Introducción

El discurrir histórico viene generando en las últimas décadas, en el mundo, tendencias diferentes y claras para las organizaciones que buscan liderazgo, una de ellas es la gestión del conocimiento (GC) como factor clave de competitividad, "La GC puede considerarse como un proceso de aprovechamiento de los conocimientos para lograr la innovación en los productos, para una efectiva toma de decisiones, y también para la adaptación de la organización al mercado" (^{Marulanda, López y López, 2016}), en esa dimensión asistimos a una revolución, "la última fase de la evolución del saber, cuando este se aplica al saber mismo, produce hoy una revolución de la gestión, pues el saber está deviniendo el factor número uno de la producción" (^{Druker, 1993}).

La GC como práctica organizacional ha venido cobrando importancia en las últimas décadas en las organizaciones que buscan liderazgo; en ese sentido, con la investigación se incursiona en el capital intelectual (CI), con el objetivo de generar un modelo del capital humano (CH) y estructural (CE) haciendo uso de la técnica de lógica difusa 2. La validación del modelo se efectuó en el grupo de investigación de la Facultad de Ciencias Económicas y Administrativas, del Instituto Tecnológico Metropolitano (ITM).

El sustento teórico fue el modelo Intellectus, descrito por Eduardo Bueno y otros (2011), los cuales indican que el CI está compuesto por el CH, el cual a su vez tiene tres (3) elementos: valores y actitudes, aptitudes, capacidades; por el CE con dos (2) elementos: organizativo y cuatro (4) variables: cultura, estructura, aprendizaje organizativo y procesos; y el otro elemento es el CE tecnológico con cuatro (4) variables: esfuerzo I+D, dotación tecnológica, propiedad intelectual y vigilancia tecnológica.

Para la delimitación del modelo propuesto y lograr obtener variables claves se utilizó el método Delphi, con el cual seis (6) expertos analizaron veinticuatro (24) cruces de variables entre el CH y el CE, dando como resultado que entre CH valores, actitudes y aptitudes con CE organizativo y tecnológico aplicó el aprendizaje organizativo, y del CH conocimiento con CE organizativo y tecnológico aplicó el esfuerzo I + D. A partir de allí, se desarrolla el instrumento para obtener información mediante una encuesta estructurada y aplicada a diez y seis (16) investigadores del grupo; el formato de preguntas se efectuó a través de tres (3) matrices, que correspondían a cincuenta y cuatro (54) preguntas, así: veinticuatro (24) para la relación valores y aptitudes con aprendizaje organizativo; veinte (20) para la relación actitudes con aprendizaje organizativo; diez (10) para la relación conocimiento con esfuerzo I+D. Las preguntas efectuadas en el trabajo de campo se delimitaron a través de una escala de Likert y el rango de respuestas se hizo mediante una escala de uno (1) a cinco (5). Después de efectuada la tabulación, se procede a llevar las respuestas al modelo de Lógica difusa tipo 2 en escenarios de razonamientos aproximados.

La lógica difusa proporciona, por su parte, un mecanismo de inferencia para simular aquellos procedimientos de razonamiento humano en sistemas basados en conocimiento, como lo es en este caso, la gestión del CI en el grupo de investigación del ITM. A través del marco matemático de la lógica difusa que permite modelar la incertidumbre del proceso cognitivo humano, este puede ser tratado a través de un computador (^{González, 2015}). Se usa el toolbox Fuzzy Logic del software Matlab® el cual posee robustas herramientas para implementar soluciones con este tipo de técnica.

Una vez implementada la herramienta de lógica difusa tipo 2, teniendo en cuenta los insumos de conocimiento adquiridos a través de las encuestas realizadas, se obtienen las superficies de control de las relaciones más relevantes a analizar. La superficie de control es creada a partir de las reglas y permiten visualizar la salida del sistema a partir de una gráfica tridimensional (^{Zadeh, 1996}). La ventaja del uso de la lógica difusa es que permite convertir variables cualitativas en cuantitativas a través de conjuntos difusos, operadores lógicos y manipulaciones matemáticas, siendo de utilidad cuando se trabaja con conocimiento de expertos (^{Escobar, Tovar y Romero, 2016}).

Materiales y métodos

El capital que mayor valor agrega en la GC en la organización, según ^{Torres y Hernández (2014)}), es el capital intelectual (CI) es decir, la información necesita gestionarse, tener un proceso de elaboración, análisis, proposición y socialización (^{Torres, 2014}). En esa perspectiva, para las instituciones de educación superior (IES) se debe pensar en CI, como eje básico en la creación de activos intangibles, siendo una labor compleja en la medida de la inmaterialidad del recurso, y por ello la valoración. Argumenta ^{Villafañe (2005)}, que las organizaciones exitosas deben contar con visión estratégica, sistema de evaluación, integrar la gestión a la cadena de valor y una estrategia de comunicación para informar a los interesados (stakeholders). Indica ^{Pérez y Tangarife (2013)} que el CI no tiene forma física, pero deben de tener un soporte tangible como, por ejemplo, una marca que se registre y cuyo valor está limitado por derechos de posesión de sus propietarios.

El capital humano (CH) comprende habilidades, capacidades, valores y actitudes, aptitudes; todo lo que posee el talento humano puesto al servicio de la operación. La organización no es propietaria del CH (^{Edvinsson y Malone, 2003}); el CH que tiene la organización posee unas características propias derivadas de las capacidades individuales de sus miembros. Otra versión indica que el CH es el "Valor económico potencial de la mayor capacidad productiva de un individuo, o del conjunto de la sociedad activa de un país, que es fruto de unos mayores conocimientos, adquiridos en la escuela, la universidad o la experiencia" (^{Viloria, Nevado y López, 2009}).

Otro componente, el capital estructural (CE), es propiedad de la organización. Según ^{Ramírez (2013)} este corresponde al conocimiento explícito que soporta la difusión y comunicación del conocimiento científico y técnico. Se clasifica en organizativo y tecnológico (patentes, licencias, bases de datos); la organización lo puede negociar o transferir y forma parte de sus activos.

Del CI forma parte, además, el capital relacional (CR) que se define como el conjunto de relaciones que le permiten a una persona integrarse con el entorno político - económico y las instituciones que le faculten la generación de valor. "Conjunto de conocimientos que se incorporan a la organización y a las personas que la integran como consecuencia del valor derivado del número y calidad de las relaciones que se mantienen con el mercado y la sociedad" (^{Bueno et al., 2011}). Está integrado, en consecuencia, por el capital de la organización y el capital social.

La literatura en torno del CI coincide en utilizar análisis multivariables aplicables a ciencias sociales. ^{Varela y Levy (2003)}, ^{Alaminos et al. (2016)}, bajo esa dirección, y tomando el modelo de ^{Bueno et al. (2011)}, extrajeron las combinaciones de variables que permitieron sacar lo más influyente del CI en el grupo de investigación de Ciencias Económicas y Administrativas (ITM) al cual se aplicaron las encuestas. Previo a ello y haciendo uso del método Delphi (^{Matthews, Wallace, & Robinson, 2017}) se entregaron las combinaciones a un total de seis (6) expertos: tres (3) pertenecientes al Instituto Tecnológico Metropolitano (ITM): uno (1) con formación doctoral y dos (2) con maestría; además, tres (3) pertenecientes a la Institución Universitaria Salazar y Herrera (IUSH): uno (1) con formación doctoral y dos (2) con maestría. Cada uno de los expertos ha tenido un proceso de experiencia o cercanía relacionado a las variables que se pretenden caracterizar. Finalmente, la evaluación se efectuó en dos (2) rondas.

