JAVIERSUAREZcorregida

Sexto Coloquio Interdisciplinario de Doctorado – Universidad Popular Autónoma del Estado de Puebla
Propuesta de diseño de un metamodelo de aprendizaje
organizacional en centros de investigación, desarrollo e
investigación I+D+i
Marco Javier Suárez Barón1, Beatriz Pico González2
1Universidad Popular Autónoma del Estado de Puebla/ Doctorado en Planeación
estratégica y dirección de tecnología (UPAEP)
[email protected]
2Universidad
Popular Autónoma del Estado de Puebla/ Doctorado en Planeación
estratégica y dirección de tecnología (UPAEP)
[email protected]
Resumen
Este artículo presenta la propuesta de diseño de un metamodelo de aprendizaje organizacional aplicado a
centros I+D+i. El metamodelo a diseñar será aplicado en centros de Innovación e innovación tecnológica; la
construcción de este metamodelo pretende promover el aprendizaje y gestión de conocimiento organizacional
en este tipo de organizaciones a partir de sus lecciones aprendidas en temas de vigilancia tecnológica. El
modelo se validará en centros I+D+i asociados a Universidades privadas de Bogotá D.C Colombia.
Palabras Clave
Aprendizaje organizacional, Gestión de conocimiento, Metamodelos, Lecciones aprendidas, vigilancia
tecnológica.
1.
Introducción
La ciencia y tecnología son elementos fundamentales en el desarrollo de cualquier país del mundo. De igual
manera, Los centros de innovación, desarrollo tecnológico e investigación, también llamados Centros I+D+i
son organizaciones estratégicas en la solución de problemas prioritarios de una nación.
En Colombia y específicamente Bogotá D.C estos centros I+D+i se han convertido en eje clave en el
andamiaje del sistema de ciencia y tecnología, (Colciencias, 2015). Los centros I+D+i esta ligados a
Universidades y han sido concebidos en su mayoría como las empresas de base tecnológica y en la
actualidad según OCyT(2013) son la fuente de formación de capital humano en materia de investigación y
que aportan conocimiento y contribuyen a la solución de problemas en materia de tecnología.
Las actividades de generación y almacenamiento de conocimiento se han convertido en una necesidad para
crear ventajas competitivas en las organizaciones modernas incluyendo según este estudio los centros I+D+i.
De lo anterior, este articulo describe la importancia del conocimiento y experiencias que circulan en estas
organizaciones como factor clave al establecer estrategias de aprendizaje organizacional a partir de lecciones
aprendidas con el propósito de generar la memoria organizacional del centro I+D+i.
Así mismo, este documento plantea además una primera aproximación en la formulación de un diseño de
metamodelo de aprendizaje organizacional en centros I+D+i, que facilite la adquisición y transferencia de
conocimiento a partir de lecciones aprendidas en tareas de vigilancia tecnológica que circulan en redes
sociales corporativas.
Sexto Coloquio Interdisciplinario de Doctorado – Universidad Popular Autónoma del Estado de Puebla
2.
Antecedentes
Según OCyT (2013), Colombia cuenta con un total de 38 Universidades acreditadas de alta calidad tanto de
carácter público como privado, distribuidas en los 32 departamentos que integran el país. Bogotá D.C, la
capital del país según el Sistema Nacional de Información de la Educación Superior SNIES(2014), a febrero
de 2014 son 10 Instituciones de educación superior las que cuentan con esta acreditación; donde 7
corresponden a Instituciones Privadas y 3 son Oficiales.
Los factores de investigación y desarrollo tecnológico son pieza clave para que una universidad en Colombia
reciba una acreditación de alta calidad; adicional a ello; las cifras reflejan además que cada una de las
universidades acreditadas cuentan con al menos un centro I+D+i. Para Colciencias (2012) la misión
fundamental de un centro I+D+i es apoyar a las PYMEs en su proceso innovador y a su vez Colaborar con las
Universidades en la estructuración, aplicación y práctica de modelos I+D +i. Los centros de I+D+i en
Colombia, han demostrado tener un rol fundamental en todos los estamentos de la sociedad actual para
impulsar e incentivar la creatividad (MinTics, 2013).
