PARADIGMA – Revista Electrónica en Construcción de Software
ISSN: 2011-0065
Construcción de un Catálogo de Capacidades de
Investigación, Usando Ontologías
Alex Giovanny Amaya Flórez, Rafael Andrés González
Maestría en Ingeniería de Sistemas y Computación, Departamento de Ingeniería de
Sistemas, Pontificia Universidad Javeriana
Departamento de Ingeniería de Sistemas, Pontificia Universidad Javeriana
Abstract. Uno de los problemas de la investigación en America Latina tiene
que ver con los mecanismos de colaboración que existen entre los grupos de in-
vestigación, y más si estos son interdisciplinarios. No contar con una herra-
mienta unificada de colaboración limita la posibilidad de tener un catálogo de
capacidades de investigación que se actualice dinámicamente, que haga explíci-
to el conocimiento de los investigadores, que genere un ambiente de trabajo co-
laborativo y que le permita a las empresas encontrar oportunidades para solu-
cionar problemas en conjunto con la academia. Este artículo presenta la pro-
puesta de un portal colaborativo para fortalecer el trabajo entre grupos de inves-
tigación a través del uso de ontologías, que permite mantener actualizado un ca-
tálogo de capacidades para que las empresas tengan la posibilidad de encontrar
soluciones a problemas específicos. A partir de la construcción del portal se
propone un método de diseño para llevar esta solución a dominios diferentes a
los de una universidad.
Keywords: gestión de conocimiento; ontología; trabajo colaborativo; patrones
de colaboración; grupos de investigación.
1 INTRODUCCIÓN
Hoy en día las universidades tienden a prestar más atención a cultivar y mejorar sus
capacidades de investigación y la visibilidad de estas hacia afuera. Para entender lo
que es una capacidad de investigación, es importante primero conocer cuáles son sus
elementos: capacidades de insumo de investigación, capacidades de transformación
eficiente de investigación y capacidades de resultados de investigación [1]. Con base
en las relaciones entre los elementos se pueden generar nuevas capacidades que brin-
den a las universidades el factor diferenciador en su ventaja competitiva y en la ges-
tión de mejoramiento en el entorno académico [2]. Podemos entonces definir un catá-
logo de capacidades de investigación como el conjunto de aptitudes y talentos de los
que dispone una universidad para ampliar el conocimiento científico a través de la
investigación.
Por otra parte, para las universidades es importante fortalecer las relaciones con las
empresas para brindar soluciones a sus problemas; sin embargo, para hacer más efi-
ciente esta relación es fundamental que las universidades cuenten con un catálogo
actualizado de sus capacidades de investigación. Adicionalmente, para lograr mante-
ner el catálogo actualizado de forma dinámica es necesaria la interacción entre los
investigadores a través de una herramienta que les permita encontrarse para trabajar
de manera colaborativa.
En este artículo se presenta la propuesta de un portal colaborativo de gestión de
conocimiento que permitirá crear y mantener actualizado el catálogo de capacidades
de investigación de una universidad. Primero se expone la problemática con respecto
a los mecanismos de colaboración con los que cuentan los investigadores y también la
forma de hacer explícito su conocimiento tácito para tener un catálogo de capacidades
actualizado de forma dinámica. En la siguiente sección se explicarán los trabajos rela-
cionados que se han realizado para fortalecer los mecanismos de colaboración entre
los investigadores. Una vez explicados los trabajos relacionados alrededor de la pro-
blemática se mostrará el método de investigación aplicado para solucionar el proble-
ma planteado y el aporte a dicho método. De acuerdo al método de investigación se
mostrará la forma en que se construyó la ontología que permitió definir los requisitos
del sistema, y a partir de la cual se construyó el catálogo de capacidades que se mos-
trará en un prototipo. Luego de presentar el prototipo se mostrará un método de dise-
ño que permitirá llevar la solución propuesta a un contexto diferente al de una univer-
sidad, usando ontologías. Por último se comprobará el valor que genera el uso de una
ontología para el sistema propuesto, y como a su vez este sistema es una herramienta
que facilitará el trabajo colaborativo entre investigadores para crear y mantener actua-
lizado el catálogo de capacidades de una universidad.
