GESTIÓN DEL CONOCIMIENTO Y CAPITAL INTELECTUAL SEGÚN VARIABLES SOCIODEMOGRÁFICAS EN DOCENTES UNIVERSITARIOS

RESUMEN

Objetivo:

El objetivo fue determinar las diferencias en cuanto a gestión del conocimiento y capital intelectual según edad, sexo y tiempo de servicio en docentes de la Universidad Peruana Unión 2022.

Método:

La metodología de investigación tuvo enfoque cuantitativo, tipo explicativo correlacional, diseño no experimental y corte transversal. La muestra estuvo conformada por 192 docentes de la facultad de ciencias empresariales, a los cuales se les aplicó una encuesta.

Resultados:

Los resultados muestran diferencias significativas de la gestión del conocimiento y el capital intelectual según edad, sexo y tiempo.

Conclusiones:

No existen diferencias significativas que impliquen un cambio en la gestión del conocimiento respecto a los datos sociodemográficos (sexo, edad y años de trabajo).

Respecto al capital intelectual no se encontraron diferencias estadísticamente significativas en relación a los factores sociodemográficos (sexo, edad).

Existen diferencias significativas con el factor sociodemográfico años en la organización.

PALABRAS CLAVE:
Gestión del conocimiento; capital intelectual; variables sociodemográficas; docentes universitarios

ABSTRACT

Objective:

The objective was to determine the differences in knowledge management and intellectual capital according to age, sex, and length of service in the Universidad Peruana Unión 2022 teachers.

Method:

The research methodology had a quantitative approach, correlational explanatory type, non-experimental design, and cross-sectional design. The sample consisted of 192 teachers from the faculty of business sciences, to whom a survey was applied.

Results:

The results show significant differences in knowledge management and intellectual capital according to age, sex, and time.

Conclusions:

No significant differences imply a change in knowledge management concerning sociodemographic data (sex, age, and years of work). No statistically significant differences in intellectual capital were found in the sociodemographic factors (sex, age). There are substantial differences concerning the sociodemographic factor years in the organization.

KEYWORDS:
Knowledge management; intellectual capital; sociodemographic variables; university teachers

RESUMO

Objetivo:

O objetivo foi determinar as diferenças na gestão do conhecimento e no capital intelectual de acordo com a idade, o gênero e o tempo de serviço dos professores da Universidade Peruana Unión 2022.

Método:

a metodologia de pesquisa foi quantitativa, correlacional explicativa, não experimental e de corte transversal. A amostra foi composta por 192 professores da Faculdade de Ciências Empresariais, aos quais foi aplicada uma pesquisa.

Resultados:

os resultados mostram diferenças significativas na gestão do conhecimento e no capital intelectual de acordo com a idade, o gênero e o tempo.

Conclusões:

não há diferenças significativas que impliquem uma mudança na gestão do conhecimento com relação aos dados sociodemográficos (gênero, idade e anos de trabalho).

Com relação ao capital intelectual, não foram encontradas diferenças estatisticamente significativas em relação aos fatores sociodemográficos (sexo, idade).

Há diferenças significativas com relação ao fator sociodemográfico anos na organização.

PALAVRAS-CHAVE:
Gestão do conhecimento; capital intelectual; variáveis sociodemográficas; professores universitários

1 INTRODUCTION

La gestión del conocimiento (GC) se considera un método para impulsar la competitividad de una empresa; incluye tanto elementos productivos como competitivos, que se conocen colectivamente como capital intelectual (CI), o la gestión del CI de forma eficaz (GONZÁLEZ et al., 2019). A la hora de evaluar el éxito de una empresa, no basta con mirar los números, hay que tener en cuenta el valor del capital intelectual de la empresa, ya que es lo que la diferencia de sus competidores, sin embargo, este valor sólo puede mantenerse si el capital intelectual se gestiona de forma que fomente el crecimiento y el desarrollo constante a través de un sistema que recompense la creatividad y la innovación. Además, para tener éxito al igual que una empresa, una universidad debe multiplicar su CI, ya que su razón de ser es desarrollar información y formar expertos (IBARRA et al., 2020).

