Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

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

Quintero Ramírez, Santiago (2016) Aprendizaje en los sistemas regionales de innovación: Un modelo basado en agentes. Doctorado thesis, Universidad Nacional de Colombia - Sede Medellín.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

8MB

Resumen

Resumen: El propósito de esta investigación es contribuir a la comprensión del aprendizaje en un sistema regional de innovación (en lo sucesivo SRI) mediante la modelación basada en agentes. El aprendizaje, entendido como un proceso a través del cual las empresas crean conocimiento y adquieren capacidades, es un factor importante a la hora de comprender el esfuerzo voluntario que las firmas realizan, para adquirir las capacidades que son necesarias para competir en un sistema. Desde esta perspectiva el aprendizaje es un fenómeno complejo que emerge junto al des-aprendizaje. Modelar y simular el aprendizaje permite conocer comportamientos emergentes, producto de las interacciones exitosas de los agentes y el entorno en que se desempeñan. La representación y análisis del aprendizaje de los actores de un SRI se abordó mediante una estrategia de modelación y simulación basada en agentes, desarrollada en cinco fases. La primera fase, consistió en la definición del problema y la identificación de los comportamientos problemáticos y sus variaciones a lo largo del tiempo. La segunda fase consistió en la conceptualización del sistema y cuyo objetivo fue capturar los principales conceptos y requerimientos del sistema. La tercera fase se orientó al diseño y formulación del modelo, obteniéndose la construcción conceptual del mismo. La fase cuatro de validación del modelo, pretendió establecer confianza, validez y utilidad del modelo. La fase cinco, realizó un análisis del comportamiento del modelo a partir de escenarios. En esta etapa es definida una base para la comparación de los comportamientos. Posteriormente, se realizó un análisis estadístico con el objetivo de establecer la existencia de diferencias significativas de las simulaciones. Por último, se plantean otros escenarios y se estudia el resultado de los cambios del sistema, comparando los diferentes resultados. Como hallazgo principal, se obtuvo un modelo que permite representar el aprendizaje y el desparendizaje como una variación positiva y negativa en la acumulación y desacumulación de las capacidades; dicha variación depende de los factores de aprendizaje y des-aprendizaje que caracterizan a los actores en un SRI. El modelo representa a los actores del sistema en el marco de un entorno competitivo donde surgen oportunidades de innovación, que son aprovechadas por empresas individuales o colaborando en red, y cuyo comportamiento está afectado por políticas públicas y decisiones organizacionales. El modelo representa a los actores del sistema de innovación como vectores de capacidades; además, representa las relaciones y redes que establecen los actores para aprovechar las oportunidades de innovación, considerando la complementariedad de las capacidades, la proximidad relacional y la racionalidad limitada de los actores. No se consideran los costos de transacción ni las diferencias entre campos del conocimiento o sectores económicos. El modelo se validó utilizando procedimientos computacionales y aproximaciones racionalistas e históricoamigables. Sin embargo, debido a las usuales limitaciones de información de estos ejercicios, es recomendable afianzar la validación mediante técnicas complementarias y otros casos de estudio. Dada la naturaleza teórica y no predictiva del modelo, su aplicación es posible mediante el diseño y simulación de escenarios. Dichos escenarios permiten ganar una comprensión básica de las dinámicas del aprendizaje y el desaprendizaje, en un contexto de competencia y colaboración entre actores que buscan aprovechar las oportunidades de innovación en un entorno afectado por políticas públicas y decisiones organizacionales. Con base en estas posibilidades de simulación y experimentación no posibles para sistemas reales, el modelo puede contribuir a orientar las políticas públicas y las estrategias organizacionales en un SRI, buscando mejorar su desempeño económico e innovador. Este trabajo contribuye a desarrollar los modelos de simulación basados en agentes que reporta la literatura. El modelo propuesto hace contribuciones originales en la representación de los actores y sus procesos de aprendizaje y desaprendizaje, así como en la introducción del principio de racionalidad limitada en la toma de decisiones por parte de los actores del sistema., Abstract: This research intends to contribute to understanding learning in a regional innovation system (RIS) through agent-based modeling. Learning, understood as a process through which companies create knowledge and acquire skills, is an important factor in understanding the voluntary effort that firms make to acquire the needed capacities compete in a system. From this perspective, learning is a complex phenomenon that emerges next to unlearning. Learning modeling and simulation allows to know emergent behaviors as outcomes between the successful interactions of agents and the environment where they work. Representation and analysis of agents’ learning of an SRI through agent-based modeling and simulation strategies took place in five phases. In the first phase, agents defined the problema and identified problem behaviors and their changes over time. In the second phase, they conceptualized the system in order to capture the main concepts and system requirements. In the third stage, they designed and formulated of the model, obtaining the conceptual construction. The fourth phase of model validation tried to establish model reliability, validity and usefulness. In phase five, they conducted an analysis of model behavior from scenarios. At this stage a basis for comparison of the behaviors was defined. Subsequently, a statistical analysis in order to establish the existence of significant differences in the simulations was performed. Finally, other scenarios arise and the result of system changes is studied by comparing the different results. As the main finding, a model to represent learning and unlearning as a positive and negative variation in the accumulation and decumulation of capacity was obtained; this variation depends on unlearning and learning factors that characterize the agents in an SRI. The model represents system agents within a competitive environment where innovation opportunities, which are used by individual companies or collaborating network and whose behavior is affected by public policy and organizational decisions arise. The model represents the innovation system agents as vectors of capabilities; it also represents the relationships and networks that establish agents to seize opportunities for innovation, considering skill complementarity, geographical proximity, and bounded rationality of agents. The model do not consider transaction costs and the differences between fields of knowledge or economic sectors. The model was validated using computational procedures and rationalistic and historical - friendly approaches. However, due to the usual limitations of information from these exercises, it is advisable to strengthen the validation by technical and other case studies. Given the theoretical, rather than predictive, nature of the model, its application is posible through design and simulation scenarios. These scenarios earn a basic understanding of the dynamics of learning and unlearning, in a context of competition and collaboration between agents seeking to leverage innovation opportunities in an affected by public policy decisions and organizational environment. Based on these possibilities simulation and experimentation, which are not possible for real systems, the model can help guide public policy and organizational strategies in SRI, seeking to improve their economic and innovative performance. This work contributes to developing simulation models based on literature reporting agents. The proposed model makes original contributions in representing agents and their processes of learning and unlearning, as well as the introduction of the principle of bounded rationality in decision-making by agents

Tipo de documento:Tesis/trabajos de grado - Thesis (Doctorado)
Colaborador / Asesor:Robledo Velásquez, Jorge
Información adicional:Doctorado en Ingeniería Industria y Organizaciones Línea de Investigación: Innovación y Gestión Tecnológica
Palabras clave:Aprendizaje, Capacidades de innovación, Sistema regional de innovación, Patrones de especialización, Sistemas complejos adaptables, Modelación basada en agentes, Learning, Innovation capacities, Regional innovation system, Specialization patterns, Complex adaptive systems, Agent - based modelling
Temática:6 Tecnología (ciencias aplicadas) / Technology > 62 Ingeniería y operaciones afines / Engineering
6 Tecnología (ciencias aplicadas) / Technology > 65 Gerencia y servicios auxiliares / Management & public relations
Unidad administrativa:Sede Medellín > Facultad de Minas > Escuela de Ingeniería de la Organización
Código ID:53948
Enviado por : Ph.D Santiago Quintero Ramirez
Enviado el día :18 Oct 2016 20:13
Ultima modificación:18 Oct 2016 20:13
Ultima modificación:18 Oct 2016 20:13
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox