Introducción

La noción de universidad emprendedora surge en el contexto de la dinámica compleja de los sistemas de innovación. La bibliografía refiere su contribución al desarrollo regional, industrial y a su influencia sobre la actividad innovadora empresarial (Caviggioli et al., 2023a y 2023b; Pugh et al., 2018; Spurek y Rehák, 2022), como consecuencia de la adopción de una misión orientada de la transferencia de conocimiento hacia el entorno productivo, una vez que ha evolucionado a partir de una primera revolución cuyas misiones se orientaban a la enseñanza y la investigación (Etzkowitz et al., 2000).

En este sentido, la universidad emprendedora se reconoce como una de las hélices en un modelo sistémico de innovación que provee capital humano y se forja como semillero de nuevas empresas, y que en un sentido eminentemente económico se las reconoce por su eficiencia costo-efectiva de generar conocimiento y como inventoras creativas (Etzkowitz, et al. 2000, p. 314).

La literatura sobre el tema reconoce los múltiples rostros que adquiere la universidad emprendedora, en virtud de la diversidad de actividades de emprendimiento que realiza: comercializar patentes, ofrecer consultoría, desarrollar spin-offs, entre otras (Ding y Choi, 2011; Kalar y Antoncic, 2015; Kolb y Wagner, 2017; Pugh et al., 2018).

Para las instituciones de educación superior (ies) se ha vuelto un imperativo identificarse como competitivas, dado que la lógica de la universidad emprendedora radica en transferir conocimiento potenciador de crecimiento, pero también es una vía hacia su sostenibilidad económica (Etzkowitz et al., 2000; Siegel y Wright, 2015).

Una dimensión de la universidad emprendedora radica en la producción de patentes. Se ha identificado que éstas propulsan el comportamiento estratégico de las empresas en términos de incrementar su actividad de patentamiento y definir criterios para la toma de decisiones con respecto a incursionar en prácticas de innovación abierta (Anckaert y Peeters, 2023; Ardito, 2018; Michelino et al., 2017; Spurek y Rehák, 2022).

No obstante, en México, a pesar de que el tema de las universidades emprendedoras no ha pasado inadvertido, el potencial que parece evidenciar la práctica de transferencia de conocimiento no ha permeado como en otras latitudes por diversas razones. Dos de ellas: primera, porque propiamente México no se ha caracterizado por su dinámica innovadora y, segunda, porque ante ese vacío no existen referentes con respecto a cómo operativizar estructuras de emprendimiento eficientes (Cabrero et al., 2011; Campos y Sánchez, 2005; Cárdenas, Cabrero y Arellano, 2014; The Failure Institute [tfi], 2018; Kantis, Federico y García, 2020; Portuguez, Ross y Gómez, 2019).

Sin embargo, es indispensable, como primer paso hacia el emprendimiento en las ies, la identificación de capacidades de investigación tecnológica potencialmente comercializable. Dada la relevancia de los registros de propiedad industrial como indicador asociado a la capacidad emprendedora de las universidades, este trabajo de investigación centra su interés específicamente en la actividad de patentamiento del ipn. Esto último, para identificar tanto capacidades de investigación tecnológica puestas en patentes, como unidades académicas donde tales registros se concentran.

Particularizamos el caso del ipn porque la noción de universidad emprendedora no escapa a la institución: la forma organizacional más reciente es la Dirección de Servicios Empresariales y Transferencia Tecnológica (Dsett), concebida como unidad organizacional de vinculación, patentamiento, transferencia, y aplicación del conocimiento científico y tecnológico hacia los sectores productivos y sociales.

El antecedente de la Dsett fue la Unidad Politécnica para el Desarrollo y la Competitividad Empresarial (Updce). Entendemos que el cambio implica, primeramente, reconocer a las funciones de vinculación una mayor jerarquía en la estructura organizacional al pasar de unidad a dirección y, en segundo lugar, por el cambio de enfoque, favoreciendo un papel protagónico y activo al Instituto en el proceso de emprendimiento. Es previsible que los resultados de la Dsett condicionen su transformación futura y el papel del Instituto como universidad emprendedora.

A su vez, la Dsett es una de las direcciones de la Secretaría de Innovación e Integración Social, que además de prestar servicios empresariales y transferir tecnología tiene como funciones la vinculación para el desarrollo regional, la incubación de proyectos de desarrollo tecnológico, la realización de estudios de prospectiva tecnológica y las relaciones internacionales, de modo que existe cimentada una estructura institucional para el emprendimiento universitario pero, como reflejo de lo que ocurre al nivel nacional, el Instituto se enfrenta con los problemas de robustecer sus prácticas de transferencia¹.

Debido a ello, este trabajo contribuye sobre una dimensión específica del emprendimiento universitario para un caso en particular. Patentar no se traduce invariablemente en transferir, pero identificar las áreas de conocimiento tecnológico, así como las instituciones que las concentran, a través de patentes, sí constituye un acervo de recursos para la gestión del conocimiento hacia el emprendimiento.

Por lo tanto, la pregunta principal que guía esta investigación es ¿qué capacidades de investigación tecnológica, manifiesta en patentes, le otorga al ipn un perfil de universidad emprendedora? Ahora bien, habiendo reconocido la parcialidad de las patentes como indicadores de una universidad emprendedora, una pregunta secundaria es ¿qué implicaciones tienen los indicadores de redes que se desprenden de las patentes, pensando en el ipn desde la perspectiva de la universidad emprendedora?

A continuación, se discute la metodología del trabajo, posteriormente se presentan los resultados y por último se ofrece la discusión y conclusiones.

Metodología

De manera sintética, la metodología consiste en 1) recuperar patentes cuyo titular es el ipn, 2) extraer y organizar la información de las patentes para obtener indicadores de redes, 3) emplear los indicadores de redes para obtener conglomerados de campos de conocimiento y unidades académicas que concentran la actividad de patentamiento.

Existe bibliografía que relaciona la actividad de patentamiento universitario con actividades de emprendimiento, en contextos donde la innovación tiene un peso relevante (Ardito, 2018; Bercovitz y Feldman, 2011; D’Este y Perkmann, 2011; Rybnicek et al., 2019), aunque no necesariamente la relación pueda ser positiva, en función del contexto y el espacio (Riviezzo et al., 2019) En este sentido, la información que proveen patentes parece un indicador relevante de emprendimiento que aquí exploramos con el fin de identificar el conocimiento que acerca al instituto a explotar una vertiente de emprendimiento.

Para el caso que nosotros revisamos, recurrimos a Lens.org, sitio del que recopilamos tanto solicitudes de patente, como patentes otorgadas en las que aparece como titular el Instituto Politécnico Nacional a diciembre de 2022. Al respecto hacemos hincapié en que, al incluir el rastreo de solicitudes de patentes, buscamos tener un amplio panorama de los campos de conocimiento con potencial de emprendimiento, en el que está comprendida la solicitud de patentes, según se verifica en la revisión de literatura (Fujii, Yoshida y Sugimura, 2016; Jibir y Abdu, 2021; Kasuyaki, 2016; Mungila, 2020; Yun et al., 2018).

De las patentes recuperamos dos datos: los clasificadores internacionales de patentes (cip), que es la clave mediante la cual se clasifican los campos de conocimiento de los inventos. La cip es asignada por las oficinas de patentes y se utilizan para recuperar documentos en el proceso de indagación del estado de la técnica, para decidir si una patente es otorgada o no. De modo que es un clasificador que hace comparable la actividad inventiva a nivel internacional, y que permite identificar la evolución del desarrollo tecnológico (Organización Mundial de la Propiedad Intelectual [ompi], 2022).

En nuestro caso recuperamos los cip a un nivel de desagregación de grupos, sin especificar el conjunto de definiciones correspondientes a uno mismo.

Ahora bien, a partir del nombre de los inventores se rastrean sus unidades académicas (ua) de adscripción. Con ambos datos tenemos los campos de conocimiento en los cuáles se concentra la actividad inventiva de los científicos del instituto, así como las organizaciones donde tal actividad se concentra.

Una misma patente puede abarcar diversos cip, por lo que desde este punto de vista un invento anida diversos clasificadores que pueden representarse como una red, de la cual se derivan indicadores de su estructura. Lo mismo puede decirse con respecto a las ua: a partir de su área de conocimiento, más de una puede participar en el desarrollo de una misma patente, lo que arrojaría la representación de redes de unidades académicas participantes en la actividad inventiva.

Una red es un medio de codificación de un sistema; por lo tanto, es una forma de representar cierta complejidad a partir de la relación de los atributos de los componentes del sistema. A partir de esta codificación se identifican patrones no aparentes a simple vista (Barabasi, 2016; Borgatti, Everett y Johnson, 2013; Scott, 2017). En nuestro caso representamos redes, asumiendo que estructuran espacios cognitivos e institucionales que concentran conocimiento potencialmente comercializable; por lo tanto, nos interesa mostrar una forma de estructurar una de las dimensiones de la universidad emprendedora: la actividad de patentamiento.

Para ello identificamos cuatro indicadores de redes: grado, grado eigenvector, intermediación (Borgatti, Everett y Johnson, 2013) y pagerank (Page et al., 1999). Los tres primeros indicadores suelen emplearse en el análisis de redes sociales, el cuarto se diseñó para medir la importancia de las páginas web en función de cuantas direccionan a una misma y, a su vez, hacia cuantas direcciona. Nosotros los empleamos tanto para develar como para jerarquizar la estructura de conocimiento y los espacios organizacionales donde se genera:

1. 1. El grado indica la cantidad de vínculos i de cada nodo x, donde cada nodo está representado por un cip contenido en cada una, o una ua a la que está adscrito el inventor.

   $d_i=\sum _j^{}{x}_{\text{ij}}$

   El grado del nodo representa su peso en la actividad inventiva de la institución. Se intuye que, a mayor grado, mayor peso (relevancia o densidad) de un campo de conocimiento o una unidad académica en la actividad de patentamiento. Sin embargo, este peso no es absoluto, en el sentido de que una red es una estructura compleja y, como tal, arroja información que contribuye a tener una interpretación más rica, si se observa al amparo de más indicadores.

2. 2. El grado eigenvector indica la centralidad de un nodo en función del grado de los nodos que le son adyacentes, por tanto, es una forma de observar el tamaño relativo de un nodo: es más grande (importante) en la medida que sus adyacentes son grandes (importantes).

   $e_i=\lambda \sum _j{x}_{\text{ij}}{e}_j$

   Donde lambda es la constante proporcional eigenvalue, para una proporcionalidad basada en la suma del grado de los nodos adyacentes j a cada vínculo i. El grado del eigenvector pondera el peso de los nodos adyacentes para atribuir cierto valor a uno en particular.

