades a este cambio generacional es contundente. Acercar a jóvenes a la indagación científica a través de metodologías de investigación formativa y de aprender haciendo permite también a las Universidades garantizar el relevo generacional que requieren para la consolidar sus capacidades y mejorar su posicionamiento.

El programa de jóvenes investigadores que se ha promovido en Colombia desde hace 22 años es una de las alternativas para inculcar una cultura científica que nos permita avanzar como sociedad. Los datos obtenidos de los 96 beneficiaros del programa de Jóvenes Investigadores de la facultad de Economía reflejan la importancia percibida del programa en la vida de estos profesionales, quienes sienten que el programa no sólo tuvo un impacto importante, sino que este permanece a lo largo del tiempo. Del total de encuestados, 44% se encuentran vinculados en el ámbito académico mientras que un 21,19% han ingresado a entidades como el BID o el Banco Mundial, o entidades oficiales relacionadas con la toma de decisiones de política pública, en dónde se les exige también un pensamiento crítico que les permita el estudio riguroso de problemas locales y regionales y el diseño de soluciones novedosas. Un poco menos del 97% de los beneficiarios que respondieron la encuesta han cursado, o se encuentran en proceso, estudios de postgrado. De los 96 jóvenes que respondieron a la encuesta, 13 han culminado doctorado y 9 se encuentran en el proceso de obtener su título doctoral.

Los datos reflejan la importancia del programa en promover la academia y la investigación científica como opciones de vida profesionales en los participantes. Esto, claro está, requiere de una serie de espacios permanentes de gran ambiente académico de calidad, que permitan

[46]

al joven aprender al lado de sus tutores, pero también a través de la colaboración y la interacción permanente con sus pares. Estas interacciones se manifiestan de diversas maneras y por lo general requieren de una serie de instrumentos que sean accesibles para los jóvenes participantes del programa. Quienes respondieron la encuesta manifestaron estar por lo general satisfechos, o muy satisfechos, con acceso a literatura especializada, bases de datos, redes académicas, seminarios o talleres. Valoraron el ambiente de investigación al que tuvieron acceso durante el programa, el acceso a líderes de investigación y la calidad en la orientación doctoral. Esto para decir que el éxito del programa requiere también de un esfuerzo institucional por aportar a los jóvenes, de un compromiso de los profesores de articular a estos jóvenes a sus propios procesos y proyectos de investigación. Esto resulta en que el programa tiene la capacidad de reducir las brechas en la heterogeneidad de llegada de los jóvenes por la diversidad de sus antecedentes sociales y educativos. Esto significa que el valor agregado que da la institucionalidad que alberga al joven reduce la probabilidad de la deserción derivada de brechas ya sea de diferenciales entre colegios públicos y privados, o por la procedencia de territorios con niveles de desarrollo desigual. Este resultado se constituye en uno de los mayores logros del programa de jóvenes investigadores.

Pero además de permitir comprobar lo provechoso que puede ser un esfuerzo en esta materia para incidir en las trayectorias profesionales de los jóvenes estudiantes, el estudio realizado permitió también confirmar algunas de las hipótesis sobre determinantes de productividad académica descritas en este documento. Se encontró que, en general, los determinantes de productividad que se habían encontrado en la literatura internacional y nacional se replicaban en la muestra de los 96 jóvenes encuestados y de quienes obtuvimos una copia de su CV. El número de publicaciones académicas, la productividad científica, mostró un efecto positivo y significativo de: a) la movilidad laboral, b) las colaboraciones académicas, c) la duración a la exposición del programa medida en días, d) optar por seguir una carrera académica, y e) haber publicado de manera temprana.

En este sentido, el estudio contribuye a demostrar la utilidad del CV como fuente de datos para estudiar la conformación y consolidación de trayectorias académicas. El acceso a fuentes de datos alternativas proporciona un potencial relevante de análisis. El Curriculum Vitae ha ido ganando importancia como una de estas fuentes. En Colombia tenemos una fuente de datos valiosa que no se ha explotado de una manera adecuada ni oportuna. La plataforma ScienTI contiene, 12.039 investigadores activos al 2015, lo que da una información valiosa por áreas y disciplinas del conocimiento, que permite hacer estudios longitudinales sobre el impacto y características del programa de jóvenes investigadores del país, con relación a sus trayectorias laborales y científicas, así como también entender las diferentes condiciones institucionales que determinan la varianza del grado del éxito de estas iniciativas dentro de los grupos de investigación del país.

[47]

Bibliografía

Andújar, I., Cañibano, C., & Otamendi, J. (2008). Measuring and assessing researcher mobility from CV analysis: the case of the Ramón y Cajal programme in Spain. Research Evaluation.

Bozeman, B., & Cañibano, C. (2009). Curriculum Vitae method in science policy and research evaluation: the state of the art . Research Evaluation .

