Criterios, principios e indicadores de conectividad para la inclusividad responsable en ciencia y tecnología

Criteria, Principles and Indicators of Connectivity for Responsible Inclusiveness in Science and Technology

JULIETA BARRENECHEA¹

ANDONI IBARRA²

¹Euskampus Fundazioa, España

²Universidad del País Vasco UPV/EHU, España

Resumen

La consideración de una vertiente más responsable en la investigación en ciencia y tecnología está contribuyendo a modificar críticamente nuestra imagen de la ciencia, pasando de una concepción esencialista a otra más proyectada hacia resultados e innovaciones socialmente deseables. El concepto RRI postula, además, la necesidad de mecanismos de gobernanza en las prácticas científicas y tecnológicas. Sin embargo, no está claro en la discusión actual qué debe entenderse por deseabilidad social o por gobernanza inclusiva. Las contribuciones que tratan de operacionalizar RRI, mediante principios y criterios para su evaluación, abogan en general por una conceptualización reduccionista de la responsabilidad restringida por dimensiones prefijadas. Por el contrario, en este artículo proponemos concebir relacionalmente la responsabilidad como corresponsabilidad basada en la inclusividad de los actores societales y se ofrece un instrumento de factores, dimensiones e indicadores para la operacionalización de la inclusividad basado en la conectividad socialmente relevante. El desarrollo del instrumento se apoya en el trabajo de campo realizado en el Centro de Investigación Cooperativa CIC bioGUNE – País Vasco.

Palabras clave: ciencia; tecnología; RRI; indicadores; conectividad social; inclusividad; calidad relacional.

Abstract

Consideration of a more responsible approach to research in science and technology is contributing to a decisive change in our image of science, which is moving away from an essentialist conception to one that is projected more towards socially desirable outcomes and innovations. The concept of RRI also postulates the need for governance mechanisms in scientific and technological practices. However, in the current debate it is unclear what should be understood by social desirability or inclusive governance. Contributions aiming to operationalize RRI, by means of principles and criteria for their evaluation, predominantly advocate a reductionist conceptualization of responsibility encapsulated in certain predetermined dimensions. By contrast, this paper propounds that responsibility should be relationally conceived as co-responsibility based on the inclusiveness of societal actors, and provides a tool that considers the factors, dimensions and indicators needed to operationalize inclusiveness based on socially relevant connectivity. This tool has been developed on the basis of fieldwork carried out at the Cooperative Research Center CIC bioGUNE – Basque Country.

Keywords: science; technology; RRI; indicators; social connectivity; inclusiveness; relational quality.

En las dos últimas décadas diversos autores han elaborado enfoques conceptuales con la finalidad de hacer más comprensible la complejidad de las nuevas formas y patrones de producción, distribución y uso del conocimiento científico. Así, por ejemplo, se habla de la emergencia de un sistema post-moderno de investigación (Rip y van der Meulen, 1996; Rip, 1998), del nacimiento de una ciencia posnormal (Funtowicz y Ravetz, 2000), de una ciencia post-académica (Ziman, 1994, 2002), o de una ciencia orientada hacia contextos de aplicación sobre la base de nuevos modos de producción de conocimiento diferentes al modelo lineal (Gibbons et al., 1997).

Todas estas perspectivas coinciden en reconocer nuevas dinámicas de producción de conocimiento científico en las que elementos como la heterogeneidad de los agentes y la materialidad implicada, sus lógicas y valores son relevantes y plantean cambios en las pautas institucionales que rigen las prácticas de producción de conocimiento (científico). Estas perspectivas asignan estatus explicativo a la vinculación ciencia-sociedad para comprender los nuevos patrones de la práctica científica. En particular, el denominado “Modo 2” de producción de conocimiento (Gibbons et al., 1997) se orienta al análisis de nuevos modos de producción que responden a una dinámica co-evolutiva entre ciencia y sociedad. El enfoque de la ciencia posnormal propone una epistemología política que, a partir de su concepto de comunidad ampliada de pares, incluye un conjunto más amplio de agentes y perspectivas legítimas en el campo de las decisiones científicas. La Teoría del Actor Red (Callon, 1984; Latour, 1988) define, por su parte, las redes socio-técnicas de producción del conocimiento científico sobre la imposibilidad epistemológica de abogar por la separación entre ciencia y sociedad. Estas perspectivas, y otras semejantes, interpretan los mecanismos de producción de la ciencia en términos de una comprensión relacional co-constitutiva de la dinámica ciencia-sociedad.

La más reciente perspectiva RRI (Responsible Research and Innovation) (von Schomberg, 2011) ofrece un punto de vista adecuado sobre el modo como se han ido materializando los enfoques teóricos tanto en los Estudios de Ciencia y Tecnología como en las políticas públicas de Ciencia, Tecnología e Innovación (CTI) de la Unión Europea en los últimos 15 años (Rodríguez, Eizagirre e Ibarra, 2019). Como resultado de esta evolución en la comprensión de la relación ciencia-sociedad, las políticas públicas CTI admiten explícitamente la necesidad de comprender y gobernar las intersecciones y dinámicas de mutua configuración o constitución ciencia-sociedad dentro de un proceso de radicalización creciente orientado a la integración de ambos territorios. Los emblemas de los distintos Programas Marco de CTI de la Unión Europea, desde Ciencia y Sociedad, pasando por Ciencia en Sociedad, Ciencia para la Sociedad y, finalmente, Ciencia para y con la Sociedad, ofrecen una pauta sobre la evolución conceptual de la dinámica ciencia-sociedad en los Programas Marco y, a su vez, sobre el modo como esta evolución conceptual se ha ido reflejando en objetivos y lineamientos de las políticas públicas.

Lo que en este artículo pretendemos destacar es la contribución del enfoque RRI a una concepción de la producción del conocimiento científico construida sobre la dimensión de la calidad relacional del mecanismo de producción. Esa contribución se articula en torno a la introducción simultánea de tres elementos en la comprensión de la producción de conocimiento: (i) la inclusión de perspectivas múltiples y diversas, (ii) la responsabilidad mutua en términos anticipatorios, y (iii) una dimensión de aprendizaje establecida por la movilización de “capital reflexivo”, movilizado en torno a procesos que se vinculan con los futuros deseables de la ciencia para y con la sociedad.

Visto desde esta perspectiva, la producción RRI de conocimiento articulada en torno a demandas y expectativas plurales, corresponsabilidad y deseabilidad social, se traduce en opciones socio-técnicas colectivas de mejor calidad (relacional), esto es, en compromisos continuos y colectivos tanto con los propósitos de la producción de conocimiento como con las corresponsabilidades ciencia-sociedad.

En este artículo abordaremos la dimensión operativa del marco RRI de la investigación (científica y de desarrollo de innovaciones). Para ello, en la próxima sección, mostraremos algunos de los elementos potenciales más relevantes de RRI, articulados en torno a la inclusividad para el despliegue de la calidad relacional. Seguidamente a ello, analizaremos críticamente algunas propuestas de principios y criterios para la evaluación de una ciencia e innovación responsables. Más tarde, ofreceremos nuestro propio esquema para la evaluación de una investigación responsable sobre la base del concepto de conectividad relevante.¹ Concluiremos, finalmente, con algunas consecuencias destacadas para el futuro del análisis de la ciencia concebida desde la imagen RRI.

RRI: un principio-guía para la investigación e innovación inclusivas

El enfoque RRI se ha construido sobre resultados complementarios alcanzados en una amplia diversidad de territorios temáticos: evaluación de la tecnología (Rip, Misa y Schot, 1995; Schott y Rip, 1997; Guston y Sarewitz, 2002), gobernanza anticipatoria (Karinen y Guston, 2010), integración socio-técnica y modulación de tramo medio (“midstream”) (Fisher, Mahajan y Mitcham, 2006; McGregor y Wetmore, 2009; Schuurbiers y Fisher, 2009), compromiso público y de los stakeholders (Wilsdon y Willis, 2004; Stirling, 2008; Owen, Macnaghten y Stilgoe, 2012, p. 752). En la formulación de René von Schomberg de 2011 se encuentra por primera vez el elemento crítico que caracteriza al concepto: la mutua responsabilidad ciencia-sociedad y, en particular, la orientación de las dinámicas de ciencia e innovación hacia la proyección (forward looking) de la “deseabilidad social” (von Schomberg, 2011). La RRI se define allí como

a transparent, interactive process by which societal actors and innovators become mutually responsive to each other with a view on the (ethical) acceptability, sustainability and societal desirability of the innovation process and its marketable products (in order to allow a proper embedding of scientific and technological advances in our society). (von Schomberg, 2011, p. 74)

Tres son los rasgos que, sin ser novedosos considerados individualmente, sí permiten cuando actúan de manera combinada en RRI una reevaluación del “contrato social para la ciencia y la innovación” que se apoye en un “collective commitment of care for the future through responsive stewardship of science and innovation in the present” (Owen et al., 2013, p. 30). Estos tres rasgos distintivos se refieren a tres objetivos:

[t]he first is an emphasis on the democratic governance of the purposes of research and innovation and their orientation towards the “right impact”. The second is responsiveness, emphasising the integration and institutionalisation of established approaches of anticipation, reflection and deliberation in and around research and innovation, influencing the direction of these and associated policy. The third concerns the framing of responsibility itself in the context of research and innovation as collective activities with uncertain and unpredictable consequences. (Owen, Macnaghten y Stilgoe, 2012, p. 751)

Para los propósitos de este artículo, los dos primeros objetivos son más relevantes. El primer objetivo, con su foco puesto en los propósitos, antepone los retos sociales y busca por ello definir impactos esperados o “right impacts” para alcanzar o dar respuesta a estos retos. Representa así más directamente el planteamiento Science for Society que se refiere principalmente a la “deseabilidad”. El segundo objetivo se vincula con el primero, pero sitúa el énfasis en la corresponsabilidad e introduce así un modelo de Science with Society concebido como mutua responsabilidad ciencia-sociedad, o “responsiveness” (Owen et al., 2013, p. 44). Los distintos actores socio-técnicos asumen —o al menos conocen individualmente— distintos tipos de responsabilidades, pero, sin embargo, “reenmarcar” el concepto de responsabilidad en el sentido RRI significa que se ha planteado para él una clave distinta de naturaleza anticipatoria, basada en procesos inclusivos y deliberativos que se orientan a las motivaciones y la deseabilidad social tecnocientífica. A su vez, ese reframing moviliza capital reflexivo para construir responsabilidad mutua o compartida en términos colectivos (“responsiveness”). Concebida de ese modo la responsabilidad, ella se plantea como un concepto novedoso que busca ser sustantivamente superador o de “segundo orden” respecto de los enfoques de accountability porque, como sostienen Stilgoe, Owen y Macnaghten,

[d]is-satisfaction with both this approach and risk-based regulation has moved attention away from accountability, liability and evidence towards those future-oriented dimensions of responsibility – care and responsiveness – that offer greater potential to accommodate uncertainty and allow reflection on purposes and values. (Stilgoe, Owen y Macnaghten, 2013, p. 1569)

Como resultado de este concepto de responsabilidad, RRI concibe un nuevo enfoque de gobernanza (Stilgoe, Owen y Macnaghten, 2013). En autores como Hoffmann-Riem y Wynne (2002) o Stirling (2010) el análisis del concepto convencional de gobernanza pone el foco en preguntas clave del tipo: “How will the risks and benefits be distributed? What other impacts can we anticipate? How might these change in the future? What don’t we know about? What might we never know about?” (Stilgoe, Owen y Macnaghten, 2013, p. 1570). Estas preguntas están principalmente vinculadas a los riesgos tecnológicos, donde el principal problema son las áreas de incertidumbre e ignorancia encubiertas. Los enfoques de RRI deben extender, sin embargo, el análisis de la gobernanza no solamente a preguntas referidas a las incertidumbres sino además a los “purposes, motivations, social and political constitutions, trajectories and directions of innovation” (Stilgoe, Owen y Macnaghten, 2013, p. 1570). Por tanto, se busca superar la discusión de gobernanza (participativa) centrada en el control y regulación de los desarrollos científicos y que ha sido la principal clave de enfoques de riesgo e incertidumbre, para plantear una nueva forma de gobernanza democrática basada en la reflexión inclusiva² en torno a los “propósitos” asociados también a valores, que orientan la ciencia, la tecnología y la innovación. Este concepto de gobernanza subyacente a RRI implica un punto de partida diferente en nuestra comprensión de la ciencia, que abre nuevas e inéditas oportunidades en la relación ciencia-sociedad, un nuevo contrato ciencia-sociedad fundado en un criterio “positivo” orientado hacia las motivaciones, los “impactos correctos” y los value-based reflejados en preguntas como “how science and technology can help tackle our different societal challenges?” (Owen, Macnaghten y Stilgoe, 2012, p. 753), o “what futures do we collectively want science and innovation to bring about, and on what values are these based?” (Owen et al., 2013, p. 37).

Los procesos de investigación e innovación responsable del enfoque RRI se caracterizan por cuatro dimensiones que buscan combinar, desde un punto de vista democrático y equitativo, virtudes como el pluralismo político y la reflexividad ética. Se trata de conseguir resoluciones legitimadas, aun cuando la proyección de motivaciones sociales en el campo socio-técnico implique un alto grado de tensiones y dilemas (Owen et al., 2013, p. 37). El planteamiento consiste en integrar estas 4 dimensiones a fin de apoyar el desarrollo de un elemento irrenunciable para la noción de nuevo contrato social que propone el enfoque RRI: el “compromiso continuo y colectivo” ciencia-sociedad (Owen et al., 2013, p. 29).

Las cuatro dimensiones que deben orientar —también heurísticamente (Stilgoe, Owen y Macnaghten, 2013, p. 1570)— el compromiso continuo y colectivo según RRI son:

a) Anticipación: se deben describir y analizar los impactos esperados y potencialmente no esperados; es una vía para abrir la reflexión sobre los propósitos de los actores societales acerca de los escenarios de futuro y deliberar sobre su potencial de realización desde el presente.

b) Reflexividad: se debe reflexionar tanto sobre los propósitos, motivaciones y posibles impactos subyacentes (cuáles se conocen y cuáles no), y está asociada a incertidumbres, riesgos, áreas de ignorancia, supuestos, preguntas y dilemas.

c) Deliberación: apela a la inclusión de un amplio rango de visiones, propósitos, preguntas y dilemas en procesos colectivos de diálogo. Esta dimensión inclusivista combina un aspecto normativo —inclusividad motivada por razones democráticas— con uno sustantivo —las decisiones basadas en la co-producción incluyen y movilizan fuentes diversas de conocimientos, valores y sentidos—.

d) Capacidad de respuesta (responsiveness): debe utilizar el proceso colectivo de reflexividad tanto para establecer como para influir las trayectorias de la investigación y la innovación a partir de mecanismos efectivos de gobernanza participativa y anticipatoria (Owen et al., 2013, p. 38).

La combinación novedosa de estas cuatro dimensiones faculta la movilización del “capital social reflexivo”³ en procesos iterativos, inclusivos y deliberativos, lo que permite procesos continuos y flexibles de “adaptive learning” (Owen, Macnaghten y Stilgoe, 2012, p. 755) entendidos en clave de “integración socio-técnica” (Rodríguez, Fisher y Schuurbiers, 2013). Desde el punto de vista del enfoque RRI, el adaptive learning integra en un mismo movimiento la ciencia para la sociedad con la ciencia con la sociedad. Por una parte, la inclusión de propósitos, expectativas, valores, etc., contribuye a ampliar el espectro de deseabilidad y, por otra, permite explorar narrativas y expectativas del tipo “what if” que, si bien no se traducen directamente en mejores predicciones, amplían el ámbito de corresponsabilidad.

En definitiva, la doble vertiente de RRI en su expresión ciencia para y con la sociedad aporta una triple entrada en términos de traducción positiva: la inclusión de perspectivas múltiples y diversas, la corresponsabilidad mutua en términos prospectivos y una dimensión de aprendizaje marcado por la movilización del “capital reflexivo”.

La orientación y el objetivo de desarrollar una política CTI con base RRI se asocia con dos elementos centrales de la política científica de la Comisión Europea: a) en primer lugar, se ponen de relevancia los valores de inclusión prioritarios en la European Research Area (ERA) y, b) en segundo lugar, se plantea la necesidad de que la investigación y la innovación se orienten a la resolución de grandes retos sociales de la estrategia Europa 2020. Como señala públicamente Laroche, responsable de la Comisión Europea, a su juicio el enfoque RRI

would need to be based on the principle of inclusiveness, involving all actors at an early stage (researchers, civil society organisations, industry and policy-makers), allowing innovation to be developed in a co-building mode that “ensures co-responsibility”. It would help meet the EU’s 2020 Vision for an ERA firmly rooted in society and responsive to its needs and ambitions, heralding a transformation from science in society to “science for society, with society”. (Owen, Macnaghten y Stilgoe, 2012, p. 752)

A partir de estos debates y avances conceptuales, el enfoque se concreta en la propuesta Science with and for Society del Octavo Programa Marco Europeo para la Investigación y la Innovación (2014-2020), Horizon 2020. En el documento de su programa de trabajo 2014-2015, se define que Science with and for Society

will be instrumental in addressing the European societal challenges tackled by Horizon 2020, building capacities and developing innovative ways of connecting science to society (…). It allows all societal actors (researchers, citizens, policy makers, business, third sector organisations etc.) to work together during the whole research and innovation process in order to better align both the process and its outcomes with the values, needs and expectations of European society. This approach to research and innovation is termed Responsible Research and Innovation (RRI). (European Commission, 2014, p. 4)

En definitiva, el marco RRI representa un reposicionamiento de las políticas científicas de la Comisión Europea en torno a procesos inclusivos de gobernanza que tengan en cuenta la “reflexión anticipatoria” sobre impactos correctos de forma integrada con fines socialmente deseables.

Dos perspectivas para la construcción de la métrica para RRI: sustantiva y relacional

Si bien RRI identifica un principio transversal para la acción investigadora e innovadora en Horizonte 2020, el programa de la Unión Europea para investigación e innovación 2014-2020, la responsabilidad queda caracterizada en él por seis dimensiones que encapsulan el concepto: participación ciudadana, acceso abierto al conocimiento, igualdad de género, educación científica, ética y gobernanza (European Commission, 2013). Ellas proveen las orientaciones normativas para la construcción de las correspondientes seis agendas políticas en las que se articula el programa Science with and for Society.

La operacionalización de un concepto, es decir, su contextualización en un ámbito práctico de aplicación, contribuye a la elucidación del concepto. Muchas de las propuestas para operacionalizar el concepto RRI se orientan a esta caracterización sustantivista de la responsabilidad articulada en seis dimensiones. Así, el EC Expert Group on Indicators for RRI propone una batería de indicadores sobre la base de las mencionadas dimensiones a las que incorporan dos más, sostenibilidad y justicia social/inclusión (Strand et al., 2015). Para cada una de las ocho dimensiones se identifican indicadores de acción (“performance”) e indicadores de percepción. Los primeros definen las actitudes responsables en la práctica científica e innovadora, e incluyen indicadores de proceso y de resultados. Los segundos, los indicadores de percepción, definen la visibilidad como actor responsable: indicadores que cualifican cómo alguien es percibido en su quehacer investigador. Además, la propuesta identifica los actores clave para cada indicador.