Makkonen & Inkinen (2014) establecen que existen componentes clave en un centro de desarrollo
tecnológico; evidentemente son elementos muy importantes en la investigación y que dirigen el camino hacia
el desarrollo de una sociedad; estos componentes responden a la creatividad y la innovación, según. Trabajos
como Chang & Chuang et al (2011) demuestran que en centros I+D+i los procesos de innovación y creación
se alimentan directamente del capital social e intelectual.
Los resultados de la investigación de Liao, Fei, & Liu (2008) reflejan hallazgos muy interesantes respecto a
lo imprescindible de incentivar y promover el aprendizaje organizacional apoyándose en el capital social e
intelectual de los integrantes de la organización. Igualmente, Maruta (2012) subraya como para cualquier tipo
de organización es trascendental poder contar con modelos de aprendizaje organizacional ya que permite
evaluar la viabilidad de sus proyectos a largo plazo y posibilita la evaluación de sus metas para saber si están
bien encaminadas; en este proceso es clave en un centro I+D+i puesto que modelos de este tipo le permitirán
para conocer su historia, trayectoria y tomar de ello aquellas lecciones aprendidas para establecer planes
estratégicos.
Adicionalmente, los centros I+D+i, el capital social ha surgido como un marco de trabajo adecuado para
explicar los mecanismos de intercambio de conocimiento organizacional (Widén ,2011). Así mismo, las
lecciones aprendidas se consideran un tipo de conocimiento para aprendizaje organizacional resultado de la
experiencia tal como lo propone Sim (2010); por ende, para que la transferencia de conocimiento logre
satisfacer las necesidades de las organizaciones Richter & Weber (2013) han concluido que es indispensable
que las lecciones aprendidas sean presentadas en el momento y en el contexto de los procesos para que éstas
sean adaptables a un proceso de aprendizaje.
Por ende, el intercambio de conocimientos, el aprendizaje organizacional y comprensión del capital social
están relacionados intrínsecamente. Algunos expertos como Hamid & Mehdi Jabbari (2011) han llegado a la
conclusión que esto le permite a las organizaciones, centros de desarrollo tecnológico y universidades
aumentar su rentabilidad y grandes beneficios.
Finalmente, de ser posible estructurar y articular cualquier tipo de conocimiento almacenado en un repositorio
de cualquier organización incluyendo centros I+D+i; significa entonces que el conocimiento que proviene de
diversas fuentes podría integrarse en una misma fuente único tal como lo establece (Bermell-Garcia,
Verhagen, Astwood, & Krishnamurthy, 2012). La integración es una actividad importante en el proceso de
reutilización de conocimiento de acuerdo a Shehzad & Naeem (2013), porque permite rastrear diferentes
piezas de conocimiento que al final serán recuperadas; mejorando de esta manera el proceso de reutilización
de conocimiento.
2.1 Planteamiento del problema
Para Küster (2012), es importante conocer que está pensando el personal asociado a I+D+i y considerar que
su experiencia, enseñanzas y opiniones en temas de vigilancia tecnológica pueden ser factor útil para
aprender organizacionalmente.
Según Vandeville (2000), se requiere conjuntamente que las lecciones aprendidas estén alineadas y
articuladas desde todos y cada uno de esquemas jerárquicos y funcionales; este tipo de articulación puede ser
Sexto Coloquio Interdisciplinario de Doctorado – Universidad Popular Autónoma del Estado de Puebla
obtenido a través del uso de metamodelos de aprendizaje organizacional. Por ende, existe la necesidad de la
explotación de este tipo de conocimiento que sería de gran utilidad en el desarrollo de aspectos como la
conformación de memorias organizacionales, planes estratégicos, indicadores de gestión tecnológica, actores
claves para el éxito.