En ese orden de ideas, el CI es la base de la gestión del conocimiento, incluye activos intangibles como el capital humano, el talento humano de la organización, las habilidades que han perfeccionado, el capital estructural, la infraestructura física de la organización, las políticas, procedimientos, rutinas y tecnologías que la sustentan, así como los recursos informáticos de software y hardware (BUENO et al, 2011).

Al respecto, Rodríguez et al. (2001) refieren que la GC está ganando una importante atención por parte de los teóricos, así como por parte de los directivos de empresas y organizaciones en general, quienes ven el conocimiento como el factor distintivo de la empresa para lograr ventajas competitivas; y de los gobiernos, que ven el conocimiento como un factor de vital importancia en el crecimiento económico y el bienestar de un país. A la lista también debe agregarse la condición de la universidad como organización privada o como institución pública de educación superior. Similar postura la sostiene Escala (2020) quien afirma que la aplicación de la GC tiene un impacto revelador en la capacidad de innovación, tanto en el mundo académico como en el empresarial, porque la conversión del conocimiento en un producto real y tangible depende de otros componentes de la GC, como la capacidad de creación de conocimiento, almacenamiento, transferencia, aplicación y uso.

En consecuencia, la gestión del conocimiento en docentes universitarios es crucial para optimizar el capital intelectual de una institución educativa, porque permite identificar, compartir y utilizar eficazmente el conocimiento y la experiencia acumulada por los docentes, fomentando la colaboración, la innovación y la mejora continua en la enseñanza y la investigación; además, facilita la retención del talento y el desarrollo profesional de los docentes, promoviendo una cultura organizacional que valora y potencia el saber colectivo (BENITO, 2022; BONILLA et al., 2023; CABALLERO et al., 2023; CANO Y CASTILLO, 2022). Esto se traduce en un mejor desempeño académico, la adaptación a los cambios y desafíos contemporáneos, y la capacidad de generar impacto positivo en la formación de futuros profesionales y en la sociedad en general (CANO et al., 2023; CARMO y LEMOS, 2022; CASTRO et al., 2023; CATRAMBONE y LEDWITH, 2023; COPA, 2021).

Es interesante notar que la teoría vigente sobre los modelos de gestión del CI demuestra que estos modelos están enfocados a brindar competitividad a las empresas del sector productivo, con un enfoque principalmente financiero y un objetivo esencial de guiar a las empresas a convertirse en organizaciones de aprendizaje. Su uso en instituciones de educación postsecundaria, particularmente en proyectos de investigación, se extiende hasta el punto de informar los hallazgos a diversas partes interesadas; sin embargo, no llega a evaluar cómo su aplicación afecta los ámbitos social y económico de la institucionalidad (ORTIZ, 2017).

Al respecto, Mendoza (2019) refiere que, es importante que las universidades asuman la responsabilidad de liderar la gestión del conocimiento y producir soluciones a los diversos problemas que enfrenta la sociedad humana en todos los niveles: personal, profesional, comercial y organizacional. Concordando con (FERRO, 2021; GUTIERREZ, 2023; LEPEZ, 2021; LEPEZ & EIGUCHI, 2022a,b) en el sentido de que, aunque muchas instituciones han medido su capital intelectual, pocas han examinado los criterios utilizados para contratar los docentes y al personal encargado de alcanzar los objetivos académicos declarados de la institución.

Por su parte, Ibarra et al. (2020) reitera los marcos teóricos que identifican la gestión del conocimiento y el capital intelectual como componentes clave para mejorar las instituciones de educación superior. Para garantizar que los actores y procesos que gestionan el conocimiento y, con él, el capital intelectual se desarrolle, emplee y consolide, las instituciones deben, no obstante, crear políticas transversales y de largo plazo que se extiendan más allá de los períodos de gobierno. Esto sugiere un cambio en el paradigma de las instituciones que ahora priorizan la acreditación y los indicadores como medios para obtener recursos, a favor de uno que se centra en la producción de investigación de frontera, la enseñanza proactiva del conocimiento y la satisfacción del cliente (estudiantes, sector productivo y comunidad). en general). Por lo tanto, estas dos variables examinadas son esenciales para la planificación estratégica de cualquier institución.

