La actividad investigadora de las universidades se realiza en un contexto socio-económico y un territorio determinado. Sus dimensiones pueden verse condicionadas por dicho contexto. Este trabajo analiza la actividad investigadora de las universidades públicas presenciales españolas en relación con el PIB per cápita de su territorio, para datos de la primera década del siglo XXI obtenidos del Observatorio IUNE. Se analiza la relación entre PIB y las diferentes dimensiones de la actividad investigadora: reconocimiento, actividad científica, innovación, competitividad, y capacidad formativa. El contexto económico no es neutro y presenta correlaciones significativas, así como relaciones lineales entre el PIB pc y diversas dimensiones. Especialmente, la significación se constata para las dimensiones relativizadas por el número de profesores. En particular para la competitividad, capacidad formativa o actividad científica. En suma, hay diferencias estadísticamente significativas entre las universidades localizadas en los territorios más ricos frente a las de territorios menos ricos.
Universities’ R&D and innovation activity takes place within the economic and social context of a specific territory. This activity is multidimensional and its different dimensions may be unduly influenced by the economic context in which it is carried out. The present work analyses the research activity of Spanish public universities in the context of per capita GDP of their territories. The work examines data from 2002–2010 obtained from the IUNE observatory. The relationship between GDP and the different dimensions of research activity are analyzed: recognition, scientific activity, innovation, competitiveness and research training capacity. The results show that the economic context in which the activity takes place is not neutral and that there are significant correlations and linear relationships between per capita GDP and various dimensions of research activity. The significance is particularly notable once the dimensions are relativized according to the number of inhabitants. Statistically significant differences have also been found for different dimensions of research activity between universities located in territories with higher, or lower, per capita GDP.
La actividad investigadora es una de las funciones clave de las universidades, medir su desarrollo y desempeño es trascendental para la gestión de las universidades, tanto en el ámbito interno para orientar su política científica, como en el ámbito externo para orientar las decisiones relativas a I+D+i de los territorios (Li y otros,
Toda investigación se realiza en un contexto determinado. La actividad investigadora de una universidad está condicionada y al mismo tiempo influye en su entorno (Jaffe,
Los estados y los territorios toman conciencia de la importancia estratégica de la actividad investigadora en el desarrollo (King,
Por otro lado, el contexto en el que se realiza la actividad investigadora condiciona sus posibilidades. Así, un territorio más dinámico económicamente o con un sistema de I+D+i más desarrollado puede aportar más recursos, plantear retos e iniciativas que contribuyan a generar contratos con los grupos de investigación de las universidades, o a generar patentes o bien proyectos de investigación que concurran a convocatorias nacionales o internacionales con más garantías de éxito, incluso esa conexión con el entorno puede favorecer la elaboración de tesis doctorales. Y no solamente habría que tener en cuenta aspectos económicos sino de funcionamiento, el grado de control político por parte de la administración pública y la elección de los gestores en un territorio determinado tiene influencia sobre las tasas, los precios públicos y los recursos de las universidades (Lowry, (
En los rankings internaciones de universidades más notorios y aceptados (Academic Ranking of World Universities de Shanghai, ARWU (
Precisamente, el objetivo de este trabajo es analizar la relación entre los resultados de la actividad investigadora de las universidades y el contexto económico, en el que se realiza dicha actividad. Este análisis se circunscribe a las universidades públicas presenciales españolas durante la primera década del siglo XXI. Para analizar esta relación se recurre a los indicadores del Observatorio IUNE (Sanz-Casado,
En España una de las medidas más completas de la actividad investigadora de las universidades es la recogida, desde su aparición en 2012, por el Observatorio IUNE coordinado por el Laboratorio de Estudios Métricos de la Información (LEMI) (Sanz-Casado, 2012; Sanz-Casado
Como indicador del contexto económico se recurre al producto interior bruto per cápita (PIB pc) del territorio de influencia de la universidad. El PIB es la expresión monetaria de la producción de bienes y servicios de demanda final en un territorio. Ha sido muy utilizado en la contabilidad nacional de todos los países, desde que se impulsó su utilización por el premio Nobel de Economía Kuznets, considerado su inventor, entre otros economistas. Es una medida macroeconómica de la producción material en un espacio y tiempo determinado, es una medida recogida en la Contabilidad Regional de España elaborada por el Instituto Nacional de Estadística (INE,
