Vista previa del material en texto
35 MOMENTO II I. MARCO TEÓRICO 1. ANTECEDENTES DE INVESTIGACIÓN La revisión bibliográfica sobre los diferentes estudios, así como la conquista científica en el campo del desarrollo de modelos de transferencia de conocimiento bioinspirados, pone de manifiesto la complejidad del tema tratado a continuación, puesto que dichos contenidos deben atenderse en el marco de dos dimensiones prominentes a la cual pertenecen: transferencia de conocimiento y biomímesis. En este sentido, la literatura presentada congrega diversos estudios abordados desde ópticas diferentes. En algunos casos se estudian desde la perspectiva de la transferencia del conocimiento, factores, dimensiones, aspectos manejados en los trabajos de Castro, Rocca e Ibarra (2010); en otros casos, desde la perspectiva filósofo-argumentativa de la biomimética, considerada “metáfora biológica” (Riechman, 2008), donde se exponen investigaciones basadas en modelos biológicos con estudios comparativos de éstos con procesos organizacionales, fundamentándose en Mirós Arias, Leal y Cepeda (2010). 36 La exploración de las dimensiones que influyen en la transferencia de conocimiento en proyectos de cooperación para la innovación, que se desarrollan entre empresas y otras organizaciones a través de redes de cooperación, tipifica la intencionalidad de Castro, Rocca e Ibarra (2010), en un estudio desarrollado en España, titulado Transferencia recursiva de conocimiento para la innovación: el caso de las empresas del País Vasco- España, quienes bajo un esquema de carácter exploratorio-correlacional, consideran los productos (publicaciones y patentes) de los proyectos, como indicadores proxy del éxito de la transferencia del conocimiento bajo dos dimensiones centrales: la I+D y las relaciones de proximidad de los socios. Bajo los preceptos de Wenger, Mcdermott y Snyder, (2007); Nonaka&Takeuchi (1999), Cohendet (2000), se ofrece una investigación que consolida las bases teóricas para esta tesis doctoral, basado en tres aportes fundamentales: El primero, explora una definición conceptual buscando comprender la transferencia no como un proceso unilateral (emisor- receptor), sino como un proceso recursivo de conocimiento basado en la interacción de comunidades, a lo que denominan transferencia recursiva de conocimiento para la innovación. El segundo, consiste en la importancia de los proyectos de cooperación, entendidos como micro comunidades de aprendizaje que expresan el contexto de transferencia recursiva de conocimiento (el contexto donde las prácticas tienen lugar); mientras, el tercero, considera los proyectos de cooperación para la innovación como espacios de aprendizaje para codificar 37 conocimiento, esto es movilizar el conocimiento tácito disperso en las organizaciones que cooperan, para reconvertirlo en uno capaz de ser objetivado en productos y resultados. En este mismo escenario, en cuanto a la variable transferencia del conocimiento, resulta oportuno destacar el trabajo realizado por Fang-Ming, Chung-Cheng (2009), quienes lideraron un proyecto titulado “Determinants of Knowledge Transfer performance from cultural perspective in High-tech Industry”. Estos investigadores pertenecientes al sector universitario y empresarial, respectivamente, en Taiwan, consideraron los aportes de Davenport&Prusak, MdDermott, O’Dell Janz en su estudio de campo de carácter no experimental, transeccional, para demostrar que la transferencia de conocimiento es un proceso evolutivo requerido dentro de la cultura organizacional. Por consiguiente, los autores consideraron como premisa de investigación, los factores determinantes y las influencias orientadas a la transferencia del conocimiento sobre el cambio cultural, proponiendo el diseño de un modelo de trayectoria de la transferencia del conocimiento, a través de características organizativas y culturales de las empresas. Los resultados obtenidos demostraron, como los factores de sociabilidad de la cultura organizacional, influyen directamente en la Transferencia del Conocimiento, mientras que los factores de solidaridad incidieron indirectamente en las actividades de traducción del conocimiento, a través de la complejidad estructural y la tecnología de la información. 38 Finalmente, sus estudios señalaron que la confianza es la base de la cultura organizacional, afectando indirectamente la Transferencia del Conocimiento. En relación a lo antes expuesto, el aporte a la presente investigación permite afianzar las ideas de la autora sobre la incidencia de la cultura organizacional, como determinante para el rendimiento óptimo de la transferencia de conocimiento, a fin de establecer analogías basadas en el enfoque teórico aquí plasmado. Por otra parte, se encuentra la obra de Miró, Leal y Cepeda (2010), quienes se inspiraron en la perspectiva de la filosofía natural, en su trabajo exploratorio, sobre las interacciones entre los elementos interventores en los procesos de innovación de las organizaciones, intitulado Clima de confianza, aprendizaje e innovación: una metáfora biomimética, publicado en la Revista Europea de Dirección y Economía de la Empresa. El estudió en cuestión se llevó a cabo a través de un trabajo de campo exploratorio, sobre las interacciones entre elementos mediadores que intervienen en los procesos de innovación de las organizaciones. Inspirado de la perspectiva de la filosofía natural, el proyecto consistió en un ejercicio de comparación de los procesos de aprendizaje e innovación, con los cultivos celulares para la diferenciación celular en el campo de la biomedicina. De esta manera, se establecieron ambientes organizacionales constitutivos de nutrientes adecuados, para que las variables antecedentes del proceso innovador (como son la actitud de colaboración y la 39 orientación al aprendizaje), desencadenaran dicho proceso, siendo los cultivos para la diferenciación celular, la referencia biomimética de este trabajo. Se hizo hincapié en la necesidad de desarrollar nuevos sistemas inmunológicos en las organizaciones, para contrarrestar el efecto negativo sobre el cultivo de la innovación de determinadas prácticas de dirección no deseadas. Elementos perversos que, con frecuencia, se dan en la práctica, como el “mobbing” y el “bossing”, al igual que otros agentes patógenos como falta de comunicación, antagonismo innecesario, clanes, reinos de Taifas, falta de objetivos unificadores y la descoordinación, evidenciándose como objetos de tratamiento preferente, desde la perspectiva de un sistema de dirección natural moderno. En este orden de ideas, en cuanto a las expresiones teóricas consideradas en esta investigación, éstas corresponden a los trabajos previos atendidos por Kast, Bueno, Miró (2010), así como los innegables aportes de Nonaka y Takeuchi (1999). En tal sentido, el estudio fue realizado en 150 empresas de uso intensivo del conocimiento, se demuestra el modelo propuesto, en el que un clima de confianza se revela como el medio más adecuado para producir la innovación, a partir de la interacción entre las actitudes colaborativas y la orientación al aprendizaje. De manera sustancial y con destacada intervención, este trabajo entrega un modelo biomimético, basado en el cultivo de diferenciación celular que orienta irrefutablemente, el proceso metodológico de la presente 40 investigación, de allí su importancia en la selección y utilización, como aporte importante en el actual tesis doctoral. Otro estudio de gran aporte lo representa el realizado por Markus Schatten y Miroslav Žugaj (2011), profesores de la Facultad de Organización e Informática de la Universidad de Zagred Varazdin en Croacia, quienes presentaron en la revista Interdisciplinary Description of Complex Systems, un documento titulado Biomimetics in Modern Organizations:Laws or Metaphors?. En estudio de campo, los autores abordan la biomimética como el arte científico de imitar a la naturaleza y a la vida, para dar respuestas tecnológicas desde la perspectiva de la teoría de las organizaciones modernas. Curiosamente, la hipótesis central de esta publicación es la existencia de leyes comunes en la naturaleza, aplicables a la vida social y a los sistemas organizacionales del mismo modo. Para tomar ventaja de estas leyes, el estudio de los principios de la naturaleza, para su aplicación a las organizaciones, es propuesta desde un proceso que está en el diseño de productos y de la tecnología conocida como la ingeniería creatividad biónica. En la búsqueda de la mayoría de los conceptos tomados de la naturaleza se encuentra la organización de las amebas, la teoría de la autopoiesis o autocreación, redes neuronales, heterarquías; así como, fractales y “bioteaming”, que se describen de manera crítica, en esta obra. Así mismo, los autores se sumergen en conceptos como inteligencia de enjambre además de estigmergia. Finalmente, ofrecen un resumen con pautas para futuras investigaciones, que fueron consideradas a nivel metodológico en el presente estudio. 