35
Modelo cognitivo de innovación ecotecnológica
ante la disposición de biorresiduos orgánicos para el
desarrollo agrícola y emprendimiento social
rEsumEn
El conocimiento cientíco constituye un recurso
intangible que se expresa en indicadores de
visibilidad; sin embargo, no siempre permite expresar
determinado nivel de progreso sobre lo que se realiza
y menos, dimensionar aperturas competitivas.
El objetivo fue crear un modelo cognoscitivo de
innovación ecotecnológica ante la disposición de
biorresiduos orgánicos para el desarrollo agrícola y
emprendimiento social. Mediante la mezcla de multi-
componentes de biorresiduos (domiciliarios-mercados
agropecuarios) se obtuvo un tipo de abono orgánico
que se aplicó como tratamiento experimental para
valorar el rendimiento de la talla y peso sobre Solanum
tuberosum L. (variedad lengua) donde hubo diferencias
estadísticamente signicativas (p<0,05) con el
tratamiento sin la aplicación del abono. El resultado
logrado permitió crear un modelo de gestión con ejes
dinámicos donde se mostró que, a partir del estado
actual del conocimiento dirigido, fundamentalmente,
a depositar los biorresiduos orgánicos en rellenos
sanitarios pudo generarse un resultado eco-tecnológico
favorable y sostenible sobre la matriz agrícola suelo
que posibilitó el rendimiento del tubérculo, además,
conducir hacia un estímulo para la recogida y
reutilización de biorresiduos orgánicos como fuente de
empleo e ingreso económico social.
Palabras clave: modelo operacional, innovación
ecotecnológica, promoción económica
aBstraCt
Scientic knowledge constitutes an intangible resource
that is expressed in indicators of visibility; however
not always express progress about what to perform
and less determined sizing up competitive openings.
e objective was to create a cognitive model of eco-
technological innovation in view of the availability
W F P L
W F G
M Q F
G A P
1 Escuela de Química e Ingeniería
Química. Facultad de Ingeniería.
Universidad Nacional Jorge Basadre
Grohmann (UNJBG). Tacna-Perú.
wdimasponce@gmail.com
2 Instituto Nacional de Salud del Niño de
San Borja. Lima-Perú.
3 Facultad de Biología. Universidad
Nacional San Antonio Abad del Cusco
(UNSAAC). Cusco-Perú.
4 Centro de Investigaciones Avanzadas
y Formación Superior en Educación,
Salud y Medio Ambiente ¨AMTAWI¨.
Puno, Perú.
george.argota@gmail.com
Cognitive model of ecotechological innovation before the disposition
of organic biorresidues for agricultural development and social
entrepreneurship
Recibido: noviembre 05 del 2018 | Revisado: diciembre 13 del 2018 | Aceptado: enero 15 del 2019
https://doi.org/10.24265/campus.2019.v24n27.03
| C | L, | V. XXIV | N. 27 | PP. - | - | | -
© Los autores. Este artículo es publicado por la Revista Campus de la Facultad de Ingeniería y Arquitectura de la Universidad
de San Martín de Porres. Este artículo se distribuye en los términos de la Licencia Creative Commons Atribución No-comercial
– Compartir-Igual 4.0 Internacional (https://creativecommons.org/licenses/ CC-BY), que permite el uso no comercial,
distribución y reproducción en cualquier medio siempre que la obra original sea debidamente citada. Para uso comercial
contactar a: revistacampus@usmp.pe.
36
Introducción
Actualmente, el conocimiento cien-
tíco constituye un factor de decisión y
uso en la sociedad, pues permite el de-
sarrollo de tecnologías, metodologías y
estrategias indicándose, teorías y expre-
siones prácticas (Soto & Barrios, 2006;
Lafont, 2014). Además, contribuye a la
formación de ciudadanos competentes
que puedan actuar reexivamente ante
los crecientes y evolutivos cambios inte-
lectuales (Asencio, 2014). Sin embargo,
al considerar que las universidades son los
entes rectores en la producción de cono-
cimientos cientícos, algunas herramien-
tas como de investigación como son la
concesión de licencias de descubrimien-
tos patentados, en múltiples casos redu-
cen el ujo de conocimiento o restringen
la entrada de información al seguimiento
progresivo de la investigación cientíca
(ompson, Ziedonis & Mowery, 2018).
