1

NUEVAS COMPETENCIAS PARA LA TRANSFERENCIA DE TECNOLOGÍA

Y LA INNOVACIÓN: EL PERFIL DE LOS PROFESIONALES CIENTÍFICO

TÉCNICOS QUE TRABAJAN EN ORGANIZACIONES COLABORATIVAS DE

I+D

Sandro Giachi

sgiachi@iesa.csic.es

Consejo Superior de Investigaciones Científicas (CSIC), Instituto de Estudios Sociales

Avanzados (IESA) / Universidad de Málaga

RESUMEN

Esta investigación estudia la adquisición de nuevas competencias científicas y sociales

que faciliten la transferencia de tecnología entre ciencia e industria y la innovación

tecnológica. En particular, se analiza el caso de los profesionales científicos y técnicos

que trabajan en organismos colaborativos de I+D españoles. Se trata de organizaciones

que se han creado para favorecer la transferencia de conocimiento y tecnología, como las

redes público-privadas, los institutos tecnológicos, o los centros de investigación

colaborativa. El objetivo es estudiar cómo varía la capacidad de innovación y de

transferencia de tecnología entre los distintos perfiles profesionales que encontramos

trabajando en estos organismos de investigación. Nos esperamos que aquellos

investigadores con una trayectoria profesional distinta de aquella académica tradicional

muestren una mayor capacidad de adaptación a los desafíos representados por los nuevos

modelos colaborativos de hacer ciencia. En este sentido, nos ayuda el concepto de “capital

humano científico-técnico” que hace hincapié en los aspectos relacionales del trabajo

científico y técnico: el tipo de experiencias y contactos desarrollados a lo largo de la

carrera profesional del investigador pueden influir significativamente en su desempeño

innovador y en su productividad tecnológica.

Empleamos los datos procedentes de un proyecto financiado por el Plan Nacional de I+D

2010 y titulado: “Nuevas formas de colaboración entre ciencia e industria: los centros de

investigación cooperativa en el sistema español de I+D”. En particular, empleamos los

resultados de una encuesta dirigida a los trabajadores de los centros público-privados de

2

I+D que existen en España, realizada en 2013. La muestra consta de 1 016 individuos que

trabajan entre 165 centros; las tasas de respuesta correspondientes constituyen

respectivamente el 5,6 % y el 76,4 % del universo. Como variables dependientes

empleamos indicadores relativos a la producción y la transferencia de tecnología de los

trabajadores (p. ej., propiedad intelectual, nuevos productos), mientras que, como

variables independientes, empleamos la posición del trabajador dentro de la organización

en términos de cualificación profesional, controlando esta variable por otras variables,

relativas a su trayectoria profesional. A través de un análisis de regresión logístico,

observamos que, en efectos, el tipo de resultados que obtienen los trabajadores está

relacionado con su cualificación profesional, aunque haya que considerar también a otras

características de su trayectoria profesional. En particular, nuestros resultados sugieren

que la capacidad de transferencia tecnológica está relacionada con experiencias de

colaboración con el sector privado, aunque hace falta diferenciar los resultados en función

del grado de codificación del conocimiento transferido.

PALABRAS CLAVE

Carrera investigadora, Capital humano, Capital relacional, Colaboración público-privada,

Transferencia de conocimiento

XII Congreso Español de Sociología; Grupo de Trabajo 23: Sociología del

Conocimiento y de la Ciencia y Tecnología; Sesión 1. Dinámicas organizativas y

profesionales en ciencia y tecnología

AGRADECIMIENTOS: Este trabajo ha sido realizado gracias a la ayuda recibida por

el Plan Nacional de I+D 2008-2011 del Ministerio de ciencia e innovación (ref.

CSO2010-14480) y por el programa de Formación del Personal Investigador (ref. BES-

2011-047258). Agradezco al equipo de investigación del área de “Gobernanza de la

innovación económica y social” del IESA-CSIC por su ayuda en el trabajo de recopilación

y organización de los datos. Agradezco también a Ana Fernández Zubieta por sus

sugerencias relativas a una versión previa de este trabajo.

3

Introducción

Los nuevos paradigmas propuestos para interpretar las tendencias recientes en ciencia y

tecnología han puesto de manifiesto la colectivización de la actividad científica (Stokols

et al. 2008), los nuevos modos de producción del conocimiento más cercanos a las

aplicaciones técnicas y la colaboración interdisciplinaria (Gibbons et al. 1994), o la

creciente relevancia de las relaciones trilaterales entre ciencia, industria y política para el

fomento de la innovación tecnológica y social (Etzkowitz y Leydesdorff 2000). Todos

estos enfoques, pese a sus diferencias, coinciden en al menos un aspecto: el

reconocimiento de que los procesos de producción y transferencia de conocimiento en

ámbito científico han cambiado sustancialmente en las últimas décadas. En particular, se

han aportado muchas evidencias que sugieren un incremento de las relaciones de

colaboración entre sectores institucionales, disciplinas académicas o investigadores

individuales. Un ejemplo de esta tendencia es dado por la difusión de centros de

investigación colaborativa (CIC), un tipo particular de organización formal de I+D

orientada hacia la transferencia de conocimiento y la colaboración entre ciencia, industria

y sociedad.

Los CIC constituyen un caso interesante por su creciente relevancia y difusión, pero sobre

todo porque estas organizaciones encarnan los principales aspectos que caracterizan al

cambio de paradigma que ha ocurrido en ciencia y tecnología: colectivización de las

tareas, I+D interdisciplinaria, colaboración intersectorial y orientación hacia las

aplicaciones tecnológicas de los resultados de la investigación (Boardman y Gray 2010;

Gray et al. 2013). Pese a su creciente relevancia, sin embargo, no existen muchos estudios

acerca de los detalles relativos al proceso de producción de conocimiento que tiene lugar

en los CIC, especialmente a escala individual. En particular, no está muy claro a qué

actividades se dediquen los investigadores afiliados a los CIC y cómo estas difieran, en

forma y contenido, con aquellas llevadas a cabo por sus homólogos en otras instituciones,

como universidades, organismos públicos de investigación (OPI) o laboratorios

industriales de I+D. El tipo de trabajo llevado a cabo en los CIC implicaría la adquisición

de nuevas competencias técnicas, científicas y sociales que faciliten la producción y la

transferencia de conocimiento (Bozeman et al. 2001), pero no se sabe hasta qué punto

esto sea cierto.

4

El objetivo del estudio es analizar el proceso de producción y transferencia de

conocimiento llevado a cabo por los investigadores y los profesionales científicos que

trabajan en los CIC. En particular, se intenta encontrar una respuesta para las siguientes

preguntas:

1. ¿A qué se dedican los investigadores científicos que trabajan en estas

organizaciones? ¿Qué tipos de resultados obtienen?

2. ¿Qué perfil profesional está asociado a la producción de y transferencia de

tecnología? ¿Se trata de factores individuales, relacionados con la trayectoria

profesional individual? ¿O también tienen que ver las características del entorno

laboral y el contenido del trabajo?

El estudio es de carácter exploratorio y constituye una primera aproximación al problema

de la variabilidad de resultados que caracterizan a la producción y transferencia de

conocimiento de los CIC. Se trata además de un problema de especial interés para el caso

de España, ya que los estudios relativos a los CIC españoles son escasos, sobre todo

aquellos llevado a cabo a nivel de investigadores individuales.

El estudio es estructurado de la siguiente manera. En el siguiente apartado se definen las

características relativas al contexto institucional de la producción y la transferencia de

conocimiento, como las características de los nuevos modelos organizativos híbridos y

colaborativos que se han difundido en ámbito científico, incluyendo a España. En el tercer

apartado se presentan algunos de los conceptos que se han propuesto para interpretar qué

factores determinarían la producción científica y tecnológica de los investigadores en

entornos organizativos colaborativos, como la idea de “capital humano científico-

técnico”, junto a otras dimensiones como el estatus académico o características

sociodemográficas. En el cuarto apartado, se presenta la metodología del estudio, que

emplea datos procedentes de una encuesta a trabajadores empleados en los CIC existentes

en España y que ha preguntado por variables relativas a la trayectoria profesional, el

entorno laboral y la producción científico-tecnológica de los investigadores. El quinto

apartado contiene los resultados del análisis descriptivo y multivariable de los resultados

de la producción y transferencia de tecnología, a través del cual se detecta el efecto de

algunos factores más relevantes, como la cualificación profesional, la existencia de

relaciones pasadas o presentes con organizaciones del sector privado, o la colaboración

frecuente con otras disciplinas científicas. Finalmente, en el apartado conclusivo se

resumen los principales hallazgos del estudio, sus implicaciones y limitaciones.

5

Nuevos modelos organizativos en ciencia y tecnología

La organización de la ciencia ha cambiado mucho en las últimas décadas. La actividad

científica se ha vuelto una tarea cada vez más colectiva, organizada y coordinada, de

amplio alcance. Las enormes infraestructuras como los aceleradores de partículas, los

laboratorios para secuenciar el genoma humano o los grandes centros de cálculo de

bancos y empresas del sector informático constituyen unos buenos ejemplos, aunque esta

tendencia puede ser observada también en el caso de otros tipos de iniciativas (Cummings

y Kiesler 2014). Hoy día muchas organizaciones científicas consumen grandes cantidades

de recursos y emplean estructuras estables para llevar a cabo investigaciones complejas,

sofisticadas e interdisciplinarias (Stokols et al. 2008), con elevadas posibilidades de ser

aplicadas a problemas tecnológicos y sociales (Gibbons et al. 1994). En este contexto, la

colaboración entre sectores, disciplinas e incluso investigadores individuales puede

constituir una estrategia interesante o hasta una necesidad programática, especialmente

en un contexto de contracción presupuestaria desde el sector público, que requiere

aumentar la financiación externa y la colaboración con empresas y otras organizaciones

privadas, o volver más eficientes las inversiones existentes.

El aumento de la colaboración intersectorial ha involucrado agentes e instituciones muy

diferentes, desde las Universidades y los Organismos Públicos de Investigación (OPI),

hasta la administración pública, las organizaciones industriales, las empresas privadas y

las asociaciones sin ánimo de lucro. El enfoque de la “Triple Hélice de relaciones” ha

defendido que, en el marco de la sociedad contemporánea, las principales instituciones

involucradas en el proceso de innovación son tres: la Universidad, los Gobiernos y la

Industria (Etzkowitz y Leydesdorff 2000; Etzkowitz 2008). Según estos autores, el

aumento de conexiones estables y repetidas en el tiempo entre estos sectores constituiría

el motor de la innovación. En la sociedad del conocimiento no habrían aumentado solo

las conexiones entre investigadores individuales, disciplinas científicas y problemas

teóricos y técnicos, sino también entre sectores institucionales. Estas conexiones se han

ido institucionalizando con el tiempo gracias a iniciativas activas y a la legitimidad que

les han otorgado la política, la academia y la industria.

Un aspecto destacable del proceso de institucionalización de las nuevas formas de hacer

ciencia ha sido la creación de nuevas infraestructuras y arreglos organizativos para la

producción y la transferencia de conocimiento (Colyvas y Powell 2006). Estas

6

organizaciones se diferencian de las formas tradicionales de colaboración entre el sector

académico y el industrial (p. ej., investigación contratada, movilidad de estudiantes,

servicios de consultoría, etc.) por su mayor estructuración y formalización. Es el caso de

los parques científicos y tecnológicos, las oficinas para la transferencia de conocimiento,

las incubadoras de empresas, las spin-off universitarias y los centros de investigación a

carácter mixto o cooperativo (Jacob 2000; Etzkowitz 2008).

La presente investigación se centra sobre este último caso, el de los centros de

investigación con carácter mixto o cooperativo entre el sector público y el privado, que

aquí se denominan “centros de investigación colaborativa” (CIC). La literatura

especializada internacional suele utilizar para estas organizaciones la denominación

anglosajona Cooperative Research Centers (p. ej., Slatyer 1994; Lal y Boardman 2013).1

En otros países, especialmente en Europa y Asia, existen otras denominaciones como

Centres of Excellence, Industry-University Research Centres, Industry-Led Competence

Centres, Technology Institutes e Innovation Centres (Arnold et al. 2004; CREST 2008).

Los CIC constituyen son organizaciones hibridas que proporcionan un entorno estable y

formal para la I+D aplicada y la colaboración entre sectores, disciplinas e investigadores

individuales.

Los CIC son definidos como “estructuras formales de I+D cuyo objetivo es fomentar la

colaboración entre ciencia e industria y la transferencia de conocimiento y tecnología”

(Boardman y Gray 2010:585; Gray et al. 2013:10). Por tanto, se diferencian de otras

organizaciones como las siguientes:

- las redes de colaboración público-privada, porque estas no poseen una estructura

formal;

- los organismos de interfaz universidad-empresa que no hacen investigación

propiamente dicha, como las OTRI, las incubadoras o las oficinas de los parques

científico y tecnológicos;

- las unidades organizativas para la investigación tanto del sector público como

empresarial que no tienen como objetivo explícito la colaboración.

1 En lengua castellana, el término inglés Cooperative puede traducirse tanto con “cooperativo” como

“colaborativo”. Para la presente investigación se ha preferido utilizar el término “colaborativo” por dos

razones. En primer lugar, para evitar el halo ético que existe, en los países europeos y en España en

particular, alrededor del término “cooperativo”: baste con pensar en términos como “empresa cooperativa”

o “cooperación internacional para el desarrollo”. El segundo motivo es evitar crear confusión con un tipo

particular de CIC que existe en el País Vasco, cuya denominación oficial es “centro de investigación

cooperativa” (Gobierno Vasco 2010).

7

La aparición de los CIC en los sistemas nacionales de ciencia, tecnología e innovación es

un fenómeno relativamente reciente. Aunque se pueden encontrar experiencias pioneras

ya a lo largo de los años 30 (Baba 1988), las iniciativas más relevantes y duraderas se

originaron a partir de los años 80 y 90 en países como Australia, Canadá y Estados

Unidos. Más recientemente, el modelo organizativo colaborativo de los CIC ha sido

adoptado también por otros países a través de programas públicos o iniciativas privadas

específicas, como ha ocurrido por ejemplo en Alemania, Austria, Bélgica, China, Irlanda,

Japón, Corea del Sur, Noruega, Reino Unido o Suecia, entre otros (Arnold et al. 2004;

CREST 2008; Lal y Boardman 2013).

España no ha sido ajena a esta tendencia. Aunque existan experiencias pioneras que

remontan a los años 60 y 70, como las asociaciones industriales de investigación, la

mayoría de las iniciativas ha sido emprendida a partir de los años 80 y 90 a través de la

iniciativa de algunos gobiernos autonómicos para crear organizaciones privadas de I+D

sin ánimo de lucro: los centros tecnológicos (Sanz-Menéndez y Cruz-Castro 2005).

Luego, el proceso de institucionalización de la ciencia colaborativa ha subido un fuerte

incremento en los primeros años del nuevo siglo, gracias a la creación de nuevas redes

institucionales desde el sector público, como los centros CIBER del Instituto de Salud

Carlos III o los centros CIC y BERC en el País Vasco (Fernández-Esquinas y Ramos-

Vielba 2011), o los nuevos institutos híbridos de I+D creados ad hoc desde el sector

público o las universidades (Cruz-Castro et al. 2012). Muchas de estas organizaciones

cumplen con los requisitos, mencionados anteriormente para ser definidas como CIC, tal

y como se ha puesto de manifiesto gracias a los resultados de un proyecto de investigación

ejecutado recientemente por el IESA-CSIC (Giachi et al. 2012).

Producción y transferencia de conocimiento en los CIC

Los estudios clásicos sobre la producción de ciencia y tecnología

Los estudios socioeconómicos sobre la producción de ciencia y conocimiento han

centrado su atención sobre las características individuales y sociales de los investigadores,

como la edad, el género, el estatus o el sector de actividad científica. Por ejemplo, se ha

visto que los investigadores obtienen sus mejores resultados en términos de publicaciones

y patentes antes de alcanzar la posición mediana de su ciclo de vida (que usualmente

8

corresponde con la etapa posdoctoral), aunque esta tendencia varía entre disciplinas

diferentes, ya que en algunos campos el pique de productividad correspondería a fases

más temprana de la carrera profesional, mientras que en otras en fases más tardías (Merton

1973). Con arreglo al género, se ha visto que pueden existir procesos de discriminación

laboral para las mujeres (Stephan 1996), un problema que además estaría relacionado con

la cuestión del estatus académico: se sabe que existe una fuerte correlación entre la

reputación del investigador o de su organización, por un lado, y la cantidad o el impacto

de sus publicaciones, por el otro (Allison y Long 1990).

