|
|
Número 29, mayo 2005 |
|
||||||||
|
|
||||||||||
|
|
|
|
|
|
|
|
||||
|
|
||||||||||
|
|
|
Diagnóstico del proceso de I+D y su
transferencia en universidades: una aproximación basada en el
conocimiento En las universidades, la gestión del proceso de
investigación, desarrollo y transferencia (I+D+T) del conocimiento
científico-técnico es una de las actividades fundamentales. No
obstante, este proceso, por sus características específicas, no
puede ser analizado de forma efectiva mediante los instrumentos
convencionales de diagnóstico empresarial. Por ello, estimamos que se
requiere una metodología basada en el conocimiento y en el capital
intelectual.
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
La gestión de dicho proceso constituye un área
clave en la universidad, de forma que su diagnóstico correcto es
esencial para una adecuada orientación estratégica y unas prácticas
de gestión eficaces. No obstante, dadas sus especiales
características, no puede ser analizado de forma satisfactoria con los
instrumentos convencionales de diagnóstico empresarial. Por ello,
estimamos que dicho diagnóstico requiere una metodología basada
en el conocimiento y en el capital intelectual. La finalidad de este trabajo es presentar una metodología
de investigación original para el diagnóstico del proceso de
I+D+T, mediante la búsqueda de tipos de conocimiento claves que,
mediante su incorporación a las actividades del proceso, generan el
"Capital de I+D+T". Esta metodología es aplicada a una
universidad pública, en concreto El orden de presentación seguido es el siguiente: En la segunda sección se plantean diversos conceptos
sobre capital intelectual, gestión del conocimiento, "capital
universitario de I+D+T" y tipos de conocimiento como impulsores de dicho
capital. A continuación, se presenta el proyecto de
investigación sobre gestión del conocimiento en la universidad
dentro del que se encuadra el presente trabajo. Seguidamente se exponen el método de trabajo empleado
para identificar los tipos de conocimiento claves y los resultados obtenidos.
Así, la cuarta sección se dedica a la identificación y
validación de los tipos de conocimiento claves para el proceso
considerado. En primer lugar, se identificaron estos tipos de conocimiento
según los objetivos estratégicos de la universidad, mediante el
análisis de la normativa y los planes universitarios, así como
a través de varias reuniones con dirigentes de la universidad. Como
resultado, se obtuvo una lista preliminar de tipos de conocimiento claves,
que posteriormente fue validada por medio de entrevistas con coordinadores de
importantes grupos universitarios de investigación. De ello se obtuvo
la lista definitiva de tipos de conocimiento claves. En la quinta sección se presenta el análisis
confirmatorio realizado sobre los tipos de conocimiento, al objeto de
desarrollar el diagnóstico del proceso de I+D+T. Este análisis
se realizó mediante encuestas a grupos de actores relevantes en dicho
proceso, como empresas, instituciones e investigadores. Los resultados de las
mismas han sido sometidos a un tratamiento estadístico, que, junto con
una interpretación cualitativa, ha dado lugar al diagnóstico de
la situación del proceso universitario de I+D+T respecto de los tipos
de conocimiento claves. En al última sección se exponen las conclusiones
obtenidas, así como las perspectivas de investigación y
acción futuras. Las referencias bibliográficas se encuentran al
final del trabajo.
En la última década, el interés, tanto
académico como directivo, en el capital intelectual, esto es, el
capital debido al conocimiento, se ha desarrollado progresivamente[2], de forma paralela a la
toma de conciencia de que el conocimiento como factor de producción
toma una clara precedencia sobre los activos físicos, y en
consecuencia el capital intelectual llega a ser una parte progresivamente
creciente de los activos intangibles de la organización. En nuestra opinión, el análisis del capital
intelectual no puede realizarse sin tener en cuenta también la
creciente corriente de literatura, tanto académica como directiva,
sobre la gestión del conocimiento (Nonaka y Takeuchi, 1995; Davenport y
Prusak, 1997; Bontis, 1999; Morey et al., 2000; von Krog et al., 2000; Choo y Bontis, 2002; Bueno y Salmador, 2003). Como subrayan Seetharaman et al. (2002, pp. 129-130),
no hay todavía una definición globalmente aceptada de
"capital intelectual". No obstante, en este trabajo se asume que el
capital intelectual es el conjunto de conocimientos que crea, o puede crear
en el futuro, valor para una organización. En muchas organizaciones, el capital de I+D, es decir, el
capital generado por el proceso de investigación y desarrollo, es una
parte importante de su capital intelectual. Algunos autores han explorado la
importancia del capital de I+D y su relevancia para la creación de
valor en la organización (Ben-Zion, 1978, 1984; Griliches, 1981;
Hirschey, 1982; Cockburn y Griliches, 1988; Bublitz y Ettredge, 1989; Megna y
Mueller, 1991; Hall, 1993; Green et al., 1996; Lev y
Sougianis, 1996; 1999; Hall y Kim, 1997; Bosworth y Mahdian, 1999; Deng et al., 1999; Zarowin, 1999; Bosworth et al., 2000; Hall et al., 2000; Chan et al., 2001; Deeeds, 2001; Hirschey et al., 2001; SubbaNarasimha, 2001; Arvidsson, 2002; Cuello del
Oro y Walker, 2002; Ding et al., 2002; McEvily y
Chakravarty, 2002; Hand, 2003; Ballester et al., 2003;
SubbaNarasimha et al., 2003), encontrando
en general una relación claramente positiva entre ambos elementos. Una reciente literatura establece que algunas políticas y
programas de dirección pueden actuar como impulsores (drivers) para el desarrollo de los intangibles o del capital
intelectual, e incluso intentan cuantificar esta relación (Lev, 2001;
Hurwitz et al., 2002). Aunque esta línea de
investigación nos parece muy interesante, nuestra opinión es
que las prácticas de dirección no actúan directamente
como impulsores de capital intelectual, sino que estimulan y promueven
algunos tipos de conocimiento claves, que son los impulsores genuinos de
capital intelectual[3]. Por consiguiente, una
tarea básica de la gestión del de conocimiento en una
organización es encontrar tipos de conocimiento claves que
actúan como impulsores del capital intelectual en una
organización, para posteriormente descubrir las prácticas de
dirección que los promueven. También -y especialmente- en una universidad, el capital
intelectual es una parte importante de su dotación de intangibles. El
"capital intelectual" de una universidad pública puede ser
definido como el stockz de conocimientos
poseído por esa universidad que crea valor para el conjunto de la
sociedad, en especial la sociedad de su entorno inmediato. Por otra parte, si se considera el capital de I+D en las
universidades, estimamos que no se puede tratar el proceso de
investigación y desarrollo de una manera aislada, sin la transferencia
al exterior de la organización del conocimiento científico y
técnico generado en el proceso de I+D. Por tanto, se ha adoptado el
concepto de "capital de
investigación-desarrollo-transferencia" ("capital de
I+D+T"), esto es, el capital intelectual debido al proceso de
creación de conocimiento científico y técnico y la
transferencia de ese conocimiento al entorno social (empresas, instituciones
gubernamentales y otros agentes sociales). Por consiguiente, el "capital
universitario de I+D+T" es el resultado de la valoración social
del conocimiento científico-técnico poseído por la
universidad. Pero esa valoración está basada de forma
crítica en la adecuada transferencia de ese conocimiento a los agentes
sociales. A pesar de su importancia, el capital intelectual en las
universidades ha sido escasamente considerado de una manera específica[4]. Y el capital de I+D+T
más escasamente aún (excepciones son Bueno, 2002a, 2002b,
2003b; Rodríguez et al., 2002, 2003, 2004).
Aunque el capital de I+D+T en las universidades puede ser
considerado a primera vista como un componente del capital estructural, o
incluso puede identificarse con el "capital tecnológico",
esa impresión nos parece falsa, puesto que el componente de
"transferencia" hace a esta parte del capital intelectual
fuertemente dependiente del conjunto de relaciones externas de la
universidad. Por otro lado, el componente humano en la investigación y
desarrollo de las universidades es crítico. Por consiguiente, el
capital de I+D+T en la universidad se compone de las tres categorías
de capital intelectual - capital humano, estructural y relacional. Este trabajo trata de los tipos de conocimiento claves que
actúan como impulsores del capital de I+D+T en Gráfico 1. Tipos de conocimiento como impulsores del
capital de I+D+T en las universidades
¿Cuáles son los tipos de conocimiento que
actúan como impulsores del capital universitario de I+D+T?
Indudablemente, el propio conocimiento científico-técnico, pero
también otros tipos de conocimiento, por ejemplo los asociados con la
transferencia de dicho conocimiento, la gestión del proceso, etc. El objetivo de este trabajo es identificar y evaluar los tipos
de conocimiento que necesitan ser considerados para la gestión del
proceso de investigación, desarrollo y transferencia el conocimiento
científico y técnico, o, de otro modo, los tipos de
conocimiento que actúan como impulsores de capital de I+D+T en una
universidad pública, específicamente
El trabajo aquí presentado forma parte de un proyecto de
la investigación sobre " Los resultados que se pretende alcanzar con el nuevo modelo son:
Según el esquema reflejado en el gráfico, el presente
trabajo recoge resultados correspondientes a los objetivos 2
("Identificación de los tipos de conocimiento claves") y 3,
Subobjetivo 3.1 ("Mapa de conocimientos") del proyecto. Gráfico 2: Esquema del Proyecto de Investigación
"
La identificación y validación de los tipos de
conocimiento claves fueron realizadas en dos etapas[7]: 4.1. Identificación de los tipos de
conocimiento claves para el proceso según los objetivos
estratégicos de la universidad. Al objeto de identificar los tipos de conocimiento claves para
el proceso analizado resulta esencial tener presente los objetivos estratégicos
de la universidad con los que está asociado dicho proceso. Ahora bien,
cuando se planteó la identificación de estos objetivos
estratégicos, el equipo investigador se encontró con la
desventaja que la entidad bajo análisis en aquel momento no tenía
un plan estratégico, por lo que no estaban establecidos objetivos
explícitos al respecto[8]. En consecuencia, la
identificación de tales objetivos, y de los tipos de conocimiento
necesarios para lograrlos, debió realizarse de forma indirecta, a
través de un proceso en cuatro etapas. En primer lugar se planteó lo que en una universidad,
especialmente si es de carácter público, deben considerarse
"objetivos estratégicos". Tras una revisión de la
literatura sobre planificación estratégica en universidades[9], se estableció
que los objetivos a considerar como "estratégicos" para los
propósitos del estudio deben incluir elementos de la misión de la universidad (la justificación
para hacer lo que hace), su visión (imagen de futuro) y
los objetivos generales. En la segunda etapa, al objeto de identificar tales elementos en
la entidad objeto de estudio, se examinaron los documentos relativos a la
estructuración de la universidad, especialmente las leyes que la
afectan, sus estatutos y sus planes. Como resultado de todo ello, se elaboro
una lista preliminar de objetivos estratégicos. En la tercera etapa, para validar dicha lista e incorporar,
además del conocimiento explícito reflejado en los documentos
oficiales, el conocimiento tácito poseído por los gestores
universitarios, se mantuvieron varias reuniones con miembros de la
dirección de la universidad. Sus comentarios también fueron muy
útiles para perfilar los objetivos estratégicos de la
universidad con respecto al proceso analizado y los tipos de conocimiento necesarios
para lograrlos. Como resultado de esas tareas, se elaboró una
relación de objetivos estratégicos relativos al proceso objeto
de este proyecto[10]. Finalmente, según estos objetivos, se obtuvo una lista
preliminar de tipos de conocimiento claves respecto del proceso considerado.
Como ya se ha indicado, estos tipos de conocimiento pueden ser considerados
desde un punto de vista dinámico como impulsores para la creación
y desarrollo del capital intelectual en la universidad con respecto al
proceso bajo consideración. Por ello, fueron ordenados según la
clase de capital intelectual que impulsan, - capital humano, estructural y
relacional. En concreto, fueron propuestos cinco tipos de conocimiento en
cada clase. 4.2. Validación de los tipos de
conocimiento claves (análisis exploratorio): La siguiente fase consistió en una validación de
la lista preliminar de tipos de conocimiento claves mediante entrevistas in extenso a investigadores de la universidad. Los aspectos
analizados fueron la importancia de cada uno de los tipos de conocimiento
claves, así como sus niveles deseado y actual. Como resultado de este
análisis, algunos de los tipos de conocimiento inicialmente propuestos
fueron reestructurados, y fueron introducidos otros nuevos. La metodología empleada en las entrevistas fue la
siguiente[11]:
Tabla 1. Tipos de conocimiento claves para la gestión
del proceso de I+D+T en una universidad pública
Por último, para confirmar los tipos de conocimiento
obtenidos y desarrollar el diagnóstico de la situación actual
de la universidad, se procedió a un análisis confirmatorio,
mediante encuestas realizadas a actores relevantes que intervienen en el
proceso, como empresas, instituciones e investigadores. Los resultados fueron
sometidos a un tratamiento combinado, que incluyó tanto
análisis estadísticos como interpretación cualitativa. A
continuación se presenta el proceso de investigación
desarrollado, así como los resultados más relevantes[14].
Se plantearon dos encuestas diferentes: una a investigadores y
otra a empresas e instituciones.
Los dos grupos adicionales, C y D, estaban formados por
investigadores colaboradores ligados a los dos grupos principales A y B,
aunque de forma no representativa estadísticamente. La
intención al formarlos fue comparar las desviaciones intragrupo y
entre grupos. La encuesta se realizó de forma telefónica durante
los días 4 al 10 de junio de 2003, con dos cuestionarios diferentes
según el grupo. La evaluación de los tipos de conocimiento
claves se realizó solicitando a los encuestados en primer lugar que
calificasen, en una escala de Lickert de Para la encuesta a empresas e instituciones se obtuvo una
muestra estratificada con dos submuestras:
A los representantes de las empresas e instituciones de la
muestra (responsables de I+D, Planificación, Dirección General,
etc.) se les planteó un cuestionario con ciertas variantes
según la submuestra, pero en lo referido a este trabajo los
ítems fueron idénticos para todos: se les solicitó en
primer lugar que calificasen en una escala de La información proporcionada por los cuestionarios
respondidos fue sometida a diversos análisis estadísticos
descriptivos, que serán indicados más adelante. Aunque todos
los resultados fueron analizados, a efectos de este trabajo se ha otorgado
más relevancia a los correspondientes a los grupos B y E, por ser
muestras representativas de individuos y entidades directamente involucrados
en la transferencia de I+D de la universidad a los agentes externos.