En el marco del proyecto MoRRI (Monitoring the evolution and benefits of Responsible Research and Innovation), financiado por la Comisión Europea y desarrollado entre 2014 y 2018, se identifican 36 indicadores para las seis dimensiones clave, los cuales se han aplicado por primera vez en el estudio comparado de RRI para los Estados miembros de la Unión Europea (MoRRI, 2018). Incluyen indicadores cuantitativos como el porcentaje de autoría femenina de artículos científicos o indicadores cualitativos sobre, por ejemplo, los diferentes mecanismos implementados para conseguir el compromiso público de actores societales.

A diferencia de los dos mencionados, otros estudios de evaluación de RRI siguen una orientación focalizada en alguna dimensión concreta de las seis indicadas. Así, por ejemplo, Otero-Hermida y García-Melón han construido indicadores para el seguimiento de la igualdad de género en España. Otero-Hermida y García-Melón (2018) y Monsonís-Payá, García-Melón y Lozano (2017) proponen una ponderación realizada por expertos españoles de los indicadores identificados en Strand et al. (2015), con énfasis especial en la misma dimensión de igualdad de género. La dimensión de la educación científica es, junto con la de género, la que más ha atraído la atención de los estudios. Heras y Ruiz-Mallén identifican 86 indicadores en esa dimensión, relacionados con los valores, competencias transversales y aspectos experienciales y cognitivos del aprendizaje en una orientación RRI (Heras y Ruiz-Mallén, 2017). Algunos de esos indicadores se aplican en Limson (2018) para analizar resultados de compromiso público de la ciencia en estudiantes universitarios de diversos niveles relacionados con la investigación en biotecnología.

Si bien todos estos intentos encapsulan RRI mediante determinadas dimensiones clave, Wickson y Carew proponen fijarlo a través de criterios de calidad (Wickson y Carew, 2014). Así, los criterios para la investigación son: a) Socialmente relevante y orientada a la solución; b) Centrada en la sostenibilidad y prospectiva de futuro; c) Diversa y deliberativa. Para cada criterio se identifican cuatro rúbricas posibles de evaluación de RRI —ejemplar, excelente, bueno, rutinario—, de manera que pueda obtenerse como resultado una rúbrica evaluadora de los indicadores de funcionamiento (“performance”) por medio de ellos.

En una dirección más orientada hacia la innovación que hacia la investigación científico-técnica, se han utilizado algunos de los denominados Key Performance Indicators (KPI)⁴ de procesos de innovación para construir un modelo para operacionalizar esos indicadores relevantes en las prácticas de innovación cotidianas bajo una orientación ética, orientada al usuario, etc., como características genuinas de RRI (Flipse, van Dam, Stragier, Oude Vrielink y van der Sanden, 2015). El modelo se concibe como un instrumento para la toma de decisión de prácticas industriales de innovación que estimulen RRI con base en la comunicación activa entre actores diversos sobre aspectos RRI-relevantes. También los KPI son utilizados para construir una lista de indicadores RRI aplicados a la innovación en el ámbito de las Tecnologías de la Información y de la Comunicación, o TICs, con el objetivo de alinear los resultados de la tecnología con los valores, necesidades y expectativas de los actores societales (Yaghmaei, 2018). Para ello se identifican tres momentos de la innovación en relación a RRI: 1) conciencia de RRI en la empresa, 2) evaluación de RRI en los procesos de I+D, y 3) aplicación de un plan RRI para capturar los valores y normas de RRI identificados. Estas propuestas dirigidas al ámbito de la innovación tienden a orientarse hacia criterios y principios de evaluación de procesos que integren en ellos normas y valores interpretados como genuinamente RRI.

Coincidimos con Strand et al. (2015) y MoRRI (2018) en la advertencia de un posible uso “irresponsable” de las propuestas que ellos mismos realizan. Para comenzar, en primer lugar, es necesario elucidar cuál es el carácter de RRI y cómo puede operacionalizarse en la práctica —ya sea para aplicar desarrollos más responsables en investigación e innovación, para distribuir los recursos más adecuadamente desde una perspectiva responsable, o para impulsar acciones y desarrollos de ciencia, tecnología e innovación socialmente más robustos—. La ambigüedad actual acerca de RRI puede considerarse, desde esa perspectiva, más un elemento promisorio para la discusión que un problema en sí mismo, como concluían Strand et al. (2015). El intento de operacionalizar RRI, convenientemente realizado, puede contribuir, sin duda, a clarificar los sentidos del concepto RRI y a producir una imagen más adecuada de la ciencia-sociedad para las políticas públicas. En segundo lugar, las propuestas que hemos presentado limitan la apertura y contingencia intrínsecas de la dinámica de la innovación e investigación, al restringir RRI a dimensiones, criterios de calidad o principios, normas y valores identificados a priori.

La evaluación y seguimiento de RRI (concebido no como un repositorio de dimensiones o criterios sino como un principio transversal para el desarrollo de cuestiones relativas a la investigación y la innovación) no solo hace contingentes los problemas a abordar en los procesos de producción de conocimiento y las soluciones propuestas para ellos (sobre la base de las distintas demandas, expectativas y valores de los actores intervinientes). También vuelve contingentes las asunciones, valores y dimensiones que subyacen a los sistemas de evaluación utilizados para valorar las innovaciones y el conocimiento producido en términos de sus procesos y de sus beneficios esperados. Esos sistemas de evaluación están expuestos también al debate y escrutinio públicos como parte constitutiva de la dinámica de investigación e innovación. Esa posibilidad queda en buena parte cercenada por los enfoques de evaluación de RRI que acabamos de considerar, dado que aquello que puede ser concebido, debatido e implementado está limitado cuando alcanzamos el ejercicio de la evaluación, es decir, cuando pasamos a operacionalizarlo, bien en el registro de dimensiones, en el de criterios de calidad, o en el de valores y normas previamente fijados.

Frente al modelo sustantivista de RRI (que podemos interpretar como un principio guía para la acción responsable en la investigación e innovación), proponemos, en cambio, concebir RRI desde una perspectiva de red; i.e., como un conjunto de prácticas de actores diversos trabajando conjuntamente “durante todo el proceso de innovación” (von Schomberg, 2015). La evaluación de RRI debe contribuir a hacer la actividad científica más permeable a todo un amplio dominio de consideraciones, de manera que la dinámica de la innovación se entienda como más contingente y más debatible.

En la siguiente sección se propone, por tanto, una perspectiva diferente, relacional, para la evaluación y el seguimiento de las prácticas científicas en el marco de redes de producción de conocimiento. El aspecto crítico en esa perspectiva es el establecimiento de una métrica para evaluar (y gestionar) la calidad relacional de la red, es decir, la robustez de las interacciones entre los actores que trabajan conjuntamente en el proceso de investigación e innovación.⁵

Los elementos del Marco Conceptual de Conectividad Relevante que se introducirán en la siguiente sección han sido operacionalizados en una herramienta concreta de recogida de datos, “cuestionario semiestructurado”, que ha sido aplicado en dos rondas consecutivas a los coordinadores de cinco proyectos desarrollados en el CIC bioGUNE. Esta técnica de recolección de datos ha permitido recoger información sistemática y precisa sobre la red en términos efectivos (situación actual) y potenciales (capacidad para su gestión en términos de conectividad relevante). Así, se obtiene información sobre cada una de las vinculaciones que conforman la red a través de su participación en los proyectos estudiados.

Si bien las unidades de registro han sido cada uno de los cinco proyectos estudiados, la información se ha tratado de forma agregada a modo de poder analizar los distintos atributos de la red global como instancia representativa del CIC como organización.

Los resultados obtenidos concluyen la adecuación del instrumento de evaluación y gestión que se propone para identificar la conectividad relevante, es decir, el componente crítico del principio regulatorio de inclusividad en RRI.

La evaluación de la calidad relacional mediante el análisis de la conectividad relevante

En esta sección se desarrollará una propuesta metodológica integral para la evaluación de la calidad relacional. En la primera subsección se identificará un marco conceptual compuesto por factores, subfactores y dimensiones de conectividad. En la segunda subsección se identificarán tres niveles de explotación e instrumentos para poner en práctica dinámicas de reflexividad inclusiva que apuntan a un tipo de gestión de las interacciones para desarrollar la inteligencia reflexiva. La conectividad relevante operacionaliza el núcleo y la dinámica de la calidad relacional de las interacciones socio-técnicas. Como ha quedado dicho, podemos representar tales interacciones al modo como se las concibe en la Teoría del Actor Red (Callon, 1984; Latour, 1988).

La conectividad relevante define el nivel de aproximación orientado a evaluar (diagnosticar) la red actual y potencial en términos de pertinencia, es decir, de orientación y llegada de la actividad científica a las demandas, perspectivas, retos, o prioridades sociales. Observa los nodos y sus relaciones en la configuración y dinámica actual o por comparaciones sincrónicas de las redes de actividad científica colaborativa. Admite la operacionalización y la gestión operativa de las vinculaciones de las redes (en este caso de proyectos colaborativos) en torno a variables empíricas que son los factores e indicadores de conectividad relevante y que, aunque tienen un nivel de concreción que se nutre en gran medida de la teoría social de redes, refieren a la calidad relacional como marco de significación.

Se parte de la idea de que la conectividad relevante puede dotar de contenidos a la evaluación de la calidad de las interacciones actuando como instrumento para la gestión de las redes de colaboración científica para y con la sociedad, ya que puede estructurarse en procedimientos y a su vez ser asumida como una dimensión reflexiva y proyectiva por parte de un conjunto heterogéneo de actores. Se trata de un atributo “situado y contextual” y por ello requiere un nivel de operacionalización capaz de incorporar, y a la vez interrogar, los componentes específicos/pertinentes de cada marco de interacciones involucrados en la co-producción de conocimiento.

