LibreOffice/6.4.3.2$Linux_X86_64 LibreOffice_project/747b5d0ebf89f41c860ec2a39efd7cb15b54f2d8 0 0 14099 9999 true $(brandbaseurl)/share/palette%3B$(userpath)/config/standard.sob 0 $(brandbaseurl)/share/palette%3B$(userpath)/config/standard.soc $(brandbaseurl)/share/palette%3B$(userpath)/config/standard.sod 1270 true true false true false $(brandbaseurl)/share/palette%3B$(userpath)/config/standard.sog $(brandbaseurl)/share/palette%3B$(userpath)/config/standard.soh false false true true false false true false false false $(brandbaseurl)/share/palette%3B$(userpath)/config/standard.soe false 7 4 false 0 low-resolution false true false 1 1 true 35 Modelo cognitivo de innovación ecotecnológica ante la disposición de biorresiduos orgánicos para el desarrollo agrícola y emprendimiento social r EsumEn El conocimiento científico 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 significativas (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 a BstraCt Scientific 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. The objective was to create a cognitive model of eco- technological innovation in view of the availability Walter Florez Ponce de León 1 Walter Florez Guerra 2 Maritza Quispe Florez 3 George Argota Pérez 4 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 | Campus | Lima, perú | V. XXIV | N. 27 | PP. 35-44 | enero-junio | 2019 | issn 1812-6049 © 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- tífico 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 reflexivamente 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 científicos, algunas herramien- tas como de investigación como son la concesión de licencias de descubrimien- tos patentados, en múltiples casos redu- cen el flujo de conocimiento o restringen la entrada de información al seguimiento progresivo de la investigación científica (Thompson, Ziedonis & Mowery, 2018). Cualquier análisis científico 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 differences significant (p<0,05) with the treatment without the application of the fertilizer. The 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 landfills 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 científico están en la creación de modelos pero estos, deben identificar 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 refle- 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- | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Walter Florez Ponce de León - Walter Florez Guerra - Maritza Quispe Florez - George Argota Pérez 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 dificultades 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, Thielemans & 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 & Thomas, 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 científicas 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 | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Modelo cognitivo de innovación ecotecnológica ante la disposición de biorresiduos orgánicos para el desarrollo agrícola y emprendimiento social 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 iVBORw0KGgoAAAANSUhEUgAAAfAAAAASCAYAAACkV4zbAAAAOUlEQVR42u3BMQEAAADCoPVP bQwfoAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAADgaYuSAAHVoH07AAAAAElF TkSuQmCC que, toda propuesta sobre determinado modelo debe visualizar en forma estructurada una iVBORw0KGgoAAAANSUhEUgAAAIMAAAAQCAYAAAA1b8yLAAAAH0lEQVR42u3BMQEAAADCoPVP bQ0PoAAAAAAAAAAAvgwg0AAB7s5XSwAAAABJRU5ErkJggg== Recogida de residuos sólidos domiciliarios y mercados iVBORw0KGgoAAAANSUhEUgAAAEkAAAAQCAYAAABa8lLjAAAAG0lEQVR42u3BgQAAAADDoPlT X+EAVQEAAADAbxJQAAFnOpguAAAAAElFTkSuQmCC Caracterización iVBORw0KGgoAAAANSUhEUgAAAGQAAAAQCAYAAADgUdqDAAAAHUlEQVR42u3BAQ0AAADCoPdP bQ8HFAAAAAAAwLcBGRAAARQZSXcAAAAASUVORK5CYII= Secado iVBORw0KGgoAAAANSUhEUgAAAF8AAAAQCAYAAABwQqNMAAAAHUlEQVR42u3BMQEAAADCoPVP bQ0PoAAAAAAAgHcDF9AAAeDZPXAAAAAASUVORK5CYII= Trituración iVBORw0KGgoAAAANSUhEUgAAAF8AAAAQCAYAAABwQqNMAAAAHUlEQVR42u3BMQEAAADCoPVP bQ0PoAAAAAAAgHcDF9AAAeDZPXAAAAAASUVORK5CYII= Mezclado iVBORw0KGgoAAAANSUhEUgAAAF8AAAAQCAYAAABwQqNMAAAAHUlEQVR42u3BMQEAAADCoPVP bQ0PoAAAAAAAgHcDF9AAAeDZPXAAAAAASUVORK5CYII= Obtención iVBORw0KGgoAAAANSUhEUgAAARYAAAAQCAYAAADTY1DmAAAAJ0lEQVR42u3BAQ0AAADCoPdP 7ewBFAAAAAAAAAAAAAAAAAAAAAAAN0WQAAGC6MLbAAAAAElFTkSuQmCC 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 signifi- 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 científica 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 Coeficiente 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 | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Walter Florez Ponce de León - Walter Florez Guerra - Maritza Quispe Florez - George Argota Pérez 39 Al realizar la comparación entre los trata- mientos se encontró que: Variable: talla • Intervalos de confianza del 95.0% para la media del tratamiento con abono: 128.667 +/- 0.566158 [128.101, 129.233] • Intervalos de confianza del 95.0% para la media del tratamiento sin abo- no: 82.8333 +/- 1.63231 [81.201, 84.4656] • Intervalos de confianza del 95.0% in- tervalo de confianza 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 significativa entre los promedios de las tallas (con abono y sin abono) de los es- pecímenes muestreados con un nivel de confianza del 95.0%. Variable peso • Intervalos de confianza del 95.0% para la media del tratamiento con abono: 0.351667 +/- 0.00803167 [0.343635, 0.359698] • Intervalos de confianza del 95.0% para la media del tratamiento sin abo- no: 0.225 +/- 0.0146683 [0.210332, 0.239668] • Intervalos de confianza del 95.0% in- tervalo de confianza 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 significativa entre los promedios de los pesos (con abono y sin abono) de los es- pecímenes muestreados con un nivel de confianza 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 deficiencias 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). | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Modelo cognitivo de innovación ecotecnológica ante la disposición de biorresiduos orgánicos para el desarrollo agrícola y emprendimiento social 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 iVBORw0KGgoAAAANSUhEUgAAAKYAAAA9CAYAAAAnKRL3AAAAPklEQVR42u3BMQEAAADCoPVP bQdvoAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAALgNnnUAAQXwS+oA AAAASUVORK5CYII= especializados para resolver problemas sociales (Argota, 2017). Conocimiento e iVBORw0KGgoAAAANSUhEUgAAAFQAAAAZCAYAAACvrQlzAAAAH0lEQVR42u3BAQ0AAADCoPdP bQ43oAAAAAAAAAAATgwg6QABVpkhdAAAAABJRU5ErkJggg== Investigación Científica iVBORw0KGgoAAAANSUhEUgAAAFQAAAAZCAYAAACvrQlzAAAAH0lEQVR42u3BAQ0AAADCoPdP bQ43oAAAAAAAAAAATgwg6QABVpkhdAAAAABJRU5ErkJggg== Reconocer iVBORw0KGgoAAAANSUhEUgAAAFQAAAAZCAYAAACvrQlzAAAAH0lEQVR42u3BAQ0AAADCoPdP bQ43oAAAAAAAAAAATgwg6QABVpkhdAAAAABJRU5ErkJggg== Etapa I iVBORw0KGgoAAAANSUhEUgAAAFQAAAAZCAYAAACvrQlzAAAAH0lEQVR42u3BAQ0AAADCoPdP bQ43oAAAAAAAAAAATgwg6QABVpkhdAAAAABJRU5ErkJggg== Generar iVBORw0KGgoAAAANSUhEUgAAAHIAAAAwCAYAAADNTS4aAAAAK0lEQVR42u3BAQ0AAADCoPdP 7ewBFAAAAAAAAAAAAAAAAAAAAAAAAAAAADdVsAABcyVT3AAAAABJRU5ErkJggg== Etapa II Innovación iVBORw0KGgoAAAANSUhEUgAAAFMAAAAoCAYAAACCV8YCAAAAJElEQVR42u3BMQEAAADCoPVP bQ0PoAAAAAAAAAAAAAAAAIB3AzQIAAFjqv3kAAAAAElFTkSuQmCC Ecotecnológica Desarrollo iVBORw0KGgoAAAANSUhEUgAAAFQAAAAUCAYAAAATMxqtAAAAHUlEQVR42u3BgQAAAADDoPlT 3+AEVQEAAAAAAMA3GlQAARnI2OwAAAAASUVORK5CYII= iVBORw0KGgoAAAANSUhEUgAAAFQAAAAUCAYAAAATMxqtAAAAHUlEQVR42u3BgQAAAADDoPlT 3+AEVQEAAAAAAMA3GlQAARnI2OwAAAAASUVORK5CYII= iVBORw0KGgoAAAANSUhEUgAAAIAAAAAlCAYAAACK7+GWAAAAKUlEQVR42u3BMQEAAADCoPVP bQ0PoAAAAAAAAAAAAAAAAAAAAAAAALgzSiUAAW/4LX0AAAAASUVORK5CYII= Agrícola Emprendimiento iVBORw0KGgoAAAANSUhEUgAAAFQAAAAUCAYAAAATMxqtAAAAHUlEQVR42u3BgQAAAADDoPlT 3+AEVQEAAAAAAMA3GlQAARnI2OwAAAAASUVORK5CYII= Social iVBORw0KGgoAAAANSUhEUgAAAFQAAAAUCAYAAAATMxqtAAAAHUlEQVR42u3BgQAAAADDoPlT 3+AEVQEAAAAAAMA3GlQAARnI2OwAAAAASUVORK5CYII= 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 efi- 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 definición 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 identificación segmentadas o convenientes. Se inicia con el reconoci- miento del conocimiento científico 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 científico reconoci- do y donde finalmente 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 justificó, 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 | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Walter Florez Ponce de León - Walter Florez Guerra - Maritza Quispe Florez - George Argota Pérez 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 flexibilización 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, flexible, 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 científico. 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. | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Modelo cognitivo de innovación ecotecnológica ante la disposición de biorresiduos orgánicos para el desarrollo agrícola y emprendimiento social 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 científica. 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 científica. 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 confiden- tial filing policy to spur IPOs, law- yers say. Bloomberg BNA. https:// www.bna.com/secs-new-confiden- tial-n73014461233/ Fressoli, M., Dias, R. & Thomas, 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- | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Walter Florez Ponce de León - Walter Florez Guerra - Maritza Quispe Florez - George Argota Pérez 43 ing the energy-efficiency tech- nology gap in European firms? Innovation and adoption of ener- gy efficiency 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., Thielemans, 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: Theory Appl Pract; 18(11), 559-567. Kuratko, F.D., Covin, G.J. & Hornsby, S.J. (2014). Why implementing corporate innovation is so difficult. 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 Thesis: Between Sci - entific 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). The 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 | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Modelo cognitivo de innovación ecotecnológica ante la disposición de biorresiduos orgánicos para el desarrollo agrícola y emprendimiento social 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). The 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). The 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 Thompson, 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). The Global Risks Reports. http://wef.ch/risks2017 Wu, L. & Chiu, M.L. (2015). Organi- zational applications of IT innova- tion and firm’s competitive perfor- mance: a resource-based view and the innovation diffusion approach. J Eng Tech Manage; 35, 25–44. h t t p : / / d x . d o i . o r g / 1 0 . 1 0 1 6 / 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 field and implications for global competitiveness. Res Te- chnol Manag; 57(4), 20-27. http:// doi:10.5437/08956308X5704235 | Campus | V. XXIV | No. 27 | enero-junio | 2019 | Walter Florez Ponce de Le´´on - Walter Florez Guerra - Maritza Quispe Florez - George Argota Pérez