Otro aspecto problemático tiene que ver con el tipo de actividades realizada por los

científicos. Por ejemplo, en el caso de las universidades, se reconoce la existencia de tres

misiones fundamentales: la enseñanza, la investigación y la transferencia de

conocimiento al resto de la sociedad. Sin embargo, se ha cuestionado si esta clasificación

siga siendo efectiva frente a los cambios organizativos que han ocurrido en ámbito

científico (Laredo 2007). Al respecto, Laredo y Mustar (2000) propusieron un esquema

alternativo para clasificar los perfiles de actividad de los centros de I+D, fundamentado

en cinco actividades:

1. producción de conocimiento científico certificado

2. enseñanza superior

3. generación de tecnologías comerciables a través del mercado

4. resolución de problemas de amplio calado social

5. participación en el debate público a través de la política y la divulgación

científicas

Sin embargo, tampoco este esquema difiere mucho de la clasificación original de las

misiones universitarias, ya que las actividades del grupo 1 corresponden sustancialmente

a la investigación, la del grupo 2 a la enseñanza, y las de los grupos del 3 hasta el 5 a la

transferencia de conocimiento y tecnología. Por tanto, no está claro hasta qué punto las

viejas formas de medir las actividades científicas son superadas, o si en cambio siguen

siendo eficaces.

Otro problema es dado por la posible existencia de efectos de complementariedad o

substitución. Se da complementariedad cuando los esfuerzos dedicados a un tipo de

actividad refuerzan los esfuerzos o los resultados relativos a otras tareas; en cambio, se

da substitución cuando el desempeño de un tipo de actividad impide la realización de

otras, es decir que se produce una especialización por parte de los investigadores o de la

9

organización. Se trata de un tema sobre el que todavía no existen evidencias concluyentes.

Por ejemplo, se ha observado que investigación y formación suelen ser actividades

conflictivas y mutuamente excluyentes en ámbito universitario (Fox 1992), lo mismo que

ocurriría entre la obtención de publicaciones y patentes en los institutos de investigación

(Agrawal y Henderson 2002). Sin embargo, otros estudios encontraron una correlación

positiva entre el número de publicaciones y patentes obtenidos por los investigadores,

tanto en Estados Unidos (Stephan et al. 2007; Thursby y Thursby 2007) como en Europa

(Geuna y Nesta 2006). Otras evidencias a favor de la complementariedad muestran que

los profesores universitarios que se dedican a actividades de investigación y consultoría

en colaboración con las empresas no dedican menos tiempo a la docencia (Bozeman y

Boardman 2013), ni perjudica al clima de “libertad académica” o a la trayectoria

investigadora de los científicos (Behrens y Gray 2001).

La producción de ciencia y tecnología en los CIC: competencias técnicas y sociales

El trabajo científico llevado a cabo dentro de organizaciones colaborativas como los CIC

implica una serie de problemas distintos de las organizaciones tradicionales como

universidades, OPI o laboratorios industriales de I+D (Cummings y Kiesler 2014). En

primer lugar, los equipos de investigación son cada vez más amplios, variables y

geográfica y sectorialmente dispersos. Esto conlleva problemas de división del trabajo,

comunicación y coordinación de las tareas individuales. En segundo lugar, la

heterogeneidad disciplinaria y sectorial de los proyectos de investigación, así como las

dificultades para la búsqueda de recursos y financiación externa, aumentarían el número

de tareas a las que un investigador se encontraría sometido (Jacob 1997). En tercer lugar,

se pueden crear tensiones debidas a la remodelación de las fronteras simbólicas y sociales

de la profesión científica (Lamont y Molnár 2002). La desaparición de fronteras netas

entre ciencia y no-ciencia como consecuencia de un incremento de las relaciones de

colaboración y la emergencia de un campo organizacional hibrido (Cooney 2006) puede

tener consecuencias negativas sobre el proceso de producción de conocimiento: la

existencia de múltiples presiones institucionales y expectativas distintas (role strain)

puede reducir la productividad de los investigadores en los CIC (Garrett-Jones et al.

2013).

En efectos, hay quien ha argumentado que la institucionalización de la colaboración entre

ciencia, industria y sociedad estaría fomentando (o necesitaría de) la adquisición de

10

nuevas competencias profesionales de tipo técnico, administrativo y relacional,

fundamentadas en el conocimiento tácito, gracias a su capacidad de fomentar el

aprendizaje y la innovación dentro de las organizaciones (Lam 2000). Bozeman et al.

(2001) han propuesto el concepto de “capital humano científico-técnico” como

herramienta para interpretar y evaluar la figura profesional del científico en los nuevos

entornos organizativos. Estos autores amplían el concepto clásico de “capital humano”

(Schultz 1961; Becker 1962), ya empleado en los estudios económicos sobre la profesión

científica y que se refiere principalmente a la formación explicita y formal, la titulación,

el estatus laboral de los trabajadores y los años de experiencia, dado que sería demasiado

limitada para enfocar el problema del trabajo en los entornos colaborativos e

intersectoriales. El concepto de capital humano y social tecno-científico incluiría también

al capital social (Bourdieu 1980), el conocimiento tácito (Lam 2000), el know-how

técnico y las habilidades administrativas y de gestión. La adquisición de estas habilidades

se vería facilitada por las experiencias laborales previas de los investigadores, por

ejemplo, a través de empleos desempeñados en empresas o en el sector privado

(Boardman et al. 2010), o de la cantidad de colaboraciones realizadas con otros

investigadores de universidades y organismos públicos (Klenk et al. 2010).

La capacidad del enfoque del capital humano y social científico-técnico para interpretar

la trayectoria profesional y la producción de conocimiento de los investigadores que

colaboran con la industria ha sido corroborada en más de una ocasión (Bozeman y Corley

2004; Dietz y Bozeman 2005; Lin y Bozeman 2006; Ponomariov y Boardman 2010). Sin

embargo, los estudios en esta línea de investigación sufren dos limitaciones:

- se centran casi exclusivamente en un contexto determinado: los centros

universitarios norteamericanos, que suelen tener características organizativas

diferentes de sus homólogos europeos;

- no tienen en cuenta de cómo las características de los investigadores pueden

interactuar con el contexto organizacional y el contenido del trabajo que realizan:

se sabe que la mayoría de las tensiones entre expectativas tienen lugar a nivel

organizacional más que individual (Garrett-Jones et al. 2013).

Por lo tanto, a la hora de examinar el efecto del capital humano científico-técnico sobre

el proceso de producción y transferencia de conocimiento es importante tener en cuenta

también la diversidad de CIC y el tipo de actividades que realizan los investigadores. Un

último aspecto contextual a tener en cuenta tiene que ver con la lógica institucional del

11

sector de actividad científica y del centro de investigación del investigador (Sauermann

y Stephan 2013). Existe mucha evidencia empírica a favor de la relevancia de dos factores

contextuales para comprender el proceso de producción y transferencia de conocimiento

en los centros de I+D (Bozeman y Crow 1991): la influencia del sector público sobre las

decisiones y la financiación del centro, por un lado, la influencia de la lógica de mercado,

medida por el nivel de finalización de los productos del centro. Estos factores reflejarían

la existencia de lógicas institucionales diferentes y reforzarían la importancia de la

experiencia laboral y de la colaboración intersectorial para comprender el perfil

profesional de los investigadores, como factores que inciden en el proceso de

socialización en el trabajo y la carrera profesional.