Marco Conceptual: factores de conectividad relevante

El Marco Conceptual de Conectividad Relevante se inspira en variables fundamentales de la teoría social de redes y especialmente en su aplicación a un tipo de redes de conocimiento (Casas, 2003; Luna, 2003; Luna y Velasco, 2006).⁶ Este enfoque ofrece una combinación de dimensiones de contexto, estructurales y de interacción que resultan muy productivas a la hora de definir las dimensiones básicas de conectividad relevante de redes de colaboración científica.

Se define con cinco factores de conectividad relevante que se presentan en la Figura 1. Con ellos se busca medir y gestionar dimensiones de conectividad relevante de las interacciones de producción científica de redes de conocimiento según cuatro aproximaciones: (a) contextual: se refiere a “condiciones institucionales viabilizadoras” de la conectividad; (b) descriptiva: se orienta a trazar el perfil y dar cuenta del “contenido de la red”; (c) interactiva: se centra en la “dinámica” que funciona para desarrollar y sostener la conectividad; y (d) proyectiva: se refiere a la “potencialidad” de la red para ampliar y consolidar la conectividad.

Figura 1. Factores de conectividad relevante

Los cinco factores de conectividad se desagregan en subfactores y cada uno de ellos incluye dimensiones e indicadores que se han planteado con un grado tal de operatividad que permita orientar la gestión reflexiva de la conectividad relevante de la red en cuestión. El marco pretende tener un grado de generalidad tal que pueda ser aplicado a distintos tipos de producción de conocimiento.

Sin embargo, su aplicación en otros contextos puede requerir adaptar indicadores ya que, por ejemplo, las fortalezas y debilidades relacionales de los proyectos u organizaciones que enmarcan las redes de producción de conocimiento e innovación son extremadamente contingentes (Eizagirre, Rodríguez e Ibarra, 2017) y, por ello, deben tener en cuenta sus propios objetivos (relacionales) y no exclusivamente parámetros externos.⁷ Los factores, subfactores y dimensiones de conectividad relevante son los siguientes (el cálculo de los indicadores correspondientes se define en el Anexo 1) (ver Figura 2):

Factor 1 – “Condiciones institucionales”. Acotado a dos subfactores que tienen en cuenta la pertenencia a redes marco y el carácter viabilizador o no del modelo institucional:

Subfactor 1.1. – “Redes marco”: cuantifica el número de redes marcos⁸ y se caracterizan estas redes según ámbito. Permite evaluar si los proyectos se insertan en contextos de colaboración más amplios que pudieran incidir en su consolidación y proyección.

Subfactor 1.2. – “Viabilidad para la cooperación”: recoge la percepción que tienen los coordinadores de proyectos y pretende valorar si el modelo institucional se percibe como facilitador para la conectividad.⁹

Factor 2 – “Perfil”. Permite analizar la configuración actual de la red y monitorizar su evolución en dos sentidos: a) atendiendo a la hipótesis referida de que la mayor diversidad (disciplinaria, sectorial, etc.) es una variable que interviene positivamente en la potencialidad de vinculación de las redes socio-técnicas, y b) buscando identificar elementos referidos a la mayor o menor permeabilidad de la red socio-técnica en términos de relevancia. “Perfil” se desagrega en siete subfactores:

Subfactor 2.1. – “Tamaño de la red”: expresa el número total de vinculaciones.

Subfactor 2.2. – “Complejidad institucional”: clasifica las vinculaciones según “tipo”: número de instituciones públicas, privadas, “sectores a los que pertenecen las vinculaciones”, y si “cuentan o no con departamento de I+D propio”.¹⁰

Subfactor 2.3. – “Complejidad espacial”: clasifica las vinculaciones según el ámbito de origen de sus integrantes, permite identificar el contexto en el que fluyen los recursos, los conocimientos y la información. Se vincula también con la permeabilidad para la relevancia territorial, dimensión contextual de la robustez societal.

Subfactor 2.4. – “Complejidad disciplinaria”: apela a elementos epistemológicos de la red. La diversidad disciplinaria puede ser un indicador de complejidad en la problematización y, con ello, de mayor extensión de la comunidad de actores, o bien, de mayor permeabilidad en términos de relevancia temática y cognitiva.¹¹

Subfactor 2.5. – “Perfil de actividad de la red”: recoge estimaciones de tipo cualitativo sobre la distribución de los recursos y esfuerzos de la red en función de cinco áreas de actividad. Para el diseño de este subfactor se toma como referencia el modelo de “dominios de actividad” propuesto por Spaapen, Wamelink y Roberts (1999) que aspira a representar el tipo y extensión de las actividades desarrolladas por los programas de investigación a partir de su vinculación con cinco dominios tipo (contextuales): a) ciencia y conocimiento certificado, b) educación y capacitación, c) innovación y trabajo profesional, d) políticas y temas sociales, e) cooperación interna y visibilidad. Cada uno de estos dominios está vinculado a distintos sectores y agentes sociales con criterios y expectativas disímiles de cara a los outputs científicos y su valorización, afectando así a su pertinencia.

Subfactor 2.6. – “Recursos humanos”: se refiere al perfil de RRHH vinculado directamente con los proyectos. Ofrece pautas sobre la adecuación de los recursos humanos según objetivos, y sobre la sostenibilidad de la red.¹²

Subfactor 2.7. – “Objetivos de reclutamiento”: identifica los principales objetivos por los cuales se incorporó a cada una de las organizaciones (vinculaciones) del proyecto. La comparación en el tiempo permite hacer un seguimiento sincrónico de la evolución de los objetivos de conectividad de la red.

Factor 3 – “Contenido”. Focaliza en la identificación del tipo de inputs que se intercambian en el marco de los proyectos (Subfactor 3.1. – “Tipo de Inputs recibidos”, y Subfactor 3.2. – “Tipo de Inputs ofrecidos”). Se presenta una relación de referencia que incluye los siguientes inputs: a) conocimiento científico, b) información, c) asistencia técnica o servicios, d) infraestructura/equipos/materiales de laboratorio, e) bases de datos, f) financiación, g) muestras o especies, h) formación de recursos humanos, i) invitaciones para estancias de investigadores (movilidad), j) propuestas de co-autoría en publicaciones, y k) otros.

Factor 4 – “Dinámica”. Incluye dos subfactores: 4.1. “Atributos de vinculación” y 4.2. “Interacción”. Los trabajos en el campo señalan que los análisis estructurales de redes carecen de elementos explicativos y deben complementarse con aproximaciones dinámicas que entiendan a las redes como ámbitos de interacción (Casas, 2001; Smith-Doerr y Powell, 2005), señalamiento especialmente relevante para una gestión eficaz de la conectividad relevante.¹³ El factor “dinámica” explora atributos de las vinculaciones que toman en cuenta aspectos formales e informales de la organización de la red y permite explorar el “patrón de vinculación y de integración” de los actores entre sí (verticalidad, horizontalidad, etc.) según las siguientes dimensiones:

Subfactor 4.1. – “Atributos de vinculación”

Dimensión 4.1.1. – “Antigüedad”: identifica el tiempo de existencia de la red.

Dimensión 4.1.2. – “Tipo de formalización de los vínculos”: permite distinguir si son vinculaciones formales, si funcionan efectivamente, etc.

Dimensión 4.1.3. – “Tipo de funcionamiento de los vínculos”: se refiere a relaciones horizontales o verticales.

Subfactor 4.2. – “Interacción”

Dimensión 4.2.1. – “Tipo de vínculos que se establecen”: intercambio, complementario o colaborativo que refieren a modalidades de combinación de capacidades.¹⁴

Dimensión 4.2.2. – “Tipo de intercambio”: identifica si se intercambian capacidades, recursos, o productos.

Factor 5 – “Potencialidad”. Permite orientar la gestión reflexiva de la calidad relacional en términos prospectivos, incluyendo dimensiones referidas a las capacidades y al perfil de ampliación de la red de colaboración científica. La conceptualización de la potencialidad se sustenta en una doble orientación: a) en los conceptos de “capitalización” y “coordinación” desarrollados por Borgatti y Lopez-Kidwell (2011), que analizan las redes con base en la idea de fines o logros específicos que se consiguen a partir del tipo de organización o forma de articulación específica “red”, y b) asumiendo la incidencia del tipo de organización de la red en la “transformación e innovación” que propone Luna (2003) indicando que las redes no pueden ser solamente valoradas en términos de sus resultados, sino también en función de la creación de capacidades y condiciones para generar relaciones y nuevos recursos (Luna, 2003, p. 358). La potencialidad tiene en cuenta un conjunto diverso de subfactores y dimensiones e incluye:

Subfactor 5.1 – “Capacidad para la vinculación” y sus dos dimensiones:

Dimensión 5.1.1. – “Recursos de origen”: refiere a cuál es la fuente que ha dado lugar a cada una de las vinculaciones establecidas e incluyen: a) vinculaciones profesionales personales, b) vinculaciones institucionales, c) conocimiento debido a intercambios de servicios realizados anteriormente, d) relaciones informales y de confianza, e) inexistencia de vínculo anterior, f) ofrecimiento o petición de participación en el proyecto por parte del nodo externo a la institución coordinadora de la red de colaboración científica. Para analizar la capacidad de articular demandas de otros agentes se consideran los sectores: a) gubernamental, b) asistencial, c) empresario y d) científico.

Dimensión 5.1.2. – “Capacidad de articular demandas de distintos sectores en el diseño de los proyectos”: da una pauta sobre la permeabilidad de la red. Ambas son dimensiones de potencial para la conectividad relevante porque reflejan capacidades acumuladas,¹⁵ así como capacidad de interacción con distintos actores y, con ello, de sensibilidad hacia el contexto y posibilidad de actualización (permeabilidad) y despliegue.

Subfactor 5.2. – “Consolidación de la red”; considera dos dimensiones:

Dimensión 5.2.1. – “Proyección de los vínculos actuales”: tiene en cuenta la relación actual con cada uno de los agentes, clasificando las vinculaciones según si existe o no una estrategia de consolidación: a) si se acotan a una etapa específica del proyecto de investigación, b) si participan en el conjunto del ciclo del proyecto, o bien c) si el vínculo se ha planteado como una alianza estratégica que supera los objetivos del proyecto actual.

