Las Instituciones de Educación Superior en Colombia (IES) constantemente son evaluadas por el Ministerio de Educación Nacional de Colombia (MEN), el cual ofrece un marco de referencia para que revisen aspectos puntuales en su gestión y avancen en sus procesos de mejora continua (Colombia. Ministerio de Educación Nacional de Colombia, 2013). Estas IES deben asumir los procesos de renovación de registro calificado de cada uno de sus programas académicos. Por otra parte, aunque no es obligatoria, muchas Instituciones de Educación Superior (IES) en Colombia optan por someterse a procesos de acreditación de alta calidad, debido a los beneficios que conlleva en términos de calidad educativa, reconocimiento y mejora continua. De esta manera se contribuye a elevar el nivel general de la educación superior en el país (Colombia. Consejo Nacional de Acreditación República de Colombia. 2021b).

La investigación desempeña un papel fundamental en el proceso de acreditación de la educación superior en Colombia. Esto se debe a que la investigación aporta significativamente a la evaluación de la calidad, la mejora constante y la pertinencia de las instituciones académicas. Aquellas instituciones de educación superior que impulsan y respaldan la investigación suelen estar más capacitadas para cumplir con los requisitos de calidad académica y la búsqueda de la excelencia en la educación superior (Colombia. Consejo Nacional de Acreditación República de Colombia. 2021a).

Por las razones anteriores, es necesaria una estrategia que aporte al mejoramiento de algunos procesos investigativos en la Corporación Universitaria Empresarial Alexander von Humboldt (CUE AvH). Dicha estrategia consiste en desarrollar una herramienta computacional con base en la teoría de redes e implementada bajo los principios de la vigilancia científica-tecnológica que permitirá el fortalecimiento de dichos procesos de gestión de investigación en la CUE AvH.

Para el desarrollo de este trabajo, se tuvo en cuenta que la vigilancia científico-tecnológica y las redes complejas son dos áreas de estudio fundamentales en el entorno actual de la investigación y la innovación. La vigilancia científico-tecnológica implica el monitoreo constante de avances en la ciencia y la tecnología, lo que permite a las organizaciones estar al tanto de las tendencias emergentes y las oportunidades para el desarrollo de nuevas tecnologías o productos (Marulanda, Hernández y López, 2016; Carrillo, Páez, Suárez y Luna, 2018).

Así mismo, la vigilancia científico-tecnológica sigue siendo una herramienta fundamental en la era digital. También existen otras herramientas con propósitos similares como las redes sociales, las alertas de noticias y otras fuentes en línea que pueden proporcionar información valiosa. La vigilancia científico-tecnológica se destaca por su enfoque sistemático y estructurado (San Juan y Rodríguez, 2016). Esta metodología permite a las organizaciones y profesionales profundizar en la investigación, identificar tendencias a largo plazo y realizar un seguimiento continuo de avances específicos en sus campos de interés. Además, la vigilancia científico-tecnológica a menudo involucra la recopilación y el análisis de datos a gran escala, lo que brinda una visión más profunda y precisa de las dinámicas del conocimiento científico y tecnológico. Aunque las alternativas pueden ser útiles para obtener actualizaciones rápidas, la vigilancia científico-tecnológica sigue siendo esencial para la toma de decisiones estratégicas, la identificación de oportunidades de innovación y la planificación a largo plazo en el ámbito científico y tecnológico (Muñoz, Marin y Vallejo, 2006;Velasco y García, 2006; Giménez y Román, 2001).

Por otro lado, las redes complejas se centran en el análisis de las interconexiones y relaciones entre distintos elementos, ya sea en sistemas sociales, biológicos o tecnológicos (Estrada, 2012; Newman, 2010). Estas redes proporcionan una comprensión más profunda de cómo los elementos individuales interactúan y se influyen mutuamente en contextos diversos.

Las redes complejas se destacan como una herramienta fundamental en la vigilancia científica y tecnológica, debido a su capacidad para capturar y representar interacciones, dependencias y estructuras intrincadas en sistemas interconectados (Turnbull et al., 2018; Sergiou, 2020; Sergiou, Lestas, Antoniou, Liaskos y Pitsillides, 2020). A diferencia de otras metodologías como los modelos basados en agentes, la teoría de juegos o los modelos basados en sistemas dinámicos, las redes complejas permiten un análisis más profundo de los fenómenos, revelando conexiones no evidentes y patrones emergentes. Esto resulta especialmente valioso en campos donde las relaciones y las influencias entre elementos son esenciales para la comprensión, como en la biología molecular, las redes sociales, la epidemiología y la ciencia de datos. Además, las redes complejas pueden adaptarse a una variedad de datos y contextos, proporcionando una representación versátil para la vigilancia científica y tecnológica (Miyashita y Sengoku, 2021 ; Di Bella, Gandullia, y Preti, 2021).

La inclusión de redes complejas en la vigilancia científica-tecnológica es esencial debido a su capacidad para desentrañar relaciones y tendencias en un mundo cada vez más interconectado. Estas redes permiten una representación más realista y completa de la complejidad inherente en la ciencia y la tecnología modernas. Al incorporar datos multidisciplinarios y multicanal en un solo marco, las redes complejas pueden identificar innovaciones emergentes, colaboraciones científicas y desarrollos tecnológicos antes de que sean evidentes en enfoques más simples. Además, facilitan la identificación de nodos críticos, lo que es crucial para la toma de decisiones estratégicas. En resumen, las redes complejas brindan una perspectiva más profunda y precisa en la vigilancia científica-tecnológica, lo que puede conducir a una ventaja competitiva en la adopción de innovaciones y la anticipación de tendencias en constante evolución (Güemes y Ponce-Jaramillo, 2019; Lubango, 2015).

En conjunto, la vigilancia científico-tecnológica y el análisis de redes complejas se han convertido en herramientas esenciales para la toma de decisiones estratégicas, la identificación de oportunidades de investigación y la optimización de procesos en un mundo caracterizado por un rápido avance tecnológico y la interconexión global.

Partiendo de este punto, a través de una vigilancia científico-tecnológica es posible analizar los procesos de investigación en una institución de educación superior en una ventana de tiempo, con el fin de tener la posibilidad de generar insumos oportunamente para apoyar en mejores decisiones en la institución. Según Romero, Lavarca, y Pérez (2019) la vigilancia científica-tecnológica es usada como herramienta de gestión de la información. Además, proporciona a las personas encargadas de tomar decisiones los elementos indispensables para la articulación de la política y el fortalecimiento del ecosistema científico tecnológico como pilar del desarrollo de la nación.

Este artículo tiene como objetivo desarrollar una herramienta computacional con base en la teoría de redes y vigilancia científico-tecnológica con el propósito de fortalecer los procesos de investigación en la Corporación Universitaria Empresarial Alexander von Humboldt en la ciudad de Armenia, Quindío, Colombia. Para esto, en el marco teórico se abordaron los temas de redes complejas y vigilancia científico-tecnológica; de igual forma, se describe la recolección de información de la base de datos de la institución,la creación del dataset con la información de proyectos de investigación entre 2018 y 2021. Con esta información se construyeron dos redes, la primera de investigadores principales y coinvestigadores; la segunda red está relacionada con las palabras clave de cada proyecto de investigación. Luego, se lleva a cabo un análisis de centralidad a cada una de las redes y se describen los resultados que arrojaron ambas sobre los procesos investigativos de la institución como caso de estudio. Finalmente, se analizan los resultados encontrados y se plantean una serie de conclusiones y trabajos futuros en este campo.

La vigilancia científico-tecnológica es un proceso estratégico que consiste en la recopilación, análisis y evaluación continua de información científica y tecnológica relevante. Su objetivo principal es permitir a las organizaciones mantenerse al tanto de los avances y tendencias en su campo de interés. A través de la vigilancia científico-tecnológica, las instituciones pueden tomar decisiones informadas, identificar oportunidades de innovación, anticipar cambios en el entorno competitivo y optimizar sus estrategias de investigación y desarrollo. Este proceso implica la identificación de fuentes de información, la selección y análisis de datos, y la difusión de resultados que puedan influir en la toma de decisiones estratégicas. La vigilancia científico-tecnológica se ha convertido en una herramienta esencial para la innovación y la competitividad en un mundo caracterizado por un constante avance en la ciencia y la tecnología (Muñoz-Durán, Marín-Martínez y Vallejo-Triano, 2006; Velasco y García, 2006).