Cualquier análisis cientíco en forma
prescriptiva puede determinar la creación
y optimización sobre algún modelo que
caracterice a las instituciones y por ende;
sobre lo que realiza, pudiendo orientar
of organic bio-waste for agricultural development and social
entrepreneurship. By means of multi-component mixture of bio-
waste (domiciliary-agricultural markets) a type of organic fertilizer
was obtained that was applied as an experimental treatment to
evaluate the yield of size and weight on Solanum tuberosum L.
(variety of the tongue) where there were, statistically dierences
signicant (p<0,05) with the treatment without the application
of the fertilizer. e attained result allowed us to create a
management model with dynamic axes where it was shown that,
based from the current state of knowledge directed primarily to
deposit bioorganic waste in landlls could generated a result eco-
technological favourable and sustainable agricultural matrix soil,
which enabled the yield of the tuber, in addition, lead toward
a stimulus for the collection and reuse of bioorganic waste as a
source of employment and social economic income.
Key words: operational model, eco-technology innovation,
economic promotion
sus actividades en el futuro (Bihani &
Patil, 2014; Grillo & Hackett, 2015).
Las tendencias sobre el conocimiento
cientíco están en la creación de modelos
pero estos, deben identicar y estructu-
rar de forma relacionada determinados
indicadores (Rodríguez, 2006; Correa,
Rosero & Segura, 2008), quienes están
sustentados en información útil, hacien-
do que el conocimiento que pueda ree-
jarse sea cada vez más competitivo. Aun-
que existen indicadores como el capital
de inversión, disponibilidad tecnológica,
clima organizacional, sistema de aprendi-
zaje laboral entre otros, lo más relevante
es el conocimiento adquirido y la crea-
tividad del personal (Zabaleta, Brito &
Garzón, 2016). Para la creación y evalua-
ción de indicadores cognitivos con idea a
establecer modelos integrales se requiere
de, informaciones con enfoques cuantita-
tivos y cualitativos (Bustos, Cerecedo &
García, 2016).
El Foro Económico Mundial (WEF,
2017) desde el año 2011 consideró la ca-
tegoría ambiental, conjuntamente, con la
económica, geopolítica, social y tecnoló-
| C | V. XXIV | N. 27 | - | 2019 |
W F P L - W F G - M Q F
- G A P
37
gica donde hasta el año 2017, los riesgos
globales sobre la crisis hídrica, el cambio
climático y la crisis sobre la biodiversidad
se han mantenido paralelamente con la
fabricación y uso de las armas (destruc-
ción masiva), polarización social y la
migración forzada. Ante los riesgos glo-
bales y las dicultades evidenciadas, la
convivencia social y las bases de la propia
existencia de la humanidad han determi-
nado que se establezcan 17 Objetivos de
Desarrollo Sostenible de la Agenda 2030
que marcan un esfuerzo sin precedentes
(ONU, 2015). Dentro de esta categoría
ambiental, uno de los actuales proble-
mas sociales está relacionado con la dis-
ponibilidad sin tratamiento alguno de
los residuos sólidos orgánicos (Ignatyev,
ielemans & Vander, 2014; Gu & Oz-
bakkaloglu, 2016).
Entre los residuos se encuentran
aquellos de naturaleza biológica como
las semillas, cáscaras y productos de ex
-
creción (Somasekhara, Sivarama & Va-
rada, 2012; Taibi, Gielen & Bazilian,
2012; Sharma, Pareek & Zhang, 2015)
que pueden ser transformados y utiliza
-
dos mediante procesos de innovaciones
eco-tecnológicas.
El pensamiento y uso sobre la innova-
ción eco-tecnológica (generación conjun-
ta, denominada igualmente ¨innovación
inclusiva¨) posibilita el uso y la acción de
receptores, quienes de igual modo, apor-
tan conocimientos y se reconocen sus
necesidades y prioridades (Gupta et al.,
2003; Fressoli, Dias & omas, 2014).
La incorporación de toda innovación
ecotecnológica debe girar en la dimen-
sión sobre un sistema social-tecnológico
y ecológico (Redman & Miller, 2015),
representando un motor de transforma-
ción ambiental que tiene como base de
creación, la conjunción de las capacida-
des cientícas y técnicas (Amaro & Vi-
llavicencio, 2015) donde tendrá que im-
plementarse un monitoreo participativo
social el cual, fortalezca las capacidades
de creación y se enfoca al diagnóstico
oportuno del costo-efectivo en el tiempo
posibilitando evaluar, corregir, adaptar y
mejorar de forma continua las innovacio-
nes (Wigboldus et al., 2016).
El objetivo fue crear un modelo cog-
nitivo de innovación ecotecnológica ante
la disposición de biorresiduos orgánicos
para el desarrollo agrícola y emprendi-
miento social.
Materiales y métodos
Con base al proyecto de investigación:
Modelo de industrialización de los resi-
duos sólidos orgánicos para la produc-
ción de abono con una nueva tecnología,
el cual se desarrolla desde marzo de 2017
hasta julio de 2018 y perteneciente a la
Universidad Nacional Jorge Basadre Gro-
hmann de Tacna se caracterizó inicial-
mente para su recolección, biorresiduos
orgánicos como el maíz morado, cebada,
cáscaras de huevo, plátano y la papa, ade-
más, semillas de palta procedentes de do-
micilios y mercados.
Luego, en condiciones experimentales
y siguiendo procesos unitarios se obtuvo,
una mezcla de multi-componentes para
la producción de abono orgánico (Figu-
ra 1). Seguidamente, se establecieron dos
grupos de parcelas experimentales donde
se aplicó en una de ellas, el abono pre-
parado, y 124 días después mediante un
muestreo probabilístico aleatorio se reco-
gió especímenes de Solanum tuberosum
L. (variedad lengua) para la medición de
la biomasa (talla y peso).
Secado Trituración
Mezclado
Obtención
| C | V. XXIV | N. 27 | - | 2019 |
M
38
Figura 1. Procesos unitarios para la medición de la biomasa aplicando
abono orgánico
4
MATERIALES Y MÉTODOS
Con base al proyecto de investigación: Modelo de industrialización de los residuos
sólidos orgánicos para la producción de abono con una nueva tecnología, el cual se desarrolla
desde marzo de 2017 hasta julio de 2018 y perteneciente a la Universidad Nacional Jorge
Basadre Grohmann de Tacna se caracterizó inicialmente para su recolección, biorresiduos
orgánicos como el maíz morado, cebada, cáscaras de huevo, plátano y la papa, además, semillas
de palta procedentes de domicilios y mercados.
Luego, en condiciones experimentales y siguiendo procesos unitarios se obtuvo, una
mezcla de multi-componentes para la producción de abono orgánico (Figura 1). Seguidamente,
se establecieron dos grupos de parcelas experimentales donde se aplicó en una de ellas, el abono
preparado, recolectando 124 días después mediante un muestreo probabilístico aleatorio,
especímenes de Solanum tuberosum L. (variedad lengua) para la medición de la biomasa (talla
y peso).
Figura 1. Procesos unitarios para la medición de la biomasa aplicando abono orgánico
Los datos de la biomasa fueron analizados según la prueba t-Students con tres réplicas
para los dos grupos de tratamientos. La prueba de normalidad de los datos se realizó mediante
el test de Kolmogorov–Smirnov de bondad de ajuste. Se utilizó el software profesional
Statgraphics Centurion XVI, considerándose significativos los datos con p<0,05.
Finalmente, considerando lo planteado por Argota & Coasaca (2016) donde indican
que, toda propuesta sobre determinado modelo debe visualizar en forma estructurada una
Recogida de residuos sólidos domiciliarios y mercados
Caracterización
Secado
Trituración
Mezclado
Obtención
Aplicación
Medición de la biomasa del tubérculo
Los datos de la biomasa fueron anali-
zados según la prueba t-Students con tres
réplicas para los dos grupos de tratamien-
to. La prueba de normalidad de los datos
se realizó mediante el test de Kolmogo-
rov–Smirnov de bondad de ajuste. Se uti-
lizó el software profesional Statgraphics
Centurion XVI, considerándose signi-
cativos los datos con p<0,05.
Finalmente, considerando lo plantea-
do por Argota & Coasaca (2016) donde
indican que, toda propuesta sobre deter-
minado modelo debe visualizar en forma
estructurada una expresión dinámica pla-
neada y no, reconstruir modelos, ya que
el seguimiento de procesos o etapas esta-
rá siempre en seguir, cierta ruta que con-
duzca hacia un posible éxito fue que se
consideró crear una propuesta de modelo
cognitivo que exprese con base a la inves-
tigación cientíca aplicada, posible solu-
ción sobre la disposición de biorresiduos
sólidos, lo cual genere desarrollo agrícola
y estimular el emprendimiento social.