Dimensión 5.2.2. – “Estabilidad”: estado actual de la red que expresa capacidad de consolidación. Se considera la evaluación cualitativa de los responsables de proyectos e incluye cinco dimensiones: a) inestable, b) incipiente con tendencia a estabilizarse, c) incipiente con dificultades para estabilizarse, d) estable y consolidada.

El subfactor 5.3. – “Ampliación de la red”: se refiere a la proyección y considera tres dimensiones:

Dimensión 5.3.1. – “Estado contra tamaño”: fija la proporción de vinculaciones actuales respecto al total de vínculos potenciales identificados en el proyecto para dimensionar la capacidad proporcional de ampliación de vinculaciones según el tamaño de la red.

Dimensión 5.3.2. – “Composición potencial por sector”: identifica la composición por sector de actividad que tiene la red proyectada.

Dimensión 5.3.3. – “Perfil de ampliación”: pondera la diversidad de la red potencial según las causas prioritarias por las cuales se buscaría incorporar nuevas vinculaciones: a) ampliación de los objetivos del proyecto, b) aparición de problemáticas no previstas, c) necesidad de mayor proyección de la red, d) aumento de outputs del proyecto.

Figura 2a. Marco Conceptual de Conectividad Relevante. Factores y Subfactores

Figura 2b. Marco Conceptual de Conectividad Relevante. Subfactores y Dimensiones

La aplicación de este marco conlleva una doble aproximación de la conectividad relevante: (i) cuantitativa: se desarrolla con base en la mayor diversidad (disciplinas, sectores implicados, etc.); y (ii) cualitativa: reflexividad para decidir sobre lo que se debe integrar en la red en función de sus objetivos (agentes, disciplinas, conocimiento y tecnologías disponibles, etc.).

(i) La aproximación cuantitativa se articula en tres momentos: a) aplicación de estadísticas descriptivas que permiten obtener un diagnóstico “foto” de las “condiciones de conectividad” del proyecto u organización, b) cálculo de un índice de conectividad (índice y subíndices por factor), y c) cálculo de coeficientes de correlación a un conjunto de asociaciones de variables (asociaciones interfactores e intrafactores). Los resultados de estos tres momentos los utiliza la comunidad ampliada para la gestión reflexiva.

(ii) La aproximación cualitativa consiste en procesos inclusivos para el desarrollo de la calidad relacional de las unidades seleccionadas (proyectos/organización).

Niveles de evaluación y gestión de la calidad relacional

La evaluación y gestión de la calidad relacional puede realizarse aplicando el marco de factores y dimensiones presentado en la subsección anterior en tres niveles de estudio. Los tres niveles son: (1) evaluación descriptiva de las condiciones de conectividad relevante; (2) análisis de asociaciones entre factores de conectividad relevante; y (3) cálculo de Índice y Subíndices de conectividad relevante.

Nivel 1. Evaluación descriptiva de las condiciones de conectividad relevante. Aplica estadística descriptiva para conocer las condiciones de conectividad para cada factor y subfactor. Se obtienen resultados longitudinales por a) proyecto, b) organización/institución (agregación de proyectos), y c) otras rúbricas.

En su aplicación para la gestión, permite diagnosticar en términos descriptivos las condiciones de conectividad de la red según cada uno de los factores, dimensiones e indicadores. En caso de realizar nuevas rondas de aplicación del cuestionario, faculta el seguimiento de la evolución de las condiciones de conectividad al estilo de “cuadro de mando”. Permite plantear mejoras en las condiciones y un mayor desarrollo de la conectividad relevante. Como primer ámbito de proyección, se orienta el despliegue hacia la red potencial identificada.

El nivel 1 de análisis aplica directamente las dimensiones e indicadores del marco conceptual sin complejidad adicional.

Nivel 2. Análisis de asociaciones entre factores de conectividad relevante. Se propone un conjunto de asociaciones entre factores y subfactores con el fin de plantear un nivel de gestión de producción responsable de conocimiento basado en la exploración de hipótesis de vinculación entre las dimensiones del Modelo Conceptual de Conectividad Relevante. En el nivel de la gestión esta exploración ofrece claves sobre la posibilidad de incidir en algunas variables que a su vez produjeran efectos en otras.

Contando con una masa significativa de datos, el análisis permite calcular coeficientes de correlación entre variables¹⁶ y, a su vez, elaborar resultados longitudinales para distintas unidades de estudio (proyecto, organización).

Consideraremos como ejemplo algunas asociaciones entre variables focalizadas en dos factores del modelo conceptual: (a) Factor 2, Perfil, y Factor 6, Potencialidad. Para cada grupo de cruces propuesto, se definen Temas y se señala la relación hipotética que se pretende explorar:

Tema (a): Incidencia del perfil (principal expresión de la conectividad) en la potencialidad de la red para desarrollar conectividad relevante.

Tema (a.1). Hipótesis exploratorias referidas a “incidencia del tamaño en la proyección potencial”

“Incidencia del tamaño en la capacidad para la vinculación”

(2.1 a) Tamaño – (6.1 b) Recursos de origen del vínculo

(2.1 a) Tamaño – (6.1 c) Articulación de demandas por sector

“Incidencia del tamaño en la capacidad de ampliación”

(2.1 a) Tamaño – (6.3 a) Número de nodos potenciales

Tema (a.2). Hipótesis “a mayor complejidad institucional, mayor conectividad potencial de la red”

“Mayor CI – mayor capacidad para la vinculación”

(2.2) Complejidad institucional – (6.1 a) Recursos de origen del vínculo

(2.2) Complejidad institucional – (6.1 b) Articulación de demandas por sector

“Mayor CI mayor capacidad de ampliación” // “mayor pertinencia social”

(2.2) Complejidad institucional – (6.3 b) Composición potencial por sector (diversidad y/o identificar si destaca un sector en particular según correspondencia sectores de 2.2 predominantes)

(2.2) Complejidad institucional – (6.3 d) Perfil de ampliación

Tema (a.3). Hipótesis exploratoria “incidencia de la complejidad institucional en la capacidad de consolidación”

(2.2) Complejidad institucional – (6.2 a) Proyección de vínculos actuales

(2.2) Complejidad institucional – (6.2 b) Estado de la red

Tema (a.4). Hipótesis “a mayor complejidad espacial, mayor conectividad potencial de la red”

“Mayor CE - mayor capacidad para la vinculación”

(2.3) Complejidad espacial – (6.1 a) Recursos de origen del vínculo

(2.3) Complejidad espacial – (6.1 b) Articulación de demandas por sector

“Mayor CE mayor capacidad de ampliación” // “mayor pertinencia social”

(2.3) Complejidad espacial – (6.3 b) Composición potencial por sector (diversidad y/o identificar si destaca un sector en particular según correspondencia con los sectores de 2.2 predominantes)

(2.3) Complejidad espacial – (6.3 d) Perfil de ampliación

Esta propuesta inicial de asociación entre variables requiere ser analizada como un componente relevante de un proceso de gestión reflexiva relativa a la evaluación y gestión de la calidad relacional porque: (a) permite explorar asociaciones entre variables de conectividad relevante; (b) las asociaciones identificadas permiten establecer objetivos y prioridades que orienten la gestión reflexiva; y (c) la casuística que resulta de este nivel de explotación contribuye a consolidar sistemas asociados de variables de conectividad relevante.

Nivel 3. Cálculo de Índice y Subíndices de conectividad relevante. Propone una aproximación cuantitativa que puede calcularse para las dos unidades de análisis consideradas: proyectos u organizaciones/instituciones y eventualmente, otras unidades. Se calcula en función de los resultados obtenidos para el Marco Conceptual de Conectividad Relevante y obtiene: a) un resultado síntesis, “índice de conectividad relevante” (ICR) y b) cinco resultados síntesis parciales, “subíndices de conectividad relevante” (subICR) para cada uno de los cinco factores. En el Anexo 2 se presenta la formulación del cálculo del Índice de Conectividad Relevante (ICR). En nuestra aplicación al CIC se calculó el ICR y los subíndices de conectividad relevante (subICR) para cada uno de los cinco factores del Marco Conceptual de Conectividad Relevante en dos momentos temporales distintos (“rondas”). Incluye un “instrumento para la ponderación colectiva de factores de conectividad relevante” y ejercicios de reflexividad y consenso apoyados en el análisis de varianzas y medias de los resultados de la ponderación. La ponderación colectiva de factores es un ejercicio de problematización inclusiva y un insumo para el índice de conectividad relevante, calculado según prioridades estratégicas acordadas en el proceso deliberativo en la comunidad constituida de la red. Tiene como resultado para cada uno de sus factores tablas y gráficos de ponderación que se ponen a disposición del conjunto de los actores de la red como resultados intermedios que permiten el seguimiento reflexivo y la toma de decisiones informada con base en los objetivos acordados. El ejercicio utilizado para la ponderación de factores de conectividad relevante se basa en el método de análisis por pares¹⁷, cuyas principales ventajas en términos generales son que: (1) permite identificar la importancia relativa entre varias opciones, soluciones, problemas, etc., (2) garantiza que (a) todas las opciones han sido comparadas y (b) todos los puntos de vista han sido integrados, y (3) ayuda a (a) establecer prioridades y (b) visualizar claramente las decisiones grupales, debatir en torno a ellas y replantear estrategias. La misma metodología que se aplica para la ponderación de factores puede plantearse para la ponderación de subfactores.

El ejercicio consiste en establecer la importancia relativa entre factores de conectividad. Cada actor establece (mediante un formulario) el nivel de importancia que asigna a cada factor en relación con cada uno de los factores restantes (análisis por pares). Se obtiene así:

Tabla 1. Resultado del ejercicio de ponderación de factores

Con base en los resultados obtenidos, se calcula la varianza, es decir, el estadístico de dispersión que sintetiza el grado de homogeneidad o heterogeneidad de las diferencias entre las ponderaciones individuales. Con este dato, los actores de la red podrán analizar, por ejemplo: (a) grado de consenso entre las distintas instituciones/colectivos/grupos participantes respecto de los factores de conectividad prioritarios; (b) prioridades diferentes en cada una de las instituciones/colectivos/grupos; (c) prioridades compartidas por la comunidad gestora de la red de colaboración científica; (d) acuerdos promedio y al mismo tiempo prioridades individuales.¹⁸

Este instrumento permite replantear prioridades de la comunidad de actores responsable de la gestión a lo largo de las distintas etapas de desarrollo de la red y, a su vez, concretar algunas actuaciones en función de necesidades, expectativas u objetivos particulares de actores. La ponderación de factores o de subfactores permite abrir el debate sobre cómo y dónde focalizar los esfuerzos para el despliegue de la red y, con ello, el desarrollo de la calidad relacional.

En la aplicación para la gestión el cálculo de las medidas síntesis (índice y subíndices) permite visualizar y hacer el seguimiento en dos niveles: a) nivel de conectividad relevante general, y b) nivel de conectividad por factor. La gestión de la conectividad se apoya en los ejercicios de reflexión estratégica estableciendo prioridades y objetivos de forma inclusiva. El cálculo del índice y subíndices y el ejercicio de reflexividad inclusiva permiten la trazabilidad de las decisiones, factor clave para el aprendizaje y refuerzo de las capacidades de reflexividad en la gestión de la red.¹⁹

El ejercicio de ponderación colectiva es un instrumento para la reflexividad inclusiva que podrá incidir en la identificación de los objetivos y fines de la investigación, los resultados a obtener y los principios y mecanismos para su evaluación. La ponderación colectiva de factores para el cálculo del índice (ICR) y los subíndices de conectividad relevante (subICR) permite avanzar en la evaluación y gestión de la calidad relacional porque: (a) permite plantear dinámicas de problematización basadas en la reflexividad inclusiva (ejercicio de ponderación de factores); (b) permite contar con información compleja en forma sintética: sus resultados ofrecen una visión de conjunto (índice) y visiones parciales (subíndices por factor) sobre los niveles de conectividad relevante de las interacciones de la red; (c) su utilización sistemática permite la trazabilidad (histórico) y el seguimiento (monitorización) de las decisiones, objetivos y metas definidos en la deliberación de los actores intervinientes; (d) permite identificar elementos críticos y plantear metas de distinto nivel; (e) faculta realizar un seguimiento diacrónico de la información sobre la conectividad relevante de la red.

Conclusión

Los modelos tradicionales del desarrollo científico y tecnológico han legitimado a este como motor del proceso de innovación apelando a su contribución determinante al bienestar de la sociedad. Esta concepción ha permitido operativizar la investigación a través de métricas de evaluación e instrumentos de gestión orientados en el propio ámbito de la investigación sin consideración de las demandas y expectativas de los actores de la sociedad.

La perspectiva RRI ha reconducido esta orientación hacia una concepción socialmente más robusta de la dinámica de la ciencia y la tecnología: estas deben orientarse a abordar retos y problemas sociales. Una tarea importante que se plantea en este artículo ha sido la de establecer consecuencias relevantes que la reorientación RRI incorpora en términos de su operativización práctica. No se ha defendido una caracterización de RRI sustantiva y articulada en dimensiones, criterios de calidad y normas o valores prefijados, sino que, con base en el carácter contingente de la innovación, se ha enfatizado la naturaleza de principio de acción transversal para la actividad investigadora e innovadora, articulada en torno a una ciencia colaborando en red que permita identificar los objetivos socialmente deseables como pauta normativa de acción. Se ha identificado a la conectividad relevante como el elemento crítico para la construcción de la métrica para la evaluación y la gestión de las redes de colaboración responsable de conocimiento.

El concepto de conectividad relevante ofrece una buena aproximación para evaluar la calidad relacional de las interacciones de colaboración entre actores societales diversos trabajando conjuntamente en la producción del conocimiento. Se han identificado cinco factores clave para la medición de la conectividad relevante y, a partir de ellos, se ha construido un instrumento de subfactores, dimensiones e indicadores de conectividad que den cuenta del rango de inclusividad (calidad relacional) de las redes trabajando responsablemente (ciencia con y para la sociedad) en la actividad científica.

Referencias

Barrenechea, J. (2015). Evaluación de la actividad científica: conectividad relevante y calidad relacional. Una propuesta teórico-metodológica (Tesis Doctoral). Universidad del País Vasco UPV/EHU, Donostia-San Sebastián.

Barrenechea, J., García Fronti, J. e Ibarra, A. (2016). GOBERNPROY: una herramienta para la gestión de proyectos basada en la reflexividad inclusiva. En J. Barrenechea, B. Luque y J. Ibarra (Eds.), Aprender en innovación inclusiva. Un reto para proyectos innovadores y políticas territoriales (pp. 162–176). Bilbao: Servicio Editorial de la Universidad del País Vasco UPV/EHU.

Borgatti, S. P. y Lopez-Kidwell, V. (2011). Network Theory. En J. Scott y P. J. Carrington (Eds.), The SAGE Handbook of Social Network Analysis (pp. 40–54). Thousand Oaks, CA: Sage Publications Inc.

Boschma, R. (2005). Proximity and Innovation: A Critical Assessment. Regional Studies, 39(1), 61–74. doi:10.1080/0034340052000320887

Callon, M. (1984). Some elements of a sociology of translation: domestication of the scallops and the fishermen of St Brieuc Bay. The Sociological Review, 32(1), 196–233. doi:10.1111/j.1467-954X.1984.tb00113.x

Casas, R. (2001) (Coord.). La formación de redes de conocimiento: una perspectiva regional desde México. Barcelona: Anthropos.

Casas, R. (2003) (Coord.). Intercambio y flujos de conocimiento en las redes. En M. Luna (Ed.), Itinerarios del conocimiento: formas dinámicas y contenido. Un enfoque de redes (pp. 306–354). Barcelona: Anthropos.

Eizagirre, A., Rodríguez, H. e Ibarra, A. (2017) Politicizing Responsible Innovation: Responsibility as Inclusive Governance. International Journal of Innovation Studies, 1(1), 20–36. doi:10.3724/SP.J.1440.101003.

European Commission (2013). Horizon 2020, Work Programme 2014–2015: 16. Science with and for Society, C(2013) 8631 of 10 December 2013. Bruselas.

European Commission (2014). Horizon 2020, Work Programme 2014–2015: 16. Science with and for Society, Revised, C(2014) 9294 of 10 December 2014. Bruselas.

Fisher, E., Mahajan, R. L. y Mitcham, C. (2006). Midstream Modulation of Technology: Governance From Within. Bulletin of Science, Technology & Society, 26(6), 485–496. doi:10.1177/0270467606295402

Flipse, S. M., van Dam, K. H., Stragier, J., Oude Vrielink, T. J. C. y van der Sanden, M. C. A. (2015). Operationalizing responsible research & innovation in industry through decision support in innovation practice. Journal on Chain and Network Science, 15(2), 135–146. doi:10.3920/JCNS2015.x004

Funtowicz, S. O. y Ravetz, J. R. (2000). La ciencia posnormal: Ciencia con la gente. Barcelona: Icaria.

García, M., Ibáñez, J. y Alvira, F. (1996/2008). El análisis de la realidad social. Métodos y técnicas de investigación. Madrid: Alianza.

Gibbons, M., Limoges, C., Nowotny, H., Schwartzman, S., Scott, P. y Trow, M. (1997). La nueva producción del conocimiento. La dinámica de la ciencia y la investigación en las sociedades contemporáneas. Barcelona: Pomares-Corredor.

Guston, D. H. (2005). Institutional Design for Socially Robust Knowledge: The National Toxicology Program’s Report on Carcinogens. En S. Maasen y P. Weingart (Eds.), Democratization of Expertise? Exploring Novel Forms of Scientific Advice in Political Decision-Making (pp. 63–79). Dordrecht: Springer.

Guston, D. H. y Sarewitz, D. (2002). Real-time technology assessment. Technology in Society, 24(1-2), 93–109. doi:10.1016/S0160-791X(01)00047-1

Heras, M. y Ruiz-Mallén, I. (2017). Responsible research and innovation indicators for science education assessment: how to measure the impact? International Journal of Science Education, 39(18), 2482–2507. doi:10.1080/09500693.2017.1392643

Hoffmann-Riem, H. y Wynne, B. (2002). In risk assessment, one has to admit ignorance. Nature, 416(6877), 123. doi:10.1038\416123a

Jansen, M. W., De Vries, N. K., Kok, G. y van Oers, H. A. (2008). Collaboration between practice, policy and research in local public health in the Netherlands. Health Policy, 86(2-3), 295–307. doi:10.1016/j.healthpol.2007.11.005

Karinen, R. y Guston, D. H. (2010). Toward Anticipatory Governance: The Experience with Nanotechnology. En M. Kaiser, M. Kurath, S. Maasen y C. Rehmann-Sutter (Eds.), Governing Future Technologies: Nanotechnology and the Rise of an Assessment Regime (pp. 217–232). Dordrecht: Springer.

Latour, B. (1988). The pasteurization of France. Cambridge, MA: Harvard University Press.

Limson, J. (2018). Putting responsible research and innovation into practice: a case study for biotechnology research, exploring impacts and RRI learning outcomes of public engagement for science students. Synthese, 1–26. doi:10.1007/s11229-018-02063-y

Luna, M. (2003). La red como mecanismo de coordinación y las redes de conocimiento. En M. Luna (Coord.), Itinerarios del conocimiento: formas dinámicas y contenido. Un enfoque de redes (pp. 51–78). Barcelona: Anthropos.