Metodología

Datos

Para el estudio se utilizan datos procedentes de una encuesta a investigadores y otros

profesionales que trabajan en centros de investigación colaborativa (CIC) en España.2 El

objetivo de la encuesta era obtener información acerca de las características de los

investigadores y de otras informaciones relativas al trabajo dentro de los centros de

investigación. Se trata de una herramienta de recogida de datos que ha sido utilizada con

mucha frecuencia en los estudios sobre los CIC en otros países.3

2 La encuesta forma parte del proyecto del Plan Nacional de I+D+i 2008-2011 titulado: “Nuevas formas de

colaboración entre ciencia e industria: los Centros de Investigación Cooperativa en el sistema español de

I+D” (referencia CSO2010-14880). El proyecto fue llevado a cabo por el Instituto de Estudios Sociales

Avanzados (IESA), centro público de investigación del Consejo Superior de Investigaciones Científicas

(CSIC), entre 2011 y 2014. El proyecto consta de varios componentes, incluyendo un mapa detallado de

las experiencias en las distintas comunidades autónomas, una encuesta a los centros identificados (Giachi

et al. 2012), una encuesta a los investigadores que componen sus plantillas (Fernández Zubieta et al. 2013)

y una encuesta a las empresas colaboradoras con dichos centros. Para definir a los CIC se ha adaptado la

definición empleada en los estudios especializados (Boardman y Gray 2010), incluyendo aquellas entidades

que: poseen autonomía legal; hacen I+D; son participadas por al menos un socio desde el sector público y

otro desde el sector privado. 3 El procedimiento de recogida de datos se llevó a cabo por la sección de Estadística y Encuestas del IESA-

CSIC entre mayo y agosto de 2013, utilizando un sistema multimétodo (mixed method). En particular, se

ha utilizado un cuestionario web autoadministrado, programado en HTML 4.01 + ASP, ajustado a distintos

estándares de calidad específicos en la investigación mediante encuestas (UNE ISO-20252,

ICC/ESOMAR) y específicos de accesibilidad y usabilidad en formatos digitales (UNE 139803, WCAG

1.0), bajo el dominio específico: http://www.proyectocic.es/investigadores. La invitación y los

recordatorios para participar han tenido dos etapas: a) través de los centros CIC con captación de

investigadores por formulario de inscripción web distribuido a criterio de cada centro (11 % de la muestra,

12

El universo de investigadores que trabajan en los CIC españoles ha sido estimado a partir

de la información contenida en el mapa y la encuesta a directores de centros de

investigación. Se ha estimado que el total de personal de los centros (incluyendo becarios,

estudiantes, técnicos de investigación, administrativos, etc.) sería de aproximadamente

18 228 trabajadores. Sin embargo, calcular con exactitud el universo de investigadores

implicados en los CIC no ha sido posible debido a la complejidad del fenómeno y las

relativas limitaciones en las herramientas para la recogida de datos.4 Finalmente, como

referencia para el universo de investigadores, se han considerado los propios centros de

investigación como unidades de análisis. El universo teórico correspondería al total del

personal investigador de los 216 CIC identificados en España.

El nivel de participación en la encuesta se considera igualmente satisfactorio (Fernández

Zubieta et al. 2013). Han participado 1016 investigadores y trabajadores que dedican

parte de su tiempo a la investigación en 165 centros CIC. Sin embargo, no es posible

estimar la tasa de respuesta con precisión, dado que el total del universo se desconoce.

Además, al no ser una muestra con selección aleatoria de las unidades que componen el

universo, se carece de instrumentos para determinar un error estadístico de la misma. No

obstante, considerando que han participado investigadores del 76,4 % de los centros CIC,

con un tamaño suficientemente grande, donde no se aprecian sesgos de participación por

determinadas variables de control (como sexo y Comunidad Autónoma), se considera que

la muestra ponderada supera el umbral de calidad (entre el 1 y 3 %) en el análisis de las

respuestas (Fernández-Zubieta et al. 2013).5

Variables dependientes

Las variables dependientes del estudio se refieren a la producción científica y tecnológica

de los investigadores, medida a través de un conjunto de seis ítems que permiten

adscritos a 67 centros); b) a través de correo electrónico directo a investigadores con enlace al cuestionario

(89 % de la muestra, adscritos a 179 centros). El tiempo medio de la entrevista ha sido de 14,3 minutos. 4 A modo de ejemplo, baste con pensar que algunos de los investigadores trabajan también en empresas u

otros organismos de investigación (Giachi et al. 2012); este fenómeno, así como las distintas formas de

dedicación a las actividades del CIC ha sido uno de los principales obstáculos para el cálculo del universo

de investigadores. 5 A partir de la información proporcionada por los 136 responsables de centros que han participado en la

encuesta a centros de investigación y que han contestado a las preguntas relativas a la cantidad y el tipo de

recursos humanos empleados en la organización (Giachi et al. 2012), estimamos que la suma de los

trabajadores ascendería a 11 477. Extrapolando este resultado al universo de centros, estimaríamos que el

universo de trabajadores superaría los dieciocho mil. Empleando esta cifra como referencia, tendríamos

que la muestra de trabajadores obtenida en nuestra encuesta corresponde al 5,6 % del universo.

13

considerar resultados tradicionales, como las publicaciones y la propiedad intelectual. Se

ha preguntado a los investigadores por el número de resultados obtenidos según cada tipo

en los últimos tres años y al amparo de las actividades realizadas dentro de su CIC. Para

las publicaciones se han considerado los siguientes indicadores:

- Artículos publicados en revistas especializadas

- Presentaciones en conferencias o reuniones profesionales

- Otras publicaciones, como informes de resultados o manuales técnicos

Además de las patentes, se han considerado también otras innovaciones tecnológicas de

proceso o de producto que no son susceptibles de ser tuteladas mediante derechos de

propiedad intelectual. Otro indicador empleado se refiere a la formación: el número de

tesis doctorales supervisadas por el investigador.

La Tabla I contiene los estadísticos descriptivos para los indicadores de resultado de la

producción científica y tecnológica de los investigadores. En términos promedios, el

resultado más frecuente (10,74 per investigador) es dado por los informes y otros tipos

de publicaciones, seguidos por las presentaciones, que además constituyen el resultado

obtenido con más frecuencia si se mira a la distribución de los cuartiles (Mediana: 5 contra

3). Luego vienen los artículos en revistas especializadas: cada investigador ha producido

en los últimos tres años alrededor de 6 artículos; la mediana es de tres artículos, es decir,

aproximadamente uno por año. Los resultados obtenidos con menor frecuencia

corresponden a las innovaciones tecnológicas (1,54), las tesis doctorales (0,75) y las

patentes (0,54).

Debido a los elevados índices de correlación entre estas variables (Tabla II), se ha llevado

a cabo un análisis de componentes principales (ACP) para averiguar si existe una

estructura de dimensiones latentes subyacente a la producción científica y tecnológica de

los investigadores. Los resultados del ACP muestran que existen tres dimensiones

principales (ver Anexo), que se ha decidido denominar:

1. “producción de conocimiento científico” (artículos, presentaciones y tesis)

2. “transferencia de tecnología” (propiedad intelectual e innovaciones)

3. “producción de conocimiento técnico u orientado a la difusión” (informes y otras

publicaciones, en parte presentaciones)

Debido a que el interés de la investigación reside en comprender los determinantes del

proceso de innovación y transferencia tecnológica, se han seleccionado los dos

14

indicadores de resultados que contribuyen al componente relativo a la transferencia de

tecnología: la generación de propiedad intelectual y de innovaciones no patentables. Cada

variable dependiente ha sido transformada en un indicador dicotómico, donde el 1 indica

la presencia del resultado y 0 su ausencia. Existen al menos dos motivos que justifican

esta transformación:

- el objetivo del estudio es saber es lo que hacen los investigadores, no cuantos

resultados obtienen;

- los indicadores de resultados no son fiables y homogéneos para una estimación

cuantitativa precisa de la productividad tecnológica de los investigadores, ya que

estos se han obtenido a través de auto-declaraciones que pueden causar problemas

subjetivos de memoria o deseabilidad social.

Variables independientes

Como variables independientes se han empleado preguntas del cuestionario relativas a la

cualificación y trayectoria profesional del trabajador. También se ha tenido en cuenta la

existencia de relaciones pasadas o presentes entre los investigadores y las empresas u

otras organizaciones privadas, así como el contenido del trabajo llevado a cabo en la

colaboración. En resumen, se emplean los siguientes grupos de variables independientes:6

1. Categoría profesional de entrevistado, diferenciando entre investigadores

doctores, investigadores no doctores y personal auxiliar de apoyo a la

investigación (técnicos de investigación, tecnólogos, administrativos, estudiantes

en prácticas, etc.)

2. Si el trabajador ha tenido una experiencia laboral previa en el sector privado

(sí/no), diferenciando entre actividades de investigación y de dirección y gestión

3. Si el trabajador ha colaborado alguna vez en los últimos tres años con empresas

(sí/no), diferenciando entre actividades científicas, técnicas o de gestión

4. Si el trabajador colabora con frecuencia con otras disciplinas científicas

Estos cuatro grupos de variables independientes permiten dar cuenta de las dimensiones

adicionales del capital humano y el capital social, teniendo en cuenta también los aspectos

6 Las variables dicotómicas usan el valor 1 para el “sí” y el 0 para el “no”.

15

cognitivos y relacionales de la trayectoria profesional y el trabajo de los investigadores

en los CIC.