Resultados
La Tabla 1 muestra el resumen estadís-
tico de la talla y el peso obtenido en cada
tratamiento experimental. En los dos
tratamientos, el valor del sesgo estanda-
rizado y de curtosis estandarizada se en-
contró dentro del rango esperado lo cual
indicó que, los datos provinieron de una
distribución normal.
Tabla 2
Resumen estadístico de la talla (mm) y el peso (Kg) en los tratamientos
Estadígrafo
abono sin abono
talla peso talla peso
Recuento 30 30 30 30
Promedio 128.667 0.351667 82.8333 0.225
Desviación Estándar 1.5162 0.0215092 4.37141 0.0392824
Coeciente de Variación 1.17839 6.11635 5.2773 17.4588
Sesgo Estandarizado 0.658388 -0.516566 -0.769205 1.22659
Curtosis Estandarizada -1.55746 -1.52852 -1.50199 -1.24119
| C | V. XXIV | N. 27 | - | 2019 |
W F P L - W F G - M Q F
- G A P
39
Al realizar la comparación entre los trata-
mientos se encontró que:
Variable: talla
• Intervalos de conanza del 95.0%
para la media del tratamiento con
abono: 128.667 +/- 0.566158
[128.101, 129.233]
• Intervalos de conanza del 95.0%
para la media del tratamiento sin abo-
no: 82.8333 +/- 1.63231 [81.201,
84.4656]
• Intervalos de conanza del 95.0% in-
tervalo de conanza para la diferencia
de medias
• Suponiendo varianzas iguales:
45.8333 +/- 1.69095 [44.1424,
47.5243]
Prueba t
• Suponiendo varianzas iguales: t =
54.2567 valor-P = 0.0
• Se rechaza la hipótesis nula para alfa =
0.05
Puesto que el intervalo no contiene el
valor 0 existió diferencia estadísticamen-
te signicativa entre los promedios de las
tallas (con abono y sin abono) de los es-
pecímenes muestreados con un nivel de
conanza del 95.0%.
Variable peso
• Intervalos de conanza del 95.0%
para la media del tratamiento con
abono: 0.351667 +/- 0.00803167
[0.343635, 0.359698]
• Intervalos de conanza del 95.0%
para la media del tratamiento sin abo-
no: 0.225 +/- 0.0146683 [0.210332,
0.239668]
• Intervalos de conanza del 95.0% in-
tervalo de conanza para la diferencia
de medias
• Suponiendo varianzas iguales:
0.126667 +/- 0.0163675 [0.110299,
0.143034]
Prueba t
• Suponiendo varianzas iguales: t =
15.4912 valor-P = 0.0
• Se rechaza la hipótesis nula para alfa =
0.05.
Puesto que el intervalo no contiene el
valor 0, existió diferencia estadísticamen-
te signicativa entre los promedios de los
pesos (con abono y sin abono) de los es-
pecímenes muestreados con un nivel de
conanza del 95.0%.
Los resultados obtenidos en el estudio
mostraron que el rendimiento de la talla
y el peso fueron mayores comparados al
tratamiento sin la aplicación de la mez-
cla multi-componentes lo cual prueba
el aprovechamiento de algunos biorresi-
duos sólidos.
Para la reutilización de los biorresiduos,
algunas tecnologías (ej.: compost) son
aplicadas y con ello se pretende aumentar
el potencial de aprovechamiento agrícola
(Cole et al., 2017; Godlewska et al., 2017)
pero en algunas ocasiones los compost
pueden contener exceso de sales que indu
-
cen algunas deciencias en oligoelementos
o liberar quizás, materia orgánica soluble
que luego, es perjudicial al suelo y por
ende, el rendimiento de los cultivos.
Ante el rendimiento alcanzado en este
estudio experimental dada la aplicación
del abono orgánico y considerarse que
puede ser posible desarrollar sostenible-
mente la actividad agrícola como estimu-
lar a la comunidad para la recolección
(reciclaje) de biorresiduos orgánicos y
con ello apreciar una posible fuente de
ingreso económico se representó el mo-
delo cognitivo de innovación ecotecno-
lógica ante la disposición de biorresiduos
orgánicos para el desarrollo agrícola y
emprendimiento social (Figura 2).
| C | V. XXIV | N. 27 | - | 2019 |
M
40
7
Ante el rendimiento alcanzado en este estudio experimental dada la aplicación del
abono orgánico y considerarse que puede ser posible desarrollar sosteniblemente la actividad
agrícola como estimular a la comunidad para la recolección (reciclaje) de biorresiduos
orgánicos y con ello apreciar una posible fuente de ingreso económico se representó el modelo
cognitivo de innovación ecotecnológica ante la disposición de biorresiduos orgánicos para el
desarrollo agrícola y emprendimiento social (Figura 2).