En concordancia con Martín (2010), los modelos desarrollados para aprendizaje organizacional carecen de
formas de integración para que permanente se llegue a conformar metamodelos para aprendizaje
organizacional, específicamente en temas de vigilancia tecnológica en centros I+D+i. De lo anterior, este
conocimiento puede ser compartido, articulado y reusado en distintos niveles organizacionales de forma
consistente, a partir de métodos como las ontologías de datos (Corcho, 2012).
2.2 Objetivo
Diseñar un metamodelo de aprendizaje organizacional, a partir de lecciones aprendidas haciendo uso de
Ontologías de datos, para gestionar el conocimiento en Centros I+D+i en Universidades Acreditadas en
Bogotá D.C, Colombia.
2.3 Justificación
Al contar con modelos de apropiación de conocimiento dirigidos al aprendizaje organizacional y haciendo
uso efectivo de ontologías, es posible diseñar metamodelos para la gestión de conocimiento personal y
organizacional King (2009), incluyendo centros I+D+i.
Desde el punto de vista de oportunidades de mejora este tipo de modelo provee herramientas de planeación
puesto que a partir de la información contenida en redes sociales y su integración con otras fuentes como
documentos y demás repositorios se puede hacer diagnósticos, como lo señala Ammann et al (2011) y con
ello definir estrategias que permitan orientar a centro I+D+i al cumplimiento de sus proyecciones.
Finalmente, y de acuerdo a King (2009), haciendo uso de ontologías variadas información en la organización
puede ser analizada y depurada para estructurarse como un metamodelo de aprendizaje y ser una valiosa
herramienta de planeación y aprendizaje organizacional.
3.
Método
Esta investigación es mixta, ya que incluye características cuantitativas y cualitativas, esto como
consecuencia de la mezcla de los enfoques en las diferentes etapas de la investigación. La parte cualitativa
consiste en determinar las tendencias en temas de I+D+i a partir de sus lecciones aprendidas con estructuras
textuales y que están contenidas en redes sociales con el propósito de formalizar un metamodelo de gestión
del conocimiento y aprendizaje organizacional para los investigadores en centros I+D+i; respecto al
análisis cuantitativo se considera determinar estudios estadísticos sobre el comportamiento histórico en temas
relevantes de I+D+i con miras a respaldar al centro I+D+i en su planeación, toma de decisiones. El alcance
de la investigacion es correlacional, ya que se pretende conocer y analizar el comportamiento de variables
tecnológicas y sociales.
3.1 Arquitectura propuesta
El metamodelo propuesto incluye el análisis de seis entidades: Personas, Procesos, documentos, tópicos,
conocimiento tácito y conocimiento explícito. El metamodelo abstrae el vocabulario del dominio de I+D+i y
sus interrelaciones y los conceptos de metamodelos aplicados a G.C. Se incluyen las técnicas de
procesamiento avanzado como metadatos para ser aplicados a través de técnicas de análisis correlacional. La
figura 1 muestra el flujo o relación entre los elementos o entidades que conforman el metamodelo planteado:
datos-información-conocimiento.
En la capa superior se observa la integración las lecciones aprendidas alimentadas de fuentes de conocimiento
tácito y explícito que circulan en redes sociales corporativas. El conocimiento tanto tácito como explicito
recolecta información proveniente de personas y temas de trabajo, respectivamente. Estos, a su vez, reciben
información de los procesos y repositorios, y simultáneamente suministraran datos para ser analizados al
interior del metamodelo.
Sexto Coloquio Interdisciplinario de Doctorado – Universidad Popular Autónoma del Estado de Puebla
Figura: Arquitectura global del metamodelo de G.C. Fuente: Autor
La arquitectura está estructurada de forma tal que cada uno de los componentes están interrelacionados para
transmitidos dentro de la cadena organizacional de datos, información y conocimiento a través del análisis de
las siguientes fases:
 Procesos: Permite la definición de los procesos necesarios para la interacción de las personas y los
recursos o plataformas que componen el sistema I+D+i.
 Personas: El metamodelo se debe basar en la interacción de conocimiento tácito desde las lecciones
aprendidas de cada integrante del centro I+D+i.
 Repositorios: La oportunidad de integrar en el metamodelo y redes sociales corporativas los
documentos y evidencias necesarias acerca de la estructura de las lecciones aprendidas.
 Tópicos (temas): Representa en la posibilidad de definir categorías y temas para la generación de
conocimiento, desde los diferentes perfiles de las personas que interactúan con el sistema.
 Conocimiento tácito: Descrito y evidenciado a través de las lecciones aprendidas que existen en cada
ser humano que puede ser externalizado en redes sociales.
 Conocimiento explícito: Reflejado a través del tratamiento de las lecciones aprendidas en nuevas
formas de conocimiento, utilizando técnicas de procesamiento semántico.
 Ontología: El proceso de análisis semántico se aplica sobre una base no estructurada; es decir
conjuntos de términos en un dominio determinado en formato textual. Cada dato analizado se
comporta como una taxonomía; el proceso se encarga de identificar términos clave y clasifica los
términos que contiene el vocabulario dentro de la base de datos; esto con el fin de hacer una
búsqueda más sencilla para el sistema. La Ontología agrupa varios términos alrededor de un conjunto
de conceptos, para después mapearlos y analizarlos. El proceso de análisis semántico por ende
facilita la inferencia de los conceptos en los que el usuario está interesado, inclusive si esos
conceptos no están explícitamente entre los términos del usuario.
3.2 Recolección de Información
Se trabajara con los centros de I+D+i de 7 universidades acreditadas en el distrito capital. En cada centro de
investigación se definirán la cantidad de personas asociadas a tareas de vigilancia y gestión tecnológica.
Se elabora un instrumento de estructuración de las lecciones aprendidas y que debe corresponder a un formato
textual legible el cual permita su análisis. El metamodelo utiliza la secuencia lógica de datos, información,
conocimiento. Estos tres elementos circulan a través de cada una de las entidades del modelo.
Se toma una muestra representativa de los documentos referentes a formas y formatos institucionales que se
consideran importantes en la captación de conocimiento.
3.2 Validación del modelo propuesto
El metamodelo se aplicará en los centros de I+D+i de 7 universidades acreditadas en el distrito capital de
Colombia. En cada centro de investigación se determinará la muestra representativa de la cantidad de
personas asociadas a tareas de vigilancia y gestión tecnológica es decir aplicará el criterio de expertos.
Adicionalmente, se elabora de estructuración de las lecciones aprendidas que debe corresponder a un
formato textual que sea legible en un proceso de lenguaje natural y el cual permita de su análisis. El
Sexto Coloquio Interdisciplinario de Doctorado – Universidad Popular Autónoma del Estado de Puebla
metamodelo utilizará la secuencia lógica de datos, información, conocimiento, haciendo análisis en tiempo
real sobre cada uno de los elementos mencionados. Estos tres elementos circulan a través de cada una de las
entidades del modelo. Se toma una muestra representativa de los documentos referentes a formas y formatos
institucionales que se consideran importantes en la captación de conocimiento.
4.
Conclusiones y trabajo futuro
En la revisión de la literatura se muestra que las lecciones aprendidas en cualquier tipo de proyecto permite
indagar para un equipo o grupo de trabajo como se están generando sus capacidades dinámicas para la gestión
de conocimiento y cuál es el perfil que se desarrolla en el mismo, desde un análisis sistemático de los perfiles
individuales o personales de cada uno de sus integrantes en una línea de tiempo.
Tal como concluyen algunos autores referenciados en este trabajo, lo que se debe seguir haciendo es
desarrollar espacios adecuados e integrales donde cada persona o individuo pueda compartir conocimiento y
se les facilite los flujos del mismo permitiendo así generar la capacidad de transformación de conocimiento
tácito a conocimiento explícito, y que le permita colaborar con objetivos de aprendizaje y desarrollo en los
contextos o ámbitos en los cuales se desarrolle dentro de un centro I+D+i.
