SciELO - Scientific Electronic Library Online

 
vol.33 issue57Future scenarios for the fruit and vegetable production and supply chain in the department of Valle del Cauca, 2019 horizon author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Cuadernos de Administración (Universidad del Valle)

Print version ISSN 0120-4645

Abstract

QUINTERO RAMIREZ, Santiago; RUIZ CASTANEDA, Walter Lugo  and  ROBLEDO VELASQUEZ, Jorge. Aprendizaje en los sistemas regionales de innovación: Un modelo basado en agentes. cuad.adm. [online]. 2017, vol.33, n.57, pp.7-20. ISSN 0120-4645.  https://doi.org/10.25100/cdea.v33i57.4535.

El aprendizaje en los sistemas regionales de innovación es un fenómeno complejo, cuyo análisis se está abordando cada vez más mediante estrategias de simulación computacional. En particular, la modelación basada en Agentes ha demostrado ser una aproximación útil para superar las limitaciones de otras estrategias metodológicas pues posibilita una representación más fiel de las capacidades de los agentes, sus limitaciones racionales, los mecanismos de decisión que explican sus decisiones, su interacción y las fórmulas de éxito para aprovechar las oportunidades del mercado. No obstante, el desarrollo de estos modelos presenta serios desafíos conceptuales y metodológicos. Este trabajo propone un modelo que representa los agentes de un sistema regional de innovación, como vectores de capacidades y el aprendizaje como la acumulación de sus capacidades de innovación. El resultado de la interacción inducida por el mercado, se favorece por la cercanía entre agentes e influenciada por las políticas públicas. Metodológicamente, el desarrollo del modelo inicia con una propuesta conceptual y validada mediante contrastación con la literatura especializada. Seguido, se elaboró un modelo que se verificó computacionalmente y se validó en su comportamiento. Para finalizar, se realizó un ejercicio de simulación de escenarios para comprobar su potencial aplicación. El modelo resultante, contribuye a comprender las dinámicas de aprendizaje y los patrones emergentes de especialización de los agentes y su influencia en el desempeño del sistema. Finalmente, los ejercicios de simulación demuestran el potencial del modelo para orientar decisiones de política que busquen mejorar el desempeño de los sistemas regionales de innovación.

Keywords : Aprendizaje; Interacciones; Capacidades; Modelos basados en agentes; Sistemas regionales de innovación.

        · abstract in English | French     · text in English     · English ( pdf )