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.