2 TRABAJO COLABORATIVO ENTRE GRUPOS DE
INVESTIGACIÓN
Actualmente existen diferentes problemáticas en América Latina [3] que representan
debilidades en el proceso de desarrollo del conocimiento. Una de ellas hace referencia
a los mecanismos de colaboración entre investigadores. Esta debilidad se ha tratado
de fortalecer con el uso de nuevas tecnologías y de internet, y este auge implica una
serie de retos como la sobrecarga de recursos y esfuerzos adicionales para la coordi-
nación y comunicación entre investigadores [4], más aún cuando los investigadores
son numerosos, interdisciplinarios, y se encuentran ubicados en diferentes puntos
geográficos, lo cual dificulta la claridad en la comunicación. Sin embargo, el uso de
tecnologías por si solo no garantiza la calidad de los resultados en las universidades
[5].
El problema de no tener un plan de colaboración claramente definido y apoyado en
Tecnologías de Información y Comunicación (TICs) trae como consecuencias una
serie de barreras para actividades que son de vital importancia para la investigación,
como la forma de hacer explícito el conocimiento tácito [6], el descubrimiento de
nuevas oportunidades de investigación en áreas de diferentes disciplinas, la integra-
ción semántica [7] de los conceptos utilizados en las diferentes áreas de investigación
que le permitan a los investigadores identificar los que saben hacer otros investigado-
res, y no solamente en que son expertos.
3 TRABAJOS RELACIONADOS
El área de conocimiento de interés para este proyecto es sistemas de información (SI)
y en particular los sistemas de gestión de conocimiento (SGC), porque permiten con-
textualizar el conocimiento tácito y explícito de los usuarios a través de su participa-
ción colaborativa [8].
Existen varios trabajos y SI alrededor de la colaboración entre grupos que generan
ambientes para mejorar las habilidades de participación de estudiantes a través de
Sistemas de Aprendizaje Colaborativo Soportados en Computador (CSCL) [9], este
tipo de aplicaciones permiten generar una comunidad de conocimiento entre grupos
de estudiantes más que entre grupos de investigación, su enfoque de promover el
aprendizaje lo aleja de oportunidades que les permitirían a los investigadores generar
nuevo conocimiento.
Es importante incluir a los investigadores como parte de este trabajo, y para ello
existe un marco de trabajo para diseño de servicios [10], que combina de una forma
práctica los flujos de trabajo colaborativo para desarrollar aplicaciones que promue-
van el trabajo entre grupos de estudiantes, profesores e investigadores. Este marco de
trabajo se han aplicado a diferentes casos de estudio; estos casos han generado aplica-
ciones que permiten trabajar sobre temas específicos de enseñanza, pero limita la
posibilidad de encontrar relaciones entre diferentes capacidades de investigación en
grupos interdisciplinarios.
Para encontrar relaciones entre los elementos que hacen parte de las capacidades de
investigación se han desarrollado modelos matemáticos [11] que han permitido ob-
servar los cambios dinámicos de las capacidades de investigación, cambios que pue-
den ayudar a encontrar sinergias entre grupos de investigación. Dado que la imple-
mentación de los modelos matemáticos requieren recopilar suficientes datos históricos
para observar las relaciones necesarias, implican invertir mucho tiempo de implemen-
tación, y este hecho no permite agilizar el trabajo dinámico que realizan los investiga-
dores y tampoco brinda un ambiente colaborativo entre ellos.
También se han creado herramientas de colaboración como “ScienceSifter” [12]
que le permite a grupos heterogéneos identificar información relevante para sus estu-
dios científicos; no obstante, esta solución no permite integrar a las empresas para
encontrar soluciones a sus problemas.
En cuanto al catálogo de capacidades científicas, existen universidades que presen-
tan su catálogo a través de portales, un claro ejemplo es “Esciencia” [13] que presenta
un completo catálogo de capacidades para las universidades de España. Todos estos
catálogos están puestos de forma estática como información en una página web, pero
no poseen un mecanismo que les permite actualizarse de forma dinámica.
