1
NUEVAS COMPETENCIAS PARA LA TRANSFERENCIA DE TECNOLOGÍA
Y LA INNOVACIÓN: EL PERFIL DE LOS PROFESIONALES CIENTÍFICO
TÉCNICOS QUE TRABAJAN EN ORGANIZACIONES COLABORATIVAS DE
I+D
Sandro Giachi
Consejo Superior de Investigaciones Científicas (CSIC), Instituto de Estudios Sociales
Avanzados (IESA) / Universidad de Málaga
RESUMEN
Esta investigación estudia la adquisición de nuevas competencias científicas y sociales
que faciliten la transferencia de tecnología entre ciencia e industria y la innovación
tecnológica. En particular, se analiza el caso de los profesionales científicos y técnicos
que trabajan en organismos colaborativos de I+D españoles. Se trata de organizaciones
que se han creado para favorecer la transferencia de conocimiento y tecnología, como las
redes público-privadas, los institutos tecnológicos, o los centros de investigación
colaborativa. El objetivo es estudiar cómo varía la capacidad de innovación y de
transferencia de tecnología entre los distintos perfiles profesionales que encontramos
trabajando en estos organismos de investigación. Nos esperamos que aquellos
investigadores con una trayectoria profesional distinta de aquella académica tradicional
muestren una mayor capacidad de adaptación a los desafíos representados por los nuevos
modelos colaborativos de hacer ciencia. En este sentido, nos ayuda el concepto de “capital
humano científico-técnico” que hace hincapié en los aspectos relacionales del trabajo
científico y técnico: el tipo de experiencias y contactos desarrollados a lo largo de la
carrera profesional del investigador pueden influir significativamente en su desempeño
innovador y en su productividad tecnológica.
Empleamos los datos procedentes de un proyecto financiado por el Plan Nacional de I+D
2010 y titulado: “Nuevas formas de colaboración entre ciencia e industria: los centros de
investigación cooperativa en el sistema español de I+D”. En particular, empleamos los
resultados de una encuesta dirigida a los trabajadores de los centros público-privados de
2
I+D que existen en España, realizada en 2013. La muestra consta de 1 016 individuos que
trabajan entre 165 centros; las tasas de respuesta correspondientes constituyen
respectivamente el 5,6 % y el 76,4 % del universo. Como variables dependientes
empleamos indicadores relativos a la producción y la transferencia de tecnología de los
trabajadores (p. ej., propiedad intelectual, nuevos productos), mientras que, como
variables independientes, empleamos la posición del trabajador dentro de la organización
en términos de cualificación profesional, controlando esta variable por otras variables,
relativas a su trayectoria profesional. A través de un análisis de regresión logístico,
observamos que, en efectos, el tipo de resultados que obtienen los trabajadores está
relacionado con su cualificación profesional, aunque haya que considerar también a otras
características de su trayectoria profesional. En particular, nuestros resultados sugieren
que la capacidad de transferencia tecnológica está relacionada con experiencias de
colaboración con el sector privado, aunque hace falta diferenciar los resultados en función
del grado de codificación del conocimiento transferido.
PALABRAS CLAVE
Carrera investigadora, Capital humano, Capital relacional, Colaboración público-privada,
Transferencia de conocimiento
XII Congreso Español de Sociología; Grupo de Trabajo 23: Sociología del
Conocimiento y de la Ciencia y Tecnología; Sesión 1. Dinámicas organizativas y
profesionales en ciencia y tecnología
AGRADECIMIENTOS: Este trabajo ha sido realizado gracias a la ayuda recibida por
el Plan Nacional de I+D 2008-2011 del Ministerio de ciencia e innovación (ref.
CSO2010-14480) y por el programa de Formación del Personal Investigador (ref. BES-
2011-047258). Agradezco al equipo de investigación del área de “Gobernanza de la
innovación económica y social” del IESA-CSIC por su ayuda en el trabajo de recopilación
y organización de los datos. Agradezco también a Ana Fernández Zubieta por sus
sugerencias relativas a una versión previa de este trabajo.
3
Introducción
Los nuevos paradigmas propuestos para interpretar las tendencias recientes en ciencia y
tecnología han puesto de manifiesto la colectivización de la actividad científica (Stokols
et al. 2008), los nuevos modos de producción del conocimiento más cercanos a las
aplicaciones técnicas y la colaboración interdisciplinaria (Gibbons et al. 1994), o la
creciente relevancia de las relaciones trilaterales entre ciencia, industria y política para el
fomento de la innovación tecnológica y social (Etzkowitz y Leydesdorff 2000). Todos
estos enfoques, pese a sus diferencias, coinciden en al menos un aspecto: el
reconocimiento de que los procesos de producción y transferencia de conocimiento en
ámbito científico han cambiado sustancialmente en las últimas décadas. En particular, se
han aportado muchas evidencias que sugieren un incremento de las relaciones de
colaboración entre sectores institucionales, disciplinas académicas o investigadores
individuales. Un ejemplo de esta tendencia es dado por la difusión de centros de
investigación colaborativa (CIC), un tipo particular de organización formal de I+D
orientada hacia la transferencia de conocimiento y la colaboración entre ciencia, industria
y sociedad.
Los CIC constituyen un caso interesante por su creciente relevancia y difusión, pero sobre
todo porque estas organizaciones encarnan los principales aspectos que caracterizan al
cambio de paradigma que ha ocurrido en ciencia y tecnología: colectivización de las
tareas, I+D interdisciplinaria, colaboración intersectorial y orientación hacia las
aplicaciones tecnológicas de los resultados de la investigación (Boardman y Gray 2010;
Gray et al. 2013). Pese a su creciente relevancia, sin embargo, no existen muchos estudios
acerca de los detalles relativos al proceso de producción de conocimiento que tiene lugar
en los CIC, especialmente a escala individual. En particular, no está muy claro a qué
actividades se dediquen los investigadores afiliados a los CIC y cómo estas difieran, en
forma y contenido, con aquellas llevadas a cabo por sus homólogos en otras instituciones,
como universidades, organismos públicos de investigación (OPI) o laboratorios
industriales de I+D. El tipo de trabajo llevado a cabo en los CIC implicaría la adquisición
de nuevas competencias técnicas, científicas y sociales que faciliten la producción y la
transferencia de conocimiento (Bozeman et al. 2001), pero no se sabe hasta qué punto
esto sea cierto.
4
El objetivo del estudio es analizar el proceso de producción y transferencia de
conocimiento llevado a cabo por los investigadores y los profesionales científicos que
trabajan en los CIC. En particular, se intenta encontrar una respuesta para las siguientes
preguntas:
1. ¿A qué se dedican los investigadores científicos que trabajan en estas
organizaciones? ¿Qué tipos de resultados obtienen?
2. ¿Qué perfil profesional está asociado a la producción de y transferencia de
tecnología? ¿Se trata de factores individuales, relacionados con la trayectoria
profesional individual? ¿O también tienen que ver las características del entorno
laboral y el contenido del trabajo?
El estudio es de carácter exploratorio y constituye una primera aproximación al problema
de la variabilidad de resultados que caracterizan a la producción y transferencia de
conocimiento de los CIC. Se trata además de un problema de especial interés para el caso
de España, ya que los estudios relativos a los CIC españoles son escasos, sobre todo
aquellos llevado a cabo a nivel de investigadores individuales.
El estudio es estructurado de la siguiente manera. En el siguiente apartado se definen las
características relativas al contexto institucional de la producción y la transferencia de
conocimiento, como las características de los nuevos modelos organizativos híbridos y
colaborativos que se han difundido en ámbito científico, incluyendo a España. En el tercer
apartado se presentan algunos de los conceptos que se han propuesto para interpretar qué
factores determinarían la producción científica y tecnológica de los investigadores en
entornos organizativos colaborativos, como la idea de “capital humano científico-
técnico”, junto a otras dimensiones como el estatus académico o características
sociodemográficas. En el cuarto apartado, se presenta la metodología del estudio, que
emplea datos procedentes de una encuesta a trabajadores empleados en los CIC existentes
en España y que ha preguntado por variables relativas a la trayectoria profesional, el
entorno laboral y la producción científico-tecnológica de los investigadores. El quinto
apartado contiene los resultados del análisis descriptivo y multivariable de los resultados
de la producción y transferencia de tecnología, a través del cual se detecta el efecto de
algunos factores más relevantes, como la cualificación profesional, la existencia de
relaciones pasadas o presentes con organizaciones del sector privado, o la colaboración
frecuente con otras disciplinas científicas. Finalmente, en el apartado conclusivo se
resumen los principales hallazgos del estudio, sus implicaciones y limitaciones.
5
Nuevos modelos organizativos en ciencia y tecnología
La organización de la ciencia ha cambiado mucho en las últimas décadas. La actividad
científica se ha vuelto una tarea cada vez más colectiva, organizada y coordinada, de
amplio alcance. Las enormes infraestructuras como los aceleradores de partículas, los
laboratorios para secuenciar el genoma humano o los grandes centros de cálculo de
bancos y empresas del sector informático constituyen unos buenos ejemplos, aunque esta
tendencia puede ser observada también en el caso de otros tipos de iniciativas (Cummings
y Kiesler 2014). Hoy día muchas organizaciones científicas consumen grandes cantidades
de recursos y emplean estructuras estables para llevar a cabo investigaciones complejas,
sofisticadas e interdisciplinarias (Stokols et al. 2008), con elevadas posibilidades de ser
aplicadas a problemas tecnológicos y sociales (Gibbons et al. 1994). En este contexto, la
colaboración entre sectores, disciplinas e incluso investigadores individuales puede
constituir una estrategia interesante o hasta una necesidad programática, especialmente
en un contexto de contracción presupuestaria desde el sector público, que requiere
aumentar la financiación externa y la colaboración con empresas y otras organizaciones
privadas, o volver más eficientes las inversiones existentes.
El aumento de la colaboración intersectorial ha involucrado agentes e instituciones muy
diferentes, desde las Universidades y los Organismos Públicos de Investigación (OPI),
hasta la administración pública, las organizaciones industriales, las empresas privadas y
las asociaciones sin ánimo de lucro. El enfoque de la “Triple Hélice de relaciones” ha
defendido que, en el marco de la sociedad contemporánea, las principales instituciones
involucradas en el proceso de innovación son tres: la Universidad, los Gobiernos y la
Industria (Etzkowitz y Leydesdorff 2000; Etzkowitz 2008). Según estos autores, el
aumento de conexiones estables y repetidas en el tiempo entre estos sectores constituiría
el motor de la innovación. En la sociedad del conocimiento no habrían aumentado solo
las conexiones entre investigadores individuales, disciplinas científicas y problemas
teóricos y técnicos, sino también entre sectores institucionales. Estas conexiones se han
ido institucionalizando con el tiempo gracias a iniciativas activas y a la legitimidad que
les han otorgado la política, la academia y la industria.
Un aspecto destacable del proceso de institucionalización de las nuevas formas de hacer
ciencia ha sido la creación de nuevas infraestructuras y arreglos organizativos para la
producción y la transferencia de conocimiento (Colyvas y Powell 2006). Estas
6
organizaciones se diferencian de las formas tradicionales de colaboración entre el sector
académico y el industrial (p. ej., investigación contratada, movilidad de estudiantes,
servicios de consultoría, etc.) por su mayor estructuración y formalización. Es el caso de
los parques científicos y tecnológicos, las oficinas para la transferencia de conocimiento,
las incubadoras de empresas, las spin-off universitarias y los centros de investigación a
carácter mixto o cooperativo (Jacob 2000; Etzkowitz 2008).
La presente investigación se centra sobre este último caso, el de los centros de
investigación con carácter mixto o cooperativo entre el sector público y el privado, que
aquí se denominan “centros de investigación colaborativa” (CIC). La literatura
especializada internacional suele utilizar para estas organizaciones la denominación
anglosajona Cooperative Research Centers (p. ej., Slatyer 1994; Lal y Boardman 2013).1
En otros países, especialmente en Europa y Asia, existen otras denominaciones como
Centres of Excellence, Industry-University Research Centres, Industry-Led Competence
Centres, Technology Institutes e Innovation Centres (Arnold et al. 2004; CREST 2008).
Los CIC constituyen son organizaciones hibridas que proporcionan un entorno estable y
formal para la I+D aplicada y la colaboración entre sectores, disciplinas e investigadores
individuales.
Los CIC son definidos como “estructuras formales de I+D cuyo objetivo es fomentar la
colaboración entre ciencia e industria y la transferencia de conocimiento y tecnología”
(Boardman y Gray 2010:585; Gray et al. 2013:10). Por tanto, se diferencian de otras
organizaciones como las siguientes:
- las redes de colaboración público-privada, porque estas no poseen una estructura
formal;
- los organismos de interfaz universidad-empresa que no hacen investigación
propiamente dicha, como las OTRI, las incubadoras o las oficinas de los parques
científico y tecnológicos;
- las unidades organizativas para la investigación tanto del sector público como
empresarial que no tienen como objetivo explícito la colaboración.
1 En lengua castellana, el término inglés Cooperative puede traducirse tanto con “cooperativo” como
“colaborativo”. Para la presente investigación se ha preferido utilizar el término “colaborativo” por dos
razones. En primer lugar, para evitar el halo ético que existe, en los países europeos y en España en
particular, alrededor del término “cooperativo”: baste con pensar en términos como “empresa cooperativa”
o “cooperación internacional para el desarrollo”. El segundo motivo es evitar crear confusión con un tipo
particular de CIC que existe en el País Vasco, cuya denominación oficial es “centro de investigación
cooperativa” (Gobierno Vasco 2010).
7
La aparición de los CIC en los sistemas nacionales de ciencia, tecnología e innovación es
un fenómeno relativamente reciente. Aunque se pueden encontrar experiencias pioneras
ya a lo largo de los años 30 (Baba 1988), las iniciativas más relevantes y duraderas se
originaron a partir de los años 80 y 90 en países como Australia, Canadá y Estados
Unidos. Más recientemente, el modelo organizativo colaborativo de los CIC ha sido
adoptado también por otros países a través de programas públicos o iniciativas privadas
específicas, como ha ocurrido por ejemplo en Alemania, Austria, Bélgica, China, Irlanda,
Japón, Corea del Sur, Noruega, Reino Unido o Suecia, entre otros (Arnold et al. 2004;
CREST 2008; Lal y Boardman 2013).
España no ha sido ajena a esta tendencia. Aunque existan experiencias pioneras que
remontan a los años 60 y 70, como las asociaciones industriales de investigación, la
mayoría de las iniciativas ha sido emprendida a partir de los años 80 y 90 a través de la
iniciativa de algunos gobiernos autonómicos para crear organizaciones privadas de I+D
sin ánimo de lucro: los centros tecnológicos (Sanz-Menéndez y Cruz-Castro 2005).
Luego, el proceso de institucionalización de la ciencia colaborativa ha subido un fuerte
incremento en los primeros años del nuevo siglo, gracias a la creación de nuevas redes
institucionales desde el sector público, como los centros CIBER del Instituto de Salud
Carlos III o los centros CIC y BERC en el País Vasco (Fernández-Esquinas y Ramos-
Vielba 2011), o los nuevos institutos híbridos de I+D creados ad hoc desde el sector
público o las universidades (Cruz-Castro et al. 2012). Muchas de estas organizaciones
cumplen con los requisitos, mencionados anteriormente para ser definidas como CIC, tal
y como se ha puesto de manifiesto gracias a los resultados de un proyecto de investigación
ejecutado recientemente por el IESA-CSIC (Giachi et al. 2012).
Producción y transferencia de conocimiento en los CIC
Los estudios clásicos sobre la producción de ciencia y tecnología
Los estudios socioeconómicos sobre la producción de ciencia y conocimiento han
centrado su atención sobre las características individuales y sociales de los investigadores,
como la edad, el género, el estatus o el sector de actividad científica. Por ejemplo, se ha
visto que los investigadores obtienen sus mejores resultados en términos de publicaciones
y patentes antes de alcanzar la posición mediana de su ciclo de vida (que usualmente
8
corresponde con la etapa posdoctoral), aunque esta tendencia varía entre disciplinas
diferentes, ya que en algunos campos el pique de productividad correspondería a fases
más temprana de la carrera profesional, mientras que en otras en fases más tardías (Merton
1973). Con arreglo al género, se ha visto que pueden existir procesos de discriminación
laboral para las mujeres (Stephan 1996), un problema que además estaría relacionado con
la cuestión del estatus académico: se sabe que existe una fuerte correlación entre la
reputación del investigador o de su organización, por un lado, y la cantidad o el impacto
de sus publicaciones, por el otro (Allison y Long 1990).
Otro aspecto problemático tiene que ver con el tipo de actividades realizada por los
científicos. Por ejemplo, en el caso de las universidades, se reconoce la existencia de tres
misiones fundamentales: la enseñanza, la investigación y la transferencia de
conocimiento al resto de la sociedad. Sin embargo, se ha cuestionado si esta clasificación
siga siendo efectiva frente a los cambios organizativos que han ocurrido en ámbito
científico (Laredo 2007). Al respecto, Laredo y Mustar (2000) propusieron un esquema
alternativo para clasificar los perfiles de actividad de los centros de I+D, fundamentado
en cinco actividades:
1. producción de conocimiento científico certificado
2. enseñanza superior
3. generación de tecnologías comerciables a través del mercado
4. resolución de problemas de amplio calado social
5. participación en el debate público a través de la política y la divulgación
científicas
Sin embargo, tampoco este esquema difiere mucho de la clasificación original de las
misiones universitarias, ya que las actividades del grupo 1 corresponden sustancialmente
a la investigación, la del grupo 2 a la enseñanza, y las de los grupos del 3 hasta el 5 a la
transferencia de conocimiento y tecnología. Por tanto, no está claro hasta qué punto las
viejas formas de medir las actividades científicas son superadas, o si en cambio siguen
siendo eficaces.
Otro problema es dado por la posible existencia de efectos de complementariedad o
substitución. Se da complementariedad cuando los esfuerzos dedicados a un tipo de
actividad refuerzan los esfuerzos o los resultados relativos a otras tareas; en cambio, se
da substitución cuando el desempeño de un tipo de actividad impide la realización de
otras, es decir que se produce una especialización por parte de los investigadores o de la
9
organización. Se trata de un tema sobre el que todavía no existen evidencias concluyentes.
Por ejemplo, se ha observado que investigación y formación suelen ser actividades
conflictivas y mutuamente excluyentes en ámbito universitario (Fox 1992), lo mismo que
ocurriría entre la obtención de publicaciones y patentes en los institutos de investigación
(Agrawal y Henderson 2002). Sin embargo, otros estudios encontraron una correlación
positiva entre el número de publicaciones y patentes obtenidos por los investigadores,
tanto en Estados Unidos (Stephan et al. 2007; Thursby y Thursby 2007) como en Europa
(Geuna y Nesta 2006). Otras evidencias a favor de la complementariedad muestran que
los profesores universitarios que se dedican a actividades de investigación y consultoría
en colaboración con las empresas no dedican menos tiempo a la docencia (Bozeman y
Boardman 2013), ni perjudica al clima de “libertad académica” o a la trayectoria
investigadora de los científicos (Behrens y Gray 2001).
La producción de ciencia y tecnología en los CIC: competencias técnicas y sociales
El trabajo científico llevado a cabo dentro de organizaciones colaborativas como los CIC
implica una serie de problemas distintos de las organizaciones tradicionales como
universidades, OPI o laboratorios industriales de I+D (Cummings y Kiesler 2014). En
primer lugar, los equipos de investigación son cada vez más amplios, variables y
geográfica y sectorialmente dispersos. Esto conlleva problemas de división del trabajo,
comunicación y coordinación de las tareas individuales. En segundo lugar, la
heterogeneidad disciplinaria y sectorial de los proyectos de investigación, así como las
dificultades para la búsqueda de recursos y financiación externa, aumentarían el número
de tareas a las que un investigador se encontraría sometido (Jacob 1997). En tercer lugar,
se pueden crear tensiones debidas a la remodelación de las fronteras simbólicas y sociales
de la profesión científica (Lamont y Molnár 2002). La desaparición de fronteras netas
entre ciencia y no-ciencia como consecuencia de un incremento de las relaciones de
colaboración y la emergencia de un campo organizacional hibrido (Cooney 2006) puede
tener consecuencias negativas sobre el proceso de producción de conocimiento: la
existencia de múltiples presiones institucionales y expectativas distintas (role strain)
puede reducir la productividad de los investigadores en los CIC (Garrett-Jones et al.
2013).
En efectos, hay quien ha argumentado que la institucionalización de la colaboración entre
ciencia, industria y sociedad estaría fomentando (o necesitaría de) la adquisición de
10
nuevas competencias profesionales de tipo técnico, administrativo y relacional,
fundamentadas en el conocimiento tácito, gracias a su capacidad de fomentar el
aprendizaje y la innovación dentro de las organizaciones (Lam 2000). Bozeman et al.
(2001) han propuesto el concepto de “capital humano científico-técnico” como
herramienta para interpretar y evaluar la figura profesional del científico en los nuevos
entornos organizativos. Estos autores amplían el concepto clásico de “capital humano”
(Schultz 1961; Becker 1962), ya empleado en los estudios económicos sobre la profesión
científica y que se refiere principalmente a la formación explicita y formal, la titulación,
el estatus laboral de los trabajadores y los años de experiencia, dado que sería demasiado
limitada para enfocar el problema del trabajo en los entornos colaborativos e
intersectoriales. El concepto de capital humano y social tecno-científico incluiría también
al capital social (Bourdieu 1980), el conocimiento tácito (Lam 2000), el know-how
técnico y las habilidades administrativas y de gestión. La adquisición de estas habilidades
se vería facilitada por las experiencias laborales previas de los investigadores, por
ejemplo, a través de empleos desempeñados en empresas o en el sector privado
(Boardman et al. 2010), o de la cantidad de colaboraciones realizadas con otros
investigadores de universidades y organismos públicos (Klenk et al. 2010).
La capacidad del enfoque del capital humano y social científico-técnico para interpretar
la trayectoria profesional y la producción de conocimiento de los investigadores que
colaboran con la industria ha sido corroborada en más de una ocasión (Bozeman y Corley
2004; Dietz y Bozeman 2005; Lin y Bozeman 2006; Ponomariov y Boardman 2010). Sin
embargo, los estudios en esta línea de investigación sufren dos limitaciones:
- se centran casi exclusivamente en un contexto determinado: los centros
universitarios norteamericanos, que suelen tener características organizativas
diferentes de sus homólogos europeos;
- no tienen en cuenta de cómo las características de los investigadores pueden
interactuar con el contexto organizacional y el contenido del trabajo que realizan:
se sabe que la mayoría de las tensiones entre expectativas tienen lugar a nivel
organizacional más que individual (Garrett-Jones et al. 2013).
Por lo tanto, a la hora de examinar el efecto del capital humano científico-técnico sobre
el proceso de producción y transferencia de conocimiento es importante tener en cuenta
también la diversidad de CIC y el tipo de actividades que realizan los investigadores. Un
último aspecto contextual a tener en cuenta tiene que ver con la lógica institucional del
11
sector de actividad científica y del centro de investigación del investigador (Sauermann
y Stephan 2013). Existe mucha evidencia empírica a favor de la relevancia de dos factores
contextuales para comprender el proceso de producción y transferencia de conocimiento
en los centros de I+D (Bozeman y Crow 1991): la influencia del sector público sobre las
decisiones y la financiación del centro, por un lado, la influencia de la lógica de mercado,
medida por el nivel de finalización de los productos del centro. Estos factores reflejarían
la existencia de lógicas institucionales diferentes y reforzarían la importancia de la
experiencia laboral y de la colaboración intersectorial para comprender el perfil
profesional de los investigadores, como factores que inciden en el proceso de
socialización en el trabajo y la carrera profesional.
Metodología
Datos
Para el estudio se utilizan datos procedentes de una encuesta a investigadores y otros
profesionales que trabajan en centros de investigación colaborativa (CIC) en España.2 El
objetivo de la encuesta era obtener información acerca de las características de los
investigadores y de otras informaciones relativas al trabajo dentro de los centros de
investigación. Se trata de una herramienta de recogida de datos que ha sido utilizada con
mucha frecuencia en los estudios sobre los CIC en otros países.3
2 La encuesta forma parte del proyecto del Plan Nacional de I+D+i 2008-2011 titulado: “Nuevas formas de
colaboración entre ciencia e industria: los Centros de Investigación Cooperativa en el sistema español de
I+D” (referencia CSO2010-14880). El proyecto fue llevado a cabo por el Instituto de Estudios Sociales
Avanzados (IESA), centro público de investigación del Consejo Superior de Investigaciones Científicas
(CSIC), entre 2011 y 2014. El proyecto consta de varios componentes, incluyendo un mapa detallado de
las experiencias en las distintas comunidades autónomas, una encuesta a los centros identificados (Giachi
et al. 2012), una encuesta a los investigadores que componen sus plantillas (Fernández Zubieta et al. 2013)
y una encuesta a las empresas colaboradoras con dichos centros. Para definir a los CIC se ha adaptado la
definición empleada en los estudios especializados (Boardman y Gray 2010), incluyendo aquellas entidades
que: poseen autonomía legal; hacen I+D; son participadas por al menos un socio desde el sector público y
otro desde el sector privado. 3 El procedimiento de recogida de datos se llevó a cabo por la sección de Estadística y Encuestas del IESA-
CSIC entre mayo y agosto de 2013, utilizando un sistema multimétodo (mixed method). En particular, se
ha utilizado un cuestionario web autoadministrado, programado en HTML 4.01 + ASP, ajustado a distintos
estándares de calidad específicos en la investigación mediante encuestas (UNE ISO-20252,
ICC/ESOMAR) y específicos de accesibilidad y usabilidad en formatos digitales (UNE 139803, WCAG
1.0), bajo el dominio específico: http://www.proyectocic.es/investigadores. La invitación y los
recordatorios para participar han tenido dos etapas: a) través de los centros CIC con captación de
investigadores por formulario de inscripción web distribuido a criterio de cada centro (11 % de la muestra,
12
El universo de investigadores que trabajan en los CIC españoles ha sido estimado a partir
de la información contenida en el mapa y la encuesta a directores de centros de
investigación. Se ha estimado que el total de personal de los centros (incluyendo becarios,
estudiantes, técnicos de investigación, administrativos, etc.) sería de aproximadamente
18 228 trabajadores. Sin embargo, calcular con exactitud el universo de investigadores
implicados en los CIC no ha sido posible debido a la complejidad del fenómeno y las
relativas limitaciones en las herramientas para la recogida de datos.4 Finalmente, como
referencia para el universo de investigadores, se han considerado los propios centros de
investigación como unidades de análisis. El universo teórico correspondería al total del
personal investigador de los 216 CIC identificados en España.
El nivel de participación en la encuesta se considera igualmente satisfactorio (Fernández
Zubieta et al. 2013). Han participado 1016 investigadores y trabajadores que dedican
parte de su tiempo a la investigación en 165 centros CIC. Sin embargo, no es posible
estimar la tasa de respuesta con precisión, dado que el total del universo se desconoce.
Además, al no ser una muestra con selección aleatoria de las unidades que componen el
universo, se carece de instrumentos para determinar un error estadístico de la misma. No
obstante, considerando que han participado investigadores del 76,4 % de los centros CIC,
con un tamaño suficientemente grande, donde no se aprecian sesgos de participación por
determinadas variables de control (como sexo y Comunidad Autónoma), se considera que
la muestra ponderada supera el umbral de calidad (entre el 1 y 3 %) en el análisis de las
respuestas (Fernández-Zubieta et al. 2013).5
Variables dependientes
Las variables dependientes del estudio se refieren a la producción científica y tecnológica
de los investigadores, medida a través de un conjunto de seis ítems que permiten
adscritos a 67 centros); b) a través de correo electrónico directo a investigadores con enlace al cuestionario
(89 % de la muestra, adscritos a 179 centros). El tiempo medio de la entrevista ha sido de 14,3 minutos. 4 A modo de ejemplo, baste con pensar que algunos de los investigadores trabajan también en empresas u
otros organismos de investigación (Giachi et al. 2012); este fenómeno, así como las distintas formas de
dedicación a las actividades del CIC ha sido uno de los principales obstáculos para el cálculo del universo
de investigadores. 5 A partir de la información proporcionada por los 136 responsables de centros que han participado en la
encuesta a centros de investigación y que han contestado a las preguntas relativas a la cantidad y el tipo de
recursos humanos empleados en la organización (Giachi et al. 2012), estimamos que la suma de los
trabajadores ascendería a 11 477. Extrapolando este resultado al universo de centros, estimaríamos que el
universo de trabajadores superaría los dieciocho mil. Empleando esta cifra como referencia, tendríamos
que la muestra de trabajadores obtenida en nuestra encuesta corresponde al 5,6 % del universo.
13
considerar resultados tradicionales, como las publicaciones y la propiedad intelectual. Se
ha preguntado a los investigadores por el número de resultados obtenidos según cada tipo
en los últimos tres años y al amparo de las actividades realizadas dentro de su CIC. Para
las publicaciones se han considerado los siguientes indicadores:
- Artículos publicados en revistas especializadas
- Presentaciones en conferencias o reuniones profesionales
- Otras publicaciones, como informes de resultados o manuales técnicos
Además de las patentes, se han considerado también otras innovaciones tecnológicas de
proceso o de producto que no son susceptibles de ser tuteladas mediante derechos de
propiedad intelectual. Otro indicador empleado se refiere a la formación: el número de
tesis doctorales supervisadas por el investigador.
La Tabla I contiene los estadísticos descriptivos para los indicadores de resultado de la
producción científica y tecnológica de los investigadores. En términos promedios, el
resultado más frecuente (10,74 per investigador) es dado por los informes y otros tipos
de publicaciones, seguidos por las presentaciones, que además constituyen el resultado
obtenido con más frecuencia si se mira a la distribución de los cuartiles (Mediana: 5 contra
3). Luego vienen los artículos en revistas especializadas: cada investigador ha producido
en los últimos tres años alrededor de 6 artículos; la mediana es de tres artículos, es decir,
aproximadamente uno por año. Los resultados obtenidos con menor frecuencia
corresponden a las innovaciones tecnológicas (1,54), las tesis doctorales (0,75) y las
patentes (0,54).
Debido a los elevados índices de correlación entre estas variables (Tabla II), se ha llevado
a cabo un análisis de componentes principales (ACP) para averiguar si existe una
estructura de dimensiones latentes subyacente a la producción científica y tecnológica de
los investigadores. Los resultados del ACP muestran que existen tres dimensiones
principales (ver Anexo), que se ha decidido denominar:
1. “producción de conocimiento científico” (artículos, presentaciones y tesis)
2. “transferencia de tecnología” (propiedad intelectual e innovaciones)
3. “producción de conocimiento técnico u orientado a la difusión” (informes y otras
publicaciones, en parte presentaciones)
Debido a que el interés de la investigación reside en comprender los determinantes del
proceso de innovación y transferencia tecnológica, se han seleccionado los dos
14
indicadores de resultados que contribuyen al componente relativo a la transferencia de
tecnología: la generación de propiedad intelectual y de innovaciones no patentables. Cada
variable dependiente ha sido transformada en un indicador dicotómico, donde el 1 indica
la presencia del resultado y 0 su ausencia. Existen al menos dos motivos que justifican
esta transformación:
- el objetivo del estudio es saber es lo que hacen los investigadores, no cuantos
resultados obtienen;
- los indicadores de resultados no son fiables y homogéneos para una estimación
cuantitativa precisa de la productividad tecnológica de los investigadores, ya que
estos se han obtenido a través de auto-declaraciones que pueden causar problemas
subjetivos de memoria o deseabilidad social.
Variables independientes
Como variables independientes se han empleado preguntas del cuestionario relativas a la
cualificación y trayectoria profesional del trabajador. También se ha tenido en cuenta la
existencia de relaciones pasadas o presentes entre los investigadores y las empresas u
otras organizaciones privadas, así como el contenido del trabajo llevado a cabo en la
colaboración. En resumen, se emplean los siguientes grupos de variables independientes:6
1. Categoría profesional de entrevistado, diferenciando entre investigadores
doctores, investigadores no doctores y personal auxiliar de apoyo a la
investigación (técnicos de investigación, tecnólogos, administrativos, estudiantes
en prácticas, etc.)
2. Si el trabajador ha tenido una experiencia laboral previa en el sector privado
(sí/no), diferenciando entre actividades de investigación y de dirección y gestión
3. Si el trabajador ha colaborado alguna vez en los últimos tres años con empresas
(sí/no), diferenciando entre actividades científicas, técnicas o de gestión
4. Si el trabajador colabora con frecuencia con otras disciplinas científicas
Estos cuatro grupos de variables independientes permiten dar cuenta de las dimensiones
adicionales del capital humano y el capital social, teniendo en cuenta también los aspectos
6 Las variables dicotómicas usan el valor 1 para el “sí” y el 0 para el “no”.
15
cognitivos y relacionales de la trayectoria profesional y el trabajo de los investigadores
en los CIC.
Finalmente, se han empleado otras preguntas del cuestionario como variables de control
para el análisis de la producción tecnológica de los trabajadores, relativas a otros aspectos
de su trayectoria profesional, su relación con el trabajo en el centro o sus características
demográficas, como las siguientes:
- Tipo de centro en el que trabajan, diferenciando a los Centros de innovación y
tecnología del resto,7 que incluye principalmente a las redes de centros creadas a
través de programas públicos específicos, a los institutos universitarios público-
privados y a los centros semi-públicos de nuevo cuño.
- Género.
- Salario: si gana más de 2 000 Euros al mes.
- Antigüedad en el centro.
- Campo científico: diferenciamos entre “Ciencias de la vida y la salud” (incluye a
la biología, la biotecnología, la medicina y la biomedicina, etc.), “Otras
ingenierías y ciencias naturales y “Humanidades y ciencias sociales”.8
- Tipo de investigación: si es teóricamente orientada (investigación básica o básica
orientada al uso), o no (investigación aplicada o sin interés en avanzar en
conocimiento).
7 El origen de estos centros en España remonta a los años 1960 y a la experiencia pionera de las asociaciones
industriales de investigación, muchas de las cuales evolucionaron durante la década de 1980 y 1990 como
centros tecnológicos, es decir, organismos público-privados de I+D con el objetivo de apoyar la innovación
y el desarrollo tecnológico local. Pese a su estatus jurídico privado, muchos de ellos fueron promovidos
directamente por Gobiernos Autonómicos, recibiendo financiación pública. Más recientemente, muchos
centros de innovación y tecnología (afiliados en una asociación sectorial denominada FEDIT) han
cambiado su orientación hacia la investigación aplicada, acercándose a la misión de producir resultados
científicamente excelentes antes que relevantes para la industria. Actualmente, la gran mayoría de estos
centros respetan todos los criterios para ser definidos como CIC (Fernández-Zubieta et al. 2015). 8 Hemos separado las biotecnologías de las otras ingenierías y ciencias naturales porque se trata de un
campo donde se suelen dar dinámicas particulares, por ejemplo, volúmenes más elevados de coautorías,
generación de propiedad intelectual o creación de empresas. Por otra parte, hemos considerado por separado
también las humanidades y las ciencias sociales dado que es más raro que en estas disciplinas se produzcan
innovaciones tecnológicas, sobre todo, para el caso de las patentes.
16
Tabla I – Indicadores cuantitativos de la producción investigadora: estadísticos descriptivos
Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia
Media N Mínimo Máximo Suma Desv. típ. Q1 Q2 Q3 1 2 3 4 5
1Nº de Publicaciones en revistas
científicas especializadas6,21 823 0 300 5107 14,195 1,0 3,0 7,0 1
2Nº de Otro tipo de publicaciones (ej.
Informes)10,74 823 0 1200 8843 56,425 0,0 3,0 10,0 ,073
* 1
3
Nº de Presentaciones en
conferencias o reuniones
profesionales
8,78 823 0 300 7228 16,193 2,0 5,0 10,0 ,389**
,139** 1
4 Nº de Tesis supervisadas ,74 823 0 25 613 1,632 0,0 0,0 1,0 ,670** -,025 ,277
** 1
5Nº de Patentes u otros derechos de
propiedad intelectual,54 823 0 8 447 1,159 0,0 0,0 1,0 ,183
** -,007 ,116**
,229** 1
6
Nº de Otro tipo de innovaciones (ej.
de proceso, producto..) Productos
derivados de los proyectos
1,56 823 0 200 1285 8,301 0,0 0,0 1,0 ,022 ,052 ,039 ,065 ,166**
N=823
17
Resultados
Estadísticos descriptivos
La Tabla II contiene los estadísticos descriptivos de todas las variables empleadas en el
análisis. Se incluyen el número de observaciones, la media, la deviación estándar, así
como los valores mínimos y máximos registrados. Una vez transformados en indicadores
dicotómicos, los dos indicadores de resultado de producción y trasferencia de tecnología
obtienen valores parecidos: el 27 % de los trabajadores ha registrado una patente u otro
derecho de propiedad intelectual en los últimos tres años, y el 28 % ha generado otro tipo
de innovación de proceso o de producto.
Como era previsible, la mayoría de los trabajadores de los centros son investigadores
(más que el 72 %), la mayoría de ellos investigadores con el título de doctor (47 %),
mientras que el otro 25 % es dado por investigadores no doctores (Tabla II).9 El restante
27 % de trabajadores está formado por el personal auxiliar de apoyo a la investigación,
es decir, técnicos de investigación, tecnólogos, administrativos y estudiantes de doctorado
y estudiantes en prácticas.
Con arreglo a las experiencias profesionales, solo una minoría de trabajadores ha
trabajado previamente en el sector privado (Tabla II), siendo más frecuente el caso de las
actividades de investigación (36 %) que de dirección y gestión (13 %). En cambio, al
menos tres cuartas partes del colectivo entrevistado ha declarado haber colaborado con
empresas al menos una vez a lo largo de los últimos tres años. En particular, la mayoría
ha colaborado con empresas principalmente en actividades de naturaleza técnica (39 %),
seguidas por actividades de tipo científico (28 %), mientras que los trabajos de gestión
habrían sido poco relevantes (8 %). También se observa que la mayoría de los
entrevistados coopera con frecuencia con otras disciplinas (55 %).
Pasando a las variables de control (Tabla II), se observa que la mayoría de los
entrevistados trabaja en un centro de innovación y tecnología (62 %), es hombre (62 %),
gana menos de 2 000 Euros al mes (57 %), lleva alrededor de ocho años trabajando en el
9 Con “investigadores no doctores” nos referimos a aquellas figuras profesionales que afirman dedicarse
principalmente a actividades de investigación pero que, sin embargo, no poseen el título de doctor ni tienen
previsto obtenerlo a corto plazo, es decir que no son tampoco estudiantes de doctorado. Se suele tratar de
titulados de grado o posgrado cuya ocupación principal no tiene que ver con tareas de tipo técnico sino
investigadoras (no son técnicos de investigación) aunque muchos de ellos también se ocupan directamente
de problemas relacionados con los aspectos técnicos o tecnológicos de la investigación.
18
centro, investiga en el campo de las otras ingenierías y ciencias naturales (71 %), aunque
el número de aquellos empeñados en el ámbito de las ciencias de la vida y la salud no es
bajo (21 %); el número de aquellos que hacen investigación con una base o una
orientación teórica no es mayoría (43 %).
Tabla II – Variables: estadísticos descriptivos
Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia
La Tabla III presenta los resultados de un cruce de variables entre la cualificación
profesional de los trabajadores, por un lado, y la proporción de entrevistados que ha
obtenido un resultado de producción o transferencia de tecnología, por el otro. Se observa
que la probabilidad de obtener un determinado tipo de resultado varía significativamente
N Mínimo Máximo Media Desv. típ.
Patentes u otros derechos de
propiedad intelectual823 0 1 ,27 ,446
Otro tipo de innovaciones (ej. de
proceso, producto..)823 0 1 ,28 ,448
Investigadores doctores 1002 0 1 ,47 ,500
Investigadores no doctores 1002 0 1 ,25 ,436
No investigadores 1002 0 1 ,27 ,445
Sector privado. Actividades de
dirección y gestión1005 0 1 ,13 ,340
Sector privado. Actividades de
investigación1005 0 1 ,36 ,479
No ha trabajado con empresas 1014 0 1 ,24 ,429
Trabajo técnico con empresas 1014 0 1 ,39 ,489
Trabajo científico con empresas 1014 0 1 ,28 ,448
Trabajo de gestión con empresas 1014 0 1 ,08 ,277
Coopera con frecuencia con otras
disciplinas1016 0 1 ,55 ,497
Centro de innovación y tecnología 1016 0 1 ,62 ,486
Hombre 990 0 1 ,62 ,487
Salario superior a 2000 Euros 956 0 1 ,43 ,496
Antigüedad en el centro 1014 0 34 7,97 6,963
Ciencias de la vida y la salud 1016 0 1 ,21 ,407
Otras ingenierías y ciencias naturales 1016 0 1 ,71 ,452
Humanidades y ciencias sociales 1016 0 1 ,08 ,266
Investigación con base teórica 1016 0 1 ,43 ,496
19
entre categorías profesionales, como certificado por el valor significativo y relativamente
elevado del índice V de Cramér de asociación. En particular, los investigadores doctores
obtienen con más frecuencia una patente u otro derecho de propiedad intelectual, mientras
que los investigadores no doctores tendrían más probabilidad de obtener otro tipo de
innovación. Por otra parte, el personal no investigador tendría en general menos
probabilidad de obtener un resultado tecnológico, sobre todo en lo referido a las patentes
y las propiedades intelectuales.