Por otra parte, la teoría de redes complejas se basa en el concepto matemático de grafo, planteado en 1736 por el matemático suizo Leonhard Paul Euler, quien desarrolló esta teoría para resolver el problema de los puentes de Königsberg (Rahman, 2017; Diestel, 2017; Jungnickel, 2005).

Formalmente el concepto de grafo se define de la siguiente forma (Bondy y Murty, 2008; Rahman, 2017; Estrada, 2012):

Un grafo, en su esencia, es una representación visual de las relaciones y estructuras que se encuentran en diversos campos. Aunque pueden existir variaciones en la notación utilizada, el concepto fundamental de nodos y aristas se mantiene constante (West, 2001; Harju, 2014). Igualmente, un grafo se define como un conjunto de vértices que se conectan entre sí a través de una propiedad métrica. En última instancia, la identidad de los nodos y vértices es de menor relevancia en comparación con la configuración de sus conexiones, ya que es esta disposición lo que aporta un valor fundamental a la comprensión de la estructura subyacente (Wilson, 1970).

Ahora bien, un grafo, se puede como ya se mencionó es un conjunto de nodos y aristas que enlazan estos nodos. La función principal de los grafos es representar y modelar las relaciones e interacciones entre elementos individuales. Por otro lado, el concepto de una red compleja abarca un ámbito más amplio, ya que se refiere a sistemas compuestos por un gran número de componentes interconectados. Estas redes complejas van más allá de la mera representación de las conexiones entre nodos, ya que incluyen propiedades emergentes y dinámicas que se derivan de la estructura y las interacciones en la red (Boccaletti, Latora, Moreno, Chavez, y Hwang, 2006; Estrada, 2012).

Así pues, mientras que un grafo se enfoca principalmente en la abstracción de las conexiones entre nodos, una red compleja es un concepto más amplio, que involucra la estructura, la dinámica y las propiedades emergentes de un sistema interconectado, afectando tanto a los nodos como a las aristas. En esencia, un grafo puede considerarse como un caso especial de una red compleja, donde la red en cuestión es relativamente simple y carece de propiedades emergentes sustanciales.

Las redes sociales son un ejemplo de una red compleja, las personas son en la mayoría de los casos los nodos o entidades, mientras que las aristas son el tipo de relación que tiene entre ellos (Mayo, Abdelzaher y Ghosh, 2015; Pei, Morone y Makse, 2018). En una red bibliográfica, los nodos son los artículos, libros u obras similares, mientras que las aristas dan cuenta de la forma en cómo estos se citan entre sí (Boyack Y Klavans, 2019; Maltseva Y Batagelj, 2019). En conclusión, un conjunto de nodos puede generar distintas redes dependiendo de la forma en cómo se decida relacionar los nodos (Estrada, 2012; Newman, 2010; Newman, Barabasi y Watts, 2011).

Como antecedentes a este artículo, se puede mencionar el trabajo presentado por Ostos, Rentería-Ramos y Cala (2021); en él, los autores proponen la construcción de un modelo de vigilancia tecnológica para la gestión estratégica de la investigación científica en instituciones de educación superior en Colombia. Este modelo está compuesto por un sistema de información que incluye artículos científicos, planes de intervención para las regiones y el país, y datos de políticas públicas relacionadas con Ciencia, Tecnología e Información. Los resultados clave de este estudio indican que la creación de un sistema complejo permitió identificar las áreas prioritarias de la producción científica en el país. En última instancia, la investigación evidenció que los temas de investigación científica que se abordan en Colombia por las instituciones educativas no coinciden con las necesidades identificadas.

Por otra parte, investigadores como Vaseashta (2014), ilustra cómo el proceso de toma de decisiones estratégicas es complejo y requiere una base sólida de conocimientos, orientación colectiva, capacidades analíticas y evaluación de riesgos. En su trabajo, presenta tres metodologías (TechFARM, ADAMS y NESTTS) que combinan diversas disciplinas científicas y tecnologías de vanguardia para proporcionar a los responsables de la toma de decisiones soluciones plausibles y rutas alternativas. Estas metodologías se aplican en análisis de tendencias y prospectiva, y se han adaptado a una variedad de campos, desde defensa hasta ciberseguridad, salud y seguridad ambiental, lo que respalda la formulación de políticas y recomendaciones de inversión en beneficio del público en general.

De igual forma, Ena, Mikova, Saritas y Sokolova (2016), en su trabajo introducen una metodología sistemática de monitoreo de tendencias tecnológicas (TTM) basada en un análisis de datos bibliométricos. La metodología se desarrolla teniendo en cuenta varios fundamentos clave como el aumento en el número de fuentes de datos, la necesidad de enfoques de agrupamiento personalizados y la mejora del impacto de las políticas a través de la recopilación de inteligencia orientada al futuro sobre desarrollos emergentes y posibles cambios disruptivos. Los autores presentan un nuevo algoritmo para la agrupación de datos con el fin de superar las limitaciones de las herramientas de agrupación disponibles para identificar tendencias tecnológicas. El estudio sitúa las actividades de TTM en un contexto más amplio de políticas para utilizar los resultados en la formulación de políticas de Ciencia, Tecnología e Innovación y en procesos de elaboración de estrategias de I+D.

En este artículo se hace una descripción de la construcción de la red de investigadores en una institución específica: La Corporación Universitaria Empresarial Alexander Von Humboldt como un caso de estudio, mientras se describen las fases generales que pueden aplicarse en situaciones similares.

Uno de los referentes clave para esta investigación fue el enfoque presentado por la Universidad Santo Tomás en Colombia. En este enfoque, se implementó el Modelo de Vigilancia Tecnológica e Inteligencia Estratégica (MOVTEA) con el fin de analizar diversas propuestas académicas. El objetivo principal de dicho modelo consistió en la creación de una serie de herramientas e instrumentos destinados a mejorar las estrategias utilizadas en los procesos de toma de decisiones relacionados con la creación de nuevos programas académicos (Mesa Angulo, Ostos Ortiz y Rentería, 2020).

Como se explicó en la metodología, se construyeron dos redes a partir del mismo dataframe. La primera de ellas toma como punto de partida a los investigadores y coinvestigadores como los nodos y a las aristas como las palabras clave que tengan en común estos en sus trabajos. Para la segunda, los nodos son las palabras clave mientras que las aristas son los investigadores y coinvestigadores que trabajan en esas temáticas.

La vigilancia científico-tecnológica se encuentra en una posición única para aprovechar el potencial de las redes complejas en beneficio de la sociedad y el avance científico. Estas redes ofrecen una plataforma valiosa para la recopilación, análisis y visualización de datos interconectados, lo que permite identificar patrones emergentes, tendencias y relaciones que pueden impulsar la toma de decisiones en el ámbito de la investigación y la innovación. Al utilizar las redes complejas de manera estratégica, la vigilancia científico-tecnológica puede contribuir no solo a la detección temprana de avances científicos y tecnológicos, sino también a la identificación de oportunidades de colaboración, el mapeo de actores clave y la promoción de la innovación, lo que, en última instancia, fortalece el progreso en la ciencia y la tecnología.

Teniendo en cuenta lo anterior, el trabajo presentado por Ostos, Rentería-Ramos y Cala (2021), el cual es el más similar en cuanto a la herramienta y a los objetivos planteados, resaltando que estos autores presentan resultados de forma global y enfocado en universidades o instituciones educativas teniendo en cuenta artículos y otros tipos de publicaciones. Mientras que en el trabajo presentado en este artículo se centra en un caso particular de la institución CUEAvH y en específico para diagnosticar los procesos de investigación en la institución.

Sin embargo, en ambos casos las redes complejas fueron una herramienta que permitió encontrar muchos aspectos que a simple vista no se pueden evidenciar con sólo tener las publicaciones de los proyectos de investigación o los informes finales de los mismos. En ambos casos se pude ver aspectos como los temas y las tendencias en investigación que en más o menos medida están presentes en una institución, haciendo que uno de los objetivos principales de la vigilancia científico tecnológico, la autoevaluación continua, se lleva a cabo de una forma más eficaz.

En este trabajo, la integración de la vigilancia científico-tecnológica junto con el análisis de redes complejas desempeña un papel esencial en la supervisión de los procesos de investigación en la CUEAvH. Esta combinación de enfoques nos permite obtener una visión profunda y detallada de la dinámica investigativa en la institución. La vigilancia científico-tecnológica nos ayuda a identificar las últimas tendencias y avances en temas de estudio, lo que, a su vez, permite tomar decisiones más informadas sobre la asignación de recursos y la promoción de la innovación. Por su parte, el análisis de redes complejas nos brinda una representación visual de las conexiones y colaboraciones entre investigadores y proyectos, lo que facilita la identificación de áreas de fortaleza y oportunidades de colaboración interdisciplinaria. En conjunto, estas herramientas permiten elevar la calidad y el impacto de la investigación en la CUEAvH.

Las redes complejas se han convertido en una herramienta esencial para visualizar y analizar las interacciones en el ámbito de la investigación de una Institución de Educación Superior (IES). Mediante estas redes, es posible identificar subgrafos que arrojan luz sobre los investigadores más destacados y los temas de investigación más prominentes en la institución. Esta capacidad de visualización es de gran utilidad para la vigilancia científico-tecnológica, ya que facilita la toma de decisiones estratégicas en el campo de la investigación y el desarrollo tecnológico. Gracias a las visualizaciones y las medidas de centralidad, un director o vicerrector de investigación puede identificar con mayor facilidad grupos interdisciplinarios de investigadores y destacar líneas de investigación en la institución.

Este trabajo ha presentado una herramienta basada en redes complejas para la vigilancia científico-tecnológica de los procesos de investigación en CUEAvH. Esta herramienta ha permitido identificar relaciones entre los temas de investigación y la red de investigadores y coinvestigadores que trabajan en esos mismos temas. Además, ha facilitado la identificación de los docentes que tienen un mayor número de trabajos presentados y cómo estos se relacionan con otros trabajos.

La herramienta también ofrece la posibilidad de visualizar los temas de investigación más relevantes y su relación con los docentes que los abordan. Las redes proporcionan una representación de los temas de mayor impacto en la institución y destacan a los docentes que pueden contribuir de manera significativa a estos esfuerzos investigativos. Los resultados evidencian la existencia de un grupo de docentes que fomentan la colaboración interdisciplinaria. Por otro lado, las redes revelan a investigadores cuyos temas de investigación no están vinculados a otros proyectos o grupos, lo que resulta en su aislamiento en el entorno de investigación. Aunque estos investigadores aportan al proceso investigativo de la institución, su influencia y relevancia se ven limitadas debido a su falta de interconexión con el trabajo interdisciplinario de otros docentes.

En resumen, el uso de redes complejas como herramienta de visualización y análisis en el campo de la investigación en una Institución de Educación Superior (IES), en específico la CUEAvH, ha proporcionado valiosas percepciones. Estas visualizaciones han revelado que muchos investigadores trabajan en temas aislados (ver Figura 1), lo que se traduce en su representación como nodos aislados en la red (nodo color rojo), indicando una falta de conexiones interdisciplinarias. Sin embargo, se observa que existen subgrafos (Figura 2) que representan grupos de investigadores que comparten intereses comunes y colaboran en áreas específicas. Esto demuestra que, aunque hay una tendencia hacia la investigación individual, también hay instancias de trabajo colaborativo y enfoque en temas recurrentes, como se evidencia en la red de palabras clave. La importancia de fomentar la interdisciplinariedad y la colaboración entre investigadores se destaca como una conclusión clave, ya que esto puede enriquecer la producción de investigación en la institución y promover un enfoque más cohesionado en la investigación y el desarrollo tecnológico.

Basado en los resultados y conclusiones de este trabajo, se pueden proponer algunas áreas de enfoque para investigaciones futuras. En primer lugar, sería beneficioso continuar refinando y mejorando la herramienta basada en redes complejas para la vigilancia científico-tecnológica, asegurando que sea aún más eficaz en la identificación y visualización de temas de investigación, conexiones interdisciplinarias y tendencias emergentes. Además, se podría crear otras redes como las de coinvestigadores, redes de productos, etc., que permitan identificar otros aspectos importantes para los procesos de investigación en la CUEAvH.

Además, sería valioso explorar en mayor profundidad cómo estas herramientas pueden ser utilizadas en la toma de decisiones estratégicas en el ámbito de la investigación y el desarrollo tecnológico en una Institución de Educación Superior. Se podría investigar cómo estas visualizaciones pueden informar políticas de investigación, asignación de recursos y promoción de la colaboración interdisciplinaria. Adicionalmente, sería interesante estudiar las barreras y desafíos que enfrentan los investigadores cuyos temas no están relacionados con otros proyectos o grupos, y cómo se podrían promover conexiones y colaboraciones más efectivas en el entorno de investigación.