41 La gran gama de trabajos e investigaciones en el área de transferencia del conocimiento obligaría a todo investigador, en esta fascinante área de estudio, a extender las consideraciones, motivaciones y resultados obtenidos por otros autores en dicha área de conocimiento; sin embargo, por razones formales y funcionales, la investigadora consideró oportuno destacar como antecedentes de cierre para este apartado, los prominentes trabajos publicados por Simonin, B. L. (1999); He Ming-Rui, Li Yong-Jian (2005); Liu Hong-wei, HE Jin-sheng, MA Li-li (2003); Cummings, J. L., & Teng, B. S. (2003); y finalmente los estudios de Jinsheng y[1] Li Jiang [2] (2003); además de los aportes de Xiong De-yong, He Jin-sheng (2005) y Estrada García, Monroy Alvarado (2004). Estos autores abarcan en sus investigaciones, aspectos particulares que apoyaron profundamente, la investigación en la presente tesis doctoral, para reforzar las bases del modelo biomimético. En este sentido, se considero el trabajo presentado por Simonin, B.L. (1999), quien ofrece un trabajo titulado “Ambiguity and the process of knowledge transfer in strategic alliances”; donde reveló de manera empírica, que las variables estudiadas (el carácter tácito y la complejidad del proceso de transferencia del conocimiento), como las variables asociadas específicas (experiencia previa, distancia cultural y distancia organizacional), impactaron este proceso de transferencia reflejado en una construcción de conocimiento ambiguo. Por su parte Cummings (2003), en su obra “Transferring R&D knowledge: the key factors affecting knowledge transfer success”, basa 42 sus estudios en la transferencia de conocimiento dentro de más de 15 industrias, a través de tres formas de gobierno. Sostiene que el éxito de la transferencia de conocimiento se encontró asociado con ciertas variables clave: el conocimiento deseado reside dentro de la fuente, el grado en que las partes comparten bases de conocimientos similares, alcance de las interacciones entre la fuente y el destinatario, participación en procesos de articulación a través de la que el conocimiento de la fuente se hace accesible para el receptor. Los autores asiáticos He Ming-Rui, Li Yong-Jian (2005), en su trabajo “Literature Review and Development Trend of Cognition and Sharing of Tacit Knowledge”, hacen una revisión general de la literatura del conocimiento tácito y señalan que éste necesita más investigación basado en los aspectos sobre la base de la psicología individual y cognitiva de los actores involucrados. Al mismo tiempo, el documento hace revisión de la literatura de compartir el conocimiento tácito “de los caminos”, los factores y las acciones de manejo, y señala que el intercambio de conocimiento tácito necesita más investigación de la motivación de compartir, la investigación cuantitativa de compartir la eficiencia y el proceso de intercambio. El trabajo intitulado "A biological model of knowledge development", desarrollado por Y Jinsheng [1] y Li Jiang (2003), [2]investigadores de la universidad de Tianjin en China, ofrecen a este trabajo doctoral un significativo aporte al contrastar el proceso de desarrollo del conocimiento con la reproducción biológica y la evolución, donde concluyen que el conocimiento 43 tiene atributos orgánicos, no inertes, variables diseñando un modelo biológico de desarrollo del conocimiento sobre la base de estas características. Vale destacar que la información obtenida a través de la consulta de material y fuentes bibliográficas para el desarrollo de este apartado, al igual que otras contribuciones a la tesis doctoral, es más extenso que el aquí justificado; destacándose con igual importancia en otras secciones de esta investigación, lo cual permite matizar con elementos de alto impacto, la presente investigación. 2. BASES TEÓRICAS Para la presente investigación, y en función de fundamentar teóricamente la misma, se muestra de manera secuencial y progresiva del objetivo del estudio, la revisión de los antecedentes. Para ello, se hace mención a disertaciones que están encaminadas en la misma línea de acción del estudio, para la orientación a nivel teórico-práctico-científico, en lo que a manejo de fundamentos teóricos se refiere. Igualmente se adicionan los aportes teóricos sobre los aspectos de la investigación. 2.1. TEORÍA GENERAL DE SISTEMAS La Teoría General de Sistemas (TGS), tiene su origen en los mismos orígenes de la filosofía y la ciencia. La palabra “Sistema” proviene de la palabra systêma, que a su vez procede de synistanai (reunir) y de synistêmi (mantenerse juntos). Se dice que el término es introducido en la Filosofía entre el 500 y 200 a. C., por Anaxágoras, Aristóteles, Sexto Empírico y los 44 Estoicos. Entre los siglos XVI y XIX, se trabaja en la concepción de la idea de sistema, su funcionamiento y estructura; se le relaciona con este proceso a René Descartes, Baruch Spinoza, Gottfried Wilhem Leibniz, Immanuel Kant, Ettiene Bonnot de Condillac, Augusto Comte y Pepper Stephen Coburn (Ramírez, 2002). Específicamente se le atribuyen a George Wilhem Friedrich Hegel (1770 – 1831), el planteamiento de las siguientes ideas: - El todo es más que la suma de las partes, - El todo determina la naturaleza de las partes, - Las partes no pueden comprenderse si se consideran en forma aislada del todo, - Las partes están dinámicamente interrelacionadas o son interdependientes. Igualmente, señala Ramírez (2002), que durante el siglo XX, la TGS no está ligada solamente a la Filosofía; aparecen otras disciplinas que se apoyan en ella o le dan elementos para complementar sus planteamientos, siendo éstas: la Psicología de la Gestalt (Christian von Ehrenfels), Teoría de las Comunicaciones (Claude Elwood Shannon), Cibernética (Norbert Wiener), Sociología (Talcott Parsons), Fisiología (Walter Brandford Cannon), Bioquímica (Lawrence J. Henderson); Teoría de autómatas (John von Newman), Cibernética (Ross W. Ashby) Economía (Kenneth Boulding) Ecología (Eugene Pleasants Odum) Administración (Robert Lilienfeld). Para la década de los 50, el biólogo y epistemólogo Ludwing von Bertalanffy, presenta los planteamientos iniciales de la TGS. Bertalanffy 45 trabajó el concepto de sistema abierto e inició el pensamiento sistémico como un movimiento científico importante. Desde sus planteamientos rechazó: - La concepción mecanicista de las ciencias exactas que tienden al análisis de cada fenómeno en sus partes constituyentes. - La identificación de la base de la vida como un conjunto de mecanismos físico – químicos determinados. - La concepción de losorganismos vivientes como autómatas que solo reaccionan cuando son estimulados. La idea de Bertalanffy, surge a partir de la no existencia de conceptos y elementos que le permitieran estudiar los sistemas vivos (posteriormente se consideran a los sistemas sociales también), ya que éstos son sistemas complejos con propiedades particulares y diferentes a las de los sistemas mecánicos (Wender, McDermott, R. y Snyder, 2002). Igualmente, el autor consideró la tendencia hacia la integración de diferentes tipos de ciencias naturales, sociales e incluso exactas, con el fin de dar soluciones más integradas a los problemas presentes en los sistemas; y en oposición a la creciente especialización del conocimiento que se había dado hasta ese entonces, el cual seguía en aumento. El autor razonó que el objeto de estudio de todas las ciencias debían ser los sistemas. Por su parte, Van Gigch (1987, citado por Ramírez 2002), relaciona las justificaciones consideradas por Bertalanffy para desarrollar está teoría, resaltando características como: 46 - La existencia de principios isomorfos similares, que gobiernan la conducta de entidades en muchos campos - La necesidad de una nueva ciencia exitosa en el desarrollo de la teoría de la complejidad organizada - Elaborar una teoría interdisciplinaria para trascender problemas exclusivos de cada ciencia - Proporcionar principios y modelos generales, a fin de que los descubrimientos concebidos en una, puedan ser utilizados por otras - Desarrollar una teoría que agrupe; en vez de considerar solo el análisis aislado y exclusivo de cada parte, tome en cuenta la comprensión de la dependencia recíproca de las disciplinas. 2.1.1. DEFINICIÓN DE SISTEMA El concepto de sistemas ha sido utilizado por dos líneas de pensamiento diferentes. La primera es la teoría de sistemas generales, corriente iniciada por von Bertalanffy, continuada por Boulding y otros. El esfuerzo central de este movimiento, es llegar a la integración de las ciencias. El segundo movimiento es bastante más práctico y se conoce con el nombre de "ingeniería de sistemas" o "ciencias de sistemas" iniciada por la Investigación de Operaciones, seguida por la administración científica (Management Sciences), y finalmente por el Análisis de Sistemas (Potter, 2002). En este sentido, una definición que agrega algunas características adicionales, es la prescrita por Johansen (1993), quien considera el sistema como 47 un grupo de partes y objetos que interactúan, forman un todo o se encuentran bajo la influencia de fuerzas en alguna relación definida. Cabe destacar, que un grupo de elementos no constituye un sistema si no hay una relación e interacción entre estos, ofreciendo la idea de un "todo" con un propósito. Por su parte, Bertalanffy (1976), se basa en los siguientes puntos para llegar a la definición de sistema, interpretándolo como: - "Un todo que funciona como un todo, en virtud de la interacción de sus partes. hablando más o menos un conjunto de relaciones" (Anatol Rapoport). - Algo mayor que la suma de sus partes, ya que consta de estas partes además de la forma en que las partes se relacionan entre sí y, además, más las cualidades que emergen de estas relaciones. - Un conjunto de determinadas relaciones interactivas, una entidad relativamente bien identificados, que mantiene dinámicamente en funcionamiento un cierto conjunto. - El resultado inevitable de intenciones organizados. - Un conjunto de elementos de pie en la interacción, en donde su integridad depende de las partes, y las partes dependen del conjunto donde uno y uno es igual a dos más (algunas interacciones). - Un complejo de componentes que se convierte en una entidad a través de la interacción mutua de sus partes, de átomo a cosmos. - Un conjunto que funciona como un todo, en virtud de la interacción de sus partes. - Una relación organizada de las partes de un todo. 48 - Una manifestación de una organización o un arreglo organizado que: pueden ser físicos, biológicos, psicológicos, sociológicos o simbólica. - Puede ser estática, mecánica, un dispositivo mecánico de regulación, u orgánicamente interactivo con el medio ambiente. - Se pueden organizar jerárquicamente según su nivel de complejidad organizada. - Puede ser una combinación categórica como el sistema hombre-máquina que compone una fábrica. En general, al observar las definiciones de la palabra "sistemas", todos coinciden en considerarlo un conjunto de partes coordinadas, en interacción para alcanzar una serie de objetivos. La Teoría General de Sistemas no busca corregir problemas o intentar soluciones prácticas, pero si producir teorías y formulaciones conceptuales que puedan crear condiciones de aplicación en la realidad empírica. El ser humano, por ejemplo, es un sistema (podríamos añadir un sistema maravillosamente constituido y diseñado), con muchas partes diferentes que contribuyen, de distinta forma, a mantener su vida, su reproducción y su acción. 2.1.2. CLASIFICACIÓN DE LOS SISTEMAS La clasificación se basa en el grado de interacción con otros sistemas, esta depende del individuo que lo hace, el objetivo perseguido y las circunstancias particulares en las cuales se desarrolla. En este punto, se dan lineamientos generales sobre las diferentes clases de sistemas, así como 49 algunos ejemplos que corresponden a su definición. No hay sistema totalmente cerrado, ya que no sería sistema; tampoco existen sistemas totalmente abiertos. De acuerdo con el planteamiento de Alba (1995, citado por Ramírez 2002), los sistemas se clasifican según varios aspectos, de la siguiente manera: Según su relación con el medio ambiente: - Sistemas abiertos: sistema que intercambia materia, energía o información con el ambiente. Ejemplos: Célula, ser humano, ciudad, perro, televisor, familia, estación de radio - Sistemas cerrados: sistema que no intercambia materia, energía o información con el ambiente. Ejemplos: Universo, reloj desechable, llanta de carro. Según su naturaleza: - Sistemas concretos: Sistema físico o tangible. Ejemplos: Equipo de sonido, edificio, pájaro, guitarra, elefante - Sistemas abstractos: Sistema simbólico o conceptual. Ejemplos: Sistema hexadecimal, idioma español, lógica difusa. Según su origen: - Sistemas naturales: Sistema generado por la naturaleza. Ejemplos: Río, bosque, molécula de agua - Sistemas artificiales: Sistema producto de la actividad humana; son concebidos y construidos por el hombre. Ejemplos: Tren, avión, marcapasos, idioma inglés. 50 Según sus relaciones: - Sistemas simples: Sistema con pocos elementos y relaciones. Ejemplos: Juego de billar, péndulo, f(x) = x + 1, palanca. - Sistemas complejos: Sistema con numerosos elementos y relaciones entre ellos. Ejemplos: Cerebro, universidad, cámara fotográfica. Esta clasificación es relativa, porque depende tanto del número de elementos como relaciones considerados. En la práctica, con base a límites psicológicos de la percepción y comprensión humana, un sistema con más o menos, de siete elementos y relaciones, se puede considerar simple. Según su cambio en el tiempo: - Sistemas estáticos: Sistema que no cambia en el tiempo. Ejemplos: Piedra, vaso de plástico, montaña. - Sistemas dinámicos: Sistema que cambia en el tiempo. Ejemplos: Universo, átomo, la tierra, hongo. Según el tipo de variables que lo definen: - Sistemas discretos: Sistema definido por variables discretas. Ejemplos: lógica booleana, alfabeto. - Sistemas continuos: Sistema definido por variables continuas. Ejemplos: alternador, río. Otras clasificaciones: - Sistemas jerárquicos: Sistema cuyos elementos están relacionados mediante relaciones de dependencia o subordinación conformando un 51 organización por niveles. Chiavenato (1999), losdenomina sistemas piramidales. Ejemplos: Gobierno de una ciudad. -- Sistemas de control: Sistema jerárquico en el cual unos elementos son controlados por otros Ejemplos: Lámpara. - Sistemas de control con retroalimentación: sistema de control en el cual los elementos controlados, envían información sobre su estado, a los elementos controladores. Ejemplos: Termostato Bertalanffy (1976), señala la formulación y derivación de aquellos principios que son válidos para los “sistemas” en general, definiéndolo como Teoría General de Sistemas. Para explicar el sentido de esta disciplina, el autor lo circunscribe de acuerdo a lo siguiente: la física se ocupa de sistemas de diferentes niveles de generalidad. Se dilata desde sistemas bastante especiales como los que aplica el ingeniero a la construcción de un puente o una máquina, hasta leyes especiales de disciplinas físicas como la mecánica o la óptica, y leyes de gran generalidad, como los principios de la termodinámica, aplicables a sistemas de naturaleza intrínsecamente diferente- mecánicos, calóricos, químicos o lo que sean. Nada prescribe que tengamos que desembocar en los sistemas tradicionalmente tratados por la física. Podemos muy bien buscar principios aplicables a sistemas en general, sin importar que sean de naturaleza física, biológica o sociológica. Si planteamos esto y definimos bien el sistema, hallaremos que existen modelos, principios y leyes que se aplican a sistemas generalizados, sin importar su particular género, elementos y “fuerzas” participantes (Bertalanffy, 1976, p. 36). 52 Al respecto, una consecuencia de la existencia de propiedades generales de sistemas, es la aparición de similitudes estructurales o isomorfismos en diferentes campos. Hay correspondencias entre los principios que rigen el comportamiento de entidades, que son intrínsecamente muy distintas. Por tomar un ejemplo sencillo, se puede aplicar una ley exponencial de crecimiento a ciertas células bacterianas, poblaciones de bacterias, animales o humanos, al progreso de la investigación científica medida por el número de publicaciones de genética o de ciencia en general. Las entidades en cuestión, bacterias, animales, gente, libros, son completamente diferentes, otro tanto ocurre con los mecanismos causales en cuestión. No obstante, la ley matemática es la misma. Si se toman los sistemas de ecuaciones que describen la competencia entre especies animales y vegetales en la naturaleza; se da el caso de que, iguales sistemas de ecuaciones se aplican en ciertos campos de la fisicoquímica y la economía (Ramírez, 2002). Esta correspondencia se debe, a que las entidades consideradas pueden verse, en ciertos aspectos, como “sistemas”, o sea grupos de elementos en interacción. 2.1.3. RECURSIVIDAD EN SISTEMAS Es una característica de todo sistema viable. Se refiere a que todo sistema contiene dentro de sí varios sistemas, llamados subsistemas, los cuales poseen funciones y características similares al sistema superior en 53 que están contenidos. El principio de recursividad dice que un subsistema es considerado sistema cuando a partir de él se puede explicar al sistema que lo contiene (Brown, 2004). Según Toro (2010), el concepto de recursividad es una de las primeras contribuciones del pensamiento sistémico, específicamente de la teoría general de sistemas. La recursividad se puede definir simplemente como el hecho de que un sistema está compuesto de sistemas. Esto que hoy se trabaja desde la disciplina de "sistema de sistemas" (system of systems), es una noción simple pero poderosa. Dentro de la Teoría General de Sistemas, la ley de recursividad se justifica en el hecho de que un objeto sinérgico, un sistema, esté compuesto de partes con características tales que son a su vez, objetos sinérgicos (sistemas), tal como se muestra en la figura 1. Se habla entonces de sistemas y subsistemas. 0, extendiendo más el concepto, de supersistemas, sistemas y subsistemas. Lo importante del caso, y que es lo esencial de la recursividad, es que cada uno de estos objetos, no importando su tamaño, tiene propiedades que lo convierten en una totalidad, es decir, en elemento independiente. En base a esta teoría, señala González (2010), un elemento pequeño puede explicar al elemento que lo contiene, éste explicaría el subsistema que lo contiene, este a su vez explicaría al sistema que lo contiene y este explicar al supersistema. De manera tal que, cada sistema explica el subsistema contenido en él mismo. 54 Figura 1. Recursividad en los Sistemas Por su parte, Ramírez (2002), manifiesta que seguramente no es posible que exista una jerarquía unificada (salvo quizás desde la perspectiva puramente física), pero el poder detrás de este entendimiento radica en la capacidad de usar el mismo lente, la misma visión, el mismo conjunto de características y comportamientos, independientemente de la unidad de análisis o nivel de interés. Justamente la idea es que cada nivel se pueda entender como un sistema (con partes relacionadas a través de mecanismos de retroalimentación que generan propiedades emergentes). El autor considera que la gestión del conocimiento puede aprovechar la recursividad, para ir agregando esfuerzos desde el nivel individual al inter- organizacional. En el nivel individual, es posible aplicar la gestión del conocimiento en el aprendizaje personal (y en el aprendizaje de como aprendemos, es decir la auto-reflexión). En un nivel grupal, se puede aprovechar este aprendizaje individual para llevarlo al grupo a partir de un doble ciclo de reflexión, como hemos visto. 