Resultaron veinticuatro (24) combinaciones posibles de variables, distribuidas en tres (3) grupos, donde la escala de evaluación hecha por los expertos estableció un rango de uno a ocho, siendo (1) lo menos representativo y ocho (8) lo más representativo. La primera ronda generó tres pares de variables importantes por cada experto. De las variables seleccionadas, en la segunda ronda de expertos quedaron tres (3) relaciones de variables. De la relación, el elemento CH valores, y actitudes con el elemento CE organizativo y tecnológico, se decide incursionar con "aprendizaje organizativo", siguiendo el análisis de los expertos y apoyados en investigaciones similares, las cuales han dicho que "existe una relación significativa entre el CI y la capacidad de aprendizaje organizacional. Según los resultados, existe una relación significativa entre el CH, CE y el CR con la capacidad de aprendizaje organizacional" (^{Abinejad, Zeinolsalehin y Taboli, 2016}).

En ^{Nazem (2012)} el modelo de ecuaciones estructurales en el empoderamiento de las universidades indica un gran efecto en la GC para el aprendizaje organizacional.

Por su parte, en la relación elemento CH capacidades con el elemento CE organizativo y tecnológico, se destacó por parte de los expertos el esfuerzo I+D, y lo refirman ^{Bermúdez, Boscan, Muñoz, Vidal y Archila (2017)} con el concepto que el CH de los centros de investigación debe estar sustentado en equipos donde se tenga un esfuerzo I+D. Después de haber obtenido las variables seleccionadas, se establecen tres matrices sustentadas en los indicadores del modelo de ^{Bueno et al. (2011)}. La primera contiene veinticuatro (24) preguntas (Tabla 5), la segunda veinte (20) (Tabla 6), la tercera diez (10) (Tabla 7) para un total de cincuenta y cuatro (54) preguntas.

Para la aplicación de la lógica difusa, no se requiere un modelamiento matemático como es usual en cualquier método clásico de control, pero si un conocimiento profundo por parte del experto (^{Zadeh, 1996}). Por lo tanto, se tratan variables de tipo cualitativo, caracterizadas por medio de conjuntos difusos, con lo cual es posible representar la percepción de expertos dentro del grupo de investigación y posteriormente, generar un modelamiento a través de valores numéricos. La propuesta admite la valoración sistemática del CI desde el CH y CE, aclarando, las relaciones generadas entre las variables consideradas dentro de cada uno de los componentes. Luego, los sistemas de valoración humana y percepción lograrán un mayor grado de objetividad permitiendo el uso de valores intermedios (grados de verdad), para acceder a nuevos estados diferentes a los de la lógica booleana.

Cuando la pertenencia de un elemento no se puede definir en 1 o en 0, se emplea un conjunto difuso tipo 1, pero si las circunstancias analizadas son difusas o borrosas, que incluso presentan problemas de subjetividad para definir el grado de pertenencia como un valor puntual, se usa, entonces, un conjunto difuso tipo 2 (^{Ponce, Brian y Molina, 2016}),

Para obtener el resultado de la implementación de la lógica difusa tipo 2 en el modelo del CI es necesario aplicar el diagrama de bloques mostrado en la Figura 1.

Fuente: elaboración propia.

Figura 1 Diagrama de bloques sistema lógica difusa tipo 2 

Para el proceso de fuzzificación se definen los conjuntos difusos con las variables de entrada, teniendo en cuenta las huellas de incertidumbre con su función de membresía máxima y mínima (^{Taskin y Kumbasar, 2016}).

El mecanismo de inferencia por su parte, representa esencialmente la inteligencia del proceso difuso y, es necesaria, la generación de una base de reglas (provenientes de la información suministrada por los expertos) (^{Taskin y Kumbasar, 2016}). La salida del motor de inferencia genera un conjunto difuso tipo 2 de salida, el cual fue defuzzificado a través del método Karnik-Mendel (KM) (^{Liu, 2013}). Finalmente, la salida del sistema difuso tipo 2 de intervalo son valores puntuales, que conforman una superficie de control para visualizar, para cualquier coordenada de las variables de entrada, el valor de salida correspondiente. Para este caso, la salida del sistema será la medición de la generación de valor del CI. A continuación, se muestran los resultados obtenidos luego de procesar las 3 relaciones de variables planteadas para el desarrollo de la medición del CI: valores y aptitudes y aprendizaje organizativo; actitudes y aprendizaje organizativo; capacidades y esfuerzo I+D.

Para analizar la generación de valor en el CI, a partir de cada par de variables relacionadas al CH y el CE, se establece un lazo de control abierto (no realimentado). Se usa la herramienta de desarrollo IT2-FLS de Matlab®/Simulink (Interval Type-2 Fuzzy Logic Systems), con licencia pública general GNU versión 3 (^{Kumbasar, 2015}). A través del comando "*.it2fis" se crea el espacio de trabajo de Matlab, que incluye toda la información del diseño del sistema como de los parámetros y tipos de funciones de membresía, reglas y tipos de algoritmos de reducción. El tipo de reducción de de fuzzificación seleccionado es el algoritmo Karnik-Mendel, método basado en el cálculo de centroides (^{Liu, 2013}).

Resultados

Relación de variables 1: valores y aptitudes y aprendizaje organizativo

Las entradas son el conjunto difuso para valores y aptitudes, con huellas de incertidumbre para pertenencia y compromiso, automotivación, satisfacción, sociabilidad, flexibilidad y creatividad. Y el conjunto difuso de aprendizaje organizativo con huellas de incertidumbre, para entornos de aprendizaje, pautas organizativas, captación y transmisión de conocimiento, y creación y desarrollo de conocimiento. En el editor de funciones de membresía de Matlab® se normalizan las variables y se ingresan los parámetros para su conformación. El rango de normalización es [-1, 1], donde -1 es el valor mínimo, y 1 es el valor máximo. Para la formación de las huellas de incertidumbre se tuvo en cuenta el valor máximo, el valor mínimo, y el promedio de todas las calificaciones aportadas por el grupo de expertos (lo anterior se replica para las dos siguientes relaciones de variables).

La Figura 2a muestra respectivamente el conjunto difuso de la variable valores y aptitudes, que está conformado por 6 funciones de membresía, y el conjunto difuso par la variable aprendizaje organizativo conformado por 4 funciones de membresía. Producto de la conformación de los conjuntos difusos de entrada, se realiza cada una de las reglas con las que el sistema tomará las decisiones de control, para este caso puntual el número máximo posible de reglas son 24 y establecen de la siguiente forma: "SI... Y...... ENTONCES...", con el fin de generar posibles salidas para el CI. Finalmente, la Figura 2a muestra, desde dos perspectivas, la superficie de control tridimensional que designa la salida o agregación de valor en el CI para cada punto de la relación de la variable de valores y aptitudes, y aprendizaje organizativo.

Fuente: elaboración propia.

Figura 2 Conjuntos difusos de entrada para cada relación de variables 

Relación de variables 3: capacidades y esfuerzo I+D

Las entradas son el conjunto difuso para capacidades con huellas de incertidumbre para aprendizaje, trabajo en equipo, comunicación, conciliación- vida laboral y familiar, y liderazgo. Y el conjunto difuso de esfuerzo I+D con huellas de incertidumbre para personal I+D y proyectos I+D. En el gráfico 2c se pueden observar los conjuntos difusos construidos para cada entrada, respectivamente. Y, para este caso, por la conformación de los conjuntos difusos de entrada el número de reglas a implementar son 10. El gráfico 3c muestra la superficie de control tridimensional que designa la salida o agregación de valor en el capital intelectual para cada punto de la relación de la variable de capacidades y esfuerzo I+D.

Fuente: elaboración propia.

Figura 3 Superficies de control (salida) para cada relación de variables 

La normalización de todas las variables de entrada de las diferentes relaciones se designa entre [-1,1]. La salida, que en este caso es el CI, está normalizada para valores comprendidos en el rango [0,1], donde 0 equivale a INSIGNIFICANTE para la generación de CI y 1 equivale a MUY ALTO para la generación de CI.

Discusión

La GC como proceso innovador es un factor fundamental para organizaciones inteligentes, que ha venido cobrando importancia en las últimas décadas y las investigaciones se han venido incrementando, como lo indican ^{Gómez, Londoño y Mora (2020)} en una amplia revisión de la literatura. Desde la temática del CI existen aportes que referencian trabajos de investigación que complementan la propuesta, en ^{Arias, Lozada, y Henao (2019)}, han desarrollado una investigación donde analizan la relación entre la gestión del CI y el desempeño de grupos de investigación universitarios, logrando detectar tres tipos de grupos: líderes, seguidores y rezagados. Concluyen que es necesario modificar el enfoque tradicional del CI que han utilizado las universidades en Colombia. Por su parte ^{Galleguillos, Silva y Becerra (2018)} profundizan el CI en el rendimiento financiero en IES. Lo anterior indica la transversalidad que tiene la temática del CI. Consideramos que la obra presentada es un esfuerzo interesante desde el punto de vista metodológico, la lógica difusa 2 es una herramienta de la inteligencia artificial que aquí se coloca al servicio del CI, aplicada en centros de investigación.

Conclusiones

Teniendo en cuenta la relación entre las variables valores y aptitudes, y aprendizaje organizativo en el grupo de investigación de la Facultad de Ciencias Económicas y Administrativas del ITM, la generación de valor del CI se concentra en MUY ALTA, cuando existe flexibilidad en el manejo de capital y la transmisión de conocimiento. Así mismo, la generación del valor del capital intelectual es MEDIA, cuando existen pertenencia y compromiso y pautas organizativas a la vez. Para el resto de las combinaciones de subvariables de esta relación y, según la superficie de control generada por el modelo, se considera que la generación de valor es ALTA. En términos generales, el fortalecimiento de los valores y aptitudes y el aprendizaje es una buena estrategia para generar valor en el CI dentro del mismo.

En la relación entre las variables actitud y aprendizaje organizativo existen combinaciones de subvariables que aunadas son potenciales en la generación de valor, entre las cuales están la formación especializada, la educación reglada y la formación interna del CH, junto a la acomodación de pautas organizativas, la captación y transmisión de conocimiento y la creación y desarrollo de conocimiento. Si el grupo coloca esfuerzos para el fortalecimiento de estas variables podrá obtener resultados importantes en la gestión del CI generado. Para esta relación, el grupo de investigación no deberá incorporar estrategias que combinen el desarrollo del personal, con la captación y transmisión de conocimiento y, según la superficie de control, la generación de valor sería BAJA.

La relación entre las capacidades del CH y el esfuerzo I+D, no requiere generar fuertes estrategias que promuevan el desarrollo de la comunicación y el liderazgo; al mismo tiempo que se desarrollan proyectos I+D, el aporte solo aumenta en forma MEDIA en el CI, sin embargo, formar un personal I+D con integrantes que posean capacidades de aprendizaje, trabajo en equipo, comunicación, liderazgo, y que sean capaz de tener conciliación en la vida laboral y familiar fortalecerá altamente la gestión del CI del grupo de investigación.

El orden de estrategias para el grupo de investigación debe ser: primero, al aporte de las capacidades y el esfuerzo I+D; segundo, a las actitudes con el aprendizaje organizativo y, finalmente, al relacionamiento de los valores y aptitudes con el aprendizaje organizativo. Lo anterior resulta de la lectura de las superficies de control extraídas para cada relación, que evidencia dónde hay mayor número de combinaciones de subvariables que generan más valor en cuanto a la gestión del CI.

El artículo presentado fue fruto de la investigación Método basado en lógica difusa 2, para la cuantificación en la creación de valor en las instituciones de educación superior, derivado de la gestión del conocimiento, en asocio entre la Institución Universitaria Salazar y Herrera (IUSH) y el Instituto Tecnológico Metropolitano (ITM). No existe ningún conflicto de intereses suscitado en la investigación.