En este sentido se propone el diseño y validación de un modelo de aprendizaje organizacional que toma como
fuente de información lecciones aprendidas que circulan en redes sociales de tipo corporativo de centros
I+D+I. Se prevé establecer una estructura textual uniforme para todas las lecciones aprendidas en temas como
vigilancia tecnológica; adicionalmente es fundamental crear la ontología de datos que permita analizar
semánticamente cada lección aprendida con miras a conformar una base de conocimiento a nivel memoria
organizacional; con este metamodelo un centro I+D+i podrá contar con herramientas adicionales para su
planeación estratégica y toma de decisiones.
Finalmente, esta propuesta de arquitectura funcional para el metamodelo propuesto es el componente base
para la formalización y construcción de la primer fase de una versión escalable de un modelo predictivo no
probabilístico de Análisis Semántico de Redes sociales (SNA) para entornos corporativos que podría ser
aplicado y extendido a otro tipo de organizaciones de ciencia y tecnología tanto públicos como privados.
Referencias
Ammann, E.; Ruiz-Montiel, M.; and Navas-Delgado, I. (2010). “Knowledge Development Conception and its
Implementation: Knowledge Ontology”, Rule System, COGNITIVE, 60-65.
Bermell-Garcia, P.; Verhagen, W.; Astwood, S.; and Krishnamurthy, K. (2012). “A framework for
management of Knowledge-Based Engineering applications as software services: Enabling personalization
and codification”. Advanced Engineering Informatics, 219-230.
Chang, H.; and Chuang, S. (2011). “Social capital and individual motivations on knowledge sharing:
Participant involvement as a moderator”, Information & Management, 9-18.
Colciencias. (12 de Diciembre de 2012). Colciencias. Recuperado el 16 de Abril de 2015, de Colciencias:
http://www.adatum.com
Corcho, Ó. (2005). “Construcción de ontologías legales con la metodología METHONTOLOGY y la
herramienta WebODE”. Law and the Semantic Web. Legal Ontologies, Methodologies, Legal Information
Retrieval, and Applications, 142-157.
Hamid, T.;and Mehdi Jabbari, M. (2011). “Product Innovation Performance in Organization”. Procedia
Technology, (1), 521 – 523.
King, W. (2009). “Knowledge Management and Organizational Learning”, Annals of Information Systems, 4,
3-13.
Sexto Coloquio Interdisciplinario de Doctorado – Universidad Popular Autónoma del Estado de Puebla
Makkonen, T. and Inkinen, T. (2014). “Innovation quality in knowledge cities: Empirical evidence of
innovation award competitions in Finland”, Expert Systems with Applications, 5597–5604.
Marti, M. (1995). “L'intelligence economique. Les yeux et les oreilles de l'entreprise”, París: Editions
d'Organisation, 123-127.
Maruta, R. (2014). “The creation and management of organizational knowledge”. Knowledge-Based Systems,
26-34.
Nonaka, H. Takeuchi. (1995). “The knowledge-creating company”. Oxford: Oxford University Press.
MinTics. (29 de Agosto de 2014). Mintics.gov.co. Recuperado el 24 de Febrero de 2015, de Mintics.gov.co:
http:// Mintics.gov.co/
Liao, S.H.; and Wu, C.. (2010). “System perspective of knowledge management, organizational learning and
organizational innovation”. Expert Systems with Applications, 1096–1103.
OCyT. (19 de Noviembre de 2014). ocyt.org. Recuperado el 24 de Febrero de 2015, de ocyt.org:
http://ocyt.org.co/es-es/
Sim, A. M. (2010). “Answer Garden: A Tool for Growing Organizational”, Pergamon, 324-330.
SNIES. (19 de Abril de 2014). SNIES.gov.co. Recuperado el 24 de Febrero de 2015, de SNIES.gov.co: http://
SNIES.gov.co/
Vandeville, J. (2000). “Organizational Learning Through the Collection of Lessons Learned”. Special Series
on Organizational Learning, 127-133.