Bozeman, B., Chompalov, I., & Dietz, J. (2000). Using the Curriculum Vita to study the career paths of scientists and engineer: an exploratory assessment . Scientometrics.

Cameron, C., & Trivedi, P. (2009). Microeconometrics Using Stata. College Station, TX: Stata Press.

Croley, E., Bozeman, B., & Gaughan, M. (2003). Evaluating the impacts of grants on women scientists’ careers: the curriculum vitae as a tool for research assessment. Learning

from Science and Technology Policy Evaluation.

DANE. (2014). Boletín Técnico Encuesta de Formación de Capital Humano 2012. Disponible en: http://dane.gov.co/files/investigaciones/boletines/capital_humano/BOL_CH_12.pdf

Daza-Caicedo, S., Lozano-Borda, M., & Bueno, E. (2013) Percepción pública de la Ciencia y la Tecnología en Colombia. Encuestas Nacionales 1994, 2004 y 2012. En Lucio-Arias, D., Daza-Caicedo,S., Lucio, J., Salazar-Acosta, M. (Eds.) Observando el

Sistema Colombiano de Ciencia, Tecnología e Innovación: sus actores y sus

productos. OCyT: Bogotá, D.C.

D’Onofrio, M. G. (2009). The publicCVdatabase of Argentine researchers and the ‘CV-minimum’ Latin-American model of standardization of CV information for R&D evaluation and policy-making. Research Evaluation.

Gaughan, M., & Ponomariov, B. (2008). Faculty publication productivity, collaboration, and grants velocity: using curricula vitae to compare center-affiliated and unaffiliated scientists. Research Evaluation.

Gaughan, M., & Robin, S. (2004). National science training policy and early scientific careers in France and the United States. Research Policy.

González, B., Jaramillo, H., Lopera, C., & Vecino, A. (2009). Impacto del financiamiento en salud Colciencias 1970-2007. Consejo del Programa Nacional de Ciencia y

Tecnología en Salud, Colciencias .

Jaramillo, H., & Lopera, C. (2008a). Análisis de las comunidades científicas y académicas de las ciencias básicas médicas y de la salud pública en Colombia ¿Una diferencia? Serie Documentos de trabajo, Universidad del Rosario.

Jaramillo, H., Albán, C., Latorre, C., & Lopera, C. (2008b). “El Hospital como organización de conocimiento y espacio de investigación y formación. Los recursos humanos en

[48]

salud y su tránsito a comunidades científicas: el caso de la investigación clínica en Colombia. Centro Editorial Rosarista, colección textos de economía, Facultad de

Economía.

Jaramillo, H., Albán, M. C., & Lopera, C. (2008c). Carreras Académicas. Utilización del CV para la modelación de carreras académicas y científicas. Borradores de investigación,

Universidad del Rosario.

Jaramillo, H., Piñeros, L. J., Lopera, C., & Álvarez, J. M. (2006). Aprender haciendo:

Experiencia en la formación de jóvenes investigadores en Colombia. Bogotá D.C.: Universidad del Rosario; ISBN: 958-8225-67-1.

Jonker, J., & Tijsee, R. (2008). Chinese researchers returning home: impacts of international mobility on research collaboration. Scientonometrics.

Lee, S., & Bozeman, B. (2005). The impact of research collaboration on scientific productivity. Social Studies of Science .

Lepori, B., & Probst, C. (2009). Using curricula vitae for mapping scientific fields: a small-scale experience for Swiss communication sciences. Research Evaluation.

Mangematin, V. (2000). PhD job market: professional trajectories and incentives during th PhD. Research Policy .

Núñez, J., Castro, F., Estupiñán, F., Gordillo, A., & Medina, C. (2014). Evaluación de

impacto y análisis costo-beneficio de los programas de formación de capital

intelectual de Colciencias: Jóvenes Investigadores y Becas de Doctorado. Bogotá D.C. : Fedesarrollo.

Sandstrom, U. (2009). Combining curriculum vitae and bibliometric analysis: mobility, gender and research performance. Research Evaluation.

Universidad del Rosario. (02 de Marzo de 2017). Programa de Jóvenes Investigadores. Obtenido de Programa de Jóvenes Investigadores: http://www.urosario.edu.co/Facultad-de-Economia/Programa-Jovenes-Investigadores

Vives, J. (2002). El diagnóstico de la sobredispersión en modelos de análisis de recuento. Universitat Autónoma de Barcelona.

Wooldridge, J. (2002). General approaches to non-linear estimations. En J. Wooldridge, Econometric Analysis of cross section and panel data. Cambridge, Massachusetts: The MIT Press.

Determinantes de productividad de jóvenes investigadores...

Documents

Transcript of Determinantes de productividad de jóvenes investigadores...