Aprendizaje en los sistemas regionales de innovación: Un modelo basado en agentes

El propósito de esta investigación es contribuir a la comprensión del aprendizaje en un sistema regional de innovación (en lo sucesivo SRI) mediante la modelación basada en agentes. El aprendizaje, entendido como un proceso a través del cual las empresas crean conocimiento y adquieren capacidades, es un factor importante a la hora de comprender el esfuerzo voluntario que las firmas realizan, para adquirir las capacidades que son necesarias para competir en un sistema. Desde esta perspectiva el aprendizaje es un fenómeno complejo que emerge junto al des-aprendizaje. Modelar y simular el aprendizaje permite conocer comportamientos emergentes, producto de las interacciones exitosas de los agentes y el entorno en que se desempeñan. La representación y análisis del aprendizaje de los actores de un SRI se abordó mediante una estrategia de modelación y simulación basada en agentes, desarrollada en cinco fases. La primera fase, consistió en la definición del problema y la identificación de los comportamientos problemáticos y sus variaciones a lo largo del tiempo. La segunda fase consistió en la conceptualización del sistema y cuyo objetivo fue capturar los principales conceptos y requerimientos del sistema. La tercera fase se orientó al diseño y formulación del modelo, obteniéndose la construcción conceptual del mismo. La fase cuatro de validación del modelo, pretendió establecer confianza, validez y utilidad del modelo. La fase cinco, realizó un análisis del comportamiento del modelo a partir de escenarios. En esta etapa es definida una base para la comparación de los comportamientos. Posteriormente, se realizó un análisis estadístico con el objetivo de establecer la existencia de diferencias significativas de las simulaciones. Por último, se plantean otros escenarios y se estudia el resultado de los cambios del sistema, comparando los diferentes resultados. Como hallazgo principal, se obtuvo un modelo que permite representar el aprendizaje y el desparendizaje como una variación positiva y negativa en la acumulación y desacumulación de las capacidades; dicha variación depende de los factores de aprendizaje y des-aprendizaje que caracterizan a los actores en un SRI. El modelo representa a los actores del sistema en el marco de un entorno competitivo donde surgen oportunidades de innovación, que son aprovechadas por empresas individuales o colaborando en red, y cuyo comportamiento está afectado por políticas públicas y decisiones organizacionales. El modelo representa a los actores del sistema de innovación como vectores de capacidades; además, representa las relaciones y redes que establecen los actores para aprovechar las oportunidades de innovación, considerando la complementariedad de las capacidades, la proximidad relacional y la racionalidad limitada de los actores. No se consideran los costos de transacción ni las diferencias entre campos del conocimiento o sectores económicos. El modelo se validó utilizando procedimientos computacionales y aproximaciones racionalistas e históricoamigables. Sin embargo, debido a las usuales limitaciones de información de estos ejercicios, es recomendable afianzar la validación mediante técnicas complementarias y otros casos de estudio. Dada la naturaleza teórica y no predictiva del modelo, su aplicación es posible mediante el diseño y simulación de escenarios. Dichos escenarios permiten ganar una comprensión básica de las dinámicas del aprendizaje y el desaprendizaje, en un contexto de competencia y colaboración entre actores que buscan aprovechar las oportunidades de innovación en un entorno afectado por políticas públicas y decisiones organizacionales. Con base en estas posibilidades de simulación y experimentación no posibles para sistemas reales, el modelo puede contribuir a orientar las políticas públicas y las estrategias organizacionales en un SRI, buscando mejorar su desempeño económico e innovador. Este trabajo contribuye a desarrollar los modelos de simulación basados en agentes que reporta la literatura. El modelo propuesto hace contribuciones originales en la representación de los actores y sus procesos de aprendizaje y desaprendizaje, así como en la introducción del principio de racionalidad limitada en la toma de decisiones por parte de los actores del sistema.

• Autores: Quintero Ramírez, Santiago
• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2016
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/57620
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/57620; http://bdigital.unal.edu.co/53948/
• Palabra clave: 62 Ingeniería y operaciones afines / Engineering; 65 Gerencia y servicios auxiliares / Management and public relations; Aprendizaje; Capacidades de innovación; Sistema regional de innovación; Patrones de especialización; Sistemas complejos adaptables; Modelación basada en agentes; Learning; Innovation capacities; Regional innovation system; Specialization patterns; Complex adaptive systems; Agent - based modelling
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional