REVISTA DE LA FACULTAD DE CIENCIAS EMPRESARIALES - … fileMarcelo Andrés Saravia Gallardo Juan...

REVISTA DE LA FACULTAD DE CIENCIAS EMPRESARIALES

AÑO 8 - Nº 8

DIRECTORA

Mary Esther Parada Parada

CONSEJO EDITORIAL

Fernando Alonso Aponte AmelungeMabel Becerra Urquidi

Marco Antonio Del Río RiberaJuan Carlos Espada Irigoyen

Juan Carlos Paz ParadaPaola Andrea Sainz Sujet

COLABORADORES

Alberto López MorenoMarco Antonio Ortiz Mateluna

Martín F. Palmero PantojaMarcelo Andrés Saravia GallardoJuan Fernando Subirana Osuna

INNOVARRevista de la Facultad de Ciencias Empresariales, Año 8 - No. 8

© 2016, Fundación Universidad Privada de Santa Cruz de la Sierra - UPSA© Facultad de Ciencias EmpresarialesPrimera edición, 300 ejemplaresAño: 2016

Derechos de AutorProhibida su reproducción Total o Parcial de esta Obra por cualquier medio sin autorización estricta del EDITOR.CENTRO DE PUBLICACIONES - UPSA

Los artículos publicados expresan la opinión de los autores.

Depósito Legal: 8-3-04-15ISBN: 978-99905-58-60-9

Impresión: Imprenta El Deber Av. Cumavi, Barrio Hermenca, Calle A # 7

Impreso en BoliviaSanta Cruz de la Sierra, 2016

PRÓLOGO

La Revista INNOVAR de la Facultad de Ciencias Empresariales de la UPSA nació el 2000 como el espacio para que los académicos puedan compartir y transmitir el resultado de sus experiencias e investigaciones en sus respectivas áreas. Actualmente, INNOVAR busca ser el espacio que permita al lector analizar, contrastar, evaluar y asumir una postura sobre los temas y contenidos de cada artículo.

INNOVAR en este Número 8, presenta a la comunidad universitaria y a la comunidad en general, el importante aporte de varios académicos en temas relacionados a cartera de proyectos para el sector hidrocarburífero, modelo de proyección de precios del gas para exportación, competencias profesionales de los profesores universitarios, prospectiva como mecanismo de proyecciones de escenarios futuros realizables, ventajas y desventajas del Diagrama de Box-Whister y modelo de Ciclos Económicos Reales - RBC ajustado a la realidad boliviana, los cuales se muestran en 6 artículos y una aproximación teórica relacionada a la conformación de grupos estratégicos o cartografiado empresarial.

De esta manera, INNOVAR cumple con dos valores institucionales: el compromiso con su comunidad y la excelencia académica, pues el contenido de cada uno de los artículos es la evidencia de la materialización de estos valores y la aplicabilidad de los mismos a nuestra realidad nacional.

INNOVAR, estimado lector, lo invita a escrudiñar y disfrutar cada una de sus páginas y verter opinión, así como asumir posturas críticas proactivas que construyan y empoderen el conocimiento como uno de los pilares fundamentales en el desarrollo de nuestra región y país.

Mary Esther Parada Parada DECANA

FACULTAD DE CIENCIAS EMPRESARIALES

ÍNDICE

PRÓLOGO ..............................................................................................................................................3 1. MODELO DE PROYECCIÓN DEL PRECIO DE EXPORTACIÓN DE GAS DE

BOLIVIA A ARGENTINA ...........................................................................................................5Juan Fernando Subirana Osuna

2. DIAGRAMA DE BOX-WHISTER Y OTROS DIAGRAMAS ALTERNATIVOS ............23Alberto López Moreno

3. PROSPECTIVA ............................................................................................................................43Alberto López Moreno

4. DISEÑO DE CARTERA DE PROYECTOS BASADO EN RIESGO .................................81Juan Fernando Subirana Osuna

5. COMPETENCIAS PROFESIONALES EN EL DE EMPEÑO LABORAL DEL PROFESOR UNIVERSITARIO .................................................................................................99Marcelo Andrés Saravia Gallardo

6. UN MODELO RBC-FISCAL PARA LA ECONOMÍA BOLIVIANA ............................. 143Martín F. Palmero Pantoja

7. BASES DE GRUPOS ESTRATÉGICOS. UNA APROXIMACIÓN TEÓRICA ............ 167Marco Antonio Ortiz Mateluna

5

1MODELO DE PROYECCIÓNDEL PRECIO DE EXPORTACIÓN DEGAS DE BOLIVIA A ARGENTINA

JUAN FERNANDO SUBIRANA OSUNA

Este trabajo busca encontrar una relación entre el precio de exportación de gas natural de Bolivia a Argentina con el benchmark internacional, el precio del petróleo West Texas Intermediated (WTI).

Para verificar la probidad del modelo empleado que se somete a las pruebas propuestas por Hendry (1995), conocidas como el “Análisis del Modelo Congruente”.

Innovar No. 8, 5-21

6

DesarrolloAntes de iniciar cualquier análisis es necesario conocer la estructura contractual que determina el precio de exportación a Argentina.

El precio contractualLa fórmula del precio definida en el Contrato de Compraventa es calculada y aplicada trimestralmente de acuerdo a la expresión siguiente(YPFB - ENARSA, 2006):

Fórmula Precio (ec. 1)

• PGt : Precio del Gas para el trimestre t.

• P: Precio base anual establecido como un valor fijo de 4,0588.

• FO1: Promedio aritmético simple del semestre anterior del trimestre aplicable del Fuel Oil de tres coma cinco por ciento de azufre, referido bajo el título de Cargoes FOB MedBasisItaly (unidades de Dólar americano por Tonelada Métrica).

• FO2: Promedio aritmético simple del semestre anterior del trimestre aplicable del Fuel Oil N°6 de uno por ciento de azufre, referido bajo el título de U.S. GulfCoastWaterborne (unidades de Dólar americano por Barril).

• FO3: Promedio aritmético simple del semestre anterior del trimestre aplicable del Fuel Oil de uno por ciento de azufre, referido bajo el título de Cargoes FOB NWE (unidades de Dólar americano por Tonelada Métrica).

• DO: Promedio aritmético simple del semestre anterior al trimestre aplicable del LS Diesel, referido bajo el título de US GulfCoastWaterborne (unidades de centavos de Dólar americano por galón).

• FO10 , FO20 , FO30 y DO0 : Valores de referencia de cada Fuel Oil, respectivamente.

7

La ecuación 1 puede resumirse como PGt = 4,0588 · FE , donde FE es el “Factor ENARSA” que aglutina la información de los precios de los 4 commodities citados; centraré la atención del análisis en esta variable compuesta para plantear las proyecciones.

Variables de ProyecciónPara analizar la variable Factor ENARSA (FE) se eligió relacionarla con el precio West Texas Intermediated (WTI) por considerarse un benchmark en la industria petrolera a nivel mundial, adicionalmente se observa un comportamiento correlacionado entre ambas variables.

Para generar un modelo se disponen datos mensuales desde 1994.01 hasta 2012.06, para los cuatro commodities que conforman la variable FE y para el precio WTI.

La relación entre ambas variables se observa en los siguientes gráficos.

Gráfico 1

Fuente: Elaboración PropiaDatos: World Oil

En los gráficos anteriores se observa el comportamiento semejante de ambas variables.

Propuesta de modeloPara la identificación del modelo de consideraron las siguientes variables.

8

• logFE: Logaritmo de FE del periodo t.• logWTI: Logaritmo de WTI del periodo t.

Para definir un modelo se propone un planteo Autorregresivo con variables independientes (ARX).

Modelo ARX

logFEt = a + bτ logFEt-τ+ c0 logWTIt + c1 logWTIt-1 (ec. 2)

La estimación econométrica, obtenida con el programa Eviews se muestra en el Cuadro 1.

Cuadro 1

Dependent Variable: LOGFEMethod: Least SquaresDate: 01/03/13 Time: 19:23Sample (adjusted): 1994M04 2012M06Included observations: 219 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C -0.479871 0.129625 -3.701983 0.0003

LOGFE(-1) 1.030921 0.050403 20.45362 0.0000

LOGFE(-2) -0.289230 0.062527 -4.625673 0.0000

LOGFE(-3) 0.145171 0.039123 3.710636 0.0003

LOGWTI 0.851954 0.041601 20.47932 0.0000

LOGWTI(-1) -0.726242 0.053546 -13.56300 0.0000

R-squared 0.995030 Mean dependent var -0.234885

Adjusted R-squared 0.994913 S.D. dependent var 0.698762

S.E. of regression 0.049836 Akaike info criterion -3.133161

Sum squared resid 0.529003 Schwarz criterion -3.040309

Log likelihood 349.0811 Hannan-Quinn criter. -3.095661

F-statistic 8529.090 Durbin-Watson stat 2.107475

Prob(F-statistic) 0.000000

Fuente: Elaboración Propia

9

Se observa que en el modelo elegido todas las variables significativas.

Pasado relativoA seguir se aplica la metodología “modelo congruente” (Hendry, 1995) para determinar la viabilidad de análisis del modelo, considerando tres componentes: (i) Pasado Relativo, (ii) Presente Relativo y (iii) Futuro Relativo.

Para analizar si el modelo elegido es útil para realizar inferencias, es necesario revisar el cumplimiento de los siguientes criterios que deben cumplir los residuos del modelo: Ruido Blanco, Innovación, Homoscedasticidad y Normalidad.

Ruido Blanco

La hipótesis a testear está asociada a asumir la inexistencia de autocorrelación serial H0: ρτ = 0, entre los residuos del modelo, para ello se recurre al estadístico Q.

10

Cuadro 2

Date: 01/ 03/ 13 Time: 03:09Sample: 1995MO2 2012M06Included observations: 209

Autocorrelation Partial Correlation AC PAC Q-Stat Prob1 0.014 0.014 0.0394 0.8432 -0.012 -0.012 0.0684 0.9663 -0.001 0 0.0685 0.9954 0.018 0.018 0.1407 0.9985 -0.031 -0.032 0.351 0.9976 0.032 0.034 0.5753 0.9977 -0.018 -0.02 0.6454 0.9998 -0.002 -0.001 0.6465 1.0009 0.012 -0.013 0.677 1.000

10 -0.026 -0.028 0.8213 1.00011 0.005 0.009 0.827 1.00012 -0.092 -0.096 2.7406 0.99713 0.01 0.014 2.7612 0.99914 -0.06 -0.062 3.5718 0.99815 -0.137 -0.14 7.8501 0.9316 -0.04 -0.032 8.2076 0.94217 -0.059 -0.075 9.0026 0.9418 -0.059 -0.054 9.8008 0.93819 -0.042 -0.052 10.22 0.94720 -0.037 -0.05 10.532 0.95721 0.071 0.079 11.723 0.94722 -0.028 -0.049 11.909 0.95923 0.039 0.049 12.275 0.96624 0.065 0.058 13.294 0.96125 0.027 0.02 13.475 0.9726 0.09 0.103 15.415 0.94927 -0.006 -0.044 15.422 0.96328 0.032 0.047 15.676 0.96329 0.032 0.007 15.926 0.97630 0.028 -0.013 15.124 0.98231 -0.004 -0.007 16.129 0.98732 0.029 -0.025 16.342 0.9933 0.021 0.024 16.457 0.99334 0.033 -0.006 16.73 0.99435 0.024 0.016 16.871 0.99636 0.02 0.049 16.976 0.997


11

Se observa en el Cuadro 2 que el valor en todos los posibles rezagos tienen un p-valor superior a 5% por lo que se puede concluir que los errores son ruido blanco.

Innovación

La hipótesis a testear es la ortogonalidad de los residuos del modelo con el set de variables X originales, siete originalmente. Es decir, la hipótesis es ut ˪ Xt.

Cuadro 3

Dependent Variable: RESMethod: Least SquaresDate: 01/03/13 Time: 19:28Sample (adjusted): 1994M04 2012M06Included observations: 219 after adjustments


C 0.103587 0.139321 0.743514 0.4580

LOGFE(-1) -0.069448 0.066346 -1.046753 0.2964

LOGFE(-2) 0.022423 0.088813 0.252477 0.8009

LOGFE(-3) 0.072330 0.064927 1.114033 0.2665

LOGWTI -0.012639 0.041916 -0.301534 0.7633

LOGWTI(-1) 0.103362 0.084894 1.217541 0.2248

LOGWTI(-2) -0.020343 0.093907 -0.216625 0.8287

LOGWTI(-3) -0.097324 0.071890 -1.353788 0.1773

R-squared 0.018120 Mean dependent var -3.29E-17

Adjusted R-squared -0.014454 S.D. dependent var 0.049261







Para testear la hipótesis es necesario calcular la relación T·R² que se distribuye con una , los grados de libertad son la diferencia entre los

12

parámetros estimados con el modelo general (kg) y los estimados con el modelo restringido elegido (kr).

Se tiene entonces T·R ² = 219 x 0,0181 = 3,96 y el = 5,99, comparando los valores el valor calculado es menor al valor crítico al 5%, por lo que no existe evidencia para rechazar la hipótesis nula; por ello se concluye que los residuos del modelo elegido son Innovaciones.

Homoscedasticidad

Se aplicó el test de White a los residuos del modelo elegido; la hipótesis de este test es que la varianza de los errores es constante, es decir E(u'u) = σ²I.

13

Cuadro 4

Heteroskedasticity Test: White

F-statistic 1.957850 Prob. F(5,213) 0.0862

Obs*R-squared 9.622754 Prob. Chi-Square(5) 0.0867

Scaledexplained SS 11.10846 Prob. Chi-Square(5) 0.0493

Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 01/03/13 Time: 19:31Sample: 1994M04 2012M06Included observations: 219


C 0.003562 0.001033 3.447617 0.0007

LOGFE(-1)^2 -0.002357 0.002002 -1.177040 0.2405

LOGFE(-2)^2 0.002888 0.003003 0.961719 0.3373

LOGFE(-3)^2 -0.000653 0.002044 -0.319657 0.7495

LOGWTI^2 -0.001025 0.000416 -2.463056 0.0146

LOGWTI(-1)^2 0.000949 0.000412 2.304771 0.0221

R-squared 0.043940 Mean dependent var 0.002416

Adjusted R-squared 0.021497 S.D. dependent var 0.003782







Observando la significancia del indicador T·R ², se ve que es mayor al p-valor teórico, por lo que no se puede rechazar la hipótesis nula; se concluye que los residuos del modelo elegido tienen varianza constante.

Normalidad

Analizando el Jarque-Bera de los residuos del modelo elegido, se busca probar la hipótesis de normalidad, es decir el test conjunto de H0:Sk=0∩K=3.

14

Este índice se distribuye con una (con 2 grados de libertad).

Gráfico 2


Se evidencia por el p-valor calculado de la prueba es superior al valor teórico 5%, por lo que se concluye que los residuos del modelo elegido tienen una distribución normal.

Como conclusión de los 4 análisis presentados se puede concluir que los residuos son ruido blanco, innovaciones, tienen varianza constante y se distribuyen normalmente; por lo que no se pueden realizar inferencias en el modelo.

Presente relativoPara analizar si el modelo elegido es útil para testear teorías, es necesario revisar exogeneidad débil del modelo.Para ello se estima el modelo:

Modelo para testear

exogeneidad t = a + bτ logFEt-τ + c1 logWTIt-1 + e0 ̂t (ec. 3)

0

5

10

15

20

25

30

-0.15 -0.10 -0.05 0.00 0.05 0.10

Series: Residuals Sample 1994M04 2012M06Observations 219

Mean -3.29e-17Median -0.003477Maximum 0.138551Minimum -0143745Std.Dev. 0.049261Skewness -0.021968Kurtosis 3.440694

Jarque-Bera 1.789794Probability 0.408650

15

Al tener a una variable en relación contemporánea con los residuos del modelo elegido es necesario definirla como un proceso autorregresivo, quedando definido de la siguiente manera: logWTIt α = αlogWTIt-1 + ̂t

Cuadro 5

Dependent Variable: RESMethod: Least SquaresDate: 01/03/13 Time: 19:26Sample (adjusted): 1994M04 2012M06Includedo bservations: 219 after adjustments


C 2.99E-13 0.129635 2.30E-12 1.0000

LOGFE(-1) -6.39E-14 0.050403 -1.27E-12 1.0000

LOGFE(-2) 1.70E-13 0.062527 2.72E-12 1.0000

LOGFE(-3) -3.43E-14 0.039123 -8.78E-13 1.0000

LOGWTI(-1) -7.75E-14 0.033720 -2.30E-12 1.0000

RESLOG 3.54E-13 0.041601 8.51E-12 1.0000

R-squared 0.000000 Mean dependent var -3.29E-17

Adjusted R-squared -0.023474 S.D. dependent var 0.049261


Sum squared resid 0.529003 Schwarzcriterion -3.040309


F-statistic 5.36E-14 Durbin-Watson stat 2.107475



Para testear la hipótesis es necesario calcular la relación T·R² que se distribuye con una .

Se tiene entonces T·R² = 219 x 0,00 = 0,00 y el = 3,84 comparando los valores el valor calculado es inferior al valor crítico al 5%, por lo que no existe evidencia para rechazar la hipótesis nula; por ello se concluye que existe Exogeneidad Débil en el modelo, por lo que se pueden testear teorías con él.

16

Futuro relativoPara poder realizar proyecciones con el modelo es necesario determinar la presencia de exogeneidad fuerte en el modelo, para ello se debe complementar el análisis de exogeneidad débil con los test de precedencia estadística en el sentido de Granger.

Habiendo corrido esta prueba para tres rezagos, se observar que la causalidad a la Granger está presente en todos.

Cuadro 6

LAG lnFE - lnWTI

1 lnWTI causa lnFE

2 lnWTI causa lnFE

3 lnWTI causa lnFE


Considerando que el modelo no tiene exogeneidad débil y existe adicionalmente causalidad en el sentido de Granger; se concluye que el modelo no tiene exogeneidad fuerte, por lo que no se pueden realizar proyecciones.

Adicionalmente se realizan test de estabilidad del modelo, mediante las pruebas CUSUM y CUSUM.

17

Gráfico 3


Considerando el análisis CUSUM se observa que hay estabilidad en el modelo, sin embargo para tener una posición concluyente sobre este particular se procede a correr un test de CUSUM cuadrado.

Gráfico 4


En base a este último se puede observar que hay estabilidad en los parámetros del modelo, por ello se concluye que se pueden evaluar políticas con el modelo planteado.

18

Conclusiones del modelo

Respecto al modelo de la ecuación 5 se puede puntualizar lo siguiente.

Cuadro 7

Análisis Prueba Resultado Conclusión

Pasado Relativo

Ruido Blanco SI

Se puede realizar inferencia con el modelo.

Innovación SI

Homoscedasticidad SI

Normalidad SI

Presente Relativo Exogeneidad Débil SI Se pueden testear teorías.

Futuro Relativo

Exogeneidad Fuerte NO No se pueden realizar proyecciones.

Estabilidad SI Sí se pueden evaluar políticas.

Superexogeneidad NO No se rechaza la crítica de Lucas.


Esta propuesta de modelo ARX, es un buen modelo a efectos de representar la relación entre las variables y si bien no cumple con la exogeneidad fuerte bien puede generar proyecciones en corto y mediano plazo.

Habiendo analizado varios modelos para la proyección de precios del contrato de compraventa de gas natural entre YPFB y ENARSA, en aplicación del análisis de Congruencia propuesto por Hendry (1995) indica que el mejor modelo es el elegido.

Adicionalmente se puede analizar el poder de predicción del modelo, mediante un indicador U de Theil bajo, por lo que se elegiría este para realizar proyecciones.

19

Cuadro 8


ConclusionesEl presente estudio expone una metodología de validación de modelos econométricos, que bien pueden ser empleados en proyecciones o solamente modelado de situaciones.

Con el ejemplo analizado, se evidencia el rigor técnico exigido en los análisis realizados; así como la aplicabilidad de los conceptos en temas puntuales como ser la potencialidad de analizar inferencias, teorías, pronósticos y políticas.

En el caso particular analizado, se recomienda continuar la investigación hasta encontrar un modelo capaz de proyectar en el largo plazo.

20

Referencias bibliográficasEnders, W. (2010). Applied Econometric Time Series (Tercera ed.), New

Jersey, U.S.A.: Jhon Wilet & Sons.

Gourieroux, C. y Monfort, A. (1990). Time Series and Dynamic Models. (G. Gallo, Trad.), Cambridge, United Kingdom: Cambridge Press.

Hamilton, J.D. (1994). Time Series Analysis. New Jersey, U.S.A.: Princeton Press.

Hayashi, F. (2000). Econometrics. New Jersey, U.S.A.: Princeton Press.

Hendry, D.F. (1995). Dynamic Econometrics. New York, U.S.A.: Oxford Press.

López, A. (2011). Métodos Clásicos y Modernos de Estadística Descriptiva. Santa Cruz de la Sierra, Bolivia: UPSA.

Lütkepohl, H. y Krätzig, M. (2004). Applied Time Series Econometrics. Cambridge, United Kingdom: Cambridge Press.

Subirana, J.F. (2011). Diseño de Cartera de Proyectos de Inversión basado en el riesgo para la Empresa Altiplánica S.A. Tesis y Disertaciones, Santa Cruz de la Sierra, Bolivia: UPSA.

World Oil. (s.f.). World Oil Online. Recuperado el enero de 2012, de http://www.worldoil.com/

YPFB - ENARSA. (2006). Contrato de Compra-Venta de Gas Natural. Material no publicado. Santa Cruz de la Sierra, Bolivia.

21

Palabras Clave• Pronóstico• WTI• Modelo ARX• Modelo Congruente

Clasificación JELC22, C52, C53

Juan Fernando Subirana Osuna Estudiante de Doctorado en Economía (UPB), Magíster en Ingeniería Financiera e Ingeniero Comercial (UPSA). Docente de cátedra de pregrado y postgrado (UPSA). E-mail: [email protected]

Este artículo fue presentado y galardonado en el 4to. Congreso de Investigación Operativa y Ciencias Administrativas - IOCA 2013.

23

2DIAGRAMA DE BOX-WHISTER Y OTROS DIAGRAMAS

En este trabajo se expone las ventajas y desventajas del Diagrama de Box-Whister como herramienta de observación de los datos. Por otra parte se propone la construcción de otro tipo de diagrama que el autor denomina Diagrama de Farol, y se muestra sus ventajas y desventajas en comparación con el Diagrama de Box-Whister. Finalmente se hace una exposición resumida del Diagrama de Bolsa, como tercera alternativa. La explicación de estas técnicas gráficas se complementa con ejemplos.

ALBERTO LÓPEZ MORENO

Innovar No. 8, 23-40

24

1. Introducción

Los gráficos estadísticos son herramientas útiles para contextualizar y enfocar adecuadamente otras técnicas estadísticas de análisis más potentes, ya que permiten mediante un análisis visual, exploratorio, percibir patrones de comportamiento más rápidamente que la observación de los datos numéricos.

De la amplia variedad de gráficos estadísticos comunes y clásicos, como los histogramas, los polígonos de frecuencias y otros similares, destacan a este fin aquellos gráficos que representan algunos parámetros seleccionados de la población, o sus estimadores obtenidos por muestreo, tal como el Diagrama de Box - Whisker, llamado popularmente diagrama de caja y bigotes, que fue propuesto por John W. Tukey en 1977 como una herramienta para el análisis exploratorio de las características de una distribución univariable.

Otro gráfico, que es una generalización del diagrama de caja, diseñado para representar distribuciones bivariadas, fue propuesto posteriormente por el mismo autor y sus colaboradores con el nombre de Diagrama de Bolsa o Bagplot.

Por su parte, el autor de este documento presenta un diagrama alternativo al diagrama de Box - Whisker, al cual propone llamar Diagrama de Farol por su apariencia.

2. Diagrama de Box – Whisker

El gráfico, o diagrama, de Box - Whisker fue propuesto como una herramienta para el análisis exploratorio de las características de una distribución univariable, por John Wilder Tukey (1915 - 2000) en el año 1977.

El diagrama de Box - Whisker ofrece, en un solo gráfico la siguiente información:

25

a) Los valores mínimo y máximo de la variable, que aportan a la apreciación de la dispersión de la variable, simbolizados en lo que sigue como Xmin y Xmax .

b) El valor de la mediana, como parámetro de posición, simbolizada como Me.

c) Los valores del primer y tercer cuartil, que permiten apreciar visualmente la dispersión medida por el Recorrido Intercuartílico, RI = (Q3 - Q1).

d) La medida de la asimetría del 50% de la parte central de la distribución, apreciada por la comparación de las diferencias entre la distancia (Q3 - Me) y la distancia (Me - Q1). Si la diferencia de distancias es positiva la asimetría será positiva y será negativa en caso contrario.

e) La posición de los valores atípicos de la variable, representados por asteriscos u otro signo convencional, dan una idea de la robustez de los estimadores. Se marcan con asterisco aquellos valores de la variable que se encuentran comprendidos entre los puntos (Q1 - 1,5RI) y (Q1 - 3RI) por el lado izquierdo o entre los puntos (Q3 + 1,5RI) y (Q3 +3RI) por el lado derecho. Valores todavía más extremos que los indicados se marcan con doble asterisco.

f) Si la longitud del bigote derecho (Xmax - Q3) es mayor que la longitud del bigote izquierdo (Q1 - Xmin) se corrobora la asimetría positiva de la distribución. Si la longitud del bigote izquierdo (Q1 - Xmin) es mayor que la longitud del bigote derecho (Xmax - Q3) se corrobora la asimetría negativa de la distribución.

El diagrama es un rectángulo, que es la caja, dibujado a escala, donde los lados verticales extremos se ubican en correspondencia con los valores del primer y tercer cuartil. El rectángulo está partido en dos por un segmento vertical ubicado en correspondencia con el valor de la mediana. El rectángulo también está partido horizontalmente por una recta que se extiende desde el valor mínimo hasta el valor máximo de la variable. La caja del diagrama queda hacia el centro del recorrido de la variable y lo divide por tanto en dos partes. Cada una de las partes del recorrido de la variable a ambos lados de la caja son los bigotes del diagrama.

26

Hay numerosas variantes del diagrama, que se utilizan para enriquecer la información que proporciona.

Para una distribución conjunta de solo dos variables el diagrama de cajas proporciona la relación entre estas, mediante la representación gráfica de los cambios de una variable condicionados por los cambios en los valores de la otra variable. Los cambios de la variable condicionante se dan por sus clases o categorías, los cambios de la variable condicionada se dan a través de la secuencia de cajas para cada clase o categoría de la variable condicionante.

En estos casos la secuencia de cajas es útil para compararlas distribuciones de los grupos conformados por las categorías o clases de la variable condicionante. La secuencia de cajas puede considerarse como una visualización aproximada de la prueba estadística t de Student que compara promedios de dos grupos, o de la prueba F si se comparan más de dos grupos.

No obstante su utilidad el diagrama de Box - Whisker tiene limitaciones, algunas de las cuales se detallan:

a) Para una distribución univariable, si la variable es categórica el diagrama de cajas no es posible.

b) Para una distribución conjunta de dos variables, el diagrama de cajas de la distribución condicionada de una variable categórica no es posible.

c) La estimación de la dispersión mediante el rango intercuartílico, es una estimación de la distribución truncada del 50% de sus valores extremos, 25% de cada lado.

d) La estimación de la asimetría basada en cuartiles, da idea de la asimetría del 50% de la parte central de la distribución. La estimación de la asimetría teniendo en cuenta la longitud de los bigotes no siempre corrobora la asimetría basada en los cuartiles, pues a veces entran en conflicto.

e) No incluye el valor de la moda.

f) No incluye los valores de la desviación típica, que es la medida de dispersión referencial en la mayoría de las aplicaciones.

27

g) Si se desea elegir el mejor parámetro de posición para representar un conjunto de datos o su distribución, no es posible hacerlo pues sólo se dispone de un único parámetro de posición.

3. Diagrama de Farol

A continuación, el autor de este documento presenta un diagrama alternativo al diagrama de Box - Whisker, para el cual propone el nombre de Diagrama de Farol, por su semejanza al halo que en un ambiente brumoso produce la iluminación de una fuente de luz, tal como un farol o poste de luz.

Los parámetros, o sus estimaciones, graficados en el Diagrama de Farol son:

a) El valor de la moda simbolizada como Mo.

b) El valor de la mediana simbolizada como Me.

c) El valor del promedio aritmético simbolizado como µ.

d) El valor de la desviación típica simbolizado como σ.

e) El valor de la desviación media simbolizado como DM.

f) El valor dela Razón de para datos cualitativos, simbolizado como RD.

Este cociente se calcula como RD = 1 - , donde es la frecuencia de

la clase modal y N es el número total de casos en la distribución. La Razón de Diversidad1 indica el grado en que los valores observados no coinciden con el valor de la moda. Se puede interpretar como la probabilidad de que los valores de la variable no pertenezcan a la clase modal. Es por lo tanto una medida de diversidad basada en la dominancia de la clase modal frente a las demás clases de la estructura de la tabla.

1 Es una modificación del Índice de diversidad de Berger - Parker (1970), calculado como

IBP = . La modificación, propuesta por Freeman, consiste en definir RD = 1 - IBP = 1 - .

28

Para la elección de los parámetros a representar se ha considerado que el polígono de frecuencias de la distribución univariable tiene una sola moda, un caso muy frecuente en las aplicaciones reales. En esta situación:

a) La mediana siempre está ubicada entre la moda y el promedio.

b) La asimetría, calculada como , es positiva cuando la moda

está ubicada a la izquierda del promedio y negativa si la moda se ubica a la derecha del promedio.

c) Cuando la distribución es simétrica o aproximadamente simétrica, el promedio es el parámetro apropiado para representar todos los valores poblacionales en un valor único.

d) Cuando la distribución es asimétrica, la mediana o la moda son más apropiados que el promedio para posicionar los valores poblacionales en un solo valor.

e) Si hay interés en la suma total de valores de la variable el promedio es el parámetro de posición adecuado.

f) Cuando la distribución es simétrica o aproximadamente simétrica, la desviación típica σ es la medida de dispersión más apropiada.

g) Cuando la distribución es asimétrica, la desviación media DM referida ala mediana es apropiada como medida de dispersión.

h) El coeficiente de variación CV = σ/µ, cuando es pequeño, indica que µ es adecuado para posicionar en uno solo todos los valores poblacionales. Es deseable que no exceda demasiado el valor 0,20.

i) El coeficiente de variación referido a la mediana CVMe calculado con la relación CVMe = DM/Me, cuando es pequeño, indica que la mediana es adecuada para posicionar en uno solo todos los valores poblacionales.

Por otra parte si la distribución es de variable categórica:

j) El polígono de frecuencias no tiene sentido, pero la moda es el único parámetro de posición posible.

29

k) Como sustituto de las medidas de dispersión se utilizará la Razón de Diversidad.

l) El Coeficiente de Variación respecto de la mediana, CV = DM/Me y la Razón de Diversidad son ambos idóneos para juzgar la calidad de representación que ofrecen la mediana y la moda como representantes de todos los valores poblacionales.

m) Cuando se calculan estimadores con una muestra grande es mejor utilizar µ y σ. Cuando se usan estimadores y la muestra es pequeña es mejor utilizar Me y RI como medidas de posición y dispersión respectivamente.

4. Ejemplo de aplicación del Diagrama de Farol

Como ejemplo de aplicación del Diagrama de Farol sea la distribución univariada desagregada

X = {5; 5; 7; 9; 12; 13; 14; 50}

Los parámetros necesarios para dibujar el diagrama de Farol son:

Mo Me µ σ DM RD5 10,50 14,38 13,86 7,88 0,75

Gráfico 1. Diagrama de Farol

30

En este diagrama: a) Los valores de los parámetros de posición están dados por la altura de

la recta que les corresponde, sobre el eje vertical.

b) Los valores de los parámetros de dispersión, σ y DM, están representados por el diámetro de los círculos que corresponden a sus respectivos parámetros de referencia.

c) El ángulo del sector circular en la posición de la moda indica la dispersión alrededor de la moda medida por el valor de RD.

d) La posición relativa sobre el eje horizontal que guardan entre sí, la moda la mediana y el promedio, tienen significado para indicar la asimetría del conjunto de datos, pero la distancia sobre el eje horizontal de estos parámetros no tiene mayor utilidad que no sea la de dar comodidad al dibujo del diagrama.

5. Diagrama de Box - Whisker para los datos del ejemplo

Este diagrama se dibuja con el propósito de compararlo, en su forma y en sus conclusiones, con el Diagrama de Farol ya dibujado.

Los parámetros necesarios son,

Xmin Xmax Me Q1 Q3 DM

5 50 10,50 6,50 13,25 7,88

Gráfico 2. Diagrama de Box - Whisker

31

Los resultados comparativos son:

Diagrama de Box – Whisker Diagrama de Farol

Una fuerte asimetría positiva. Una fuerte asimetría positiva, (la moda está a la izquierda del promedio y la diferencia de longitud entre el promedio y la moda es grande.)

El valor de la mediana es el único representante del conjunto.

El valor de la mediana no es un buen representante del conjunto, pero es el mejor de los tres parámetros de posición disponibles.

Presenta un valor atípico (el valor 50.)

El valor de la desviación típica es casi tan grande como el valor del promedio. Esto inhabilita al promedio para representar el conjunto.

El valor de la desviación media alcanza al 77% del valor de la mediana. Esto inhabilita a la mediana para representar el conjunto.

El valor modal es 5, y la probabilidad de tener valores diferentes del valor modal es 0,75 lo que inhabilita ala moda para representar el conjunto.

6. Otro ejemplo comparativo

Otro ejemplo comparativo, que es todavía más útil para ilustrar las diferencias y las ventajas o desventajas de ambos diagramas, se obtiene del dibujo y análisis de resultados para una distribución conjunta hipotética de dos variables, una de ellas cuantitativa y la otra cualitativa, como la distribución de la Tabla 1.

Tabla 1. Distribución de frecuencias del dinero para el recreo de los niños del ciclo básico en escuelas de la ciudad Santa Cruz de la Sierra,

según distritos

DistritoMonto de dinero para el recreo de los niños

2 a 4 Bs. 4 a 7 Bs. 7 a 10 Bs. 10 a 15 Bs. 15 a 20 Bs.

1 26 14 12 5 2

2 18 25 13 3 0

3 33 14 8 3 1

4 41 13 4 1 0


32

6.1. Diagrama de Box - Whisker para la distribución de la Tabla 1

Datos para el diagrama necesarios para construir el diagrama son los siguientes:

Xmin Xmax Me Q1 Q3

D1 2 20 4,75 3,13 8,06

D2 2 15 5,38 3,64 7,29

D3 2 20 3,79 2,89 6,41

D4 2 15 3,44 2,72 4,75

Y el diagrama aparece en el Gráfico 3.

Gráfico 3. Diagramas de Box - Whisker por distritos

6.2. Diagramas de Farol para la distribución

Los datos para el diagrama:

Mo Me µ Q1 Q3 σ DM CVC

D1 3,37 4,75 6,008 3,13 8,06 3,655 2,80 0,56

D2 5,11 5,38 5,754 3,64 7,29 2,513 1,83 0,58

D3 3,27 3,79 5,068 2,89 6,41 3,076 2,16 0,44

D4 3,19 3,44 4,085 2,72 4,75 1,944 1,26 0,31

33

Distrito Dinero para el recreo

2 a 4 Bs. 4 a 7 Bs. 7 a 10 Bs. 10 a 15 Bs. 15 a 20 Bs.

1 26 14 12 5 2

2 18 25 13 3 0

3 33 14 8 3 1

4 41 13 4 1 0

Gráfico 4. Diagramas de Farol por distritos y por dinero para el recreo

De ambos diagramas se deduce:

Grupo Diagrama de Box - Whisker Diagrama de Farol

Distrito 1

Fuerte asimetría positiva. La mayor dispersión de todos los distritos.La mediana del dinero recibido por los estudiantes del distrito solo es superada por los estudiantes del distrito 2.

Fuerte asimetría positiva basada en la moda. El promedio o la mediana pueden representar al distrito, aunque ninguno de estos parámetros lo representará bien. La probabilidad que el dinero para el recreo este fuera de la clase modal (2 a 4 Bs.) es mayor a 0,5.La dispersión del dinero recibido por los estudiantes de este distrito, medida por la desviación típica es del orden del 60% del valor del promedio.El promedio del dinero recibido por los estudiantes es el más alto de todos los distritos.

34

Distrito 2

La asimetría basada en los cuartiles, es prácticamente nula, pero el largo de los bigotes a la derecha contradice esta apreciación e indica asimetría positiva.La dispersión del dinero recibido por los estudiantes es moderada, siendo la segunda menor dispersión de los cuatro distritos.El valor de la mediana indica que los estudiantes del distrito son los que reciben más dinero en comparación con otros distritos.

La asimetría basada en la moda es positiva pero con pequeño valor numérico.El promedio, y mejor aún la mediana representarían bien al distrito. La probabilidad que el dinero para el recreo en este distrito este fuera de la clase modal (4 a 7 Bs.) es mayor a 0,5.La dispersión del dinero recibido por los estudiantes de este distrito, medida por la desviación típica es del orden del 60% del valor del promedio.La dispersión de la desviación media respecto de la mediana no es mucho menor (57%.)

Distrito 3

La asimetría basada en los cuartiles es medianamente positiva y la longitud de los bigotes a la derecha confirma esta apreciación.La dispersión del dinero recibido por los estudiantes es moderada, y similar a la de los estudiantes del distrito 2.La mediana indica que los estudiantes del distrito, reciben como grupo menos dinero que los estudiantes de los distritos 1 y 2.

La asimetría basada en la moda es positiva y de mediano valor numérico. Tanto el promedio como la mediana pueden representar al distrito aunque ninguno de estos parámetros daría una buena representación.La probabilidad que el dinero para el recreo en este distrito este fuera de la clase modal (2 a 4 Bs.) es algo menor a 0,5. La dispersión del dinero recibido por los estudiantes de este distrito, medida por la desviación típica es del orden del 60% del valor del promedio.La dispersión medida por la desviación media respecto de la mediana es de valor menor.La mediana y su dispersión representan mejor el distrito que el promedio y la desviación típicaSe podría incluso considerar la moda como representante del distrito por el bajo valor de su RD.

Distrito 4

La asimetría basada en los cuartiles es positiva y la longitud de los bigotes a la derecha confirma esta apreciación.La dispersión del dinero recibido por los estudiantes de este distrito es la menor en todos los distritos.La mediana indica que los estudiantes del distrito son los que menos dinero reciben en comparación con los estudiantes de otros distritos.

La asimetría basada en la moda es positiva y de mediano valor numérico.La mediana representaría bien al distrito. La probabilidad que el dinero para el recreo en este distrito este fuera de la clase modal (2 a 4 Bs.) es solo de 0,3.La dispersión del dinero recibido por los estudiantes de este distrito, medida por la desviación típica es del orden del 48% pero la dispersión medida por la desviación media es aún menor.La moda también es una alternativa a considerar como representante del distrito, debido al bajo valor de RD.

35

Dinero recibido para el recreo

Diagrama de Box - WhiskerNo es posible el diagrama de Box - Whisker, por grupos del dinero recibido para el recreo según distritos, porque esta última variable es cualitativa.

Diagrama de Farol

2 a 4 Bs. La moda es el Distrito 4.La probabilidad que el dinero recibido para el recreo sea de (2 a 4 Bs.), pero el estudiante no pertenezca al distrito D4 es del orden de 0,65.

4 a 7 Bs. La moda es el Distrito D2.La probabilidad que el dinero recibido para el recreo sea de (4 a 7 Bs.), pero el estudiante no pertenezca al distrito D2 es del orden de 0,62.



15 a 20 Bs. La moda es el Distrito D1.La probabilidad que el dinero recibido para el recreo sea de (15 a 20 Bs.), pero el estudiante no pertenezca al distrito D1 es tan solo de 0,33.

6.3. Conclusiones del ejemplo comparativo bivariado

De la comparación de ambos diagramas se puede extraer las siguientes conclusiones generales:

1. Para el ejemplo, el diagrama de Box - Whisker muestra alguna contradicción en la asimetría basada en los cuartiles y la asimetría indicada por los bigotes de la caja.

36

2. También señala a los estudiantes del distrito 2 como los que reciben más dinero en comparación con otros distritos, mientras que el Diagrama de Farol señala a los estudiantes del distrito 1 como los que reciben más dinero en comparación con los demás distritos.

3. En términos generales, el Diagrama de Farol ofrece información diferente y más completa que el diagrama de Box - Whisker ya que ofrece los valores de la moda, del promedio aritmético, de la desviación típica alrededor del promedio, de la desviación media alrededor de la mediana y de la probabilidad que los valores de la variable no caigan en la clase modal.(En este punto conviene recordar lo dicho respecto a que estas diferencias de información son más relevantes cuando se dispone de muestras grandes.)

4. El Diagrama de Farol es una herramienta visual práctica para estudiar la relación de dos variables, cualquiera sea el tipo de las variables relacionadas.

5. El diagrama de Box - Whisker es una herramienta visual práctica para estudiar la relación de dos variables, cuando una de ellas es categórica u ordinal y la otra ordinal o numérica.

6. El Diagrama de Farol no es tan fácil de dibujar y aún no ha sido programada su representación gráfica.

7. El diagrama de Box - Whisker es fácil de interpretar, y de graficar tanto en Excel como en SPSS u otros paquetes de software estadístico.

8. El Diagrama de Farol es más adecuado que el diagrama de caja y bigotes para explorar la relación de dos variables numéricas.

9. En cambio, el diagrama de Box - Whisker, por su información basada en los cuartiles, es más adecuado para el análisis visual exploratorio de distribuciones muy asimétricas, obtenidas con muestras pequeñas.

37

7. El diagrama de Bolsa (Bagplot)

Un Diagrama de Bolsa es una generalización bivariada del diagrama de caja. Fue propuesto por Rousseeuw, Ruts y Tukey (1999). En el caso bivariado el rectángulo de la caja cambia a un polígono convexo, que es la bolsa del diagrama.

Dentro de la bolsa (en gris oscuro) se representa el 50% de los valores de la variable con mayor profundidad bivariante. El punto central de color blanco representa la mediana bivariada de Tukey. El recinto, de color gris claro, se obtiene ampliando la bolsa por un factor de 3. Observaciones fuera del recinto son consideradas atípicas.

El diagrama de bolsa visualiza, la posición, dispersión, asimetría, correlación y valores atípicos de los datos.

Figura 5. Diagrama de bolsa 2

8. Conclusiones

Los gráficos estadísticos son herramientas útiles para contextualizar y enfocar adecuadamente otras técnicas estadísticas de análisis más potentes, ya que permiten mediante un análisis visual exploratorio percibir

2 Wessa P., (2009), Bagplot (v1.0.0) in Free Statistics Software (v1.1.23-r6), Office for Research Development and Education, URL http://www.wessa.net/rwasp_bagplot.wasp/

38

patrones de comportamiento más rápidamente que la observación de los datos numéricos.

Los gráficos que aquí se presentan relacionan entre sí parámetros de posición, dispersión, asimetría y valores atípicos, para dar una visión global y por tanto más útil de las características de las poblaciones que representan.

El gráfico o diagrama de Box - Whisker, llamado popularmente diagrama de caja y bigotes, fue propuesto por John W. Tukey en 1977 como una herramienta para el análisis exploratorio de las características de una distribución univariable.

El diagrama es un rectángulo, que es la caja dibujada a escala, donde los lados verticales extremos se ubican en correspondencia con los valores del primer y tercer cuartil. El rectángulo está partido en dos por una recta vertical ubicada en correspondencia con el valor de la mediana. El rectángulo está partido horizontalmente por una recta que se extiende desde el valor mínimo hasta el valor máximo de la variable. La caja del diagrama queda hacia el centro del recorrido de la variable y lo divide por tanto en dos partes. Cada una de las partes del recorrido de la variable a ambos lados de la caja son los bigotes del diagrama.

El autor de este artículo propone un diagrama alternativo al diagrama de Box - Whisker, al cual propone llamar Diagrama de Farol.

El Diagrama de Farol representa gráficamente: el valor de la moda Mo, el valor del promedio aritmético µ. El valor de la mediana Me, el valor de la desviación típica σ, el valor de la desviación media DM y el valor de la Razón de Diversidad RD, para datos cualitativos.

En términos generales, el Diagrama de Farol ofrece información diferente y más completa que el diagrama de Box - Whisker, que apropiada para la visualización y análisis exploratorio cuando las distribuciones tienen poca o ninguna asimetría y representan a numerosos casos. En cambio el diagrama de Box - Whisker es más adecuado para el análisis visual exploratorio de distribuciones muy asimétricas, obtenidas con muestras pequeñas.

El Diagrama de Farol es una herramienta visual práctica para estudiar la relación de dos variables, cualquiera sea el tipo de las variables

39

relacionadas, lo que no ocurre con el diagrama de Box - Whisker que solo permite estudiar la relación de dos variables cuando al menos una de ellas es ordinal o numérica.

El Diagrama de Farol no es tan fácil de dibujar y aún no ha sido programada su representación gráfica, en cambio el diagrama de Box - Whisker es fácil de interpretar y de graficar, tanto en Excel como en SPSS u otros paquetes de software estadístico.

Otro de los muchos enfoques para diagramar y estudiar distribuciones bivariadas es el Diagrama de Bolsa o Bagplot, que es una generalización bivariada del diagrama de caja. En el caso bivariado el rectángulo de la caja cambia a un polígono convexo, que es la bolsa del diagrama. Dentro de la bolsa se representa el 50% de los valores de la variable con mayor profundidad bivariante. El punto interior representa la mediana bivariada de Tukey. El recinto exterior se obtiene ampliando la bolsa por un factor de 3. Observaciones fuera del recinto son consideradas atípicas. El diagrama de bolsa visualiza, la posición, dispersión, asimetría, correlación y valores atípicos de los datos.

Referencias bibliográficas

Orellana L.J. (2009). Determinación de Índices de Diversidad Florística Arbórea en las parcelas permanentes de muestreo del valle de Sacta. Trabajo Final para Graduación de Técnico Forestal en la Universidad Mayor de San Simón, Cochabamba, Bolivia. Disponible en: http://www. esfor.umss.edu.bo/biblioesfor/ver_indice_tematico.php?idpas=2228

Rousseeuw, P.J., Ruts, I, y Tukey J.W. (1999). The bagplot: A bivariate boxplot. The American Statistician, 53, 382-387. Disponible en: http://www.improving-visualisation.org/vis/id=230

Weisstein, E.W., Box-and-Whisker Plot. MathWorld - A Wolfram Web Resource. Disponible en: http://mathworld.wolfram.com/Box-and- WhiskerPlot.html y http://demonstrations.wolfram.com/DescriptionsOf UnivariateData/

40

Palabras claves

• Diagramas estadísticos• Diagrama de Box Whister• Diagrama de Farol• Diagrama de Bolsa

Clasificación JEL

Y1

Alberto López Moreno

Licenciado en Estadística. Ex Director Regional del INE Santa Cruz. Profesor en la UPSA en materias de su especialidad.

43

3PROSPECTIVAEste trabajo es una exposición de la necesidad de la prospectiva, sus condiciones, sus estrategias y los diversos métodos que para tal objeto se han desarrollado.



44

1. Antecedentes y consideraciones generales

La palabra prospectiva viene del latín prospicere que significa mirar a lo lejos o desde lejos.

El significado actual se lo dio Gastón Berger en un artículo de la Reveu des Deux Mondes en 1957. Hoy la palabra prospectiva alude al conjunto de técnicas que permiten identificar escenarios futuros, posibles, deseables o convenientes y realizables y además diseñar una estrategia para alcanzarlos.

Como el futuro es incierto, y está en proceso de realización, esto abre la posibilidad de esperar escenarios futuros más felices y por tanto deseados, a cuya realización podemos empezar a contribuir desde el presente.

Los escenarios deseados se construyen con la participación de los actores, que representan los diversos intereses y grupos de poder, tal como los sectores sociales, los sectores particulares, el estado, las entidades académicas, los centros de investigación e innovación, etc.

No es posible olvidar la componente emocional y el compromiso de quienes participan en la construcción del futuro y de hecho la prospectiva toma en cuenta este aspecto y lo valora adecuadamente.

El diseño de los escenarios futuros deseados cuenta a la fecha con instrumentos metodológicos desarrollados al efecto y conocidos como la caja instrumental de la prospectiva.

En otros idiomas la prospectiva se conoce como prospective en francés, prospective o foresight en inglés, prospeccao en portugués, prospettiva en italiano, prospektive en alemán.

La práctica de la prospectiva ya es corriente, de hace tiempo, en todos los países y ámbitos. En Bolivia se puede mencionar un par de antecedentes, como:

- Bolivia: prospectiva económica y social 2000 - 2010, PNUD, Cuaderno de Futuro 10, La Paz, 60 p.

45

- Curso sobre la prospectiva: conceptos, métodos y aplicaciones, por Javier Medina Vásquez, Profesor titular, Director Instituto de Prospectiva, Innovación Y Gestión del Conocimiento de la Universidad del Valle, Colombia, como parte de un curso de planificación y gestión estratégica de las políticas públicas, ILPES, Santa Cruz de La Sierra (Bolivia), Mayo 4 al 15 de 2009.

Son más conocidas que otras las escuelas de prospectiva, francesa, anglosajona y en el continente la escuela rioplatense y la colombiana, que difieren, todas ellas, en aspectos metodológicos.

2. Porqué es necesaria la prospectiva

La prospectiva es necesaria porque:

- Enfrentamos una realidad cada vez más compleja, incierta y cambiante.

- Los enfoques y métodos tradicionales para manejar esta realidad ya están agotados.

- La prospectiva presenta mejores propuestas y herramientas más adecuadas para manejar esta problemática.

3. Postulados de la prospectiva

Bertrand de Jouvenel1 afirma que la Prospectiva se apoya en tres postulados2; el postulado de la libertad, el postulado del poder y el postulado de la decisión.

Postulado de la libertad. La prospectiva solo se puede aplicar para configurar un futuro deseado de entre un conjunto de futuros posibles,

1 Doctor en Ciencias Humanas de la Universidad de París, Director del Centro de Pensamiento Estratégico y Prospectiva y del Doctorado en Administración. de la Universidad Externado de Colombia.

2 Proposición que presenta una verdad sin demostraciones ni evidencias, pero que es admitida pese a la falta de pruebas y que se usa en un razonamiento posterior.

46

ya que el futuro no está determinado sino que permanece abierto a una pluralidad de futuros posibles, si se tiene libertad para elegirlo libremente.

Postulado de poder. Entendido como disponer del poder necesario para intervenir en la marcha de la historia y administrar su progreso. La prospectiva conlleva una connotación política, porque construir el futuro supone decidir y toda decisión es una manifestación de poder, donde se confrontan intereses y posiciones sociales que mantienen conflictos y antagonismo pero que también son oportunidad de consensos y convergencias entre los grupos y sectores sociales. También se debe considerar el poder económico, o el conocimiento teórico y técnico para poder realizar el futuro deseado.

Postulado de la decisión. La prospectiva implica la capacidad de tomar la decisión estratégica de seleccionar la opción de futuro que más convenga, con libertad y poder para hacerlo factible.

Postulado de la institucionalización. A los postulados de Jouvenel se podría agregar que en algunos de nuestros países de América Latina, para poder usar de las ventajas de la prospectiva es necesario disponer de las estructuras institucionales capaces de aplicarla, pues si no hay tales instituciones que fomenten, incentiven y apliquen estos conocimientos es equivalente a no tenerlos.

4. Algunos campos para los métodos prospectivos

El campo de acción de la prospectiva se extienden a prácticamente cualquier ámbito de la actividad humana (economía, derecho, empresa, política, ciencia, tecnología, expresión artística, corrientes culturales y de pensamiento, urbanismo, movimientos migratorios, etc.) ya que en cualquier situación es de interés su evolución futura.

Sin embargo en unos campos se aplica más frecuentemente que en otros. Por citar y comentar algunos, tenemos:

- Prospectiva organizacional.

- Prospectiva empresarial.

47

- Prospectiva sectorial (energía, turismo, agroindustrias).

- Prospectiva para la paz, la seguridad, los conflictos.

- Prospectiva para las políticas públicas.

- Prospectiva para la delincuencia, el narcotráfico.

- Prospectiva territorial y desarrollo.

- Prospectiva de riesgos para el medio ambiente, de riesgo político para las inversiones de las empresas, de vulnerabilidades.

- Prospectiva científica y tecnológica, que analiza el estado actual y las perspectivas de progreso científico y tecnológico para identificar áreas estratégicas de investigación y tecnologías emergentes.

- La prospectiva educativa, que permite la planificación y el diseño de planes de estudio, lo que supone prever determinados impactos de conocimientos en realidades sociales y económicas cambiantes a futuro y que hoy por hoy no aparecen como prioridades.

5. Observatorios, laboratorios y redes de prospectiva y estrategia

Para hacer prospectiva se necesita de organizaciones especializadas creadas con el propósito de investigar tendencias y proponer grupos de escenarios prospectivos a las instituciones públicas y privadas.

El resultado de su actividad sirve tanto a las entidades de los gobiernos nacional y regional, como a los sectores productivos, a la sociedad civil y al sector académico, para planificación, proyectos de desarrollo estratégico, establecimiento de políticas territoriales, reducir los desequilibrios, proyectos empresariales, mejorar su competitividad relativa.

Un futuro observatorio de prospectiva debería tener muy en cuenta su relacionamiento con los sectores de la sociedad a los que sirve, que deberían

48

ser de concertación y trabajo cooperativo, cuidando de tener la flexibilidad de actuación y competencias para elaborar y apoyar la realización de las visiones estratégicas de largo plazo, generales o específicas, adecuadas a su ámbito de actuación.

El ámbito de su competencia sería el análisis de situaciones futuras y la propuesta de aplicaciones concretas para alcanzar los futuros deseados en las circunstancias estudiadas.

La innovación tecnológica y la aplicación de conocimientos de vanguardia es una parte importante de la visión prospectiva, por lo que el manejo conjunto de la innovación y la prospectiva se está constituyendo en una tarea común para los observatorios y laboratorios de investigación, que desean sus alcances en consistencia con lo que predominará en el futuro.

En la innovación se pone a prueba la creatividad de las personas para afrontar con éxito situaciones nuevas. En la prospectiva se enfrenta la tarea de la previsión, que es trabajar para estimar y crear un futuro.

Con base a experiencias de otros observatorios en Latinoamérica, un futuro observatorio de prospectiva, perfilaría sus objetivos y funciones, recursos humanos y financiamiento como sigue:

a) Perfil de objetivos. Los objetivos institucionales se perfilan como:

- Reconocer las tendencias más sobresalientes, en el campo Tecnológico, Económico, Social, Cultural, Ambiental, y Político.

- Aplicar técnicas de Vigilancia Tecnológica e Inteligencia Competitiva.

- Desarrollar la prospectiva en todos los niveles del conocimiento posibles.

- Conocer, manejar y aplicar software especializado.

- Promover la capacitación prospectiva y tecnológica en las organizaciones de desarrollo territorial, empresas, instituciones de educación superior.

49

- Integrarse a las diferentes redes de prospectiva mundial con el objeto de estar actualizados.

- Promover el enfoque de análisis del futuro a largo plazo entre los actores sociales del desarrollo, tales como las entidades del estado, los sectores productivos, la sociedad civil y el sector académico.

b) Perfil de funciones. Las funciones y actividades de un futuro observatorio de prospectiva serían las típicas de una estructura organizativa de apoyo a la planificación y toma de decisiones, entre las que cabe mencionar; relacionamiento, capacitación, análisis de tendencias, reuniones, mesas redondas tanto con expertos, como los usuarios de la prospectiva, consultoría, publicaciones, etc.

c) Perfil de recursos humanos. La necesidad de situar recursos humanos calificados en el futuro observatorio y en el entorno, recursos humanos que compartan experiencias y visiones de futuro, lleva a las siguientes actividades iniciales de formación; capacitar a un personal de base del observatorio, ofrecer cursos de capacitación a organizaciones y empresas, asociar las actividades de investigación con las de formación formal e informal de las universidades, participar en cursos de formación a nivel internacional.

d) Perfil del financiamiento. Las fuentes de financiamiento de un observatorio definen su capacidad de cumplir con sus objetivos. En su momento y sobre la base de un proyecto, un plan de actividades y un presupuesto, se acudirá a las fuentes tradicionales para este tipo de emprendimiento, que son los aportes de las instituciones de gobierno territorial, el aporte del sector empresarial que se beneficia de sus servicios, el sector académico, los aportes internacionales de concertación y apoyo, y los recursos generados de la propia actividad del observatorio.

6. Las estrategias prospectivas

Las estrategias prospectivas son los objetivos, las metas y las acciones mediante las cuales podemos construir el escenario deseado.

50

Para alcanzar los objetivos y las metas se deben realizar las acciones adecuadas y la realización de las acciones requieren de una estrategia apropiada.

El proceso general de aplicación de una estrategia se puede visualizar esquemáticamente en el Gráfico 1.

Gráfico 1. Proceso de aplicación de una estrategia

7. Pasos de una estrategia prospectiva

El proceso de desarrollo de un escenario prospectivo deseado, considerando las componentes que le son propias, se puede sintetizar en el Gráfico 2.

Gráfico 2. Estrategias para realizar un escenario

La implementación, paso a paso, de la estrategia es como sigue:

51

Paso 1. Conocimiento al presente y tecnologías de futuroEn el primer paso se realiza un diagnóstico completo de la situación presente y además se toma nota de nuevos conocimientos y tecnologías que posiblemente aparecerán en un futuro cercano y que pueden implicar ajustes en la estrategia diseñada.

Paso 2. Factores de cambioEn el segundo paso se procede a la identificación de todos los factores que afectarán la estrategia para realizar el escenario deseado, poniendo especial atención en los factores clave o determinantes y teniendo en cuenta:

- Las tendencias que, por inercia de la historia, seguirán su curso si no hay fuerzas que la modifiquen. Los factores tendenciales se llaman factores estructurales y se caracterizan porque difícilmente se modificarán en cualquier escenario futuro (ejemplo: los niveles de pobreza, los grados de escolaridad…)

- Los factores coyunturales, llamados así porque podrían modificarse en el corto plazo, (ejemplo: el grado de aceptación o rechazo de un liderazgo político, los niveles de reactivación o receso de la economía…)

- Los factores de ruptura, o eventos inesperados que lleven a un ajuste de la estrategia, o a su potenciamiento y en el peor de los casos a su abandono y que se pueden presentar en cualquier momento (ejemplo: descomposición o recomposición de la institucionalidad, reducción del respaldo ciudadano). Los factores de ruptura afectan más a los factores determinantes o claves que a otros factores.

- Los propósitos u objetivos individuales y/o colectivos de los actores sociales, así como sus valores e incluso a veces su carga emocional.

Paso 3. Variables estratégicasCon el conocimiento y consideración de todos estos factores, el equipo de trabajo que define la estrategia de realización del escenario deseado, procede a identificar y definir las variables necesarias para desarrollar la estrategia prospectiva.

La identificación y definición de las variables es trabajo de este equipo de trabajo, con el apoyo de la consulta a los expertos en las áreas del conocimiento que sean necesarios.