55 Tratándose de una organización, estos esfuerzos se alinean con las estrategias de un negocio para que el conocimiento generado contribuya a la creación de valor. Aquí es importante promover el flujo de información y la toma de decisiones mediante capacidades laterales; es decir, aquellas que son contingentes y que no se rigen por la estructura de un organigrama (especialmente si este es jerárquico) sino que permiten la comunicación lateral (entre grupos, entre departamentos). De este manera, se rompe la rigidez de una jerarquía, estimulando las capacidades dinámicas y permitiendo empoderamiento a nivel individual y mayor tiempo estratégico a nivel gerencial. Finalmente, de manera recursiva, se llega al nivel inter-organizacional, indica González (2010). Aquí el énfasis está en la construcción de redes de valor, donde el conocimiento fluye entre organizaciones para generar competitividad a partir de los recursos de red, y no solo a partir de los recursos de la empresa, por separado. En un mundo en que el diseño, la fabricación, el ensamblado, la distribución, la comercialización, el servicio, están globalizados y tienden a involucrar organizaciones distribuidas geográficamente, una estrategia de gestión de conocimiento inter-organizacional resulta imperativa. 2.2. ENFOQUE SISTÉMICO, COMPLEJIDAD/PENSAMIENTO COMPLEJO Y TRANSDISCIPLINARIEDAD 2.2.1. ENFOQUE SISTÉMICO El enfoque sistémico es indispensable cuando se trata con estructuras dinámicas o sistemas que no se componen de elementos homogéneos y, por 56 lo tanto, no se le pueden aplicar las cuatro leyes que constituyen la matemática actual sin desnaturalizarlos, la ley aditiva de elementos, la conmutativa, la asociativa y la distributiva de los mismos, pues, en realidad, no son “elementos homogéneos”, ni agregados, ni “partes”, sino constituyentes de una entidad superior (Ramírez, 2002). En consecuencia, las realidades sistémicas se componen de elementos o constituyentes heterogéneos, definiéndose por su posición o por la función que desempeñan en la estructura o sistema total; es más, el buen o mal funcionamiento de un elemento repercute o compromete el funcionamientode todo el sistema. En general, podría señalarse, como una especie de referente clave, que la matemática trabaja bien con objetos constituidos por elementos homogéneos y pierde su capacidad de aplicación en la medida en que éstos son de naturaleza heterogénea, donde entra en acción lo cualitativo y sus relaciones. El biólogo Ludwig Von Bertalanffy (1972), refiere que desde el átomo hasta la galaxia se vive en un mundo de sistemas, afirmando que para entender matemáticamente, algunos aspectos, como por ejemplo, los conceptos biológicos de diferenciación, desarrollo, equifinalidad, totalidad, generación (todos sistémicos), se haría necesario unas “matemáticas gestálticas”, en las que fuera fundamental, no la noción de cantidad, sino la de relación, forma y orden. En este sentido, Toro (2010), señala que a estas matemáticas se les conoce con los nombres de “matemáticas de la complejidad”, “teoría de los 57 sistemas dinámicos” o “dinámica no-lineal”, ya que trabajan con centenares de variables interactuantes e intervinientes durante los procesos con la cuarta dimensión “tiempo”. Se trata de unas “matemáticas más cualitativas que cuantitativas”. En ellas se pasa de los objetos a las relaciones, de las cantidades a las cualidades, de las substancias a los patrones. Su práctica es posible gracias a los ordenadores de alta velocidad que pueden ahora resolver problemas complejos, no-lineales (con más de una solución), antes imposibles, graficar sus resultados en curvas y diagramas para descubrir patrones cualitativos (sin ecuaciones ni fórmulas), guiados por los llamados “patrones atractores”. El pensamiento sistémico, indica Ramírez (2002), comporta además, un cambio de la ciencia objetiva a la ciencia epistémica, es decir, se tiene en cuenta la posición personal del sujeto investigador, como el físico tiene en cuenta la temperatura previa del termómetro que usa. La comprensión de toda entidad que sea un sistema o una estructura dinámica requiere el uso de un pensamiento o una lógica dialécticos; no basta la relación cuantitativo- aditiva y ni siquiera es suficiente la lógica deductiva, ya que aparece una nueva realidad emergente que no existía antes, haciendo imposible deducir las propiedades emergentes con las premisas anteriores. Estas cualidades no están presentes en los elementos, sino que florecen por las relaciones establecidas entre ellos: de esta manera se aparece la tercera dimensión, que no se da en ninguno de los ojos por separado; igualmente surgen las propiedades del agua, las cuales existen en 58 la medida que sus elementos (oxígeno e hidrógeno) se relacionan, no estando presentes con los elementos solos. Igualmente, se presenta el significado al relacionarse varias palabras en una estructura lingüística; así emerge la vida por la interacción de varias entidades físico-químicas, entre otras. El principio de exclusión del físico cuántico Wolfgang Pauli, por su parte, estableció, desde 1925, que las “leyes-sistemas” no son derivables de las leyes que rigen a sus componentes. Las propiedades que exhibe, por ejemplo, un átomo en cuanto un todo, se gobiernan por leyes no relacionadas con aquellas que rigen a sus “partes separadas”; el todo es entendido y explicado por conceptos característicos de niveles superiores de organización. Este principio se extiende a todos los sistemas o estructuras dinámicas que constituyen nuestro mundo: sistemas atómicos, sistemas moleculares, sistemas celulares, sistemas biológicos, psicológicos, sociológicos, culturales (Endy, 2005). En fin, la naturaleza de la gran mayoría de los entes o realidades es un todo polisistémico, que se rebela cuando es reducido a sus elementos. Su rebelión viene dada, precisamente, porque así, reducido, pierde las cualidades emergentes del “todo”, así como la acción de éstas sobre cada una de las partes. En consecuencia, cada disciplina deberá hacer una revisión, una reformulación o una redefinición de sus propias estructuras lógicas individuales, que fueron establecidas aislada e independientemente del 59 sistema total con que interactúan, ya que sus conclusiones, en la medida en que hayan cortado los lazos de interconexión con el sistema global de que forman parte, serán parcial o totalmente inconsistentes. Esto equivale a decir que debemos pasar de los planes de estudio monodisciplinares a planes de estudio multidisciplinarios, interdisciplinarios y transdisciplinarios, haciendo énfasis precisamente en sus interrelaciones. 2.2.2. COMPLEJIDAD/PENSAMIENTO COMPLEJO En cuanto a la complejidad lleva en principio, lo que es irracional, incierto, confuso, desordenado. Siendo así la complejidad, es un concepto que hay que explorar, definir (Morin & Le Moigne, 2000). La definición de complejidad existe en muchas ciencias, tal vez, en todas. Sin embargo, no hay acuerdo entre las definiciones resultantes, tal vez algunos puntos en común, nada más. Estos puntos se refieren a la relación entre la complejidad y sistemismo, más no a la relación entre el sistema y la complejidad (Luhmann, 1998). (a) Antecedentes para contextualizar el concepto de Pensamiento Complejo. En el siglo XX ningún concepto se resignificó con tanta profundidad como “complejo”. De un uso común y científico que había perdido sus raíces y lo relacionaba con lo complicado, lo enmarañado y lo difícil de entender, retomó su sentido originario y pasó a significar una nueva perspectiva para designar al ser humano, la naturaleza, y nuestras relaciones con ella. Así, el término “complejo” designa hoy una comprensión del mundo 60 como entidad donde todo se encuentra entrelazado, como en un tejido compuesto de finos hilos, en fin, complexus: lo que está tejido junto (Schatten y Žugaj, 2011). (b) Los autores contemporáneos de lo complejo. Para un cambio tan radical en los significados han convergido las prácticas humanas en el cambio, las ciencias y las mentes brillantes de los últimos tiempos. Algunos autores contemporáneos gustan señalar que de lo complejo se puede hablar hoy en tres sentidos complementarios: - Ciencias de la Complejidad. Se habla de ciencias de la complejidad, indica Riechmann (2006), cuando se trata de investigaciones que, en diversos campos, hacen avanzar el conocimiento científico al introducir una comprensión del mundo como sistema entrelazado. Estos estudios científicos, auxiliados de potentes dispositivos computacionales, han avanzado en la creación de modelos para explicar los comportamientos de los sistemas en el tiempo, con lo que se han abierto nuevos campos de investigación, así como nuevas herramientas para comprender este tipo de sistemas. Se forma a partir de estos estudios, indirectamente, una comprensión del mundo como sistema entrelazado, que exhibe propiedades completamente nuevas y sorprendentes, como la no linealidad, o nuevas formas de determinación como el caos determinista. El aporte principal de estas teorías consiste en el avance del conocimiento de los sistemas específicos, unido a la creación de modelos y simulaciones computacionales, que permiten comprenderlos como entidades no reducibles a relaciones causales simples. 61 - Cosmovisión Compleja. Se habla de Cosmovisión compleja, cuando se realizan elaboraciones de carácter filosófico como en el pensamiento sistémico de Bertalanffy, agregando, desde los setentas, las interpretaciones de Ilya Prigogine acerca de la necesidad de comprender la inestabilidad, como propiedad de la naturaleza y la reconstrucción de nuestras relaciones con ella; o la ecología profunda, su propuesta (Maturana, 2003). Este tipo de elaboración filosófico-cosmovisiva, relaciona los estudios científicos con la vida práctica: De la explicación del mundo como un sistema que exhibe propiedades complejas, se concluye acerca de cómo reconstruir nuestras relaciones con él.- La interpretación del Pensamiento Complejo: Edgar Morin. Se habla de Pensamiento complejo, cuando se trata de construir un método nuevo, sobre la base de las ideas complejas que emanan de las ciencias y su conjugación con el pensamiento humanista, político social y filosófico, como es el caso del pensador universalista francés Edgar Morin (1990). También se utiliza pensamiento complejo en un sentido más estrecho, para designar los estudios científicos que intentan explicar las dinámicas complejas de los objetos en estudio, sin extraer de ello, consecuencias cosmovisivas o metodológicas más generales. Edgar Morin (1990), ha denominado esta postura complejidad restringida, para diferenciarla de aquella más amplia y humanista, donde lo define como un método de pensamiento nuevo, válido para comprender la naturaleza, la sociedad, reorganizar la vida humana, y para buscar soluciones a las crisis de la humanidad contemporánea. 62 (c) La trama de la complejidad. Cualquiera de estas clasificaciones debería tomar en consideración al resto, pues el desafío de la complejidad consiste precisamente, en el reconocimiento de las tramas o redes de relaciones, y la imposibilidad humana de agotarlas en el conocimiento. Esta relación de antagonismo y complementariedad debe considerarse también con respecto a las clasificaciones de lo complejo, y los intentos de “medir” o cuantificar la complejidad. Por otra parte, cada una de estas vertientes se encuentra relacionada con la otra, y la diferenciación está condicionada por la perspectiva desde la cual se valora. Los estudios de lo complejo han impactado en áreas científicas que estudian la naturaleza y la sociedad. Entre los científicos más relevantes que han contribuido a este campo se encuentran Benoit Mandelbrot, Ilya Prigogine, René Thom, Francisco Varela, Humberto Maturana, Edgar Morin, entre otros. (d) La evolución de las ideas complejas. La evolución de las ideas complejas en el siglo XX puede caracterizarse en tres grandes momentos. El primero, en los sesenta, donde se trabaja en varios campos científicos sin que trasciendan los nuevos desarrollos conceptuales más a allá de áreas muy específicas. Entre los setentas y ochentas, se produce una mayor socialización de las ideas complejas entre diversos campos disciplinarios. Finalmente en los noventas, se produce un boom mediático que coloco la complejidad y lo complejo en documentales científicos, revistas de divulgación y la prensa (Riechmann, 2006). 63 (e) El impacto de la idea de la complejidad. Es difícil medir los impactos de las nuevas ideas, pero en el caso del estudio de lo complejo, su impacto se ha dejado sentir en las ciencias naturales y sociales, así como en las formas de organización de los conocimientos. Así, en relación directa del estudio de lo complejo y la superación de las formas disciplinarias clásicas de organización de los conocimientos, se han desarrollado estrategias inter, multi y transdisciplinarias (Nicolescu, 1996). (f) El problema de la complejidad y Edgar Morin. El estudio de lo complejo ha impactado también en el ámbito más directo de las interacciones de los seres humanos: la educación, la interpretación de la sociedad, la política, y la comprensión del momento actual que vive la humanidad. El problema de la complejidad ha pasado a ser el problema de la vida y el vivir, el problema de la construcción del futuro y la búsqueda de soluciones a los problemas contemporáneos. En palabras de Edgar Morin, cuando se habla de complejidad “…se trata de enfrentar la dificultad de pensar y de vivir” (2006: p. 65). 2.2.3. TRANSDISCIPLINARIDAD Bertalanffy (1976), afirma que en la ciencia moderna hay una especialización creciente de los conocimientos, una inmensa cantidad de datos, complejidad de técnicas, estructuras teóricas en cada campo. Lo anterior ha generado la división de la ciencia en innumerables disciplinas. Los especialistas en cada área están en universos privados, negándose a 64 compartir información con otros. Es necesario estudiar no sólo las partes y procesos aislados de un sistema, sino también resolver los problemas hallados en el mismo, como resultado de la interacción dinámica de sus partes, que hace diferente el comportamiento de éstas, cuando se estudian aisladas, o cuando se consideran dentro del todo. A continuación se hace una breve relación del concepto de interdisciplinariedad y algunas de sus diversas formas, según (Bertalanffy, 1976): - Acción entre disciplinas científicas - Conveniente articulación de las ciencias o disciplinas particulares y de los diversos círculos epistemológicos o sectores de afinidad disciplinaria, para el estudio de problemas complejos, producir soluciones más integradas, de manera que se combata la yuxtaposición de puntos de vista - Corresponde a la formación general y liberal del hombre, así como el adecuado estudio para buscar la solución de problemas - Anhelo de cosmovisión cohesionada de las ciencias y las actividades humanas - Forma de retorno a la unidad, articulación del conocimiento y síntesis. La interdisciplinariedad se hace necesaria para abarcar los problemas actuales del hombre, la sociedad, la ciencia y la naturaleza. Ahora bien, según Borrero (1991) hay varias modalidades de la interdisciplinariedad: multidisciplinariedad, interdisciplinariedad paralela o interdisciplinariedad heterogénea; se da cuando diversas disciplinas del 65 saber, sin articularse y carentes de relación pensada, se yuxtaponen. Se puede representar según el siguiente esquema: Pluridisciplinariedad; es en cierta manera un modo de multidisciplinariedad, dada la yuxtaposición (no articulación) de disciplinas. Sólo que en este caso una disciplina destaca sobre las demás, por lo cual a éstas se les resta la importancia debida. Transdisciplinariedad; ocurre cuando varias disciplinas interactúan mediante la adopción de alguna o algunas disciplinas, o de otros recursos como las lenguas, que operan como nexos analíticos. En otras palabras, la transdisciplinariedad evoca una evolución de las disciplinas; organiza los conocimientos que trascienden las disciplinas de una forma radical; representa la aspiración a un conocimiento lo más completo posible, que sea capaz de dialogar con la diversidad de los saberes humanos. Por eso el diálogo de saberes y la complejidad, son inherentes a la actitud transdisciplinaria, que se plantea el mundo como pregunta y como aspiración. Dentro de este marco, según Nicolescu (1996), la transdisciplina no renuncia ni rechaza las disciplinas. Solo las tergiversaciones lo hacen. En este sentido, explica el autor, que disciplina, Interdisciplina, Pluridisciplina y Transdisciplina son todas como flechas de un mismo arco, el arco del conocimiento Humano. Con la transdisciplina se aspira a un conocimiento relacional, complejo, que nunca será acabado, por desear el diálogo y la revisión permanentes. Tal vez este último principio se deba, en gran medida, a que 66 conocemos, con nuestros órganos de los sentidos, nuestra percepción. Como señala Von Foerster (citado por Nicolescu, 1996), no existe un único punto de vista (disciplina), sino múltiples visiones de un mismo objeto, la realidad entonces puede ser vista como un prisma de múltiples caras o niveles de realidad. En este sentido, la transdisciplina no elimina las disciplinas, sólo remueve esa verdad que promueve que el conocimiento disciplinario es totalizador, cambiando el enfoque disciplinario, por uno que lo atraviesa, el transdisciplinario. Corresponde a Nicolescu (1996), la comprensión de la transdisciplina que enfatiza el “ir más allá” de las disciplinas, trascenderlas; concierne entonces a una indagación que a la vez, se realice entre las disciplinas, las atraviese y continúe más allá de ellas. Su meta ha cambiado,ya no se circunscribe a la disciplina, sino que intenta una comprensión del mundo bajo los imperativos de la unidad del conocimiento. La transdisciplina y complejidad según Basarab, están estrechamente unidas como formas de pensamiento relacional, y como interpretaciones del conocimiento desde la perspectiva de la vida humana y el compromiso social: Volvemos entonces a la imperiosa necesidad de proponer, vivir, aprender y enseñar un pensamiento complejo, que vuelva a tejer las disciplinas como posibilidad de humanidad en completud; y que sólo de esta manera se vencería la eterna limitación y fragmentación del sujeto separado de sí mismo en la búsqueda del conocimiento (1996, p. 78). Por consiguiente, la clave de la transdisciplinaridad reside en la unificación semántica y operativa de las acepciones a través y más allá de 67 las disciplinas" (Ander-Egg: 1999, p. 108, citado por Méndez, 2010). "La transdisciplinaridad sólo aparece si la investigación se basa en una comprensión teórica común; debe ir acompañada por una interpenetración mutua de epistemologías disciplinares" (Gibbons: 1997, p. 45 citado por Méndez, 2010), así mismo la transdisciplinaridad avanza hacia modos de investigación orientados hacia resultados contextualizados. Según Piaget (citado por Palmade, 1979), la transdisciplinariedad se cristaliza en la elaboración de una "teoría general de sistemas o de estructuras" que incluyen estructuras operativas, regulatorias y probabilísticas, las cuales unirían estas diversas posibilidades por medio de transformaciones reguladas y definidas. Los estudios transdisciplinarios van hacia el resurgimiento de la filosofía al estilo de los griegos de la época clásica, como ciencia de la totalidad que busca articular la realidad desde los principios que la presiden. 2.3. MODELOS Las acepciones del concepto de modelo son muy diversas. Puede considerarse al modelo, en términos generales, como representación de la realidad, explicación de un fenómeno, ideal digno de imitarse, paradigma, canon, patrón o guía de acción; idealización de la realidad; arquetipo, prototipo, uno entre una serie de objetos similares, un conjunto de elementos esenciales o los supuestos teóricos de un sistema social (Caracheo, 2002). 68 Sesento (2008), por su parte, define modelo como ejemplar o forma que se propone y se sigue en la ejecución de una obra artística, ejemplar para ser imitado, representación en pequeña escala de una cosa, copia o réplica de un original, construcción o creación que sirve para medir, explicar e interpretar los rasgos y significados de las actividades agrupadas en las diversas disciplinas. De esta manera, se desprende que los modelos son construcciones mentales que permiten una aproximación a la realidad de un fenómeno, distinguiendo sus características para facilitar su comprensión. El término modelo, en consecuencia, tiene una amplia gama de usos en las ciencias y puede referirse a casi cualquier cosa, desde una maqueta hasta un conjunto de ideas abstractas. En este orden de ideas, Caracheo (2002), afirma que la perspectiva sobre el modelo se basa, además, en una representación parcial de la realidad; esto se refiere, a que no es posible explicar una totalidad, ni incluir todas las variables que esta pueda tener, por lo que se refiere más bien a la explicación de un fenómeno o proceso específico, visto siempre desde el punto de vista de su autor. Otra acepción define al modelo, como un patrón a seguir o muestra para conocer algo, existe también la idea de que un modelo debe ser utilizado para probar una hipótesis o una teoría, o tan sólo para poder explicar un proceso o una abstracción (Aguilera, 2000). Aún cuando la explicación de un modelo parte de supuestos hipotéticos o de teorías previas 69 ya confirmadas, ésta estaría completa si no abarca observaciones y experimentaciones posteriores que den cuenta de todos aquellos elementos, mecanismos y procesos incluidos en él. El modelo explica a la realidad y la fundamentación teórica explica al modelo. De acuerdo con Flórez (1999, citado por Sesento 2008), el lenguaje suministra una forma de modelar la realidad; cuando el individuo prefigura en su mente la acción que va a ejecutar a continuación, la está planeando, preordenando, modelando. Por lo tanto, un modelo es la imagen o representación del conjunto de relaciones que definen un fenómeno, con miras a su mejor comprensión. Aunque difieren cualitativamente en cuanto a su valor explicativo, todos los modelos comparten la característica de ser imágenes o representaciones construidas sobre lo que podría ser la multiplicidad de fenómenos o cosas observables, reducidas a una raíz común que permita captarlas como similares en su estructura o al menos en su funcionamiento. 2.3.1. ESTRUCTURA DE LOS MODELOS Según Rodríguez (2000), los modelos poseen una estructura bastante definida, compuesta como se establece a continuación: - Los componentes; son las partes constituyentes del sistema. También se les denomina elementos o subsistemas. - Las variables; son aquellos valores que cambian dentro de la simulación, forman parte de las funciones del modelo o de una función objetivo. 70 - Los parámetros; son cantidades a las cuales se les asignan valores, una vez establecidos los parámetros, son constantes y no varían dentro de la simulación. - Las relaciones funcionales; muestran el comportamiento de las variables y parámetros, dentro de un componente, o entre componentes de un sistema. Estas características operativas pueden ser de naturaleza determinística o estocástica. Siendo las primeras (relaciones determinísticas), definiciones que relacionan ciertos parámetros, donde una salida de proceso, es singularmente determinada, por una entrada dada. Las relaciones estocásticas, por su parte, son aquellas en las que el proceso tiene de manera característica, una salida indefinida para una entrada determinada. - Las restricciones; son limitaciones impuestas a los valores de las variables, o la manera en la cual los recursos pueden asignarse o consumirse. - Funciones de objetivos; en esta parte se definen explícitamente los objetivos del sistema y la forma cómo se evaluarán, es una medida de la eficiencia del sistema. 2.3.2. MODELO CIENTÍFICO En ciencias puras y, sobre todo, en ciencias aplicadas, se denomina modelo científico a una representación abstracta, conceptual, gráfica o visual (por ejemplo: mapa conceptual), física, matemática, de fenómenos, sistemas o procesos a fin de analizar, describir, explicar, simular - en general, explorar, 71 controlar y predecir- esos fenómenos o procesos. Un modelo permite determinar un resultado final a partir de unos datos de entrada. Se considera que la creación de un modelo es una parte esencial de toda actividad científica (Sesento, 2008). Al respecto, señala Caracheo (2002), que aún cuando hay pocos acuerdos acerca del uso de modelos, la ciencia moderna ofrece una colección creciente de métodos, técnicas y teorías acerca de diversos tipos. Las teorías propuestas sobre la construcción, empleo y validación de modelos, se encuentran en disciplinas tales como la metodología, filosofía de la ciencia, teoría general de sistemas y el campo, relativamente nuevo, de visualización científica. En la práctica, diferentes disciplinas científicas tienen sus propias ideas y normas, acerca de tipos específicos de modelos. Sin embargo, y en general, todos siguen los principios del modelado. De allí pues se puede afirmar, que para hacer un modelo, es necesario plantear una serie de hipótesis, que de una u otra manera reflejen claramente, la intencionalidad de lo que se desea, a fin de que esté suficientemente plasmado en la representación, aunque también se busca, que sea lo bastante sencillo como para poder ser manipuladoy estudiado. 2.3.3. PARTES DE UN MODELO Para estructurar un modelo, este debe contener una serie de partes que lo conforman y permitan su elaboración de manera más clara y precisa. Sesento (2008), define dos partes importantes a considerar, para la 72 construcción de un modelo, asegurando que consta de dos aspectos importantes: Reglas de representación del input y el output. Las reglas de representación permiten construir partiendo de una realidad física. Definir un conjunto de datos de entrada o input, a partir de los cuales el modelo proporcionará un output o resultado final, que también será una interpretación del efecto de las condiciones iniciales elegidas sobre la realidad física. Estructura interna que dependerá del tipo de modelo. Esta estructura interna permite definir una correspondencia entre el input y el output. Un modelo es determinista si al mismo input le corresponde el mismo output y no determinista si al mismo input pueden corresponderle diferentes outputs. Es de hacer notar que, tanto las reglas de representación como el funcionamiento o lógica interna del modelo, sólo tendrán sentido en un determinado ámbito científico. En situaciones ajenas al ámbito del modelo, puede no existir una representación adecuada de los datos, una errada interpretación de los resultados en términos reales, o en su defecto, que la estructura interna no sea adecuada o válida para ese tipo de situación, fuera del ámbito normal del modelo. 2.3.4. TIPOS DE MODELOS En líneas generales, los modelos se clasifican por su estructura interna más que por los detalles formales del input, output o la 73 forma de representación. Morin (2004), realiza una clasificación de los modelos, tomando en consideración su estructura interna, detallando los siguientes: 2.3.4.1. MODELOS FÍSICOS Es una representación -generalmente a escala, ya sea mayor o menor- de algún objeto de interés; permite su observación en diferentes circunstancias. La escala no es necesariamente la misma en todos los ejes. Cuando una determinada realidad física se reproduce en un sistema simplificado, un modelo a escala o un prototipo que guarda cierta relación con la realidad que pretende ser modelizada. En cuanto a su representación, estos modelos se basan en aspectos de la ciencia física, de aquellos movimientos de los cuerpos, siendo además cuantificable. Generalmente representan el fenómeno estudiado utilizando las mismas relaciones físicas del prototipo pero reduciendo su escala para hacerlo manejable. Por ejemplo, pertenecen a este tipo de modelo, las representaciones a escalas reducidas de presas hidráulicas, puertos, o de elementos de estas obras, como un vertedero o una escollera. 2.3.4.2. MODELOS MATEMÁTICOS Es aquel que busca representar fenómenos o relaciones entre ellos a través de una formulación matemática. Dentro de ellos existe una clasificación que los ordena como: 74 (a) Modelos Deterministas. Aquellos en los cuales se asume que tanto los datos empleados como los fenómenos mismos son completamente conocidos, por lo menos en principio, y que las fórmulas empleadas son lo suficientemente exactas como para determinar precisamente el resultado, dentro de los límites determinados por la observación. (b) Modelos Estocásticos o Probabilísticos. En el cual los datos empleados como los fenómenos mismos son completamente desconocidos; esto implica que el resultado es una probabilidad, dejando la existencia de incertidumbre. (c) Modelos Numéricos. En los que la realidad física y las condiciones iniciales se representan mediante un conjunto de números, a partir de ellos se calculan u obtienen por algún medio, otros resultados numéricos que reflejan cierto efecto de las condiciones iniciales. Estos modelos permiten “experimentar” a través de simulaciones en un computador de modelos matemáticos o lógicos. En este tipo de modelos la representación puede venir dada no sólo en término de números, sino también letras, símbolos o entidades matemáticas más complejas. Por ejemplo, al referirse a un modelo gráfico de matemáticas, se observan imágenes y gráficas matemáticas, que representan un modelo numérico y de ecuaciones, los cuales son expresiones visuales basadas en aspectos cuantificables y de la ciencia matemática. 75 2.3.4.3. MODELOS GRÁFICOS Son la representación de datos, generalmente numéricos, mediante recursos gráficos (tales como líneas, vectores, superficies o símbolos), para que la relación entre los diferentes elementos o factores guardan entre sí se manifiesten visualmente. 2.3.4.4. MODELOS ANALÓGICOS Se basan en las analogías que se observan desde el punto de vista del comportamiento de sistemas físicos diferentes que, sin embargo, están regidos por formulaciones matemáticas idénticas. Por ejemplo, hasta los años 1970 el modelaje de sistemas de aguas subterráneas se realizaba con redes eléctricas de resistencias y condensadores. Este procedimiento, bastante engorroso y costoso se sustituyó con el modelaje puramente matemático en la medida en que aumentó la capacidad de los computadores y se popularizó el uso del cálculo numérico. 2.3.4.5. MODELOS CONCEPTUALES Pueden entenderse como un mapa de conceptos y sus relaciones, incluyendo suposiciones acerca de la naturaleza tanto de los fenómenos que esos conceptos representan como sus relaciones. Estos modelos implican un alto nivel de abstracción, concentrándose en aspectos de categorías 76 semánticas o conceptuales que son considerados fundamentales para la comprensión de lo representado. Los modelos conceptuales se podrían clasificar en modelos que se refieren a entidades o fenómenos aislados o únicos (el átomo, el universo), y los que se refieren a entidades específicas por lo menos en principio en relación a un grupo de tales entidades. Estos se representan por una descripción cualitativa bien organizada, que permite la medición de sus factores. 2.3.4.6. MODELOS FRACTALES Así como se usa la biomímesis para generar modelos que den soluciones a problemas de la vida cotidiana mediante la imitación de la naturaleza, se encontró que también, el organismo de los humanos imita modelos fractales presentes en la naturaleza. Según Vanga (2012), en la búsqueda de nuevos horizontes, desde los años 70 se sobrepasa el límite de las matemáticas, se tocan otras disciplinas que abordan entes naturales como: la biología, medicina, astronomía, geografía, geometría, surgiendo de esta interacción, la geometría fractal. Igualmente, señala la autora, el término fractal fue creado por Mandelbrot en 1977, en su obra La geometría Fractal de la Naturaleza, en la cual designaba con este nombre a ciertos objetos geométricos de estructura irregular. El término fractal proviene de la palabra latina FRACTUS, que significa parte fracción, y de RANGERE: romper. Por lo tanto, un fractal es un objeto semi-geométrico cuya estructura básica, fragmentada o irregular, se repite a diferentes 77 escalas, por lo que permanece incambiada cualquiera sea el aumento con el que se la observe. Esta propiedad recibe el nombre de «auto-semejanza». Son objetos geométricos complejos cuyas partes son parecidas al todo. 2.3.4.7. MODELOS METODOLÓGICOS Aristóteles fue el primero en aplicar el análisis sistemático a los métodos de la ciencia. En su lógica formal demostró que el pensamiento utiliza siempre tres elementos simples, que aún hoy siguen siendo los elementos más importantes de la lógica: el concepto, el juicio y la conclusión. Su principal logro en el estudio de la lógica fue el desarrollo de los métodos de deducción, inferencia de lo general a lo particular, y la inducción, inferencia de lo particular a lo general, tal como se muestraen la figura 2 (Sesento, 2008). Figura 2. Métodos de inducción y deducción en relación a Bottom‐Up y Top‐Down Existen métodos de diseño e ingeniería que todavía utilizan estos sencillos planteamientos, como el top‐down que se corresponde con la deducción, y el bottom‐up con la inducción. La deducción comienza con el más alto nivel de abstracción o conceptualización y se desarrolla, hasta el 78 detalle, mientras que la inducción comienza con detalles y se desarrolla hasta llegar al mayor nivel de abstracción o conceptualización. Señala Caracheo (2002), que incluso en el planteamiento de diseño de productos, en ocasiones se habla de diseño de “adentro hacia afuera” y viceversa, lo cual corresponden con la deducción e inducción. Siendo los procesos de “adentro hacia afuera” aquellos que parten de las necesidades funcionales y requisitos del producto, los que definen los componentes para terminar en los aspectos formales y estéticos; los procesos de “afuera hacia adentro” son aquellos que parten de una característica estética o formal, terminando en la definición de componentes, funciones; estos casos son típicos de rediseños en los cuales las especificaciones técnicas, se corresponden con la de un producto anterior. Existen simplificaciones metodológicas aplicadas al proceso de diseño y desarrollo de productos, todas ellas se basan esencialmente en tres acciones básicas: planificación, desarrollo y realización (ejecución), esta secuencia es repetida tanto a nivel global dentro del proyecto como en detalle para la resolución de detalles finales. Jones (1970) y Asimow (1962) citados por Caracheo (2002), coinciden en que estas tres fases repetidas llevan a que cada ciclo sea más detallado que el anterior y que la reutilización de esta sea satisfactoria. Esta metodología en muy similar al círculo de Deming (1989) citado por Caracheo (2002), con las acciones Planificar, Hacer, Verificar y Actuar (Figura 3), variando únicamente la fase de control que en los procesos de diseño se 79 hacen de forma automática, como retroalimentación, al finalizar cada fase a través de reuniones con presentaciones ante los responsables de proyecto o clientes. El círculo de Deming es característico por su proceso cíclico, típico de los procesos descritos anteriormente en las diferentes normativas. Figura 3. Circulo de Deming (1989) Otra metodología, incluso más genérica y con mayor carga lógica y analítica, es el Método Cartesiano, basado en cuatro axiomas, método planteado por René Descartes en el año 1.637 (Ramírez, 2002). En resumen se trata de comprender que es necesaria la descomposición de la situación de partida para poder estructurar el trabajo que se plantea, comprendiendo las pequeñas particularidades, dándoles solución de forma que permitan encontrar la vía más optima y adecuada, tras realizar las pertinentes acciones de control, por medio de revisiones contrastadas. 2.3.4.8. MODELOS PARA LA GESTIÓN DEL CONOCIMIENTO Según Rodríguez (2006), a pesar de la existencia de incontables modelos para la gestión del conocimiento, se pueden definir tres 80 tipologías, agrupadas en tres tipos de modelos para la gestión del conocimiento. El modelo de tipo “Almacenamiento, acceso y transferencia de conocimiento”; no se distingue el conocimiento de la información, lo concibe como una entidad independiente de las personas que lo crean e utilizan. Este tipo de modelo se centra en el desarrollo de metodologías, estrategias y técnicas para almacenar el «conocimiento» disponible en la organización en depósitos de fácil acceso, a fin de propiciar su posterior transferencia entre los miembros de la organización. Para Davenport y Prusak (1998, citado por Rodríguez, 2006), existen tres tipos básicos de almacenes de conocimiento: conocimiento externo, conocimiento interno estructurado y conocimiento interno informal. Agrega Rodríguez (2006), los modelos de tipo sociocultural se centran el desarrollo de una cultura organizacional adecuada, para lograr el desarrollo de procesos de gestión del conocimiento. Estos modelos intentan promover cambios de actitudes, fomentar confianza, estimular la creatividad, concienciar sobre la importancia y el valor del conocimiento, promover la comunicación y la colaboración entre los miembros de la organización, entre otros aspectos. El modelo de tipo Tecnológico, por su parte, destaca el desarrollo y la utilización de sistemas (por ejemplo: data warehousing, intranets, sistemas expertos, sistemas de información, Web) y herramientas tecnológicas (por ejemplo: motores de búsqueda, herramientas multimedia y de toma de decisiones) para la gestión del conocimiento. 81 Estas tipologías de modelos para la gestión del conocimiento tienden a difuminarse y mezclarse unas con otras. De hecho, la mejor opción para desarrollar un modelo para la creación y gestión del conocimiento, es basarlo en una perspectiva ecléctica que considere los aspectos fundamentales de todas ellas (Aguilera 2000, citado por Segura 2008). 2.4. AGENTES HÍBRIDOS DE INNOVACIÓN (MANUAL DE OSLO) En los años 90 se propone el modelo de la “Triple Hélice” el cual enfatiza el papel de las interacciones entre tres ámbitos institucionales, la administración, las empresas y las universidades. Este modelo, siguiendo con las comparaciones con la biología, es un caso de convergencia evolutiva con la propuesta realizada en 1968 por los argentinos Jorge Sábato y Natalio Botana, posteriormente conocida como el Triángulo de Sábato. La propuesta señala que la innovación tiene su fundamento en las interacciones entre el Gobierno, la infraestructura científico-tecnológica y la estructura productiva, conformando los tres lados del triángulo. Sebastian (2009), afirma que el modelo de la triple hélice es especialmente enfático en el papel de las universidades en la innovación, tiene como consecuencia la aparición de conceptos como “universidad emprendedora” y “tercera misión de la universidad”. La evolución basada en los nuevos enfoques de generación, transferencia de conocimientos, ha dado lugar a nuevas formas organizativas, en numerosos casos híbridas, para 82 favorecer los flujos de conocimiento entre universidades, organismos públicos de investigación y entidades privadas. Los diferentes modelos interpretativos de la innovación están siendo superados por cuatro características que tienen cada vez mayor peso en los procesos innovadores: las innovaciones no tecnológicas, la internacionalización de los procesos, el papel del Estado como innovador y la participación de nuevos actores sociales en los procesos de innovación (González, 2010). Como se ha señalado anteriormente, las innovaciones que no son dependientes de nuevos conocimientos, sino de la aplicación de conocimiento existente y de la creatividad individual o colectiva, son crecientemente más numerosas tanto para generar nuevos productos como mejorar procesos, en el amplio ámbito de las innovaciones organizativas y de las denominadas innovaciones de mercadotecnia en el Manual de Oslo, siendo también frecuentes las innovaciones que combinan diferentes niveles y aspectos. A este respecto, señala Sebastian (2009), estos tipos de innovaciones son seguramente más frecuentes en las pequeñas y medianas empresas. El sector de los servicios, con su mayor peso en la estructura económica de muchos países, genera la mayor parte de sus innovaciones como consecuencia de la aplicación, adaptación e incorporación de conocimiento existente. Sectores como el financiero, logística, turismo, ocio y cultura son algunos ejemplos intensivos en esto tipo de innovaciones. 83 Las características y factores críticos que están relacionados con estos procesos de innovación, tienen una especificidad quelas diferencia de las clásicas innovaciones tecnológicas y, en consecuencia, muestran las limitaciones a los modelos señalados anteriormente. 2.4.1. NACIMIENTO DE LOS AGENTES HÍBRIDOS DE INNOVACIÓN. MODELO DE TRIPLE HÉLICE En las últimas décadas se ha evidenciado una convergencia y un entrecruzamiento entre tres mundos: la investigación pública, las empresas y el gobierno. Esta convergencia ha sido representada y explicada por Etzkowitz a través del modelo de triple hélice (CESPRI, 1977 y Etzkowitz, sin fecha), desarrollado después por Leyersdorf, quien proporcionó sistemas teóricos para desarrollar esta idea (Jones-Evans, 1997, Leyersdorf, 1996 y 1977). Este modelo, afirma Sebastian (2009), toma como referencia un modelo espiral de la innovación (frente al modelo lineal tradicional), el cual capta las múltiples relaciones recíprocas entre los organismos institucionales (públicos, privados y académicos) en diferentes niveles de capitalización del conocimiento. Estas tres esferas institucionales, que anteriormente operaban de manera independiente manteniendo una distancia prudencial en las sociedades capitalistas liberales, tienden cada vez más a trabajar conjuntamente siguiendo un modelo en espiral, con vinculaciones que emergen a diversos niveles del proceso de innovación, para formar la 84 llamada “triple hélice”. El modelo de triple hélice resultante de la convergencia final de estos tres mundos podría estar representado por tres factores: los actores, las instituciones y las leyes y reglamentos. 2.4.1.1. ACTORES Este es el nivel “micro” en el que las características evolutivas del modelo son más claramente visibles. Los actores se comportan de acuerdo con papeles y modelos de acción que implican culturas diversas y variadas, que anteriormente estaban separadas, y que pertenecen a tres mundos: instituciones académicas, gobierno y empresa. Ahora pues estos tres mundos están convergiendo (Cotec, 2010). - Los investigadores académicos se convierten en empresarios de sus propias tecnologías. - Los empresarios trabajan en un laboratorio de la universidad o en una oficina de transferencia tecnológica. - Los investigadores públicos dedican tiempo a trabajar en una empresa. - Los investigadores académicos y los investigadores industriales dirigen agencias regionales responsables de la transferencia de tecnología. 2.4.1.2. INSTITUCIONES El nivel “meso” se relaciona con las instituciones, siendo éstas las que organizan la producción, y hacen uso del conocimiento tecnológico. Según Gore (2003), se pueden dividir en tres subcategorías: 85 1. Los “agentes híbridos de innovación”, como las transferencias de alta tecnología de la universidad o las sociedades de participación de capital establecidas por universidades. Estos son directamente responsables de la producción, el uso del conocimiento; constituyen formas híbridas de interacción entre la universidad, la empresa y el gobierno. 2. Las “interfaces de innovación” entre la empresa y la investigación. 3. Los “coordinadores de la innovación”, responsables de la coordinación y de la gestión de las diversas fases de la actividad innovadora. Entre las subcategorías 2 y 3 se pueden encontrar todas las instituciones que operan como apoyo de los organismos tradicionales de investigación, tales como las agencias regionales de transferencia tecnológica. Su tarea consiste en adoptar un planteamiento “de arriba a abajo” para organizar las interacciones entre la empresa y la investigación pública, la difusión del “know-how” tecnológico en la región, entre otros. 2.5. BIOMIMETICA O BIOMÍMESIS Este apartado está basado en los conocimientos aportados por Janine Benyus (1998), en varios de sus libros. Es la fundadora del Instituto de Biomímesis de los Estados Unidos; siendo su mayor aporte, el que todos los problemas que se intentan resolver hoy en día, ya han sido resueltos por la naturaleza durante los millones de años de evolución. La biomímesis es la ciencia que estudia los sistemas naturales para conocer su estructura, funciones, con el propósito de encontrar la inspiración 86 para nuevas tecnologías innovadoras que resuelvan problemas, al tiempo de satisfacer las necesidades humanas. La palabra biomímesis nace de la unión de la palabra bio, cuyo significado es vida, la palabra mímesis, que significa imitar. Sus principios se asientan tanto en la innovación como en la eco- inteligencia natural, pues su objetivo es diseñar, como lo hace la naturaleza, la cual después de miles de millones de años de experiencia, ha desarrollado los modelos más eficientes, funcionales, adecuados y duraderos. En su libro Biomímesis, la bióloga Benyus (1998), define el biomimetismo como una forma de diseño que mejora la calidad de vida fomentando, creando ambientes humanos integrados, no contaminantes. El diseño, desarrollo de productos y servicios inspirados en la naturaleza, se basan en mecanismos de funcionamiento natural. Son organismos que sobreviven a partir de la luz solar utilizando solo la energía imprescindible, integrándose tanto en forma como en función con su ecosistema, aprovechando como alimento los residuos de otros organismos diferentes, que respetan y fomentan la diversidad. Son muchos los ejemplos que existen sobre proyectos y desarrollo basado en biomimética. En el mundo del transporte, por ejemplo, desde el diseño de navíos hasta el aeronáutico, pasando por los vehículos terrestres como automóviles o trenes, es uno de los que más se beneficia de los diseños biomiméticos. El Martín Pescador o Alcedino, del que existen 90 especies de tres familias de ave estrechamente emparentadas, han evolucionado para sacar el máximo partido de su 87 especializada técnica de supervivencia: zambullirse en ríos y arroyos para atrapar pequeños peces. Para zambullirse con la mayor rapidez y precisión posible, el martín pescador adopta una aerodinámica que reduce al máximo la fricción con el agua. El tren bala japonés Shinkansen, de la compañía West Japan Railway Company, es uno de los trenes regulares más rápidos del mundo, aunque sus trayectos regulares tenían un problema: el ruido causado por la presión del aire cuando el tren salía de los numerosos túneles a través de lo que transcurre el recorrido. El ingeniero Eiji Nakatsu, avistador de aves aficionado, recurrió a los diseños de la naturaleza para solucionar el problema. ¿Había algo que viajara tan rápidamente entre distintos medios sin causar estruendo al cambiar del túnel a la intemperie, o de la intemperie al agua? Encontró la respuesta en el martín pescador, cuyo zambullido es tan aerodinámico que no causa ruido. Nakatsu modeló la cabina del tren al modo del pico y la disposición del cuello y la cabeza del martín pescador, en el momento de entrar en el agua (Ver Figura 4). El rediseño consiguió un tren menos ruidoso que emplea un 15% menos de energía mientas viaja un 10% más rápido. 88 Figura 4. Tren Bala de Japón imita el pico del Ave Martin Pescador para la disminución el ruido de los trenes en las salidas de los túneles Otro ejemplo interesante, es el velcro®. Esta aplicación biomimética nace cuando el ingeniero y científico suizo, George de Mestral disfrutaba saliendo a cazar. Una mañana, cuando volvía del campo acompañado por su perro, observó qué difícil resultaba desenganchar las flores del cardo alpino de sus pantalones y del pelo de su perro. Sorprendido por la tenacidad de aquellas flores, las separó con cuidado de la ropa para observarlas en el microscopio. Fue entonces cuando descubrió el motivo por el cual se pegaban con tanta insistencia: las flores estaban rodeadas de una multitud de ganchillos que actuaban a modo de resistentes garfios y de esta forma, se adherían al pelo de