Figura 2. Modelo cognitivo de innovación ecotecnológica para el desarrollo agrícola y
emprendimiento social (por sus siglas: MOCIEDASO)
DISCUSIÓN
Con el avance de la tecnología de la información se intenta aumentar la eficiencia de
los procesos y establecer modelos de trabajo como guías de competencia y mejora sobre
posicionamientos (Kao & Hsu, 2011). Todo modelo tecnológico con determinantes de
innovación debe estar concebido a su tasa de adopción, además, mostrar con claridad la posible
definición de la innovación (Ram, Corkindale & Wu, 2014; Wu & Chiu, 2015; Gerstlberger et
al., 2016).
El modelo MOCIEDASO propuesto, consta de cuatro etapas caracterizadas por
variables de identificación segmentadas o convenientes. Se inicia con el reconocimiento del
conocimiento científico como valor de entendimiento sobre lo actual que, posiblemente se
conozca y luego, su aplicación (etapa I). Para ello, toda información existente tiene que ser
objetiva, práctica y teórica con uso especializado del lenguaje, además, ser comprobable
mediante un método científico reconocido y donde finalmente sea utilizado por profesionales
especializados para resolver problemas sociales (Argota, 2017).
Conocimiento e
Investigación Científica
Reconocer
Etapa I
Generar
Etapa II
Innovación
Ecotecnológica
Desarrollo
Agrícola
Emprendimiento
Social
Etapa IV
Estimular
Figura 2. Modelo cognitivo de innovación ecotecnológica para el desarrollo
agrícola y emprendimiento social (por sus siglas: MOCIEDASO)
Generar
Etapa II
Innovación Ecotecnológica
Promover
Etapa III
Emprendimiento Social
Etapa IV
Estimular
Discusión
Con el avance de la tecnología de la
información se intenta aumentar la e-
ciencia de los procesos y establecer mode-
los de trabajo como guías de competencia
y mejora sobre posicionamientos (Kao &
Hsu, 2011). Todo modelo tecnológico
con determinantes de innovación debe
estar concebido a su tasa de adopción,
además, mostrar con claridad la posible
denición de la innovación (Ram, Cor-
kindale & Wu, 2014; Wu & Chiu, 2015;
Gerstlberger et al., 2016).
El modelo MOCIEDASO propuesto,
consta de cuatro etapas caracterizadas por
variables de identicación segmentadas o
convenientes. Se inicia con el reconoci-
miento del conocimiento cientíco como
valor de entendimiento sobre lo actual
que, posiblemente se conozca y luego, su
aplicación (etapa I). Para ello, toda infor-
mación existente tiene que ser objetiva,
práctica y teórica con uso especializado
del lenguaje, además, ser comprobable
mediante un método cientíco reconoci-
do y donde nalmente sea utilizado por
profesionales especializados para resolver
problemas sociales (Argota, 2017).
En este sentido, la idea de transformar
los biorresiduos orgánicos indicó su reu-
tilización sostenible para la producción
sostenible de abono orgánico pudiendo
indicarse que, a partir de una innovación
ecotecnológica (mezcla de multi-compo-
nentes) se observó mejoramiento en el
rendimiento de la biomasa de Solanum
tuberosum L. y con ello, es posible aplicar-
se en escenario reales siendo corroborado
por Kuratko, Covin & Hornsby (2014)
cuando expresan que la innovación solo
es entendible, si cualquier logro es intro-
ducible, además, de reconocerse el méto-
do de análisis lo cual justicó, la etapa II
donde la ecotecnología fue, crear abono
orgánico, a partir de biorresiduos sólidos
domiciliarios y de mercados. Si se produ-
ce mejoramiento de la biomasa mediante
una acción innovadora, es un resultado
relevante o bien, aumentar el potencial
agrícola (Cole et al., 2017; Godlewska et
al., 2017). La obtención del abono orgá-
nico en condiciones experimentales per-
mite reducir, los costos por consumo de
| C | V. XXIV | N. 27 | - | 2019 |
W F P L - W F G - M Q F
- G A P
41
Figura 2. Modelo cognitivo de innovación ecotecnológica para el desarrollo
agrícola y emprendimiento social (por sus siglas: MOCIEDASO)
Generar
Etapa II
Innovación Ecotecnológica
Promover
Etapa III
Emprendimiento Social
Etapa IV
Estimular
agroquímicos que generalmente, tienen
acción perjudicial sobre el suelo.
Asimismo, la exibilización de pro-
ductos para acceder a los mercados sin
duda alguna, promueve el desarrollo
(Diamond, 2017), además, conducir a
todo cambio incremental o radical será
valorado siempre como un nuevo sumi-
nistro para la creación del valor (Arlb-
jørn, de Haas & Munksgaard, 2011) y
con ello, reincorporar todo posible pen-
samiento en lo que se desea nuevamen-
te mostrar. Estas concepciones fueron la
base de búsqueda y presentación durante
la etapa III.
Finalmente, el desarrollo estimula el
emprendimiento social (etapa IV) donde
se describe mediante el trabajo colabora-
tivo, exible, abierto de forma constan-
te al aprendizaje y siempre dispuesto a
enfrentar el fracaso, poder en múltiples
ocasiones retroalimentar lo que en un
momento es concebido como desarro-
llo, a partir de lo logrado como fruto del
conocimiento cientíco. Uno de los ac-
tuales retos o desafíos del sector agrícola
es, brindar valor agregado al consumidor
pero del mismo modo, crear actividades
sostenibles y donde se tenga la posibili-
dad de inclusión sobre nuevas fuentes
de empleo. La obtención del abono or-
gánico para mejorar el rendimiento de la
biomasa de Solanum tuberosum L. reuti-
lizando biorresiduos mostró que es posi-
ble desempeñarse como nueva actividad
productiva.
La tendencia de crear e innovar está
siendo incorporada no solo en las empre-
sas sino, a nivel individual pero quizás, lo
no frugal de las innovaciones imposibili-
ta cualquier ciclo de análisis sobre lo exis-
tente incluyendo desde los posibles costos
hasta el recurso tecnológico en sí mismo
(Zeschky, Winterhalter & Gassmann,
2014; Tiwari, Fischer & Kalogerakis,
2017). El modelo propuesto, constituye
un instrumento sistemático de análisis
hasta la comunicación, además, expresa
rendimiento y organización estratégica
para contribuir a la equidad social.
Se concluyó con la creación de un mo-
delo cognitivo de innovación ecotecno-
lógica ante la disposición de biorresiduos
orgánico para el desarrollo agrícola y em-
prendimiento social ya que, experimen-
talmente se obtuvo un abono orgánico
que posibilitó el rendimiento en biomasa
de Solanum tuberosum L. reconociéndo-
se mediante el estado actual del conoci-
miento, la aplicación de resultado.
| C | V. XXIV | N. 27 | - | 2019 |
M
42
Amaro, R.M. & Villavicencio, C.D.H.
(2015). Incentivos a la innovación
de la biotecnología agrícola alimen
-
taria en México. Estudios Sociales, 23,
34–62. http://www.scielo.org.mx/
pdf/estsoc/v23n45/v23n45a2.pdf
Argota, P.G. & Coasaca, N.A. 2016.
Gestión sobre investigación opera-
tiva en toxicología ocupacional me-
diante modelo dinámico de estra-
tegia planeada. Revista CAMPUS;
22(22), 137-150. http://www.
usmp.edu.pe/campus/pdf/revis-
ta22/articulo1.pdf
Argota, P.G. (2017). Glosario terminoló-
gico: análisis ambiental y metodo-
logía de la investigación cientíca.
Autor/editor. Impresión Editorial
KOPYgraf, Cusco-Perú. Depósito
Legal: 2017-03936. ISBN: 978-
612-00-2691-5.
Arlbjørn, J.S., de Haas, H. & Munks-
gaard, K.B. (2011). Exploring su-
pply chain innovation. Logistics
Research; 3(1), 3-18. https://doi.
org/10.1007/s12159-010-0044-3
Asencio, C.E. (2014). Una aproxima-
ción a la concepción de ciencia en
la contemporaneidad desde la pers-
pectiva de la educación cientíca.
Ciênc Educ Bauru; 20(3), 549-560.
http://dx.doi.org/10.1590/1516-
73132014000300003
Bihani, P. & Patil, S.T. (2014). A com-
parative study of data analysis
techniques. International Journal
of Emerging Trends & Technology
in Computer Science; 3(2), 95-101.
http://ijettcs.org/Volume3Issue2/
IJETTCS-2014-04-09-077.pdf
Referencias
Bustos, F.E., Cerecedo, M. Ma.T. &
García, G.Ma. (2016). Modelo de
gestión de conocimiento para el
desarrollo de posgrado: estudio de
caso. Revista Electrónica de Investi-
gación Educativa; 18(1), 128-139.
http://www.scielo.org.mx/pdf/re-
die/v18n1/v18n1a9.pdf
Cole, A.L., Paul, N.A., Nys, R. & Rob-
erts, D.A (2017). Good for sew-
age treatment and good for agri-
culture: Algal based compost and
biochar. Journal of Environmen-
tal Management; 200, 105-113.
https://doi.org/10.1016/j.jen-
vman.2017.05.082
Correa, U.G., Rosero, J.S.L. & Segura,
J.H. (2008). Diseño de un modelo
de gestión del conocimiento para
la Escuela Interamericana de Bi-
bliotecología. Rev Interam Bibliot
Medellín (Colombia); 31(1). http://
www.scielo.org.co/pdf/rib/v31n1/
v31n1a05.pdf
Diamond, P. (2017). SEC’s new conden-
tial ling policy to spur IPOs, law-
yers say. Bloomberg BNA. https://
www.bna.com/secs-new-conden-
tial-n73014461233/
Fressoli, M., Dias, R. & omas, H.
(2014). Innovation and Inclusive
development in the south: a criti-
cal perspective. En: E. Medina, I.
da Costa-Marques, y C. Holmes
(Eds.). Beyond imported magic.
Essays on science, technology, and
society in Latin America (45–63).
Cambridge, MA: MIT Press
Gerstlberger, W., Knudsen, M.P., Dachs,
B. & Schröter, M. (2016). Clos-
| C | V. XXIV | N. 27 | - | 2019 |
W F P L - W F G - M Q F
- G A P
43
ing the energy-eciency tech-
nology gap in European rms?
Innovation and adoption of ener-
gy eciency technologies. J Eng
Tech Manage; 40, 87–100. http://
dx.doi.org/10.1016/j.jengtec-
man.2016.04.004
Godlewska, P., Peter, S.H., Sik, O.Y.,
Oleszczuk, P. (2017). Biochar for
composting improvement and
contaminants reduction. A review.
Bioresource Technology; 246, 193-
202. https://doi.org/10.1016/j.
biortech.2017.07.095
Grillo, M. & Hackett, A. (2015). What
types of predictive analytics are
being used in talent management
organizations?. Retrieved from
Cornell University, ILR School.
https://digitalcommons.ilr.cor-
nell.edu/cgi/viewcontent.cgi?arti-
cle=1090&context=student
Gu, L., Ozbakkaloglu, T. (2016). Use
of recycled plastics in concrete: a
critical review. Waste Manage; 51,
19–42. https://doi.org/10.1016/j.
wasman.2016.03.005
Gupta, A.K., Sinha, R., Koradia, D.,
Patel, R., Parmar, M., & et al.
(2003). Mobilizing grassroots’tech-
nological innovations and tradi-
tional knowledge, values and in-
stitutions: articulating social and
ethical capital. Futures; 35, 975–
979. https://doi:10.1016/S0016-
3287(03)00053-3
Ignatyev, I.A., ielemans, W. & Vander,
B.B. (2014). Recycling of polymers:
a review. Chemsuschem; 7, 1579–
1593. https://doi.org/10.1002/
cssc.201300898
Kao, H.Y. & Hsu, C.L. (2011). Model-
ing User’s Attitudes Toward ERP
Systems with a Bayesian Network.
Int J Ind Eng: eory Appl Pract;
18(11), 559-567.
Kuratko, F.D., Covin, G.J. & Hornsby,
S.J. (2014). Why implementing
corporate innovation is so dicult.
Business Horizons; 57(5); 647-655.
https://doi.org/10.1016/j.bush
-
or.2014.05.007
Lafont, P. (2014). Knowledge Producing
of the Doctoral esis: Between Sci
-
entic Utility and Social Usage. Pro-
cedia - Social and Behavioral Scienc-
es; 116(21), 570-577. https://doi.
org/10.1016/j.sbspro.2014.01.259
Organización de las Naciones Uni-
das (ONU). (2015). Transform-
ing our world: the 2030 Agenda
for sustainable development. A/
RES/70/1. United Nations. www.
sustainabledevelopment.un.org
Ram, J., Corkindale, D. & Wu, M.L.
(2014). ERP adoption and the
value creation: examining the con-
tributions of antecedents. J Eng
Tech Manage; 33, 113–133. http://
dx.doi.org/10.1016/j.jengtec-
man.2014.04.001
Redman, C.L. & Miller, T.R. (2015).
e technosphere and Earth Stew-
ardship: Chapter 17. En: Rozzi,
R., Chapin III, F.S., Callicot, J.B.,
Picket, S.T.A., Power, M.E., Ar-
nesto, J.J. & et al. (Eds.), Earth
Stewardship, ecology and ethics
(2) (269–279). Dordrecht, Suiza:
Springer International Publishing.
https://doi.org/10.1007/978-3-
319-12133-8_17
| C | V. XXIV | N. 27 | - | 2019 |
M
44
Rodríguez, G.D. (2006). Modelos para
la creación y gestión del conoci-
miento: una aproximación teórica.
Educar; 37, 25-39. https://ddd.
uab.cat/pub/educar/0211819X-
n37/0211819Xn37p25.pdf
Sharma, A., Pareek, V. & Zhang, D.
(2015). Biomass pyrolysis - A re-
view of modelling, process param-
eters and catalytic studies, Renew.
Sustain Energy Rev; 50, 1081–
1096. https://doi.org/10.1016/j.
rser.2015.04.193
Somasekhara, R.M.C., Sivarama, K.L.
& Varada, R.A. (2012). e use
of an agricultural waste materi-
al, Jujuba seeds for the removal
of anionic dye (Congo red) from
aqueous medium. J Hazard Mater;
203–204, 118–127. https://doi.or-
g/10.1016/j.jhazmat.2011.11.083
Soto, B.Ma.A. & Barrios, F.N.M. (2006).
Gestión del conocimiento. Parte II.
Modelo de gestión por procesos.
Acimed; 14(3). http://scielo.sld.cu/
pdf/aci/v14n3/aci05306.pdf
Taibi, E., Gielen, D. & Bazilian, M.
(2012). e potential for renew-
able energy in industrial appli-
cations, Renew Sustain. Energy
Rev; 16, 735–744. https://doi.
org/10.1016/j.rser.2011.08.039
ompson, C.N., Ziedonis, A.A. &
Mowery, C.D. (2018). Research
Policy; 47, 1060–1069. https://doi.
org/10.1016/j.respol.2018.03.008
Tiwari, R., Fischer, L. & Kalogerakis, K.
(2017). Frugal Innovation: An As-
sessment of Scholarly Discourse,
Trends and Potential Societal Im-
plications. In: Herstatt, C., Ti-
wari, R. (Eds.), Lead Market India.
Springer International Publishing,
Cham, 13–35. Retrieved from.
https://doi.org/10.1007/978-3-
319-46392-6_2
Wigboldus, S., Klerkx, L., Leewis, C.,
Schut, M., Muilerman, S. &
Jochemsen, H. (2016). Systemic
perspectives on scaling agricultur-
al innovations. A review. Agronomy
for Sustainable Development; 46,
1–20. http://dx.doi.org/10.1007/
s13593-016-0380-z
World Economic Forum: (WEF).
(2017). e Global Risks Reports.
http://wef.ch/risks2017
Wu, L. & Chiu, M.L. (2015). Organi-
zational applications of IT innova-
tion and rm’s competitive perfor-
mance: a resource-based view and
the innovation diusion approach.
J Eng Tech Manage; 35, 25–44.
http://dx.doi.org/10.1016/j.
jengtecman.2014.09.002
Zabaleta, D.Ma.I., Brito, C.L.E. & Gar-
zón, C.M.A (2016). Modelo de
gestión del conocimiento en el área
de TIC para una universidad del
caribe colombiano. Revista Lasa-
llista de Investigación; 13(2), 136-
150. http://dx.doi.org/10.22507/
rli.v13n2a13
Zeschky, M.B., Winterhalter, S. &
Gassmann, O. (2014). From cost
to frugal and reverse innovation:
mapping the eld and implications
for global competitiveness. Res Te-
chnol Manag; 57(4), 20-27. http://
doi:10.5437/08956308X5704235
| C | V. XXIV | N. 27 | - | 2019 |
W F P L - W F G - M Q F
- G A P