Los trabajos propuestos anteriormente ofrecen elementos que se deben tener en
cuenta para identificar un catálogo de capacidades, también se enfocan en el trabajo
de grupos heterogéneos, pero no mencionan mecanismos que permitan integrar se-
mánticamente sus necesidades, problemáticas y soluciones en un catálogo de capaci-
dades para que los investigadores puedan encontrarse y colaborar alrededor de un
problema en particular.
Teniendo en cuenta el problema que se quiere resolver y previo a la presentación
del método de investigación empleado, se presentan las hipótesis que se demostrarán
al final del artículo:
HP1 - Para generar un ambiente colaborativo se debe definir un patrón de colabo-
ración soportado en las TICS que permita construir el catálogo de capacidades.
HP2 - Para diseñar un sistema colaborativo de gestión de conocimiento se debe
identificar la información tácita que debe hacerse explícita en el sistema.
Teniendo en cuenta que las problemáticas de crear ambientes colaborativos para la
generación de conocimiento soportados en TICs, y la dificultad de hacer explícito el
conocimiento tácito, no solo se presentan en universidades, surge la siguiente pregun-
ta de investigación: ¿es posible llevar la solución propuesta a otro contexto diferente
al de una universidad?, es decir, lograr un ambiente de colaboración entre grupos
interdisciplinarios en un sector diferente al educativo a través del uso de ontologías.
4 METODOLOGÍA
Para que la solución sea de importancia para los usuarios finales, y además siga unos
pasos rigurosos de construcción, se aplicará la metodología de la investigación cientí-
fica basada en el diseño, específicamente a través de la metodología de Peffers: “De-
sign Science Research Methodology” (DSRM) [14].
La DSRM sugiere cinco pasos; sin embargo, para este proyecto se hará una cons-
trucción teórica como aporte al método de investigación a través de un paso adicional
(paso 4). Estos pasos son:
1. Identificar la motivación y el problema, las cuales ya se explicaron en la sección 2.
2. Definir los objetivos de la solución, donde se identificarán los requerimientos del
SGC a través de una ontología.
3. Construcción de la solución, donde se tomarán los requerimientos de la fase 2 para
comenzar el diseño que definirá la arquitectura, y la construcción de un prototipo.
4. Abstracción de la teoría de diseño, que le brinda el valor teórico al trabajo, porque
permitirá ampliar la solución a otros contextos a través de una construcción teórica
[15].
5. Demostración y evaluación, que se realizará de una forma práctica y sencilla para
medir el nivel de aceptación sobre el uso de la herramienta, para este paso se utili-
zará el modelo TAM [16] (Technology Acceptance Model).
6. Comunicación, fase en la cual se dará a conocer formalmente el resultado del tra-
bajo a los interesados.
Esta metodología se centró en una epistemología pragmática [17], donde la validez
de la hipótesis está dada por la utilidad y no por la verdad de la misma en el sentido
de una epistemología-empírica, por esta razón se hizo una construcción teórica agre-
gando el paso llamado “Abstracción de la teoría del diseño” (paso 4) a la metodología
DSRM.
5 CONSTRUCCIÓN COLABORATIVA DE LA
ONTOLOGÍA DE CAPACIDADES
Con la definición del problema, se procedió a construir la ontología que permitió
identificar los requisitos del sistema y a la vez iniciar la construcción del catálogo de
capacidades.
A continuación se describe el proceso de construcción de la ontología.
5.1 Proceso de construcción de la ontología
La construcción de la ontología se realizó teniendo en cuenta la ubicación geográfica
y la disponibilidad [18] de los investigadores, lo cual sugiere hacer uso de un patrón
de colaboración. Para esta investigación se tomó como referencia el patrón de colabo-
ración propuesto por Schümmer [19], que tiene cinco fases con una serie de pasos que
permiten trabajar alrededor de una idea u objetivo de manera colaborativa entre dife-
rentes grupos de personas.
Como aporte al patrón de colaboración de Schümmer se proponen algunas tareas
propias para este proyecto, así como el uso de herramientas para facilitar el trabajo de
construcción de la ontología; en la primer fase se explicó el proceso a los investigado-
res y la herramienta a utilizar, que en este caso fue “CmapTools” [20], en la segunda
fase tiene se definió el objetivo y el tema central de discusión. En la tercera fase los
participantes realizaron los aportes al mapa conceptual, en la cuarta fase se encontra-
ron relaciones entre los conceptos, y en la quinta fase se recopilaron los resultados.
5.2 Encuesta de capacidades
Como trabajo previo a esta investigación, la universidad donde se hizo este trabajo,
diseñó y aplicó una encuesta de capacidades a 174 grupos de investigación donde se
recopiló información acerca de las problemáticas, resultados, capacidades y tecnolo-
gías usadas por los investigadores.
5.3 Análisis de texto
Con base en los resultados de la encuesta de capacidades se realizó un análisis de
texto para identificar los conceptos principales asociados a las capacidades.
El proceso de análisis se hizo con la herramienta llamada “Concordance” [21] que
dio como resultado una lista de conceptos asociados a las capacidades de investiga-
ción de la universidad.
5.4 Construcción del mapa conceptual
Con el resultado del análisis de texto explicado en la sección anterior y con la defini-
ción de los foros del XI Congreso para la Investigación [22], se realizó la estructura
general para la construcción del mapa mental.
Fig. 1 Estructura de la Ontología.
En la figura se muestra la estructura general de la ontología, cuyo concepto princi-
pal está enfocado a las capacidades de investigación. Para los demás niveles se tomó
como base el conjunto de foros definidos para el congreso, los cuales tienen una serie
de subtemas asociados, donde aparece la participación de los grupos de investigación
más activos de la universidad y que se combina con el resultado del análisis de texto,
es decir, en un subtema participaron diferentes grupos, de estos grupos se extrajo el
resultado del análisis de texto y se conformó el último nivel, es decir, el de capacida-
des.
5.5 Patrón de colaboración
Durante la definición del patrón de colaboración se realizaron dos propuestas para
llevar a cabo los talleres con los investigadores, estas dos propuestas tenían un enfo-
que de trabajo síncrono, sin embargo durante el ciclo de validación con la Oficina de
Fomento a la Investigación (OFI) de la universidad, y debido a las características de
“CmapTools” se tuvo que cambiar a sesiones asíncronas.
Una vez definida la estructura general de la ontología, se describieron las relacio-
nes entre los diferentes conceptos. Para este trabajo se requirió la participación de los
investigadores más activos de la universidad, y se aplicó un patrón de colaboración
con dos pasos principales: la definición de los usuarios a participar y la definición de
las sesiones de trabajo donde se construyeron cuatro mapas conceptuales.
5.6 Formalización de la ontología
Con base en los mapas se aplicó la combinación de las metodologías “On-To-
Knowledge” [18] y “Methontology” [18] para la construcción formal de la ontología
a partir de los conceptos y relaciones definidas en las sesiones de trabajo con los in-
vestigadores.
Fig. 2 Parte de la Ontología.
En la figura se muestra una parte de la ontología con su concepto principal y dos de
sus subtemas, junto con sus capacidades y las relaciones entre estos. El resultado del
diagrama de la ontología se representó en lenguaje OWL [23] para definir parte de la
arquitectura y la construcción del prototipo.
Esta ontología representada en el catálogo de capacidades, es la que le permitirá a
los investigadores identificar que saben hacer otros investigadores, para que puedan
encontrarse y colaborar alrededor de un tema particular.
6 DISEÑO DE LA SOLUCIÓN
Para construir un SGC deben tenerse en cuenta algunos requisitos fundamentales que
hacen que el sistema se diferencie de los SI transaccionales tradicionales [23], con
base en los resultados de la construcción de la ontología se explicarán los requisitos
necesarios para el sistema propuesto:
Énfasis en el nivel conceptual: El sistema debe permitir estructurar de manera se-
mántica el conocimiento y las capacidades de los grupos de investigación a través de
una ontología.
Reutilización del conocimiento: El sistema debe promover interés entre los inves-
tigadores, ya que de su participación depende que se comience a tejer una red de co-
laboración y una base de conocimiento.
Adaptación segura y conveniente a las necesidades individuales: El SGC debe
permitir encontrar similitudes, de tal suerte que se pueda presentar la información de
acuerdo a los diferentes puntos de vista de los investigadores.
Comprensión intuitiva: El sistema debe permitir realizar búsquedas, registrar in-
formación, encontrar colaboradores y hallar soluciones.
Integración de perspectivas: El sistema debe garantizar la integración semántica
entre los conceptos de los diferentes investigadores.
Siguiendo la metodología de “Model Driven Architecture” (MDA) [24] para la
descripción del prototipo en diferentes capas y basado en los requisitos para la cons-
trucción del SGC, se definieron cuatro niveles de la arquitectura. Primero, la arquitec-
tura conceptual que define la relación entre el conocimiento y el proceso de gestión de
conocimiento, luego, la arquitectura de los servicios que debe ofrecer el sistema a
partir de las fuentes de datos, la infraestructura, los servicios de conocimiento, los
servicios de acceso al sistema y los usuarios de conocimiento. En tercer lugar la arqui-
tectura lógica que representa las capas de datos, lógica de conocimiento, aplicación de
conocimiento, usuario final y seguridad. Por último está la arquitectura de implemen-
tación que describe el despliegue del SGC.
Fig. 3 Arquitectura de Implementación.
La figura muestra la arquitectura de implementación del sistema, con una intranet
donde se tienen las bases de datos de operación de la universidad, un servidor de apli-
caciones y un servidor web. La integración entre los sistemas internos y externos
hacia la base de conocimiento se puede hacer a través de APIs (Application Program
Interface), o a través de servicios web. En esta capa el sistema permitirá integrarse
con SI de investigación externos. La integración de la ontología con el resto de la
aplicación se hará a través de esquemas de archivos XML.
Esta arquitectura le permitirá a los investigadores identificar lo que hacen otros in-
vestigadores a través de la ontología, y participar en la construcción de soluciones
apoyados en las herramientas colaborativas que ofrece el portal.
7 CONSTRUCCIÓN DEL PROTOTIPO
Con base en los requisitos, la arquitectura del sistema y basado en el modelo propues-
to por Anumba [25], quien plantea el trabajo de colaboración desde dos dimensiones:
ubicación y tiempo, se definió que el sistema debe tener en cuenta que se puedan
utilizar herramientas que faciliten la comunicación síncrona y asíncrona en ambientes
distribuidos.
Las herramientas que más se utilizan para fomentar la colaboración entre equipos
de trabajo son [26]: blogs, wikis, portales, chat y correo electrónico. De estas herra-
mientas, el portal es uno de los modelos que permite compartir conocimiento y traba-
jar de forma colaborativa entre investigadores de manera virtual [27].
Fig. 4 Diseño del Portal.
La figura muestra un ejemplo de la visualización de la ontología en el prototipo
que se construyó para el portal que se encuentra dividido en cinco secciones: encabe-
zado, navegación, menú, etiquetas y contenidos. Este último se encuentra en la parte
central de la página y muestra lo más relevante para este portal, es decir, el catálogo
de capacidades, que se muestra con una estrategia de navegación jerárquica que obe-
dece a la construcción de la ontología.
También se definió un proceso para la creación de nuevas capacidades, este proceso
permitirá controlar el crecimiento y actualización del catálogo de capacidades de ma-
nera dinámica.
8 CONSTRUCCIÓN DE LA TEORÍA DE DISEÑO DEL
PORTAL
En esta sección se explicará cómo se construyó un marco teórico que describe los
pasos para solucionar el problema planteado de una forma general, este marco se
conoce como teoría de diseño.
8.1 Teoría de diseño
Las fases de construcción de un sistema de información están ampliamente aceptadas
como teoría, y generalmente siguen los pasos de: levantamiento de requerimientos,
diseño, construcción, implementación y operación [28], y que además se llevan a cabo
luego de identificar un problema específico; en este proyecto en particular se siguie-
ron las tres primeras fases.
A partir de la teoría de construcción de un SI, se puede decir que dentro de las dife-
rentes fases de un proyecto se identifican nuevos requerimientos y definiciones del
diseño a medida que avanzan las fases de construcción, y estos requerimientos y deci-
siones de diseño se pueden abstraer a otro tipo de problemas más generales. Esta abs-
tracción es lo que se conoce como meta-requerimientos y meta-diseños.
Fig. 5 Teoría de Diseño para el Portal Colaborativo.
Para construir el Portal Colaborativo de Gestión de Conocimiento (PCGC) se de-
ben tener en cuenta dos aspectos importantes: el trabajo colaborativo y los SGC. Para
cada uno de estos aspectos se revisa como se hace actualmente, como se debería ha-
cer, y como se realizó para este proyecto en particular. La salida de este análisis nos
dio como resultado un conjunto de meta-requerimientos y un meta-diseño, a partir de
los cuales se pueden presentar de manera general la forma de construir un portal cola-
borativo para ser aplicado en otros contextos.
8.2 Método de diseño
Con base en los meta-requerimientos y el meta-diseño se propone el siguiente método
para construir un PCGC:
Fig. 6 Método de Diseño para un PCGC.
En la figura se muestra el método de diseño propuesto para construir un PCGC,
cuyos pasos se explican a continuación.
Definir el dominio de conocimiento: permite identificar cual es el concepto prin-
cipal sobre la cual se quiere trabajar en el proyecto, los interesados y los expertos en
el tema y las posibles fuentes de información.
Diseñar un patrón de colaboración: en esta etapa se debe construir un patrón que
le permita a los expertos en el dominio del tema realizar sesiones colaborativas de
trabajo.
Listar los requerimientos: con base en los meta-requerimientos y en el dominio
del problema se debe realizar una lista de los requerimientos del sistema. Estos reque-
rimientos generan información para construir la ontología.
Construir la ontología: la construcción de la ontología en un paso continuo a lo
largo del proceso, que puede iniciar con la definición del concepto y la lista de los
requerimientos.
Definir la arquitectura: en este paso se identifican los componentes y sus relacio-
nes dentro de la estructura que soportará el sistema.
Diseñar el sistema: con base en el meta-diseño se debe diseñar el sistema, el dise-
ño está conformado por el modelos de datos y la interfaz gráfica del portal.
8.3 Validación de la hipótesis
Teniendo en cuenta que la metodología utilizada para este proyecto, es decir, la cien-
cia del diseño, se centró en una epistemología pragmática, la validez de la hipótesis
está dada por la utilidad. La validación de la hipótesis se realizó desde dos puntos de
vista con el fin de comprobar la relevancia y el rigor del producto y del proceso. A lo
largo de la construcción de la arquitectura que se explicó en el capítulo de diseño de
la solución, se realizaron ajustes a partir de modelos existentes que se fueron validan-
do mediante revisiones con expertos en definiciones de arquitecturas de SI, con este
proceso se validó el rigor del producto.
La validación de la relevancia del proceso se realizó a lo largo de la construcción
de la ontología en reuniones con la OFI, y la del producto se realizó aplicando el mo-
delo TAM al prototipo. El proceso para evaluar el prototipo inició a través de un vi-
deo de uso del sistema1 que se les envió a los investigadores para que luego llenaran
el cuestionario propuesto2, donde se calificó de 1 (calificación más baja) a 5 (califica-
ción más alta) su funcionalidad, relevancia y uso potencial, y cuyos resultados se
resumen a continuación:
VE (Variables de entrada): 3.6
FUP (Facilidad de uso percibida): 4.1
UP (Utilidad percibida): 3.5
AHU (Actitud hacia el uso): 3.8
CIU (Comportamiento en la intención de uso): AUH+UP 3.6
Con base en las validaciones hechas, se presentan los resultados de las hipótesis:
HP1 – Para generar el ambiente colaborativo que permitiera construir la ontología,
se definió un patrón de colaboración para trabajar de manera síncrona entre diferentes
investigadores.
Además del patrón de colaboración, el sistema debe contar con las características
propuestas en el capítulo que explica el prototipo. Esta y otras características se vali-
daron con el prototipo donde se calificó su facilidad de uso percibida con un 4.1 y una
utilidad percibida de 3.5, lo que significa que estas herramientas pueden llegar a fo-
mentar el uso del sistema.
HP2 - Con la construcción del catálogo se validó que la información tácita se hace
explícita. Adicionalmente, con el resultado de la evaluación del prototipo se compro-
1 El video del prototipo se publicó en youtube en el enlace
http://www.youtube.com/watch?v=8Vtr1X92Zqs&feature=youtu.be 2 El cuestionario se publicó a través de googledocs en el enlace
https://docs.google.com/spreadsheet/viewform?formkey=dGFrT0F1M1NHOUFCSENVdkd
pMXJmeFE6MQ
bó que hay una actitud de uso potencial del sistema de 3.8 y esto permitirá la evolu-
ción del catálogo.
9 CONCLUSIONES
Se creó un patrón de colaboración soportado en una herramienta de mapas mentales
para construir la ontología, que integra semánticamente las capacidades de investi-
gación de la universidad, esto le facilita a los investigadores descubrir nuevas capaci-
dades para que se encuentren entre ellos de manera virtual, y puedan construir solu-
ciones a problemas puntuales apoyados en un portal de gestión de conocimiento, con
el uso de herramientas colaborativas, y además les permitirá hacer explícito su
conocimiento tácito. La ontología que se construyó de manera colaborativa para
definir los requisitos del sistema, también se convirtió en el catálogo de capacidades
de la universidad, este catálogo puede ser actualizado a través del portal para que las
empresas puedan encontrar soluciones a sus problemas.
La propuesta del método de diseño, permite construir un SCGC en un dominio
diferente al de una universidad, se puede llevar esta solución a contextos diferentes.
Dado que la integración del sistema hacia otros sistemas es a nivel de aplicación, se
propone como trabajo futuro la integración a nivel ontológico con otras ontologías que
le brinden valor a la información que necesitan los investigadores a través del portal.
10 REFERENCIAS
[1] He Lin, and Ding Huiping, “Analysis and evaluation of capability elements of
logistics enterprise based on customer value creation,” Journal of Fudan uni-
versity, vol. 46, pp. pp. 497–499, 2007.
[2] V. M. Giménez and J. L. Martínez, “Cost efficiency in the university: A de-
partmental evaluation model,” Economics of Education Review, vol. 25, no. 5,
pp. 543–553, Oct. 2006.
[3] LUZ LETICIA ELIZONDO MONTEMAYOR and FRANCISCO AYALA
AGUIRRE, “El equilibrio entre la enseñanza y la investigación en países lati-
noamericanos,” Revista Iberoamericana de Educación, Nov. 2007.
[4] J. N. Cummings, “Collaborative Research Across Disciplinary and Organiza-
tional Boundaries,” Social Studies of Science, vol. 35, no. 5, pp. 703–722, Oct.
2005.
[5] J. M. Duart, “Calidad y usos de las TIC en la Universidad,” RU&SC. Revista de
Universidad y Sociedad del Conocimiento, no. 2, pp. 1–2, 2009.
[6] Han Xiao-cui, “Enterprise knowledge management system design and imple-
mentation,” in Computer Engineering and Technology (ICCET), 2010 2nd In-
ternational Conference on, 2010, vol. 7, pp. V7–143–V7–146.
[7] J. Gu, B. Xu, and X. Chen, “An XML query rewriting mechanism with multiple
ontologies integration based on complex semantic mapping,” Information Fu-
sion, vol. 9, no. 4, pp. 512–522, Oct. 2008.
[8] R. Maier, Knowledge Management Systems: Information and Communication
Technologies for Knowledge Management. Springer, 2007.
[9] M. Pifarré and R. Cobos, “Working collaboratively in small groups supported
by KnowCat system: incidence on self-regulated learning processes,” in Pro-
ceedings of the 9th international conference on Computer supported collabora-
tive learning - Volume 1, 2009, pp. 636–640.
[10] A. L. Fleury, G. A. Plonski, A. Z. Dahmer, and G. Schwartz, “Roadmapping for
Educational Technology Services: Expanding educational and research capabil-
ities at Higher Education Institutions,” in Technology Management for Global
Economic Growth (PICMET), 2010 Proceedings of PICMET ’10:, 2010, pp.
1–10.
[11] Weiwei Liu and Chunsheng Shi, “Evaluation for University Scientific Research
Capability Based on FCE,” in Wireless Communications, Networking and Mo-
bile Computing, 2008. WiCOM ’08. 4th International Conference on, 2008, pp.
1–4.
[12] L. M. Collins, K. K. Mane, M. L. . Martinez, J. A. . Hussell, and R. E. Luce,
“ScienceSifter: facilitating activity awareness in collaborative research groups
through focused information feeds,” in First International Conference on e-
Science and Grid Computing, 2005, 2005, p. 8 pp.–47.
[13] Esciencia, “Esciencia,” Catálogo de Capacidades, 2012. [Online]. Available:
http://www.esciencia.es/?p=956.
[14] K. Peffers, T. Tuunanen, M. A. Rothenberger, and S. Chatterjee, “A Design
Science Research Methodology for Information Systems Research,” Journal of
Management Information Systems, vol. 24, no. 3, pp. 45–77, Dec. 2007.
[15] Walls, J, Widmeyer, G.R, and El Sawy, O.A, “Building an Information System
Design Theory for Vigilant EIS,” Information Systems Research, vol. 3, 1992.
[16] F. D. Davis, R. P. Bagozzi, and P. R. Warshaw, “User Acceptance of Computer
Technology: A Comparison of Two Theoretical Models,” Management Sci-
ence, vol. 35, no. 8, pp. 982–1003, Aug. 1989.
[17] A. R. Hevner, S. T. March, J. Park, and S. Ram, “Design Science in Infor-
mation Systems Research,” MIS Quarterly, vol. 28, no. 1, pp. 75–105, Mar.
2004.
[18] A. Gómez-Pérez, Ontological engineering : with examples from the areas of
knowledge management, e-commerce and the Semantic Web. London ;;New
York: Springer, 2004.
[19] T. Schümmer, M. Mühlpfordt, and J. M. Haake, “Computer Supported Reflec-
tion of Good Practice,” in Collaboration and Technology, vol. 6257, G.
Kolfschoten, T. Herrmann, and S. Lukosch, Eds. Berlin, Heidelberg: Springer
Berlin Heidelberg, 2010, pp. 65–80.
[20] Institute for Human and Machine Cognition, “CmapTools,” IHMC CmapTools.
[Online]. Available: http://cmap.ihmc.us/.
[21] R. J. C. Watt, “Software for text analysis gives you better insight into electronic
texts,” Concordance, 03-Dec-2011. [Online]. Available:
http://www.concordancesoftware.co.uk/. [Accessed: 02-Feb-2012].
[22] Pontificia Universidad Javeriana, “Congreso XI de Investigación,” Un espacio
para interactuar, cooperar e identificar oportunidades. [Online]. Available:
http://www.javeriana.edu.co/xicongreso/index.php?option=com_content&view
=category&id=37&Itemid=87.
[23] S. Barnes, Knowledge management systems : theory and practice. Aus-
talia ;;London: Thomson Learning, 2002.
[24] Y. Shen, X. Yang, B. Xu, X. Liang, S. Lin, and A. J. Kavs, “Experience Model
Driven Architecture methodology in developing the prototype of a community
support system,” in Software Engineering and Data Mining (SEDM), 2010 2nd
International Conference on, 2010, pp. 75–80.
[25] C. J. Anumba, O. O. Ugwu, L. Newnham, and A. Thorpe, “A multi-agent sys-
tem for distributed collaborative design,” Logistics Information Management,
vol. 14, no. 5/6, pp. 355–367, 2001.
[26] M. Vidal Ledo and C. M. Concepción Báez, “Herramientas para el trabajo co-
laborativo o sistema de gestión de contenidos,” Educación Médica Superior,
vol. 22, no. 3, pp. 0–0, Sep. 2008.
[27] T. Gavrilova and H. Jin, “Ontology-Based Knowledge Portal Development for
University Knowledge Management,” in 2008 Fourth International Conference
on Networked Computing and Advanced Information Management, Gyeongju,
South Korea, 2008, pp. 552–559.
[28] M. Mantei and T. Teorey, “Incorporating Behavioral Techniques into the Sys-
tems Development Life Cycle,” Management Information Systems Quarterly,
vol. 13, no. 3, Dec. 1989.