El PIB no está exento de críticas, desde luego no es apropiado interpretarlo como medida de bienestar general, porque se trata de una medida de la producción de bienes y servicios. Esto ya lo puso de relieve Kuznets y también Stiglitz y otros (
Como se indica en la web IUNE (
Los datos relativos a innovación suelen plantear dificultades adicionales, su medida no está tan resuelta y se tiene menos tradición en la recogida. El caso es que para uno o más indicadores faltaban datos que afectaban a una quincena de universidades, de esta manera el análisis se reducía a un número de casos bastante inferior. Para tratar de solventar esta situación se ha procedido a estimar los valores mediante un procedimiento disponible en el programa LISREL, llamado imputación múltiple mediante el algoritmo EM (Jöreskog y Sörbom,
Los indicadores de innovación cada vez se tienen más en cuenta, a la vista de la tendencia que pone el énfasis en la protección y apropiación de la producción científica más que en la producción y la difusión de la misma (Tijssen,
Puesto que hay universidades con centros universitarios en una o en más provincias con diferentes niveles de PIB pc, es necesario decidir el PIB que se toma. Pues bien, cuando la universidad esté localizada en una provincia solamente, el PIB que se toma es el de dicha provincia. Si la universidad cuenta con centros en más de una provincia se toma el PIB de la provincia en donde radica la mayor parte de su actividad. Por último, si es una universidad cuya influencia se extiende por toda la Comunidad Autónoma se toma el PIB pc de dicha Comunidad Autónoma. Es el caso de la Universidad de Zaragoza en Aragón o de las universidades de Castilla-La Mancha, Extremadura o País Vasco. Obviamente, las universidades en Comunidades Autónomas uniprovinciales no presentan problema porque el PIB de la Comunidad y de la provincia es el mismo.
El PIB per cápita, ya sea el provincial o el autonómico, se obtiene del Instituto Nacional de Estadística y se refiere a euros de 2010.
Para tener en cuenta el contexto económico del entorno en el que la universidad lleva a cabo su actividad y su relación con la I+D+i, se puede proceder de varias formas. Una es hacer un análisis de la actividad investigadora recurriendo a un solo indicador, opción que de momento no se considera a la vista de la complejidad del concepto. Otra opción es desglosar la actividad investigadora en tantos indicadores como existan, lo que resulta poco operativo cuando se quiere ver la posición de cada universidad. Finalmente, se puede optar por una posición intermedia, que es la que ahora se aborda. Concretamente, lo que se persigue es ver la relación existente entre las principales sub-dimensiones que componen el concepto de actividad investigadora y el contexto económico en el que desarrollan su actividad.
La relación de las universidades analizadas, sus acrónimos, antigüedad, tamaño y los PIB pc de los territorios de la provincia o Comunidad Autónoma de referencia (media del período analizado) se presentan en la tabla del
Una vez obtenidos los datos de estas variables se procede de la siguiente manera, para cada dimensión de la actividad investigadora se realiza un análisis de componentes principales (Luque-Martínez,
Tras todo ello, se lleva a cabo un análisis de la varianza para comprobar la existencia o no de diferencias estadísticamente significativas entre las universidades en territorios con mayor PIB per cápita frente a las que están en los de menor PIB per cápita respecto de las diferentes sub-dimensiones identificadas de la actividad investigadora. Para todos estos análisis se ha utilizado los siguientes programas SPSS 20, STATISTICA 7 para los análisis, EXCEL para las representaciones gráficas y LISREL para la imputación de datos faltantes.
Los análisis referidos se aplican para cada una de las diferentes dimensiones que se especifican en el Observatorio IUNE (Sanz-Casado, 2012; Sanz-Casado y otros, 2013), salvo en el caso de “reconocimiento” que no procede el análisis de componentes principales, análisis que se recogen en la
Esta dimensión se compone de dos indicadores uno es el número de sexenios por profesor y otro es el número de premios nacionales de investigación. Debido a que en este segundo caso hay frecuencias solamente para un número reducido de universidades, no resulta pertinente la inclusión en el análisis, y solamente se toma en consideración el primer indicador. El número de sexenios de investigación por profesor no está correlacionado con el PIB per cápita territorial a la vista de su bajo y no significativo índice de correlación, cuyo valor es 0,01. El que la universidad desarrolle su actividad en un territorio con más o menos riqueza económica no tiene relación con el número de sexenios de sus profesores. Tampoco resulta significativa la relación lineal entre el número de sexenios y el PIB pc, ni hay diferencias significativas entre las universidades situadas en territorios con mayor frente a las de menor PIB pc respecto al número de sexenios.
La dimensión “actividad científica” comprende todos los indicadores relativos a producción científica, colaboración con otros autores, impacto y visibilidad de la producción científica, en total una docena de indicadores.
Al aplicar análisis de componentes principales, se comprueba que tres de esas variables no están bien representadas en la estructura de correlación de esta dimensión por lo que deben ser excluidas del análisis. Efectivamente, tales variables tienen características diferentes al resto, no tienen relación con el resto. Esto lo deja muy claro el valor de la comunalidad de cada una de ellas, esto aconseja no contemplarlas en el análisis. De alguna manera sus nombres ya ayudan a comprender su escasa relación con las otras variables de esta dimensión. Son las siguientes: número de autores por documento de la producción científica de cada universidad cada año (promedio), documentos en colaboración nacional y porcentaje de documentos por universidad y año que no han recibido ninguna cita (promedio). El análisis, con un índice KMO de 0,68 y siendo significativo el test de esfericidad de Bartlett, presenta buenos indicadores para realizar el análisis de componentes principales. Todas las variables observadas tienen una comunalidad elevada, superan el 80%, salvo una que tiene un 74% (
Se han obtenido dos componentes que resumen el 84,8% de la información. La primera se refiere a magnitudes absolutas de publicaciones, citas o artículos en revistas que ocupan las primeras posiciones (
La componente primera, que por los indicadores que resumen puede denominarse “actividad científica general”, no tiene relación significativa con el PIB pc territorial.
Por otro lado, la segunda componente, que podemos denominar “actividad científica relativa o por profesor”, está correlacionada positiva y significativamente con el PIB pc, por lo que a mayor PIB del territorio donde se inserta la actividad de la universidad mayor actividad científica por profesor. En este caso, en el análisis de regresión lineal resulta cuasi-significativa la influencia del PIB pc sobre la actividad científica por profesor, a un nivel del 0,07, con un R2=0,07 y un coeficiente estandarizado beta=0,27.
Como muestra la
Esta dimensión comprende doce indicadores de la
El análisis de componentes principales presenta buenos indicadores, con un índice KMO de 0,69 y siendo significativo el test de esfericidad de Bartlett. Todas las variables observadas tienen una comunalidad elevada, superan el 50% y la mayoría supera el 70% (
Se obtienen tres componentes que concentran más del 75% de la información de todos los indicadores iniciales. Según la
Esta componente se correlaciona de forma positiva con el PIB pc territorial. Efectivamente, en el análisis de regresión muestra que hay una relación significativa (0,04), para un R²=0,09 y un coeficiente estandarizado beta=0,3.
La segunda componente claramente reúne la información sobre los ingresos por licencias de uso, explotación, modificación, etc. de determinadas tecnologías o conocimiento, tanto en valores absolutos como por profesores, además del número de protecciones de invención de forma simultánea en distintos países. Esta componente no se correlaciona ni es significativa su relación con el PIB pc.
La tercera componente se identifica con las “spin-off” creadas, tanto en valores totales como relativos por profesor, los ingresos por contratos de I+D y consultoría por profesor y el número de patentes por profesor. Es una componente que tiene que ver con el emprendimiento. Esta componente no se correlaciona con el PIB y la regresión lineal tampoco resulta significativa.
Con las reservas relativas a esta dimensión, ya mencionadas, y como se representa en la
La dimensión competitividad abarca variables relativas al número de proyectos conseguidos en convocatorias del Plan Nacional y del Programa Marco, tanto en valores totales como promedios o por cada cien profesores, en total cuatro variables. No obstante, se excluye el número promedio de proyectos, tanto del Plan Nacional como del Programa Marco, por ser redundantes con el número de proyectos totales en los respectivos casos (Plan Nacional y Programa Marco), por tanto, el análisis queda con cuatro variables.
El análisis de componentes principales presenta un KMO bajo; pero la prueba de esfericidad es significativa y todas las variables consideradas tienen comunalidades muy elevadas, por encima del 83% (
La primera componente, que podemos denominar “competitividad relativa o por profesor”, presenta correlación con el PIB pc, de manera que cuanto mayor es PIB pc del territorio de influencia de la universidad, mayor es la captación de proyectos del Plan Nacional y de los Programas Marco por número de profesores. La competitividad relativa es explicada de manera significativa (0,01) con un R²=0,13 y un coeficiente estandarizado beta de 0,36 por el PIB pc del territorio de la universidad.
De acuerdo con la
La “competitividad general”, segunda componente, presenta correlación estadísticamente significativa con el PIB pc territorial. Esto es, a mayor PIB pc del territorio también es mayor el número de proyectos que se consiguen, ya sean nacionales o europeos. Esta relación es significativa (0,02), con un R²=0,11 y un coeficiente estandarizado beta de 0,33.
En esta dimensión, y en términos generales, destacan las universidades grandes. Como se representa en la
La última dimensión es la capacidad formativa que comprende diez variables observadas y se refieren al número de becas FPI y FPU, número de contratos Juan de la Cierva y Ramón y Cajal y número de tesis doctorales, todas ellas tanto en valores absolutos como relativos por profesores. El análisis de componentes principales presenta buenos indicadores. El KMO es 0,63, la prueba de esfericidad es significativa y todas las variables consideradas tienen comunalidades muy elevadas (
Se obtienen dos componentes que explican algo más del 88% de la varianza. Como en el caso anterior, se trata de una solución obvia puesto que la primera componente hace referencia a valores absolutos y la segunda a valores relativos por el número de profesores (
La primera componente, “capacidad formativa general”, no presenta relación con el PIB pc.
La “capacidad formativa relativa o por profesor”, o segunda componente, está correlacionada con el PIB territorial. Efectivamente, hay una relación significativa (0,03) con un R²=0,10 y un coeficiente estandarizado beta de 0,32. A mayor PIB pc mayor número de becas (FPI, FPU), mayor número de contratos Ramón y Cajal y Juan de la Cierva y mayor número de tesis doctorales todo ellos relativizados por el número de profesores.
De nuevo el PIB pc marca diferencias. Las universidades en zonas de mayor PIB pc tienen un mayor número de becas, más contratos para personal especializado y mayor número de tesis, todo ello por profesor. En los territorios con mayor PIB pc,
Para todas las sub-dimensiones o componentes, se efectúa un análisis de la varianza para averiguar si hay o no diferencias estadísticamente significativas entre las universidades que están en zonas con mayor y menor PIB pc y las diferentes sub-dimensiones de la actividad investigadora. Para formar los grupos se utiliza la mediana del PIB pc, de manera que un grupo está formado por las 23 universidades en zonas que superan la mediana (21.675 euros de 2010) y otro por las 24 que están en zonas por debajo de esa mediana. El primer grupo tiene un PIB pc medio un 44,59% mayor que el segundo grupo.
Efectivamente, el análisis de la varianza confirma lo comentado para las diferentes dimensiones. Se constata que las universidades en territorios con mayor PIB per cápita tienen mayores niveles de actividad científica por profesor (con un nivel de significación de 0,05), de competitividad, tanto general como por profesor, (nivel de significación 0,01) y de capacidad formativa por profesor (nivel de significación 0,03).
Las diferencias más significativas se dan en la competitividad por profesor, aunque es casi igual que el valor de la capacidad formativa general, es decir, en la capacidad para captar proyectos tanto del Plan Nacional como del Programa Marco tanto por profesor como general. Esto es algo fundamental puesto que condiciona otros indicadores de la actividad investigadora. Al fin y al cabo, esto significa mayor captación de recursos directamente orientados a la producción científica, lo que redundará en número de publicaciones, colaboraciones, tesis doctorales o acciones de innovación al mismo tiempo que condiciona la capacidad formativa, puesto que a los proyectos se asocian becas, contratos y tesis doctorales.
Sigue en importancia de significación la capacidad formativa por profesor, esto es el número de becas de FPI y FPU; el número de contratos Juan de la Cierva o Ramón y Cajal y el número de tesis por profesor. Efectivamente, este tipo de becas y contratos es un antecedente de producción científica y de innovación. Por las características y los objetivos que persiguen, una mayor disposición de estas becas y contratos implica mayor producción científica y esto se produce en mayor medida en las universidades de territorios con mayor PIB per cápita.
La actividad científica por profesor sigue en nivel de significación, lo que es razonable de acuerdo con el argumento expuesto.
De nuevo hay que recordar la particularidad de la dimensión de innovación por no disponer de todos los datos. Sin embargo, con la estimación de los datos que faltan, las universidades en zonas de mayor PIB pc tienen más ingresos por contratos de I+D-consultorías y prestación de servicios que las que universidades en zonas de menor PIB, con un nivel de significación del 0,04.
La actividad investigadora de las universidades se realiza en un contexto económico determinado y dicho contexto no es neutro. Hay una estrecha relación entre la investigación y el entorno que se intenta promover desde instituciones públicas, un buen exponente de esto es la Estrategia Europa 2020 o las estrategias de especialización inteligente por territorios, conocidas como RIS 3.
El presente análisis de la actividad investigadora se realiza distinguiendo entre las diferentes dimensiones de la misma y considerando el contexto económico, medido por el producto interior bruto per cápita del territorio analizado, a partir de lo cual se llega a las siguientes conclusiones.
Efectivamente, el PIB pc del territorio tiene que ver con diferencias en la actividad investigadora, puesto que está correlacionado positivamente con los indicadores de la actividad investigadora. En términos generales, a medida que aumenta el PIB pc del territorio donde están las universidades los indicadores de actividad investigadora son mayores.
Cuando los indicadores de la actividad científica están relativizados o referidos al número de profesores es cuando más fuerte se muestra esta relación, porque se produce en las tres dimensiones, es decir, en actividad científica, en competitividad y en capacidad formativa. Mientras que para los valores generales o en términos absolutos, el PIB pc solamente genera diferencias en competitividad general.
La mayor incidencia del PIB pc se da en la competitividad relativa. Las universidades en territorios con mayor producción económica consiguen mayor número de proyectos, tanto en el ámbito nacional como europeo.
En la dimensión de innovación, como era de esperar, las universidades en territorios con mayor PIB consiguen más ingresos por contratos de la investigación y desarrollo que realizan, las consultorías que efectúan o la prestación de servicios.
En general, las universidades de mayor tamaño no suelen estar en las primeras posiciones en las componentes relativas por número de profesores, independientemente de los niveles de PIB pc. Mantener mejores indicadores por profesor es más difícil con tamaños grandes o a medida que aumenta el tamaño, por tanto en las posibles comparaciones que se establezcan es recomendable tomar en consideración la diferencia por tamaño existente. Por otro lado, la estructura de titulaciones puede afectar, los datos analizados son previos a la implantación de los nuevos grados. Así, una universidad con más titulaciones de primer ciclo (escuelas técnicas o diplomaturas) cuenta con más profesores que no tienen tanta orientación a la investigación y resultaría con peores indicadores al relativizar por profesor. Otro tanto sucede con la composición de las titulaciones por áreas, unas áreas están más orientadas a las patentes o la generación de spin-off que otras, por lo que influirán en los indicadores de resultados.
Para un análisis más detallado considerando la heterogeneidad de las universidades sería interesante tener en cuenta conjuntamente características como tamaño, especialidad o número de estudiantes por profesor, pero no es viable. El número de subconjuntos o grupo resultantes es demasiado elevado para utilizar con el número de universidades disponibles. Aunque la consideración de especialidades ya se ha tenido en cuenta en el análisis de la actividad científica (Bordón y otros,
Queda patente que la consideración de sub-dimensiones enriquece y aporta matices interesantes al análisis de la actividad investigadora de las diferentes universidades.
Dentro de niveles de PIB pc es posible identificar universidades que presentan mejores resultados de actividad investigadora. En general, para un nivel de PIB pc alto destaca la Pompeu Fabra además de la universidad Carlos III, mientras que entre las de menor PIB pc destacan la universidad Miguel Hernández, Córdoba y Pablo de Olavide.
Por otro lado y asumiendo el importante papel de la universidad en el desarrollo de su entorno (Smilor y otros,
De todo lo anterior, se puede deducir que los territorios con un contexto económico más desfavorable están en desventaja respecto a la actividad investigadora universitaria que se realiza en ellos. Esto puede contribuir a un círculo negativo en el que a menor PIB menor investigación, lo que no favorece el crecimiento del PIB y, así, sucesivamente. La dotación de recursos es fundamental para romper esta espiral, pero no solamente alcanzando el porcentaje sobre el PIB medio (lo cual seguiría representando menos recursos para los territorios menos ricos, por comparación con los más ricos), sino que es necesario que ese porcentaje sea mayor. La formación de un sistema de I+D+i eficiente y de un capital humano preparado que sea capaz de atraer recursos, proyectos nacionales o internacionales, es otra actuación prioritaria para la mejora.
Finalmente, es necesario subrayar de nuevo que los datos referidos a los indicadores de innovación son incompletos y sobre esta parte de la actividad investigadora el análisis realizado no permite extraer conclusiones con las mismas garantías. La medida de este tipo de datos viene siendo algo difícil tanto en ámbito nacional como internacional, aunque se han realizado progresos en los últimos años. Seguramente en futuras ediciones se podrá disponer de estadísticas mejores y más completas. Por otra parte, hay que recordar que se trabaja con sub-dimensiones que sintetizan la mayor parte, que no el total, de la información de los indicadores.