En la tabla 2, según los resultados de las encuestas, se
indican la importancia media, el nivel medio percibido como efectivamente
alcanzado y la distancia entre éste y la importancia media para los
tipos de conocimiento analizados. Puede comprobarse que los "niveles deseados" de los
tipos de conocimiento no aparecen reflejados en la tabla. De hecho, tampoco
aparecía en el cuestionario. Ello es debido a que en los pre-tests se observaba que las personas tenían dificultades
en diferenciar claramente los niveles deseados de los tipos de conocimiento
de sus niveles de importancia, sin la ayuda de extensas explicaciones
adicionales. Además, los resultados de las entrevistas realizadas
previamente, a las que se refiere la sección anterior, mostraban que
si un entrevistado otorgaba gran importancia a un tipo de conocimiento, el
nivel deseado para el mismo tendía también a ser alto
(Rodríguez, 2003)[15]. Es importante destacar que las calificaciones medias otorgadas a
los diferentes tipos de conocimiento son bastante altas - todas por encima de
3,5 en una escala de Tabla 2: Tipos de conocimiento claves: importancia percibida,
niveles efectivos y distancias. Investigadores principales y empresas
a Estos
tipos de conocimiento no fueron incluidos en el cuestionario de la encuesta a
empresas. * Valor
significativamente diferente al 95% del correspondiente al nivel medio de
importancia expresado por los investigadores principales con transferencia. + Valor
significativamente diferente al 95% del correspondiente al nivel medio de
importancia expresado por las empresas que colaboran con la universidad. El nivel de respuesta de las empresas que no han colaborado con
la universidad ha sido muy bajo respecto de los niveles efectivos de los
tipos de conocimiento, como por otra parte era de esperar. Por ello, en ese
aspecto nuestra atención en adelante se centrará en las
respuestas de las empresas que han colaborado con la universidad. Pasando a comentar los datos referentes a cada uno de los tipos
de conocimiento, y comenzando por los impulsores del Capital Humano, respecto
de H1, relativo al propio conocimiento científico-técnico y las
habilidades para la investigación, existe unanimidad en todos los
grupos considerados respecto de su valoración como el tipo de
conocimiento más importante para el proceso de I+D+T. No obstante, el
nivel medio de importancia percibido por los investigadores es
significativamente superior al asignado por las empresas, pues sus intervalos
de confianza al 95% no se solapan[16]. Respecto a su nivel de realización efectiva, éste
es, según los investigadores principales, realicen o no transferencia
a agentes externos, muy alto, próximo a los 4 puntos, con una
desviación típica baja, indicando un alto grado de coincidencia
en las opiniones de los encuestados al respecto; no existen diferencias
significativas entre tipos de investigadores. En el caso de las empresas, los
niveles efectivos medios son significativamente menores - sus intervalos de
confianza al 95% no se solapan con los de los investigadores. Como puede
comprobarse, la distancia entre el nivel medio efectivo y la importancia
media como aproximación al "nivel deseado" es la más
baja de todos los tipos de conocimiento, tanto en investigadores como en empresas. Respecto de H2, relativo a la necesidad de realizar
investigación aplicada, las valoraciones de importancia otorgadas por
las empresas son mayores que las percibidas por los investigadores
principales, aunque esas diferencias no son significativas. Sin embargo, atendiendo
a los grupos de investigadores, aparece una significativa tendencia a valorar
menos este tipo de conocimiento por parte de los que únicamente han
realizado investigación básica, pues el valor medio
correspondiente se encuentra fuera del intervalo de confianza de los que han
colaborado con agentes externos. Respecto de la realización efectiva, el nivel alcanzado
es bastante más bajo que en el tipo de conocimiento anterior, en la
percepción tanto de los investigadores como de las empresas, pero en
éstas es significativamente más bajo, lo cual, unido a un nivel
deseado más alto, hace que la distancia respecto de éste sea
bastante elevada - la tercera más alta. Respecto de las diferencias
entre grupos, son significativas para los investigadores, pues el valor medio
de cada grupo es externo al intervalo de confianza al 95% del otro, siendo
lógicamente más autocríticos quienes no han colaborado
con empresas. Pasando a H3, relativo a la constitución de grupos
multidisciplinares, puede comprobarse que las diferencias de
percepción entre investigadores principales y empresas son
prácticamente nulas; de hecho, no son significativas, ni en la
importancia media percibida, ni en el nivel medio efectivo percibido, ni en
las distancias, que son muy similares e igualmente elevadas. Por otra parte,
las diferencias entre los dos grupos de investigadores principales no son
significativas, aunque en este tipo de conocimiento, a diferencia de los dos
anteriores, se nota una tendencia de quienes han colaborado con agentes externos
a ser más autocríticos al respecto. En consecuencia, tanto en
la percepción de los investigadores como en la de las empresas, la
necesidad de estimular el desarrollo de los grupos multidisciplinares en la
universidad considerada es clara. En cuanto a H4, referido a la imagen de apoyo de la universidad
a sus investigadores en sus relaciones con agentes externos, figura en noveno
lugar por orden de importancia según la apreciación de los
investigadores que han colaborado con agentes externos. Los valores medios de
importancia de este tipo de conocimiento no son significativamente diferentes
entre grupos de investigadores. Donde sí hay una diferencia
significativa, al 94,7% según el análisis ANOVA[17], es en la mayor
valoración otorgada por las empresas que han colaborado con la
universidad frente a aquéllas que no lo han hecho. Respecto de la realización efectiva de este tipo de
conocimiento, se encuentra una disparidad de percepciones relativamente
fuerte: el nivel medio es significativamente más bajo en el caso de
los investigadores principales, con lo que la distancia percibida es bastante
mayor - la segunda mayor- que en el caso de las empresas. Por otra parte, los
investigadores que han colaborado con agentes externos son significativamente
más críticos respecto del apoyo recibido de la universidad,
pues su nivel medio efectivo es significativamente menor que el otro grupo de
investigadores - el nivel medio percibido por aquéllos es externo e
inferior al intervalo de confianza al 95% de éstos- ; sin embargo, las
empresas que han colaborado con la universidad perciben un nivel
significativamente mayor de apoyo de la universidad a sus investigadores. Pasando a H5, conocimiento de la gestión de personas en
la realización del proceso de I+D+T, respecto del mismo
únicamente se dispone de la evaluación realizada por los
investigadores, que es alta. Examinando los valores medios y los intervalos
de confianza al 95%, se observa que el valor medio percibido por los
investigadores principales "sin transferencia" se encuentra fuera
del intervalo de confianza de los investigadores "con
transferencia", lo cual indica que aquéllos valoran de forma
significativamente inferior este tipo de conocimiento. Con respecto a su nivel de realización efectiva, no
existen diferencias de apreciación significativas entre los grupos de
investigadores. Y, como puede observarse en la tabla, la distancia entre la
importancia media y el nivel medio de realización efectiva es modesta.
Pasando a los impulsores del Capital Estructural, seguidamente
se comentarán los resultados de esta clase de conocimientos, teniendo
en cuenta que, como ya se indicó, en la encuesta a empresas
únicamente se incluyeron ítems relativos a S4. Respecto de S1, conocimiento compartido de experiencias previas
de transferencia de I+D desde la universidad, el nivel de importancia
percibido no es muy alto, pues se sitúa en octavo lugar de importancia
para los investigadores principales "con transferencia". Es cierto
que la valoración dada por los investigadores principales "sin
transferencia" es más alta, sin embargo la diferencia de
valoración no es significativa. El nivel medio efectivo percibido es
relativamente bajo, existiendo una diferencia de apreciación
significativa - al 98%, según el análisis ANOVA- entre grupos
de investigadores: los valores medios de cada grupo se encuentran fuera del
intervalo de confianza al 95% del valor del otro, siendo quienes han colaborado
con agentes externos los que vuelven a mostrarse aquí más
críticos, como en otras ocasiones. La distancia con respecto al nivel
deseable considerado es apreciable en ambos casos. Para S2, relativo al conocimiento de las "cadenas de valor
internas" del conocimiento científico-técnico que deben
establecerse en la universidad, que figura por importancia en el
décimo lugar según los investigadores "con
transferencia", se produce una coincidencia casi total en su valoración
por parte de los dos grupos de investigadores, aunque con ligera mayor
valoración de los investigadores principales "sin
transferencia". El nivel percibido de realización efectiva es
bajo en los dos grupos, pero son los investigadores que han colaborado con
agentes externos quienes perciben de forma significativa - al 99,8%
según el análisis ANOVA- el nivel más bajo. La distancia
con respecto al nivel deseable es apreciable. Considerando ahora S3, relativo a los indicadores de calidad de
la investigación aplicada, es el penúltimo en nivel de
importancia percibida según los investigadores "con
transferencia". No hay diferencias significativas en la importancia
otorgada por los investigadores, y tampoco en la apreciación respecto
de su nivel de realización efectiva. La distancia con respecto a la
importancia media percibida es baja. Llegando a S4, referente a la gestión del proceso de
transferencia del conocimiento científico-técnico, para este
tipo de conocimiento se dispone de resultados relativos a la encuesta a
empresas. No existen en este caso diferencias significativas entre las
valoraciones de importancia otorgadas por los dos tipos de investigadores
principales - relativamente modestas- , ni entre éstos y las empresas,
aunque sí existe una diferencia significativa entre estas
últimas, pues el valor medio percibido para este tipo de conocimiento
por las empresas que no colaboran con la universidad se encuentra fuera, y
por debajo, del intervalo de confianza al 95% del valor percibido por las
empresas que sí colaboran. Respecto del nivel de realización efectiva, no hay
discrepancias significativas entre los grupos de investigadores, aunque son
los que han colaborado con agentes externos quienes califican más bajo
este aspecto; pero si se comparan las apreciaciones de éstos con las
de las empresas que colaboran con la universidad, aparece una cierta
discrepancia, pues éstas valoran de forma significativamente
más alta el nivel de su realización efectiva. La distancia
percibida es apreciable en el caso de los investigadores, mientras que para
las empresas es relativamente modesta. Para S5, referido a la gestión administrativa de
proyectos y contratos, tampoco existen diferencias significativas en las
calificaciones otorgadas por los investigadores principales - también
modestas- , y asimismo muestra una valoración más baja de su
nivel de realización efectiva por parte de los investigadores
principales "con transferencia", aunque no es significativa. La
distancia respecto de la importancia percibida es bastante baja en ambos
grupos. Con respecto a los impulsores del Capital Relacional, para R1,
relativo al conocimiento de las necesidades de I+D de los agentes externos,
con respecto a la importancia otorgada al mismo, es similar y bastante alta
entre investigadores principales y empresas "con transferencia",
mientras que la asignada por los investigadores "sin transferencia"
es significativamente más baja, pues la importancia media percibida
por éstos se encuentra fuera del intervalo de confianza al 95% de la
importancia percibida por los investigadores "con transferencia".
Por su parte, las empresas "no colaboradoras" muestran una
valoración media de este tipo de conocimiento ligera, aunque no
significativamente, superior a la otorgada por las empresas "colaboradoras".
Respecto del nivel percibido de su realización efectiva, existe
bastante coincidencia entre investigadores principales, y entre éstos
y las empresas que colaboran con la universidad. Como puede observarse, las
distancias percibidas son apreciables. Pasando a R2, relativo al conocimiento de la actuación de
los competidores de la universidad en el mercado de En el caso de R3, conocimiento sobre las formas de
relación a largo plazo con agentes externos, la valoración de
su importancia por los dos grupos de investigadores y por las empresas
colaboradoras en I+D con la universidad es similar, mientras que la
valoración de las que no colaboran es significativamente inferior - al
99%, según el análisis ANOVA- , a la de aquéllas. En
este caso, por tanto, parece darse una "brecha" entre las empresas.
En cuanto al nivel percibido de su realización efectiva, es
significativamente superior en el caso de las empresas que han colaborado con
la universidad, por lo que la distancia percibida es menor para
aquéllas, aunque bastante apreciable, siendo alta según los
investigadores. R4 es el tipo de conocimiento relativo a los modos de fomentar
la imagen de la universidad como generadora de I+D transferible. Para este
tipo de conocimiento, ambos grupos de investigadores lo valoran en un nivel
no muy alto, pero las empresas que colaboran con la universidad lo valoran de
una forma significativamente más elevada, mientras que las que no
colaboran lo hacen de forma significativamente más baja, - al 99,99%
respecto de las que sí colaboran, según el análisis
ANOVA. En este caso la "brecha" entre grupos de empresas resulta
especialmente llamativa. En cuanto a su realización efectiva, no
existen diferencias de percepción significativas entre los
investigadores. En el caso de las empresas que colaboran con la universidad,
el nivel medio efectivo percibido es ligera pero significativamente superior
al percibido por los investigadores[18], de forma que en el
caso de éstos la distancia es mayor. Llegando a R5, conocimiento por parte de los agentes externos de
la oferta de I+D de la propia universidad, la importancia media percibida por
las empresas para este tipo de conocimiento, aun siendo elevada, resulta
significativamente inferior a la asignada por los investigadores - sus
intervalos de confianza al 95% no se solapan. Mientras que los investigadores
no manifiestan diferencias de apreciación significativas entre grupos,
en el caso de las empresas las discrepancias son significativas al 96,6%
según el análisis ANOVA, siendo claramente más alta la
importancia otorgada por las empresas que han colaborado previamente con la
universidad. Respecto de los niveles efectivos para este tipo de
conocimiento, en el caso de los grupos de investigadores quienes han
colaborado con agentes externos se manifiestan más críticos,
pues su valor medio percibido queda fuera y por debajo del intervalo de
confianza correspondiente a las percepciones de los investigadores que no han
colaborado con agentes externos. Por su parte, el nivel medio efectivo
percibido por las empresas que colaboran con la universidad no se diferencia
significativamente del correspondiente a los investigadores que sí colaboran,
aunque sí lo hace - por debajo- respecto de los investigadores que no
realizan transferencia. En cuanto a las distancias percibidas, son altas en
todos los casos, especialmente para los investigadores principales que
realizan transferencia, siendo éste el tipo de conocimiento para el
que las distancias percibidas son más elevadas. Tras el análisis individualizado de los tipos de
conocimiento, pueden plantearse algunas conclusiones sintéticas. Considerando las diferentes clases de conocimiento, parece
evidente la mayor relevancia otorgada a los impulsores de los capitales
humano y relacional: de hecho, entre los ocho tipos de conocimiento
más valorados por importancia según los investigadores con
transferencia de I+D, aparecen cuatro tipos de conocimiento relativos al
capital humano, tres impulsores del capital relacional y sólo uno
impulsor del capital estructural. Por otra parte, en la encuesta a
investigadores principales sin transferencia de I+D los tipos de conocimiento
situados en los ocho primeros puestos coinciden con los investigadores
principales con transferencia, salvo que un tipo de conocimiento relacional -
precisamente R1, el conocimiento de las necesidades de I+D de los agentes
externos- es desplazado fuera de los ocho primeros puestos por S2, relativo a
la creación dentro de la universidad de cadenas de valor del
conocimiento científico-técnico. Una conclusión que puede obtenerse igualmente es que, en
general, los valores medios de importancia asignados a los tipos de
conocimiento no son muy diferentes entre los investigadores y las empresas.
