Revista de Ciencias Sociales (RCS)
Vol. XXX, Número
Especial 9, enero/junio 2024. pp. 71-92
FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E:
2477-9431
Como
citar: Ramón-Poma, G. M., Cordero-Guzmán, D. M., y Jaramillo-Calle, C. Y. (2024).
Capital intelectual y su impacto en las Instituciones de Educación Superior
ecuatorianas. Revista De Ciencias Sociales, XXX(Número Especial
9), 71-92.
Capital intelectual y su impacto en las Instituciones de Educación
Superior ecuatorianas*
Ramón-Poma, Glenda Maricela**
Cordero-Guzmán, Diego Marcelo***
Jaramillo-Calle, Carmen Yolanda****
Resumen
Este artículo tiene como objetivo determinar la relación entre capital intelectual y asignación
presupuestaria en Instituciones de Educación Superior públicas de la República
del Ecuador. Para ello se aplica un estudio de
tipo cuantitativo, correlacional, explicativo-causal y
longitudinal-panel. Se toma como población las 52 universidades del Sistema de
Educación Superior con un tamaño muestral representativo de 30 universidades públicas.
Con respecto a las tres variables del capital intelectual identificados en el
estudio, los resultados muestran que el capital humano y capital estructural, tienen
impacto positivo en la asignación de presupuesto; lo que no ocurre con el
capital relacional. Para ser más explícitos se concluye que para las
universidades objeto de estudio, tanto el capital humano a través de
habilidades, experiencia, creatividad, aptitudes, valores, ética y creencias de
las personas; así como el capital estructural que adopta diversos elementos
como la cultura organizacional, estructura, mejores prácticas, procesos y
procedimientos, manuales, sistemas de información y tecnologías de la
información, mantienen relación directa con el presupuesto. Esto no sucede con
el capital relacional, referido a la capacidad de la universidad para
establecer vínculos con su entorno socioeconómico a nivel nacional e
internacional, número de eventos, porcentaje de becas asignadas y número de
graduados.
Palabras clave: Capital intelectual; presupuesto; capital humano;
capital estructural; instituciones de educación superior.
Intellectual capital and
its impact on Ecuadorian Higher Education Institutions
Abstract
This article aims to determine the relationship
between intellectual capital and budget allocation in public Higher Education
Institutions of the Republic of Ecuador. For this purpose, a quantitative,
correlational, explanatory-causal and longitudinal-panel study is applied. The
52 universities of the Higher Education System are taken as the population with
a representative sample size of 30 public universities. With respect to the
three intellectual capital variables identified in the study, the results show
that human capital and structural capital have a positive impact on budget
allocation; which does not happen with relational capital. To be more explicit,
it is concluded that for the universities under study, both human capital
through skills, experience, creativity, aptitudes, values, ethics and beliefs
of people; as well as structural capital that adopts various elements such as
organizational culture, structure, best practices, processes and procedures,
manuals, information systems and information technologies, maintain a direct
relationship with the budget. This does not happen with relational capital,
referring to the university's ability to establish links with its socioeconomic
environment at a national and international level, number of events, percentage
of scholarships assigned and number of graduates.
Keywords: Intellectual capital;
budget; human capital; structural capital; higher education institutions.
En
la actualidad, las naciones asignan recursos económicos a las Instituciones de Educación
Superior (IES) con el fin de fomentar la generación de nuevo conocimiento para
mantenerse a la vanguardia en términos de desarrollo y competitividad (Lee, 2021).
En este contexto, surge la necesidad de identificar el conocimiento, las
habilidades, las destrezas y las actitudes que las universidades generan (Juříková,
Kocourek y Ližbetinová, 2021), para determinar el verdadero valor de las Instituciones
de Educación Superior en el desarrollo socioeconómico de los países (Manda y Ben,
2019).
En
el Ecuador, existe un notable progreso en las Instituciones de Educación Superior
debido a los procesos de evaluación y acreditación implementados desde el 2009
(Murillo et al., 2023). De hecho, las universidades se han esforzado por
mejorar sus indicadores mediante la gestión de sus recursos intangibles (Ponce-Alencastro y Salazar-Cobeña, 2021).
El
problema de investigación radica en que, al interior de las Instituciones de
Educación Superior ecuatorianas los estados financieros no reflejan el valor
intangible del capital intelectual, variable que junto con sus componentes
(capital humano, estructural y relacional), es la que genera valor agregado y
distingue a las organizaciones en calidad, prestigio y cumplimiento (Sáenz,
2020).
En
consecuencia, es importante reconocer las dimensiones dinámicas basadas en el
intelecto que la universidad ecuatoriana ha desarrollado en sus procesos de docencia,
investigación y vinculación (Rodríguez-Muñoz et al., 2024). Esto es
especialmente importante considerando que el análisis del capital intelectual
ha surgido a partir de los años 90, cuando algunos autores empezaron a
referirse a una nueva realidad económica conocida como sociedad postindustrial,
sociedad post capitalista o sociedad del conocimiento (Drucker,
1993; Villacorta y Macedo, 2023).
Se resalta la
importancia de la relación entre los informes sobre capital intelectual y la
información financiera (Moghadam, Salehi y Hajiha, 2023); así
como las contribuciones sobre las denominadas compañías creadoras de
conocimiento (Falahati, 2023) y la evidencia de una notable diferencia entre el
valor registrado en los libros contables y el valor de mercado, haciendo
referencia a los activos ocultos que las organizaciones poseen (Závodný y
Procházka, 2023).
A
pesar de la existencia de una extensa literatura que aborda el estudio del
capital intelectual en el ámbito empresarial como el de Dos Santo y Funzi (2023), en donde se
demuestra que el capital intelectual facilita el aprendizaje, estimula la
creatividad, desarrolla la capacidad individual y grupal, y genera una ventaja
competitiva para la obtención de ventajas en la organización; el de Alonso, Vega
y Pérez (2023), en donde se evidencia que la gestión del
capital intelectual influye en el desarrollo de las capacidades dinámicas de la
empresa; o el de Fait et al. (2023), que soporta el impulso del capital
intelectual el intercambio de conocimientos e innovación organizacionales; resulta
paradójico que haya escasas investigaciones que relacionen el capital
intelectual con las Instituciones de Educación Superior, sobre todo en el
Ecuador.
A
pesar de que estas instituciones están profundamente involucradas en la
generación de conocimiento a través de la investigación científica y la
enseñanza, existe una falta de estudios que aborden esta conexión. Por lo
tanto, el objetivo de la investigación se centra en determinar si las variables:
Capital humano, capital estructural y capital relacional, que son componentes
del capital intelectual, mantienen impacto directo en la asignación de
presupuesto en las universidades públicas del Ecuador; esto permitirá demostrar
a la comunidad educativa la inversión en recursos intangibles como una ventaja
competitiva y comparativa.
Como
apoyo a la solución del problema, el trabajo propone un modelo de datos panel
con Eviews, en base al análisis de datos longitudinales de diversas
Instituciones de Educación Superior a lo largo del tiempo. EViews al ser
una herramienta de software estadístico y econométrico permite la
gestión de datos panel, estimación del modelo panel, pruebas de hipótesis y análisis
de resultados (Jaimes et al., 2023).
Se
consideran variables provenientes de bases teóricas que operacionalizan el
capital intelectual y presupuesto. A partir de la revisión de la literatura, se
plantean las preguntas de investigación que derivan tres hipótesis a demostrar si
el capital humano, el capital estructural, y el capital relacional tienen un
impacto positivo en la asignación de presupuesto en las Instituciones de
Educación Superior de Ecuador. El grupo de hipótesis dan lugar a una relación,
que conforman un modelo matemático procesado con Eviews, el mismo, que
es sujeto a una instancia de prueba con datos de 30 universidades públicas de
la República de Ecuador. En el análisis de resultados el capital humano y
capital estructural, tienen impacto positivo en la asignación de presupuesto;
sin embargo, el capital relacional no demuestra impacto positivo.
1. Fundamentación
teórica
Según Barney (1991); y, Grant (1996), los recursos
intangibles en todas sus dimensiones pueden ser una fuente de diferenciación
estratégica, puesto que son motivadores de ventajas competitivas sostenibles (Bavdaž
et al., 2023). La teoría del capital intelectual considera
los recursos intangibles y sus capacidades para lograr resultados empresariales
superiores, sostenibles a lo largo del tiempo; los componentes del capital
intelectual son recursos complementarios que impactan directamente en el
rendimiento de la organización (Peñaloza et al., 2023).
Para
la teoría del conocimiento, el recurso estratégico más importante de una
empresa es el conocimiento, puesto que proviene de las personas o individuos,
de hecho, se considera como el activo más valioso dentro de la empresa y el
principal factor de producción; mientras que los activos financieros y físicos
son vistos simplemente como facilitadores del conocimiento (Grant, 1996). Según
esta teoría, la empresa se concibe como una sociedad compuesta por un conjunto
de conocimientos, especializada en su creación, transferencia interna y
aplicación (Cornejo, 2023).
Para Michailoff, Grossmann y Briceño (2023), los cambios tecnológicos en constante expansión
generan la migración hacia una economía basada en el conocimiento. En esta
nueva realidad, además de los factores tradicionales de producción como la
tierra, el trabajo y el capital, es necesario incorporar los conocimientos humanos,
comúnmente conocidos como “know-how”, y la tecnología.
Aunque
existe una norma contable que regula el tratamiento de los activos intangibles,
Trillini (2011) señala que esta norma sigue siendo conservadora en comparación
con los cambios significativos que se producen en la sociedad del conocimiento,
donde los activos intangibles son considerados elementos clave para generar
valor en una empresa.
A partir de los aportes de los autores citados en
los párrafos anteriores, se destaca la importancia de comprender y gestionar
eficazmente los recursos intangibles en la era del conocimiento. Se subraya la
necesidad de desarrollar medidas de valoración y estrategias de gestión que
reflejen la complejidad y dinámica de estos activos, así como de adaptarse a
los cambios rápidos y continuos en la economía basada en el conocimiento
(Escorcia y Barros, 2020; Botero, Ojeda
y Hernández, 2020). Esto sugiere
que, si bien los recursos intangibles son fundamentales para la ventaja
competitiva, su aprovechamiento efectivo requiere un enfoque integral y
flexible que tenga en cuenta su naturaleza cambiante y su interacción dentro de
la organización.
1.1. Capital Intelectual
Para Ramírez-Duran,
Niebles-Núñez y García-Tirado (2023);
y, Aranibar y Travieso (2023), el capital intelectual se considera un recurso
de gestión y dirección necesario para el desarrollo de la riqueza, y se
enfatiza en potenciar el desarrollo de habilidades de los trabajadores. Según Rojas y Espejo (2020); Briñez (2021); y, Cugura (2023), el capital intelectual se
reconoce como un recurso que confiere ventajas competitivas significativas a
las empresas, genera beneficios económicos futuros y está intrínsecamente
relacionado con el conocimiento.
En
trabajos de autores como Blácido et al. (2023); y, Cornejo (2023), hay un
enfoque en tres dimensiones fundamentales del capital intelectual, denominadas
capital humano, capital estructural y capital relacional. Para Borrás, Ruso y Campos (2011);
y, Henao, Franco y Cuartas (2023), además del
capital humano, el capital estructural y el capital relacional, se incluyen en
sus estudios otras dimensiones como el capital organizacional, el capital
social y los clientes. Por
otra parte, Guañuna (2023); y, Rojo (2023), consideran únicamente el capital
humano y el capital estructural como los elementos principales que aportan
valor a las empresas.
En cuanto a Dost et al. (2016); Díaz y Quintana (2021);
y, Plata (2023), coinciden en reconocer al capital humano como uno de los
elementos más importantes dentro de la estructura del capital intelectual. Sin
embargo, en sus estudios también consideran otras variables como el capital
estructural, el capital organizacional, el capital de innovación, el capital
social, el capital financiero, los clientes, los procesos y la tecnología.
Finalmente, Gómez-Bayona, Londoño-Montoya
y Mora-González (2020); así
como Giai (2023), centran sus investigaciones en activos de infraestructura, de
propiedad intelectual, de mercado, activos centrados en el individuo, competencias
de las personas, estructura interna y estructura externa.
a. Capital Humano
Esta dimensión se refiere a los activos intangibles
que provienen de las personas que trabajan en la organización (Low, Samkin y Li, 2015). Para Luna-Valenzuela, Verón y Ficco (2023), el capital humano representa el valor
generado por los individuos a través de su educación, experiencia, capacidad de
aprendizaje y desarrollo, toma de decisiones y habilidades para relacionarse
con los demás. Por su parte, Gong (2016); y, Martínez, Garcés y Chamat (2022), afirman que el capital humano se relaciona con el
conjunto de conocimientos tácitos y explícitos que poseen las personas, así
como su capacidad para aumentar la productividad y contribuir a la generación
de valor en la organización.
Se han propuesto varios modelos de capital
intelectual en entornos educativos, como los desarrollados por Bueno, Arrien y Rodriguez (2003); y,
Leitner (2004). Estos se centran en el estudio del capital humano, que engloba
el conjunto de conocimientos adquiridos por la comunidad educativa a través del
desarrollo de habilidades y competencias, basado en la capacitación y
actualización académica de los docentes.
b. Capital Estructural
Según Bontis y Fitz-enz (2002), esta dimensión
abarca la cultura de la empresa, sus procesos internos y los sistemas de
información utilizados en el negocio. En otras palabras, se refiere al
conocimiento que la organización ha internalizado y que forma parte de su
identidad (Roos, 2017). Brooke (2003), sostiene que el capital estructural
engloba el conocimiento que pertenece a la empresa, incluyendo estrategias,
manuales de procesos, rutinas organizativas y bases de datos. Por lo tanto, el
capital estructural se divide en dos categorías: El capital organizativo, que
abarca todo lo relacionado con la cultura organizativa, la planificación y el
control; y el capital tecnológico, que se refiere a los conocimientos técnicos
derivados de la investigación y el desarrollo.
Bermúdez, Pertuz y Boscan (2015), exploran el panorama del capital
estructural en las universidades colombianas desde una perspectiva cualitativa,
identificando tanto sus puntos fuertes como sus vulnerabilidades. Su análisis
concluye que los aspectos positivos se centran en iniciativas de investigación,
desarrollo y la dotación tecnológica; mientras que las debilidades se
relacionan con aspectos de propiedad intelectual e innovación.
En un estudio paralelo, Deeb y Merhej (2016)
examinan la influencia del capital estructural en el rendimiento innovador de
las universidades en Siria, estableciendo una correlación significativa entre
ambas variables. No obstante, señalan que esta relación es tenue debido a los
rezagos en los campos de las tecnologías de la información, donde se evidenció
que los sistemas utilizados en el país no cumplen de manera efectiva.
c. Capital Relacional
Se refiere al conocimiento establecido en las
relaciones de la empresa con su entorno. Según Nazari y Herremans (2007), el
capital relacional está conectado con la duración de las relaciones con proveedores,
clientes y accionistas, puesto que cuanto más duraderas sean estas relaciones,
mayor será el valor de este activo (Ginesti, Caldarelli y Zampella, 2018). Es importante destacar que la empresa no
existe de forma aislada, sino que se relaciona constantemente con el mundo
exterior (Abhayawansa,
Guthrie y Bernardi, 2019). Por lo
tanto, establece vínculos con todos los grupos de interés, lo que constituye un
valor agregado para la organización al actuar como un agente que se relaciona
con su entorno.
En la universidad, el capital relacional, se
refiere a las relaciones tanto internas como externas de la institución con
estudiantes, exalumnos, padres de familia, docentes, investigadores y
organismos públicos y privados, a través de la formulación de convenios y
colaboraciones.
Se entiende el capital relacional en las
instituciones de educación superior como la suma de las conexiones económicas,
políticas e institucionales que la institución establece con actores externos
como estudiantes, padres de familia, empleadores, organizaciones no
gubernamentales, el gobierno y la sociedad en general. Esto abarca además la
percepción que estos actores tienen de la institución, incluyendo su imagen,
reputación y confiabilidad (Bueno et al., 2003; Ramírez,
Lorduy y Rojas, 2007).
En el
Cuadro 1, se destacan las diferencias entre los conceptos de capital
intelectual, capital humano y capital estructural, en base a las definiciones
de los autores citados en los párrafos que preceden.
Cuadro 1
Diferenciación de conceptos
entre capital intelectual humano y estructural
Concepto |
Definición |
Autores |
Capital Intelectual |
Recurso de gestión necesario para el
desarrollo de la riqueza que enfatiza en potenciar el desarrollo de
habilidades de los trabajadores. Se relaciona con el conocimiento y confiere
ventajas competitivas significativas a las empresas. |
Ulrich (1998); Harrison y Sullivan (2000); Brennan
y Connell (2000); Porto (2003); Rastogi (2003); Hsu y Fang (2009). |
Capital Humano |
Activos intangibles que provienen de las
personas que trabajan en la organización, representando el valor generado por
individuos a través de su educación, experiencia, capacidad de aprendizaje,
toma de decisiones y habilidades interpersonales. |
Bueno et al. (2003); Leitner (2004); Low et
al. (2015); Gong (2016); Luna-Valenzuela
et al. (2023). |
Capital Estructural |
Engloba la cultura organizativa, procesos
internos y sistemas de información utilizados en el negocio. Comprende el
conocimiento internalizado por la empresa, incluyendo estrategias, manuales
de procesos, rutinas organizativas y bases de datos. |
Bontis y Fitz-enz (2002); Brooke (2003); Bermúdez
et al. (2015); Deeb y Merhej (2016); Roos (2017). |
Fuente: Elaboración propia, 2023.
1.2. Presupuesto
La
administración pública se encarga de operar y gestionar el patrimonio del
Estado de acuerdo con las leyes establecidas, es decir, supervisa el sistema
gubernamental y busca establecer una relación con la sociedad para lograr el
desarrollo de las comunidades a través de la provisión de bienes y servicios (Pérez
y Tangarife, 2013).
Según Véliz et al. (2021), el gobierno tiene la
responsabilidad de proporcionar financiamiento a las Instituciones de Educación
Superior públicas, para que puedan llevar a cabo su misión. Sin embargo, le
corresponde a la universidad hacer uso eficiente de esos recursos, para ello,
requiere herramientas que le permitan evaluar la asignación de presupuesto y el
aprovechamiento del capital intelectual a través de sus actividades
organizativas.
En
este sentido, se plantean las preguntas de investigación: 1. ¿Cómo influye el
capital humano en la asignación de presupuesto en las Instituciones de
Educación Superior de Ecuador?; 2. ¿Cómo influye el capital estructural en la
asignación de presupuesto en las Instituciones de Educación Superior de Ecuador?;
y, 3. ¿Cómo influye el capital relacional en la asignación de presupuesto en
las Instituciones de Educación Superior de Ecuador?
A
partir de la literatura y las preguntas planteadas, se identifican como variables
independientes: Capital humano, capital estructural y capital relacional. Y
cómo variable dependiente, la asignación de presupuesto público en las Instituciones
de Educación. En base a la revisión de la literatura, se presentan las
hipótesis especificadas a continuación:
H1:
El capital humano tiene un impacto positivo en la asignación de presupuesto en
las Instituciones de Educación Superior de Ecuador.
H2:
El capital estructural tiene un impacto positivo en la asignación de
presupuesto en las Instituciones de Educación Superior de Ecuador.
H3:
El capital relacional tiene un impacto positivo en la asignación de presupuesto
en las Instituciones de Educación Superior de Ecuador.
2. Metodología
La investigación se caracteriza por ser
cuantitativa, correlacional, explicativa-causal y longitudinal-panel. Es
correlacional, puesto que busca explicar la relación existente entre las
dimensiones del capital intelectual y la asignación presupuestaria en las Instituciones
de Educación Superior; se pretende determinar cuál
dimensión es más significativa en esta relación, midiendo el grado de
correlación entre las variables. Además, se emplea un enfoque
explicativo-causal, con el propósito de responder a las preguntas de
investigación y comprender las causas y efectos de las variables independientes
relacionadas con la asignación del presupuesto público. Se analizó si el
impacto de estas variables es positivo o negativo.
Por
último, la investigación es longitudinal-panel, lo que implica analizar una
misma muestra a lo largo de un período prolongado, en este caso, desde 2016
hasta 2020. Esto permite evaluar los cambios que se producen en el tiempo
utilizando una muestra consistente.
El universo de estudio son las 52 universidades,
las cuales fueron evaluadas por el CACES el 26 de octubre de 2020, y se
encuentran acreditadas en el Sistema de Educación Superior del Ecuador. La
muestra de estudio de esta investigación está compuesta por las 30 Instituciones
de Educación Superior públicas de Ecuador, pertenecientes a varias ciudades.
El diseño de investigación utilizado es no
experimental, puesto que se observa el fenómeno tal como se presenta en su
contexto original, enfocándose en el análisis de variables y su incidencia en
el momento de la recolección de información. Se emplea la técnica de análisis
de información documentada, utilizando datos secundarios que corresponden a las
universidades de la muestra.
Asimismo, se utiliza estadística descriptiva para
especificar los valores y puntuaciones de cada variable, y estadística
inferencial relacionada con modelos multivariantes para obtener el modelo de
cuantificación del capital intelectual en las Instituciones de Educación Superior
de Ecuador.
Los modelos multivariantes y las pruebas para
cumplir con los supuestos de linealidad son fundamentales en este tipo de investigación
por varias razones (Villavicencio et al., 2023). Permiten capturar relaciones complejas
y proporcionan una representación más precisa de la realidad; control de variables
de confusión, para evitar sesgos y obtener estimaciones más precisas de los
efectos de las variables predictoras sobre la variable de interés; mejorar la precisión
de las predicciones; validación de supuestos de linealidad, puesto que las
pruebas son importantes al utilizar técnicas de regresión lineal, con esto se
garantiza la fiabilidad de los resultados obtenidos a través de la regresión y
se evitan interpretaciones erróneas (Torres, 2023). En el Cuadro 2, se presenta
la operacionalización de las variables, con el objetivo que se puedan medir de
manera práctica y concreta en el mundo real.
Cuadro
2
Operacionalización de variables
Variable |
Definición |
Indicador |
Unidad de Medida |
(X1) Capital Humano |
Conjunto de conocimiento explícito y tácito del
personal que conforma la universidad (docentes, investigadores,
administrativos) |
Educación formal |
N. Docentes con título de 3er nivel |
N. Docentes con título de Maestría |
|||
N. Docentes con título de Doctorado |
|||
Capacitación |
T. Gasto en Docentes |
||
T. Gasto en Investigaciones |
|||
Conocimientos, destrezas, habilidades |
N. Investigadores a tiempo completo |
||
N. Investigadores a medio completo |
|||
Total Mujeres investigadoras |
|||
Total Hombres investigadores |
|||
Total Mujeres con designación de responsabilidad |
|||
Total, Hombres con designación de responsabilidad |
|||
Experiencia |
Edad promedio de docentes |
||
Experiencia laboral |
|||
Innovación y creatividad |
|||
N. Publicaciones |
|||
(X2) Capital Estructural |
Capacidad organizacional, infraestructura,
tecnológica, física y comunicacional que mantiene, desarrolla y sostiene al
capital humano. |
Infraestructura física |
N. Cubículos profesores tiempo completo N. Cubículos profesores medio tiempo N. aulas estudiantes tercer nivel |
Sistemas informáticos |
N. Bases datos |
||
P. Ancho banda conectividad |
|||
N. Equipo de cómputo hardware y software |
|||
Cultura Organizacional |
|||
Plan estratégico |
|||
Evaluación plan estratégico |
|||
|
|||
Estructura Organizacional |
N. Departamentos |
||
N. Empleados por departamento |
|||
Propiedad Intelectual |
N. Patentes y marcas nacionales |
||
Derechos autor |
|||
(X3) Capital Relacional |
Percepción que la comunidad educativa mantiene
acerca de la universidad en relación a su imagen, atractivo y fiabilidad. |
Proveedores |
N. Contratos bases de datos |
N. Convenios Casas editoras |
|||
N. Revistas |
|||
Satisfacción estudiantil |
N. Becas |
||
P. Cobertura |
|||
N. Eventos académicos realizados |
|||
Vinculación colectividad |
N. Proyectos de vinculación |
||
Colaboraciones con otras universidades |
|||
Bolsa de trabajo |
|||
Prácticas pre profesionales |
|||
Reputación |
|||
Nivel impacto página web |
|||
Ranking universidad |
|||
|
|||
Redes de trabajo |
Redes externa de investigación |
||
Redes internas de investigación |
Fuente: Elaboración propia, 2023.
Se tomaron los informes financieros de las
instituciones de educación superior públicas de Ecuador del portal del
Ministerio de Economía y Finanzas, que incluyen los estados financieros del
sector público no financiero al 31 de diciembre de cada año, así como los
informes de asignación presupuestaria y gestión publicados en las páginas
oficiales de cada universidad; estos datos se consideran como datos secundarios
de investigación, según Ritchey (2008).
Luego, se recopiló información no financiera de
fuentes oficiales como el Sistema Integral de Información de la Educación
Superior (SIIES) y la Secretaría de Educación Superior, Ciencia, Tecnología e
Innovación (SENESCYT). Estas fuentes proporcionan estadísticas, indicadores y
análisis sobre el estado de la educación superior en Ecuador. Utilizando esta
información, se pudieron obtener indicadores que permiten calcular los valores
monetarios del capital intelectual que no se reflejan en los estados
financieros de las universidades.
Para medir la variable dependiente presupuesto, se
tomó como punto de referencia la asignación presupuestaria que presentan de
manera individual las universidades públicas en los seis años indicados
anteriormente, pues de su asignación se desprende la toma de decisiones
adecuadas y oportunas fruto de su planificación.
Los grupos de variables independientes capital
humano, capital estructural y capital relacional fueron desagregadas en
indicadores no financieros (ver Cuadro 2). Los indicadores financieros sueldos
y salarios e infraestructura tecnológica fueron tomados de los estados
financieros que reportan las universidades públicas en la página oficial del
Ministerio de Economía y Finanzas.
El uso de datos de panel de los actores que
pertenece a las universidades de la muestra, en lugar de aplicar instrumentos
de captura de información a individuos ofrece ventajas significativas en
términos de seguimiento a lo largo del tiempo, control de variables
individuales, análisis de cambios y causas, y eficiencia en la recolección de
datos. Esto hace que los datos de panel sean una herramienta valiosa para
comprender mejor la dinámica individual y temporal de las características y
comportamientos de las personas (Herrera et al., 2023). Este análisis se
realizó utilizando el software Eviews, con el objetivo de realizar un
análisis descriptivo y cuantitativo de la información recopilada.
3. Resultados y discusión
A
continuación, se presentan los principales resultados obtenidos al aplicar el
modelo de datos panel con Eviews, teniendo en cuenta el tipo y diseño de
investigación, el método, el modelo y las técnicas de recolección de datos, así
como el universo, la población y la muestra. Se exponen los resultados obtenidos al aplicar el modelo econométrico de
datos panel con el objetivo de analizar el impacto del capital intelectual en
la asignación de presupuesto de las universidades públicas de Ecuador. Se
verifica la hipótesis planteada, evaluando la confiabilidad del modelo y
determinando las variables que presentan una mayor significancia estadística.
La
base de datos utilizada contiene información de un panel de 30 universidades
públicas de Ecuador durante un período de seis años. Para facilitar la
interpretación, se han calculado los estadísticos descriptivos utilizando los
datos recopilados desde 2015 hasta 2020. La Tabla 1, presenta los resultados
relacionados con el valor mínimo, máximo, media, desviación estándar, asimetría
y curtosis de las variables (indicadores de tendencia central).
Estadísticos
Descriptivos
Variables |
Número |
Mínimo |
Máximo |
Media |
Desviación típica |
Coeficiente de asimetría |
Curtosis |
Presupuesto |
30 |
7.651.938 |
170.388.264 |
46.304.675 |
2.670.509 |
2 |
3 |
T. Docentes |
30 |
53 |
3.197 |
625 |
43 |
2 |
5 |
Femenino |
30 |
28 |
1.889 |
381 |
26 |
2 |
4 |
Maestría |
30 |
8 |
2.416 |
416 |
29 |
2 |
8 |
Doctorado |
30 |
4 |
239 |
66 |
4 |
1 |
1 |
Tiempo
completo |
30 |
50 |
1.876 |
417 |
24 |
2 |
4 |
Medio tiempo |
30 |
1 |
1.012 |
116 |
12 |
3 |
11 |
H.
Responsabilidad |
30 |
1 |
73 |
21 |
1 |
1 |
1 |
Publicaciones |
30 |
2 |
921 |
141 |
9 |
2 |
8 |
A.
Matriculados |
30 |
177 |
72.730 |
11.837 |
929 |
3 |
9 |
Becas
asignadas |
30 |
1 |
533 |
43 |
6 |
4 |
17 |
N. Eventos |
30 |
5 |
689 |
95 |
8 |
2 |
7 |
T. Graduados |
30 |
1 |
19.878 |
2.385 |
252 |
3 |
12 |
Sueldos y
salarios |
30 |
3.429 |
100.027 |
26.516 |
1.736 |
2 |
2 |
Infraestructura
tecnológica |
30 |
1.225 |
35.731 |
9.486 |
621 |
2 |
2 |
Fuente: Elaboración propia, 2023.
La variable dependiente presupuesto, presenta una
media de $46.304.675, con un máximo de $170.388.264 y un mínimo de $7.651938,
se observa además la desviación típica con un valor de $2.670.509, y un
coeficiente de asimetría mayor a cero por ende es positivo, lo que indica que
la mayoría de datos de la asignación presupuestaria de las universidades se ubican
hacia la izquierda del promedio, es decir, son menores a la media de
$46.304.675, la curtosis por su parte, indica cómo se concentran los datos en
relación a la media, en este caso la curtosis es mayor a cero lo que indica que
los datos se distribuyen en forma leptocurtica, es decir, existe una gran
concentración de valores alrededor de la media.
La variable hombres con cargo de responsabilidad,
tiene un promedio de 21, un máximo de 73 y un mínimo de 1 docente, la
desviación típica es de 1, la curva de asimetría es positiva, indicando que el
número de hombres con cargo de responsabilidad se ubica a la izquierda del
promedio, siendo menores a la media, la curtosis para esta variable sigue
siendo mayor a cero indicando una fuerte cantidad de docentes de género
masculino con cargos de responsabilidad en torno a la media.
La variable sueldos y salarios, permite observar
una media de 9.486, un máximo de 35.731 y un mínimo de 1.225, la desviación
típica por su parte muestra un valor de 1.736, la curva de asimetría es
positiva señalando que los sueldos y salarios son menores a la media; por su
parte, la curtosis es mayor a cero señalando valores cercanos al promedio.
Finalmente, la variable infraestructura
tecnológica, presenta una media de $9.244,72, un máximo de $34.620, 17 y un
mínimo de $2.233,64, una deviación típica de $621, una asimetría positiva
señalando valores menores al promedio y una curtosis mayor a cero presentando
valores colindantes a la media.
3.2.
Análisis de correlación
En la Tabla 2, se puede observar el análisis para
la determinación de los niveles de correlación individual entre las variables. La
correlación estadística según Betancourt
y Caviedes (2018), determina la relación o dependencia que
existe entre las dos variables que intervienen en una distribución
bidimensional.
Análisis de correlación
|
Epres |
H. Responsabilidad |
Sueldos y salarios |
Infraestructura tecnológica |
Presupuesto |
1 |
|||
H. Responsabilidad |
0,100256368 |
1 |
||
Sueldos y salarios |
0,199570249 |
0,8515614 |
1 |
|
Infraestructura tecnológica |
0,1997013 |
0,851819636 |
0,999971242 |
1 |
Fuente: Elaboración propia, 2023.
De acuerdo a los datos observados se puede
visualizar que existe una baja correlación entre la variable dependiente y las
variables independientes. Por otra parte, también se puede visualizar, una
buena correlación entre las variables independientes hombres con
responsabilidad y sueldos y salarios (0,85); hombres con responsabilidad e
infraestructura tecnológica (0,85); sueldos y salarios e infraestructura
tecnológica (0,99).
3.3. Análisis
econométrico
Una vez revisado el análisis descriptivo y de
correlación de las variables panel se procede a su estimación econométrica,
empezando con un modelo de panel de efectos fijos.
a. Modelo de
efectos fijos
Se corre la base de datos con el modelo general de
efectos fijos, con uso de la fórmula 1.
(1)
Donde es la
variable aleatoria,
efectos de
sección cruzada, y
efectos de
tiempo deterministas. En la Tabla 3, se aplicaron efectos fijos en corte
longitudinal en periodos para considerar el problema de heterocedasticidad de
datos panel.
Resultados panel con efectos
fijos de secciones cruzadas
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob.
|
C |
5,727507 |
1,149560 |
4,982348 |
0,0000 |
H. RESPONSABILIDAD |
-0,249590 |
0,063405 |
-3,936448 |
0,0001 |
INFRAESTRUCTURA_TECNOLOGICA |
-6,232853 |
2,648800 |
-2,353086 |
0,0200 |
SUELDOS_Y_SALARIOS |
6,080791 |
2,608707 |
2,330960 |
0,0212 |
R-squared |
0,884311 |
Mean dependent var |
7,560381 |
|
Adjusted R-squared |
0,854167 |
S,D,
dependent var |
0,295914 |
|
S.E. of regression |
0,113004 |
Akaike info criterion |
-1,337701 |
|
Sum squared resid |
1,813315 |
Schwarz criterion |
-0,663632 |
|
Log likelihood |
158,3931 |
Hannan-Quinn criter, |
-1,064395 |
|
F-statistic |
29,33604 |
Durbin-Watson stat |
1,230493 |
|
Prob(F-statistic) |
0,000000 |
|
|
|
Fuente: Elaboración propia, 2023.
Los resultados señalan que la variable hombres con
cargos de responsabilidad presenta un p-value de (0,0001); la variable
infraestructura tecnológica, un p-value (0,0200); y, sueldos y salarios un
p-value de (0,0212); indicando la significancia individual de estas variables.
Por otra parte, se puede observar que las variables hombres con responsabilidad
(-3,93), y gasto en infraestructura tecnológica (-2,35), presentan una relación
inversa, es decir, tienen signo negativo, indicando que a medida que una de
estas variables se incrementa, la asignación presupuestaria disminuye. En el
análisis individual de las variables independientes, se ejecutó un análisis de
error estándar de la media, para medir las oscilaciones de la media muestral
alrededor de la media poblacional.
a.1. Variables omitidas
Para
este análisis se ha supuesto la fórmula 2, como el modelo correcto para explicar
la variable dependiente:
(2)
Ahora,
se ha omitido la variable (docentes con maestría), para ver si es
correcto o incorrecto la omisión de esta variable se ha utilizado el
, si
su
es menor a 0,05
la variable omitida es significativa
individualmente y ha sido un error omitir esa variable, ahora; si el
es superior a 0,05
la variable omitida no es significativa
individualmente por lo tanto, no ha sido un error omitir esa variable. Como se
puede observar en la Tabla 4, el
= 0,7565, es superior a 0,05, se acepta
la variable omitida no es significativa individualmente,
por lo tanto, no ha sido un error omitir esa variable.
Tabla 4
Cálculo
de las variables omitidas
Ratio |
Value |
df |
Probability |
Likelihood
ratio |
0.096122 |
1 |
0,7565 |
Fuente: Elaboración propia, 2023.
a.2. Variables redundantes
Para
este análisis, se ha supuesto la fórmula 3 como el modelo correcto para
explicar la variable dependiente.
(3)
Ahora,
se ha realizado un análisis de las siguientes variables: Hombre
con cargos de responsabilidad, infraestructura tecnológica, y sueldos y
salarios; para ver si son variables redundantes dentro del modelo analizado.
Para esta prueba se ha utilizado el
, si
su
es menor a 0,05
la variable es significativa individualmente
por lo tanto, la variable estudiada no es redundante, ahora; si el
es superior a 0,05
la variable no es significativa individualmente,
por lo tanto, la variable estudiada es redundante y es un error incluirle en el
modelo.
Como
se puede observar en la Tabla 5, todos los so inferior a 0,05, se acepta
la variable es significativa individualmente,
por lo tanto, no es redundante y no ha sido un error incorporar esa variable.
Tabla 5
Cálculo de las variables redundantes
Variable |
Likelihood ratio |
df |
Probability |
H.
RESPONSABILIDAD |
18,64271 |
1 |
0 |
INFRAESTRUCTURA_TECNOLÓGICA |
6,885364 |
1 |
0,0087 |
SUELDOS_SALARIOS |
6,758875 |
1 |
0,0093 |
Fuente: Elaboración propia, 2023.
a.3. Prueba de Verosimilitud
Para
probar si los efectos fijos pueden o no considerarse iguales se utiliza el test de verosimilitud para la
redundancia de los efectos fijos, como se presenta en la Tabla
6. La prueba F y Chi cuadrada para efectos fijos, rechaza la hipótesis que los
efectos fijos sean cero, por lo tanto, se valida el modelo con efectos fijos en
las universidades y en los años.
Tabla 6
Prueba
de verosimilitud
Effects Test |
Statistic
|
d.f. |
Prob. |
Cross-section F |
36,339558 |
-29,142 |
0,0000 |
Cross-section Chi-square |
383,540956 |
29 |
0,0000 |
Period F |
1,357449 |
-5,142 |
0,2440 |
Period Chi-square |
8,404263 |
5 |
0,1353 |
Cross-Section/Period F |
31,280838 |
-34,142 |
0,0000 |
Cross-Section/Period Chi-square |
384,995315 |
34 |
0,0000 |
Fuente: Elaboración propia, 2023.
La
ecuación del modelo de efectos fijos ajustado consta en la fórmula 4:
(4)
b. Modelo de
efectos aleatorios
El
modelo de efectos aleatorios se presenta con la fórmula 5:
(5)
Siendo
todas las componentes variables aleatorias y en efectos fijos deterministas. En efectos aleatorios se
desecha los efectos temporales, teniendo solo en cuenta
a los efectos individuales. Los resultados se
muestran en la Tabla 7.
Tabla 7
Resultados de panel con efectos aleatorios
Variable |
Coefficient |
Std, Error |
t-Statistic |
Prob,
|
C |
6,491843 |
1,031431 |
6,29402 |
0,0000 |
HRESPONSABILIDAD |
-0,213193 |
0,058962 |
-3,61578 |
0,0004 |
INFRAESTRUCTURA_TECNOLOGICA |
-2,709398 |
2,291623 |
-1,18231 |
0,2387 |
SUELDOS_Y_SALARIOS |
2,736002 |
2,270999 |
1,20476 |
0,2299 |
R-squared |
0,082066 |
Mean
dependent var |
1,201544 |
|
Adjusted R-squared |
0,066419 |
S,D,
dependent var |
0,118659 |
|
S,E, of regression |
0,114651 |
Sum squared
resid |
2,313484 |
|
F-statistic |
5,244973 |
Durbin-Watson
stat |
1,007374 |
|
Prob(F-statistic) |
0,001722 |
|
|
|
Fuente: Elaboración propia, 2023.
En
la Tabla 7, se aplicaron efectos aleatorios; los resultados señalan que la
variable: Hombres con cargos de responsabilidad, p-value de (0,0004), es
significativa individualmente; mientras que las variables, sueldos y salarios,
p-value (0,2299); e infraestructura tecnológica p-value (0,2387); no son
significativas, de forma individual. Por otra parte, la variable hombres con
cargos de responsabilidad (-0,21) presenta coeficientes negativos, es decir,
tienen una relación inversa, pues a medida que una de las variables incrementa,
la variable dependiente disminuye.
3.4.
Prueba de Hipótesis
En cuanto a la H2, que busca
determinar si el capital estructural incide positivamente en la asignación de
presupuesto de las IES del Ecuador, se encontró que solo la variable
“infraestructura tecnológica” tiene una relación significativa de manera
individual (p-valor: 0,0200), lo que lleva a aceptar la hipótesis de que el
capital estructural incide de manera positiva en la asignación de presupuesto.
Sin embargo, es importante
destacar que esta variable presenta un coeficiente negativo (-6,23), lo que
indica que a medida que una institución tiene una menor infraestructura
tecnológica, obtiene una mayor asignación presupuestaria. Este resultado es
coherente desde un punto de vista teórico, puesto que el Estado provee
asignaciones presupuestarias a las instituciones con menos recursos
tecnológicos para que puedan cumplir con su misión educativa.
En relación a la H3, que
plantea si el capital relacional impacta positivamente en la asignación de
presupuesto de las IES del Ecuador, se encontró que ninguna variable obtuvo
resultados significativos, lo que lleva al rechazo de la hipótesis de que el
capital relacional tiene un impacto positivo en la asignación de presupuesto.
Desde un punto de vista
teórico, el capital relacional se refiere a las relaciones inter e
intra-institucionales que una organización establece con otros agentes, y se
espera que influya en las asignaciones presupuestarias de las universidades.
Sin embargo, los resultados estadísticos indican lo contrario. Esto revela que
los eventos académicos, becas asignadas y el número de graduados, que son parte
del capital relacional, aún no tienen la relevancia esperada en términos de
asignaciones presupuestarias. Estos aspectos parecen ser considerados como un
proceso de aprendizaje interno de la universidad y aún no tienen el impacto
relativo que se espera en este tipo de iniciativas.
3.5.
Prueba del Modelo: Discusión
Con la prueba del modelo se ha
validado el cumplimiento o no de las hipótesis. A continuación, se describe la
relevancia de lo detectado con los resultados para cada una de las hipótesis:
H1: El impacto positivo del
capital humano en la asignación de presupuesto en las Instituciones de
Educación Superior de Ecuador es indudable. En este contexto, Ibarra-Cisneros, Vela-Reyna y Ríos-Nequis (2020),
manifiestan que el capital humano desempeña un papel clave en la transmisión
del conocimiento y la formación de los estudiantes. Los profesores, en
particular, son agentes fundamentales en la educación, guiando y facilitando el
aprendizaje de los estudiantes.
Además, el personal
administrativo contribuye al ambiente organizativo y al cumplimiento de
funciones esenciales, lo que influye directamente en la calidad y eficacia de
la educación superior. Este principio se valida de manera
notable en el contexto ecuatoriano, pues la diversidad en habilidades,
experiencias y perspectivas del capital humano en una institución enriquece el
ambiente de aprendizaje y fomenta la innovación.
H2: El impacto positivo del
capital estructural en la asignación de presupuesto en las Instituciones de
Educación Superior de Ecuador es evidente. Según Villegas, Hernández y Salazar (2017), así como Gómez-Valenzuela
(2018), el capital estructural es fundamental en las instituciones de educación
superior, puesto que representa el conjunto de sistemas, procesos,
procedimientos, tecnologías de la información, cultura organizacional y otros
recursos intangibles que respaldan las operaciones y la gestión eficaz de la
institución.
En el contexto de las Instituciones
de Educación Superior, el capital estructural facilita la organización y
coordinación de actividades académicas, administrativas y de investigación. En
el caso de las Instituciones de Educación Superior ecuatorianas, se confirma la
validez de este postulado.
H3:
El
capital relacional tiene un impacto negativo en la asignación de presupuesto en
las Instituciones de Educación Superior de Ecuador. Rojas y Espejo (2020), exponen que la variable
capital relacional es de suma importancia en las instituciones de educación
superior por cuanto estas instituciones están profundamente arraigadas en sus
entornos socioeconómicos y culturales. Un fuerte capital relacional les permite
establecer y mantener conexiones significativas con diversas partes
interesadas, como otras instituciones académicas, empresas, organizaciones
gubernamentales y la comunidad en general.
Estas conexiones no solo
facilitan la colaboración en proyectos de investigación, programas académicos y
actividades extracurriculares, sino que también pueden conducir a oportunidades
de financiamiento, intercambio de conocimientos y recursos compartidos. Además,
el capital relacional puede mejorar la empleabilidad de los estudiantes al
conectarlos con oportunidades de prácticas, pasantías y empleo en el mundo
real; sin embargo, por medio del análisis de las variables se constata que este
postulado no se cumple en la realidad ecuatoriana.
Conclusiones
El
capital estructural, adopta diversas formas dependiendo de la organización e
incluye elementos como la cultura organizacional, estructura, mejores
prácticas, procesos y procedimientos, manuales, sistemas de información y
tecnologías de la información; representa los mecanismos y estructuras de la
organización que contribuyen al mejor desempeño individual y organizacional. En
el caso de las Instituciones de Educación Superior ecuatorianas, estos
postulados se cumplen.
La
variable de capital relacional, que se refiere a la capacidad de la universidad
para establecer vínculos con su entorno socioeconómico a nivel nacional e
internacional, no resulta significativa en este modelo. Sus indicadores, como
el número de eventos, el porcentaje de becas asignadas y el número de
graduados, no tienen una correlación directa con la asignación presupuestaria.
Por lo tanto, estos postulados teóricos no se cumplen en la realidad
ecuatoriana.
La relevancia práctica de esta investigación se
refleja en su contribución a las Instituciones de Educación Superior públicas
del Ecuador y a los diversos grupos de interés que desean obtener información
sobre cómo se invierte el presupuesto asignado en las universidades. Los
indicadores de capital intelectual proporcionan una cuantificación de los
activos intangibles y brindan información valiosa para los administradores y
otras partes interesadas sobre el valor de las Instituciones de Educación Superior.
Abhayawansa, S., Guthrie, J., y
Bernardi, C. (2019). Intellectual capital accounting in
the age of integrated reporting: A commentary. Journal of Intellectual
Capital, 20(1), 2-10. https://doi.org/10.1108/JIC-01-2019-223
Alonso, R., Vega, L. O., y Pérez, L. M. (2023). Procedimiento
para la gestión del capital intelectual para el desarrollo de las capacidades
dinámicas en entidades sideromecánicas. Universidad y Sociedad, 15(5), 217-227. https://rus.ucf.edu.cu/index.php/rus/article/view/4069
Aranibar, E. E., y Travieso, D. (2023). Gestión del
conocimiento, capital intelectual y producción académico-científica en el
posgrado: Un estudio diagnóstico. Revista Cubana de Educación Superior, 42(1), 101-117. https://revistas.uh.cu/rces/article/view/2406
Barney, J. (1991). Firm resources and
sustained competitive advantage. Journal of Management, 17(1), 99-120. https://doi.org/10.1177/014920639101700108
Bavdaž, M., Bounfour, A., Martin, J.,
Nonnis, A., Perani, G., y Redek, T. (2023). Measuring investment in intangible
assets. In G. Snijkers, M. Bavdaž, S. Bender, J. Jones, S. MacFeely, J. W. Sakshaug, K. J. Thompson y A. Van Delden (Eds.), Advances in Business Statistics,
Methods and Data Collection (pp.
79-103). John Wiley
& Sons, Inc. https://doi.org/10.1002/9781119672333.ch5
Bermúdez, M., Pertuz, V., y Boscan, N. (2015). Capital
estructural: análisis diagnóstico en grupos de investigación y desarrollo (I+D)
de universidades públicas de Colombia. Revista Universo Contábil, 11(3), 132-149.
Betancourt, A. C., y Caviedes, I. L. (2018). Metodología
de correlación estadística de un sistema integrado de gestión de la calidad en
el sector salud. SIGNOS-Investigación en
Sistemas de Gestión, 10(2), 119-139. https://doi.org/10.15332/s2145-1389.2018.0002.07
Blácido, R. P., Llamccaya, M. V., Rodríguez, J. L., Santos,
J. S., y Tucto, P. M. (2023). El efecto
de la gestión del conocimiento en el desempeño organizacional: el rol mediador
de la innovación y el capital intelectual [Tesis de pregrado, Universidad
ESAN]. https://repositorio.esan.edu.pe/items/8dd71466-cf37-4519-ad4d-e7ea7a0563af
Bontis, N., y Fitz-enz, J. (2002). Intellectual
Capital ROI: A causal map of human capital antecedents and consequents. Journal
of Intellectual Capital, 3(3), 223-247. https://doi.org/10.1108/14691930210435589
Borrás, F., Ruso, F., y Campos, L.
(2011). Valoración
del CI: propuestas y retos. Congreso Internacional. Encuentro bicentenario, Valladolid,
España.
Botero, S. M., Ojeda, D., y Hernández, H. (2020). Capital
intelectual en la creación del conocimiento: Hacia el mejoramiento de la
calidad académica. Revista de Ciencias Sociales (Ve), XXVI(E-2), 301-313. https://doi.org/10.31876/rcs.v26i0.34129
Brennan, N., y Connell, B. (2000).
Intellectual capital: Current issues and policy implications. Journal of
Intellectual Capital, 1(3), 206-240. https://doi.org/10.1108/14691930010350792
Briñez, M. E. (2021). Tecnología
de información: ¿Herramienta potenciadora para gestionar el capital
intelectual? Revista de Ciencias Sociales (Ve), XXVII(1), 180-192. https://doi.org/10.31876/rcs.v27i1.35305
Brooke, L. (2003). Human resource
costs and benefits of maintaining a mature‐age
workforce. International Journal of Manpower, 24(3), 260-283. https://doi.org/10.1108/01437720310479732
Bueno, E., Arrien, M., y Rodriguez, O.
(Coords.) (2003). Modelo
Intellectus: Medición y gestión del capital intelectual. CIC-IADE.
Cornejo, V. (2023). Impacto
de la toma de decisiones en el capital intelectual para la creación de valor en
las organizaciones que manejan alta tecnología en Cd. Juárez, Chihuahua, México
[Tesis doctoral, Universidad Autónoma de Ciudad Juarez]. http://ri.uacj.mx/vufind/Record/oai:erecursos.uacj.mx:20.500.11961ir-6598
Cugura, A. N. (2023). Activos
intangibles y capital intelectual: Fuentes de beneficios económicos futuros
para las empresas [Tesis de pregrado, Universidad Siglo 21]. https://repositorio.21.edu.ar/handle/ues21/26921
Deeb, K. A., y Merhej, M. M. (2016). The
impact of structural capital on the innovation performance in Syrian
Universities: A field study in Tishreen University. European Online Journal of Natural
and Social Sciences, 5(3), 664-673. https://european-science.com/eojnss/article/view/3349
Diaz, G. A., y Quintana, M. D.
(2021). La gestión del talento humano y su influencia en la productividad
de la organización. Gestión Joven, 22(1),
29-48. https://gestionjoven.org/revista/contenidos_22_1/Vol22_num1_3.pdf
Dos Santo, M. I., y Funzi, J. M.
(2023). Mensuração do Capital Intelectual em Pequenas Empresas: caso
de estudo do Supermercado Arreiou. Recima21 - Revista Científica
Multidisciplinar, 4(10), e4103968. https://doi.org/10.47820/recima21.v4i10.3968
Dost, M., Badir, Y. F., Ali, Z., y
Tariq, A. (2016). The impact of intellectual capital on
innovation generation and adoption. Journal of intellectual Capital, 17(4),
675-695. https://doi.org/10.1108/JIC-04-2016-0047
Drucker, P. (1993). Innovation and entrepreneurship
practice and principles. Harper Collins Publishers, Inc.
Escorcia, J., y Barros, D. (2020). Gestión del conocimiento
en Instituciones de Educación Superior: Caracterización desde una reflexión
teórica. Revista de Ciencias Sociales
(Ve), XXVI(3), 83-97. https://doi.org/10.31876/rcs.v26i3.33235
Fait, M., Cillo, V., Papa, A., Meissner,
D., y Scorrano, P. (2023). The roots of “volunteer” employees’
engagement: The silent role of intellectual capital in knowledge-sharing intentions.
Journal of Intellectual Capital, 24(2),
399-429. https://doi.org/10.1108/JIC-04-2020-0133
Falahati, L. (2023). Achievements and
challenges of women empowerment in knowledge-based companies. Journal of
Industry and University, 52(53),
51-66. http://jiu.ir/en/Article/43345/FullText
Giai, V. (2023). Activos intangibles. Limitaciones para su reconocimiento en la creación de valor
para las organizaciones [Tesis doctoral, Universidad Nacional de Mar del Plata]. https://nulan.mdp.edu.ar/id/eprint/3905/
Ginesti, G., Caldarelli, A., y Zampella,
A. (2018). Exploring the impact of intellectual
capital on company reputation and performance. Journal of Intellectual
Capital, 19(5), 915-934. https://doi.org/10.1108/JIC-01-2018-0012
Gómez-Bayona, L., Londoño-Montoya, E., y Mora-González, B.
(2020). Modelos de capital intelectual a nivel empresarial y su aporte en la
creación de valor. Revista Cea, 6(11),
165-184.
https://doi.org/10.22430/24223182.1434
Gómez-Valenzuela, V. (2018). Relación entre propiedad intelectual,
innovación y desarrollo: Evidencias de datos de panel. Ciencia y Sociedad,
43(1), 11-29. http://dx.doi.org/10.22206/cys.2018.v43i1.pp11-29
Gong, C. (2016). Impact of human
capital inequality on total factor productivity in China. Modern Economy, 7(5),
561-566. http://dx.doi.org/10.4236/me.2016.75061
Grant, R. M. (1996). Prospering in
dynamically-competitive environments: Organizational capability as knowledge
integration. Organization Science, 7(4),
375-387. https://doi.org/10.1287/orsc.7.4.375
Guañuna, J. D. (2023). El
valor del capital intelectual y su efecto en el rendimiento financiero en las
empresas dedicadas al transporte y almacenamiento, ubicadas en el Distrito
Metropolitano de Quito en el periodo 2020 [Tesis de pregrado, Universidad
Politécnica Salesiana sede El Girón]. https://dspace.ups.edu.ec/handle/123456789/24547
Harrison, S., y Sullivan, P. H.
(2000). Profiting from intellectual capital: Learning from leading companies. Journal
of Intellectual Capital, 1(1), 33-46. https://doi.org/10.1108/14691930010324124
Henao, L. J., Franco, J. A., y Cuartas, D. (2023). Analisis
bibliometrico del capital relacional y su aplicación en un grupo de
investigaciones. Telos: Revista de
Estudios Interdisciplinarios en Ciencias Sociales, 25(1), 36-51. https://doi.org/10.36390/telos251.04
Herrera,
A. Y., Saravia, M., Gutiérrez, A., y Peña, Y. A. (2023). Determinantes de los
impuestos ambientales en América a través de un modelo de datos de panel:
Período 2010-2020. Revista Ciencia y Universidad, (46), 75-97. https://revistas.uas.edu.mx/index.php/CyU/article/view/309
Hsu, Y.-H., y Fang, W. (2009). Intellectual
capital and new product development performance: The mediating role of organizational
learning capability. Technological Forecasting and Social Change, 76(5), 664-677. https://doi.org/10.1016/j.techfore.2008.03.012
Ibarra-Cisneros, M. A., Vela-Reyna, J. B., y Ríos-Nequis, E.
I. (2020). Capital intelectual, gestión del conocimiento y desempeño en
universidades. Investigación Administrativa, 49(126). https://doi.org/10.35426/iav49n126.06
Jaimes, J. R., Tinoco, E. K., Bravo, I. F., Caicedo, J. C.,
Campaña, J. A., y Pérez, N. Y. (2023). Análisis de datos en el cuidado de
Elaeis guineensis (palma africana) en Colombia, Ecuador y Perú. Revista
Ciencia y Tecnología, 16(1),
35-42. https://revistas.uteq.edu.ec/index.php/cyt/article/view/470
Juříková, M., Kocourek, J., y Ližbetinová, L. (2021). Building
the prestige of a University as a tool to achieve competitiveness. Communication Today, 12(2), 128-144. https://communicationtoday.sk/wp-content/uploads/10_JURIKOVA-et-al_CT-2-2021.pdf
Lee, Y.-H. (2021). Determinants of
research productivity in Korean Universities: The role of research funding. The
Journal of Technology Transfer, 46(5),
1462-1486. https://doi.org/10.1007/s10961-020-09817-2
Leitner, K.-H. (2004). Intellectual
capital reporting for universities: Conceptual background and application for
Austrian universities. Research
evaluation, 13(2), 129-140. https://doi.org/10.3152/147154404781776464
Low, M., Samkin, G., y Li, Y. (2015).
Voluntary reporting of intellectual capital: Comparing the quality of
disclosures from New Zealand, Australian and United Kingdom universities. Journal of Intellectual Capital, 16(4), 779-808. https://doi.org/10.1108/JIC-03-2015-0022
Luna-Valenzuela, J., Verón, C., y
Ficco, C. (2023). Sostenibilidad y divulgación del capital intelectual: Evidencia
empírica del sector bancario argentino. Lúmina,
24(1), 1-24. https://doi.org/10.30554/lumina.v24.n1.4907.2023
Manda, M. I., y Ben, S. (April 2019).
Responding to the challenges and opportunities in the 4th
Industrial revolution in developing countries. ICEGOV´19: Proceedings of the 12th International Conference on Theory
and Practice of Electronic Governance, 244-253. https://doi.org/10.1145/3326365.3326398
Martínez, J., Garcés, J., y Chamat,
C. (2022). Capital humano: Sus aportes al desarrollo intelectual en las
unidades universitarias de investigación en salud. Revista de Ciencias
Sociales (Ve), XXVIII(2), 74-85. https://doi.org/10.31876/rcs.v28i2.37925
Michailoff,
E, Grossmann,
A., y Briceño, M. (2023). El conocimiento y aplicación de las Tecnologías de la
Información y las Comunicaciones de los docentes de educación inicial de una
selección de colegios privados del estado Miranda, Venezuela. Revista de
Comunicación de la SEECI, 56,
49-66. https://doi.org/10.15198/seeci.2023.56.e815
Moghadam, H. M., Salehi, M., y Hajiha,
Z. (2023). The relationship between intellectual
capital and financial statements readability: The role of management
characteristics. Journal of Facilities
Management, 21(2), 221-241. https://doi.org/10.1108/JFM-08-2021-0088
Murillo, R. I., Espín, M. I., Ocles, C. G., Villavicencio, G.
P., y Robayo, F. D. (2023). Diseño Universal para el Aprendizaje (DUA) en la
educación superior de Ecuador: Avances y perspectivas. Ciencia Latina
Revista Científica Multidisciplinar,
7(4), 8809-8832. https://doi.org/10.37811/cl_rcm.v7i4.7589
Nazari, J. A., y Herremans, I. M.
(2007). Extended VAIC model: Measuring intellectual
capital components. Journal of Intellectual Capital, 8(4), 595-609. https://doi.org/10.1108/14691930710830774
Peñaloza, V. L., Narváez, C. I., Erazo, J. C., Díaz,
J. F., y Narváez, X. E. (2023). Aporte
de las universidades privadas en la identificación y medición del capital
intelectual en empresas agroalimentarias. Revista
Conrado, 19(91), 455-467. https://conrado.ucf.edu.cu/index.php/conrado/article/view/2975
Pérez, G., y Tangarife, P. (2013). Los activos intangibles y
el capital intelectual: Una aproximación a los retos de su contabilización. Saber,
Ciencia y Libertad, 8(1), 143-166. https://doi.org/10.18041/2382-3240/saber.2013v8n1.1891
Plata,
M. E. (2023). Formación en capital humano: configuración de un sujeto-maestro
responsable del crecimiento económico. Praxis
& Saber, 14(37), e14750. https://doi.org/10.19053/22160159.v14.n37.2023.14750
Ponce-Alencastro, J. A., y
Salazar-Cobeña, G. V. (2021). Evaluación y acreditación de la Universidad ecuatoriana:
Desafíos y Funcionalidad. Polo del
Conocimiento, 6(10), 132-154. https://www.polodelconocimiento.com/ojs/index.php/es/article/view/3191
Porto, N. (2003). Algunos aspectos a considerar en la
contabilidad de intangibles. En Universidad de Murcia (Ed.), Estudios
académicos de contabilidad: En homenaje a D. José Rivero
Romero (pp. 489-504). Universidad de Murcia.
Ramírez,
Y., Lorduy, C., y Rojas, J. A. (2007). Intellectual capital management in Spanish
universities. Journal of Intellectual
Capital, 8(4), 732-748. https://doi.org/10.1108/14691930710830873
Ramírez-Duran, J.-A., Niebles-Núñez, W., y García-Tirado, J.
(2023). Aplicaciones bibliométricas del estudio del capital intelectual dentro
de las instituciones de educación superior desde un enfoque sostenible. Saber,
Ciencia y Libertad, 18(1),
280-296. https://doi.org/10.18041/2382-3240/saber.2023v18n1.10020
Rastogi, P. N. (2003). The nature and
role of IC: Rethinking the process of value creation and sustained enterprise
growth. Journal of Intellectual Capital, 4(2), 227-248. https://doi.org/10.1108/14691930310472848
Ritchey, F. J. (2008). Estadística
para las ciencias sociales. McGraw-Hill/ Interamericana Editores S.A. de
C.V.
Rodríguez-Muñoz,
R., Socorro-Castro, A. R., Estévez-Pichs, M. A., y Rojas-Valladares, A. L.
(2024). Configuración de dominios académicos, su relación con política
científica, investigación y vinculación con la sociedad. Revista Mexicana de
Investigación e Intervención Educativa,
3(1), 12-24. https://doi.org/10.62697/rmiie.v3i1.66
Rojas,
M. I., y Espejo, R. L. (2020). La inversión en investigación científica como
medida del capital intelectual en las instituciones de educación superior. Información Tecnológica, 31(1), 79-90. http://dx.doi.org/10.4067/S0718-07642020000100079
Rojo, E. O. (2023). Propuesta metodológica para
valuar financieramente la aportación del capital intelectual a la rentabilidad
de las MIPYMES. Revista de Gestión
Empresarial y Sustentabilidad, 8(1), 60-74.
Roos, G. (2017). Knowledge management,
intellectual capital, structural holes, economic complexity and national
prosperity. Journal of Intellectual
Capital, 18(4), 745-770. https://doi.org/10.1108/JIC-07-2016-0072
Sáenz, L. (2020). Estados financieros: Competencia contable
básica en la formación de contadores públicos autorizados. Revista Saberes APUDEP, 3(2), 69-81. https://doi.org/10.48204/j.saberes.v3n2a6
Torres, K. M. (2023). Estimación
e inferencia de parámetros en un modelo de regresión normal múltiple
multivariado mediante el Bootstrap y el Jackknife [Tesis de pregrado,
Universidad El Bosque]. https://repositorio.unbosque.edu.co/server/api/core/bitstreams/08af6622-ef51-4e56-843a-7211be7969aa/content
Trillini, J. (2011). Identificación, medición y gestión de
los activos intangibles: situación actual y una propuesta de investigación. Escritos Contables y de Administración, 2(1),
3-25. https://doi.org/10.52292/j.eca.2011.285
Ulrich, D. (January 15, 1998).
Intellectual capital = Competence x commitment. MIT Sloan Management Review. https://sloanreview.mit.edu/article/intellectual-capital-competence-x-commitment/
Véliz, V., Morales, J. C., Vásconez, G., y García, L. (2021).
Injusta distribución del presupuesto entre las universidades públicas del
Ecuador: Efecto Mateo. Revista
Internacional de Educación para la Justicia Social, 10(1), 197-210. https://doi.org/10.15366/riejs2021.10.1.012
Villacorta, C. R. E., y Macedo, C. L. (2023). Capital intelectual y el desempeño laboral
en la Unidad de Gestión Educativa Local de Coronel Portillo, 2022 [Tesis de
pregrado, Universidad Nacional de Ucayali]. http://repositorio.unu.edu.pe/handle/UNU/6795
Villavicencio, E., Lima, M., Cuenca, K., Patiño, E., y Pacheco,
E. (2023). ¿Cómo escoger la prueba estadística? Manejo de datos parte 2. Odontología
Activa Revista Científica, 8(2),
53-66. https://doi.org/10.31984/oactiva.v8i2.885
Villegas, E., Hernández, M. A., y Salazar, B. C. (2017). La
medición del capital intelectual y su impacto en el rendimiento financiero en
empresas del sector industrial en México. Contaduría
y Administración, 62(1), 184-206. https://doi.org/10.1016/j.cya.2016.10.002
Závodný, L., y Procházka, D. (2023). IFRS
adoption and value relevance of accounting information in the V4 region. Economic Research-Ekonomska Istraživanja, 36(1), 2102049.
https://doi.org/10.1080/1331677X.2022.2102049
* Investigación ejecutada
con el apoyo de la Universidad Católica de Cuenca-Ecuador, en su proceso de
formación doctoral del cuerpo docente.
** Doctora en Contaduría. Docente
Investigadora en la Universidad Católica de Cuenca, Cuenca, Ecuador. E-mail: gramon@ucacue.edu.ec
ORCID: https://orcid.org/0000-0002-6833-9129
*** Doctor en Ciencias de la
Administración. Docente Investigador en la Universidad Católica de Cuenca,
Cuenca, Ecuador. E-mail: dcordero@ucacue.edu.ec ORCID: https://orcid.org/0000-0003-2138-2522
**** Doctora en Contaduría. Docente Investigadora en la
Universidad Católica de Cuenca, Cuenca, Ecuador. E-mail: cjaramillo@ucacue.edu.ec ORCID: https://orcid.org/0000-0003-3088-8322 orcid.org/0000-0003-3088-8322
Recibido: 2023-12-25 · Aceptado: 2024-03-13