3. 3. Intermediación observa la capacidad de un nodo j de conectar otros (i y k).

   $b_j=\sum _{i<k}^{}\frac{g_{\text{ijk}}}{g_{\text{ik}}}$

   El indicador de intermediación representa la proporción de todos los caminos posibles entre nodos que pasan por un nodo focal; por lo que señala qué proporción de todos los caminos más cortos de uno a otro nodo pasan a través de uno en particular. Mediante la intermediación se identifica la capacidad de los nodos de vehicular a otros.

4. 4. Pagerank es una forma de señalar la centralidad de un nodo en términos de la importancia que le es transferida y que transfiere. Es decir, la centralidad de un nodo se asume como consecuencia de los otros que se le asocian. Se asume que la importancia inherente de un nodo β es .15

   $y_i=\alpha \sum _j\frac{x_{\mathrm{ij}}}{k_j}{y}_i+\beta$

En el caso de redes de conocimiento (análisis cienciométrico, bibliométrico, o de innovación) la bibliografía es profusa en el uso del indicador de redes, por ejemplo, mediante el de intermediación (Badar, Hite y Badir, 2013; Geisberger, Sanders y Schultes, 2008; Green, McColl y Bader, 2012; Huang, Liu y Pan, 2021; Kajikawa y Mori, 2009; Lee et al., 2012) y grado del eigenvector (Dong, y Yang, 2016; Ito, Ikeuchi y Daiko, 2021; Kim, 2019).

Del pagerank decíamos que es un indicador a partir del cual se ponderaba la relevancia de una página web, en función del alcance que podía lograr una, dependiendo de qué tan alejada estaba de una nodal (Page et al., 1999). Para el caso de nuestro ejercicio, el valor del indicador se explica por el hecho de que una patente puede contener varios cip, asumimos que, en la medida que el primer clasificador es el más importante para el invento, el resto se diluye en términos de su especificidad técnica.

En realidad, uno encuentra en la literatura que suelen usarse varios indicadores como recurso para explicar la complejidad asociada a procesos de innovación. Sucede así porque cada indicador por su cuenta aporta información relevante y parcial. En nuestro caso, para hablar del patentamiento en el ipn en el marco de la universidad emprendedora decidimos conjugar la información de los cip y las ua de las patentes para formar conglomerados.

En el análisis de conglomerados se busca descubrir grupos de observaciones similares, naturales a partir de las variables en estudio (Alarcón, 2021; Johnson y Wichern, 2007), en nuestro caso agrupar tanto a los cip de las patentes, como a las ua donde surgen los inventos a partir de los indicadores de redes.

El primer paso hacia la conglomeración consiste en verificar que los indicadores de redes cumplen los criterios estadísticos de conformarse en componentes principales, que es una técnica estadística multivariada que busca reducir a unas cuantas dimensiones relevantes una estructura de datos más amplia, mediante la combinación lineal de variables originales (Alarcón, 2021; Bajo-Traver y Diez-Caballero, 2014; González et al., 2007, Johnson y Wichern, 2007).

Resultados

Estadísticas sobre actividad de patentamiento en el ipn

En la plataforma Lens.org se identificaron un total de 288 patentes, la primera data de 1997. La gráfica 1 muestra que con el transcurso del tiempo existe un crecimiento paulatino de la actividad de patentamiento que al año 2019 llega a registrar 61. Este crecimiento paulatino se manifiesta en que el lapso 2013-2020 concentra el 82% de las patentes totales (237 patentes publicadas), un promedio de 29.6 por año, mientras que entre 1997 y 2012 aparece el registro de 4.6 patentes por año (gráfica 2). Suponemos que la reducción del ritmo de crecimiento en la actividad de patentamiento para 2020 tiene que ver con el cierre de actividades derivado de la pandemia por Covid.

Gráfica 1
Año de publicación de patentes
Fuente: elaboración propia con base en Lens.org

Gráfica 2
Actividad de patentamiento por período
Fuente: elaboración propia con base en Lens.org

De las 288 patentes, 245 son solicitudes; las 43 restantes corresponden a patentes otorgadas (gráfica 3).

Gráfica 3
Patentes solicitadas y otorgadas
Fuente: elaboración propia con base en Lens.org

Otro dato relevante es que el 95.5% de las patentes se han registrado en México, proporción que se eleva a 99% considerando el país de prioridad para patentar (tabla 1).

Las 288 patentes abarcan 218 cip al nivel de desagregación de grupos, que se repiten 460 ocasiones, de manera que en promedio cada patente comprende 1.6 cip.

Asimismo, las 288 patentes comprenden 84 ua, de las cuales 48 son instancias del Instituto Politécnico Nacional; las restantes corresponden a instancias de la unam, uam, Cinvestav, imp, uanl, entre otras, incluidas otras que carecen de institución de adscripción del inventor, con las que el ipn tiene cotitularidad.

Redes y conglomerados de campos de conocimiento y unidades académicas

Conglomerados de campos de conocimiento

La tabla anexa 1 muestra los indicadores de redes para los cip de las patentes del Instituto. Las ocho cip que al menos observan un indicador de grado de 8 mayoritariamente abordan campos relacionados con el área de las ciencias médico-biológicas (tabla 2). Es notorio que la estructura de la red de conocimiento evidencia que el indicador de grado es relevante para determinar el peso de la actividad de emprendimiento, pero su peso no es definitivo; por ejemplo, el campo a61k31 arroja el mayor grado y el mayor pagerank, el segundo grado eigenvector, y es el quinto campo más relevante en términos de intermediación. A partir de la tabla anexo 1 se pueden identificar esas variaciones. Si sigue uno en la lógica de ir campo por campo, encontrará complicado identificar una estructura basada en los campos con los indicadores de redes, debido a lo cual realizamos la técnica de conglomeración y componentes.

Para articular los conglomerados de patentes, como primer paso mostramos la tabla 3, que exhibe la correlación entre los indicadores de la red de conocimiento, y dan un indicio sobre la viabilidad de conglomerar áreas de conocimiento. Conforme el ejercicio estadístico, todas las correlaciones son significativas al 1%.

Como segundo paso presentamos la tabla 4, que muestra los resultados de agrupar las variables en componentes principales. Conforme al resultado, se observa que las variables se agrupan adecuadamente en un solo componente (con un autovalor de 2.95545), que explica el 73.89% de la varianza. Por su cuenta el cuadro 5 muestra el índice kmo, de adecuación de componentes, con valores superiores a 0.7, por lo que el ejercicio de identificación de componentes es adecuado.

Como tercer paso presentamos la ecuación de normalización para ordenar los clasificadores de las patentes (sus campos de conocimiento) en un componente y, a partir de ella, conglomerar campos de conocimiento:

zcip = 0.5413*grado+0.4979*eigencentralidad+0.4637*pageranks+0.4941*Intermediación

De ella se desprende la columna zcip del cuadro anexo 1.

El cuarto paso consiste en que a partir de la variable normalizada zcip se conglomeran los campos de conocimiento usando el criterio de vecino más cercano, mediante el cálculo de la distancia euclidiana. El dendrograma (gráfica 4) muestra las 15 ramas (los cip) más importantes. Dada la medida de disimilitud entre campos de conocimiento, es evidente la mayor cercanía entre los clasificadores a61k35 y a61k38, que con el resto de los cip. Un segundo gran conjunto se divide en dos subconjuntos, el primero se forma entre los clasificadores que van del c12n15 al g01n1; y el otro del c07k14, etcétera.

Sin embargo, dado que las patentes del Instituto abarcan un total de 218 campos de conocimiento, y en función del peso diferenciado que tienen, observamos que un gráfico de distancia (gráfica 6) entre clasificadores nos permite observar una conglomeración de campos de conocimiento más eficiente si se organizan los clasificadores en 4 conglomerados (columna conglomerados del cuadro anexo 1; en la gráfica 5 se observan encerrados en rojo).

Gráfica 4
Dendrograma para variables normalizadas zcip
Fuente: elaboración propia con base en datos de patentes extraídas de Lens.org

Gráfica 5
Determinación de conglomerados
Fuente: elaboración propia.

Conglomerados de campos de unidades académicas

La tabla anexa 2 muestra los indicadores de redes para las ua donde se producen las patentes registradas a nombre del Instituto. Las unidades académicas que mayor grado alcanzan y, por tanto, las que más actividad de patentamiento reportan, son la Escuela Superior de Ingeniería Mecánica y Eléctrica unidad Zacatenco (Esime z), Escuela Nacional de Ciencias Biológicas (encb), Escuela Superior de Medicina (esm), Escuela Nacional de Medicina y Homeopatía (enmh), Centro de Investigación y Estudios Avanzados (Cinvestav), Centro de Investigación en Ciencia Aplicada y Tecnología Avanzada unidad Legaria (Cicata L).

Asimismo, a simple vista se observa que el grafo de unidades académicas está más conectado que el de cip; pero, como en el caso anterior, es preferible ordenar unidades académicas mediante la conformación de conglomerados.

Procedemos de la misma manera que en el caso de la identificación de las áreas de conocimiento de las patentes, por lo que en primera instancia mostramos la tabla 6, que muestra la correlación entre indicadores de la red de unidades académicas. En este caso observamos que los indicadores tienen una correlación más elevada que en el caso previo.

Las tablas 7 y 8 muestran, primero, los resultados de agrupar las variables en componentes principales: conforme a los resultados, agrupan suficientemente en uno solo que explica 95.1% de la varianza; se observa, asimismo, con un índice kmo, cuyos valores superan a 0.7, de modo que se constata que el ejercicio de componentes es adecuado para extraer conclusiones de conglomerados de unidades académicas que patentan, a partir de indicadores de redes.

La ecuación de normalización que denominamos zecu, para ordenar unidades académicas y, a partir de ella, conglomerarlas es:

zecu= 0.5070*grado+0.4914*eigen+0.5044*pageranks+0.4971*intermediación

Luego del cálculo de zecu (tabla anexa 2) se conglomeran las unidades académicas mediante el criterio de vecino más cercano, calculado a través de la distancia euclidiana. La gráfica 6 corresponde al dendrograma que muestra las 15 ramas (ua) más importantes en términos de patentes.

Del dendrograma queremos llamar particularmente la atención que una de las ua que más patenta es la Esime, sin especificar qué unidad en particular (Zacatenco ya decíamos que está entre las cinco más patentadoras, pero también están ahí Azcapotzalco y Ticomán). Un segundo hecho, que entre las 15 unidades aparecen Cinvestav y la Facultad de Ciencias de la unam. Sobre Cinvestav llamamos la atención que es una institución que propiamente no pertenece al ipn, por lo que su nombre de adscripción no siempre aparece normalizado en relación al Instituto, pero tiene un nexo en docencia e investigación fuerte desde su origen. Un tercer hecho, la distancia que muestra la encb con respecto a las demás unidades académicas, que en sí misma parece agrupar un conglomerado.

Gráfica 6
Dendrograma normalizado para la Variable zecu
Fuente: elaboración propia con base en datos de patentes extraídas de Lens.org

Tal como en el caso de las áreas de conocimiento, observamos que una forma más eficiente de aglomerar unidades académicas puede realizarse identificando un número de conglomerados, en función de la distancia entre nodos (distancia entre unidades académicas). La gráfica 7 ofrece visualmente una organización de unidades en 5 conglomerados, expresados en el cuadro anexo 2.

Gráfica 7
Determinación de conglomerados
Fuente: elaboración propia.

Discusión

Áreas de patentamiento y unidades académicas patentadoras

A partir del creciente interés en la actividad de patentamiento en el Instituto Politécnico Nacional se evidencia la relevancia que ha adquirido el discurso de la universidad emprendedora: en el transcurso de los años se ha intensificado el número de solicitudes y patentes otorgadas, aunque el grueso de las patentes se solicita principalmente en el ámbito nacional.

Se identifica, asimismo, que la actividad inventiva se realiza principalmente entre unidades académicas del Instituto, pero también con otras instituciones del sistema educativo y de investigación nacional e internacional (aunque en una mínima proporción).

Por campo de conocimiento, se ubica que el patentamiento se concentra en el desarrollo de invenciones que en el marco de la organización del ipn corresponde al área de ciencias médico-biológicas (medicina, salud, biotecnología). Entre las principales ocho cip (tabla 9), solo dos pueden corresponder a invenciones relacionadas con métodos o instrumentos de medición o testing que pueden caer tanto en el área de las ciencias médico-biológicas, como en el área de ingenierías y ciencias físico-matemáticas (otra de las áreas en que se organiza la docencia y la investigación del ipn), en función de las definiciones de los cip.

En concordancia con el predominio de la actividad de patentamiento en materia de salud, medicina y biotecnología, dos ua del área médico-biológica constituyen, cada una, un conglomerado por sí mismas (tabla 10). Aunque entre de las 16 ua que conforman cuatro conglomerados, se observa el predominio de las pertenecientes al área de ingenierías y ciencias físico-matemáticas, si bien básicamente están contenidas en el conglomerado 4.

Esto indica un comportamiento diferente entre áreas de organización de la actividad académica: por áreas de conocimiento predomina patentamiento en materia de salud, medicina y biotecnología, pero el patentamiento en áreas de las ingenierías y ciencias físico-matemáticas involucra más unidades académicas. Este resultado conduciría a indagar la dinámica organizativa y social en torno a la actividad de emprendimiento del Instituto. De modo que, tanto por cip, como por ua, la identificación de conglomerados a partir de indicadores de redes plantea el reconocimiento de la complejidad en el contexto de la universidad emprendedora.

Conclusiones

Hallazgos en el plano descriptivo

En este trabajo hemos propuesto el mapeo de patentes registradas por el Instituto Politécnico Nacional, extrayendo dos datos de ellas: 1) los cip, que asimilan el tipo de capacidades de investigación tecnológica empleada en la invención, y 2) las ua donde se llevó a cabo la invención, que manifiesta la distribución de capacidades de desarrollo tecnológico entre dependencias del Instituto. El procesamiento de ambos datos dio pauta a la elaboración de indicadores de redes. Señalamos que cada uno de ellos dice una cosa específica sobre el peso del conocimiento y de las unidades académicas donde éste se genera. Pero conjuntamente contribuyen a sistematizar la información que aportan para entender la estructura de la red. Recurrimos a la conglomeración de áreas de conocimiento y unidades académicas para que, a través de esa técnica, se pueda otorgar un criterio de jerarquía al conocimiento y a las organizaciones, y descubrimos (hipotetizamos) una lógica de patentamiento particular para invenciones que surge en el área de ciencias médico-biológicas, diferente a la que existe en el área de ingenierías y ciencias físico-matemáticas.

Si la misión de la universidad emprendedora es transferir conocimiento, entonces el mapeo de patentes exhibe un panorama de lo que es potencialmente transferible. Esto es importante en contextos donde la misión emprendedora de las instituciones educativas y de investigación se ve entorpecida por la carencia de esfuerzos sistémicos, dado que el mapeo representa en sí una vía de sistematización para la gestión del conocimiento. Una de las dimensiones de las universidades emprendedoras radica en la institucionalización de formas organizacionales a través de las cuales capitalizar el conocimiento (Etzkowitz et al., 2000; Holgersson y Aboen, 2019; Good et al., 2019).

Implicaciones de la actividad de patentamiento para el ipn en el marco de la universidad emprendedora

Por supuesto que la comercialización de patentes o la generación de una dinámica de patentamiento basado en la colaboración representa un salto con respecto al mapeo a través del cual buscamos presentar al ipn como una universidad emprendedora. Pretender recomendaciones sin una descripción completa de las vías y los recursos a través de los cuales se realizan los procesos de transferencia rebasa el alcance del trabajo, pero existen implicaciones por las cuales el ejercicio es relevante y replicable para cualquier ies en la perspectiva de las universidades emprendedoras, que bien pueden anotarse como líneas de investigación.