Además, las escasas diferencias detectadas - ya comentadas en el
análisis de resultados por tipos de conocimiento- en unos casos son
positivas y en otras negativas, y nunca alcanzan valores muy altos. Por
tanto, al menos respecto de la valoración de los tipos de
conocimiento, la "brecha" de comunicación entre la
universidad y la empresa no parece muy amplia. Existe una cierta "brecha" entre investigadores que
han colaborado con agentes eternos y los que no han colaborado, pues en tres
tipos de conocimiento - H5, H2 y R1- las calificaciones medias de importancia
son estadísticamente diferentes entre un grupo y otro, pero en los
otros doce tipos de conocimiento no sucede así, por lo que dicha
"brecha" no parece muy amplia. Sin embargo, en el caso de las
empresas son cinco - de diez considerados- los tipos de conocimiento en los
que la importancia media percibida por las empresas que han colaborado con la
universidad es significativamente diferente - siempre superior- a la
establecida por las que no han colaborado. Existe, pues, en el caso de las
empresas una mayor discrepancia respecto de las valoraciones de los tipos de
conocimiento. Por lo tanto, al parecer la mayor brecha es la existente entre
las empresas que colaboran con la universidad y las que no colaboran con
ella.
Una vez realizados los análisis presentados en las
anteriores secciones, las siguientes cuestiones que cabe plantearse son:
¿qué tipos de conocimiento resulta más urgente
desarrollar? ¿Deben priorizarse las acciones para desarrollar los
tipos de conocimiento más importantes, o tal vez resulte más
urgente abordar la reducción de las distancias más elevadas
entre niveles deseados y efectivos? Estas preguntas no son baladíes, pues puede comprobarse
que los tipos de conocimiento considerados como más importantes no
coinciden necesariamente con aquellos en los es mayor la distancia entre
niveles deseados y efectivos. Por otra parte, debe tenerse en cuenta que los tipos de
conocimiento considerados no son independientes unos de otros: se encuentran
relacionados en su contribución al resultado final del proceso. Ello
implica que, si se decide desarrollar un determinado tipo de conocimiento
considerado prioritario, seguramente resultará necesario desarrollar
igualmente otros tipos de conocimiento que influyen sobre el mismo. Como un primer instrumento para el análisis, en la tabla
3 se presentan ordenaciones de los tipos de conocimiento según las
distancias entre niveles deseados y efectivos. En primer lugar se indica la
ordenación resultante de la encuesta a investigadores principales que
han realizado transferencia a agentes externos; a continuación figura
la correspondiente a la encuesta a investigadores principales que no han
realizado transferencia; en tercer lugar aparece la relativa a las empresas
que han colaborado con la universidad, pues su opinión es más
relevante a efectos de este trabajo, y además el nivel de respuesta ha
sido elevado, por lo que los resultados son significativos. Por
último, se indican también los números de orden
según la valoración de la importancia de los tipos de
conocimiento por parte de los investigadores principales con transferencia y
las empresas que colaboran con la universidad, cuyas percepciones parecen
más relevantes. De la observación de la tabla puede deducirse que existen
cuatro tipos de conocimiento para los que la distancia percibida entre los
niveles deseados y efectivos es muy alta - superior a 1,5- en la
percepción de todos los grupos. Estos son: R5 - conocimiento por los
agentes externos de la oferta de I+D de la universidad- , H3 - relativo a la
constitución de grupos multidisciplinares- , R3 - referente a las
formas de relación a largo plazo con agentes externos- y R1 -
conocimiento de las necesidades de I+D de empresa e instituciones. Estos
tipos de conocimiento se encuentran situados en los números 3, 5, 7 y
6 por orden de importancia percibida según la encuesta a investigadores
principales con transferencia, por lo que, al ser igualmente conocimientos
importantes y no suficientemente desarrollados, las acciones respecto de los
mismos deberían ser prioritarias. Por otra parte, respecto de H4, relativo a la imagen
"interna" de la universidad, el significado de la diferencia entre
importancia y niveles efectivos de realización según la
encuesta a investigadores y según la encuesta a empresas ya ha sido
comentado en la sección anterior de este trabajo, por lo que, teniendo
en cuenta además que se encuentra en noveno lugar de importancia
según la encuesta a investigadores principales con transferencia, pero
el cuarto según la encuesta a empresas que colaboran con la
universidad, puede deducirse que las acciones para potenciar este tipo de
conocimiento también deben ser prioritarias. Tabla 3: Ordenación de los tipos de conocimiento claves
según distancias entre niveles deseados y efectivos
Se han identificado, por tanto, cinco tipos de conocimiento de
acción prioritaria. Pero si su potenciación requiere asimismo
el desarrollo de otros tipos de conocimiento con los que se encuentren
fuertemente vinculados, estos últimos deberían ser considerados
también prioritarios. El análisis de estas vinculaciones, para
el caso de la UPV/EHU, es realizado en el trabajo de Rodríguez et al. (2003). Las conclusiones al respecto más
importantes del mismo se exponen a continuación. Respecto de la clase de conocimientos impulsores del capital
estructural parece existir vinculación, especialmente entre S2,
relativo a la necesidad de creación de cadenas de valor internas del
conocimiento científico-técnico, y S3, conocimiento de indicadores
de calidad de la investigación. Estos dos tipos de conocimientos se
refieren a la transferencia "interna" del conocimiento
científico-técnico y la calidad del mismo. Si se examina la
tabla 3, puede comprobarse que, como estos tipos de conocimiento no fueron
incluidos en la encuesta a empresas, la valoración que puede hacerse
de los mismos resulta incompleta. S2 muestra una distancia importante entre
el nivel deseado y el efectivo, especialmente según los resultados de
la encuesta para los investigadores principales que han colaborado con
agentes externos. S3, sin embargo, presenta distancias bastante bajas, las
segundas más bajas de todos los tipos de conocimiento. Entre los impulsores del capital relacional aparecen dos
vinculaciones diferentes: una asocia a los que podrían denominarse
"tipos de conocimiento puramente relacionales", como son R1,
conocimiento de las necesidades en la materia de los agentes externos, y R3,
conocimiento de las formas de tratar con los mismos; ambos tipos de
conocimiento ya han sido considerados prioritarios; la otra asocia a los que
podrían ser denominados "conocimientos relativos a la imagen
externa de la universidad", pues comprende tanto R4, conocimiento de las
formas de desarrollar la imagen de la universidad, como R5, conocimiento por
los agentes externos de las posibilidades que ofrece la universidad como
suministradora de conocimiento científico-técnico. Parece,
pues, que R4, fuertemente vinculado a R5, debería ser considerado
igualmente de alta prioridad. Por otra parte, aparecen también vinculaciones entre las
asociaciones ya mencionadas. Es clara la que relaciona a [ R1, R3] con [ R4,
R5] , pero resultan más interesantes las vinculaciones
"transversales" detectadas, pues indican que los impulsores del
capital relacional y del capital humano, especialmente estos últimos,
se encuentran vinculados a los impulsores del capital estructural, y
además los conocimientos "puramente relacionales" se
vinculan fuertemente a los conocimientos "humanos" representativos
de conocimientos y habilidades para la investigación. Estas vinculaciones aparecen sintetizadas en la el
gráfico 3, basado en el "modelo de tres hojas solapadas" (overlapping three-leaf model) original de Leliaert (Rodov y
Leliaert, 2002, p. 333). Este modelo pretende representar los elementos del
capital intelectual de una organización según la tradicional
diferenciación entre Capital Humano, Capital Cliente (o Capital
Relacional) y Capital Estructural, pero teniendo en cuenta que ciertos
intangibles pueden corresponder a la vez a dos clases de capital intelectual,
e incluso a las tres. En la figura se ha adaptado dicho modelo para
representar los tipos de conocimiento impulsores de las distintas clases de
capital intelectual y las vinculaciones entre los mismos, según los
resultados presentados en Rodríguez et al. (2003),
denominándolo "Trébol de Leliaert". Gráfico 3: Modelo de "Trébol de
Leliaert" para los tipos de conocimiento claves en la gestión de
I+D en universidades
Fuente:
elaboración propia según Rodov y Leliaert (2002) Según lo anterior, en la tabla 4 se presenta una
propuesta de priorización de los tipos de conocimiento. Se ha decidido considerar como de más alta prioridad, por
una parte, los tipos de conocimiento que anteriormente ya han sido
identificados como prioritarios [ R5, H3, R3, H4, R1] , y por otra, R4,
fuertemente vinculado a H5, de forma que resulta muy difícil
desarrollar uno sin el otro. En total, se consideran en este nivel de
prioridad seis tipos de conocimiento. Dentro del nivel de prioridad 2 se han incluido los tipos de
conocimiento que presentan una alta distancia percibida entre sus niveles
deseados y efectivos al menos según una de las encuestas [ S1, S2, H2]
, junto a aquellos que no han sido incluidos todavía pero han sido
percibidos como muy importantes - en los dos primeros puestos- según
la encuesta a investigadores principales con transferencia [ H1, H5] . Tabla 4: Una priorización de los tipos de conocimiento
claves para la gestión de la I+D en universidades
Por último, en el nivel más bajo de prioridad se
han incluido S4, R2, S3 y S5. Los dos primeros, aunque presentan distancias altas
según la encuesta a investigadores principales con transferencia, y
más modestas según la encuesta a empresas, están
situados en un nivel de importancia bastante bajo tanto según los
investigadores principales como según las empresas. Por su parte, S3 y
S5, según la percepción de los investigadores principales,
ocupan puestos también muy bajos en importancia, y las distancias
percibidas son las más bajas de todos los tipos de conocimiento. 6. conclusiones y perspectivas de
investigación y acción futuras Las conclusiones que pueden obtenerse de este trabajo son de
diversos tipos. Con respecto a la metodología aplicada, puede afirmarse
que se ha desarrollado y validado una metodología original para:
Esta metodología consiste en establecer una lista
preliminar de tipos de conocimiento claves para el proceso según los
objetivos estratégicos de la organización, seguidamente validar
esa lista a través de entrevistas con coordinadores de grupos de
investigación (análisis exploratorio), y por último,
mediante encuestas a investigadores y empresas, confirmar los anteriores
datos, establecer para cada tipo de conocimiento niveles de importancia y de
realización efectiva, así como la distancia entre ambos. De
este modo puede obtenerse una ordenación de los tipos de conocimiento,
que permita establecer áreas de acción prioritarias.