Tabla III – Tablas de contingencias entre categoría profesional y producción tecnológica
Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia
Análisis de la producción y transferencia de tecnología
En este apartado se presentan los resultados del análisis logístico de regresión de los
resultados de la producción y transferencia de tecnología relativos a los trabajadores
empleados en los CIC españoles. Se han estimado dos modelos, uno para cada variable
dependiente. La Tabla IV contiene los coeficientes beta de regresión después de la
transformación exponencial: por lo tanto, representan una estimación directa del impacto
de cada variable sobre la probabilidad de obtener la variable dependiente, es decir, un tipo
de resultado. Un coeficiente superior a 1 indica un efecto positivo, mientras que un
coeficiente inferior a 1, un efecto negativo. La tabla contiene también algunos estadísticos
y parámetros para medir la validez y el ajuste de los modelos, aunque ambos modelos
logran resultados muy parecidos.
Los resultados del análisis de regresión corroboran cuanto se ha visto en el cruce de
variables entre cualificación profesional y producción tecnológica. Ser un investigador
aumenta significativamente 1,6 veces la probabilidad de obtener una patente u otra
propiedad intelectual, mientras que ser un investigador no doctor aumenta la probabilidad
de obtener otro tipo de innovación de una manera muy parecida (Tabla IV). También se
observa que ser un investigador doctor reduciría la probabilidad de obtener otro tipo de
innovación, aunque no de manera significativa.
Categoría profesionalInvestigadores
doctores
Investigadores
no doctores
No
investigadoresTotal
V de
CramerSig
Patentes u otros derechos de
propiedad intelectual,33 ,28 ,17 ,28 ,150 ,000
Otro tipo de innovaciones (ej. de
proceso, producto..) Productos
derivados de los proyectos
,22 ,43 ,25 ,28 ,196 ,000
20
La experiencia laboral previa en el sector privado afectaría positivamente y
significativamente a la probabilidad de obtener otros tipos de innovaciones tecnológicas
(Tabla IV): haber trabajado en actividades de dirección o gestión en empresas más que
duplica la probabilidad de obtener este tipo de resultado, mientras que la experiencia
investigadora en entornos empresariales aumenta la probabilidad “solo” de 1,7 veces. Por
otra parte, la probabilidad de generar propiedad intelectual se ve afectada positivamente
y significativamente por la experiencia de colaboración reciente con empresas. En
particular, el colaborar con empresas en actividades tanto científicas como de gestión más
que triplican la probabilidad de registrar una propiedad intelectual (la probabilidad
aumenta, respectivamente, de 3,7 y 3,5 veces). Finalmente, la colaboración con otras
disciplinas científicas también es muy importante, debido a que duplica la probabilidad
de obtener el resultado con arreglo a ambas variables dependientes.
Tabla IV – Análisis logístico de regresión de los resultados tecnológicos
Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia
No investigadores **
Investigadores doctores 1,640 ** 0,811
Investigadores no doctores 1,506 1,594 *
Sector privado. Actividades de dirección y gestión 0,719 2,199 ***
Sector privado. Actividades de investigación 1,133 1,785 ***
No ha trabajado con empresas ***
Trabajo técnico con empresas 1,999 ** 1,214
Trabajo científico con empresas 3,754 *** 1,491
Trabajo de gestión con empresas 3,507 *** 1,149
Coopera con frecuencia con otras disciplinas 2,235 *** 2,055 ***
Centro de innovación y tecnología 0,795 3,226 ***
Hombre 2,350 *** 1,346
Salario superior a 2000 Euros 1,684 ** 1,532 **
Antigüedad en el centro 1,037 *** 1,014
Humanidades y ciencias sociales *
Ciencias de la vida y la salud 2,629 ** 0,943
Otras ingenierías y ciencias naturales 1,879 0,828
Investigación con base teórica 0,637 ** 0,907
Constante 0,016 *** 0,044 ***
N 772 772
Prueba Chi 133,332 *** 128,208 ***
-2 log de la verosimilitud 781,885 794,471
R2 cuadrado de Cox y Snell 0,159 0,153
R2 de Nagelkerke 0,228 0,219
Hosmer y Lemeshow 12,246 10,972
% aciertos 74,2% 74,6%
Patentes u otros derechos de
propiedad intelectual
Otro tipo de innovaciones (ej.
de proceso, producto..)
21
Con arreglo a las variables de control, se observa que algunas de estas son significativas
(Tabla IV). Los entrevistados que trabajan en un centro de innovación y tecnología
triplican la probabilidad de obtener otro tipo de innovación y los hombres duplican la
probabilidad de obtener una propiedad intelectual, mientras que los trabajadores que
ganan más que 2 000 Euros mensuales aumentan la probabilidad de obtener una propiedad
intelectual u otro tipo de innovación, respectivamente, de 1,6 y 1,5 veces. El efecto de la
antigüedad, aunque positivo, es débil y se manifiesta solo para el caso de la propiedad
intelectual. El campo científico parece poco relevante, con la excepción de un efecto
positivo (y previsible) sobre la generación de propiedad intelectual para quienes trabajan
en el ámbito de la ciencia de la vida y la salud. Finalmente, dedicarse a actividades de
investigación teóricamente orientada se limita reducir la probabilidad de generar de
propiedad intelectual de casi la mitad.
Conclusiones
Síntesis de los resultados
El análisis logístico de regresión de la producción investigadora, presentado en el
apartado anterior, ha arrojado nueva luz sobre la interrelación entre las relaciones de
colaboración intersectoriales, la trayectoria profesional y la producción tecnológica de los
investigadores en las organizaciones híbridas de I+D. Interpretando los resultados
obtenidos, se puede destacar una serie de conclusiones relevantes para el estudio del
proceso de innovación y transferencia tecnológica a nivel individual.
En primer lugar, se ha visto que los trabajadores empleados en los CIC en España pueden
tener diferentes orientaciones productivas, especializándose bien en la producción de
publicaciones y tesis doctorales, bien en la difusión de conocimiento científico técnico
mediante informes, presentaciones y otras publicaciones, bien mediante la generación de
innovaciones tecnológicas y propiedad intelectual (ver Tabla I y Anexo). Este último caso
es el que ha interesado en la presente investigación, para determinar el perfil profesional
del trabajador científico técnico especializado en este tipo de actividad.
En segundo lugar, se ha visto que existe bastante variedad con arreglo a las características
profesionales y laborales de los entrevistados que trabajan en los CIC españoles (Tabla
II). Estos centros suelen emplear tanto investigadores como personal de apoyo y, entre
22
los primeros, hay un número considerable (aunque no mayoritario) de investigadores no
doctores, una categoría profesional particular que se encuentra con poca frecuencia en los
entornos tradicionales para la I+D y que ha recibido escasa atención por parte de los
estudios sociales e institucionales sobre ciencia y tecnología. También se ha visto que el
número de trabajadores con experiencias laborales previas en empresas es escaso, siendo
más elevado el número de entrevistados que ha colaborado recientemente con empresas
para el desempeño de tareas específicas; en ambos casos, es más frecuente el desempeño
de actividades de investigación científica o técnica, que de dirección o gestión
administrativa. En cambio, la colaboración interdisciplinaria es bastante frecuente.
Asimismo, los CIC emplean personal variable con arreglo a sus aspectos
sociodemográficos o laborales (Tabla II). El caso más frecuente es el de trabajadores de
sexo masculino y que cobran menos de 2 000 Euros al mes. Estos trabajadores son
empleados principalmente por centros de innovación y tecnología, con un promedio de
ocho años de antigüedad laboral, trabajando en ámbitos relacionados con la investigación
aplicada en ingeniería o ciencias naturales, entre las cuales las ciencias de la vida y la
salud parecen ser bastante frecuentes. En todo caso, este perfil es solo un promedio y no
representaría la gran variedad de casos que es posible encontrar.
En tercer lugar, se ha visto que la probabilidad de obtener resultados relacionados con la
producción y transferencia de tecnología variaría significativamente entre las distintas
categorías profesionales (Tabla III). En particular, los investigadores doctores serían más
capacitados para generar nueva propiedad intelectual, mientras que los investigadores no
doctores tendrían más capacidad de obtener otros tipos de innovaciones tecnológicas.
Estos resultados han sido corroborados por el análisis de regresión logística (Tabla IV),
que ha mostrado que estas diferencias se mantienen incluso controlando por todas las
otras variables consideradas en la metodología.
En cuarto lugar, a través del análisis de regresión logística, también se ha visto que existen
otros aspectos relacionados con la trayectoria profesionales que influyen
significativamente en los resultados de la producción y transferencia de tecnología (Tabla
IV). En particular, los trabajadores empleados previamente el sector privado tienen más
probabilidad de generar otros tipos de innovaciones tecnológicas, mientras que aquellos
investigadores que han colaborado recientemente con empresas tienen más probabilidad
de registrar una patente u otra propiedad intelectual. Los trabajadores que colaboran con
frecuencia con otras disciplinas científicas aumentan la probabilidad de obtener ambos
23
tipos de resultados. Finalmente, algunas variables de control contribuyen a explicar la
varianza de las variables dependiente, sin que destaque ningún resultado interesante o que
se encuentre en contradicción con cuanto mencionado en la bibliografía de referencia.
Implicaciones del estudio
El resultado principal de la presente investigación es sugerir la existencia de una relación
entre la trayectoria profesional de los trabajadores científico técnicos y su capacidad de
producir y transferir nueva tecnología. Para comprender este problema, se ha puesto la
atención sobre el caso de un entorno organizacional muy particular: los centros de
investigación colaborativa, debido a que su misión principal es aquella de fomentar la
colaboración intersectorial, la transferencia de conocimiento y tecnología y la innovación
tecnológica. El análisis de las características del personal empleado en estos organismos
permite ver más de cerca qué aspectos profesionales serían relevantes para el proceso de
innovación. En este sentido, se ha visto que el personal investigador puede seguir siendo
considerado como un recurso importante para la innovación tecnológica. Asimismo, se
ha corroborado el efecto positivo de la realización de actividades interdisciplinarias.
Sin embargo, se ha visto también cómo existen perfiles diferenciados para la generación
de propiedad intelectual y de otras innovaciones tecnológicas. Este hallazgo recalcaría la
diferenciación entre formas de conocimiento en función del nivel de codificación del
mismo: la propiedad intelectual representaría una forma más codificada de conocimiento
que las innovaciones de proceso y producto no patentables. A esta diferenciación
corresponderían dos perfiles profesionales distintos: la generación y difusión de
conocimiento tecnológico muy codificado (propiedad intelectual) guardaría una relación
con el nivel de educación formal conseguido (doctorado) y la colaboración puntual con
empresas, mientras que la generación y difusión de conocimiento tecnológico poco
codificado (otras innovaciones) guardaría una relación con niveles comparativamente
más bajos de educación formal (grado) y la experiencia laboral previa en el sector privado.
Es decir que, aunque los trabajadores de CIC que suelen obtener resultados tecnológicos
constituirían un perfil especializado dentro de la propia organización, también se
observan matices en función de la sub-especialización en la producción de tecnología,
debida probablemente a su capacidad de manejar distintas formas de conocimiento.
24
En definitiva, se puede afirmar que el enfoque del capital humano científico técnico
aporta un valor añadido a las investigaciones acerca de los determinantes de la innovación
y transferencia de tecnología entre ciencia y empresas a nivel individual. Los aspectos
educativos o sociodemográficos por sí solos no son suficientes a dar cuenta de la
capacidad de un trabajador o investigador para producir o transferir nuevo conocimiento:
es necesario acudir a una visión más compleja de su trayectoria profesional, que incorpore
la experiencia profesional previa y las relaciones actuales de colaboración, debido a que
añadirían elementos explicativos importantes, relativos a los aspectos cognitivos, sociales
e incluso culturales del trabajo científico técnico. En particular, para el caso de la
innovación y transferencia tecnológica, la relación pasada o presente entre investigadores
y empresas constituye un aspecto determinante para explicar la capacidad de innovación.
Limitaciones y líneas de desarrollo futuro
A modo de conclusión, cabe mencionar las limitaciones del estudio y las posibles líneas
de desarrollo para futuras investigaciones. Una primera limitación tiene que ver con la
representatividad de la muestra, dado que el procedimiento de muestreo que se ha
empleado no ha podido seguir un procedimiento probabilístico debido a limitaciones del
proyecto de investigación. Así pues, existe un problema a la hora de validar el análisis de
regresión y sus resultados. Para obviarlo, se podrían construir unos coeficientes de
ponderación de la muestra a partir de variables disponibles sobre el universo de CIC o
investigadores, relativas por ejemplo a la distribución geográfica, el tipo de centro o la
composición de la fuerza de trabajo (Giachi et al. 2012).
Otra limitación importante tiene que ver con la dimensión organizacional de la
producción y la transferencia de conocimiento. Una línea de desarrollo para la
investigación es dada por ampliar el número y el tipo de variables relativas a la
organización de los CIC donde trabajan los investigadores, que vayan más allá del tipo
de centro, del sector de actividad científica o del contenido del trabajo, para incluir
aspectos relativos a las fuentes de financiación o la composición de la fuerza de trabajo
(Carayol y Matt 2006). Estos indicadores permitirían medir de manera más directa la
influencia del contexto organizacional sobre el proceso de transferencia de tecnología.
Una tercera limitación del estudio es el no haber analizado con más detenimiento las
correlaciones entre tipos de resultados, para buscar relaciones de complementariedad y
25
substitución en la producción científica y tecnológica de los investigadores. En particular,
una línea prometedora de análisis pasaría por la construcción de un índice de
heterogeneidad de la producción investigadora a partir de las variables disponibles,
análogamente con cuanto se ha hecho en una investigación anterior con arreglo a las
estrategias organizativas y las fuentes de financiación de los CIC en España (Fernández-
Zubieta et al. 2015). De esta manera se podrían identificar distintos “portfolios” de
actividad para los investigadores y los otros trabajadores de los CIC. Aquí cabe también
la reflexión acerca de la validez de los indicadores de resultados empleados: es posible
que el empleo de variables que se refieran a aspectos relacionados con la componente
informal y cultural de la actividad desempeñada por los trabajadores de CIC permitiría
profundizar en las características del proceso de socialización al que se han encontrado
sometidos los investigadores más productivos en términos de producción y transferencia
de tecnología.
Referencias bibliográficas
Agrawal, A., Henderson, R. (2002). Putting patents in context: Exploring knowledge transfer from MIT.
Management Science, 48(1), 44-60.
Allison, P.D., Long, J. S. (1990). Departmental effects on scientific productivity. American Sociological
Review, 469-478.
Arnold, E., Deuten, J., van Giessel, J.F. (2004). An international review of Competence Centre
Programmes. Brighton: Technopolis Group.
Baba, M. (1988). Innovation in University-Industry Linkages: University Organizations and Environmental
Change. Human Organization, 47(3), 260-269.
Becker, G. S. (1962). Investment in human capital: A theoretical analysis. The journal of political economy,
9-49.
Behrens, T. R., Gray, D. O. (2001). Unintended consequences of cooperative research: impact of industry
sponsorship on climate for academic freedom and other graduate student outcome. Research
policy, 30(2), 179-199.
Boardman, C., Bozeman, B., Ponomariov, B. (2010). Private sector imprinting: An examination of the
impacts of private sector job experience on public manager's work attitudes. Public Administration
Review, 70(1), 50-59.
26
Boardman, C., Gray, D. (2010). The new science and engineering management: Cooperative Research
Centers as government policies, industry strategies and organizations. The Journal of Technology
Transfer, 35, 445-459.
Bourdieu, P. (1980). Le capital social. Actes de la recherche en sciences sociales, 31(1), 2-3.
Bozeman, B., Crow, M. (1991). Technology transfer from U-S- government and university R&D
laboratories. Technovation, 11(4), 231-246.
Bozeman, B., Dietz, J. S., Gaughan, M. (2001). Scientific and technical human capital: an alternative model
for research evaluation. International Journal of Technology Management, 22(7-8), 716-740.
Bozeman, B., Corley, E. (2004). Scientists’ collaboration strategies: implications for scientific and technical
human capital. Research Policy, 33(4), 599-616.
Bozeman, B., Boardman, C. (2013). Academic Faculty in University Research Centers: Neither
Capitalism's Slaves nor Teaching Fugitives. The Journal of Higher Education, 84(1), 88-120.
Carayol, N., Matt, M. (2006). Individual and collective determinants of academic scientists’ productivity.
Information Economics and Policy, 18(1), 55-72.
Colyvas, J.A., Powell, W. W. (2006). Roads to institutionalization: The remaking of boundaries between
public and private science. Research in organizational behavior, 27, 305-353.
Cooney, K. (2006). The Institutional and Technical Structuring of Nonprofit Ventures: Case Study of a
U.S. Hybrid Organization Caught Between Two Fields. Voluntas 17, 143-161.
CREST (2008). Industry led competence centres. Aligning academic/public research with enterprise and
industry needs. OMC Action Plan: Report of the CREST working group.
Cruz-Castro, L., Sanz-Menéndez, L., Martínez, C. (2012). Research centers in transition: patterns of
convergence and diversity Research centers in transition: patterns of convergence and diversity.
The Journal of Technology Transfer, 37 (1), 18-42.
Cummings, J. N., Kiesler, S. (2014). Organization Theory and the Changing Nature of Science. Journal of
Organization Design, 3(3), 1-16.
Dietz, J. S., Bozeman, B. (2005). Academic careers, patents, and productivity: industry experience as
scientific and technical human capital. Research policy, 34(3), 349-367.
Etzkowitz, H. (2008). The Triple Helix: University-industry-government Innovation: Innovation in Action.
London: Routledge.
Etzkowitz, H., Leydesdorff, L. (2000). The dynamics of innovation: from National Systems and “Mode 2”
to a Triple Helix of university–industry–government relations. Research policy, 29(2), 109-123.
Fernández-Esquinas, M., Ramos-Vielba, I. (2011). Emerging forms of cross-sector research collaboration
in the Spanish innovation system. Science and Public Policy, 38 (2), 38-51.
27
Fernández Zubieta, A., Andujar Nagore, I., Giachi, S., Domínguez J.A., Fernández Esquinas, M. (2013).
Formas organizativas para la investigación cooperativa en el sistema español de I+D: encuesta
a investigadores. Córdoba: Instituto de Estudios Sociales Avanzados.
Fernández Zubieta, A., Andujar Nagore, I., Giachi, S., Fernández Esquinas, M. (2015). “New
organizational arrangements for public-private research collaboration: Cooperative Research
Centres in Spain as examples of Targeted Open Innovation”. Journal of Knowledge Economy, en
publicación.
Fox, M. F. (1992). Research, teaching, and publication productivity: Mutuality versus competition in
academia. Sociology of education, 293-305.
Garrett-Jones, S., T. Turpin, Diment, K. (2013). Careers and Organizational Objectives: Managing
Competing Interests in Cooperative Research Centers. En C. Boardman, D. Gray, D. Rivers (Eds.),
Cooperative Research Centers and Technical Innovation: Government Policies, Industry
Strategies, and Organizational Dynamics (pp. 79-110). New York: Springer.
Giachi, S., Fernández Zubieta, A., Andujar Nagore, I., Domínguez J.A., Fernández Esquinas, M. (2012).
Formas organizativas para la investigación cooperativa en el sistema español de I+D: encuesta
a centros de investigación. Córdoba: Instituto de Estudios Sociales Avanzados.
Gibbons, M., Limoges, C., Nowotny, H., Schwartzman, S., Scott, P., Trow, M. (1994). The new production
of knowledge: The dynamics of science and research in contemporary societies. London: Sage.
Geuna, A., Nesta, L. J. (2006). University patenting and its effects on academic research: The emerging
European evidence. Research Policy, 35(6), 790-807.
Gobierno Vasco (2010). Plan de Ciencia, Tecnología e Innovación 2010. Vitoria: Servicio de Publicaciones
del Gobierno Vasco.
Gray, D.O., Boardman, C., Rivers, D. (2013). The new science and engineering management: cooperative
research centers as intermediary organizations for government policies and industry strategies. En
C. Boardman, D. Gray, D. Rivers (Eds.), Cooperative Research Centers and Technical Innovation:
Government Policies, Industry Strategies, and Organizational Dynamics (pp. 3-33). New York:
Springer.
Jacob, M. (1997). Life in the Triple Helix: the contract researcher, the university and the knowledge society.
Science Studies, 10(2), 35-49.
Jacob, M., Hellström, T., Adler, N., Norrgren, F. (2000). From sponsorship to partnership in academy‐
industry relations. R&D Management, 30(3), 255-262.
Klenk, N.L., Hickey, G.M., MacLellan, J.I. (2010). Evaluating the social capital accrued in large research
networks: The case of the Sustainable Forest Management Network (1995-2009). Social Studies
of Science, 20(10), 1-30.
Lal, B., Boardman, C. (2013). International Practice in Cooperative Research Centers Programs: Summary
of an Exploratory Study of Engineering-Focused Cooperative Research Centers Worldwide. En
28
C. Boardman, D. Gray, D. Rivers (Eds.), Cooperative Research Centers and Technical Innovation:
Government Policies, Industry Strategies, and Organizational Dynamics (pp. 293-310). New
York: Springer.
Lam, A. (2000). Tacit Knowledge, Organizational Learning and Societal Institutions: An Integrated
Framework. Organization Studies, 21, 487-513.
Lamont, M., Molnár, V. (2002). The study of boundaries in the social sciences. Annual review of sociology,
167-195.
Laredo, P. (2007). Revisiting the third mission of universities: toward a renewed categorization of
university activities? Higher education policy, 20(4), 441-456.
Larédo, P., Mustar, P. (2000). Laboratory activity profiles: An exploratory approach. Scientometrics, 47(3),
515-539.
Lin, M. W., Bozeman, B. (2006). Researchers’ industry experience and productivity in university–industry
research centers: A “scientific and technical human capital” explanation. The Journal of
Technology Transfer, 31(2), 269-290.
Merton, R. K. (1973). The sociology of science: Theoretical and empirical investigations. Chicago:
University of Chicago press.
Ponomariov, B., Boardman, C. (2010). Influencing scientists’ collaboration and productivity patterns
through new institutions: University research centers and scientific and technical human capital.
Research Policy, 39(5), 613-624.
Sanz-Menéndez, L., Cruz-Castro, L. (2005). Explaining the science and technology policies of regional
governments. Regional Studies, 39(7), 939–954.
Sauermann, H., Stephan, P. (2013). Conflicting logics? A multidimensional view of industrial and academic
science. Organization Science, 24(3), 889-909.
Schultz, T. W. (1961). Investment in human capital. The American economic review, 1-17.
Slatyer, R. O. (1994). Cooperative research centres: The concept and its implementation. Higher Education,
28(1), 147-158.
Stephan, P. E. (1996). The economics of science. Journal of Economic literature, 1199-1235.
Stephan, P. E., Gurmu, S., Sumell, A. J., Black, G. (2007). Who's patenting in the university? Evidence
from the survey of doctorate recipients. Econ. Innov. New Techn., 16(2), 71-99.
Stokols, D., Hall, K. L., Taylor, B. K., Moser, R. P. (2008). The science of team science: overview of the
field and introduction to the supplement. American journal of preventive medicine, 35(2), S77-
S89.
Thursby, J. G., Thursby, M. C. (2007). University licensing. Oxford Review of Economic Policy, 23(4),
620-639.
29
Anexo
Tabla A1 – Coeficientes del ACP de los indicadores cuantitativos de resultado
Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia
Gráfico A1 – Gráfico de sedimentación de los componentes principales
Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia
1 2 3
Nº de Publicaciones en revistas científicas especializadas ,886
Nº de Otro tipo de publicaciones (ej. Informes) ,923
Nº de Presentaciones en conferencias o reuniones profesionales ,602 ,388
Nº de Tesis supervisadas ,844
Nº de Patentes u otros derechos de propiedad intelectual ,672
Nº de Otro tipo de innovaciones (ej. de proceso, producto..) Productos
derivados de los proyectos,835
Indicadores de producción
Componente
30
Tabla A2 – Varianza total explicada por los componentes principales
Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia
Total% de la
varianza% acumulado Total
% de la
varianza% acumulado
1 2,032 33,859 33,859 1,939 32,323 32,323
2 1,092 18,193 52,052 1,171 19,510 51,833
3 1,060 17,666 69,719 1,073 17,886 69,719
4 ,788 13,140 82,859
5 ,717 11,950 94,809
6 ,311 5,191 100,000
Componente
Autovalores inicialesSuma de las saturaciones al cuadrado de
la rotación
Top Related