Luna, M. y Velasco, J. L. (2006). Redes de conocimiento: principios de coordinación y mecanismos de integración. En M. Albornoz y C. Alfaraz (Eds.), Redes de conocimiento: construcción, dinámica y gestión (pp. 15–38). Buenos Aires: Redes, Centro de Estudios sobre Ciencia, Desarrollo y Educación Superior.

McGregor, J. y Wetmore, J. M. (2009). Researching and Teaching the Ethics and Social Implications of Emerging Technologies in the Laboratory. NanoEthics, 3(1), 17–30. doi:10.1007/s11569-009-0055-1

Monsonís-Payá, I., García-Melón, M. y Lozano, J.-F. (2017). Indicators for Responsible Research and Innovation: A Methodological Proposal for Context-Based Weighting. Sustainability, 9(12), 2168. doi:10.3390/su9122168

MoRRI (2018). The evolution of Responsible Research and Innovation in Europe: The MoRRI indicators report. Bruselas: Directorate-General for Research and Innovation.

Otero-Hermida, P. y García-Melón, M. (2018). Gender Equality Indicators for Research and Innovation from a Responsible Perspective: The Case of Spain. Sustainability, 10(9), 2980. doi:10.3390/su10092980

Owen, R., Macnaghten, P. y Stilgoe, J. (2012). Responsible research and innovation: From science in society to science for society, with society. Science and Public Policy, 39(6), 751–760. doi:10.1093/scipol/scs093

Owen, R., Stilgoe, J., Macnaghten, P., Gorman, M., Fisher, E. y Guston, D. H. (2013). A Framework for Responsible Innovation. En R. Owen, J. Bessant y M. Heintz (Eds.), Responsible Innovation: Managing the Responsible Emergence of Science and Innovation (pp. 27–50). Chichester: Wiley.

Ramji, A. y Creech, H. (2004). Knowledge Networks: Guidelines for Assessment. Manitoba: International Institute for Sustainable Development.

Rip, A. (1998). Modern and post-modern science policy. EASST Review, 17(3), 13–16.

Rip, A. y van der Meulen, B. J. R. (1996). The post-modern research system. Science and Public Policy, 23(6), 343–352. doi:10.1093/spp/23.6.343

Rip, A., Misa, T. J. y Schot, J. (1995). Managing Technology in Society: The Approach of Constructive Technology. Londres y Nueva York: Pinter Publisher.

Rodríguez, H., Eizagirre, A. e Ibarra, A. (2019). Dynamics of responsible innovation constitution in European Union research policy: tensions, possibilities and constraints. En R. von Schomberg y J. Hankins (Eds.), International Handbook on Responsible Innovation: A Global Resource (pp. 167–180). Cheltenham y Northampton, MA: Edward Elgar.

Rodríguez, H., Fisher, E. y Schuurbiers, D. (2013). Integrating science and society in European Framework Programmes: Trends in project-level solicitations. Research Policy, 42(5), 1126–1137. doi:10.1016/j.respol.2013.02.006

Saaty, T. L. (2003). Decision-making with the AHP: Why is the principal eigenvector necessary. European Journal of Operational Research, 145(1), 85–91. doi:10.1016/S0377-2217(02)00227-8

Schot, J. y Rip, A. (1997). The past and future of constructive technology assessment. Technological Forecasting and Social Change, 54(2), 251–268. doi:10.1016/S0040-1625(96)00180-1

Schuurbiers, D. y Fisher, E. (2009). Lab-scale intervention. EMBO reports, 10(5), 424–427. doi:10.1038/embor.2009.80

Smith-Doerr, L. y Powell, W. W. (2005). Networks and Economic Life. En N. J. Smelser y R. Swedberg (Eds.), The Handbook of Economic Sociology (pp. 379–402). Nueva York: Princeton University Press.

Spaapen, J., Wamelink, F. y Roberts, L. L. (1999). The evaluation of university research: A method for the incorporation of societal value of research. La Haya: National Council for Agricultural Research.

Stilgoe, J., Lock, S. J. y Wilsdon, J. (2014). Why should we promote public engagement with science? Public Understanding of Science, 23(1), 4–15. doi:10.1177/0963662513518154

Stilgoe, J., Owen, R. y Macnaghten, P. (2013). Developing a framework for responsible innovation. Research Policy, 42(9), 1568–1580. doi:10.1016/j.respol.2013.05.008

Stirling, A. (2008). “Opening Up” and “Closing Down”: Power, Participation, and Pluralism in the Social Appraisal of Technology. Science, Technology, & Human Values, 33(2), 262–294. doi:10.1177/0162243907311265

Stirling, A. (2010). Keep it complex. Nature, 468(7327), 1029–1031. doi:10.1038/4681029a

Strand, R., Spaapen, J., Bauer, M. W., Hogan, E., Revuelta, G. y Stagl, S. (2015). Indicators for promoting and monitoring Responsible Research and Innovation. Report from the Expert Group on Policy Indicators for Responsible Research and Innovation. Luxemburgo: Publications Office of the European Union.

Taylor-Powell, E. y Rossing, B. (2009). Evaluating collaborations: challenges and methods. Madison: University of Wisconsin.

von Schomberg, R. (2011). Towards Responsible Research and Innovation in the Information and Communication Technologies and Security Technologies Fields. Bruselas: European Commission.

von Schomberg, R. (2015). From ‘Responsible Development of Technologies’ to Responsible Innovation. Adaptado de J. Britt Holbrook y C. Mitcham, C. (Eds.), Ethics, Science, Technology, and Engineering: A Global Resource (ESTE2), 2.ª edición. © 2015 Gale, a part of Cengage Learning, Inc. Recuperado de https://renevonschomberg.wordpress.com/from-responsible-development-of-technologies-to-responsible-innovation/

Wickson, F. y Carew, A. L. (2014). Quality criteria and indicators for responsible research and innovation: learning from transdisciplinarity. Journal of Responsible Innovation, 1(3), 254–273. doi:10.1080/23299460.2014.963004

Wilsdon, J. y Willis, R. (2004). See-through Science: Why public engagement needs to move upstream. Londres: Demos.

Yaghmaei, E. (2018). Responsible research and innovation key performance indicators in industry: A case study in the ICT domain. Journal of Information, Communication and Ethics in Society, 16(2), 214–234. doi:10.1108/JICES-11-2017-0066

Ziman, J. M. (1994). Prometheus Bound. Science in a dynamic steady state. Cambridge: Cambridge University Press.

Ziman, J. M. (2002). Real Science. What it is, and what it means. Cambridge: Cambridge University Press.

Notas

¹ El enfoque de evaluación centrado en los conceptos de conectividad relevante y de calidad relacional, así como el instrumento de evaluación han sido desarrollados en Barrenechea (2015).

² Stilgoe, Lock y Wilsdon proponen superar también la idea de “normative commitment” en el “public engagement”. Además, a juicio de ellos, el “public engagement” sigue centrado en el enfoque “trust”, es decir, siguen predominando en él dinámicas en las que se apela a la inclusión como mecanismo de legitimación. Por el contrario, desde el planteamiento RRI se trata de establecer condiciones de “productive engagement”, en función de las cuales se pueda movilizar la inteligencia y reflexividad social (Stilgoe, Lock y Wilsdon, 2014, p. 7).

³ Capital reflexivo que actuaría sobre “the purposes, processes, and products of science and innovation in an iterative, inclusive, and deliberative way” (Owen et al., 2013, p. 38).

⁴ Los indicadores relevantes KPI identificados son: Recursos disponibles, Valor estratégico para los clientes, Perspectivas del cliente, Habilidades disponibles, Cultura de I+D del cliente, Aspectos sociales, Comunicación y cooperación, Superioridad técnica del proyecto.

⁵ Hemos aplicado el instrumento al caso del Centro de Investigación Cooperativa bioGUNE del País Vasco (https://www.cicbiogune.es/).

⁶ Luna (2003) identifica tres niveles de análisis en la literatura sobre redes: “el de la red como una teoría analítica, el de la red como teoría de alcance medio, y el de la red como dispositivo propiamente teórico con un mayor nivel de abstracción” (p. 356). Desde el punto de vista de las teorías de alcance medio, las redes constituyen una modalidad de coordinación específica. Esa comprensión “permite observar las capacidades y limitaciones particulares de las redes para la consecución de ciertos objetivos, así como los problemas de gestión que las caracterizan” (p. 3). La especificidad de las redes de conocimiento radica en que se orientan a la generación, transmisión o difusión del conocimiento y, en particular, “son representativas de un modo de ordenamiento social procedimental, heterárquico y flexible, que contrasta con el estilo regulado, jerárquico y uniforme de otras organizaciones” (p. 9).

⁷ La posibilidad de definir parámetros externos de referencia requiere un importante desarrollo de casuística y estudios comparados que permitieran establecer niveles de conectividad relevante “tipo”.

⁸ Las redes marco se definen como ámbitos de pertenencia externos en los que se inscribe la red: consorcios temáticos, asociaciones internacionales, etc.

⁹ Evaluar la viabilidad institucional para la cooperación en los proyectos es importante para nuestro caso. Distintos autores analizan la incidencia del marco institucional en las redes. Por ejemplo, Ramji y Creech (2004) consideran al soporte institucional como un indicador de eficiencia en la gestión de la red, Guston (2005) afirma que el diseño institucional es condición de la producción de conocimiento socialmente robusto, y Jansen, De Vries, Kok y van Oers (2008) analizan la institucionalización de la colaboración como uno de los elementos clave para la estabilización de las redes.

¹⁰ El subfactor “Complejidad institucional” describe la situación actual y también puede asociarse a la capacidad para la conectividad entendida desde la perspectiva de la “capacidad de absorción” (Boschma, 2005). Se trata de una dimensión organizacional referida a interdependencias o articulación entre sectores y tipos de organizaciones que conforman la red.

¹¹ En esta primera aproximación se considera el número de disciplinas diferentes que se incluyen en los proyectos. Un tratamiento más exhaustivo de este subfactor puede dar lugar a análisis más detallados sobre el intercambio de conocimientos que circula en la red.

¹² La composición de los recursos humanos de la red requiere reflexión estratégica. Su definición dependerá de las necesidades del proyecto y será importante considerar otras dimensiones como la movilidad (garantía de vinculación efectiva y transferencia con los actores) y la apuesta por el recambio generacional (investigadores y técnicos en formación).

¹³ Smith-Doerr y Powell (2005) critican la “infertilidad” de los estudios de redes puramente estructurales y proponen enfocarlos en el “contenido de los vínculos” para definir el tipo de relación con base en lo que fluye en ella.

¹⁴ La clasificación utilizada se basa en Taylor-Powell y Rossing (2009), quienes distinguen cinco tipos de relaciones colaborativas, expresadas de las más débiles a las más robustas: a) de red, b) de cooperación, c) de asociación (partnership), d) de coalición, y e) de colaboración. Estas últimas representan las relaciones más durables en las que se desarrolla el compromiso para objetivos comunes, se plantean esfuerzos de largo plazo y cambios en el nivel del sistema.

¹⁵ Los recursos de origen de una red permiten evaluar las redes de interacción y apoyo entre investigadores y otros actores societales (Casas, 2001). Los vínculos de confianza o personales, aunque son muy efectivos para el sostenimiento de las redes, pueden producir saturación, redundancia o pérdida de iniciativa en la medida en que cierren los circuitos de circulación de recursos y conocimientos (Smith-Doerr y Powell, 2005, p. 30).

¹⁶ Los coeficientes de correlación permiten analizar la fuerza de la asociación entre variables. En particular, el coeficiente lineal r de Pearson es el más ampliamente utilizado para la analizar la asociación entre variables de intervalo. Mide la cantidad de dispersión en relación con la ecuación de mínimos cuadrados definida por una recta (García, Ibáñez y Alvira, 1996/2008).

¹⁷ El “método de comparación por pares” (Analytic Hierarchy Process, AHP) se utiliza para la obtención del ratio de escala de prioridades o ponderaciones de los objetivos. Esto se logra a través de proponer a las personas directivas de una organización o proyecto que realicen una comparación uno a uno de los objetivos organizacionales. En particular, la metodología AHP propuesta por Saaty (2003) realiza la priorización de objetivos mediante el cálculo del autovector principal de una matriz positiva recíproca que contiene las valuaciones por pares. El AHP organiza el problema de decisión con una estructura jerárquica que incluye varios niveles. Es un método de selección de alternativas en función de una serie de objetivos, los cuales, en general, suelen estar en conflicto.

¹⁸ La reflexividad inclusiva no significa promediar las ponderaciones para focalizar en el consenso porque se estaría dejando de lado la complejidad y la pluralidad.

¹⁹ Un programa de gestión interinstitucional basado en la reflexividad inclusiva puede encontrarse en Barrenechea, García Fronti e Ibarra, (2016).

Agradecimientos

Agradecemos a Irene Unceta su apoyo en el desarrollo del cálculo del índice. La realización del artículo ha sido posible parcialmente gracias al apoyo del Vicerrectorado de Investigación de la Universidad del País Vasco UPV/EHU (PPGA19/23) y el Departamento de Educación del Gobierno Vasco (IT1205-19), del Ministerio de Economía y Competitividad del Gobierno de España y el Fondo Europeo de Desarrollo Regional (FFI2015-69792-R), y del Programa “Salvador de Madariaga” 2018 (PRX18/00549).

ANEXOS

Anexo 1. Cálculo de dimensiones e indicadores de conectividad relevante

1. CONDICIONES INSTITUCIONALES

“Redes marco” a partir de los indicadores Número de redes, intervalos de número de redes previamente definidos, y Ámbito de redes diversidad de los ámbitos de las redes.

2. PERFIL

“Tamaño” a partir del indicador Número de vínculos, intervalos de números de vínculos previamente definidos.

“Complejidad institucional” a partir de los indicadores Tipo, proporción entre el número de vínculos públicos, privados y mixtos, y Sector, diversidad de sectores de los vínculos e I+D, proporción de vínculos en posesión de un departamento de I+D respecto al número total de vínculos.

“Complejidad espacial” a partir del indicador Ámbito de los vínculos, diversidad de ámbitos de los vínculos.

“Complejidad disciplinaria” a partir del indicador Número de disciplinas, intervalos de número de disciplinas previamente definidos.

“Perfil”: en función de porcentajes de colaboración y visibilidad; ciencia y conocimiento; educación y recursos humanos; innovación y campo profesional; políticas públicas.

“Recursos humanos”: en función de porcentajes de investigadores; técnicos; colaboradores.

“Objetivos de reclutamiento”: en función de la diversidad de objetivos de reclutamiento.

3. CONTENIDOS

“Inputs recibidos” a partir del indicador Tipo de inputs recibidos, diversidad de tipos de inputs recibidos.

“Inputs ofrecidos” a partir del indicador Tipo de inputs ofrecidos, diversidad de tipos de inputs ofrecidos.

4. DINÁMICA

“Atributos de vinculación” a partir del indicador Tipo de formalidad, porcentaje de vínculos formales e informales.

“Interacción” a partir de los indicadores Nivel de complejidad, proporción de vínculos de tipo combinación con respecto al número total de vínculos, y Modalidad, porcentajes de vínculos con interacciones de tipo (i) reuniones, (ii) informes, (iii) comunicaciones informales.

5. POTENCIALIDAD

“Capacidad de vinculación” a partir de los indicadores Recursos de origen, diversidad de recursos de origen, y Articulación de demandas, diversidad de articulaciones de demandas.

“Consolidación” a partir de los indicadores Estado de la red, proporción de vínculos con vinculaciones de tipo alianza estratégica respecto al número total de vínculos y Estabilidad, en función de las siguientes opciones: inestable, incipiente con tendencia a estabilizarse, incipiente con dificultades para estabilizarse, estable, consolidada.

“Ampliación” a partir de los indicadores Estado de la red, proporción de vínculos ya formados respecto del total de vínculos potenciales identificados, Composición potencial para el sector, diversidad de los sectores de los vínculos y Perfil de ampliación, diversidad de los perfiles de ampliación de los vínculos potenciales.

Anexo 2. Cálculo del índice de conectividad relevante

Definimos I como el valor del “Índice de Conectividad Relevante”.

Sea i un número natural que representa cada factor considerado, según

Definimos F_i como el valor de cada uno de los factores que componen el índice.

Sea m un número natural que, para cada valor de i, representa el número de subfactores en los cuales se descompone cada factor, tal que

Sea j un número natural que toma valores entre 1 y m (dependiendo del valor de i) y que representa cada subfactor considerado. Definimos S_ij como el valor de cada subfactor que compone el factor i considerado.

Sea n un número natural que, para cada valor i y cada valor j, corresponde al número de indicadores que forman cada subfactor. Sea k un número natural que, para cada valor de i y cada valor de j, toma valores entre 1 y n y que representa cada indicador considerado.

Definimos V_ij como el valor de cada indicador que compone el subfactor j considerado.

Finalmente, definimos a_i, b_ij y c_ij como números racionales no negativos que corresponden, respectivamente, a los valores de ponderación asociados a cada factor, subfactor e indicador considerados.

Metodología de cálculo del índice de conectividad relevante

Calculamos el valor de cada subfactor, S_ij, a partir de la expresión que permite resumir la información de los indicadores

De la misma forma, podemos calcular el valor de cada factor, F_i, a partir de la ecuación

Finalmente, determinamos el valor del índice I según

Acerca de los autores

Julieta Barrenechea (julieta.barrenechea@euskampus.eu) es doctora en Filosofía de la Ciencia por la Universidad del País Vasco UPV/EHU. Es investigadora colaboradora de la Cátedra Sánchez-Mazas y trabaja en Euskampus Fundazioa y en la Universidad de Bordeaux para acompañar el desarrollo de proyectos de colaboración científica y de innovación educativa asumiendo un enfoque de universidad relacional e incorporando la perspectiva Responsible Research and Innovation (RRI). Roles: conceptualización, metodología, escritura de versión original, revisión y edición (ORCID 0000-0001-8689-5367).

Andoni Ibarra (andoni.ibarra@ehu.eus) es coordinador de la Cátedra Miguel Sánchez-Mazas de la UPV/EHU, dedicada a los Estudios de Ciencia, Tecnología e Innovación. Es asimismo editor en jefe de la revista Theoria. Ha publicado libros y artículos en temas sobre prácticas representacionales en ciencia, redes de conocimiento, evaluación y validación de la ciencia y la tecnología, y gobernanza e innovación responsable. Roles: conceptualización, supervisión, escritura, revisión y edición (ORCID 0000-0002-8643-0700).

Recibido: 26/04/2019

Aceptado: 13/06/2019

Cómo citar este artículo

Barrenechea, J. e Ibarra, A. (2020). Criterios, principios e indicadores de conectividad para la inclusividad responsable en ciencia y tecnología. Caleidoscopio - Revista Semestral de Ciencias Sociales y Humanidades, 24(43). doi:10.33064/43crscsh1983

Esta obra está bajo una
Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional
Usted es libre de compartir o adaptar el material en cualquier medio o formato bajo las condiciones siguientes: (a) debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios; (b) no puede utilizar el material para una finalidad comercial y (c) si remezcla, transforma o crea a partir del material, deberá difundir sus contribuciones bajo la misma licencia que el original.
Resumen de la licencia https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es_ES
Texto completo de la licencia https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode