CAPITAL SOCIAL: EL RETO DE INTEGRAR POLÍTICAS PÚBLICAS, INNOVACIÓN Y ASOCIATIVIDAD – CASO SECTOR SOFTWARE
Bibliographic record
Abstract
Con el proyecto de investigacion “Innovacion y Capital Social como factores de Competitividad en Pymes de Sectores Productivos Estrategicos del Valle del Cauca” se realizo el estudio de factores como la innovacion, la asociatividad y sus interrelaciones para determinar su incidencia en la competitividad de las empresas pymes de cinco sectores productivos estrategicos (confecciones, software, artes graficas, nutraceutica y salud, estetica y cuidado personal); ademas de la influencia de Politicas Publicas al respecto. En este caso, se presentaran los resultados obtenidos en pymes del sector software. Objetivos El objetivo general fue caracterizar la innovacion y el capital social como factores fundamentales de la competitividad en Pymes. Para el cumplimiento de este, los o bjetivos especificos fueron: Tipificar el grupo de empresas seleccionadas para el estudio; identificar casos exitosos de innovacion y asociatividad en estas empresas; analizar la relacion que pueden tener la innovacion y el capital social sobre la competitividad de las Pymes estudiadas y determinar las problematicas en innovacion, capital social y competitividad que comparten las Pymes que participaron en la investigacion. Referentes del Estudio Como referente teorico desde la perspectiva de la competitividad, la innovacion y el capital social se tiene la investigacion de Galan et al, titulada Capital social, confianza e innovacion: El caso de un sistema productivo local tradicional , donde uno de los planteamientos basicos es el reconocimiento de la innovacion como producto del conocimiento generado de las redes sociales y donde se afirma que “…el capital social se convierte en un ingrediente esencial para entender la innovacion”. Se abordaron adicionalmente dos investigaciones que relacionan capital social e innovacion: La primera por Landry, et al de la Universidad de Laval en Canada, quienes exploraron la hipotesis que las empresas ubicadas en contextos de altos niveles de confianza tienen mayor probabilidad de llevar a cabo innovaciones y, la segunda por Tsai y Ghoshal en 1998 [4], quienes comprobaron como el capital social contribuye a la habilidad de las empresas para crear valor en forma de innovaciones de producto. Finalmente, con el planteamiento de Alianzas publico-privadas como estrategias nacionales de desarrollo a largo plazo propuesto por Devlin y Moguillansky, 2009, quienes construyen una “matriz de posicionamiento de los paises”, cuyos ejes son los tipos de Alianzas del Gobierno (Gobierno-Empresa-Academia-Trabajo-ONG) y los grados de negociacion (imposicion, consulta, dialogo), se busca analizar las politicas publicas de innovacion, asociatividad y competitividad, tales como el Informe FEM, la Ley de Ciencia, Innovacion y Tecnologia y la Agenda Interna del Valle del Cauca al 2019. Metodologia Las pymes estudiadas fueron seleccionadas a criterio de los investigadores, debido al caracter exploratorio de esta. Para el caso del sector software, se trabajo con un total de 11 pymes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".