Consideramos que este método puede emplearse con éxito en otras
universidades, e incluso en centros de investigación y empresas de I+D
como parte de un programa de gestión del conocimiento. Con respecto a las conclusiones alcanzadas para la universidad
objeto de estudio, es cierto que, en principio, se refieren exclusivamente a
esta entidad, pero muy posiblemente sean aplicables, a otras universidades.
Entre estas conclusiones deseamos resaltar las siguientes:
Las perspectivas de acción abiertas por estos resultados
son significativas:
Los resultados obtenidos por la investigación presentada
en este trabajo pueden generalizarse a otras organizaciones a través
de la nueva metodología empleada para identificar y evaluar un grupo
de tipos de conocimiento claves en el proceso bajo análisis. La medida
de las desviaciones entre el nivel efectivo de un tipo de conocimiento y su
nivel deseado puede mostrar si las políticas de gestión del
conocimiento en una organización van en la dirección correcta o
necesitan algún cambio. El principal método de evaluación
que proponemos aquí es la comparación en el tiempo de los
resultados entre los niveles deseado y actual. También pueden
evaluarse con este mismo método los resultados de diferentes
universidades y entidades de I+D de una región o un país, para
de esta forma obtener un "mapa de conocimientos" completo en un
ámbito territorial concreto. Bibliografía Andriessen, D. (2004): "IC valuation and measurement:
classifying the state of the art". Journal of
Intellectual Capital,, Vol. 5, No. 2, pp. 230-242. Arvidsson, S. (2002): "The value
impact of R&D collaboration agreements".Paper presented at the
Conference on The Transparent Enterprise. The Value of Intangibles, Madrid,
November 25-26. Ayestaran, S, (2004): "Informe
final sobre el subobjetivo 3.3: Analizar otros aspectos organizativos que
pueden influir, por ser frenos o motores potenciales, así como estimar
los riesgos y problemas del proceso". Documento de Trabajo, Grupo de
Gestión del Conocimiento, Universidad del País Vasco, Marzo. Ballester, M.; García-Ayuso, M.; Livnat, j. (2003): "The economic value of the R&D intangible asset". European Accounting
Review, vol. 12, No. 4, pp. 605-633. Ben-Zion, U. (1978): "The
investment aspect of nonproduction expenditures: An empirical test". Journal of Economics
and Business, Spring/-Summer, pp. 224-229. Ben-Zion, U. (1984): "The R&D
and Investment Decision and its Relationship to the Firm's Market Value: Some
Preliminary Results". En Griliches, Z. (Ed.): R&D, Patents and
Productivity. Chicago university Press, Chicago. Blanco, A.; Larrauri, M.; Ahumada, R. M. (2001): "La valoración del capital intelectual en la
Universidad: una propuesta". En Ongallo, C. (Ed.) (2001): Actas de las XI
Jornadas Hispano lusas de Gestión Científica. Volumen VI;
Gestión del Conocimiento. Ediciones La Coria, Trujillo
(Cáceres), pp. 45-56. Bontis, N. (1999): "Managing
Organizational Knowledge By Diagnosing Intellectual Capital: Framing and
advancing the state of the field". International Journal of Technology
Management, Vol. 18, nos. 5/6/7/8, pp. 433-462. Bosworth, D.; Mahdian, , H. (1999): "Returns to Intellectual Property in the Pharmaceutical
Sector". Economie Apliquée, vol. 52, No. 2, pp. 69-93. Bosworth, D.; Warton, A.; Greenhalgh, C. (2000):
"Intangible Assets and the market Valuation of UK Companies: Evidence
from Fixed Effect Models". Working Paper No. 2, Oxford Intellectual
Property Research Centre at St. Peter's College, April. Brennan, N.; Cornell, B. (2000): "Intellectual Capital: current issues and policy
implications". Journal of Intellectual Capital, Vol. 1, No. 3, pp. 206-240. Bublitz, B.; Ettredge, M. (1989): "The information in discretionary outlays: advertising
and research and development". Accounting Review, vol. 64, pp. 108-124. Bueno, E. (1998): "El capital
intangible como clave estratégica en la competencia actual". Boletín de
Estudios Económicos, Vol. LIII, nº 164, agosto, pp. 207-229. Bueno, E. (1999): "Gestión
del conocimiento, aprendizaje y capital intelectual". Boletín de
Información del Club Intelect. Bueno, E. (Dir.) (2002a): "Indicadores
de Capital Intelectual aplicados a la Actividad Investigadora y de
Gestión del Conocimiento en las Universidades y Centros
Públicos de Investigación de la Comunidad de Madrid". En A. Modrego
(Coord.): Capital Intelectual y Producción Científica en la
Comunidad de Madrid. Dirección General de Investigación,
Consejería de Educación, Comunidad de Madrid, Madrid, pp.
20-70. Bueno, E. (2002b): "IC and
scientific production of the Madrid research centres". Paper presented at
the Conference on The Transparent Enterprise. The Value of Intangibles,
Madrid, November 25-26. Bueno, E. (Dir.) (2003a): "Model for
the measurement and management of Intellectual Capital: Intellectus
Model". Intellectus Documents, no. 5, Knowledge Society Research
Centre, Madrid, June. Bueno, E. (Dir.) (2003b): Gestión del
Conocimiento en Universidades y Organismos públicos de
Investigación. Dirección General de Investigación,
Consejería de Educación, Comunidad de Madrid, madrid. Bueno, E.; Salmador, M. P. (2003): "Knowledge management in the emerging strategic business
process: information, complexity and imagination". Journal of Knowledge
Management, Vol. 7, No. 2, pp. 5-17. Cañibano, L.; Sánchez, P. (2004): "Medición, gestión e información de
intangibles: lo más nuevo". Contabilidad y Dirección, nº. 1,
"Medición, Control y Gestión de los Intangibles" ,
pp. 99-139. Cañibano, L.; Sánchez, P.; García-Ayuso,
M.; Chaminade, C. (2002): MERITUM Project. Guidelines for
Managing and Reporting on Intangibles (Intellectual Capital Report). Vodafone Foundation,
Madrid. Chan, L.; Lakonishok, J.; Sougiannis, T. (2001): "The stock market valuation of Research and Development
expenditures". Journal of Finance, Vol. 56 No. 6, pp. 2 431-2 458. Choo, C.W.; Bontis, N. (2002): The Strategic
Management of Intellectual Capital and Organizational Knowledge. Oxford University
Press, New York, N. Y. Cockburn, I.; Griliches, Z. (1988): "Industry Effects and Appropriability Measures in the
Stock Market's Valuation of R&D Investment". American Economic
Review: Papers and Proceedings, Vol. 78, No. 2, pp. 277-281. Cuello de Oro, D.; Walker, M. (2002): "Stock market reaction to corporate accumulation of
intangible resources". Paper presented at the Conference on The
Transparent Enterprise. The Value of Intangibles, Madrid, November 25-26. Davenport, T.; Prusak, L. (1997): Working Knowledge: How Organizations Manage what they know, Harvard Business
School Press, Boston. Deeds. D.L. (2001): "The role of
R&D intensity, technical development and absorptive capacity in creating
entrepreneurial wealth in high technology start-ups". Journal of
Engineering and Technology management, Vol. 18, No. 1, pp. 29-47. Deng, Z.; Lev, B.; Narin, F. (1999): "Science and Technology as predictors of stock
performance". Financial Analysts Journal, 53, pp. 20-32. Ding, Y.; Stolowy, H; Tenenhaus, M. M. (2002): "R&D productivity: An international comparison". Paper presented at
the Conference on The Transparent Enterprise. The Value of Intangibles,
Madrid, November 25-26. García, J. M.; Álamo, F. R. (1998a): "El proceso estratégico en las universidades". Cuadernos IRC,
nº 0, Septiembre, pp. 51-76. García, J. M.; Álamo, F. R. (1998b): La Planificación Estratégica de las
Universidades. Gobierno de Canarias, Santa Cruz de Tenerife. Garnett, J. (2001): "Work based
learning and the intellectual capital of universities and employers". The Learning
Organization, Vol. 8, No. 2, pp. 78-81. Green, J. P.; Stark, A. W.; Thomas, H. M. (1996): "UK Evidence of the Market Valuation of Research and
Development Expenditures". Journal of Business Finance and Accounting,
Vol. 23, No. 2, pp. 191-216. Griliches, Z. (1981): "Market
Value, R&D, and Patents". Economic Letters, Vol. 7, pp. 183-197. Hall, B. H. (1993): "The Stock
market's Valuation of R&D Investment During the 1980s". American Economic
Review: Papers and Proceedings, Vol. 828, No. 2, pp. 259-264. Hall, B. H.; Jaffe, A.; Trajtenberg, M. (2000): "Market value and patent citations: A first look", NBER working paper
7741, National Bureau of Economic Research, June. Hall, B. H.; Kim, D. (1997): "Valuing
Intangible Assets: The Stock Market Value or R&D Revisited". Working Paper,
Nuffield college, Harvard University Hand, J. R. M. (2003): "Profit,
Losses, and the Nonlinear Pricing of Internet Stocks". En Hand, J. R. M.;
Lev, B. (Eds.): Intangible Assets. Values, Measures and Risks. Oxford
University Press, Oxford, pp. 248-268. Hirschey, M. (1982): "Intangible
capital aspects of advertising and R&D expenditures". Journal of
Industrial Economics, Vol. 30, pp. 375-390. Hirschey, M.; Richardson, V.; Scholz, S. (2001): "Value relevance of non financial information: The case
of patent data". Review of Quantitative Finance & Accounting, Vol.
17, No. 3, pp. 223-235. Hurwitz, J.; Lines, S.; Montgomery, B.; Schmidt, J. (2002): "The linkage between management practices, intangibles
performance and stock returns". Journal of Intellectual Capital, Vol. 3, No.
1, pp. 51-61. Landeta, J.; Rodríguez, A.; Ranguelov, S. Y. (2004): "Knowledge Management Analysis of the Research &
Development & Transference Process at HEROs: A Public University
case". J.UCS Journal of Universal Computer Science, Vol. 5, Issue 6,
pp. 702-711. Leitner, K-H. (2002): "Intellectual
Capital reporting for universities: Conceptual background and application
within the reorganization of Austrian Universities". Paper presented at
the Conference on The Transparent Enterprise. The Value of Intangibles,
Madrid, November 25-26. Lev, B. (2001): "Intangible
assets: measurement, drivers, usefulness". Advances in the
Measurement of Intangibles (Intellectual) Capital Conference, New York
University, New York, 17 May. Lev, B.; Sougianis, T. (1996): "The
Capitalization, amortization and value relevance of R&D", Journal of
Accounting and Economics, vol. 21, pp. 107-138. Lev, B.; Sougianis, T. (1999): "Penetrating
the Book-to-Market Black Box: The R&D Effect". Journal of Business
Finance & Accounting, Vol. 26, nos. 3 & 4, April/May, pp. 419-449. Liebowitz, J.; Suen, C.Y. (2000): "Developing knowledge management metrics for measure
intellectual capital". Journal of Intellectual Capital, Vol. 1,
Nº 1, pp. 54-67. Megna, P.; Mueller, D. (1991): "Profit
rates and intangible capital". Review of Economics and Statistics, Vol. 73,
pp. 421-431. McEvily, S.; Chakravarty, B. (2002): "The Persistence of Knowledge-based Advantage: An
Empirical Test for Product Performance and Tecnological Knowledge". Strategic Management
Journal, No. 23, pp. 285-305. Morey, D.; Maybury, M.; Thuraisingham, B. (Eds.) (2000): Knowledge Management. Classic and Contemporary Works. The M.I.T. Press,
Cambridge, MA. Nonaka, I.; Takeuchi, H. (1995): The Knowledge-Creating Company. The Oxford
University Press, New York. Oliver, G.R.; Handzic, M.; Van Toorn, C. (2003): "Towards understanding KM Practices in the Academic
Environment: The Shoemaker Paradox". Electronic Journal on Knowledge
Management, Vol. 1, Issue 2, pp. 139-146. Petty, R.; Guthrie, J. (2000): "Intellectual
capital literature review: Measurement, reporting and management". Journal of
Intellectual Capital, Vol. 1, Nº 2, pp. 155-176. Prinvale, J.M. (1992): What happens when
colleges plan? The use of strategic planning in four-year colleges and
universities. Doctoral Dissertation, UMI Dissertations Services. Robertson, D. (1993): "Establishing
strategic direction in higher education institutions". Public Money &
Management, July-September, pp. 45-51. Rodov, I.; Leliaert, Ph. (2002): "FiMIAM: financial method of intangible assets
measurement". Journal of Intellectual Capital, Vol. 3 No. 2, pp. 323-336 Rodríguez, A. (Coord.) (2001): "Hito 2.3: Informe definitivo sobre objetivos
estratégicos y tipos de conocimiento clave según
análisis de los planes universitarios y reuniones con responsables de
la UPV/EHU". Documento de Trabajo GCH2.3-2001, Grupo de Gestión del
Conocimiento, Universidad del País Vasco/Euskal Herriko
Unibertsitatea, Bilbao. Rodríguez, A. (2003): "Informe
sobre importancia, niveles efectivos y distancias de los tipos de
conocimiento claves según entrevistas a investigadores principales de
la UPV/EHU, encuesta a investigadores de la UPV/EHU y encuesta a
empresas". Documento de Trabajo, Grupo de Gestión del
Conocimiento, Universidad del País Vasco, Diciembre. Rodríguez, A.; Araujo, A.; Urrutia, J. (2001): "La Gestión del conocimiento
científico-técnico en la Universidad: un caso y un
proyecto". Cuadernos de Gestión, Nueva Época, Vol. 1,
nº 1, pp. 13- 30. Rodríguez, A.; Charterina, J.; Hartmann, P. (2003): "Vinculaciones entre tipos de conocimiento relevantes
para la gestión de la I+D en universidades: análisis de un
caso". Revista de Economía y Empresa, Vol. XIX, nº 48,
2º cuatrimestre, pp. 145-169. Rodríguez, A., Ranguelov, S. Y.; Landeta, J.; Panera, F.