Finalmente, se han empleado otras preguntas del cuestionario como variables de control

para el análisis de la producción tecnológica de los trabajadores, relativas a otros aspectos

de su trayectoria profesional, su relación con el trabajo en el centro o sus características

demográficas, como las siguientes:

- Tipo de centro en el que trabajan, diferenciando a los Centros de innovación y

tecnología del resto,7 que incluye principalmente a las redes de centros creadas a

través de programas públicos específicos, a los institutos universitarios público-

privados y a los centros semi-públicos de nuevo cuño.

- Género.

- Salario: si gana más de 2 000 Euros al mes.

- Antigüedad en el centro.

- Campo científico: diferenciamos entre “Ciencias de la vida y la salud” (incluye a

la biología, la biotecnología, la medicina y la biomedicina, etc.), “Otras

ingenierías y ciencias naturales y “Humanidades y ciencias sociales”.8

- Tipo de investigación: si es teóricamente orientada (investigación básica o básica

orientada al uso), o no (investigación aplicada o sin interés en avanzar en

conocimiento).

7 El origen de estos centros en España remonta a los años 1960 y a la experiencia pionera de las asociaciones

industriales de investigación, muchas de las cuales evolucionaron durante la década de 1980 y 1990 como

centros tecnológicos, es decir, organismos público-privados de I+D con el objetivo de apoyar la innovación

y el desarrollo tecnológico local. Pese a su estatus jurídico privado, muchos de ellos fueron promovidos

directamente por Gobiernos Autonómicos, recibiendo financiación pública. Más recientemente, muchos

centros de innovación y tecnología (afiliados en una asociación sectorial denominada FEDIT) han

cambiado su orientación hacia la investigación aplicada, acercándose a la misión de producir resultados

científicamente excelentes antes que relevantes para la industria. Actualmente, la gran mayoría de estos

centros respetan todos los criterios para ser definidos como CIC (Fernández-Zubieta et al. 2015). 8 Hemos separado las biotecnologías de las otras ingenierías y ciencias naturales porque se trata de un

campo donde se suelen dar dinámicas particulares, por ejemplo, volúmenes más elevados de coautorías,

generación de propiedad intelectual o creación de empresas. Por otra parte, hemos considerado por separado

también las humanidades y las ciencias sociales dado que es más raro que en estas disciplinas se produzcan

innovaciones tecnológicas, sobre todo, para el caso de las patentes.

16

Tabla I – Indicadores cuantitativos de la producción investigadora: estadísticos descriptivos

Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia

Media N Mínimo Máximo Suma Desv. típ. Q1 Q2 Q3 1 2 3 4 5

1Nº de Publicaciones en revistas

científicas especializadas6,21 823 0 300 5107 14,195 1,0 3,0 7,0 1

2Nº de Otro tipo de publicaciones (ej.

Informes)10,74 823 0 1200 8843 56,425 0,0 3,0 10,0 ,073

* 1

3

Nº de Presentaciones en

conferencias o reuniones

profesionales

8,78 823 0 300 7228 16,193 2,0 5,0 10,0 ,389**

,139** 1

4 Nº de Tesis supervisadas ,74 823 0 25 613 1,632 0,0 0,0 1,0 ,670** -,025 ,277

** 1

5Nº de Patentes u otros derechos de

propiedad intelectual,54 823 0 8 447 1,159 0,0 0,0 1,0 ,183

** -,007 ,116**

,229** 1

6

Nº de Otro tipo de innovaciones (ej.

de proceso, producto..) Productos

derivados de los proyectos

1,56 823 0 200 1285 8,301 0,0 0,0 1,0 ,022 ,052 ,039 ,065 ,166**

N=823

17

Resultados

Estadísticos descriptivos

La Tabla II contiene los estadísticos descriptivos de todas las variables empleadas en el

análisis. Se incluyen el número de observaciones, la media, la deviación estándar, así

como los valores mínimos y máximos registrados. Una vez transformados en indicadores

dicotómicos, los dos indicadores de resultado de producción y trasferencia de tecnología

obtienen valores parecidos: el 27 % de los trabajadores ha registrado una patente u otro

derecho de propiedad intelectual en los últimos tres años, y el 28 % ha generado otro tipo

de innovación de proceso o de producto.

Como era previsible, la mayoría de los trabajadores de los centros son investigadores

(más que el 72 %), la mayoría de ellos investigadores con el título de doctor (47 %),

mientras que el otro 25 % es dado por investigadores no doctores (Tabla II).9 El restante

27 % de trabajadores está formado por el personal auxiliar de apoyo a la investigación,

es decir, técnicos de investigación, tecnólogos, administrativos y estudiantes de doctorado

y estudiantes en prácticas.

Con arreglo a las experiencias profesionales, solo una minoría de trabajadores ha

trabajado previamente en el sector privado (Tabla II), siendo más frecuente el caso de las

actividades de investigación (36 %) que de dirección y gestión (13 %). En cambio, al

menos tres cuartas partes del colectivo entrevistado ha declarado haber colaborado con

empresas al menos una vez a lo largo de los últimos tres años. En particular, la mayoría

ha colaborado con empresas principalmente en actividades de naturaleza técnica (39 %),

seguidas por actividades de tipo científico (28 %), mientras que los trabajos de gestión

habrían sido poco relevantes (8 %). También se observa que la mayoría de los

entrevistados coopera con frecuencia con otras disciplinas (55 %).

Pasando a las variables de control (Tabla II), se observa que la mayoría de los

entrevistados trabaja en un centro de innovación y tecnología (62 %), es hombre (62 %),

gana menos de 2 000 Euros al mes (57 %), lleva alrededor de ocho años trabajando en el

9 Con “investigadores no doctores” nos referimos a aquellas figuras profesionales que afirman dedicarse

principalmente a actividades de investigación pero que, sin embargo, no poseen el título de doctor ni tienen

previsto obtenerlo a corto plazo, es decir que no son tampoco estudiantes de doctorado. Se suele tratar de

titulados de grado o posgrado cuya ocupación principal no tiene que ver con tareas de tipo técnico sino

investigadoras (no son técnicos de investigación) aunque muchos de ellos también se ocupan directamente

de problemas relacionados con los aspectos técnicos o tecnológicos de la investigación.

18

centro, investiga en el campo de las otras ingenierías y ciencias naturales (71 %), aunque

el número de aquellos empeñados en el ámbito de las ciencias de la vida y la salud no es

bajo (21 %); el número de aquellos que hacen investigación con una base o una

orientación teórica no es mayoría (43 %).

Tabla II – Variables: estadísticos descriptivos

Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia

La Tabla III presenta los resultados de un cruce de variables entre la cualificación

profesional de los trabajadores, por un lado, y la proporción de entrevistados que ha

obtenido un resultado de producción o transferencia de tecnología, por el otro. Se observa

que la probabilidad de obtener un determinado tipo de resultado varía significativamente

N Mínimo Máximo Media Desv. típ.

Patentes u otros derechos de

propiedad intelectual823 0 1 ,27 ,446

Otro tipo de innovaciones (ej. de

proceso, producto..)823 0 1 ,28 ,448

Investigadores doctores 1002 0 1 ,47 ,500

Investigadores no doctores 1002 0 1 ,25 ,436

No investigadores 1002 0 1 ,27 ,445

Sector privado. Actividades de

dirección y gestión1005 0 1 ,13 ,340

Sector privado. Actividades de

investigación1005 0 1 ,36 ,479

No ha trabajado con empresas 1014 0 1 ,24 ,429

Trabajo técnico con empresas 1014 0 1 ,39 ,489

Trabajo científico con empresas 1014 0 1 ,28 ,448

Trabajo de gestión con empresas 1014 0 1 ,08 ,277

Coopera con frecuencia con otras

disciplinas1016 0 1 ,55 ,497

Centro de innovación y tecnología 1016 0 1 ,62 ,486

Hombre 990 0 1 ,62 ,487

Salario superior a 2000 Euros 956 0 1 ,43 ,496

Antigüedad en el centro 1014 0 34 7,97 6,963

Ciencias de la vida y la salud 1016 0 1 ,21 ,407

Otras ingenierías y ciencias naturales 1016 0 1 ,71 ,452

Humanidades y ciencias sociales 1016 0 1 ,08 ,266

Investigación con base teórica 1016 0 1 ,43 ,496

19

entre categorías profesionales, como certificado por el valor significativo y relativamente

elevado del índice V de Cramér de asociación. En particular, los investigadores doctores

obtienen con más frecuencia una patente u otro derecho de propiedad intelectual, mientras

que los investigadores no doctores tendrían más probabilidad de obtener otro tipo de

innovación. Por otra parte, el personal no investigador tendría en general menos

probabilidad de obtener un resultado tecnológico, sobre todo en lo referido a las patentes

y las propiedades intelectuales.

