Ciudad de México, 6 y 7 de noviembre de 2008

Presentación del tema: "Ciudad de México, 6 y 7 de noviembre de 2008"— Transcripción de la presentación:

1 Ciudad de México, 6 y 7 de noviembre de 2008
Nuevos abordajes metodológicos para la construcción de indicadores de recursos humanos en ciencia y tecnología María Guillermina D’Onofrio Subsecretaría de Evaluación Institucional / Ministerio de Ciencia, Tecnología e Innovación Productiva (MINCYT) de Argentina Seminario Internacional sobre Nuevos Indicadores de Ciencia, Tecnología e Innovación Red Iberoamericana de Indicadores de Ciencia y Tecnología (RICYT) - Programa CYTED Consejo Nacional de Ciencia y Tecnología (CONACYT) de México Ciudad de México, 6 y 7 de noviembre de 2008

2 Contenido de la presentación
Modelos conceptuales de producción de indicadores y recursos humanos en CyT Modelo conceptual de indicadores de “insumo-producto” Modelo conceptual de indicadores de “posicionamiento” Currículum Vítae (CV) como fuente de información para la construcción de indicadores de carreras CyT Indicadores de recursos humanos en CyT según ambos modelos y basados en CVs Hacia el “Manual de Buenos Aires” de la RICYT

3 Modelos conceptuales de producción de indicadores y recursos humanos en CyT
Los indicadores de recursos humanos en ciencia y tecnología pueden ser construidos en el contexto de dos modelos conceptuales que son muy diferentes pero absolutamente complementarios (no siendo ninguno de ellos mejor que el otro): el clásico modelo de “insumo-producto”, de acuerdo al cual los indicadores de recursos humanos son “insumos” de un sistema de ciencia y tecnología que (funcionando como una “caja negra”) produce “productos” y “resultados” de acuerdo a una lógica lineal de función de producción; el modelo conceptual de los indicadores de “posicionamiento” de los actores respecto de los demás en los sistemas de ciencia, tecnología e innovación (Lepori et al 2008), de acuerdo al cual la productividad de los recursos humanos resulta de sus particulares trayectorias académicas y científicas y el “capital de conocimiento” que acumularon en ellas.

4 Modelo conceptual de indicadores de “insumo-producto”
SISTEMA CyT INSUMOS Recursos Humanos Recursos Financieros Publicaciones Patentes PRODUCTOS RETROALIMENTACIÓN Fuente: RICYT 2008.

5 El nivel de análisis es el país y los indicadores son producidos en forma agregada para este nivel.
Los micro-actores desaparecen y el sistema de ciencia y tecnología es reducido a una macro-realidad susceptible de ser descripta a partir de diferentes aspectos externos a ella (sus insumos y productos). En cuanto a los indicadores de recursos humanos en CyT, este modelo conceptual da lugar a: conteos agregados de investigadores, becarios u otras categorías de personal empleado en actividades de I+D, medidos como número de personas físicas (con dedicación completa o parcial) o de “equivalencias a jornada completa” (suma de las fracciones del tiempo dedicado) y macro-caracterizaciones de los recursos humanos en CyT por edad, género, sector, disciplina científica y nivel de formación, áreas del conocimiento de los proyectos de I+D en los que participan, publicaciones y patentes solicitadas u obtenidas, entre otros aspectos, pudiéndose establecer correspondencias con datos estructurales de empleo, enseñanza, población y gasto nacional en I+D.

6 Modelo conceptual de indicadores de “posicionamiento”
Los indicadores de “posicionamiento” se dirigen a caracterizar los elementos de los sistemas nacionales de ciencia, tecnología e innovación, considerando que están conformados por micro y meso-actores (individuales, grupales e institucionales) diferenciados, autónomos y estratégicos. La hipótesis es que esa caracterización no puede ser derivada del análisis de sus componentes individuales ni a partir de la medición de agregados construidos sobre éstos. El foco se pone en la apertura de la “caja negra” a partir de la descripción de esos actores dentro del sistema, siendo clave la existencia de un conocimiento distribuido, donde los distintos actores tienen estrategias propias y se comprometen en intercambios de complementariedad, competencia y colaboración. La elaboración de indicadores sobre las carreras de los recursos humanos en CyT se inscribe en esta perspectiva.

7 Se parte de comprender que los científicos y los tecnólogos no existen en el vacío social, sino que son miembros de varias instituciones sociales y colegas que están en interacción en una variedad de niveles (Bozeman et al 2001) y que las asimetrías en la distribución de la productividad CyT entre ellos están asociadas a sus modelos de carreras y a las capacidades institucionales para la producción de conocimiento. El concepto teórico fundamental para comprender y explicar la formación de recursos humanos especializados en CyT, sus biografías profesionales y actuación en investigación es el de “capital de conocimiento” (Jaramillo et al 2006, 2008), entendido como la interrelación entre tres elementos: el “capital humano” (los atributos y capacidades acumuladas individualmente, esto es, los esfuerzos individuales de quien recibe la educación y de las instituciones que la imparten), el “capital intelectual” (el conocimiento distribuido entre los miembros de una organización que trasciende el capital humano y que representa el valor agregado que le aportan las instituciones a los individuos para su tránsito hacia una comunidad de investigación) y el “capital social” (la acumulación de vínculos asociativos que se han construido entre los miembros de una sociedad y dentro de sus marcos políticos y organizacionales).

8 Atributos y capacidades acumuladas individualmente
Políticas, dinámica institucional, complementariedad y sinergias organizacionales Atributos y capacidades acumuladas individualmente Esfuerzos individuales de quien recibe la educación y de las instituciones que la imparten CAPITAL HUMANO CAPITAL SOCIAL Conocimiento distribuido entre los miembros de una organización que trasciende el capital humano Valor agregado que dan las instituciones a los individuos para su tránsito hacia la investigación Acumulación de vínculos asociativos construidos en una sociedad, dentro de sus marcos organizativos INTELECTUAL CAPITAL DE CONOCIMIENTO Fuente: Jaramillo et al 2006.

9 CV como fuente de información para la construcción de indicadores de carreras CyT
Los currículum vítae (CVs) constituyen herramientas analíticas privilegiadas para el abordaje de las carreras CyT de los investigadores porque (Dietz et al 2000 y otros): son los únicos documentos que informan, con un importante nivel de detalle y riqueza analítica (en algunos casos es posible tener unas variables en un CV), acerca de las actividades académico-profesionales realizadas por ellos (incluyendo dónde y con quiénes trabajan), sus características socio-demográficas, sus trayectorias educativas, los resultados alcanzados y otros rasgos específicos de sus carreras (por ejemplo, patrones de colaboración científica, de movilidad geográfica y/o institucional, reconocimientos obtenidos, etcétera); son documentos históricos que evolucionan a lo largo del tiempo, captando los cambios en los intereses, trayectorias y relaciones de los investigadores y permitiendo la realización de estudios longitudinales; pueden utilizarse en conjunto con otras fuentes de datos (como el análisis de citaciones bibliográficas, de patentes, encuestas y/u otras); y son documentos relativamente accesibles (muchas veces de dominio público) al ser habitualmente requeridos en la evaluación de los investigadores.

10 La utilización de CVs como fuente de información presenta, sin embargo, algunas limitaciones:
dado que la información del CV es aportada por el propio investigador, se presentan problemas de validez (puede encontrarse información auto-reportada siguiendo una estrategia de embellecimiento del propio CV donde, por ejemplo, todos los detalles de la carrera se registren con el mismo peso) y confiabilidad (en el sentido de que parte de la información puede ser inventada); la identificación y el tratamiento analítico de las versiones largas y cortas de CVs. Muchos CV se comprimen y la información que puede ser importante en las etapas tempranas de la carrera puede ser poco importante para los científicos más tarde y pueden, así, desaparecer por completo del CV; su formato semi-estructurado o normalizado presenta el riesgo de que se elimine información de valor o se incluya información no relevante; el enorme trabajo que implica la codificación analítica del CV para su procesamiento estadístico, además de llevar tiempo y ser tedioso, corre el riesgo de introducir errores y es compleja hasta para los analistas de CVs más entrenados.

11 Iberoamérica va en camino de contar con importantes volúmenes de información proveniente de CVs de su personal CyT, en tanto ha sido pionera en el diseño y desarrollo de bases de datos normalizadas de CVs. Desde hace más de una década, diversas iniciativas de esta naturaleza se han sucedido en una docena de países de la región. Algunas de ellas cuentan hoy con importantes avances en términos de su implementación institucional y cobertura de la población nacional de investigadores, otras están en plena conformación. Dos países latinoamericanos cuentan actualmente con sistemas de información curricular consolidados: Brasil (Currículo Lattes) y Colombia (CvLAC). Otros países iberoamericanos cuentan con sistemas de información curricular en proceso de implementación: Argentina (CVar-SICYTAR), Ecuador (CvLAC Ecuador), España (CVN.XML), México (CVU-SIICYT), Paraguay, Perú (CvLAC Perú), Portugal (Plataforma de Curricula DeGóis), Uruguay (CVuy) y Venezuela (Directorio CvLAC Venezuela).

12 Indicadores de recursos humanos en CyT según ambos modelos y basados en CVs
En el contexto del modelo conceptual de los indicadores de “insumo-producto”, los CVs permiten, por ejemplo (D’Onofrio 2008): construir nuevos conjuntos de investigadores a partir de combinatorias de diferentes variables, como la denominada “metodología FAP” (Formación-Actuación-Producción) que aplicada a los datos curriculares (Barrere et al 2007) posibilita calcular los recursos humanos con educación superior, desempeño profesional y/o producción en un área del conocimiento; y discriminar entre los investigadores “activos” (definidos como aquellos que han obtenido resultados de investigación tangibles, verificados y en circulación en un período de tiempo dado anterior al momento de la medición) y los investigadores “no activos” (según el mismo criterio).

13 En el contexto del modelo conceptual de los indicadores de “posicionamiento”, varios grupos de investigadores académicos están realizando análisis de nivel internacional acerca de las carreras científicas y tecnológicas basados en CVs, entre los que cabe destacar: el grupo pionero en la temática a nivel internacional, dirigido por B. Bozeman (Research Value Mapping Program, Georgia Institute of Technology y University of Georgia, Estados Unidos) y conformado por J. Rogers, M. Gaughan, J. Dietz, E. Corley, I. Chompalov, B. Ponomariov y otros; el grupo pionero en la temática a nivel latinoamericano, dirigido por H. Jaramillo y C. Lopera (Universidad del Rosario, Colombia); y el grupo pionero en la temática a nivel europeo, dirigido por C. Cañibano (Universidad Rey Juan Carlos, España) y conformado por J. Otamendi, I. Andújar e investigadores de Portugal, Reino Unido, Noruega, Suiza e Israel.

14 Estos grupos de investigación aplican técnicas estadísticas y econométricas que comprenden:
análisis bivariado, método de mínimos cuadrados ordinarios, modelos de regresión logística, análisis “multi-nivel” de efectos fijos y aleatorios, modelos Tobit, modelos Poisson, modelos de duración, panel de datos, y análisis envolvente de datos, entre otras. Algunas de las variables utilizadas en los estudios sobre las carreras CyT que se vienen realizando son: cohorte de edad y cohorte de graduación doctoral, género, obtención de beca para realizar el doctorado, instituciones de formación de grado y posgrado,

15 edad al momento de graduación doctoral y al momento de obtención del primer subsidio de investigación, campo disciplinario de formación del mayor nivel académico alcanzado, actividades realizadas (I+D, docencia, servicios CyT, administración, dirección o coordinación institucional, otras actividades profesionales, etcétera), instituciones de trabajo (distinguiendo entre tipos de instituciones), jerarquías de los puestos desempeñados en cada una de las etapas de la trayectoria laboral, velocidad en la obtención de subsidios de investigación (tasa de financiamiento a lo largo de la carrera), productividad científica (tasa de producción anual de artículos en revistas internacionales con referato) durante y después del doctorado, productividad tecnológica (número de patentes registradas), movilidad intersectorial e institucional de formación y desempeño en investigación, y patrones de colaboración y co-autoría científica (copublicaciones internacionales) y tecnológica (copatentes internacionales), entre otras.

16 Hacia el “Manual de Buenos Aires” de la RICYT
La Red Iberoamericana de Indicadores de Ciencia y Tecnología (RICYT) ha conformado recientemente una subred temática de expertos académicos para la elaboración de indicadores y estudios especializados de carácter iberoamericano en la problemática de la medición de las carreras académicas a partir de los CVs de los investigadores. Esta subred temática tendrá como resultado final la elaboración de un manual conceptual y metodológico regional, el “Manual de Buenos Aires. Indicadores de Carreras de Recursos Humanos en Ciencia y Tecnología en Iberoamérica”.

17 Referencias bibliográficas
Barrere, R.; Ramírez, M.L. y G. Marcotrigiano (2007), Indicadores de Recursos Humanos. Metodología FAP sobre datos de ScienTI Colombia, Buenos Aires Centro de Estudios sobre Ciencia, Desarrollo y Educación Superior (Centro REDES), Bozeman, B.; Dietz, J.S. and M. Gaughan (2001), “Scientific and technical human capital: An alternative approach to R&D evaluation”, in International Journal of Technology Management 22 (8), Dietz, J.; Chompalov, I.; Bozeman, B.; O´Neil Lane, E. and J. Park (2000), “Using the curriculum vita to study the career paths of scientists and engineers: An exploratory assessment”, in Scientometrics, 49 (3), D’Onofrio, M.G. (2008), “The Public CV Database of Argentine Researchers and the ´CV-minimum´ Latin-American Model of Standardization of CV Information for R&D Evaluation and Policy Making”, trabajo aceptado para su publicación en Research Evaluation, Special Issue on “Using the Curriculum Vitae for Research Evaluation and Science Policy Analysis”.  Jaramillo, H.; Lopera, C. y C. Albán (2008), Carreras Académicas. Utilización del CV para la modelación de carreras académicas y científicas, Bogotá: Facultad de Economía, Universidad del Rosario, Jaramillo, H.; Piñeros, L.J.; Lopera; C. y J.M. Álvarez (2006), Aprender haciendo. Experiencia en la formación de jóvenes investigadores en Colombia, Bogotá: Facultad de Economía, Universidad del Rosario. Lepori, B.; Barré, R. and G. Filliatreau (2008), “New perspectives and challenges for the design and production of S&T indicators”, in Research Evaluation, 17 (1), RICYT (2008), Indicadores de Recursos Humanos, presentación de la Red Iberoamericana de Indicadores de Ciencia y Tecnología (RICYT) en la II Reunión Técnica “Fomento a la apropiación de la Red ScienTI en América Latina y el Caribe” co-organizada por COLCIENCIAS y OEA, Bogotá, febrero.