52

Identificadas y definidas las variables, el equipo de trabajo procede a la selección de las variables significativas para la estrategia, también con consultas a los expertos necesarios y aplicando métodos prospectivos para evaluar las interacciones entre las variables, para lo cual se suele utilizar una matriz de interacciones desarrollada con programas al efecto como el programa MIC - MAC.

Paso 4. Juego de actoresEste paso tercer es crucial para la estrategia de realización del escenario, porque son los actores los que controlan o influyen sobre las variables, en función de sus propios intereses y objetivos, o de sus conflictos y simpatías con otros actores.

Sin un análisis afinado del juego de los actores a los escenarios no serán todo lo pertinentes y coherentes que debieran ser.

Por ello es necesario identificar a los actores, en particular a los que influyen sobre las variables clave, conocer sus objetivos, estimar el peso o fuerza de los diferentes actores, conocer sus relaciones, vínculos preferencias y dependencias, de tal manera de, finalmente conocer el grado de convergencia o divergencia con el que aportarán para la realización del escenario.

El análisis del juego de actores se puede manejar con el programa MACTOR3 del mismo origen que MIC-MAC, que produce una matriz de actores - actores donde se miden las influencias entre los mismos.

Paso 5. Construcción de escenariosLos escenarios prospectivos se construyen en fases o etapas sucesivas, partiendo de un escenario base que describe una imagen del estado actual del sistema, a partir de la cual se desarrolla la construcción de las imágenes o escenarios del futuro.

No es necesario ni deseable un gran número de escenarios, cuatro o cinco es un número adecuado. Estos cuatro o cinco escenarios seleccionados deben presentar expectativas de mayor desafío y oportunidades, excluyendo posibilidades ilógicas.

3 Programa MACTOR, es marca registrada de LIPSOR. LIPSOR es una organización francesa que promueve la investigación y el desarrollo y envía los programas gratuitamente.

53

Para construir un escenario prospectivo se procede de acuerdo a las etapas que se muestran en el Gráfico 3.

Gráfico 3. Etapas en la construcción de escenarios prospectivos

En el análisis explicativo se identifica las variables clave y los actores, (pasos 1 a 3).

La visión retrospectiva permite identificar los mecanismos y actores determinantes de la evolución del sistema, a lo largo del periodo analizado, lo que pone en evidencia sus invariantes y sus tendencias.

La comparación de la visión retrospectiva con la situación actual del sistema permite identificar los cambios ocurridos en la evolución de las variables clave y en las estrategias de los actores, y con ello se evidencian las variables que en terminología de la prospectiva se llaman gérmenes de cambio.

En la construcción del escenario base, se utilizan herramientas técnicas como las tormentas de ideas y consultas a expertos, para identificar variables y caracterizar el sistema.

Para la construcción tanto del escenario actual como los escenarios futuros se suelen aplicar el programa MORPHOL, combinado con otras técnicas como el método Delphi, el Ábaco de Régnier o el programa SMIC-PROB EXPERT, que se usan para asignar probabilidades subjetivas de ocurrencia a los escenarios seleccionados por el programa MORPHOL.

Paso 6. Estrategia prospectivaLa estrategia prospectiva debe responder preguntas tales como; ¿Cómo llegar a donde queremos llegar? ¿Cómo alcanzar el futuro deseado? ¿Cómo

54

direccionar los esfuerzos? La respuesta a estas preguntas constituye la estrategia formulada, que luego se procederá a transformar en un plan estratégico a ejecutar.

Un plan estratégico, es un plan de largo plazo independientemente de lo que significa en cada contexto lo que es el largo plazo. Este plan da el direccionamiento de sus ejecutores hacia el futuro.

Como el futuro comienza a construirse ahora, se necesitan planes operativos de lo que hay que empezar a hacer de inmediato, o en el corto plazo, es decir planes de gestión y sus presupuestos asociados, que responden a preguntas tales como; ¿Qué hacer ya? ¿Con qué recursos?

Tanto los planes estratégicos como los de gestión, deben considerar mínimamente: Objetivos, presupuestos, contratos de personal necesario, coordinación y seguimiento, supervisión y control

8. Componentes de una estrategia prospectiva

a) Los escenarios. Los escenarios son visiones sistémicas de un futuro que pudiera suceder, ya sea por las decisiones, acciones y voluntad de los actores involucrados, ya sea debido a la evolución de la situación actual por el paso del tiempo. Un escenario no es la realidad futura, sino una manera de representarla. Por lo tanto, los escenarios sólo son creíbles y útiles cuando son pertinentes, coherentes, verosímiles, importantes o relevantes y transparentes para sus actores y beneficiarios.

En prospectiva, por escenarios se entiende la descripción de una situación futura, y la secuencia de eventos que conducen a ella. Para Eduardo Balbi4, de la escuela rioplatense, un escenario es un conjunto de circunstancias que pueden producirse en un determinado ámbito, dentro del cual operan actores e intereses que se deben analizar con coherencia y unidad de criterio.

4 Fundador y Presidente en Red Escenarios y Estrategia (EyE) en América Latina, Asesor y Consultor de Gobiernos, Empresas y Universidades, Contacto: [email protected]

55

Por pertinencia se entiende la capacidad de apuntar a los verdaderos problemas a resolver. La importancia se relaciona con la relevancia de los temas enfocados. La coherencia implica la alineación de los hechos, los datos y los escenarios de futuro. La verosimilitud conlleva la identificación de escenarios creíbles y compartibles por el conjunto de los usuarios del mismo. La transparencia significa que un conjunto de usuarios basados en los mismos métodos y la misma información deben llegar a resultados equivalentes.

Los escenarios visualizados por la prospectiva se pueden clasificar, según el criterio usado, como:

- Escenarios posibles, escenarios probables, escenarios deseables o convenientes y escenarios realizables, considerando la situación del sistema en el futuro.

- Estos mismos escenarios se pueden clasificar como escenarios normativos o prescriptivos, y escenarios exploratorios, considerando si son previos o posteriores a la toma de decisión para la realización de alguno de los escenarios.

- A estos se puede agregar los escenarios tendenciales.

- También se puede mencionar a los escenarios científicos y tecnológicos, sociales, políticos, de desarrollo territorial, de desarrollo sectorial, de delincuencia, de narcotráfico, ambientales, considerando esta vez el ámbito al cual se aplican.

A diferencia del único escenario tendencial (extrapolación de la tendencia) que se puede vislumbrar con los métodos deterministas y cuantitativos5 de predicción, la cantidad de escenarios que se pueden visualizar con los métodos prospectivos, es tan grande como la imaginación y creatividad del equipo de prospectiva lo permita, con las técnicas actuales y la información disponible.

5 Regresión, análisis de series temporales, simulación, cadenas de Markov, métodos econométricos, proyecciones demográficas, etc.

56

Escenarios posibles. Un escenario posible es la visión global de un futuro a largo plazo, ya que lo que podamos imaginar es posible en algún momento del tiempo.

Escenarios probables. Son los escenario con mayor probabilidad de ocurrencia.

Escenario realizable. Son todos aquellos escenarios que se pueden alcanzar, manejando:

- Los factores clave de éxito.

- Las variables adecuadas y sus relaciones.

- Los actores disponibles, compatibilizando sus relaciones y sus intereses.

- Aplicando una estrategia de acción compartida.

Escenario deseable. Cualquiera de los escenarios posibles aun cuando este no sea necesariamente realizable.

Escenarios normativos o prescriptivos. Una vez elegido el escenario deseado este se convierte imperativamente en un escenario que debe ser, es decir en un escenario normativo, lo que permite concentrar todos los esfuerzos y recursos disponibles en la consecución de tal escenario deseado. Si el escenario prescriptivo no coincide con el escenario deseado por otros actores se producen las diferencias y los conflictos, entre actores sociales.

Escenarios exploratorios. Son todos aquellos escenarios con los cuales se describe el abanico de todas las posibles situaciones que pudiesen presentarse, es decir los escenarios posibles, probables, deseables y los realizables. Los escenarios exploratorios, permiten aplicar la teoría de las decisiones a la elección del escenario a realizar. Si se mide, subjetivamente, la probabilidad de cada escenario posible y realizable y los resultados esperados de cada uno de ellos, es posible construir una matriz de decisión que permita aplicar la teoría de las decisiones para elegir el escenario a realizar.

57

Un resumen de los tipos de escenario mencionados se presenta en el Gráfico 7.

Gráfico 7. Tipos de escenarios

b) Las variables. Las variables de estrategia prospectiva se detectan en una primera etapa mediante la consulta a expertos (usando por ejemplo el método Delphi, o la técnica de la tormenta de ideas), la consulta a los miembros de las instituciones que usarán los escenarios prospectivos que serán los actores del proceso estratégico para la realización del escenario deseado y que tienen control sobre las variables involucradas y la reflexión del equipo de prospectiva.

Detectadas las variables involucradas, se debe proceder a la selección de aquellas variables consideradas claves o significativas, para el manejo de los escenarios prospectivos, que pueden provenir, según el caso, de campos tan diversos como la tecnología, la economía, el campo social, cultural, político o ambiental.

La selección se lleva a cabo utilizando herramientas como la matriz de interacciones producida con el programa MIC - MAC, seguida de nuevas consultas a los expertos y mediante la reflexión del equipo de desarrollo de los escenarios prospectivos.

c) Los actores. La teoría de los juegos ofrece un conjunto de herramientas de análisis suficientemente amplio, aunque con limitaciones matemáticas e hipótesis frecuentemente restrictivas, y difíciles de aplicar al juego de

58

actores en prospectiva. Por esta razón los teóricos de la prospectiva han llegado a un doble consenso respecto al análisis del juego de los actores:

- Se reconoce que se trata de una etapa crucial para la construcción de

la base de reflexión que permitirá la elaboración de los escenarios. Sin un análisis afinado del juego de los actores a los escenarios puede faltarles pertinencia y coherencia.

- Por otra parte, teniendo en cuenta que el análisis de los juegos de los actores va precedido por un análisis estructural bastante fuerte en el que se utilizan herramientas de gran rendimiento (como por ejemplo el método MIC - MAC) para ayudar a identificar variables claves, y mejorar la pertinencia de la reflexión y que son los actores los que, de cerca o de lejos, mandan sobre las variables claves que surgieron del análisis estructural, surge la propuesta de utilizar el programa MACTOR (Matriz de Alianzas y Conflictos, Tácticas, Objetivos y Recomendaciones), el mismo que desarrolla un método de análisis del juego de los actores y algunas herramientas sencillas, que permiten tener en cuenta la riqueza y la complejidad de la información que se debe tratar, facilitando al analista resultados intermedios que orientan sobre el problema estudiado.

9. Métodos y herramientas prospectivas

Se dispone de una amplia variedad y cantidad de técnicas y herramientas prospectivas provenientes de todas las ramas del conocimiento, las mismas que se pueden agrupar según el Gráfico 8.

Gráfico 8. Técnicas prospectivas

59

Todas las técnicas y herramientas mencionadas en las referencias son cualitativas. Algunas de ellas se describen a continuación:

1) Programa MIC - MAC6 . El método MIC–MAC, que hace uso del programa del mismo nombre, se aplica en fases como las siguientes:

Fase 1. Listado de las variables del sistema. Consiste en enumerar el conjunto de variables que caracterizan el sistema estudiado y su entorno (tanto las variables internas como las externas.), mediante la consulta a expertos, usando por ejemplo el método Delphi, o la técnica de la tormenta de ideas, mediante la consulta a los miembros de las instituciones que usarán los escenarios prospectivos, que serán los actores del proceso estratégico para la realización del escenario deseado y que tienen control sobre las variables involucradas y mediante la reflexión del equipo de prospectiva.

Se obtiene una lista homogénea de variables internas y externas al sistema considerado, que según aconseja la experiencia, no deben exceder las 70 u 80 variables.

Fase 2. Descripción de relaciones entre variables del sistema. El análisis estructural se ocupa de relacionar las variables en una matriz de doble entrada o matriz de relaciones directas.

El grupo de personas, que participó en el listado de variables y en su definición, son quienes rellenan la denominada matriz del análisis estructural. El relleno es cualitativo. Por cada pareja de variables, se plantean las cuestiones siguientes: ¿existe una relación de influencia directa entre la variable i y la variable j? Sino la hay, se anota 0. Si la hay, la pregunta es si esta relación de influencia directa es, débil (1), mediana (2), fuerte (3) o potencial (P).

Fase 3. Identificación de variables clave, sus categorías y su interpretación.

Esta fase consiste en la identificación de variables clave, es decir, esenciales a la evolución del sistema, primero mediante una clasificación

6 El programa MIC - MAC, es marca registrada de LIPSOR. LIPSOR es una organización francesa que promueve la investigación y el desarrollo y envía los programas gratuitamente.

60

directa, mediante simples sumas de valores de motricidad/influencia y de dependencia para cada una de las variables, y después mediante una clasificación indirecta (llamada MIC – MAC por Matrices de Impactos Cruzados y Multiplicación Aplicada para una Clasificación). Esta clasificación indirecta se obtiene después de la elevación en potencia de la matriz de impactos cruzados.

El programa - MICMAC permite situar las variables en un plano motricidad7 - dependencia, que a su vez permite la identificación de las variables claves para la estrategia de construir el escenario deseado, tal como el que se muestra en la Tabla 1.

Mot

ricid

ad

Alta

Variables estratégicasSon variables condicionales, que poseen influencia alta sobre las restantes y casi no están subordinadas a ellas. Por esto es necesario adoptar acciones directas e inmediatas sobre ellas.

Variables gobernablesSon variables motrices y al mismo tiempo dependientes. Por esta última condición, se las considera gobernables, y, en consecuencia, sobre ellas se deben diseñar las estrategias para solucionar los problemas del sistema, aunque sin perder de vista las estrategias.

Med

ia

Variables de pelotónEs difícil identificar su comportamiento. Se debe realizar un seguimiento contínuo sobre ellas para no ser sorprendido por sus tendencias.

Variables objetoSon variables de motricidad baja y dependencia alta, resultado o consecuencia de la influencia de las variables estratégicas y de las variables gobernables y, por lo tanto, hacia ellas se debe apuntar los esfuerzos de los que se pretende lograr manejando las variables estratégicas y las gobernables.

Baja

Variables autónomasSon variables poco motrices y poco dependientes. No son determinantes de cara al futuro, por lo que pueden ser excluidas del análisis.

Baja Media Alta

Dependencia

Tabla 1. Ubicación de las variables en un plano de motricidad y dependencia

7 Motricidad: Se refiere a la capacidad de influencia que tiene una variable sobre las demás, en virtud de sus condiciones y características.

61

El plano de motricidad-dependencia puede dividirse en cinco sectores:

Sector 1. Variables muy motrices y poco dependientes. Son las variables explicativas que condicionan el resto del sistema.

Sector 2. Variables a la vez muy motrices y muy dependientes. Son las variables de enlace inestables por naturaleza. En efecto, cualquier acción sobre estas variables repercutirá sobre las otras y tendrá un efecto «boomerang» sobre ellas mismas que amplificará o desactivará el impulso inicial.

Sector 3. Variables poco motrices y muy dependientes. Son las variables resultantes o variables objetivo, cuya evolución se explica por las variables de los sectores 1 y 2.

Sector 4. Variables poco motrices y poco dependientes (próximas al origen). Estas variables constituyen tendencias fuertes o factores relativamente autónomos no son determinantes de cara al futuro. Así pues, sin mayores escrúpulos pueden ser excluidas del análisis.

Sector 5. Variables medianamente motrices y/o dependientes. A priori, nada se puede decir de estas variables del «pelotón».

Las posibles lecturas que se pueden hacer de estas variables son:

- Las variables de motricidad elevada son variables de entrada, representan hipótesis, son las variables de fortaleza del sistema y corresponden al pasado.

- Las variables de dependencia elevada son variables de salida, representan resultados u objetivos, son variables que señalan las debilidades del sistema, y corresponden al futuro.

- Las variables próximas al origen, son variables de poca importancia en el sistema, representan el discurso o la comunicación del sistema, señalan problemas falsos, y corresponden en términos de tiempo al momento.

- Las variables alejadas ubicadas sobre la bisectriz principal (en el extremo superior derecho del gráfico) son variables de enlace,

62

representan retos y desafíos, señalan amenazas y oportunidades corresponden al presenten y sobre ellas se toman las acciones para lograr el futuro deseado.

2) Programa MACTOR8 (Matriz de Alianzas y Conflictos, Tácticas, Objetivos y Recomendaciones). El método MACTOR hace uso del programa del mismo nombre para analizar el juego de los actores en la construcción del escenario deseado. El método se desarrolla en fases según se muestra en el Gráfico 9.

Gráfico 9. Fases del método MACTOR

Fase 1. Identificar los actores que controlan o influyen sobre las variables clave del análisis estructural.

8 Programa MACTOR, es marca registrada de LIPSOR. LIPSOR es una organización francesa que promueve la investigación y el desarrollo y envía los programas gratuitamente.

63

En esta fase se construye el cuadro “estrategias de los actores”: La construcción de este cuadro se refiere a los actores que controlan las variables clave surgidas del análisis estructural realizado con el programa MIC - MAC. El juego de actores “motores” es lo que explica la evolución de las variables controladas.

La información que se debe recolectar sobre los actores es la siguiente:

- Identificación y descripción de cada actor.

- Influencia de actores sobre actores.

Esta fase permite conocer e identificar aquellos actores que pueden tener alguna influencia sobre el desarrollo futuro del sistema.

El objetivo es obtener un listado de actores, más o menos exhaustivo, pero que por razones de operatividad y claridad en el análisis conviene que no supere los doce a quince actores.

Fase 2. Identificar los retos estratégicos y los objetivos asociados que persiguen los actores con relación a las variables o factores clave identificados en el análisis estructural.

Se formulan los retos estratégicos sobre los que los actores tienen objetivos convergentes o divergentes.

Fase 3. Situar cada actor en relación con los objetivos estratégicos (matriz deposiciones). En esta fase se debate una representación matricial Actores vs Objetivos de la actitud actual de cada actor en relación a cada objetivo indicando su acuerdo (+1), su desacuerdo (-1) o bien su neutralidad (0).

El peso o fuerza de los actores del sistema puede ser diferente. Algunos de los actores tendrán mucha influencia sobre el resto de actores y sobre el sistema en sí, mientras que la influencia de otros será más limitada.

El objetivo de esta fase es conocer el grado de influencia de cada uno y jerarquizarlos en función de dicha influencia.

64

Para ello será necesario establecer un cuadro de influencias entre actores (Matriz de Actores vs Actores), que nos permitirá conocer la influencia de cada actor sobre todo el resto de actores y, viceversa, la dependencia o influjo que el conjunto de actores ejerce sobre cada uno de ellos.

En la práctica se trata de conocer si un actor Ai influye sobre otro actor Aj y de ponderar el grado en el que influye, en base a la siguiente ponderación:

- El actor Ai puede cuestionar la existencia del actor Aj (ponderación 4).

- El actor Ai puede cuestionar las misiones del actor Aj (ponderación 3).

- El actor Ai puede cuestionar los proyectos del actor Aj (ponderación 2).

- El actor Ai puede cuestionar, de manera limitada (durante algún tiempo o en algún caso concreto) la operativa del actor Aj(ponderación 1).

- El actor Ai no tiene ninguna influencia sobre el actor Aj (ponderación 0).

Fase 4. Conocer el posicionamiento de los actores respecto a los objetivos.

Una vez completo el cuadro de influencias entre actores y cerrada la lista de los objetivos estratégicos, se trata de describir la actitud actual de cada actor respecto a cada objetivo (opuesto, neutro, indiferente o favorable). El método MACTOR propone una representación matricial Actores versus Objetivos que permite resumir sencillamente el conjunto de las posiciones de los actores sobre el conjunto de los objetivos. En este estado del análisis ya se puede extraer un cierto número de conclusiones, como ser, la implicación global de cada actor, los objetivos más conflictivos, etc.

En la práctica se trataría de conocer: 1) si el actor está de acuerdo o en desacuerdo al objetivo es decir, caracterizar el grado de prioridad del objetivo en términos de su realización o no realización; y 2) determinar la intensidad del posicionamiento de un actor sobre el objetivo, es decir conocer la intensidad del desacuerdo o del acuerdo: con el objetivo.

65

De forma genérica:

- Signo positivo: +1, el actor está de acuerdo o es favorable al objetivo.

- Signo negativo: -1, el actor está en desacuerdo o es desfavorable al objetivo.

- Punto 0: el actor, es neutro respecto del objetivo.

La intensidad del posicionamiento con el objetivo se codifica:

- El objetivo cuestiona la existencia del actor o es imprescindible para la existencia del actor (4).

- El objetivo cuestiona el cumplimiento de los misiones del actor o es imprescindible a sus misiones (3).

- El objetivo cuestiona el éxito de los proyectos del actor o es imprescindible para estos proyectos (2).

- El objetivo cuestiona, de una forma limitada en el tiempo y espacio los procesos operativos (gestión, etc.) del actor o es imprescindible para estos procesos operativos (1).

- El objetivo tiene poca o ninguna incidencia (0).

Fase 5. Conocer el grado de convergencia y de divergencia entre los actores.

De esta manera, cada actor puede verse conducido al conflicto o a la alianza con los otros para llevar adelante el proyecto. En este punto se puede determinar la posible política de alianzas o confrontaciones o si son neutros entre sí, para cada uno de los actores con respecto al sistema.

Las posibilidades de evolución de las relaciones entre actores, ligadas o no al juego de estos actores, condicionan el futuro del sistema y los futuros posibles. Antes de retener las hipótesis y construir los escenarios es preciso plantearse un cierto número de cuestiones clave.

66

Se trata especialmente de hacer la lista de los factores que pueden afectar a las relaciones entre actores, como pueden ser: la emergencia y desaparición de actores; el cambio de rolen el seno del sistema; la influencia de variables-clave no controladas en la aparición de conflictos y fenómenos de todo tipo.

Este conjunto de factores conduce a la detección de los atisbos de cambio en las relaciones de fuerza entre los actores; ello permite localizar las reglas de juego posibles en el futuro.

Fase 6. Integrar las relaciones de fuerza en el análisis de convergencias y de divergencias entre actores:

Decir que un actor pesa dos veces más que otro en la relación de fuerza global, es dar implícitamente un doble peso a su implicación sobre los objetivos que le interesan.

Fase 7. Formular las recomendaciones estratégicas y las preguntas clave del futuro.

El Método MACTOR contribuye a la formulación de preguntas claves de la prospectiva y a las recomendaciones estratégicas.

3) Programa MORPHOL9. La construcción de escenarios se puede realizar usando el programa MORPHOL, que permite explorar de manera relativamente detallada el campo de escenarios posibles.

Las fases de aplicación del programa son las siguientes:

Fase 1. Construcción del espacio morfológico. El espacio morfológico se construye por descomposición de un sistema en todos sus subsistemas o componentes. Estos componentes deben ser tan independientes como sea posible y deben explicar la totalidad del sistema estudiado.

Para cada componente se establecen varias posibles hipótesis de comportamiento, a cada una de las cuales se les llama una configuración de la componente. Por ejemplo una persona (sistema) tiene cabeza,

9 EL programa MORPHOL, es marca registrada de LIPSOR. LIPSOR es una organización francesa que promueve la investigación y el desarrollo y envía los programas gratuitamente.

67

tronco y extremidades (subsistemas). La cabeza puede ser grande o pequeña, tener pelo rizado o hirsuto, etc., (configuraciones). El tronco puede ser robusto, o tener joroba, etc. Las extremidades pueden ser cortas largas fuertes, débiles, faltar un brazo, o tener una pierna más corta, etc. Por lo tanto una persona determinada se caracteriza por la agregación de configuraciones de cada componente, a razón de una configuración específica por cada componente.

La tarea de construir el espacio morfológico de un sistema (subsistemas y sus configuraciones) corresponde al grupo de trabajo prospectivo, y a los expertos en los diferentes subsistemas o componentes.

Si el sistema no fuera un cuerpo humano sino el sistema socio económico de una región, este podría tener como componentes: el crecimiento del Producto Interno Bruto de la región, la dimensión o componente política, la dimensión o componente jurídica, el modelo y otras componentes más que completan el sistema.

Las configuraciones o hipótesis de comportamientos de las componentes mencionadas podrían ser las que se muestran en el Gráfico 10.

Gráfico 10. Ejemplo de descomposición de un sistema en sus escenarios

Las posibles combinaciones de configuraciones, para este ejemplo, son 4*3*2*3 = 72.

Cada una de las combinaciones sería un escenario. Con más componentes y configuraciones el número de combinaciones posibles

68

puede ser muy grande (miles de ellas), por lo que es necesario reducir este número, lo que se realiza en la fase 2.

Fase 2. Reducción del espacio morfológico. Algunas combinaciones de las configuraciones (escenarios) son irrealizables por incompatibles. La segunda fase consiste en reducir el espacio morfológico inicial a un sub-espacio útil, mediante la introducción de criterios de exclusión, de criterios de selección económicos, técnicos, etc. El sub-espacio de las combinaciones que quedan son los escenarios que serán evaluados. Esto se realiza con el programa MORPHOL.

Obtenidos los escenarios del sub-espacio útil, se procede a la aplicación del método Delphi, o el ábaco de Régnier, o el programa SMIC (Sistema de Matrices de Impacto Cruzado) para hacer las estimaciones de las probabilidades de ocurrencia de cada uno de los escenarios planteados.

4) Método DELPHI10. El método DELPHI tiene como finalidad poner de manifiesto convergencias de opinión y hacer emerger ciertos consensos en torno a temas precisos, mediante preguntas a expertos por medio de cuestionarios sucesivos.

El objetivo más frecuente de los estudios con el método DELPHI es el de aportar claridad a los expertos sobre zonas de incertidumbre a fin de ayudar a la decisión.

El gráfico 11 muestra el proceso de aplicación del método DELPHI.

10 Se basa en la interrogación a expertos con la ayuda de cuestionarios sucesivos, a fin de poner de manifiesto convergencias de opiniones y deducir eventuales consensos, sobre un problema complejo. Según uno de los padres del método, O. Helmer, el método Delphi habría sido puesta a punto a mediados de la década de los años cincuenta para necesidades del ejército americano. La eligió por referencia simbólica a la ciudad de Delfos, célebre por sus oráculos.

69

Gráfico 11. Flujograma de aplicación del método DELPHI

La técnica clásica que ha sido más utilizada se desarrolla en fases:

Fase 1. Formulación del problema. Se trata de una etapa fundamental en la realización de un DELPHI. En un método de expertos, la importancia de definir con precisión el campo de investigación es muy grande por cuanto que es preciso estar muy seguros de que todos los expertos reclutados comparten la misma noción de este campo.

La elaboración del cuestionario debe ser llevada a cabo según ciertas reglas: las preguntas deben ser precisas, cuantificables (versan por ejemplo sobre probabilidades de realización de hipótesis y/o acontecimientos, la mayoría de las veces sobre datos de realización de acontecimientos) e independientes (la supuesta realización de una de las cuestiones en una fecha determinada no influye sobre la realización de alguna otra cuestión).

Fase 2. Elección de expertos. La etapa es tanto más importante cuanto que el término de "experto" es ambiguo. Con independencia de sus títulos, su función o su nivel jerárquico, el experto será elegido por su capacidad de encarar el futuro.

70

La falta de independencia de los expertos es un inconveniente que se maneja aislando a los expertos o recogiendo sus opiniones por correo electrónico, para así obtener la opinión real de cada experto y no la opinión sesgada por un proceso de grupo donde puede pesar más la opinión de los líderes del grupo.

Fase 3. Desarrollo práctico y explotación de resultados. El cuestionario es enviado a un centenar de expertos (hay que tener en cuenta las no respuestas y abandonos). El grupo final no debería ser inferior a 25 expertos. Naturalmente el cuestionario va acompañado por una nota de presentación que precisa las finalidades, así como las condiciones prácticas del desarrollo de la encuesta (plazo de respuesta, garantía de anonimato). Además, en cada cuestión, puede plantearse que el experto deba evaluar su propio nivel de competencia.

El objetivo de los cuestionarios sucesivos es disminuir la dispersión de las opiniones y precisar la opinión media consensuada. En el curso de las sucesivas consultas, los expertos son informados de los resultados de la anterior consulta y deben dar una nueva respuesta y sobre todo deben justificarla en el caso de que sea fuertemente divergente con respecto al grupo de expertos. La última ronda permite la opinión consensuada promedio y una medida de la dispersión de opiniones (mediante rangos intercuartílicos.)

5) El Ábaco de Régnier.11 El ábaco del Doctor François Régnier (su aparición en 1975 fue en versión manual) es un método de consulta a expertos, para reducir la incertidumbre, confrontar los puntos de vista de un grupo con el de otros grupos y tomar conciencia de la mayor o menor variedad de opiniones.

La técnica permite animar en directo en poco tiempo grupos de reflexión prospectiva, sean estos grupos numerosos o reducidos, y también se aplica utilizando el voto a distancia.

A diferencia del método Delphi, que busca el consenso de los expertos, el ábaco de Régnier no busca el consenso, sino más bien el intercambio y el debate entre los expertos.

11 El ábaco de Régnier es una marca registrada y difundida por la empresa Scoop.

71

Las opiniones de los expertos se manifiestan mediante una escala de colores cuyo significado es el que se muestra en el Gráfico 12.

Gráfico 12. Colores del Ábaco de Régnier

Las fases del método son:

Fase 1. Recoger la opinión de los expertos. El primer paso es tener bien clara y lo mejor definidad posible problemática a estudiar. Esta problemática será descompuesta en elementos (o ítems). Estos ítems serán las afirmaciones, sobre las que opinan los expertos, extendiéndo el campo de discusión, a la evolución del pasado /o la visión de futuro sobre los items. Cada experto se pronuncia individualmente en cada afirmación utilizando la escala coloreada puesta a su disposición.

Fase 2. Tratamiento de los datos. Las respuestas coloreadas de los expertos se trasladan a una matriz, donde se representa: en filas los ítems que definen el problema y en columnas los expertos que participan en el estudio. En las celdas las opiniones en colores de los expertos. La imagen de mosaico constituye un verdadero panorama de información cualitativa, siendo visible simultáneamente la posición de cada uno de los expertos sobre el problema tratado.

Fase 3. Discusión de los resultados. Sobre la base de la imagen coloreada comienza el debate y/o la explicación del voto: el procedimiento es abierto y cada experto puede, en cualquier momento, cambiar el color y justificar su cambio de opinión.

Se registran, tanto los votantes por cada item, como los argumentos de cada experto.

72

Para asignar probabilidades en términos porcentuales se usan las siguiente escalas: inexistente = 0 a 20%, insuficiente = 20 a 40%, regular = 40 a 60%, bueno = 60 a 80%, Excelente = 80 a 100%.

6) Impactos Cruzados Probabilizados Smic – Prob – Expert12. Los métodos de impactos cruzados probabilisticosse usan para determinar las probabilidades simples y condicionadas de hipótesis y eventos, así como las probabilidades de las combinaciones de eventos, teniendo en cuenta las interacciones entre los eventos y/o hipótesis.

El objetivo de estos métodos no es solamente el de hacer destacar los escenarios más probables, sino también el de examinar las combinaciones de hipótesis que serán excluidas a priori.

El método SMIC (Sistemas y Matrices de Impactos Cruzados) considera un sistema de N hipótesis, y a partir de las informaciones facilitadas por los expertos, se puede elegir entre las 2N imágenes posibles (juegos de hipótesis) aquellas que deberían serestudiadas por tener mayores probabilidades de las demás.

El método consiste por tanto en vigilar estrechamente los futuros más probables determinados previamente por el método de los escenarios.

Las fases de aplicación del método son:

Fase 1. Formulación de hipótesis y elección de expertos. El método SMIC arranca con cinco o seis hipótesis fundamentales y algunas hipótesis complementarias. No es fácil estudiar el futuro de un sistema complejo con un número de hipótesis tan limitado, por lo que es de gran interés la aplicación previa de métodos del tipo del análisis estructural (MIC - MAC), y de reflexión acerca de la estrategia de los actores (MACTOR), que permiten identificar mejor las variables clave y una mejor formulación de las hipótesis de partida.

12 El método SMIC (Sistemas y Matrices de Impacto Cruzado) fue puesto a punto en el departamento de programas del Commissariàt à l'Energie Atomique en 1972-1973 Y fue desarrollado posteriormente en laSEMA:(Sociedad de Economía Aplicada y Matemáticas, creado en 1954 como grupo de investigación para las empresas y administradores.) El software Prob-Expert® pone en práctica el método SMIC.

73

El número de expertos invitados debe ser grande, considerando que el porcentaje de los que aceptarán participar puede ser bajo. Lo que se le pide a los expertos es:

- Evaluar la probabilidad simple de realización de una hipótesis desde una probabilidad 1 (muy débil) hasta una probabilidad 5 (acontecimiento muy probable).

- Evaluar bajo forma de probabilidad condicional la realización de una hipótesis en función de todas las demás (en este caso la nota 6 significa la independencia de las hipótesis).

Fase 2. Probabilización de escenarios. El programa SMIC (es un programa clásico de minimización de una forma cuadrática con límites lineales) permite el análisis de las evaluaciones de estos grupos de expertos:

- Corrigiendo las opiniones de los expertos de forma que se obtengan resultados coherentes (es decir que satisfagan las limitaciones clásicas que imponen las probabilidades),

- Asignando una probabilidad a cada una de las 2N combinaciones posibles de las N hipótesis.

Usando el promedio de las probabilidades asignadas para cada una de estas imágenes por los expertos, se puede determinar una jerarquía de estas imágenes, y en consecuencia, de los escenarios más probables. Es conveniente una selección de 3 ó 4 escenarios más probables, uno de los cuales será el escenario de referencia (con una fuerte probabilidad promedio).

Contrariamente al método Delphi, el SMIC tiene en cuenta la interdependencia entre las hipótesis propuestas y asegura la coherencia de las respuestas. (El método fue puesto en práctica hacia 1972-1973 por M. GODET). El programa Prob- Expert, fue desarrollado y difundido por la sociedad Heurisco.

74

7) Programa MULTIPOL13 (Multicriterio y Multipolíticas). El método Multipolusa el programa del mismo nombre para comparar diferentes acciones o soluciones a un problema de construcción de escenarios, en función de criterios y de políticas múltiples.

El objetivo del Multipol es también aportar ayuda a la decisión construyendo un tablero de análisis simple y evolutivo de las diferentes acciones o soluciones que se le ofrecen al que debe tomar la decisión.

Se basa en la evaluación de las acciones por promedios ponderados, del mismo modo que la calificación final de los estudiantes de una clase no depende solamente de las notas obtenidasen cada tipo de examen que rinden, sino también de los coeficientes de ponderación asignados a estos tipos de examen. Cambiar tales coeficientes equivale a adoptar otra politica de calificación.

Con las calificaciones de una clase se puede:

- Calificar, es decir, decidir cuanto merece el examen dado por cada estudiante.

- Dividir el conjunto de los estudiantes en dos subconjuntoa aprobados y reprobados, es decir definir una particición del conjunto de calificaciones.

- Ordenar las calificaciones, es decir determinar una clasificación de las calificaciones.

Con el método Multipol se puede:

- Decidir en favor de la mejor o de las mejores acciones (seleccionar una acción.)

- Definir una partición del conjunto de las acciones (elegir un subconjunto de acciones.)

- Determinar una clasificación de las acciones (ordenar las acciones.)

13 Programa MULTIPOL, es marca registrada de LIPSOR. LIPSOR es una organización francesa que promueve la investigación y el desarrollo y envía los programas gratuitamente.

75

Por ejemplo, sean cinco productos nuevos cuyos lanzamientos se estiman segùn cinco criterios: C1- costo de lanzamiento, C2- riesgo de ruptura del aprovisionamiento del producto, C3 - adecuación a la imagen del producto, C4 - ventas y C5 – beneficios. Se pretende definir dos productos para lanzarlos (acción) prioritariamente. La evaluación de las acciones, según los criterios, se hace aquí en una escala de 0 a 20.

La similitud del método MULTIPOL, con las calificaciones se evidencia en la siguiente Tabla 2.

Tabla 2. Similitud de las calificaciones con la evaluación por el método MULTIPOL

Los estudiantes son los productos, los criterios son los tipos de exámen, cada forma de ponderar los exámenes es una política de lanzamiento (si se cambia la forma de ponderar equivale a cambiar la política) y las calificaciones de los estudiantes son las calificaciones de los expertos a cada producto según el criterio considerado.

Calificación de los estudiantes de una clase

EstudianteExámenes Práctico Parcial 1 Parcial 2 Parcial 3 Final Calificación

Ponderación 0,20 0,13 0,13 0,13 0,40 1

1 59 55 82 70 68 67

2 46 29 82 70 68 61

3 49 69 79 74 67 66

4 61 69 62 85 68 68

5 57 57 55 20 44 47

Evaluación de productos, según criterios y políticas de lanzamiento

ProductoCriterios

Costo lanzamiento

Ruptura de aprovisionamiento

Adecua- ción a

imagen

Ingresos brutos

Renta-bilidad

Suma ponderada

Política 1 3 2 3 1 1 10

1 10 20 5 10 16 111

2 0 5 5 16 10 51

3 0 10 0 16 7 43

4 20 5 10 10 10 120

5 20 10 15 10 13 148

76

En el ejemplo de la tabla, se define una politica (se puede considerar más de una política) P1, que da preferencia al coste bajo con 3 puntos sobre 10, a la adecuación de imagen con 3 puntos sobre 10, que pondera la ruptura de aprovisionamiento con 2 puntos de 10 y que reparte las otras ponderaciones dando 1 punto sobre 10 tanto a los ingresos como a la rentabilidad.

El programa MULTIPOL calcula el puntaje promedio y la desviación típica,de cada producto, para cada una de las políticas de lanzamiento consideradas y ofrece esta información en un gráfico de perfiles. Cambiando productos por escenarios el método permite la identificación del escenario futuro a realizar.


Arapé, J. (2000). Manual de metodologias, Tomo VI: AnálisisMorfológico. Visión Grupo Consultores de Venezuela, para ONUDI.

Cely, A. (1999). Metodología de los Escenarios para Estudios Prospectivos, Revista Ingeniería e Investigación, 44.

Firmenich, E. (s.f.) Metodología para la construcción de escenarios (s. e.)

Godet, M. y Durance, P. (2011). A prospectiva estratégica. editor Dunod - Unesco - Fondation Prospective et Innovation.

Godet, M. y Durance, P. (2007). La participación de Prospektiker, en Prospectiva Estratégica: problemas y métodos. Cuaderno nº 20.

Godet, M., Monti, R., Meunier, F. y Roubelaty, F. (2000). La participación de Prospektiker, Prospectiva Estratégica. Cuaderno nº 5.

Godet, M. (1993). De la anticipación a la acción.Manual de prospectiva y estrategia, Barcelona, España: Ediciones Marcombo S.A.

Guzmán V.H. (2013). Prospectiva agenda pública y escenarios políticos, Metodologia, Aguascalientes, México, Sin editor.

Medina, J. y Ortegón, E. (2006). Manual de prospectiva y decisión estratégica: bases teóricas e instrumentos para América Latina y el Caribe. Santiago de Chile, Ilpes, Cepal.

77

Miklos, T. y Tello M.E. (s.f.) Planeación Prospectiva. Una estrategia para el diseño del futuro. Centro de estudios prospectivos de la fundación Javier Barros Sierra, México, Editorial Limusa.

Mojica, F. (s.f.) Propuesta para la puesta en marcha de un observatorio de prospectiva para continuar avizorando el futuro de Pereira y su área de influencia, Centro de Pensamiento Estratégico y Prospectiva de la Universidad Externado de Colombia.

Rivera, F. (2011). Inteligencia estratégica y prospectiva, ediciones de la Secretaría Nacional de Inteligencia del Ecuador, Quito, Ecuador, FLACSO.

Universidad Deusto (s.f.). Método Mactor. Análisis del juego de actores, San Sebastián, España.

Universidad Deusto Donostia (s.f.). Manual Prospectiva. San Sebastian, España. Disponible en http://es.scribd.com/doc/56536288/Manual-Prospectiva-Universidad-Deusto.

78

Palabras claves

Prospectiva, condiciones de la prospectiva, técnicas de prospectiva.

Clasificación JEL

J50.


Licenciado en Estadística. Profesor de la UPSA en materias de su especialidad. Ex Director regional del INE.

81

4Este trabajo considera el problema real de asignar recursos limitados en un contexto de incertidumbre de precios, inversiones y resultados de proyectos de desarrollo hidrocarburífero.

Se emplean técnicas de evaluación de proyectos, simulación, optimización determinística y estocástica y determinación del valor de opciones reales para proponer una solución.

DISEÑO DE CARTERADE PROYECTOS BASADO EN RIESGO



82

Introducción

Desde la consolidación del sector petrolero privado en Bolivia en el año 1997, a través del proceso de capitalización de YPFB, con la aplicación de la ley 1689, las empresas petroleras en Bolivia, en opinión de ejecutivos de éstas, no contaron con definiciones claras sobre las políticas de administración de cartera de proyectos.

En época de bonanza económica (1999-2008) esta carencia de normativas no tuvo mucha relevancia, porque las inversiones realizadas redituaban por encima de las expectativas, debido al incremento de los precios de los commodities internacionales.

A fines del año 2008 las economías del globo fueron víctimas de la crisis financiera Subprime afectando a todos los sectores productivos. El sector petrolero a nivel mundial no fue la excepción, esto se evidencia claramente en el precio internacional del petróleo WTI (West Texas Intermediate) con un desplome del 50% del WTI del cuarto trimestre del 2008 respecto al tercer trimestre de año anterior.

A raíz de esto, las empresas del sector petrolero han adoptado políticas de reducción de gastos y maximización del retorno en sus inversiones, hecho que acentuó la necesidad de contar con normativas claras sobre la administración de las inversiones, limitando los niveles de riesgo.

Dada la dinámica y magnitud de operaciones se ha elegido este sector para exponer la metodología de selección de proyectos.

Se busca diseñar una cartera de proyectos en base a su riesgo para una empresa; para ello es necesario:

1. Analizar, de manera individual, económica y financiera los Proyectos de Inversión de la empresa.

2. Cuantificar el nivel de riesgo asociado en cada uno de los proyectos analizados.

3. Finalmente plantear un mecanismo de selección de los proyectos que formarán parte de la cartera.

83

Desarrollo

A seguir se explica las premisas principales del estudio realizado.

Producción

Se considera los perfiles de producción de doce proyectos de una empresa hipotética dedicada a la exploración y explotación de hidrocarburos líquidos y gaseosos en el país.

Tabla 1Descripción de Proyectos


En la Tabla 1 se expone los montos necesarios de inversión para cada proyecto, expresado en miles de dólares americanos (k US$).

Asimismo se expone el tiempo de vida de los proyectos en función al agotamiento de reservas de hidrocarburos que involucra cada uno.

PROYECTO INVERSIÓN PERIODO PROD TOTAL Prod Gas Prod Oil Curva

Unidad k US$ años M BOE TCF M BBL Producción

P1 16.919 11 6,75 0,03 0,86

P2 31.469 14 6,00 0,03 0,67P3 16.038 9 5,08 0,03 0,36

P4 12.246 10 3,20 0,02 0,15

P5 11.339 12 3,51 0,02 0,10P6 17.647 8 7,84 0,04 0,42P7 31.959 11 16,64 0,08 2,64P8 108.960 16 241,52 1,22 23,90P9 329.089 13 304,88 1,51 36,25

P10 38.483 9 10,22 0,05 0,53P11 4.491 5 0,88 0,00 0,09P12 77.411 9 48,19 0,26 2,63

TOTAL 696.061 16 654,73 3,29 68,61

84

Finalmente se expone la producción total esperada de hidrocarburos, expresada en millones de barriles equivalentes de petróleo (M BOE), ésta a su vez se desagrega en dos productos gas y petróleo, expresados en trillones de pies cúbicos (TCF) y millones de barriles (M BBL), respectivamente.

Precios y Tarifas

En el caso de las tarifas de transporte se consideran las aprobadas por la Agencia Nacional de Hidrocarburos (ANH).

Para gas natural se consideraron las siguientes, expresadas en dólares americanos por millar de pies cúbicos:

→ Mercado Interno: 0,48 US$ / KPC→ Mercado Externo (Brasil): 0,30 US$ / KPC→ Mercado Externo (Argentina): 0,25 US$ / KPC

En el caso del petróleo solo se consideró la tarifa de transporte en mercado interno, expresada en dólares americanos por barril, de 2,16 US$ / BBL.

Esto dado que ningún proyecto presenta saldos de producción exportables.

Tal como se indicó en el acápite anterior, la Agencia Nacional de Hidrocarburos (ANH), es la entidad encargada de regular la comercialización y distribución de hidrocarburos en el país. Adicionalmente, de normar las tarifas de transporte, también hace lo propio con los precios de comercialización de gas y petróleo dentro del territorio nacional, de acuerdo al siguiente detalle.

→ Petróleo: 27,11 US$ / BBL→ Gas Natural (Consumo): 1,00 US$ / KPC→ Gas Natural (Industrial): 50% del Precio de Exportación más bajo

En el caso de los precios para la exportación de gas natural se consideran como base las fórmulas de cálculo de los contratos comerciales suscritos entre Bolivia con Brasil (YPFB - PETROBRAS, 1996) y con Argentina (YPFB - ENARSA, 2006), respectivamente; estos precios tienen una relación con el bechmark internacional del precio West Texas Intermediated (WTI).

85

Gráfico 1Relación de factores – WTI

Fuente: Elaboración PropiaDatos: (World Oil)

Los datos expuestos desde enero de 1994 hasta marzo de 2011, muestran la estrecha relación de ambas Canastas de Precios (PETROBRAS y ENARSA) con el WTI.

Modelo de Proyección WTI

Se tiene al modelo debidamente especificado, considerando una media de largo plazo, para los 20 años próximos (90 USD/BBL), este planteamiento se deriva de un modelo de Vasicek estilizado al commodity de referencia (Venegas, 2006).

86

Cuadro 1Modelo de Proyección Estocástica del WTI


Para generar las proyecciones simuladas se utilizó el software Crystal Ball.

Planteamiento General del Modelo

El modelo de portafolio, de acuerdo al enfoque clásico de Markowitz, considera que las variables de decisión son continuas no negativas, sujetas a la restricción de una suma unitaria, dispuestas para maximizar el retorno del portafolio a un nivel de riesgo dado.

Expuesto en el rigor matemático correspondiente:

Cuadro 2Modelo clásico de portafolio

Fuente: Fabozzi, Kolm, Pachamanova, & Focardi (2007)

En la ecuación 1 se refleja el objetivo de maximización del valor esperado de los retornos futuros, asumidos como réplicas de los promedios de rentabilidad pasados.

P t+1 = Pt + 0.0170[90-Pt] 1 + 7.36dW + E x S x MdW~N (0,1)E~B (1,0.15)S = 2x - 1 | x~B (1,0.43)M~LN (9.58, 8.24) | M > 4.60

Función Objetivo Zmax = wi × i ecuación 1

Sujeto a: wi ≥ 0 ecuación 2

wi = 1 ecuación 3

δ(r) = δ0 ecuación 4

87

Las ecuaciones 2 y 3 exponen las restricciones de no negatividad de los porcentajes de participación de cada activo del portafolio (acción, bono o cualquier otro instrumento financiero) y la restricción de suma unitaria, respectivamente.

Finalmente la ecuación 4 acota el nivel de riesgo a asumir considerando una desviación típica de los rendimientos del portafolio dado.

Es decir, el modelo genera la combinación óptima de activos para la maximización de la generación de valor con un nivel de riesgo previamente establecido.

Planteamiento del Modelo de Selección de Proyectos

En el caso del análisis y diseño de una cartera de proyectos el planteamiento del modelo es diferente considerando que las variables de decisión no son continuas ni negativas, sino que son dicotómicas, donde el valor de uno (1) significa realizar el proyecto y el valor de cero (0) significa no hacerlo.

La función objetivo puede ser dada por un indicador económico-financiero o físico; en el presente estudio se considerarán los siguientes objetivos de optimización. En este caso se eligió la maximización del Valor Actual Neto del portafolio.

Las restricciones de la empresa están dadas por la política de inversión de la misma:

• Lo recursos destinados a las Inversiones no deben superar los 400 MUS$ (millones de dólares americanos).

• La cantidad de proyectos a realizar mínimamente debe ser 6.

88

De forma genérica el modelo de evaluación sería el siguiente:

Cuadro 3Modelo de optimización


Donde:

- di : Variable de decisión respecto a implementar o no el proyecto i, tomando los valores de 1 y 0, respectivamente.

- INVi : Inversión asociada a la realización del proyecto i, expresada en millones de dólares.

- I(d): Indicador Financiero o Físico en función de las k variables de decisión.

La ecuación 5 es la función objetivo que puede ser una maximización o minimización dependiendo del indicador elegido para el análisis.

La ecuación 6 es la formalización de la condición de variable de decisión dicotómica; mientras que las ecuaciones 7 y 8 son las restricciones de actividad física mínima y de disponibilidad de recursos máxima.

Es necesario recalcar que el planteamiento del modelo es de carácter determinístico, asumiendo que los parámetros a considerar son valores esperados o modales, dependiendo del caso.

Función Objetivo Z = I(d) ecuación 5

Sujeto a: di = {0,1} ecuación 6

di ≥ 6 ecuación 7

di x INVi ≤ 400 ecuación 8

89

Esquema de Selección de Proyectos

Para seleccionar proyectos es necesario considerar la dinámica inherente en las variables que alimentan el modelo, por ello se plantean factores como ser:

• El riesgo común a todos los proyectos, a través de la volatilidad de los precios internacionales del petróleo que influye en la formación de precio de comercialización.

• Los factores de riesgo específicos son el riesgo geológico (cese de producción por irrupción de agua en los pozos productores) y la ejecución de CAPEX (inversiones de capital destinado a incrementar y mantener la producción).

Esto se aprecia en el Gráfico 2.

Gráfico 2Estructura del modelo de optimización estocástico


90

Cada proyecto es evaluado y filtrado por la decisión de realizarlo o no (Go / No-Go) en función a la función objetivo que se fije para determinar la estructura de la cartera.

Se considerará la función objetivo: Maximizar el VaR10 (Value at Risk 10%) del VAN, es decir maximizar el valor que genere una probabilidad de alcanzar como tope máximo ese valor.

Para ejemplificar, el modelo de portafolio que se expone la optimización del VaR10.

Cuadro 4Modelo estocástico de optimización


En el modelo presentado se observa que los precios P -riesgo común- son considerados con una distribución Log-Normal, el riesgo geológico gi está asumiendo una distribución de Bernoulli (éxito / fracaso) y las inversiones se consideran con una distribución Beta-Pert caracterizada por 3 valores: mínimo, máximo y valor más probable (moda).

Resultados de la optimización determinística

Considerando la maximización del valor generado para la empresa se obtiene la siguiente composición de la cartera de proyectos.

Función Objetivo Z = VaR10 [VAN] ecuación 9

Supuestos: P ~ LN( , σP ) ecuación 10

gi ~ B(pi ) ecuación 11

INVi ~ BP(mini , modi , maxi ) ecuación 12

Sujeto a: di = {0,1} ecuación 13

di ≥ 6 ecuación 14

di x INVi ≤ 400 ecuación 15

91

Cuadro 5Cartera de proyectos: Max VAN


Los proyectos que están marcados con el símbolo , en la decisión Go / No-Go, son aquellos que, dadas las restricciones corporativas, maximizan el valor del VAN de toda la cartera.

Como se puede observar los proyectos elegidos son 6 y la inversión asociada a ellos es de 399,1 millones de dólares americanos, por lo que cumple con las restricciones. Asimismo el valor del VAN de la cartera asciende al valor de 1.697 millones de USD$.

El perfil de producción total y el detalle de inversiones anuales se exponen en el Gráfico 3.

Gráfico 3Perfil de Producción e Inversiones: Max VAN


INDICADOR P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 CARTERA UNIDADGo/ No-GoVAN 29.781 -1.574 10.384 7.175 3.107 35.321 70.217 643.774 827.010 38.809 5.685 210.703 1.697.453 k US$INVERSIÓN 12.007 23.807 10.407 7.495 6.361 13.569 23.149 81.848 240.209 29.514 3.645 59.547 399.105 k US$VAN/ INV 2,48 -0,07 1,00 0,96 0,49 2,60 3,03 7,87 3,44 1,31 1,56 3,54 4,25 $/ 1,00$ INVTIRm 29,37 14,94 24,73 23,53 19,39 35,57 31,11 32,38 29,54 26,79 39,39 36,64 30,46 %B/C 2,23 0,95 1,57 1,56 1,22 2,23 2,36 3,25 2,54 1,78 2,05 2,42 2,69 $ 1,00$ CTPRI 1,16 --- 1,64 1,75 1,66 1,00 1,00 0,60 1,08 1,52 1,07 0,83 0,93 añosPeriodo Proy 11 14 9 10 12 8 11 16 13 9 5 9 14 añosDevel. Cost 0,36 0,80 0,35 0,44 0,33 0,33 0,29 0,07 0,16 0,54 0,82 0,23 0,13 US$/scfProducción 6,75 6,00 5,08 3,20 3,51 7,84 16,64 241,52 304,88 10,22 0,88 48,19 602,19 M BOEProd Gas 0,03 0,03 0,03 0,02 0,02 0,04 0,08 1,22 1,51 0,05 0,00 0,26 3,09 TCFProd Oil 0,86 0,67 0,36 0,15 0,10 0,42 2,64 23,90 36,25 0,53 0,09 2,63 63,13 M BBL

92

Resultado Optimización Estocástica

Se considera en este escenario de análisis la maximización de resultados en el peor escenario probable, tomando en cuenta la optimización del VaR10 del VAN.

El portafolio óptimo dado el objetivo, los supuestos y restricciones fue encontrado a través de 200 corridas de simulación de Monte Carlo.

Gráfico 4Optimización Estocástica


La composición de la cartera de proyectos bajo este escenario contempla la incorporación de 6 actividades.

Cuadro 6Composición de proyectos


Con esta estructura del portafolio de proyectos, se alcanza un valor del VAN en el peor escenario probable de 791 millones de US$, invirtiendo 395 millones de US$.

INDICADOR P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12Go/ No-Go

93

Adicionalmente se tiene la función de densidad del Valor de la Cartera, donde se observa que con esta combinación de proyectos la probabilidad que la cartera genere valores negativos es de 2,2%.

Gráfico 5Distribución de Probabilidad VAN


Adicionalmente, para comprobar que el portafolio elegido es el óptimo resultado, se sensibilizó la restricción de la empresa referida a la cantidad mínima de proyectos, observándose la siguiente frontera eficiente.

Gráfico 6Frontera eficiente del portafolio


94

Se observa que la solución con el mayor valor es una cartera con 6 proyectos; el modelo es incapaz de asumir un menor número de proyectos para cumplir con el objetivo sobre el VAN y al forzarlo a generar estructuras de cartera con más de 6 proyectos solo se alcanzan valores menores; salvo el caso de realizar 12 proyectos, pero esta es una solución no factible por la restricción de capital.

Valorización de los Proyectos Excluidos

Considerando el rubro de la empresa es posible aplicar la teoría de Opciones Reales(Mun, 2006), dado que la empresa decide implementar los proyectos en funciones de sus programas de trabajo y presupuestos anuales, se asumirá que los proyectos son opciones europeas, es decir solo pueden ser ejercidas en su fecha de vencimiento.

Considerando que se definió que los proyectos serán evaluados como Opciones Europeas y al ser posibilidades de negocios se las asume como Opciones Call (de Compra), la metodología propuesta para valorar estos proyectos es la de Black & Scholes.

Cuadro 7Valor de la Opción Real de los Proyectos No Elegidos


Se puede observar que incluso el proyecto cuyo VAN es negativo, P2, presenta un valor de Opción Real.

INDICADOR P2 P3 P4 P6 P7 P10 UNIDADGo/ No-GoVAN -1.574 10.384 7.175 35.321 70.217 38.809 k US$S 22.233 20.791 48.890 48.890 93.366 68.323 k US$K 23.807 10.407 7.495 13.569 23.149 29.514 k US$T 14 9 10 8 11 9 añosσ 67,0 43,7 43,9 39,3 35,0 40,2 %rf 3,4 3,4 3,4 3,4 3,4 3,4 %y 7,1 11,1 10,0 12,5 9,1 11,1 %C 5.913 3.736 2.784 10.451 22.222 12.434 k US$

95

El valor de la opción real de los proyectos no elegidos como parte de la cartera asciende a 58 M US$.

Cuadro 8Cartera de Proyectos Elegida con Opciones Reales


Se observa que el valor de la cartera se incrementa en 3,3% al considerar los valores de las opciones reales de los proyectos no elegidos como parte de la cartera.

De esto se puede concluir que, si bien la empresa debe priorizar la ejecución de los seis proyectos elegidos en la cartera, pero al reconocer que no debe desechar, sino postergar la ejecución de los otros proyectos el valor generado por la empresa se incrementa.

Conclusiones

Se puede concluir que la metodología planteada para la selección de proyectos y diseñar una cartera de proyectos en base a su nivel de riesgo es aplicable y posibilita generar valor para una empresa.

Asimismo, también se puede observar que la optimización desde el punto de vista estocástico permite mayor flexibilidad a los resultados que una optimización determinística.

Adicionalmente se expone que si la empresa tiene flexibilidad respecto a la ejecución de sus proyectos, puede valorar la opción de diferir aquellos que no formen parte de la cartera de ejecución inmediata.

INDICADOR P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 CARTERA UNIDADGo/ No-GoVAN/Op. Real 29.781 5.913 3.735 2.784 3.107 10.451 22.222 643.774 827.010 12.434 5.685 210.703 1.777.598 k US$

96


Dumrauf, G. (2010). Finanzas Corporativas: Un Enfoque Latinoamericano (Segunda ed.). Buenos Aires, Argentina: Alfaomega.

Fabozzi, F., Kolm, P., Pachamanova, D. y Focardi, S. (2007). Robust Portfolio Optimization and Management. New Jersey, U.S.A.: Jhon Wiley & Sons.

López, A. (2011). Métodos Clásicos y Modernos de Estadística Descriptiva. Santa Cruz de la Sierra, Bolivia: UPSA.

Loza, H. (2007). Estadística para la toma de decisiones. Santa Cruz de la Sierra, Bolivia: Jiménez.

Meucci, A. (2007). Risk and Asset Allocation. Berlín, Alemania: Springer.

Mun, J. (2006). Real Options Analysis. New Jersey, U.S.A.: Jhon Wiley & Sons.

Subirana, J.F. (2011). Diseño de Cartera de Proyectos de Inversión basado en el riesgo para la Empresa Altiplánica S.A. Tesis de Maestría. Santa Cruz de la Sierra, Bolivia: UPSA.

Subirana, J.F. (2011). Introducción a la Evaluación Financiera de Proyectos de Inversión. Santa Cruz de la Sierra, Bolivia: UPSA.

Venegas, F. (2006). Riesgos Financieros y Económicos. México D.F., México: Thompson.

World Oil (s.f.). World Oil Online. Recuperado el enero de 2012, de http://www.worldoil.com/

YPFB - ENARSA (2006). Contrato de Compra-Venta de Gas Natural. Santa Cruz de la Sierra, Bolivia.

YPFB - PETROBRAS (1996). Contrato de Compra-Venta de Gas Natural. Río de Janeiro, Brasil.

97

Palabras Claves

• Evaluación de Proyectos • Estructuración de Portafolio• Simulación • Análisis de Riesgo• Optimización Determinística• Optimización Estocástica • Frontera Eficiente• Opciones Reales

Clasificación JEL

C61, C63, G11, G17, G32


Estudiante de Doctorado en Economía (UPB), Magíster en Ingeniería Financiera e Ingeniero Comercial (UPSA). Docente de cátedra de pregrado y postgrado (UPSA). E-mail: [email protected].

Este artículo es extraído de la tesis de maestría del autor (Subirana, Diseño de Cartera de Proyectos de Inversión basado en el riesgo para la Empresa Altiplánica S.A., 2011).

99

5Competencias Profesionales EN EL DESEMPEÑO laboral DEL PROFESOR UNIVERSITARIO

Este artículo se concentra en el análisis de los nuevos retos en la contribución global de la universidad y su profesorado actualmente, como tal, el colectivo esencial en el siglo XXI para las universidades innovadoras. Revisando esta realidad presentamos la última versión de un modelo de competencias del profesor para su desarrollo y permanente actualización de cara a un desempeño de calidad.

Marcelo Andrés Saravia Gallardo


100

Introducción

La calidad de la educación superior es una condición básica para la formación de recursos humanos, el desarrollo de nuevo conocimiento y el servicio múltiple a la sociedad. En los últimos años el concepto de calidad educativa ha sido controversial e incluso enigmático entre los expertos y constituye una necesidad para toda institución seria. Por ello es tiempo de contribuir con propuestas claras para hacer de esta meta un logro. El profesorado, el aprendizaje de los estudiantes y su evaluación tienen una estrecha relación con la calidad ya que, las competencias del profesor impulsan la adquisición de las competencias de los estudiantes. La calidad de la docencia se refleja en la calidad de los aprendizajes y en su evaluación, y la gestión del currículo es esencial en este proceso. Desde esta visión, el propósito de este trabajo es presentar un modelo de competencias del profesor difundido y citado en el contexto internacional y enriquecido en los últimos diez años, que se constituye en una herramienta útil para mejorar la formación del profesorado y la calidad de los aprendizajes de los estudiantes. Este modelo ha sido ampliamente difundido desde su creación el 2004 y permite vincular con precisión, el desarrollo integral del profesor con el aprendizaje de los estudiantes en su formación universitaria1 .

1. La universidad y la docencia del siglo XXI

La calidad universitaria se puede definir como el conjunto de parámetros que demuestran la vinculación productiva entre la institución y su entorno (conexión estrecha entre universidad y sociedad local, regional y mundial). Esto implica que el liderazgo de gestión institucional debe integrar de modo coherente las tres grandes actividades universitarias: Investigación, Docencia y Servicios a la Sociedad, considerando la disponibilidad de todos los recursos necesarios para que el personal gestor, administrativo y profesorado puedan realizar su trabajo con una visión de innovación permanente, consolidando una universidad emprendedora que orienta a la sociedad sobre los derroteros correctos a seguir en su evolución global. Esta anticipación lleva a la calidad a su grado máximo, a saber, la excelencia universitaria que se fundamenta en la orientación oportuna/preventiva a la sociedad para desarrollar innovación de utilidad y evitar problemas potenciales (principio con el cual coinciden varios autores en

1 Ver evidencias de la divulgación internacional que ha tenido el modelo en Anexos 1 y 2.

101

esta década: ONU (2005), Knigth (2003), Jackson (2003), Pearce (2006), Kunstler (2006), Freed & others (1997), AAUP (1999), Walvoord & Others (2000), UNESCO (2000), AQU (2001), Gates & others (2002), Kollenburg (2003), Figuera y otros (2003), UNESCO (2004), QAAHE (2004), Valle(2004), Hill & Others (2006), Reichert (2008), Sierra y otros (2009)). La universidad como institución tiene una naturaleza única, cuyo centro es el desarrollo y difusión de conocimiento científico de utilidad, como tal propósito encierra un extraordinario esfuerzo humano, sus ciclos de evolución responden básicamente a la evolución lógica (disciplinada y paciente) del conocimiento científico y las redes que forman el cuerpo de la universidad se disponen a impulsar esa meta, tanto como a difundirla en la sociedad mediante la formación y los servicios. Por ello, es importante una visión comprensiva de la multidimensionalidad institucional de la universidad al momento de desarrollar su calidad integral. Por tanto, es necesario considerar las siguientes dimensiones desde una perspectiva teórica y práctica:

• Su dimensión política: ideología, intereses y relaciones de poder internas (entre personas, estamentos y unidades) y externas (con el gobierno, otras universidades e instituciones relevantes).

• Su dimensión filosófica: visión del mundo, creencias, acuerdos y fines epistemológicos que pueden estar declarados en documentos básicos, pero es necesario confirmar el compromiso personal de todos los funcionarios.

• Su historia: origen y desarrollo, sus etapas y experiencias coyunturales a lo largo del tiempo, que pueden conducir a consolidar su tradición en la sociedad local e internacional (prestigio institucional).

• Su economía: organización y legislación interna, sus recursos y administración que implica el uso de fondos públicos y/o privados, lo cual pone en juego su estabilidad financiera y proyección de desarrollo.

• Su dimensión sociológica: relaciones interpersonales e intergrupales basadas, tanto en el discurso oficial declarado (dimensión filosófica), como en las interpretaciones emergentes en la convivencia cotidiana de las personas, lo cual forma una cultura paralela más o menos cercana con los documentos institucionales básicos. Lo escrito formalmente y lo que se vive en la comunidad de trabajo configuran -de forma única en cada universidad- su verdadera cultura organizacional.

102

• Su dimensión psicológica: las personas con su concepción de sí mismas y de la institución, sus demandas, valores y expectativas, que en conjunto, forman una cultura particular a cada colectivo de actores (identidad grupal), basada en el sentido real que para cada persona tiene la universidad en su vida.

• Su dimensión pedagógica: la actividad científica en el marco de la producción y socialización del conocimiento hacia la formación de pensamiento, supone desarrollar en todo el equipo humano las competencias para comunicar sus ideas claramente y formar nuevo conocimiento dentro de sus equipos de trabajo, en los estudiantes y actores-aliados estratégicos externos a la institución (universidad en formación permanente).

• Su arquitectura: espacios de gestión, investigación, enseñanza y aprendizaje, de diálogo y recreación que permitan una alta calidad de vida en la universidad, de modo que las personas se sientan en un ambiente adecuado, estimulante y favorable para desarrollar todo su potencial.

Esta visión comprensiva permite situar con claridad los planes de calidad que incluyen indicadores en cada una de estas dimensiones y que provocan una reflexión profunda sobre la realidad universitaria y su verdadera vocación innovadora. La posibilidad de cumplir con indicadores de calidad pasa por lograr que las personas perciban que la aspiración por ser mejores cada día desemboca en apropiarse de los indicadores como estímulo para su trabajo y su desarrollo individual integral y en el entorno de su comunidad de trabajo; venciendo así las resistencias y temores a los cambios que suponen nuevas formas de pensar y trabajar.

Sin embargo, si bien se entienden los retos de una universidad de excelencia, aún no existe consenso claro sobre el significado de ser profesor (Flores (2010), Ponce (2010)), ante esta diversidad, es necesario concentrar el esfuerzo en aportar modelos rigurosos y completos que permitan mejorar la calidad del desempeño del profesor, a partir de un perfil integral de competencias profesionales (el modelo que aportamos más adelante es congruente con esta visión comprensiva de la universidad). La Tabla 1 muestra la diversidad y poco consenso sobre el sentido básico de ser profesor.

103

Tabla 1: Divergencias en el análisis del Perfil del Profesor Universitario

Aspectos generalmente evaluados en el desempeño del profesor

Interacción social con los estudiantes, apertura, intercambio, entusiasmo

Seguimiento y apoyo a los aprendizajes mediante tutorías

Procedimientos de registro, valoración y evaluación de los aprendizajes

Desarrollo de la tarea de investigación individual, en equipo con colegas o en equipo con los estudiantes

Publicaciones y vinculación a equipos académicos de desarrollo y promoción de conocimientos

Interacción social con entidades técnicas y académicas en consultorías y asesoramiento

Participación en sociedades científicas y culturales

Procedimientos de autoevaluación de la propia enseñanza

Conocimientos, actualización y dominio de los contenidos del área

Estrategias de organización o preparación de clase

Técnicas de enseñanza y recursos didácticos

Capacidad para la evaluación de los aprendizajes

Modelos de evaluación del profesor

Modelo centrado en rasgos y factores: se consideran cualidades internas en el profesor (aptitudes/actitudes) que se establecen como una referencia de un buen profesor.

Modelo centrado en las habilidades: se refiere a las cualidades de carácter pragmático (habilidades y destrezas) que permiten el acertado desempeño docente (skills).

Modelo basado en las conductas manifiestas en el aula: alude directamente al trabajo dentro del aula. En cuanto a los procesos de organización, generación de clima de clase favorable, apertura e interacción con los estudiantes.

Modelo centrado sobre el desarrollo de tareas: el acento se desplaza del profesor hacia las tareas referidas a la docencia. El buen profesor se define por la realización correcta/competente de las tareas docentes tanto dentro como fuera del aula (performance).

Modelo centrado sobre resultados: el buen profesor es aquel que logra en los estudiantes los resultados esperados en términos de aprendizajes y rendimiento y que los evalua apropiadamente (teacher effectiveness).

Modelo basado en criterios de profesionalidad: el buen profesor es aquel que además de su ética de actuación docente, es inquieto por el logro de un perfeccionamiento permanente (desarrollo profesional).

104

Se entiende una competencia como el conjunto de cualidades internas en la persona que permiten anticipar un desempeño exitoso en un contexto específico (McLelland (1973), en Echeverría (2001) y varios autores en los años 90 propusieron modelos de competencias para el desarrollo de recursos humanos: Le Foterf (1991) y Punk (1994) -citados en Figuera (2000)-, Echeverría (2001 y 2002), SCANS Report (1992 y 1993), Valverde (2001), Corominas (2001), Jackson (2003). En este documento se desarrolla un modelo estructural de competencias del profesor (MECPU), para impulsar su calidad mediante cualidades integradas dentro de un perfil profesional único demostrable en investigación, docencia y servicios de la universidad a la sociedad (Saravia (2009 y 2011)).

Estrategias de evaluación

• Cuestionario de opinión de los estudiantes• Autoevaluación• La evaluación por colegas. Peer Review• La evaluación de colegas Senior. The Post-tenure review

Competencias profesionales requeridas en el empleo

Competencia técnica/específica: conocimientos disciplinares conceptos-argumentaciones-teorías.

Competencia metodológica: conocimientos procedimentales adecuados para la realización de tareas concretas, asociadas al proceso de enseñanza aprendizaje y a la evaluación de las mismas.

Competencia social/participativa: alude a la convivencia colaborativa y constructiva con los compañeros. Comportamientos y actitudes favorables al trabajo en equipo; comunicación, cooperación, liderazgo, negociación.

Competencia personal: asumir responsabilidades, autoestima realista, autogestión integridad/honestidad.

Competencias transversales: gestión de recursos, dominio tecnológico, comprensión sistémica, gestión de la información.

Competencias básicas: leer, escribir, aritméticas y matemáticas, escuchar, hablar, pensamiento creativo, capacidad de abstracción, cálculo, conocer cómo aprender, razonamiento.

(Bunk, 1994, en Figuera 2000; Informe SCANS, 1992 ; 1993; Mertens, 1997; Echeverría, 2001 ; 2002, Sierra y otros, 2009)

El dilema central: ¿Qué implica “ser profesor universitario” en la actualidad?

105

Las competencias son cualidades complejas susceptibles de formación, desarrollo, demostración y evaluación, por tanto, permiten que el profesor construya y evolucione gradualmente en su profesión. Desde esta perspectiva, el concepto de ‘profesión académica’ ha sido centro de profundo análisis desde hace dos décadas (Boyer (1990) Arreola (2000), Bond & others (2000), NATFHE (2002), Struthers (2002), De Miguel (2003), Rodríguez (2003), Mason (2003), Jackson & Ward (2004), Hramiak (2005), Arboix (2008), Castillo (2010)); lo cual, exige repensar el profesor universitario como aquel que ejerce una profesión académica-científica (aún si fuese por algunas horas a la semana) y que, además de su actividad laboral especializada, está vinculado a la universidad y, por tanto, implicado en el mundo académico-científico que supone análisis del conocimiento, aplicaciones innovadoras para promover el aprendizaje profundo y aportes en actividades que generen nuevo conocimiento científico para la ciencia y la sociedad.

Desde esta perspectiva se ve claramente que:

La rutina esencial del profesor se refleja en:

Investigar, aprender, analizar, aplicar, reconstruir, difundir, evaluar los aprendizajes de sus estudiantes y reiniciar todo el ciclo una y otra vez para crecer con la verdad de la ciencia.

La influencia del profesor en la formación del estudiante se refleja en:

• El análisis del potencial del estudiante• Detección de aprendizajes previos• Definición de puntos de anclaje cognitivo• Interacción con el nuevo conocimiento• Integración de aprendizajes previos y aprendizajes nuevos• Reconstrucción del potencial del estudiante

Desde esta convivencia pedagógica, profesor y estudiante aprenden en comunidad avanzando hacia una Cultura Institucional de Aprendizaje Permanente, característica fundamental de la universidad del siglo XXI (Gascón (2010), Project Zero (2012)). Por todo ello, para incursionar en el delicado terreno de la formación y renovación del profesorado, es básico contar con una referencia de su perfil que retroalimente su desempeño laboral y estimule su desarrollo según los tiempos que corren.

106

2. Modelo estructural de competencias del profesor

Para consolidar un perfil profesional de profesor es una condición sine qua non contar con un modelo que presente el concepto, dimensiones e indicadores que orienten la definición del “Ser Profesor”. En nuestro caso, el perfil está formulado desde el paradigma de las competencias humanas y es clave clarificar primero el término “competencia”, el cual se formula sobre la base de McClelland (1973) y Delors (1996) como referentes pioneros en el desarrollo de esta línea teórica. No obstante, el error frecuente en la literatura es definir competencia con términos anteriores a su creación, cuando en realidad, se trata de una nueva forma de entender, formar y evaluar el potencial humano, sin embargo, las imprecisiones son evidentes y las revisamos en la Tabla 2.

Tabla 2. Términos incorrectos en la definición de Competencia

No corresponde utilizar el término DESTREZA: para definir competencia puesto que se refiere a Skill en sentido clásico original acuñado a principios del siglo XX durante la explosión económica en Estados Unidos entre la Primera y Segunda Guerra Mundial; hace alusión a una pericia material, un dominio práctico específico y repetitivo. “Destreza” es insuficiente para representar a la competencia y se solapa con el conocimiento práctico incluido en los otros conceptos que explicamos en este cuadro.

No corresponde utilizar el término ACTITUD: este término se ha generado en la Psicología Social entre los años 40 y 50 del siglo XX para estudiar a fondo el posicionamiento de personas y grupos de personas con relación a fenómenos sociales masivos. Actitud tiene tres elementos: idea, emoción y acción que operan de modo congruente frente a un objeto actitudinal; cuando se disocia alguno(s) de esos componentes la persona es incongruente. Estos tres componentes se solapan con los componentes de la aptitud, destreza, habilidad y capacidad, luego en la realidad ¿cómo se identifica lo que específicamente se está formando y evaluando?

No corresponde utilizar el término APTITUD: generado igualmente en la psicología social y se aplica en la evaluación vocacional. Se entiende como la disposición para realizar alguna actividad; su evaluación es inferencial pues se aportan probabilidades de la existencia de un potencial en la persona y, no así, en una demostración real. Esto es contradictorio con la competencia, en tanto que ésta debe demostrarse en la práctica y, por tanto, deducirse no inferirse. Por otra parte, los dos componentes de la aptitud: idea y emoción, se solapan con la actitud y, en particular el componente ideativo, se solapa con el conocimiento teórico de la capacidad.

107

La competencia no aparece en la historia científica de la psicología para acoger a destrezas, habilidades, aptitudes, actitudes, capacidades que son aportes diversos previos a 1973; en cambio, la competencia abre el camino para desarrollar una teoría original que ilustre más ampliamente el mundo individual del ser humano. La prisa conllevó a cometer errores teóricos que generan actualmente una seria confusión, evidente en la literatura sobre experiencias de aplicación equivocada de la competencia.

En consecuencia con esta aclaración previa, siguiendo a McLelland y Delors, se puede definir a la Competencia Humana General como: conjunto de cualidades internas y diversas que operan de manera integral, como base para la demostración de un desempeño exitoso en un contexto específico. La competencia general se desagrega en cuatro categorías, por cuanto implica a distintos tipos de cualidades internas: científica, práctica, personal y social.

• Competencia Científica: conjunto de conocimientos teóricos contrastados y empíricos naturales, que permiten a la persona entender partes concretas de la realidad, interpretar su sentido y definir posibilidades de intervención (Saber).

No corresponde utilizar el término CAPACIDAD: para definir competencia pues pertenece al escenario productivo anterior (periodo industrial posterior a la Segunda Guerra Mundial, preeminente hasta principios de los 90) y supone un compuesto de conocimiento teórico y práctico. Por tanto, la noción de capacidad es insuficiente para representar a la competencia y sus componentes se solapan con la destreza, la actitud, aptitud y habilidad.

No corresponde utilizar el término HABILIDAD: para definir competencia por cuanto se refiere a una demostración práctica, por ejemplo, la resolución de conflictos supone la habilidad de conciliar ideas opuestas aplicando tonos de voz, palabras y diálogos adecuados para el acercamiento de las partes. Habilidad se refiere a un conocimiento práctico insuficiente para sostener el concepto de competencia y se solapa con el conocimiento práctico de la capacidad.

El solapamiento de los componentes propios de estos términos hace inviable su formación y evaluación rigurosa y confiable, esto sin considerar que además, son términos anteriores al constructo competencia, que demanda producir nuevo conocimiento que establezca la teoría general de la competencia humana con componentes propios, originales y que desemboquen en indicadores para formación y evaluación. En esta línea se inscribe nuestro aporte presentado a continuación que, finalmente, desemboca en el modelo de competencias del profesor universitario.

108

• Competencia Práctica: conjunto de conocimientos metodológicos sistematizados y procedimientos empíricos naturales, que permiten a la persona actuar correctamente en partes definidas de la realidad (Saber Hacer).

• Competencia Personal: el conjunto de cualidades que permiten a la persona tener conciencia clara de la realidad y del referente de la verdad, para regular su desempeño a partir de valores éticos convencionales (Saber Ser).

• Competencia Social: conjunto de cualidades que permiten a la persona una correcta y enriquecedora relación con su contexto social y natural, en base de valores sociales de convivencia armónica entre las personas y el entorno (Saber Compartir).

Sobre esta base se define la Competencia Profesional del Profesor como: Conjunto de cualidades internas que le permiten sostener y aplicar un discurso científico, para generar conocimiento y aprendizaje permanente en sentido personal y grupal, con visión innovadora y proactiva en el desarrollo de su desempeño profesional. Esta definición condensada del perfil de profesor se va desagregando en cuatro categorías de competencias.

1. Competencia Científica: supone la demostración efectiva de los conocimientos propios del ámbito disciplinar del profesor, a partir de su formación universitaria y experiencia acumulada durante el ejercicio profesional, que le permite la comprensión, interpretación y actualización de los temas y problemas del área.

2. Competencia Práctica: representa el conjunto de conocimientos y criterios procedimentales e instrumentales que permiten al profesor desarrollar correctamente sus actividades académicas (docencia, investigación, servicios a la universidad y la sociedad), en base de acciones razonadas orientadas a dar vida a su producción profesional.

3. Competencia Personal: revela la posición del profesor con relación al conocimiento científico disciplinar y pedagógico, reconociendo la necesidad de un constante aprendizaje y superación integral, regulando su desempeño profesional mediante valores fundamentales.

109

4. Competencia Social: representa a las cualidades que permiten al profesor establecer relaciones interpersonales productivas con su ámbito laboral, reconociendo y valorando la potencialidad y el conocimiento en cada una de las personas de su comunidad de trabajo.

Esta tipología de competencias se desdobla en diez dimensiones y, estas a su vez, se evalúan mediante cien indicadores que pueden ser adaptados a la realidad de cada universidad, derivando de ellos ítems/preguntas que pueden ser aplicadas en cuestionarios/encuestas, o bien, en entrevistas u otros instrumentos de medición de la realidad (los indicadores se presentan en Anexo 3). Esta secuencia de desarrollo teórico obedece a la rigurosidad científica que supone un modelo viable y válido se desagregue gradualmente desde el constructo teórico inicial hasta los indicadores que aportan indicios sobre el comportamiento del constructo en la realidad, la Tabla 3 muestra ésta relación.

Tabla 3. Integración general de la operacionalización científica

Integración general de la operacionalización científica

Fundamentación teórica Aplicación

Constructo Categorías Dimensiones Indicadores Contextualización

La operacionalización es responsabilidad de los usuarios del modelo La Contextualización es

responsabilidad de los usuarios del modelo

El modelo aporta la vinculación entre la teoría y la realidad, sin embargo, se detiene en el nivel de indicadores, justo un paso antes de tocar la superficie real propiamente tal. Esto para permitir contextualizar los indicadores y adecuarlos a las características propias de la realidad institucional de aplicación.

110

Si un modelo no contempla este margen de operacionalización llega a ser inaplicable en ciertos contextos; en cambio, cuando se estudian estos grados de flexibilidad y se establecen los márgenes correspondientes, el modelo llega a ser estructural por su planteamiento de patrones y desarrollo en categorías, dimensiones e indicadores relevantes y orientador para todos los contextos posibles. En tal sentido, la formulación de indicadores de este nivel exige una extensa reflexión: horizontal (relación constructo–indicador) y, vertical, es decir, el orden secuencial y lógico a través de cada uno de los indicadores para actuar paso a paso en la realidad. El mapa general del modelo se presenta en la Tabla 4.

Tabla 4. Mapa General del MECPU

Constructo: COMPETENCIA GENERAL DEL PROFESOR UNIVERSITARIO

Categorías Dimensiones Número de Indicadores

Competencia Científica

Saber

A. Formación AcadémicaB. Desarrollo Científico

OriginalC. Investigación como

motor del aprendizaje

Academic BackgroundOriginal Scientific DevelopmentResearch as Learning Engine

30

Competencia Práctica

Saber Hacer

A. Integración entre teoría y realidad

B. Liderazgo en Investigación y Desarrollo

C. Escritos y Publicaciones

Linking Theory with RealityResearch & Development LeadershipManuscripts and Publications

30

Competencia Personal

Saber Ser

A. Aprendizaje Permanente

B. Desempeño Profesional Ético

Selflearning EngagementEthical Professional Performance

15

Competencia Social

Saber Compartir

A. Interacción Social Positiva

B. Promoción de comunidades de aprendizaje

Positive social InteractionPromotion of Learning Communities

25

Este modelo establece el constructo ‘competencia’ como núcleo de conceptualización del ser profesor, cuyas categorías, dimensiones e

111

indicadores emergen en la docencia, investigación y servicios (los cien indicadores se detallan en el anexo 3). Seguidamente la metáfora del prisma (Figura 1) ayuda a representar esta visión estructural del modelo donde el potencial profesional sale a la luz a través de las actividades de docencia, investigación y servicios, el ejercicio profesional retroalimenta el potencial del profesor.

Figura 1: Visión Estructural del MECPU

Es evidente que en el modelo y sus indicadores, la investigación juega un papel esencial como impulso del aprendizaje permanente, por cuanto supone la rutina ordenada de i) Revisar literatura actualizada a nivel internacional, ii) Identificar temas de interés para su aprendizaje a profundidad, iii) Explorar y aportar indicios racionales que motiven proyectos a gran escala, iv) Desarrollar proyectos de investigación a gran escala. Lo cual estimula la calidad del profesor y de los estudiantes. A continuación y, considerando la innovación curricular, se muestran tres relaciones esenciales entre el MECPU y la formación universitaria basada en el aprendizaje permanente de profesor y estudiantes.

Formación Profesionaldel Profesor

ActividadesAcadémicas

Competencias Manifestación

CientíficaPrácticaPersonal

Social

DOCENCIA

SERVICIOS

INVESTIGACIÓN

Potencial Profesional

Retroalimentación

112

1. El MECPU es de utilidad para formar al profesorado en el logro de indicadores clave en la docencia, mediante un plan estratégico de formación personalizada.

2. La investigación mediante Proyectos de Investigación Pedagógica puede impulsar la calidad de la docencia para investigar con los estudiantes e, igualmente, investigar sobre la experiencia formativa de los estudiantes.

3. Varios indicadores del MECPU pueden utilizarse para formar y evaluar aprendizajes de los estudiantes (en anexo 4 se pueden ver los indicadores básicos aplicables para este propósito).

Desde la perspectiva del logro de la calidad universitaria en la formación profesional el modelo es un núcleo claro de orientación entorno al cual se puede formar al profesorado potenciando sus competencias y, el estudiante igualmente, puede tener un marco de referencia para autoevaluar su desempeño y promover de manera autónoma su crecimiento con el apoyo del profesor y sus compañeros (TLRP (2010)). En consecuencia, debemos considerar a la gestión universitaria como dinamizadora de la calidad docente, acentuando el apoyo permanente al profesorado, mediante jefaturas de carrera y decanaturas, gestión de centros de integración secundaria-universidad y gestión de la investigación e innovación.

¾ La gestión de calidad en las jefaturas de carrera y decanaturas

Es esencial el monitoreo permanente al desarrollo de los programas de formación de pregrado mediante algunos sensores de valoración de la calidad de la formación - además de la selección y actualización del cuerpo docente- es necesario revisar los siguientes factores:

a) Integración de los aprendizajes por semestre (Análisis Horizontal):

La enseñanza-aprendizaje entre materias de un mismo semestre deben demostrar similitud en sus grados de dificultad y niveles de exigencia para el estudiante, de modo tal, que su esfuerzo sea uniforme en el semestre y se cumpla así con una de las premisas esenciales de la formación por competencias, a saber, el conocimiento integral se construye gradualmente, por tanto, cada semestre constituye un escalón

113

pedagógico coherente e integrado. Igualmente, este análisis pedagógico horizontal del plan de estudios, debe confirmar que se promueve la integración de los aprendizajes generados por todas las materias del semestre; así el estudiante entenderá la conexión que tienen las materias entre sí para comprender a profundidad una parte de la realidad y entendiendo el sentido personal y profesional que tiene el semestre dentro de su formación.

En este análisis horizontal del plan de estudios el profesorado del mismo semestre se constituye en un equipo motivado y liderado por el jefe o director de la carrera o programa, en este escenario, la detección oportuna de desequilibrios pedagógicos es clave en la calidad de los aprendizajes. Por otra parte, el profesorado puede compartir experiencias y desarrollar actividades de aprendizaje compartidas entre varias materias, lo cual produce en el estudiante la visión global de su formación, en lugar de la excesiva-nociva “compartimentalización” de los aprendizajes debido a materias inconexas entre sí cada semestre (realidad frecuente en muchas universidades).

b) Integración de los aprendizajes por área de conocimiento (Análisis Longitudinal):

Un plan de estudios basado en la formación de competencias profesionales se construye desde el final hacia el inicio, es decir, desde el Perfil Terminal de la Profesión (que integra avances científicos y necesidades del mundo laboral) desagregándose a continuación en Áreas de Conocimiento (cada una de ellas con perfiles intermedios de cada área conducentes, en conjunto, a hacer realidad el perfil terminal) y, finalmente, cada área se desagrega, a su vez, en Campos de Conocimiento que se traducen en las materias semestrales (cada materia con un perfil terminal de competencias contribuyente a hacer realidad el perfil del área de conocimiento a la cual pertenece).

Esta secuencia rigurosa de diseño se acompaña igualmente con un seguimiento cercano dentro de cada área, revisando esta vez, los grados de dificultad creciente para el estudiante en cada una de las materias del área a medida que avanza en los semestres hasta su titulación, estos grados deben ser compatibles también entre las áreas de conocimiento que conforman el plan de estudios. En tanto el estudiante avanza en los semestres su crecimiento es gradual hasta lograr el dominio del conocimiento y la

114

consolidación de valores humanos. En este análisis longitudinal, es no menos importante, confirmar la presencia de los tres ciclos esenciales de formación en el pregrado: Primer Ciclo (Aprendizajes Fundamentales, que va de 1º a 3º - 4º semestres); Segundo Ciclo (Aprendizajes de Aplicación Básica que ocupa el 3º - 4º a 5º - 6º semestres) y; Tercer Ciclo (Aprendizajes de Aplicación Avanzada, de 7º a 9º - 10º). Nótese que la aplicación que vincula teoría y realidad en escenarios concretos y, luego, en contextos más complejos (segundo y tercer ciclo respectivamente) superan el 60% del plan de estudios, sin dejar de considerar que desde el primer semestre el estudiante combina la reflexión teórica con la ilustración clara en la práctica, esto en síntesis quiere decir, que la calidad en la formación por competencias requiere de una práctica permanente para lograr su integración y demostración por parte del estudiante en cada una de las materias de su formación.

En la labor de gestión de los programas de pregrado (además de asegurar recursos básicos como información, aulas, laboratorios, tecnología, bibliotecas, etc.) el liderazgo para conformar Equipos de Calidad Docente por semestres y por áreas permite retroalimentar el desempeño del profesor y los estudiantes; así es posible hacer ajustes oportunos y evitar asimetrías pedagógicas producidas por materias con errores de diseño o por malas prácticas docentes. En este esfuerzo, la participación de los estudiantes como retroalimentación de la calidad de la formación es importante, ellos eventualmente pueden ser parte de los equipos de coordinación y aseguramiento de la calidad del pregrado.

¾ La gestión de centros de integración secundaria-universidad

La universidad es la continuación armónica de la formación del estudiante bachiller, sin embargo, se sabe bien que existen carencias pedagógicas del estudiante de nuevo ingreso en la educación superior, derivadas de su formación escolar. Los problemas que esto supone en la práctica docente de los primeros semestres en la universidad son evidentes e influyen igualmente en la deserción universitaria. Considerando que el paso de la secundaria a la universidad es una Transición Académica, es fundamental, en estos tiempos, acercar la universidad a la educación secundaria para mejorar la calidad de los aprendizajes en ambos tramos educativos. Actualmente, la calidad universitaria reconoce entre sus indicadores a la relación estrecha y coordinada entre la escuela y la universidad a partir de

115

proyectos de vinculación o, mejor aún, mediante centros de integración académica trabajando en:

1. Identificar y definir el perfil del estudiante de secundaria y el perfil del estudiante universitario de nuevo ingreso, para clarificar la naturaleza y características del grupo humano con el que la universidad trabaja, por cuanto las generaciones cambian rápidamente en la actualidad.

2. Formar grupos estables de profesorado de secundaria y universidad trabajando conjuntamente para intercambiar experiencias, documentación relevante y desarrollar estrategias innovadoras que permitan monitorear y mejorar la calidad de los aprendizajes.

3. Desarrollar proyectos de investigación e innovación para consolidar nuevos aportes y difundir prácticas exitosas de aprendizaje colaborativo entre profesores y estudiantes de secundaria y universidad.

¾ La gestión de unidades de investigación e innovación

Los centros/institutos de investigación en la universidad tienen el fin de desarrollar nuevo conocimiento científico para la humanidad, especialmente para resolver graves problemas y reconducir el rumbo por el que sigue su destino riesgoso en la actualidad. En tal sentido, las actividades de investigación e innovación tienen un papel muy importante en la calidad de los aprendizajes de los estudiantes, en tanto que, por una parte, la innovación produce publicaciones actualizadas para su aplicación curricular en las materias; pero aún más en el sentido práctico, permite que los estudiantes -mediante las materias de su formación- sean parte de la transferencia de conocimiento que se realiza desde la universidad hacia la sociedad. Esto a partir de trabajos de asesoramiento especializado, consultorías, proyectos conjuntos con organizaciones públicas y empresas que ofrece la universidad y vinculan la teoría con la realidad en contextos específicos.

Por tanto, para los gestores universitarios es fundamental coordinar y promover actividades que permitan a profesorado y estudiantes desarrollar investigación e innovación durante el pregrado, potenciando

116

así el aprendizaje consolidado mediante la práctica de la innovación en la realidad. Esto favorece a crear una relación estratégica y perdurable entre la universidad y los sectores clave de la sociedad; promueve la inserción laboral de los titulados y retroalimenta la calidad de la formación universitaria a partir de comentarios y sugerencias de los empleadores. Por su parte, la investigación pedagógica a escala institucional es fundamental para desarrollar un mayor conocimiento sobre la docencia y mejorar su calidad. Veamos entonces un camino posible para hacer realidad este propósito.

3. El proyecto de investigación pedagógica en la innovación curricular

El currículo es una herramienta flexible e innovadora de aprendizaje, debe ser permeable a cambios que suceden en el desarrollo de las ciencias y a situaciones emergentes en el contexto local o internacional. Ambas vertientes dinámicas son fuentes de experiencias de aprendizaje para el estudiante y para el profesor. Desde esta visión, el Proyecto de Investigación Pedagógica (PIP) vincula la investigación con la docencia en dos sentidos:

• Investigar con los estudiantes (research practicing): sobre temas de interés para su formación; es posible incluso que profesores de varias materias aborden el mismo tema sobre el cual pueden aportar una revisión documental de actualidad (estado del arte sobre el tema) e, igualmente, pueden aportar datos sobre la situación del tema en el contexto local (evidencia empírica). El estudiante aprende y practica la investigación como herramienta para su propio aprendizaje permanente y a lo largo de la vida.

• Investigar acerca de los estudiantes (teaching research): uno o más profesores pueden trabajar explorando características del proceso de enseñanza-aprendizaje y de la evaluación de los estudiantes, para comprender más profundamente el fenómeno y evaluar la aplicación de estrategias innovadoras en el currículo semestral o anual. El profesor explora cada vez más a fondo sobre el fenómeno educativo de los estudiantes, enriqueciendo así su formación pedagógica.

Aplicar la investigación mejorar la calidad de la enseñanza, dinamiza la gestión del currículo; en otras palabras, desde esta perspectiva, el currículo es una herramienta de investigación y formación (classroom research to improve teacher/student learning). Este aprendizaje dinamizado por

117

la investigación es importante para el estudiante y, para el profesor, es una oportunidad de potenciar su formación integral (Zahonero y Bris (2012), Project Zero (2012), Almeida (2012)). A continuación se muestra la orientación básica en la práctica de investigación con los equipos de estudiantes.

Para realizar proyectos de investigación con los estudiantes los criterios básicos del proceso son los siguientes:

1. Se plantea el equipo de trabajo como unidad social de aprendizaje.

2. El profesor se incluye en cada equipo de trabajo con los estudiantes.

3. La planificación sigue la secuencia de un proyecto de aprendizaje basado en la investigación.

4. La interacción y equidad en la distribución de responsabilidades es esencial dentro de cada equipo.

5. Se estudia documentación científica sobre el tema y se establece la articulación con la realidad local e internacional.

6. Profesor y estudiantes desarrollan aprendizajes teóricos, prácticos y axiológicos (valores personales y sociales).

Contenidos mínimos del proyecto de investigación con los estudiantes:

Justificación; Planteamiento del problema; Objetivos; Bases del Marco Teórico (esquema general); Diseño del Estudio Empírico (esquema general); Interpretación de los datos (análisis preliminar) y Bibliografía.

Puede notarse que los estudiantes no desarrollan en su totalidad un proyecto de investigación, tampoco es posible consolidar todos los componentes de este esquema básico en una materia semestral; acá los estudiantes trabajan en los apartados uno a cuatro y en el punto cinco sólo es posible diseñar el estudio empírico, difícilmente se alcanza a recoger la información e interpretarla de modo preliminar. Sin embargo, sí es posible cubrir todo el esquema si se trata de una materia anual. El estudiante mediante la práctica de investigación logra:

118

• Analizar los alcances y limitaciones del tema.

• Realizar la búsqueda de información científica.

• Estudiar la información y construir esquemas teóricos.

• Contrastar sus argumentaciones con la realidad.

• Consolidar nuevos conocimientos teóricos y prácticos.

Cada vez más son las evidencias empíricas publicadas o recogidas en la labor docente que demuestran la poca práctica de lectura profunda que tienen los estudiantes actualmente (Norton (2009), Hoskins & Newstead (2009); esto luego empobrece su potencia analítica, su vocabulario y su expresión escrita en trabajos académicos. La investigación habitual en la formación universitaria es uno de los caminos indiscutibles para sumergir al estudiante en la lectura y escritura rigurosas, que incrementan claramente sus competencias desarrolladas en la universidad. Para investigar acerca de los estudiantes los criterios básicos del proceso son los siguientes:

1. El profesor puede trabajar individualmente o en equipo con colegas.

2. Se define un tema relacionado con el fenómeno formativo del estudiante.

3. Se aplica una parte del esquema de un proyecto de investigación.

4. El profesor estudia en la literatura y en su aula el tema seleccionado.

5. Sintetiza la experiencia y la presenta en un reporte breve.

6. Si el proyecto se realiza en equipo con colegas, se prepara un artículo.

7. Los resultados del proyecto se aplican en la innovación posterior en aula.

Contenidos mínimos del proyecto de investigación acerca de los estudiantes:

119

Introducción; Justificación; Planteamiento del problema; Objetivos; Bases del Marco Teórico; Metodología del Estudio Empírico; Presentación de resultados; Conclusiones y Bibliografía.

El profesor puede disponer de dos semestres para consolidar el proyecto, como resultado se genera un documento escrito que puede compartir con colegas o, publicarlo para difundirlo más ampliamente. Lo fundamental de esta experiencia radica en desarrollar aprendizajes nuevos y sistemáticos como base para fundamentar la innovación permanente en la práctica docente, a partir de entender a profundidad el perfil de los estudiantes del siglo XXI, sus potencialidades y carencias, que definen en gran medida el escenario académico del aula. Igualmente, esta información señala los retos para lograr la enseñanza-aprendizaje en base de indicadores acreditados de calidad.

En tal sentido, existen temas de urgencia para la investigación acerca de los estudiantes actualmente, por ejemplo los siguientes:

• El perfil de los estudiantes universitarios ante los problemas y retos del mundo laboral en el siglo XXI.

• El rol de la familia en la enseñanza universitaria: implicación o independencia como clave de calidad.

• La formación universitaria basada en una enseñanza real con aplicación razonada de tecnologías de información y comunicación.

• Aulas universitarias diversas: la convivencia intergeneracional como influencia en la enseñanza-aprendizaje.

• Vinculación secundaria - universidad: una alianza fundamental para la calidad integral de la educación superior.

Con todo lo expuesto hasta acá, cabe mencionar para la orientación–evaluación de las competencias del profesor en el desarrollo de proyectos de investigación pedagógica, el MECPU aporta indicadores que permiten confirmar si el profesor:

1. Reproduce los criterios de elaboración de proyectos e informes de investigación científica.

120

2. Entiende la potencialidad que tiene la investigación para impulsar su desarrollo profesional.

3. Explica el valor de la investigación científica en la excelencia de la formación de pregrado y postgrado.

4. Conoce la importancia de la investigación científica en la calidad del profesorado universitario.

5. Conoce los criterios de búsqueda documental científica para contar con literatura especializada.

6. Conoce las estrategias de recolección de información y sus criterios de aplicación.

7. Conoce las técnicas y herramientas convencionales de análisis de datos cuantitativos y cualitativos.

8. Expresa sus argumentaciones siempre con el respaldo de literatura actualizada.

9. Se asegura que las personas entienden y asimilan sus presentaciones y explicaciones.

10. Revisa sus aprendizajes previos para actualizar su conocimiento científico.

11. Promueve y participa en equipos de investigación con colegas y asistentes.

12. Promueve y participa en equipos de investigación con estudiantes de pregrado y postgrado.

13. Aporta documentos relevantes fundamentados en bibliografía actualizada (por ejemplo proyectos de investigación, proyectos de innovación, informes de consultoría).

14. Evalúa críticamente su desarrollo profesional y se plantea retos de innovación permanente.

121

15. Aporta evidencias que demuestran su aprendizaje y evolución intelectual.

16. Evalúa los aprendizajes de los estudiantes.

El análisis a la luz de estos indicadores permite abrir vías de formación del profesorado según sus capacidades pedagógicas y sus necesidades, de cara a poder aplicar el PIP como estrategia; posteriormente, en la medida en que el profesor se fortalece, se podrá realizar y evaluar la calidad de los proyectos (PIP) desarrollados en su actividad docente; de hecho a partir del MECPU, es posible generar un portafolio del profesor (Teacher Portfolio). Este portafolio puede estar ordenado en secciones en base de las cuatro competencias establecidas: científica, práctica, personal y social; en cada una de estas secciones se pueden aportar documentos de respaldo y demostración de los logros progresivos del profesor a lo largo de su carrera, los indicadores permiten establecer los contenidos necesarios en cada sección del portafolio. Estamos hablando entonces de un Professor Competencies Portfolio, que facilita la actualización, la evaluación y el reconocimiento a la innovación y calidad del profesorado universitario.

Por otra parte, es útil igualmente, desarrollar el Portafolio del Estudiante (Student Portfolio) para documentar y ordenar sus aprendizajes y evidenciar su evolución integral en la universidad, ambos portafolios y otras estrategias se han expuesto detalladamente en The Handbook of Teaching and Learning (Heather (2009) uno de los más importantes documentos de orientación académica publicados en la última década. El portafolio del estudiante es una herramienta con secciones en las cuales se documentan sus aprendizajes en cada una de las materias. El contenido mínimo del portafolio es el siguiente:

1. Declaración del propósito fundamental del estudiante en la Universidad.

2. Autoevaluación de las fortalezas y limitaciones que afectan su formación.

3. Programa Analítico de cada materia y las lecturas asignadas por el profesor.

122

En cada sección asignada a cada una de las materias, el estudiante puede incluir los siguientes documentos que reflejan su esfuerzo de aprendizaje:

¾ Esquemas o diagramas conceptuales de cada lectura, que representan de manera gráfica el contenido completo de un documento (Análisis).

¾ Mapas mentales: estas de manera conceptual-gráfica representan a las ideas primarias y secundarias de un documento, es similar a un árbol de ideas (Síntesis).

¾ Esquemas de integración de los aprendizajes que articulan de modo coherente los aprendizajes de las materias por semestre, lo cual permite al estudiante sintetizar el sentido teórico y práctico del conocimiento desarrollado a lo largo de un semestre o año cursado.

¾ Resúmenes de cada lectura, son válidos siempre que fuesen una manera básica de iniciar la asimilación los contenidos, pues el resumen no es una técnica recomendable debido a que no estimulan a profundidad el análisis y síntesis como facultades esenciales del pensamiento humano; hay estudiantes que tienden a copiar fragmentos textuales para armar un resumen incongruente.

¾ Ensayos de reacción sobre la lectura de uno o varios documentos textuales o audiovisuales; en pocas páginas el estudiante propone un análisis con opiniones originales basadas en fundamentos derivados de los documentos estudiados. (Análisis y Síntesis)

¾ Material audiovisual, como fotografías, videos, etc. que dan cuenta de materiales producidos según las exigencias teóricas y prácticas de la materia.

¾ Evaluaciones/exámenes habituales de la materia e informes breves de autoevaluación sobre su desempeño al final del curso formativo.

123

El portafolio del estudiante estimula la disciplina, sinceridad y transparencia para demostrar su esfuerzo y resultados de la formación; igualmente, es un material que permite al profesor evaluar, tanto a detalle, como globalmente, la demostración de las competencias del estudiante; sin duda que esta estrategia es altamente útil siempre y cuando el número de estudiantes por materia permita al profesor una revisión periódica, emitiendo orientaciones personalizadas a cada estudiante para potenciar su mejora permanente.

4. Conclusión

Es necesario aceptar el cambio radical en el mundo del conocimiento, en el cual se observa la deconstrucción de paradigmas fundamentales en varios campos disciplinares de la ciencia. La docencia del siglo XXI se basa en el aprendizaje permanente, su autoevaluación y el reaprendizaje de nuevas formas de analizar e intervenir en la realidad; por tanto, es central en las universidades consolidar equipos humanos ágiles en su renovación académica-científica, que puedan a su vez promover en los estudiantes el desarrollo humano integral basado en la formación permanente y a lo largo de la vida como clave de éxito en la inserción y trayectoria laboral. Por otra parte, la docencia cuyo impacto en el mercado laboral sea verificado, constituye una dimensión clave en la calidad de las universidades, por ello es importante articular su desarrollo en conjunción con el desarrollo de los sectores productivos del país en donde se lleva a cabo; la universidad emprendedora actualmente debe estar en primera línea aportando orientaciones para la toma de decisiones económicas, sociales y tecnológicas conducentes a un horizonte que devuelva a la humanidad la paz, la prosperidad y el respeto profundo por la naturaleza y la biodiversidad.

124

ANEXO 1

Algunas de las citas más relevantes de estos trabajos en publicaciones internacionales, así como, algunas de las universidades y revistas-editoriales que citan y/o presentan nuestro modelo se exponen a continuación.

Difusión del MECPU en publicaciones internacionales, Saravia: 2004 - 2012

2004: Tesis Doctoral: Biblioteca de la UNIVERSITAT DE BARCELONA, disponible en:

http://tdcat.cesca.es/TDX-1001104-085258/index.html

2005: Tesis Doctoral: Biblioteca del Portal de las Universidades Iberoamericanas, disponible en: http://biblioteca.universia.net/.../Saravia%20Gallardo,%20Marcelo%20Andrés.html

(2005) Tesis Doctoral: Digital Repository Infrastructure Vision for European Research, disponible en: http://search.driver.researchinfrastructures.eu/showResults.action?query= (author=% 22Saravia%20Gallardo,%20Marcelo%20Andr%C3%A9s%22)

2008: Artículo: Revista de Investigación Educativa (RIE), 2008, Vol. 26, No. 1, pp. 141-156. Universidad de Barcelona, Universidad de Murcia. España. Revista indexada.

2009: Libro Impreso: Editorial Verlag Academic. USA, United Kingdom & Germany. Distribución mundial por numerosas editoriales y librerías, entre ellas: Harvard University Bookstore, University of California, University of Arizona; Barnes & Noble Book Sellers, Blackwell Publishing; Amazon.com, World Sales and Delivering.

2010: Artículo: Pedagogical Research in Higher Education conference (PRHE 2010), Collection PRIME, December, V 4 (2), pp.75-83. Hope University, England. Indexed Review.

2010: Artículo: VI Congreso Internacional de Docencia Universitaria e Innovación CIDUI, 2010. Universitat Politecnica de Catalunya, Barcelona-España. Libro Memoria CIDUI, 2010.

2011: Libro impreso y digital: Cuaderno No. 20, colección Cuadernos de Docencia Universitaria. Editorial Octaedro Internacional. Barcelona, España. Edición en Español y Catalán.

2012: El Modelo se encuentra en trámite de solicitud de Patente internacional en la Sociedad Internacional de Tecnología Educativa, ISTEC-GRANA, University of New México, US.

125

ANEXO 2

Publicaciones más relevantes que citan el MECPU

EUA, (2010). Quality Assurance Models in Europe. Case of Studies Report. European University Association (EUA). Brussels: EUA.

Sierra, J., Buela-Casal, A., Bermúdez, Ma. y Santos-Iglesias, P. (2009). “Importancia de los criterios e indicadores de evaluación y acreditación del profesorado funcionario universitario en los distintos campos de conocimiento de la UNESCO*”. España.

Revista de Universidad y Sociedad del Conocimiento, (2012). Universitat Oberta de Catalunya. España. Disponible en: http://www.raco.cat/index.php/RUSC/article/viewFile/140250/191436

Álvarez-Rojo, V., Romero, S., Gil-Flores, J. & otros, (2011). “Necesidades de Formación del Profesorado Universitario para la Adaptación de su Docencia al Espacio Europeo de Educación Superior (EEES)”. Revista Electrónica de Investigación y Evaluación Educativa (RELIEVE), v. 17, n. 1, pp.1-22. España.

Serrano, M., Gasca, M. y Martínez, M., (2009): Competencias del docente virtual universitario y a distancia: sistema de evaluación por rúbricas. X Congreso Nacional de Investigación Educativa, área currículo. Veracruz.

Gonzáles, J., Fernández, O., Aquino, S., Padilha, B. y Valdés, R., (2006): “Propuesta de dimensiones e indicadores para evaluar el desempeño de los docentes de los institutos superiores pedagógicos”. Educacao e Filosofia, Uberlândia, v. 20, n. 39, p. 187-218. Brasil.

Zamorano, E., (2008): “Jerarquización académica en universidades chilenas”. Revista Theoría, Vol. 17 (2):5-6, 2008.

Correa, J. (2009). “Medición de las competencias investigativas en docentes de fisiología: una aproximación empírica”. Revista Facultad de Medicina. Universidad Nacional de Colombia. Scielo.

Larran, M., Escobar, B., García, E., (2013).”El Sistema de Acreditación Nacional: La opinión de los profesores de Contabilidad. Revista Española de Documentación Científica, 36(3).

Flores, E. (2010). El Desempeño del Docente Universitario. Comunicación Presentada en el VI Congreso Iberoamericano de Docencia Universitaria, Lima, 4,5 y 6, 2010.

ALMEIDA, V. y FERNANDEZ, R., (2012). Análise das necessidades formativas do professor: relato de experiência em uma instituição de educação superior no Reconcavo da bahía. XVI ENDIPE - Encontro Nacional de Didática e Práticas de Ensino - UNICAMP - Campinas – 2012

PONCE, S., (2010). Resultados de una propuesta de formación para docentes principiantes de educación superior. II Congreso Internacional sobre Profesorado Principiante e Inserción Laboral en la Docencia. Ministerio de Educación, Buenos Aires, Argentina. 24 al 26 de Febrero, 2010.

126

Principales Universidades y Editoriales-Revistas que presentan/citan el MECPU

Harvard University, USA (Harvard Bookstore)

U. de San Pedro, Perú; U. de Campinas, Brasil.

Privada Antenor Orrego, Perú

Tecnológica Particular de Loja

Internacional de Anzalucía, España

Universidad del Valle, Colombia

Universidad de Ginebra

Pedagógica de Venezuela (UPEL)

Universidad de Málaga, España

Instituto Politécnico Nacional, México

Rovira y Virgili, España

Quintana Roo, Chile

Universidad de Granada, España

Universidad de Zaragoza, España

Universidad de Girona, España

Universidad Politécnica de Cartagena, España

Autónoma de Madrid, España

Oberta de Catalunya, España

Autóma de Barcelona, España

Universidad de Barcelona, España

Universidad Nacional de Colombia

Universidad de Buenos Aires, Argentina

Universidad del Bio BIo, Chile

Universidad de la Plata, Argentina

Universidad de Guadalajara, México

Universidad de Lisboa, Portugal

Autónoma de Baja California, México

Universidad de la Havana, Cuba

Universidad Estatal del Valle de Acaraú, Brasil

Universidad de Cádiz, España

Universidad de Sevilla, España

Pontificia Católica del Perú

Editorial CEP, España

Instituto de Profesionalización de los Servidores Públicos de México

Revista RELIEVE, España

Educacao e Filosofía, Brasil

Ministerio de Educación Superior de Cuba

Revista Theoría, Chile

Asociación Europea de Universidades

Revista Pedagogía y Sociedad, Cuba

Revista Teoría y Praxis Educativa, Colombia

Revista Electrónica de Tecnología Educativa, Ecuador

Pedagogical Research in Higher Education Review, England

Revista Española de Documentación Científica

Observatorio Europeo de Formación y Aprendizaje

Revista Educatio Siglo XXI, España

Revista de Investigación Educativa, RIE

127

ANEXO 3Contenidos del modelo: 100 indicadores Para valorar al profesorado

Tabla 1. Competencia Científica

Dimensión Indicadores: el Profesor…

A.Formación Académica

1. Argumenta la integración coherente entre su formación básica (pregrado) y de especialidad (postgrado)

2. Explica el origen, fundamentos y evolución de su disciplina básica y de especialidad

3. Explica las corrientes y escuelas teóricas más importantes en su conocimiento profesional actual

4. Identifica y explica la potencialidad que tienen sus áreas de conocimiento en la contribución a la realidad

5. Propone y fundamenta con precisión la evolución futura de las áreas de su conocimiento

6. Define claramente sus principales metas científicas en su contribución a la universidad

7. Conoce las tendencias mundiales y los retos de la universidad del Siglo XXI

8. Cuenta con literatura actualizada para mejorar su desempeño en sus actividades universitarias

9. Explica y argumenta claramente sus ámbitos de innovación en la sociedad

10. Evalúa los logros de aprendizaje de sus estudiantes en coherencia con el desarrollo científico

128

B.Desarrollo

Científico Original

1. Reproduce con precisión las bases y criterios de rigor de la investigación científica

2. Identifica con claridad los paradigmas actuales de la metodología de investigación científica

3. Conoce y explica los métodos cuantitativos y cualitativos de investigación

4. Conoce las estrategias de recolección de información y sus criterios de aplicación

5. Conoce las técnicas y herramientas convencionales de análisis de datos cuantitativos y cualitativos

6. Conoce los criterios de búsqueda documental científica para contar con literatura especializada

7. Reproduce los criterios de elaboración de proyectos e informes de investigación científica

8. Conoce claramente los criterios de elaboración y publicación de artículos científicos

9. Entiende y explica que la producción científica se valida por su utilidad a nivel nacional e internacional

10. Explica la importancia de la citación de sus trabajos en publicaciones de otros autores

C.Investigación

como motor del aprendizaje

1. Difunde la importancia de la investigación como fuente de innovación en la calidad universitaria

2. Entiende la potencialidad que tiene la investigación para impulsar su desarrollo profesional

3. Conoce con precisión los principios del aprendizaje y el desarrollo de pensamiento científico

4. Explica claramente los procesos y condiciones para lograr aprendizajes de calidad

5. Conoce criterios esenciales y técnicas actuales para diseñar materiales de aprendizaje

6. Identifica criterios y estrategias de evaluación para mejorar la calidad del aprendizaje

7. Explica el valor de la investigación científica en la excelencia de la formación de pregrado y postgrado

8. Define los criterios de innovación permanente en su contribución a la universidad y la sociedad

9. Conoce la importancia de la investigación científica en la calidad del profesorado universitario

10. Explica los criterios para impulsar la transferencia de conocimiento desde la universidad a la sociedad

129

Tabla 2. Competencia Práctica


A.Integración entre Teoría y Realidad

1. Explica con claridad la relación entre la teoría y el objeto de estudio de su disciplina de conocimiento

2. Analiza detalladamente construcciones teóricas y las relaciona correctamente con la realidad

3. Demuestra la utilidad de las teorías en la comprensión y transformación de la realidad

4. Ilustra sus explicaciones con ejemplos actuales que permiten entender estructuras teóricas complejas

5. Reproduce/representa teóricamente situaciones concretas de la realidad (si su área de conocimiento lo permite)

6. Utiliza recursos tecnológicos actuales para compartir con claridad el conocimiento

7. Prepara rigurosamente sus presentaciones demostrando un dominio actualizado del conocimiento

8. Se asegura que las personas entienden y asimilan sus presentaciones y explicaciones

9. Expresa sus argumentaciones siempre con el respaldo de literatura actualizada

10. Revisa sus aprendizajes previos para actualizar su conocimiento científico

11. Analiza y evalúa las aplicaciones y simulaciones teóricas que hace en la realidad concreta

12. Elabora materiales didácticos para facilitar el aprendizaje y la divulgación del conocimiento científico

13. Aporta propuestas y materiales para impulsar la calidad institucional de la universidad

14. Aporta documentos de orientación para gestores públicos y gubernamentales (Decision Makers)

15. Aporta documentos de orientación para sectores sociales relevantes (Entrepreneurships)

130

B.Liderazgo en

Investigación y Desarrollo

1. Se compromete con la meta de llevar a la universidad al liderazgo en investigación e innovación

2. Contribuye al establecimiento de las directrices de investigación en la universidad

3. Colabora en generar las condiciones para desarrollar investigación científica original

4. Impulsa la planificación compartida de líneas y temas de investigación de utilidad

5. Potencia la creación y compromiso sostenido de los equipos de investigación

6. Participa en la elaboración rigurosa de los proyectos de investigación científica

7. Lidera y comparte el desarrollo de los proyectos hasta su correcta finalización

8. Participa en la elaboración rigurosa de los informes finales de investigación científica

9. Promueve y participa en equipos de investigación con colegas y asistentes

10. Promueve y participa en equipos de investigación con estudiantes de pregrado y postgrado

C.Escritos y

Publicaciones

1. Publica documentos y materiales en el centro editorial de la universidad

2. Publica artículos en revistas científicas nacionales e internacionales

3. Publica libros y/ capítulos de libros en editoriales nacionales e internacionales

4. Aporta documentos relevantes fundamentados en bibliografía actualizada (p.e. proyectos de investigación/informes de consultoría)

5. Aporta evidencias de citación de sus trabajos en publicaciones nacionales e internacionales

131

Tabla 3. Competencia Personal

Dimensión Indicadores: El Profesor…

A.Aprendizaje Permanente

1. Conoce y analiza los avances mundiales de la ciencia en su campo profesional

2. Evalúa críticamente su desarrollo profesional y se plantea retos de innovación permanente

3. Reconoce la importancia de su trabajo en la evolución y calidad de la universidad

4. Aporta evidencias que demuestran su aprendizaje y evolución intelectual

5. Entiende que su trabajo académico es una oportunidad de crecimiento integral como ser humano

B.Desempeño

Profesional Ético

1. Reporta el desarrollo de su trabajo en estricto apego a los hechos

2. Permite contrastar su desempeño profesional con opiniones de personas serias

3. Cumple con los acuerdos, horarios y productos esperados

4. Protege la información y documentación institucional

5. Evita expresar o apoyar comentarios improvisados que pueden distorsionar la realidad

6. Controla la influencia negativa de sentimientos y emociones sobre su objetividad en el trabajo

7. Valora los recursos que la universidad pone a disposición para trabajar

8. Medita siempre sobre las consecuencias de sus palabras y acciones

9. Demuestra valores universales que sostienen su desempeño profesional ejemplar

10. Sostiene y argumenta en todo momento los logros y aspiraciones de la universidad

132

Tabla 4. Competencia Social


A.Interacción

Social Positiva

1. Estimula la participación creativa de las personas con quienes trabaja

2. Valora la contribución positiva de las personas de su ambiente laboral

3. Busca la orientación y asesoramiento de colegas con mayor experiencia

4. Aprende y renueva su conocimiento con el aporte de colegas y estudiantes

5. Incorpora en su trabajo los aportes de otras personas respetando la autoría

6. Aporta y modifica sus ideas pensando en el éxito del equipo de trabajo

7. Impulsa la comunicación clara, el consenso y la solución de conflictos

8. Promueve y difunde las ideas de estudiantes en formación y de profesionales Junior

9. Estimula el compromiso de colegas y estudiantes con la excelencia en la formación profesional

10. Comunica orientaciones que favorecen la motivación por la excelencia de la universidad

B.Promoción de comunidades

de aprendizaje

1. Participa en la organización de cursos y congresos nacionales e internacionales

2. Presenta conferencias en congresos y seminarios nacionales e internacionales

3. Asiste a cursos, congresos y seminarios nacionales e internacionales

4. Promueve y participa en equipos especializados sobre temas académicos innovadores

5. Establece redes virtuales para el intercambio de documentación actualizada

6. Gestiona su participación en grupos académicos interuniversitarios

7. Participa en actividades de asesoramiento a sectores clave de la sociedad

8. Mantiene contactos internacionales que le permiten enriquecer su contribución profesional

9. 9. Genera propuestas de integración de colegas y estudiantes en torno al aprendizaje compartido

10. Impulsa la creación de mecanismos modernos de evaluación e innovación de la calidad universitaria

133

ANEXO 4

Indicadores básicos para evaluar el aprendizaje de los estudiantes en su formación universitaria

Competencia Científica: el estudiante…

- Explica las corrientes y escuelas teóricas más importantes en su conocimiento profesional

- Identifica y explica la potencialidad que tienen sus áreas de conocimiento en la contribución a la realidad

Competencia Práctica: el estudiante…

- Analiza detalladamente construcciones teóricas y las relaciona correctamente con la realidad

- Demuestra la utilidad de las teorías en la comprensión y transformación de la realidad

- Ilustra sus explicaciones con ejemplos actuales que permiten entender estructuras teóricas complejas

- Reproduce/representa teóricamente situaciones concretas de la realidad

- Utiliza recursos tecnológicos actuales para compartir con claridad el conocimiento

- Prepara rigurosamente sus presentaciones demostrando un dominio actualizado del conocimiento

- Se asegura que las personas entienden y asimilan sus presentaciones y explicaciones

- Expresa sus argumentaciones siempre con el respaldo de literatura actualizada

- Revisa sus aprendizajes previos para actualizar su conocimiento científico

- Analiza y evalúa las aplicaciones y simulaciones teóricas que hace en la realidad concreta

Competencia Personal: el estudiante…

- Evalúa críticamente su desarrollo profesional y se plantea retos de innovación permanente

- Aporta evidencias que demuestran su aprendizaje y evolución intelectual

- Reporta el desarrollo de su trabajo en estricto apego a los hechos

- Cumple con los acuerdos, horarios y productos esperados

134

Referencias Bibliográficas

AAUP, (1999). On Collegiality as a Criterion for Faculty Evaluation. American Association of University Professors (AAUP). Washington D.C. Disponible en: Http://www.aaup.org/statements/Redbook/collegia.htm

Álvarez-Rojo, V., Romero, S., Gil-Flores, J. y Otros (2011). Necesidades de Formación del Profesorado Universitario para la Adaptación de su Docencia al Espacio Europeo de Educación Superior (EEES). Revista Electrónica de Investigación y Evaluación Educativa (RELIEVE), 7 (1), 1-22.

Almeida, V. y Fernández, R. (2012). Análise das necessidades formativas do professor: relato de experiência em uma instituição de educação superior no Reconcavo da bahía. XVI ENDIPE - Encontro Nacional de Didática e Práticas de Ensino - UNICAMP - Campinas - 2012

Aqu (2001). Marc general de l’avaluació del professorat. Agència per a la Qualitat del Sistema Universitari a Catalunya. Barcelona: AQU.

Arboix, E. y García, E. (2008). Evaluation of teacher competence in Spain: The DOCENTIA Programme. Quality Assurance Models in Europe. Case of Studies Report. European University Association (EUA). Belgium.

Arreola, R.A. (2000). Determining the Faculty Role Model, en R.A. Arreola, (Ed.): Developing a Comprehensive Faculty Evaluation System. Bolton, MA: Anker Publishing Co. Inc., pp.1-40.

Competencia Social: el estudiante… - Estimula la participación creativa de las personas con quienes trabaja (otros

estudiantes)

- Valora la contribución positiva de las personas de su ambiente (la universidad)

- Busca la orientación y asesoramiento de personas con mayor experiencia

- Aprende y renueva su conocimiento con el aporte de otros estudiantes

- Incorpora en su trabajo los aportes de otras personas respetando la autoría

- Aporta y modifica sus ideas pensando en el éxito del equipo de trabajo

- Impulsa la comunicación clara, el consenso y la solución de conflictos

135

Boyer, E. L (1990). Scholarship reconsidered: Priorities of the professoriate. Princeton, NJ: The Carnegie Foundation for the Advancement of Teaching.

Bond, L., Smith, T., Baker, W. (2000). Preliminary Analysis Report: Construct Validity Study of the National Board for Professional Teaching Standards. National Partnership for Excellence and Accountability in Teaching (NPEAT). Washington: NPEAT.

Castillo, M. (2010). La Profesión Docente. Revista Medica de Chile, 138, 902-907.

Corominas, E. (2001). Competencias Genéricas en la Formación Universitaria, Revista de Educación, 325, 299-321.

Correa, J. (2009). Medición de las competencias investigativas en docentes de fisiología: una aproximación empírica. Revista Facultad de Medicina de la Universidad Nacional de Colombia.

Delors, J. (1996). La Educación encierra un tesoro. UNESCO. Madrid: Santillana.

De Miguel, M. (2003). Evaluación y mejora de la actividad docente del profesorado universitario, en XVI Congreso de la Sociedad Española de Educación Médica. Ponencia. Documento policopiado.

Echeverría, B. (2001). Configuración Actual de la Profesionalidad. Letras de Deusto, 91 (31), 35-55.

Echeverría, B. (2002). Gestión de la Competencia de Acción Profesional. Revista de Investigación Educativa, 1 (20), 7-43.

EUA, (2010). Quality Assurance Models in Europe. Case of Studies Report. European University Association (EUA). Belgium.

Figuera, P. (2000). Desarrollo personal en un mundo en transición, en Guía de Formación de Formadores. Fondo Social Europeo, pp. 11-19.

Figuera, P., Dorio, I. y Forner, A. (2003). Las competencias académicas previas y el apoyo familiar en la transición a la universidad. Revista de Investigación Educativa, 21 (2), 349-369.

136

Flores, E. (2010). El Desempeño del Docente Universitario. Comunicación Presentada en el VI Congreso Iberoamericano de Docencia Universitaria, Lima, 4, 5 y 6, 2010.

Freed, J. (1997). A culture for academic excellence. Implementing the quality principles in higher education. ASHE-ERIC Higher Education Report, Vol. 25, No.1. Washington: ERIC Clearinghouse.

Gascón, E. (2010). Aprendizaje autorregulado: antecedentes y aplicación a la docencia universitaria de Marketing. Revista de Educación, 28 (1), 171-194.

Gates, S. & Others (2002). Ensuring Quality and Productivity in Higher Education: An Analysis of Assessment Practices. ERIC Clearinghouse on Higher Education Washington DC.

Gonzáles, J., Fernández, O., Aquino, S., Padilha, B. y Valdés, R. (2006). Propuesta de dimensiones e indicadores para evaluar el desempeño de los docentes de los institutos superiores pedagógicos. Educacao e Filosofia, Uberlândia, 20 (39), 187-218.

Harvard Graduate School of Education Project Zero (2012). Perspectives on Learning. Harvard Graduate School of Education. Cambridge: Harvard Press.

Heather, F. (2009). Handbook of Teaching and Learning on Higher Education (3rd. Edition), New York: Routledge.

Hoskins, S. & Newstead S. (2009). Encouraging Student Learning, on Heather, F. (Ed.) Handbook of Teaching and Learning on Higher Education (3rd. Edition), New York: Routledge, pp. 27-39.

Hill, C. & Others (2006). Beyond predictable workflows: Enhancing productivity in artful business processes. IBM Systems Journal, 45 (4), 663-682.

Hramiak, A. (2005). A Method for the Analysis of Data from Online Educational Research. Journal of Interactive Online Learning, 4 (2), 82-93.

137

Jackson, S. (2003). Envisioning A 21st Century Science and Engineering Workforce for the United States: Tasks for University, Industry, and Government. The National Academy of Sciences, available: http://www.nap.edu/catalog/10647.html

Jackson, N. & Ward, R. (2004). A fresh perspective on progress files—a way of representing complex learning and achievement in higher education. Assessment & Evaluation in Higher Education, 29 (4), 424-449.

Knigth, J. (2003). Internationalization of Higher Education. Practices and Priorities: 2003 IAU Survey Report. International Association of Universities (IAU). Paris: IAU.

Kollenburg, S. (Ed.) (2003). Organizational Effectiveness and Future Directions. Chicago: North Central Association of Colleges and Schools (NCA).

Kunstler, B. (2006). The millennial university, then and now: from late medieval origins to radical transformation. On the Horizon. 14 (2), 62-69.

Larran, M., Escobar, B., García, E. (2013). El Sistema de Acreditación Nacional: La opinión de los profesores de Contabilidad. Revista Española de Documentación Científica, 36 (3).

Mason, R. (2003). Course Design to Enhance Learning. IET, The Open University. The Generic Centre. Learning and Teaching Support Network.

Natfhe (2002). Guidelines for Higher Education branches: Peer Review & Peer Observation of Teaching. National Association for Teachers in Further & Higher Education (NATFHE). The Generic Centre. Learning and Teaching Support Network.

Norton, L. (2009). Assessing Student Learning, on F. Heather (Ed.) Handbook of Teaching and Learning on Higher Education (3rd. Edition), New York: Routledge, pp. 132-149.

Pearce, D. (2006). From higher education to longer, fuller, further education: the coming metamorphosis of the university. On the Horizon. Emerald Group Publishing. 14 (2), 43-61.

138

Ponce, S. (2010). Resultados de una propuesta de formación para docentes principiantes de educación superior. II Congreso Internacional sobre Profesorado Principiante e Inserción Laboral en la Docencia. Ministerio de Educación, Buenos Aires, Argentina. 24 al 26 de febrero, 2010.

QAAHE (2004). Handbook for academic review: England, 2004. The Quality Assurance Agency for Higher Education (QAAHE). England: QAAHE.

Reichert, S. (2008). Looking back – looking forward: Quality assurance and the Bologna process, on, Implementing and Using Quality Assurance: Strategy And Practice, pp. 5-10. Belgium: European University Association.

Rodríguez, S. (2003). Nuevos retos y enfoques en la formación del profesorado universitario. Revista de Educación, n° 331, pp. 67-99.

Saravia, M. (2009). Evaluación del Profesorado Universitario. Un Enfoque desde la Competencia Profesional. USA, UK, Germany: VDM, Verlag. Disponible en: http://www.amazon.com/s/ref=nb_sb_noss?url=search-alias%3Dstripbooks&field-keywords=marcelo+andres+saravia+gallardo

Saravia, M. (2011). Calidad del Profesorado: un Modelo de Competencias Académicas. Barcelona: Octaedro Internacional.

Scans (1992). Learning a Living: A Blueprint for High Performance. A SCANS Report for America 2000. The Secretary’s Commission on Achieving Necessary Skills. U.S. Department of Labor. http://www.ttrc.doleta.gov/SCANS/lal/LAL.HTM

Scans (1993). Teaching de SCANS Competencies. The Secretary’s Commission on Achieving Necessary Skills. United States, Department of Labor.

Serrano, M., Gasca, M. y Martínez, M. (2009): Competencias del docente virtual universitario y a distancia: sistema de evaluación por rúbricas. X Congreso Nacional de Investigación Educativa, área currículo. Veracruz, México.

139

Sierra, J., Buela-Casal, A., Bermúdez, M.A. y Santos-Iglesias, P. (2009). Importancia de los criterios e indicadores de evaluación y acreditación del profesorado funcionario universitario en los distintos campos de conocimiento de la UNESCO. Revista de Universidad y Sociedad del Conocimiento. Universitat Oberta de Catalunya. España. Disponible en: http://www.raco.cat/index.php/RUSC/article/viewFile/140250/191436

Struthers, J. (2002). Working Models for Designing Online Courses and Materials. Generic Centre. Learning and Teaching Support Network.

TLRP (2010). Effective Teaching and Learning in UK Higher Education. Institute of Education, University of London & Higher Education Academy. London: University of London.

ONU (2005). Indicadores clave de la información y de las comunicaciones. Partnership para la medición de las TIC para el desarrollo. Santiago de Chile: UNESCO.

UNESCO (2000). L’educació superior en el segle XXI. Conferència Mundial sobre l’Educació Superior. París, Octubre de 1998. Barcelona: Gramagraf.

UNESCO (2004). La Evaluación y la Acreditación en la Educación Superior en América Latina y el Caribe. Instituto Internacional para Educación Superior en América Latina y el Caribe (IESALC).

Valverde, O. (2001). El enfoque de Competencia Laboral. Montevideo: Cinterfor/OIT.

Valle, M. (2004). Modelo de Gestión Universitaria basado en Indicadores por Dimensiones Relevantes, Revista Iberoamericana de Educación (OEI), pp. 1-13.

Walvoord, B & Others (2000). Academic Departments: How They Work, How They Change. ERIC Clearinghouse on Higher Education Washington DC.

Zahonero y Bris (2012). Formación integral del profesorado: hacia el desarrollo de Competencias Personales y de Valores en los Docentes. Tendencias Pedagógicas, 20, pp. 51-70.

Zamorano, E. (2008): Jerarquización académica en universidades chilenas. Revista Theoría, 17 (2), 5-6, 2008. Chile.

140

Palabras claves

• Educación superior • Educación por competencias

Clasificación JEL

A20, A29

Marcelo Andrés Saravia Gallardo

Coordinador de Innovación Curricular y Desarrollo de profesorado de la Universidad Privada de Santa Cruz de la Sierra - UPSA. E-mail: [email protected], [email protected]

143

6UN MODELO RBC-FISCAL PARA LA ECONOMÍA BOLIVIANALos ciclos económicos que caracterizan a la economía boliviana en los últimos cuarenta años tienen características similares a las de otras economías de la región: inversión altamente volátil al igual que la productividad; volatilidad cercana a la del producto, e importante variabilidad del gasto público. El objetivo de este trabajo es analizar si es posible reproducir estos hechos estilizados a través de un sencillo modelo de Ciclos Económicos Reales - RBC, calibrado para Bolivia. Las conclusiones más importantes a las que llego indican que el gasto público es una variable fundamental para explicar los ciclos económicos en Bolivia y que la forma en que es modelado el mercado laboral apunta más a manejar el supuesto de trabajo indivisible.

Martín F. Palmero Pantoja


144

1. Introducción

Uno de los propósitos más importantes de la macroeconomía es comprender la naturaleza y causa de las fluctuaciones del producto. La definición clásica de Burns and Mitchell (1946) dice que un ciclo consiste en fases de expansión que tienen lugar aproximadamente al mismo tiempo en muchas actividades económicas, seguidas por recesiones, contracciones y recuperaciones. La secuencia de cambios es recurrente pero no periódica y su duración es variable.

La teoría de ciclos económicos reales (RBC por sus siglas en inglés: Real Business Cicle) intenta explicar estas fluctuaciones cíclicas suponiendo que se originan en fenómenos reales y no así en variables nominales. Contrariamente a otras teorías sobre los ciclos económicos, los RBC ven a los ciclos como una respuesta eficiente ante cambios exógenos.

Los modelos RBC, tuvieron su origen en los años 80 y 90, los trabajos seminales de Kydland y Prescott (1982), Long y Plosser (1983), Christiano y Eichenbaum (1992), y Baxter y King (1999), abrieron esta línea de investigación.

Una de las importantes discusiones en este tipo de modelos se refiere a la forma de modelizar el mercado de trabajo. La mayor parte de los modelos RBC requiere que se generen altas elasticidades del mercado de trabajo para poder replicar los datos observados en la realidad. Este hecho es vital para poder compatibilizar la alta variabilidad de las horas trabajadas junto a la baja variabilidad de los salarios reales. La forma usual de afrontar este problema fue propuesta por Rogerson (1988) e implementada por Hansen (1985). En estos modelos el trabajo es indivisible, lo que quiere decir que los trabajadores deben elegir entre trabajar un determinado número de horas o nada. Esta característica da lugar a diferencias en el número de horas trabajadas a pesar de que se supone que los trabajadores son iguales entre sí: algunos trabajadores pueden estar desempleados, mientras que otros están empleados e incluso sobre empleados. Este punto es de interés para nuestra economía, pues nuestro mercado laboral emplea trabajadores por tiempo fijo en su mayoría y no es práctica habitual el trabajo por horas1.

1 El supuesto contrario al de trabajo indivisible es el modelo de trabajo divisible, en el que se asume que los trabajadores pueden ser contratados por horas.

145

Otra discusión importante es el rol de la política fiscal en los movimientos del producto. Los trabajos de Christiano y Eichenbaum (1992), Baxter y King (1993), Braun (1994), McGrattan (1994) y Hansen y Wright (1992), muestran que los shocks fiscales mejoran la capacidad de los modelos de RBC para replicar la variabilidad del consumo y del producto. En el caso de la economía boliviana, considero que la política fiscal puede resultar muy importante a la hora de explicar los movimientos cíclicos, ya que al tratarse de un país pequeño, abierto internacionalmente y con un esquema de tipo de cambio relativamente fijo, la política fiscal tendría que tener un efecto más importante que, por ejemplo, la política monetaria.

El objetivo de la presente investigación es doble; por un lado pretendo comprobar si la introducción del supuesto de mercado laboral indivisible se adopta mejor a la economía boliviana. El segundo es analizar si la incorporación de shocks fiscales ayuda a explicar mejor los hechos estilizados de las variables macroeconómicas. Para este último objetivo parto de un modelo e introduzco choques fiscales de manera simple a la Christiano y Eichenbaum (1992), y posteriormente, introduzco las variables fiscales de modo más estructural a la Ljungqvist y Sargent (2012). Sin embargo, El modelo de Ljungqvist y Sargent introduce al gasto público de forma determinística, lo que implica que no se pueden introducir shocks aleatorios. En este trabajo, incluiré además una versión estocástica de este modelo.

Para este fin, el documento se divide en cuatro partes, en la primera presento los hechos estilizados de las variables macroeconómicas bolivianas; en la segunda, describo el modelo base con el supuesto de mano de obra divisible e indivisible en la función de utilidad y lo calibro para los datos macroeconómicos de Bolivia. Además, presento la introducción del gasto de gobierno a la Christiano y Eichenbaum para este modelo.

En la tercera parte, describo el modelo fiscal a la Ljungqvist y Sargent, con trabajo indivisible, y dos variaciones para la forma de introducción de los choques fiscales, uno determinístico y el otro estocástico, la solución de la parte sustancial del modelo y la calibración del mismo para la economía boliviana. La principal diferencia con relación al primer modelo es que este último introduce no sólo el gasto de gobierno sino además la forma en la que éste se financia, vale decir incorporaremos impuestos distorsionadores al capital y a la mano de obra, principalmente. Por último, en la sección cinco presento las conclusiones y comentarios finales.

146

2. Hechos estilizados de la Economía Boliviana

En esta sección muestro los hechos estilizados de los ciclos económicos de poco más de las últimas cuatro décadas. El Cuadro 1 presenta un resumen estadístico de las series anuales para una muestra desde 1970 hasta 20122. A todas las series se les sacó logaritmos y posteriormente se les extrajo la tendencia utilizando el filtro de Hodrick-Prescott. Para cada variable j se presenta el porcentaje de su desviación estándar D.E.σJ , su desviación estándar relativa a la del producto y su correlación con el producto Corr (σj , σy ).

Cuadro 1Propiedades estadísticas de los ciclos económicos

Fuente: Banco Mundial

Las principales conclusiones extraídas de citado cuadro son: todas las variables están positivamente relacionadas con el producto con valores superiores a 70%; el producto es más volátil que el consumo y, la inversión y el gasto presentan mayor variabilidad que el producto, aunque menor a lo encontrado en las economías desarrolladas3.

Reforzando los resultados del Cuadro 1, el gráfico A) de la Figura 1 muestra los logaritmos de las variables js en niveles, es evidente que la inversión y el gasto son más volátiles que el producto y el consumo.

2 Las series provienen del Global Financial Statistics del Banco Mundial. Los datos son anuales pues no se cuenta con series largas trimestrales para la economía boliviana.

3 Para los EE.UU (Hansen y Wright, 1992) encuentran, que la variación cíclica del consumo es la mitad de la variación del producto, mientras que, la inversión es tres veces más volátil que el producto.

Serie Variable j. D.E.σj σj/σy Corr(σj,σy)

Producto y 3.32 - -

Consumo c 2.86 0.86 0.73

Inversión i 14.81 4.46 0.72

Gasto g 5.26 1.58 0.70

147

Las figuras B, C, y D, permiten apreciar la estrecha relación entre los componentes cíclicos del producto agregado con la inversión, el consumo y el gasto, respectivamente.

Queda evidente la fuerte volatilidad de la inversión respecto al producto (Figura 1: gráfico B) y el estrecho co-movimiento del consumo (Figura 1: gráfico C) y el gasto (Figura 1: gráfico D) con relación al producto agregado boliviano.

Figura 1 Ciclos económicos en Bolivia

Fuente: Banco Mundial

3. Mercado laboral e introducción del gasto del gobierno

En esta sección presento el modelo RBC y sus variantes relacionadas al mercado laboral, que me permitirán analizar sus implicaciones relacionadas a los hechos descritos en la sección precedente.

148

El modelo consta de un gran número de hogares homogéneos cuyo consumidor representativo tiene una estructura de preferencias sobre una secuencia estocástica de consumo ct y ocio lt , expresadas en la siguiente función de utilidad: 4

(1)

Donde Et denota las expectativas y ßt el factor de descuento temporal, además ß ϵ [0,1]. El hogar dispone de una unidad de tiempo por cada periodo que debe distribuir entre trabajo ht y ocio, vale decir:

lt + ht = 1 (2)

Existe una firma representativa de tipo Cobb-Duglas con retornos constates a escala que utiliza capital kt y trabajo ht para generar la producción yt :

(3)

Donde α es el parámetro que mide la participación del capital en el producto y zt representa un choque tecnológico aleatorio, que sigue el siguiente proceso estocástico de primer orden:

zt = ρzt-1 + ϵt (4)

Donde ρ ϵ [0,1] y ϵt es una variable independiente e idénticamente distribuida (i.i.d) con media cero, varianza constante y desviación estándar σϵ . Por otra parte, el capital evoluciona de la siguiente forma:

kt + 1 = (1 - δ) kt + it (5)

El parámetro δ mide la tasa de depreciación e it representa la inversión. Por último la economía debe satisfacer la siguiente restricción:

yt = ct + it (6)

4 Por conveniencia utilizaremos la función de utilidad U(C t ,lt ) = log(ct ) + Alog(lt ). Donde A se escoge de manera tal que en el estado estacionario las horas trabajadas equivalgan a un tercio, i.e. h=1/3.

149

El problema a resolver es maximizar la función de utilidad Ut de la ecuación 1 sujeta a las restricciones representadas por las ecuaciones 2 a la 6.

3.1. Trabajo divisible

En esta parte modificamos el modelo base para introducir el supuesto de trabajo indivisible. La idea detrás de este supuesto es que a lo largo del tiempo existe sustitución del trabajo, aspecto que incrementa la elasticidad de corto plazo de la oferta de trabajo.

Para este fin debemos asumir que la función de utilidad tiene la siguiente estructura U(ct , lt ) = log(ct ) + Alog(Lt ).

5 Donde Lt está dada por la siguiente expresión:

(7)

Con las restricción de que la sumatoria debe sumar uno y que además;

ai + 1 (1 - η) ai (8)

En este caso, el problema a resolver es maximizar la función de utilidad Ut de la ecuación 1 sujeta a las restricciones representadas por las ecuaciones 2 a la 8.

3.2. Trabajo indivisible

En esta parte modificamos el modelo base para permitirle contener el supuesto de trabajo divisible, aspecto que permite introducir la idea contraria a la de la sección precedente, i.e. los trabajadores venden períodos completos de trabajo, generalmente de ocho horas, y por lo tanto, existe poca sustitución intertemporal del trabajo. Para este fin la función de utilidad debe reescribirse de la siguiente forma:

5 A es un parámetro que será calibrado, siguiendo a Hansen y Wright (1992) de modo tal que el nivel de estado estacionario de horas trabajadas sea exactamente h = 1/3, que coincide con la fracción de tiempo que generalmente es dedicado al trabajo en los mercados laborales.

150

(9)

Donde ũ(ct ,Ht ) = log(ct ) - Ht ; como en Hansen y Wright (1992) se tiene que

. Además, 0 < < 1 lo que implica que las horas

trabajadas pueden ser cero u ocho únicamente. Por último, Ht mide las horas trabajadas per cápita.

El problema a resolver es maximizar la función de utilidad Ũt de la ecuación 9, sujeta a las restricciones de las ecuaciones 2 a la 6.

3.3. Introducción del gasto de gobierno

Finalmente, en esta sección introducimos el gasto del gobierno de manera sencilla como en Christiano y Eichenbaum (1992). Asumo que la dinámica del gasto público gt está gobernada por la siguiente expresión:

log(gt ) = (1 - λ) log(ḡ) + λlog(gt ) + μt (10)

Donde, λϵ [0,1] y μt es una variable i.i.d con media cero, varianza constante y desviación estándar σμ que además no depende del shock tecnológico. Siguiendo a Christiano y Eichenbaum (1992), asumo que el gasto se financia con impuestos de tipo lump-sum y que estos no entran, ni en la función de utilidad, ni en la función de producción.6

El problema a resolver bajo el supuesto de trabajo divisible es maximizar la función de utilidad Ut de la ecuación 1 sujeta a las restricciones representadas por las ecuaciones 2 a la 8, 10, e intercambiando la ecuación 6 por 11, de la siguiente forma:

yt = ct + it + gt (11)

6 En la siguiente sección presento un modelo en el que sí se introduce impuestos distorsionantes del consumo y la producción.

151

En el caso de trabajo indivisible el objetivo es maximizar la función de utilidad Ũt de la ecuación 9 sujeta a las restricciones representadas por las ecuaciones 2 a la 5, 10 y 11.7

3.4. Calibración de los modelos

La calibración de los parámetros del modelo se presenta en el Cuadro 2. A fue elegida de manera tal que en el estado estacionario h = 1/3 y β se extrajo de Valdivia (2008). Debido a que se está analizando datos anuales se consideró δ = 10%; α proviene de Machicado Salas y Birbuet (2009) y ρ y σϵ se obtuvieron siguiendo a Cerezo (2011). Para los parámetros a0 y η se utilizó los estimados por Hansen y Wright (1992). Para B se hizo uso de h = 1/3 y A = 3.18. Finalmente, ḡ proviene de la media para todo el período de

estudio de los datos por su parte, λ y σμ fueron estimadas mediante

una regresión de la ecuación 10.

Cuadro 2Calibración de los Parámetros del Modelo

ParámetroModelo

TrabajoIndivisible

TrabajoDivisible

GastoGobierno

Aβδαρa0η

B

ḡλσϵσµ

3.1880.9870.100.360.510.350.1

-

--

0.022-

3.1880.9870.100.360.51

--

--

0.022-

3.1880.9870.100.360.51

--

-

0.160.950.0220.039

Fuente: Elaboración propia

7 Por motivos de espacio no se presentan las soluciones de estos modelos que son simples maximizaciones inter temporales.

152

3.5. Resultados

El Cuadro 3 presenta los resultados de los dos modelos que mejor se ajustaron a las propiedades cíclicas de los datos, que se muestran en la parte A) del mismo cuadro8. La parte B) detalla los resultados del modelo que incluye trabajo indivisible y gasto del gobierno, este modelo sobreestima a σy y subestima levemente a σg . Por otra parte, σc es exactamente igual a los datos temporales y σi es marginalmente menor. Con relación a las

participaciones estas se subestiman en todos los casos, aunque no de

manera considerable para c y g. La Corr (σj , σy ) es cercana en el caso de c, se sobreestima en i y se subestima considerablemente para g.

La parte C) presenta los resultados del modelo que incluye trabajo divisible y gasto del gobierno, este modelo estima de manera cercana a σy y de forma precisa a σc y subestima a σi y a σg en la misma proporción que en el modelo con trabajo indivisible. En lo que se refiere a las participaciones

, estas se subestiman en todos los casos, aunque no de manera

considerable para c y g, pero si lo hacen en el caso de i. La Corr algo

menor para c, se sobreestima nuevamente en i y se subestima para g de forma más fuerte que en el modelo con trabajo indivisible.

8 Se corrieron los modelos con trabajo indivisible y divisible, cada uno de ellos con y sin la inclusión del gasto del gobierno. Los modelos que incluyeron el gasto público fueron los que mejores resultados mostraron.

153

Cuadro 3Resultados versus propiedades cíclicas

SerieA): Estadísticas de la Serie Temporal

Variable j D.E.(σj ) Corr(σj , oy )

Producto y 3.32 - -

Consumo c 2.86 0.86 0.73

Inversión i 14.81 4.46 0.72

Gasto g 5.26 1.58 0.70

SerieB): Trabajo indivisible y Gasto Público


Producto y 4.64 - -

Consumo c 2.86 0.62 0.69

Inversión i 14.68 3.17 0.95

Gasto g 5.03 1.09 0.41

SerieC): Trabajo Divisible y Gasto Público


Producto y 3.66 - -

Consumo c 2.85 0.78 0.64

Inversión i 11.00 3.01 0.94

Gasto g 5.03 1.38 0.33

Fuente: Elaboración del autor

Un resultado destacable de los modelos presentados hasta el momento, es que en Bolivia el mercado laboral puede ser mejor representado mediante el modelo de trabajo indivisible. Este hecho es interesante pues apunta a la hipótesis inicial de que en Bolivia es más común que las empresas empleen mano de obra por periodos fijos de tiempo que por horas.

Otro resultado destacado hasta este punto, es que parece evidente que, para entender los ciclos económicos en Bolivia es imprescindible introducir el gasto público. Una de las posibles explicaciones puede deberse a que al

154

tratarse de un país pequeño, abierto internacionalmente y con un esquema de tipo de cambio relativamente fijo, la política fiscal tendría que tener un efecto más importante que la política monetaria. Además, al ser el gasto el único instrumento fiscal efectivamente utilizado, es impensable no introducir al gobierno en cualquier modelo RBC.9 Por lo tanto, se debe buscar introducir al gasto del gobierno bajo otra forma que la propuesta por Christiano y Eichenbaum (1988), ya que en ambos modelos las estimación de σg fue menor a la observada en los datos de las series de

tiempo y no se hace uso de una forma realista de financiamiento del gasto vía impuestos distorsionadores. En la siguiente sección hacemos uso de estos dos hallazgos e introducimos al sector fiscal de manera más robusta.

4. Modelo con trabajo indivisible y política fiscal

En esta sección presento un modelo que fue extraído de Ljungqvist y Sargent (2012) y modificado para incorporar shock de gasto a la Christiano y Eichenbaum (1992) y trabajo indivisible a la Hansen (1985).

El modelo consta de un gran número de hogares homogéneos. El consumidor representativo tiene una estructura de preferencias sobre una secuencia de consumo ct y horas trabajadas Ht , expresadas en la siguiente función de utilidad similar a la ecuación 9:

(12)

Donde ũ(ct , Ht) = log(ct) - BHt . Como en Hansen (1985) ,

además 0 < ñ < 1 , lo que implica que las horas trabajadas pueden ser cero u ocho únicamente. Ht , por su parte, mide las horas trabajadas per cápita, donde a su vez Ht = πtñ, siendo πtla probabilidad que un agente esté empleado en el período t.10 Además, el agente se enfrenta a la siguiente restricción presupuestaria:

9 A diferencia del caso de economías avanzadas, el instrumento fiscal de impuestos no se ha utilizado en Bolivia como mecanismo para moderar los efectos cíclicos de la economía en todo el periodo analizado.

10 Por motivos de nomenclatura en este modelo ñ remplaza a del modelo de la sección 3.

155

{(1 + τct )ct + [kt+1 - (1 - δ)kt ]} ≤ {ηtkt - τkt (rt - δ)kt + (1 - τnt) wtnt - τht} (13)

La secuencia de variables {τct , τkt , τnt , τht} representa, respectivamente, los impuestos sobre el consumo, las ganancias de capital, las rentas del trabajo y τht es un impuesto de suma alzada o lump-sum tax ; rt es el rendimiento del capital kt , por lo que rt kt es el rendimiento bruto, wt es la renta del trabajo y δ es la tasa de depreciación del capital.

Por otra parte, existe una firma representativa que enfrenta una función de producción de tipo Cobb-Duglas, con retornos constates a escala, utiliza capital kt y mano de obra nt para generar producción yt :

(14)

Donde α mide la participación del capital en el producto representa un choque tecnológico aleatorio, que sigue el siguiente proceso estocástico similar a la ecuación 4 con ϵt siendo una variable i.i.d.:

zt = ρzt-1 + ϵt (15)

El proceso de acumulación de capital es exactamente igual a la ecuación 5. Por último, La función de costos totales ctt , a la que se enfrenta esta empresa, al estar interactuando en un mercado competitivo con cero beneficios, es de la siguiente forma:

ctt = wtnt + rtkt (16)

En lo que respecta al gobierno, éste se enfrenta a la siguiente restricción presupuestaria intertemporal:

gt ≤ {τct ct + τkt (rt - δ)kt + τntwtnt + τht} (17)

Que indica que el gasto fiscal gt no deben exceder los ingresos por concepto de: impuesto al consumo τct ct ; impuesto al capital, permitiendo deducir de esta el monto correspondiente a la depreciación, τkt (rt - δ)kt ; el impuesto a la renta del trabajo τntwtnt y ; por un impuesto tipo lump-sum o suma alzada τht .

156

Por último, la economía en su conjunto debe satisfacer la siguiente condición general de equilibrio:

yt = ct + it + gt (18)

4.1. Solución del modelo

El problema del consumidor deberá maximizar las secuencias (ct , kt+1 , nt) de la ecuación 12 sujeta a 13. La firma maximizará la ecuación 14 sujeta a 16, la acumulación de capital de la ecuación 5 y la condición de equilibrio 18. Ambos considerando la restricción presupuestaria del gobierno de la ecuación 13. De este proceso se obtienen las siguientes condiciones de primer orden:

(19)

(20)

yt = ct + gt + kt+1 - (1 - δ)kt (21)

Donde, rt = ztαk α-1n1-α y wt = zt(1 - α)kαnα, corresponden a la renta del capital rt y de la mano de obra wt.

4.2. Calibración

La calibración de los parámetros de los modelos se presenta en el Cuadro 4. Los valores de A, h, B, α, β, δ, ρ, σϵ , ḡ, λ y σμ son iguales a los presentados en el Cuadro 2, para el caso del modelo con gasto público determinístico y estocástico.

Las cifras asignadas a τct corresponde a la tasa vigentes y que efectivamente se paga de los impuestos a las transacciones (IT) más el impuesto al valor agregado (IVA), τkt es el pago efectivo del impuesto a las utilidades de las empresas (IUE), τnt y es pago del impuesto al salario o régimen complementario al IVA (RC-IVA). Finalmente, a τht se le asigna cero para el caso de estudio.

157

Cuadro 4Calibración de los parámetros

ParámetroModelo

Gasto PúblicoDeterminístico

Gasto PúblicoEstocástico

A 3.188 3.188

β 0.987 0.987

δ 0.10 0.10

α 0.36 0.36

ρ 0.95 0.95

B

g 0.22 -

λ 0.95 -

τc 0.16 0.16

τk 0.125 0.125

τn 0.06 0.06

σμ - 0.039

σϵ 0.022 0.022


4.3. Resultados

El Cuadro 5 presenta los resultados del modelo con sus dos variantes en la forma de introducir al gobierno. La tercera columna muestra las desviaciones estándar de las series de tiempo contenidas en el Cuadro 1, la cuarta columna presenta las desviaciones estándar de las variables ct , it y gt para el caso del modelo de la sección 3 (modelo con gasto público estocástico y trabajo indivisible), y la quinta columna esboza los resultados del modelo fiscal determinístico, presentado en esta sección.

158

Cuadro 5Resultados Versus propiedades cíclicas

Serie Variable j

D.E.(σj ) de:

DatoObservado

GastoDeterminístico

GastoEstocástico

Producto y 3.32 - -

Consumo c 2.86 2.91 2.86

Inversión i 14.81 14.08 14.68

Gasto g 5.26 1.14 5.03


El modelo con gasto público estocástico sobreestima marginalmente a σc pero muestra buenas aproximaciones para, σi y σg. Con relación al modelo con gasto determinístico, σc y σi fueron estimadas de forma bastante precisa, mientras que, σg fue subestimada de manera importante.

4.4. Ejercicios de simulación

El primer ejercicio de simulación lo realizo en el modelo con gasto determinístico. Este modelo implica que el sector fiscal está en equilibrio o se cumple la restricción presupuestaria de la ecuación 17, por este motivo, la única fuente de perturbación proviene de la tecnología de la ecuación 14.

La Figura 2 presenta las fusiones impulso respuesta (FIR) ante un shock tecnológico. La variable que mide la tecnología zt se mueve en la magnitud del choque tecnologico σϵ (0.022) y decae monotónicamente debido a su estructura de larga memoria. El capital k permanece fijo en el primer periodo y luego se incrementa hasta alcanzar su pico en el periodo cinco, a partir de ese punto comienza a descender.

159

Figura 2Modelo con gasto determinístico: efectos de un schock tecnológico

El consumo c también aumenta aunque en menor medida que la acumulación de capital, resultado coherente con los datos estadísticos que muestran que la desviación estándar de la inversión es casi seis veces mayor, Cuadro 5. La mano de obra n aumenta inicialmente y luego compensa este aumento con una caída por debajo de cero para estabilizarse hacia el final del periodo de análisis. Por último, el gasto g permanece casi invariante.

El segundo ejercicio de simulación lo realizo en el modelo con gasto estocástico. Este modelo implica que el sector fiscal también está en equilibrio, se cumple la restricción presupuestaria de la ecuación 17, pero ahora el gasto puede experimentar cambios en base a la estructura propuesta en la ecuación 10. Debido a que he supuesto que Corr (σϵ ,σμ ) = 0, i.e. los shocks fiscales y tecnológicos no están correlacionados, por este motivo, los efectos de estos dos shocks se presentan en las Figuras 3 y 4.

160

Figura 3Modelo con gasto estocástico: efectos de un Schock tecnológico

La Figura 3 presenta las FIR ante el shock tecnológico. Al igual que en el ejercicio anterior, la variable que mide la tecnología A se eleva en la magnitud del shock y decae monotónicamente, el capital k permanece fijo en el primer periodo, luego se incrementa y decae una vez alcanzado su pico. Del mismo modo, el consumo c aumenta en menor magnitud que k e incluso en menor magnitud que en el modelo precedente. Por su parte, la mano de obra n se incrementa inicialmente y g permanece casi invariante.

Finalmente, la Figura 4 presenta las FIR de un incremento o shock en el gasto público. El gasto se incrementa en menor proporción a σμ y debido a la estructura dinámica de g, plasmada en la ecuación 10, posteriormente a alcanzado su máximo decae monotónicamente. El capital k permanece estable inicialmente y luego se incrementa y decae una vez alcanzado su pico.

En este caso el consumo c, éste cae inicialmente y luego retorna a su nivel inicial, la mano de obra n se incrementa inicialmente y luego decae, aunque no por debajo de cero.

161

Figura 4Modelo con gasto estocástico: efectos de un schock fiscal

Un resultado interesante de esta simulación es el comportamiento del consumo y de la acumulación de capital. El incremento en g genera un incremento en la acumulación de capital pero a su vez y para mantener el equilibrio del modelo, ecuación 18, el consumo debe caer, mostrando un posible efecto de desplazamiento crowding-out del consumo privado por el incremento del consumo público.

5. Conclusiones y comentarios finales

En este trabajo he presentado algunas extensiones del modelo RBC con gasto fiscal y trabajo indivisible y he analizado en qué medida cada uno de ello, contribuye a captar las características temporales de los ciclos económicos de la economía boliviana. Algunos de los hechos destacables son:

• Para entender los ciclos económicos en Bolivia es imprescindible introducir el gasto público. Una de las posibles explicaciones puede deberse a que al tratarse de un país pequeño, abierto internacionalmente

162

y con un esquema de tipo de cambio relativamente fijo, la política fiscal tendría que tener un efecto más importante que por ejemplo la política monetaria. Además al ser el gasto el único instrumento fiscal es impensable no introducir al gobierno, representado por la política fiscal, en cualquier modelo RBC. La introducción del gasto del gobierno bajo otra forma que la propuesta por Christiano y Eichenbaum (1988) dio resultados más cercanos a los datos que el propuesto por Ljungqvist y Sargent (2012), lo que implica que es mejor asumir que el gasto puede ocasionar shocks en la economía de larga duración.

• El modelo con trabajo indivisible sobrestimó a σy y estimó con bastante precisión a σc y a σi , mientras que, en el modelo con trabajo divisible σy y σc dieron resultados muy cercanos a los hechos estilizados, pero, el modelo subestimó σi . Lo que me lleva a concluir que en Bolivia el mercado laboral puede ser mejor representado mediante el modelo de trabajo indivisible. Este hecho es interesante pues apunta a la hipótesis inicial de que en Bolivia es más común que las empresas empleen mano de obra por periodos fijos de tiempo que por horas.


Aguirre, S.C. (2011). Un modelo de equilibrio general dinámico estocástico para el análisis de la política monetaria en Bolivia. Revista de Análisis del BCB, 13 (1), 49- 89.

Baxter, M. y King, R.G. (1993). Fiscal policy in general equilibrium. The American Economic Review, 315-334.

Baxter, M. y King, R.G. (1999). Measuring business cycles: approximate band-pass filters for economic time series. Review of economics and statistics, 81 (4), 575-593.

Braun, R.A. (1994). Tax disturbances and real economic activity in the postwar United States. Journal of Monetary Economics, 33 (3), 441-462.

Burns, A.F. y Mitchell, W.C. (1946). Secular and discontinuous changes in cyclical behavior. In Measuring Business Cycles, pp. 390-423. NBER.

Christiano, L.J. y Eichenbaum, M. (1992). Current real-business-cycle theories and aggregate labor-market fluctuations. The American Economic Review, pp. 430-450.

163

Hansen, G.D. (1985). Indivisible labor and the business cycle. Journal of monetary Economics, 16 (3), 309-327.

Hansen, G.D. y Wright, R. (1992). The labor market in real business cycle theory. Real Business Cycle: A Reader, 168.

Kydland, F.E. y Prescott, E.C. (1982). Time to build and aggregate fluctuations. Econometrica: Journal of the Econometric Society, pp. 1345-1370.

Ljungqvist, L. y Sargent, T.J. (2012). Recursive macroeconomic theory. MIT press.

Long Jr, J.B. y Plosser C.I. (1983). Real business cycles. The Journal of Political Economy, pp. 39-69.

Machicado, C.G. y Birbuet, J.C. (2009). Misallocation and manufacturing TPF in the market liberalization period of Bolivia. Technical report, Development Research Working Paper Series.

McGrattan, E.R. (1994). The macroeconomic effects of distortionary taxation. Journal of Monetary Economics, 33 (3), 573-601.

Rogerson, R. (1988). Indivisible labor, lotteries and equilibrium. Journal of monetary Economics 21 (1), 3-16.

Valdivia, D. (2008). ¿Es importante la fijación de precios para entender la dinámica de la inflación en Bolivia? Technical report, Institute for Advanced Development Studies.

164

Palabras claves

• Modelos de fluctuaciones cíclicas• Gasto fiscal

Clasificación JEL

E320, E620

Martín F. Palmero Pantoja

Licenciado en Economía de la Universidad Católica de Bolivia; master en Desarrollo Económico de la Universidad Carlos III de Madrid, y en Economía de programas conjuntos de la Universidad de Ginebra y la Universidad de los Andes.

Es miembro de la Asociación de Economía de América Latina y el Caribe, la Sociedad Económica de Bolivia y la Academia Boliviana de Ciencias Económicas; y es el Especialista Económico de la Embajada de Estados Unidos en La Paz, Bolivia.

165

NOTAS

167

Una aproximación teórica

BASES DE GRUPOS

ESTRATÉGICOS

7Marco antonio Ortiz mateluna


168

El investigador Hunt introduce en 1972 el Concepto de Grupo Estratégico o Concept of Strategic Groups (CSG), para describir la simetría de operaciones observada en la industria. Hunt notó diferencias significativas entre las características y estrategias de las empresas en su estudio, mientras que al mismo tiempo encontró que muchas empresas seguían estrategias similares. Cuando agrupaba a las empresas aclaraba el alcance de las opciones viables de estrategias en la industria.

Podemos comenzar mencionando que el Grupo Estratégico es definido como un grupo de empresas con la misma producción industrial y decisiones similares en áreas claves (Porter, 1980: 129). Es posible establecer gráficos con “n” dimensiones, donde los grupos estratégicos identifican cluster o aglomerados de empresas en un “espacio estratégico”, y los miembros de cada grupo definen las características principales de su estrategia empresarial del grupo.

En un principio, la identificación de grupos estratégicos se ha usado para explorar diferencias sistemáticas en rentabilidad entre empresas en la misma industria (McGee y Tomas, 1986). Las áreas de grupos estratégicos está completamente activo y generando numerosos estudios (Cool y Schendel, 1987; Fombrun y Zajac, 1987; Hatten y Hatten, 1987; Johnson y Thomas, 1987; Cool y Schendel, 1988, Lawless, Bergh y Wilsted, 1989), Lawless y Finch, 1989; Mascarenhas, 1989; Mascarenhas y Aaker, 1989; McNamee y McHugh, 1989; Zajac y Shortell, 1989; Barney y Hoskisson, 1990; Fiegenbaum y Thomas, 1990; Kumar, Thomas y Fiegenbaum, 1990; Lewis y Thomas, 1990; Porac y Thomas, 1990; Schroeder, 1990; Ulrich y McKelvey, 1990; Boeker, 1991), Lawless y Tegarden, 1991; Nohria y Garcia-Pont, 1991; Sudharshan, Thomas y Fiegenbaum, 1991; Tallman, 1991; Caves y Ghemawat, 1992).

El Concepto de Grupos Estratégicos ha atraído la atención de numerosas investigaciones en el área de estrategia (Caves and Porter, 1977; Newman, 1978; Porter, 1979; Hatten and Schendel, 1977; Tang, 1984; Oster, 1982; Frazier and Howell, 1983; Harrigan, 1985; Dess and Davis, 1984; Cool and Schendel, 1987; Thomas and Venkatraman, 1988; Fiegenbaum and Thomas, 1990).

De manera descriptiva, los grupos estratégicos muestran diferencias persistentes en sus desempeños o en otras características de empresariales. La mayoría de las investigaciones en grupos estratégicos han sido para;

169

investigar la generalización de variados constructos cruzados en la industria tales como: mercados minoristas (e.g., Lewis and Thomas 1990), industria bancaria (e.g., DeSarbo & Grewal 2008), industrias farmacéuticas (e.g., Cool and Schendel 1987), y la industria de seguros (e.g., Fiegenbaum and Thomas 1990), entre otros; e investigar los diferentes tipos de datos tales como los de archivos (e.g., Cool & Schendel 1987), datos porcentuales (e.g., Fombrun & Zajac 1987), y medidas directas de competición (e.g., Porac et al. 1995) para evaluar los grupos estratégicos con resultados similares. Esta investigación muestra que los grupos estratégicos existen a través de las industrias y que hay un alto grado de convergencia en los resultados a través de los tipos de datos (e.g., Ketchen et al. 1997; Nath and Gruca 1997; Porac and Thomas 1994).

El concepto de grupos estratégicos comenzó en la literatura económica y posteriormente en el área de marketing. Caves y Porter (1978), fueron entre los primeros en relacionar grupos estratégicos con el entendimiento competitivo desde una perspectiva de marketing. Frazier y Howell (1983) más tarde relacionaron los grupos estratégicos a la definición de negocios y respectivamente el desempeño de marketing. Flavian y Polo (1999) demostraron cómo los grupos estratégicos podrían generar un trabajo para la planificación estratégica de marketing. Kotler y Keller (2006) delinean la importancia del entendimiento competitivo en términos del marco de los grupos estratégicos. Fecka et al. (1997); Flavian y Polo (1990); Oustapassidis (1998) y otros han implementado el concepto de grupos estratégicos en diferentes industrias y han demostrado con acierto que las ventajas del marketing se generaron de esos análisis. De Sarbo et al. (1991) ha sugerido un número de mejoramientos metodológicos en el proceso de derivación de grupos estratégicos en marketing, a través de escalas latentes de escalamiento multidimensional. Finalmente, Mas-Ruiz (1999) ha examinado la competición dinámica en marketing a través del uso de grupos estratégicos en el sector bancario.

Algunas investigaciones han comentado algunas observaciones con el estado de las investigaciones teóricas y empíricas de grupos estratégicos (Barney y Hoskisson, 1990; Cool, 1985; Hatten y Hatten 1987; McGee y Thomas, 1986; Thomas y Venkatraman, 1988). Estas observaciones mencionan una base teórica insuficiente sobre su construcción en sí misma, especificando modelos inadecuados, riesgos de selección de dimensiones estratégicas usada para formar grupos, y resultados inconclusos de investigaciones empíricas.

170

Entre las observaciones anteriores, uno de los comentarios importantes, ha sido hecho por Barney y Hoskisson (1990), quienes comentaron que hay dos aseveraciones críticas de la teoría de grupos estratégicos que permanecen sin respuesta: (1) que los grupos estratégicos existen y (2) que un desempeño de la empresa depende de la pertenencia al grupo estratégico (1990:187). También existen comentarios, orientados a grupos de empresas que no tienen formas relevantes de estrategias (Barney y Hoskisson, 1990:188). Investigaciones de grupos estratégicos han sido definidas utilizando al menos métodos estándares, con los cuales emplea alguna forma de cluster o análisis factorial (Barney y Hoskisson, 1990; 189).

No necesariamente los grupos estratégicos están relacionados con el desempeño, sin embargo la similitud o diferencia entre competidores pueden influenciar las decisiones estratégicas de las empresas. Los grupos estratégicos pueden ser más significativos que investigaciones que definen grupos para la comprensión y desempeño, porque a través del desarrollo de procesos (Weick, 1979), se puede lograr ver la forma en que las empresas se ven a sí mismas y a sus competidores (Porac, Thomas y Emme, 1987), se espera tener efectos tangibles sobre la formulación de la estrategia y subsecuentemente sobre la estructura de la industria. En un principio, es razonable pensar en las estrategias en términos de cluster o competidores para simplificar el estudio cognitivo de las acciones de las empresas en un entorno competitivo.

Por otra parte, si analizamos el ambiente competitivo empresarial, el análisis industrial es una actividad necesaria en la correcta formulación de estrategias competitivas. En el entorno competitivo empresarial, las empresas generalmente enfocan su atención a las acciones tomadas por un número pequeño de competidores.

En este sentido, los grupos estratégicos resultan ser el enfoque más popular y relevante para analizar empresas competitivas en una industria. Es así, como muchos estudios de investigación académica han empleado grupos estratégicos, como una herramienta para entender la competición, comportamiento y diferencias en el desempeño de la empresas dentro de una industria (Short et al. 2007); Leask and Parker 2007).

171

BIBLIOGRAFÍA

Barney, J.B. y Hoskisson, R.E. (1990). Strategic groups: untested assertions and research proposals. Managerial and Decision Economics, 11 (3), 187-198.

Caves, R.E. y Porter, M.E. (1978). From entry barriers to mobility barriers: conjectural decisions and contrived deterrence to new competition. Quarterly Journal of Economics, 91 (2), 241-262.

Cool, K. y Dierickx, I. y Fontainebleau (1993). Rivalry, Strategic Groups and Firm Profitability. Strategic Management Journal, 14, 47-59.

Cool, K. y Dierickx, I. (1989). Business strategy, market structure and risk-return relationships: a structural approach. Strategic Management Journal, 10, 507-522.

Cool, K., Lars-Hendrik y Leleux, B. (1999). The relative impacto of actual and potencial rivalry on firm profitability in the pharmaceutical industry. Strategic Management Journal, 20, 1-14.

Cool, K. y Schendel, D. (1988). Performance differences among strategic group members. Strategic Management Journal, vol. 9, 207-223.

Cool, K. y Schendel, D. (1987). Strategic group formation and performance: the case of the U.S. pharmaceutical industry, 1963-1982. Management Science, 33 (9), 1102-1124.

Cuevas, R.E. y Ghemawat, P. (1992). Identifying Mobility Barriers. Strategic Management Journal, 13, 1-12.

Desarbo, W.S. y Jedidi, K. (1995). The spatial representation of heterogeneous consideration sets. Marketing Science, 14, 326-342.

Desarbo, W.S., Grewal, R. y Wang, R. (2009). Dynamic strategic groups: spatial evolutionary paths. Strategic Management Journal, 30, 1420-1439.

Desarbo, W.S. y Grewal, R. (2008). Hybrid strategic groups. Strategic Management Journal, 29, 293-317.

172

Desarbo, W.S., Grewal, R. y Wind, J. (2006). Who competes with whom? A demand-based perspective for identifying and representing asymmetric competition. Strategic Management Journal, 27, 101–129.

Desarbo, W.S., Jedidi, K., Cool, K. y Schendel, D. (1991). Simultaneous multidimiensional unfolding and cluster analysis: an investigation of strategic groups. Marketing Letters, 2, 129-146.

Dranove, D., Peteraf, M.A. y Shanley, M. (1998). Do strategic groups exist: an economic framework for analysis. Strategic Management Journal, 19 (11), 1029-1044.

Ebbes, P., Grewal, R., Desarbo, W.S. (2010). Modeling Strategic group dynamics: A hideden Markov approach. Quant Mark Econ (2010) 8, 241-274.

Fiegenbaum, A. y Thomas, H. (1993). Industry and strategic group dynamic: competitive strategy in the insurance industry, 1970-84. Journal of Management Studies, 30 (1), 69-97.

Fiegenbaum, A. y Thomas, H. (1990). Strategic groups and performance: The U.S. insurance industry. Strategic Management Journal, 11 (3), 197-215.

Fiegenbaum, A. y Thomas, H. (1995). Strategic Groups as reference groups: Theory, modeling and empirical examination of industry and competitive strategy. Strategic Management Journal, 16, 461-476.

Fiegenbaum, A., Sudharshan, D. y Thomas, H. (1987). The concept of stable strategic time periods in strategic group research. Managerial and Decision Economics, 8, 139-148.

Fiegenbaum, A., Thomas, H. y Tang, M.J. (2001). Linking hypercompetition and strategic group theories: strategic maneuvering in the Us insurance industry. Managerial and Decision Economics, 22 (4,5), 265–279.

Flavian, C. y Polo, Y. (1999). Strategic groups analysis (Sga) as a tool for strategic marketing. European Journal Of Marketing, 33 (5-6), 548.

Greve, H.R. (1998). Managerial cognition and the mimetic adoption of market positions: what you see es what you do. Strategic Management Journal, 19, 967-988.

173

Hunt, M.S. (1972). Competition in the major home appliances industry, 1960-70. Doctoral Dissertation, Harvard University.

Leask, G. y Parker, D. (2006). Strategic groups, competitive groups and performance within the U.K. pharmaceutical industry: improving our inderstanding of the competitive process. Strategic Management Journal, in press.

Lewis, P. y Thomas, H. (1990). The linkage between strategy, strategic groups, and performance in the U.K. retail grocery industry. Strategic Management Journal, 11 (5), 385–397.

McGee, J. y Thomas, H. (1986). Strategic groups: theory, research and taxonomy. Strategic Management Journal, 7 (2), 141-160.

McNamara, G., Deephouse, D. y Luce, R. (2003). Competitive positioning within and across a strategic group structure: the performance of core, secondary, and solitary firms. Strategic Management Journal, 24 (2), 161-181.

McNamara G., Wry, T. y Deephouse, D. (2006). Reputations among and within cognitive strategic groups. Corporate reputation review 9, 225-242.

Mas-Ruiz, F. J. (1999). Dynamic analysis of competition in marketing: strategic groups in Spanish banking. International Journal of Bank Marketing, 17 (5), 2333.

Moon, S., Kamakura, W.A. y Ledolter, J. (2007). Estimating promotion response when competitive promotions are unobservable. Journal of Marketing Research, 44 (3), 503-515.

Nair, A., y Filer, L. (2003). Cointegration of firm strategies within groups: a long-run analysis of firm behavior in the Japanese Steel industry. Strategic Management Journal, 24 (2), 145.

Osborne D., Stubbart C.I. y Ramaprasad A. (2001). Strategic groups and competitive enactment: a study of dynamic relationships between mental models and performance. Strategic Management Journal, 22, 435-454.

Peteraf, M., y Shanley, M. (1997). Getting to know you: a theory of strategic group identity. Strategic Management Journal, 18, 165-186.

174

Porac, J.F. y Thomas, H. (1994). Cognitive categorization and subjective rivalry among retailers in a small city. Journal of Applied Psychology, 79 (1), 54-66.

Porac, J.F., Thomas, H. y Baden-Fuller, C. (1989). Competitive groups as cognitive communities: the case of Scottish knitwear manufacturers. Journal of Management Studies, 26 (4), 397-416.

Porac, J.F., Thomas, H., Wilson, F., Paton, D. y Kanfer, A. (1995). Rivalry and the industry model of Scottish knitwear manufacturers. Administrative Science Quarterly, 40, 203–227.

Porter, M.E. (1980). Competitive strategy: Techniques for analyzing industries and competitors. New York: Harper & Row.

Reger, R.K. y Huff, A.S. (1993). Strategic groups: a cognitive perspective. Strategic Management Journal, 14 (2), 103-124.

Short, J.C., Jr., Ketchen, D.J., Palmer, T.B., Tomas, G. y Hult, M. (2007). Firm, strategic group, and industry influences on performance. Strategic Management Journal, 28 (2), 147-167.

Smith, K.G., Grimm, C.M., Wally, S. y Young, G. (1997). Strategic groups and rivalrous firm behavior: towards a reconciliation. Strategic Management Journal, 18 (2), 149.

Sudharshan, D., Thomas, H. y Fiegenbaum, A. (1991). Assessing mobility barriers in dynamic strategic groups analysis. Journal of Management Studies, 28 (5), 429-438.

Tamela D., Ferguson, D. y Ferguson, W. (2000). Do stratetgic groups differ in reputation?. Strategic Management Journal, 21, 1195-1214.

Thomas, H. y Venkatraman, N. (1988). Research in strategic groups: progress and prognosis. Journal of Management Studies, 6 (6), 537-556.

Wang, D. y Kumbhakar, S.C. (2009). Strategic groups and heterogeneous technologies: an application to the US banking industry. Macroeconomics and Finance in Emerging Market Economies, 2 (1), 31-57.

175

marco antonio ortiz mateluna

Master of Business Administration de la Pontificia Universidad Católica de Chile, Master en Comercio Internacional de la Escuela Europea de Negocios de España, Master en Dirección de Marketing de la Universidad de León de España e Ingeniero Agrónomo de la Universidad de Chile.

176

NOTAS

REVISTA DE LA FACULTAD DE CIENCIAS EMPRESARIALES - … fileMarcelo Andrés Saravia Gallardo Juan...

Documents

Transcript of REVISTA DE LA FACULTAD DE CIENCIAS EMPRESARIALES - … fileMarcelo Andrés Saravia Gallardo Juan...