Tabla III – Tablas de contingencias entre categoría profesional y producción tecnológica

Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia

Análisis de la producción y transferencia de tecnología

En este apartado se presentan los resultados del análisis logístico de regresión de los

resultados de la producción y transferencia de tecnología relativos a los trabajadores

empleados en los CIC españoles. Se han estimado dos modelos, uno para cada variable

dependiente. La Tabla IV contiene los coeficientes beta de regresión después de la

transformación exponencial: por lo tanto, representan una estimación directa del impacto

de cada variable sobre la probabilidad de obtener la variable dependiente, es decir, un tipo

de resultado. Un coeficiente superior a 1 indica un efecto positivo, mientras que un

coeficiente inferior a 1, un efecto negativo. La tabla contiene también algunos estadísticos

y parámetros para medir la validez y el ajuste de los modelos, aunque ambos modelos

logran resultados muy parecidos.

Los resultados del análisis de regresión corroboran cuanto se ha visto en el cruce de

variables entre cualificación profesional y producción tecnológica. Ser un investigador

aumenta significativamente 1,6 veces la probabilidad de obtener una patente u otra

propiedad intelectual, mientras que ser un investigador no doctor aumenta la probabilidad

de obtener otro tipo de innovación de una manera muy parecida (Tabla IV). También se

observa que ser un investigador doctor reduciría la probabilidad de obtener otro tipo de

innovación, aunque no de manera significativa.

Categoría profesionalInvestigadores

doctores

Investigadores

no doctores

No

investigadoresTotal

V de

CramerSig

Patentes u otros derechos de

propiedad intelectual,33 ,28 ,17 ,28 ,150 ,000

Otro tipo de innovaciones (ej. de

proceso, producto..) Productos

derivados de los proyectos

,22 ,43 ,25 ,28 ,196 ,000

20

La experiencia laboral previa en el sector privado afectaría positivamente y

significativamente a la probabilidad de obtener otros tipos de innovaciones tecnológicas

(Tabla IV): haber trabajado en actividades de dirección o gestión en empresas más que

duplica la probabilidad de obtener este tipo de resultado, mientras que la experiencia

investigadora en entornos empresariales aumenta la probabilidad “solo” de 1,7 veces. Por

otra parte, la probabilidad de generar propiedad intelectual se ve afectada positivamente

y significativamente por la experiencia de colaboración reciente con empresas. En

particular, el colaborar con empresas en actividades tanto científicas como de gestión más

que triplican la probabilidad de registrar una propiedad intelectual (la probabilidad

aumenta, respectivamente, de 3,7 y 3,5 veces). Finalmente, la colaboración con otras

disciplinas científicas también es muy importante, debido a que duplica la probabilidad

de obtener el resultado con arreglo a ambas variables dependientes.

Tabla IV – Análisis logístico de regresión de los resultados tecnológicos

Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia

No investigadores **

Investigadores doctores 1,640 ** 0,811

Investigadores no doctores 1,506 1,594 *

Sector privado. Actividades de dirección y gestión 0,719 2,199 ***

Sector privado. Actividades de investigación 1,133 1,785 ***

No ha trabajado con empresas ***

Trabajo técnico con empresas 1,999 ** 1,214

Trabajo científico con empresas 3,754 *** 1,491

Trabajo de gestión con empresas 3,507 *** 1,149

Coopera con frecuencia con otras disciplinas 2,235 *** 2,055 ***

Centro de innovación y tecnología 0,795 3,226 ***

Hombre 2,350 *** 1,346

Salario superior a 2000 Euros 1,684 ** 1,532 **

Antigüedad en el centro 1,037 *** 1,014

Humanidades y ciencias sociales *

Ciencias de la vida y la salud 2,629 ** 0,943

Otras ingenierías y ciencias naturales 1,879 0,828

Investigación con base teórica 0,637 ** 0,907

Constante 0,016 *** 0,044 ***

N 772 772

Prueba Chi 133,332 *** 128,208 ***

-2 log de la verosimilitud 781,885 794,471

R2 cuadrado de Cox y Snell 0,159 0,153

R2 de Nagelkerke 0,228 0,219

Hosmer y Lemeshow 12,246 10,972

% aciertos 74,2% 74,6%

Patentes u otros derechos de

propiedad intelectual

Otro tipo de innovaciones (ej.

de proceso, producto..)

21

Con arreglo a las variables de control, se observa que algunas de estas son significativas

(Tabla IV). Los entrevistados que trabajan en un centro de innovación y tecnología

triplican la probabilidad de obtener otro tipo de innovación y los hombres duplican la

probabilidad de obtener una propiedad intelectual, mientras que los trabajadores que

ganan más que 2 000 Euros mensuales aumentan la probabilidad de obtener una propiedad

intelectual u otro tipo de innovación, respectivamente, de 1,6 y 1,5 veces. El efecto de la

antigüedad, aunque positivo, es débil y se manifiesta solo para el caso de la propiedad

intelectual. El campo científico parece poco relevante, con la excepción de un efecto

positivo (y previsible) sobre la generación de propiedad intelectual para quienes trabajan

en el ámbito de la ciencia de la vida y la salud. Finalmente, dedicarse a actividades de

investigación teóricamente orientada se limita reducir la probabilidad de generar de

propiedad intelectual de casi la mitad.

Conclusiones

Síntesis de los resultados

El análisis logístico de regresión de la producción investigadora, presentado en el

apartado anterior, ha arrojado nueva luz sobre la interrelación entre las relaciones de

colaboración intersectoriales, la trayectoria profesional y la producción tecnológica de los

investigadores en las organizaciones híbridas de I+D. Interpretando los resultados

obtenidos, se puede destacar una serie de conclusiones relevantes para el estudio del

proceso de innovación y transferencia tecnológica a nivel individual.

En primer lugar, se ha visto que los trabajadores empleados en los CIC en España pueden

tener diferentes orientaciones productivas, especializándose bien en la producción de

publicaciones y tesis doctorales, bien en la difusión de conocimiento científico técnico

mediante informes, presentaciones y otras publicaciones, bien mediante la generación de

innovaciones tecnológicas y propiedad intelectual (ver Tabla I y Anexo). Este último caso

es el que ha interesado en la presente investigación, para determinar el perfil profesional

del trabajador científico técnico especializado en este tipo de actividad.

En segundo lugar, se ha visto que existe bastante variedad con arreglo a las características

profesionales y laborales de los entrevistados que trabajan en los CIC españoles (Tabla

II). Estos centros suelen emplear tanto investigadores como personal de apoyo y, entre

22

los primeros, hay un número considerable (aunque no mayoritario) de investigadores no

doctores, una categoría profesional particular que se encuentra con poca frecuencia en los

entornos tradicionales para la I+D y que ha recibido escasa atención por parte de los

estudios sociales e institucionales sobre ciencia y tecnología. También se ha visto que el

número de trabajadores con experiencias laborales previas en empresas es escaso, siendo

más elevado el número de entrevistados que ha colaborado recientemente con empresas

para el desempeño de tareas específicas; en ambos casos, es más frecuente el desempeño

de actividades de investigación científica o técnica, que de dirección o gestión

administrativa. En cambio, la colaboración interdisciplinaria es bastante frecuente.

Asimismo, los CIC emplean personal variable con arreglo a sus aspectos

sociodemográficos o laborales (Tabla II). El caso más frecuente es el de trabajadores de

sexo masculino y que cobran menos de 2 000 Euros al mes. Estos trabajadores son

empleados principalmente por centros de innovación y tecnología, con un promedio de

ocho años de antigüedad laboral, trabajando en ámbitos relacionados con la investigación

aplicada en ingeniería o ciencias naturales, entre las cuales las ciencias de la vida y la

salud parecen ser bastante frecuentes. En todo caso, este perfil es solo un promedio y no

representaría la gran variedad de casos que es posible encontrar.

En tercer lugar, se ha visto que la probabilidad de obtener resultados relacionados con la

producción y transferencia de tecnología variaría significativamente entre las distintas

categorías profesionales (Tabla III). En particular, los investigadores doctores serían más

capacitados para generar nueva propiedad intelectual, mientras que los investigadores no

doctores tendrían más capacidad de obtener otros tipos de innovaciones tecnológicas.

Estos resultados han sido corroborados por el análisis de regresión logística (Tabla IV),

que ha mostrado que estas diferencias se mantienen incluso controlando por todas las

otras variables consideradas en la metodología.

En cuarto lugar, a través del análisis de regresión logística, también se ha visto que existen

otros aspectos relacionados con la trayectoria profesionales que influyen

significativamente en los resultados de la producción y transferencia de tecnología (Tabla

IV). En particular, los trabajadores empleados previamente el sector privado tienen más

probabilidad de generar otros tipos de innovaciones tecnológicas, mientras que aquellos

investigadores que han colaborado recientemente con empresas tienen más probabilidad

de registrar una patente u otra propiedad intelectual. Los trabajadores que colaboran con

frecuencia con otras disciplinas científicas aumentan la probabilidad de obtener ambos

23

tipos de resultados. Finalmente, algunas variables de control contribuyen a explicar la

varianza de las variables dependiente, sin que destaque ningún resultado interesante o que

se encuentre en contradicción con cuanto mencionado en la bibliografía de referencia.

Implicaciones del estudio

El resultado principal de la presente investigación es sugerir la existencia de una relación

entre la trayectoria profesional de los trabajadores científico técnicos y su capacidad de

producir y transferir nueva tecnología. Para comprender este problema, se ha puesto la

atención sobre el caso de un entorno organizacional muy particular: los centros de

investigación colaborativa, debido a que su misión principal es aquella de fomentar la

colaboración intersectorial, la transferencia de conocimiento y tecnología y la innovación

tecnológica. El análisis de las características del personal empleado en estos organismos

permite ver más de cerca qué aspectos profesionales serían relevantes para el proceso de

innovación. En este sentido, se ha visto que el personal investigador puede seguir siendo

considerado como un recurso importante para la innovación tecnológica. Asimismo, se

ha corroborado el efecto positivo de la realización de actividades interdisciplinarias.

Sin embargo, se ha visto también cómo existen perfiles diferenciados para la generación

de propiedad intelectual y de otras innovaciones tecnológicas. Este hallazgo recalcaría la

diferenciación entre formas de conocimiento en función del nivel de codificación del

mismo: la propiedad intelectual representaría una forma más codificada de conocimiento

que las innovaciones de proceso y producto no patentables. A esta diferenciación

corresponderían dos perfiles profesionales distintos: la generación y difusión de

conocimiento tecnológico muy codificado (propiedad intelectual) guardaría una relación

con el nivel de educación formal conseguido (doctorado) y la colaboración puntual con

empresas, mientras que la generación y difusión de conocimiento tecnológico poco

codificado (otras innovaciones) guardaría una relación con niveles comparativamente

más bajos de educación formal (grado) y la experiencia laboral previa en el sector privado.

Es decir que, aunque los trabajadores de CIC que suelen obtener resultados tecnológicos

constituirían un perfil especializado dentro de la propia organización, también se

observan matices en función de la sub-especialización en la producción de tecnología,

debida probablemente a su capacidad de manejar distintas formas de conocimiento.

24

En definitiva, se puede afirmar que el enfoque del capital humano científico técnico

aporta un valor añadido a las investigaciones acerca de los determinantes de la innovación

y transferencia de tecnología entre ciencia y empresas a nivel individual. Los aspectos

educativos o sociodemográficos por sí solos no son suficientes a dar cuenta de la

capacidad de un trabajador o investigador para producir o transferir nuevo conocimiento:

es necesario acudir a una visión más compleja de su trayectoria profesional, que incorpore

la experiencia profesional previa y las relaciones actuales de colaboración, debido a que

añadirían elementos explicativos importantes, relativos a los aspectos cognitivos, sociales

e incluso culturales del trabajo científico técnico. En particular, para el caso de la

innovación y transferencia tecnológica, la relación pasada o presente entre investigadores

y empresas constituye un aspecto determinante para explicar la capacidad de innovación.

Limitaciones y líneas de desarrollo futuro

A modo de conclusión, cabe mencionar las limitaciones del estudio y las posibles líneas

de desarrollo para futuras investigaciones. Una primera limitación tiene que ver con la

representatividad de la muestra, dado que el procedimiento de muestreo que se ha

empleado no ha podido seguir un procedimiento probabilístico debido a limitaciones del

proyecto de investigación. Así pues, existe un problema a la hora de validar el análisis de

regresión y sus resultados. Para obviarlo, se podrían construir unos coeficientes de

ponderación de la muestra a partir de variables disponibles sobre el universo de CIC o

investigadores, relativas por ejemplo a la distribución geográfica, el tipo de centro o la

composición de la fuerza de trabajo (Giachi et al. 2012).

Otra limitación importante tiene que ver con la dimensión organizacional de la

producción y la transferencia de conocimiento. Una línea de desarrollo para la

investigación es dada por ampliar el número y el tipo de variables relativas a la

organización de los CIC donde trabajan los investigadores, que vayan más allá del tipo

de centro, del sector de actividad científica o del contenido del trabajo, para incluir

aspectos relativos a las fuentes de financiación o la composición de la fuerza de trabajo

(Carayol y Matt 2006). Estos indicadores permitirían medir de manera más directa la

influencia del contexto organizacional sobre el proceso de transferencia de tecnología.

Una tercera limitación del estudio es el no haber analizado con más detenimiento las

correlaciones entre tipos de resultados, para buscar relaciones de complementariedad y

25

substitución en la producción científica y tecnológica de los investigadores. En particular,

una línea prometedora de análisis pasaría por la construcción de un índice de

heterogeneidad de la producción investigadora a partir de las variables disponibles,

análogamente con cuanto se ha hecho en una investigación anterior con arreglo a las

estrategias organizativas y las fuentes de financiación de los CIC en España (Fernández-

Zubieta et al. 2015). De esta manera se podrían identificar distintos “portfolios” de

actividad para los investigadores y los otros trabajadores de los CIC. Aquí cabe también

la reflexión acerca de la validez de los indicadores de resultados empleados: es posible

que el empleo de variables que se refieran a aspectos relacionados con la componente

informal y cultural de la actividad desempeñada por los trabajadores de CIC permitiría

profundizar en las características del proceso de socialización al que se han encontrado

sometidos los investigadores más productivos en términos de producción y transferencia

de tecnología.

Referencias bibliográficas

Agrawal, A., Henderson, R. (2002). Putting patents in context: Exploring knowledge transfer from MIT.

Management Science, 48(1), 44-60.

Allison, P.D., Long, J. S. (1990). Departmental effects on scientific productivity. American Sociological

Review, 469-478.

Arnold, E., Deuten, J., van Giessel, J.F. (2004). An international review of Competence Centre

Programmes. Brighton: Technopolis Group.

Baba, M. (1988). Innovation in University-Industry Linkages: University Organizations and Environmental

Change. Human Organization, 47(3), 260-269.

Becker, G. S. (1962). Investment in human capital: A theoretical analysis. The journal of political economy,

9-49.

Behrens, T. R., Gray, D. O. (2001). Unintended consequences of cooperative research: impact of industry

sponsorship on climate for academic freedom and other graduate student outcome. Research

policy, 30(2), 179-199.

Boardman, C., Bozeman, B., Ponomariov, B. (2010). Private sector imprinting: An examination of the

impacts of private sector job experience on public manager's work attitudes. Public Administration

Review, 70(1), 50-59.

26

Boardman, C., Gray, D. (2010). The new science and engineering management: Cooperative Research

Centers as government policies, industry strategies and organizations. The Journal of Technology

Transfer, 35, 445-459.

Bourdieu, P. (1980). Le capital social. Actes de la recherche en sciences sociales, 31(1), 2-3.

Bozeman, B., Crow, M. (1991). Technology transfer from U-S- government and university R&D

laboratories. Technovation, 11(4), 231-246.

Bozeman, B., Dietz, J. S., Gaughan, M. (2001). Scientific and technical human capital: an alternative model

for research evaluation. International Journal of Technology Management, 22(7-8), 716-740.

Bozeman, B., Corley, E. (2004). Scientists’ collaboration strategies: implications for scientific and technical

human capital. Research Policy, 33(4), 599-616.

Bozeman, B., Boardman, C. (2013). Academic Faculty in University Research Centers: Neither

Capitalism's Slaves nor Teaching Fugitives. The Journal of Higher Education, 84(1), 88-120.

Carayol, N., Matt, M. (2006). Individual and collective determinants of academic scientists’ productivity.