Primera, porque el desarrollo de patentes involucra al menos a dos organizaciones institucionales: las unidades académicas (representadas en laboratorios, talleres, departamentos) que ejecutan sus actividades de investigación científica y tecnológica, y la Dsett, la instancia encargada de organizar y ejecutar los procesos en pro de la transferencia de conocimiento hacia el sector productivo y social. Nuestro ejercicio identifica quiénes patentan, qué patentan, y cómo se estructuran conocimiento y organizaciones académicas a partir de las estadísticas derivadas de los métodos multivariantes (componentes principales y conglomerados), pero ¿el mapa descriptivo de la investigación tecnológica que ofrecemos como resultado es reflejo exclusivo de la dinámica de generación de conocimiento en las ua, o forma parte de una visión compartida con las estructuras de transferencia del Instituto?

Segunda, y relacionada con la anterior, dado que la Dsett es una unidad organizacional que está incorporada a una estructura más amplia con la que coordina condiciones para el desarrollo regional, la incubación de proyectos de desarrollo tecnológico, la realización de estudios de prospectiva tecnológica y las relaciones internacionales en i+d, ¿qué papel juega en ello la gestión de propiedad intelectual? Por gestión de propiedad intelectual nos referimos a las funciones relacionadas con el registro de la propiedad, y luego de la gestión del portafolio de patentes (vigilancia del entorno, identificación de trayectorias tecnológicas y de necesidades sociales y del mercado, identificación de potenciales usuarios, valuación y negociación de tecnología).

Tercera, entre los resultados que encontramos, vimos que cada indicador da una cierta información de modo tal que, por ejemplo, es diferente señalar los campos de conocimiento que más frecuentemente se identifican en las patentes a señalarlos en función de los atributos que les confieren los indicadores. De este modo es posible delinear elementos diagnósticos y de planeación atendiendo a, por ejemplo, 1) qué líneas de investigación tecnológica debieran potenciarse en términos de los recursos que se les destinan, y en atención a la demanda del entorno (la industria, la sociedad, el gobierno); 2) qué grupos de investigación muestran una actividad de patentamiento relevante por su potencial de transferencia y por lo tanto valdría un acompañamiento orientado hacia la transferencia o, en su caso, cómo y hacia dónde reencausar la investigación tecnológica en atención a los requerimientos del ambiente; 3) qué capacidades de gestión para la transferencia deben robustecerse entre grupos de investigación; 4) qué actores externos al Instituto son vinculables como potenciales aliados tecnológicos para la transferencia, una vez identificadas las capacidades de investigación tecnológica.

Cuarta, si por una parte los indicadores y los conglomerados que articulan proveen una descripción de la investigación tecnológica en el ipn, en términos de gestión estratégica pueden orientar una política de emprendimiento hacia temas de interés en la agenda nacional. Así pues, si se identifica como relevante el patentamiento en temas de medicina, salud y biotecnología, ¿en qué ámbitos de la salud puede incidir la investigación tecnológica del ipn? Dado el reconocimiento de las formas estructurales que adopta la red de ua que participan de la investigación en salud, ¿de qué manera se podría orientar la dinámica social de la investigación para atender problemas de salud?

Quinta, del análisis de componentes principales entre diferentes ua se deduce que, en las diversas etapas de investigación, patentamiento y transferencia tecnológica, también hay ciertos intercambios generales de conocimiento entre los participantes, sea de sus experiencias o sensibilidades para poder optimizar los procesos y la toma de decisiones institucionales en cada etapa. De lo anterior se deriva que se trata de gestiones a largo plazo que someten a prueba la dinámica de la estructura institucional; para la universidad emprendedora sugiere prever recursos orientados hacia esfuerzos sistémicos para retener y eficientar las vinculaciones activas entre la ua y los sectores productivos. Esto es importante, adicionalmente, porque mientras las estructuras sociales de investigación suelen ser más estables y consistentes en el tiempo, no ocurre así en el área de gestión de la innovación para la transferencia, donde la rotación y cambio de perfiles profesionales suele ser una constante al amparo de los cambios de administración.

Consideramos que las implicaciones que se desprenden de la investigación son pertinentes en general para toda ies cuyo enfoque apunta hacia la instauración de estructuras organizacionales propias de la universidad emprendedora, sin pasar por alto que comprenden un rango de objetivos más amplios y que el del emprendimiento corresponde a una misión más, pero que es relevante para la articulación efectiva de los sistemas de innovación, si nos atenemos a la literatura sobre el tema.

Anexos

Referencias

Alarcón, M.A. (2021). Capacidades de innovación por entidades federativas: un análisis de sus componentes principales. Economía Teoría y Práctica, 55(2), 37-58. http://dx.doi.org/10.24275/ETYPUAM/NE/552021/Alarcon

Anckaert, P., y Peeters, H. (2023). This is what you came for? University–industry collaborations and follow-on inventions by the firm. Journal of Product Innovation Management, 40(1), 58-85. https://doi.org/10.1111/jpim.12650

Ardito, L. (2018). Markets for university inventions: The role of patents’ underlying knowledge in university-to-industry technology commercialization. International Journal of Technology Management, 78(1-2), 9-27. https://doi.org/10.1504/IJTM.2018.093934

Badar, K., Hite, J.M., y Badir, Y.F. (2013). Examining the relationship of co-authorship network centrality and gender on academic research performance: The case of chemistry researchers in Pakistan. Scientometrics, 94(2), 755-775. https://doi.org/10.1007/s11192-012-0764-z

Bajo-Traver, M., y Diez-Caballero, A. (2014). Aplicaciones prácticas del Análisis de Componentes Principales en Gestión de Carteras de Renta Fija (III). Estrategias de valor relativo mediante el Análisis de Componentes Principales: PCA butterflies. Análisis financiero, 126, 106-125. https://www.researchgate.net/publication/309780325_Practical_applications_of_Principal_Component_Analysis_in_Fixed_Income_Portfolio_Management_I_Determination_of_the_main_risk_factors_of_the_yield_curve

Barabasi, L. (2016). Network Sciences. Creative Commons: CC BY-NC-SA 2.0. Recuperado de http://networksciencebook.com/

Bercovitz, J., y Feldman, M. (2011). The mechanisms of collaboration in inventive teams: Composition, social networks, and geography. Research Policy, 40(1), 81-93. https://doi.org/10.1016/j.respol.2010.09.008

Borgatti, S., Everett, M., y Johsons, J. (2013). Analyzing Social Networks. Thousand Oaks, California: Sage Publications.

Cabrero, E., Cárdenas, S., Arellano, D., y Ramírez, E. (2011). La vinculación entre la universidad y la industria en México. Una revisión a los hallazgos de la Encuesta Nacional de Vinculación. Perfiles Educativos, 33, 186-199. Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0185-26982011000500016&lng=es&tlng=es

Campos, G., y Sánchez, G. (2005). La vinculación universitaria: Ese oscuro objeto del deseo. Revista Electrónica de Investigación Educativa, 7(2), 1-13. Recuperado de http://redie.uabc.mx/vol7no2/contenido-campos.html

Cárdenas, S. Cabrero, E., y Arellano, D. (2014). La difícil vinculación universidad-empresa en México: ¿Hacia la construcción de la triple hélice? México: Centro de Investigación y Docencia Económicas.

Caviggioli, F., Colombelli, A., De Marco, A., Scellato, G., y Ughetto, E. (2023a). Co-evolution patterns of university patenting and technological specialization in European regions. Journal of Technology Transfer, 48(1), 216-239. https://doi.org/10.1007/s10961-021-09910-0

Caviggioli, F., Colombelli, A., De Marco, A., Scellato, G., y Ughetto, E. (2023b). The impact of university patenting on the technological specialization of European regions: a technology-level analysis. Technological Forecasting and Social Change, 188. https://doi.org/10.1016/j.techfore.2022.122216

D’Este, P., y Perkmann, M. (2011). Why do academics engage with industry? The entrepreneurial university and individual motivations. The Journal of Technology Transfer, 36, 316-339. https://doi.org/10.1007/s10961-010-9153-zDing,

Ding, W., y Choi, E. (2011). Divergent paths to commercial science: A comparison of scientists’ founding and advising activities. Research Policy, 40(1), 69-80. https://doi.org/10.1016/j.respol.2010.09.011

Dong, J. Q., y Yang, C.-H. (2016). Being central is a double-edged sword: Knowledge network centrality and new product development in U.S. pharmaceutical industry. Technological Forecasting and Social Change, 113, 379-385. https://doi.org/10.1016/j.techfore.2016.07.011

Etzkowitz, H., Webster, A., Gebhardt, C., y Terra, B. R. C. (2000). The future of the university and the university of the future: Evolution of ivory tower to entrepreneurial paradigm. Research Policy, 29(2), 313–330. https://doi.org/10.1016/S0048-7333(99)00069-4

Fujii, H., Yoshida, K., y Sugimura, K. (2016). Research and development strategy in biological technologies: A patent data analysis of japanese manufacturing firms. Sustainability (Switzerland), 8(4). https://doi.org/10.3390/su8040351

Geisberger, R., Sanders, P., y Schultes, D. (2008). Better Approximation of Betweenness Centrality. Society for Industrial Applied Mathematics: Proceedings of the Workshop on Algorithm Engineering and Experiments (ALENEX). 90-100. https://doi.org/10.1137/1.9781611972887.9

González, P., Garnica, E., Díaz de Pascual, A, y Torres, E. (2007). Una aplicación del análisis de componentes principales en el área educativa. Revista Economía 9, 55-72. Recuperado de http://www.saber.ula.ve/handle/123456789/19198

Good, M., Knockaert, M., Soppe, B., y Wright, M. (2019). The technology transfer ecosystem in academia. An organizational design perspective. Technovation, 82–83, 35–50. https://doi.org/10.1016/j.technovation.2018.06.009

Green, O., McColl, R., y Bader, D.A. (2012). A Fast Algorithm for Streaming Betweenness Centrality, InternationalConference on Privacy, Security, Risk and Trust and 2012 International Conference on Social Computing. Institute of Electrical and Electronic Engineers, Amsterdam, Holanda. DOI: 10.1109/SocialCom-PASSAT.2012.37

Holgersson, M., y Aaboen, L. (2019). A literature review of intellectual property management in technology transfer offices: From appropriation to utilization. Technology in Society, 59. https://doi.org/10.1016/j.techsoc.2019.04.008

Huang, Y., Liu, H., y Pan, J. (2021). Identification of data mining research frontier based on conference papers. International Journal of Crowd Science, 5(2), 143-153. https://doi.org/10.1108/IJCS-01-2021-0001

Ito, K., Ikeuchi, K., y Daiko, T. (2021). Global knowledge flow and Japanese multinational firms’ offshore R&D allocation and innovation. Japan and the World Economy, 59. https://doi.org/10.1016/j.japwor.2021.101090

Jibir, A., y Abdu, M. (2021). Human Capital and Propensity to Protect Intellectual Properties as Innovation Output: the Case of Nigerian Manufacturing and Service Firms. Journal of the Knowledge Economy, 12(2), 595-619. https://doi.org/10.1007/s13132-020-00657-x

Johnson, R.A., y Wichern, D.W., (2007). Applied Multivariate Statistical Analysis. Estados Unidos: Person Prentice Hall.

Kajikawa, Y., y Mori, J. (2009). Interdisciplinary research detection by citation indicators, IEEE International Conference on Industrial Engineering and Engineering Management, Hong Kong, China. DOI: 10.1109/IEEM.2009.5373422.

Kalar, B., y Antoncic, B. (2015). The entrepreneurial university, academic activities and technology and knowledge transfer in four European countries. Technovation, 36, 1-11. https://doi.org/10.1016/j.technovation.2014.11.002

Kantis, H.D., Federico, J.S., y García, S.I. (2020). Entrepreneurship policy and systemic conditions: Evidence-based implications and recommendations for emerging countries. Socio-Economic Planning Sciences, 72. https://doi.org/10.1016/j.seps.2020.100872

Kazuyaki, M. (2016). Innovation and entrepreneurship: A first look at the linkage data of japanese patent and enterprise census. Seoul Journal of Economics, 29(1), 69-94. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2739526

Kim, H.S. (2019). How a firm’s position in a whole network affects innovation performance. Technology Analysis and Strategic Management, 31(2), 155-168. https://doi.org/10.1080/09537325.2018.1490398

Kolb, C., y Wagner, M. (2018). How university spin-offs differ in composition and interaction: a qualitative approach. Journal of Technology Transfer, 43(3), 734-759. https://doi.org/10.1007/s10961-017-9629-1

Lee, D.H., Seo, I.W., Choe, H.C., y Kim, H.D. (2012). Collaboration network patterns and research performance: The case of Korean public research institutions. Scientometrics, 91(3), 925-942. https://doi.org/10.1007/s11192-011-0602-8

Michelino, F., Cammarano, A., Lamberti, E., y Caputo, M. (2017). Open innovation for start-ups: A patent-based analysis of bio-pharmaceutical firms at the knowledge domain level. European Journal of Innovation Management, 20(1), 112-134. https://doi.org/10.1108/EJIM-10-2015-0103

Mungila, B.S. (2020). Technology business incubators in India: what determines their R&D contributions to the national economy? International Journal of Innovation Science, 12(4), 385-408. https://doi.org/10.1108/IJIS-03-2020-0020

Organización Mundial de la Propiedad Intelectual [ompi]. (2022). Guía para la Clasificación Internacional de Patentes, Organización Mundial de la Propiedad Intelectual. Traducción al español: Ministerio de Industria, Comercio y Turismo. España: Oficina Española de Patentes y Marcas.

Page, L., Brin, S., Motwani, R., y Winograd, T. (1999). The PageRank Citation Ranking: Bringing Order to the Web. The Web Conference. http://www.eecs.harvard.edu/~michaelm/CS222/pagerank.pdf

Portuguez C. M., Ross S. C., y Gómez, M.G. (2019). The impact of higher education on entrepreneurship and the innovation ecosystem: A case study in Mexico. Sustainability (Suiza), 11(20). https://doi.org/10.3390/su11205597

Pugh, R., Lamine, W., Jack, S., y Hamilton, E. (2018). The entrepreneurial university and the region: what role for entrepreneurship departments? European Planning Studies, 26(9), 1835-1855. https://doi.org/10.1080/09654313.2018.1447551

Riviezzo, A., Santos, S.C., Liñán, F., Napolitano, M.R., y Fusco, F. (2019). European universities seeking entrepreneurial paths: the moderating effect of contextual variables on the entrepreneurial orientation-performance relationship. Technological Forecasting and Social Change, 141, 232-248. https://doi.org/10.1016/j.techfore.2018.10.011

Rybnicek, R., Leitner, K.H., Baumgartner, L., y Plakolm, J. (2019). Industry and leadership experiences of the heads of departments and their impact on the performance of public universities. Management Decision, 57(12), 3321-3345. https://doi.org/10.1108/MD-10-2018-1173

Scott, J. (2017). Social network analysis. Great Britain : SAGE Publications Ltd., https://doi.org/10.4135/9781529716597

Siegel, D.S., y Wright, M. (2015). Academic Entrepreneurship: Time for a Rethink? British Journal of Management, 26(4), 582-595. https://doi.org/10.1111/1467-8551.12116

Spurek, M., y Rehák, S. (2022). Development of Academic Patenting in European Regions - A Large Scale Analysis. GeoScape, 16(2), 148-157. https://doi.org/10.2478/geosc-2022-0012

The Failure Institute [tfi] . (2018). Fortaleciendo las capacidades para el emprendimiento en México: Un análisis del fracaso en emprendimientos universitarios. Recuperado de https://www.thefailureinstitute.com/reports/entrepreneurs/

Yun, J.J., Jeong, E., Lee, Y., y Kim, K. (2018). The effect of open innovation on technology value and technology transfer: A comparative analysis of the automotive, robotics, and aviation industries of Korea. Sustainability (Suiza), 10(7). https://doi.org/10.3390/su10072459

Notas

Notas de autor

roliver@ipn.mx

Información adicional

Paginación electrónica: e25.85562