(2002): "Gestión de la I+D en
universidades ¿Qué tipos de conocimiento son relevantes?" Madri+d,
Monografía 5, diciembre, pp. 47-66. Rodríguez, A.; Landeta, J.; Ranguelov, S. (2004): "University R&D&T Capital: What Types of
Knowledge Drive It?". Journal of Intellectual Capital, Vol. 5, No. 3, pp.
478-499. Schmidtlein, F.A.; Milton, T.H. (1990): Adapting strategic planning to campus realities. New Directions for
Institutional Research, Nº 67, autumn, Jossey-Bass Publishers. Seetharaman, A.; Helmi, H.; Saravanan, A.S. (2002): "Intellectual capital accounting and reporting in the
knowledge Economy". Journal of Intellectual Capital, Vol. 3, No. 2, pp.
128-148. SubbaNarasimha, P.N. (2001): "Technological
knowledge and firm performance in medical sector industries". International
Journal of Healthcare Technology and Management, Vol. 3, pp. 160-178. SubbaNarasimha, P.N.; Ahmad, S.; Mallya, S.N. (2003): "Technological knowledge and firm performance of
pharmaceutical firms". Journal of Intellectual Capital, Vol. 4, No.
1, pp. 20-33. Viedma, J.M. (2003): "In Search of
an Intellectual Capital General Theory". Electronic Journal
on Knowledge Management, Vol. 1, Issue 2, pp. 213-226. von Krog, G.; Ichijo, K.; Nonaka, I. (2000): Enabling Knowledge
Creation: How to Unlock the Mystery of Tacit Knowledge and Release the Power
of Innovation. Oxford University Press, New York. Zarowin, P. (1999): "The market
valuation of R&D expenditures". Working Paper, New York University,
October. Notas : [1]
Este trabajo refleja investigación relativa al Proyecto de
Investigación "La Gestión del Conocimiento en una
Universidad Pública: El Proceso de
Investigación-Desarrollo-Transferencia del Conocimiento
Científico-Técnico" que ha recibido financiación en
2000 y 2001 del Programa para el Fomento de Investigación
Técnica (PROFIT) del Ministerio de Ciencia y Tecnología
(proyectos de la investigación FIT-080000-2000-97 y
FIT-080000-2001-63) y en 2001 del Programa para el Fomento de la Red vasca de
Tecnología del Gobierno vasco (Acción Especial AE01UN02) y del
Programa Universidad-empresa del Gobierno vasco y la Universidad del
País vasco (Acción Especial AE01/C04). También, del
Proyecto de Investigación “Diseño de un modelo de
transferencia de resultados de investigación basado en el
conocimiento”, que ha financiado en 2002 y 2003 por el Programa SAIOTEK
del Gobierno Vasco (Plan de Especialización PE02UN05). [2]Sobre
el capital intelectual, algunas revisiones interesantes son las de Bueno
(1998, 1999), Brennan y Cornell (2000), Petty y Gutrie (2000), Seetharaman et
al. (2002), Andriessen (2004) y Cañibano y Sánchez (2004).
Véase también Cañibano et al. (2002) y Bueno
(2003a). [3]Agradecemos
al Profesor Eduardo Bueno el habernos hecho notar este punto en el transcurso
de una Jornada del Grupo de Trabajo correspondiente al Proyecto, celebrada el
día 19 de octubre de 2001. [4]Algunas
excepciones son Liebowitz y Suen (2000), Blanco et al. (2001), Garnett
(2001) y Leitner (2002). [5]Revisiones
de esas clasificaciones se encuentran en Brennan y Connell (2000), Petty y
Gutrie (2000) y Seetharaman et al. (2002). [6]Para
más información sobre este proyecto ver Rodríguez et
al. (2001). [7]El
equipo de investigación para este objetivo fue constituido por Arturo
Rodríguez (coordinador del equipo y también líder del
proyecto de la investigación), Inmaculada Gallastegui, Francisco
Panera y Pilar Zorrilla. Asimismo, fueron asociados al equipo Stanislav
Ranguelov, un técnico-investigador para todo el proyecto, y Raquel
Nieves, una becaria de investigación. El tiempo de desarrollo de estas
dos etapas del proyecto fue aproximadamente de octubre de 2000 a marzo de
2002. Para más información sobre las mismas, pueden consultarse
Rodríguez (2001), Rodríguez et al. (2002, 2004). [8]En
la actualidad, la UPV/EHU está en el proceso de elaborar su Plan
Estratégico. [9]Véase
por ejemplo Schmidtlein y Milton (1990), Prinvale (1992), Roberston (1993),
García y Álamo (1998a, 1998b). [10]Para
un despliegue más detallado de estos objetivos, véase
Rodríguez (2001), pp. 20-21. [11]Para
una exposición más detallada, pueden consultarse
Rodríguez et al. (2002, 2004). [12]El
conocimiento científico-técnico elaborado en la Universidad y
publicado en libros, revistas, actas de congresos, etc., es, por su propia
naturaleza, público. Sin embargo, el conocimiento
científico-técnico incorporado por los investigadores a
través de su propia experiencia, al que nos referimos aquí,
tiene componentes tácitos y personales muy importantes. [13]Puede
comprobarse que estos tipos de conocimiento se refieren principalmente al
capital organizacional. No obstante, algunos de ellos también se
refieren de una manera indirecta al capital tecnológico, puesto que
compartir conocimientos requiere el uso de instrumentos tecnológicos
como bases de datos relacionales, intranets y extranets, comunidades de
prácticas, etc. [14]El
equipo de investigación para esta fase del proyecto estuvo formado por
Jon Landeta (coordinador del equipo), Ana Blanco, José Miguel Blanco,
Macarena Larrauri, Ana María Martín, Arturo Rodríguez,
Javier Urrutia y Pilar Zorrilla. También fueron asociados Stanislav
Ranguelov y Raquel Nieves. [15]La
asimilación del “nivel de importancia” al “nivel
deseado” es empleada en otro estudios sobre gestión del
conocimiento en universidades. Véase, por ejemplo, Oliver et al.
(2003). [16]Los
niveles de confianza no han sido incluidos en este trabajo, pero pueden ser
suministrados a quien los solicite. [17]De
la misma forma, los resultados del análisis ANOVA no se incluyen
aquí, pero pueden ser suministrados a quien los solicite. [18]El
nivel medio efectivo según la encuesta a empresas que colaboran con la
universidad se encuentra por encima del intervalo de confianza al 95% de los
niveles efectivos según los resultados de la encuesta a los dos grupos
de investigadores principales. [19]Sobre
estos análisis, pueden consultarse Ayestaran (2004) y Landeta et al.
(2004). |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