Information Economics and Policy, 18(1), 55-72.

Colyvas, J.A., Powell, W. W. (2006). Roads to institutionalization: The remaking of boundaries between

public and private science. Research in organizational behavior, 27, 305-353.

Cooney, K. (2006). The Institutional and Technical Structuring of Nonprofit Ventures: Case Study of a

U.S. Hybrid Organization Caught Between Two Fields. Voluntas 17, 143-161.

CREST (2008). Industry led competence centres. Aligning academic/public research with enterprise and

industry needs. OMC Action Plan: Report of the CREST working group.

Cruz-Castro, L., Sanz-Menéndez, L., Martínez, C. (2012). Research centers in transition: patterns of

convergence and diversity Research centers in transition: patterns of convergence and diversity.

The Journal of Technology Transfer, 37 (1), 18-42.

Cummings, J. N., Kiesler, S. (2014). Organization Theory and the Changing Nature of Science. Journal of

Organization Design, 3(3), 1-16.

Dietz, J. S., Bozeman, B. (2005). Academic careers, patents, and productivity: industry experience as

scientific and technical human capital. Research policy, 34(3), 349-367.

Etzkowitz, H. (2008). The Triple Helix: University-industry-government Innovation: Innovation in Action.

London: Routledge.

Etzkowitz, H., Leydesdorff, L. (2000). The dynamics of innovation: from National Systems and “Mode 2”

to a Triple Helix of university–industry–government relations. Research policy, 29(2), 109-123.

Fernández-Esquinas, M., Ramos-Vielba, I. (2011). Emerging forms of cross-sector research collaboration

in the Spanish innovation system. Science and Public Policy, 38 (2), 38-51.

27

Fernández Zubieta, A., Andujar Nagore, I., Giachi, S., Domínguez J.A., Fernández Esquinas, M. (2013).

Formas organizativas para la investigación cooperativa en el sistema español de I+D: encuesta

a investigadores. Córdoba: Instituto de Estudios Sociales Avanzados.

Fernández Zubieta, A., Andujar Nagore, I., Giachi, S., Fernández Esquinas, M. (2015). “New

organizational arrangements for public-private research collaboration: Cooperative Research

Centres in Spain as examples of Targeted Open Innovation”. Journal of Knowledge Economy, en

publicación.

Fox, M. F. (1992). Research, teaching, and publication productivity: Mutuality versus competition in

academia. Sociology of education, 293-305.

Garrett-Jones, S., T. Turpin, Diment, K. (2013). Careers and Organizational Objectives: Managing

Competing Interests in Cooperative Research Centers. En C. Boardman, D. Gray, D. Rivers (Eds.),

Cooperative Research Centers and Technical Innovation: Government Policies, Industry

Strategies, and Organizational Dynamics (pp. 79-110). New York: Springer.

Giachi, S., Fernández Zubieta, A., Andujar Nagore, I., Domínguez J.A., Fernández Esquinas, M. (2012).

Formas organizativas para la investigación cooperativa en el sistema español de I+D: encuesta

a centros de investigación. Córdoba: Instituto de Estudios Sociales Avanzados.

Gibbons, M., Limoges, C., Nowotny, H., Schwartzman, S., Scott, P., Trow, M. (1994). The new production

of knowledge: The dynamics of science and research in contemporary societies. London: Sage.

Geuna, A., Nesta, L. J. (2006). University patenting and its effects on academic research: The emerging

European evidence. Research Policy, 35(6), 790-807.

Gobierno Vasco (2010). Plan de Ciencia, Tecnología e Innovación 2010. Vitoria: Servicio de Publicaciones

del Gobierno Vasco.

Gray, D.O., Boardman, C., Rivers, D. (2013). The new science and engineering management: cooperative

research centers as intermediary organizations for government policies and industry strategies. En

C. Boardman, D. Gray, D. Rivers (Eds.), Cooperative Research Centers and Technical Innovation:

Government Policies, Industry Strategies, and Organizational Dynamics (pp. 3-33). New York:

Springer.

Jacob, M. (1997). Life in the Triple Helix: the contract researcher, the university and the knowledge society.

Science Studies, 10(2), 35-49.

Jacob, M., Hellström, T., Adler, N., Norrgren, F. (2000). From sponsorship to partnership in academy‐

industry relations. R&D Management, 30(3), 255-262.

Klenk, N.L., Hickey, G.M., MacLellan, J.I. (2010). Evaluating the social capital accrued in large research

networks: The case of the Sustainable Forest Management Network (1995-2009). Social Studies

of Science, 20(10), 1-30.

Lal, B., Boardman, C. (2013). International Practice in Cooperative Research Centers Programs: Summary

of an Exploratory Study of Engineering-Focused Cooperative Research Centers Worldwide. En

28

C. Boardman, D. Gray, D. Rivers (Eds.), Cooperative Research Centers and Technical Innovation:

Government Policies, Industry Strategies, and Organizational Dynamics (pp. 293-310). New

York: Springer.

Lam, A. (2000). Tacit Knowledge, Organizational Learning and Societal Institutions: An Integrated

Framework. Organization Studies, 21, 487-513.

Lamont, M., Molnár, V. (2002). The study of boundaries in the social sciences. Annual review of sociology,

167-195.

Laredo, P. (2007). Revisiting the third mission of universities: toward a renewed categorization of

university activities? Higher education policy, 20(4), 441-456.

Larédo, P., Mustar, P. (2000). Laboratory activity profiles: An exploratory approach. Scientometrics, 47(3),

515-539.

Lin, M. W., Bozeman, B. (2006). Researchers’ industry experience and productivity in university–industry

research centers: A “scientific and technical human capital” explanation. The Journal of

Technology Transfer, 31(2), 269-290.

Merton, R. K. (1973). The sociology of science: Theoretical and empirical investigations. Chicago:

University of Chicago press.

Ponomariov, B., Boardman, C. (2010). Influencing scientists’ collaboration and productivity patterns

through new institutions: University research centers and scientific and technical human capital.

Research Policy, 39(5), 613-624.

Sanz-Menéndez, L., Cruz-Castro, L. (2005). Explaining the science and technology policies of regional

governments. Regional Studies, 39(7), 939–954.

Sauermann, H., Stephan, P. (2013). Conflicting logics? A multidimensional view of industrial and academic

science. Organization Science, 24(3), 889-909.

Schultz, T. W. (1961). Investment in human capital. The American economic review, 1-17.

Slatyer, R. O. (1994). Cooperative research centres: The concept and its implementation. Higher Education,

28(1), 147-158.

Stephan, P. E. (1996). The economics of science. Journal of Economic literature, 1199-1235.

Stephan, P. E., Gurmu, S., Sumell, A. J., Black, G. (2007). Who's patenting in the university? Evidence

from the survey of doctorate recipients. Econ. Innov. New Techn., 16(2), 71-99.

Stokols, D., Hall, K. L., Taylor, B. K., Moser, R. P. (2008). The science of team science: overview of the

field and introduction to the supplement. American journal of preventive medicine, 35(2), S77-

S89.

Thursby, J. G., Thursby, M. C. (2007). University licensing. Oxford Review of Economic Policy, 23(4),

620-639.

29

Anexo

Tabla A1 – Coeficientes del ACP de los indicadores cuantitativos de resultado

Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia

Gráfico A1 – Gráfico de sedimentación de los componentes principales

Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia

1 2 3

Nº de Publicaciones en revistas científicas especializadas ,886

Nº de Otro tipo de publicaciones (ej. Informes) ,923

Nº de Presentaciones en conferencias o reuniones profesionales ,602 ,388

Nº de Tesis supervisadas ,844

Nº de Patentes u otros derechos de propiedad intelectual ,672

Nº de Otro tipo de innovaciones (ej. de proceso, producto..) Productos

derivados de los proyectos,835

Indicadores de producción

Componente

30

Tabla A2 – Varianza total explicada por los componentes principales

Fuente: Estudio nº E-1305_inv (IESA 2013); elaboración propia

Total% de la

varianza% acumulado Total

% de la

varianza% acumulado

1 2,032 33,859 33,859 1,939 32,323 32,323

2 1,092 18,193 52,052 1,171 19,510 51,833

3 1,060 17,666 69,719 1,073 17,886 69,719

4 ,788 13,140 82,859

5 ,717 11,950 94,809

6 ,311 5,191 100,000

Componente

Autovalores inicialesSuma de las saturaciones al cuadrado de

la rotación