Entonces, es importante señalar que los docentes, como gestores del conocimiento, desempeñan un papel importante en la falta de interés de los estudiantes por los proyectos de investigación al ofrecerles clases poco estimulantes (LIMA, 2021; LÓPEZ et al., 2023; MARTÍNEZ et al., 2023; MONTANO, 2023; OLIVERA et al., 2023). Consecuentemente, están atrapados enseñando en aulas donde no hay oportunidad para que los estudiantes interactúen entre sí; en cambio, los estudiantes se sientan a través de largas conferencias diseñadas solo para satisfacer los requisitos del curso (GÓMEZ et al., 2019; ALEMÁN et al., 2018).

En teoría, según White (2014) las instituciones educativas pertenecientes a la congregación adventista, están encargadas de una misión que va mucho más allá de la enseñanza tradicional del aula; los estudiantes, según esta escuela de pensamiento, se forman holísticamente mediante la integración de principios axiológicos y trabajan en sinergia con la materia impartida en cada disciplina. Como consecuencia, las instituciones educativas adventistas son reconocidas por gestionar el conocimiento, promoviendo los talentos y habilidades individuales de cada estudiante.

Para efectos del presente estudio, y dado que la gestión del conocimiento en las instituciones de educación superior es de sustantiva importancia, el presente estudio pretende evidenciar las características de la GC y el CI, tomando en cuenta las siguientes variables sociodemográficas: Edad, sexo (género) y antigüedad en el servicio, en los docentes de la Universidad Peruana Unión (UPeU). Como consecuencia se planteó el siguiente objetivo general: Determinar las diferencias en cuanto a gestión del conocimiento y capital intelectual según edad, sexo y tiempo de servicio; el mismo que se decanta en la siguiente hipótesis: Existen diferencias en cuanto la GC y el CI según edad, sexo y tiempo de servicio en los docentes de la Universidad Peruana Unión, 2022.

1.1 Gestión del conocimiento (GC)

La gestión del conocimiento en instituciones educativas universitarias busca optimizar la utilización de los recursos intelectuales disponibles, facilitando la adquisición de nuevos conocimientos, su aplicación práctica y su diseminación tanto dentro como fuera de la universidad; esto contribuye a la excelencia académica, la mejora continua y el cumplimiento de la misión educativa de la institución… se define como un conjunto de actividades que tienen lugar dentro de las instituciones para facilitar la transferencia de conocimientos de un lugar o individuo a otro, así como el cultivo de habilidades relevantes y su posterior aplicación en la consecución de los objetivos organizacionales (VILLASANA et al., 2021).

Para Alcívar et al. (2020) es una técnica utilizada en las organizaciones para incrementar la productividad asegurándose de que todos los colaboradores estén al tanto de lo que el resto de la empresa ya sabe. Como resultado, la GC es significativa, ya que beneficia a la organización, puesto que no basta con la información financiera para medir el éxito de una empresa, sino que se debe tener en cuenta el CI, para crear valor frente a la competencia (ROMERO, 2019).

1.1.1 Dimensiones de la gestión del conocimiento

● Creación (aprendizaje organizativo)

Algunas posturas teóricas ven el aprendizaje organizacional como un resultado y no como un proceso, pero se asume que el aprendizaje es permanente y discrimina el conocimiento obsoleto, por lo que se define al aprendizaje organizativo como el proceso de aprehensión y desarrollo continuo de conocimiento, lo que describe el proceso de creación de conocimiento (ACEVEDO et al., 2020).

● Transferencia y almacenamiento (conocimiento organizativo).

La transferencia del conocimiento organizativo se refiere al proceso de compartir, difundir y comunicar el conocimiento acumulado dentro de la institución académica. Implica la transmisión de información, experiencias, buenas prácticas, investigaciones y saberes entre los miembros de la comunidad académica, como profesores, investigadores, personal administrativo y estudiantes. Esta transferencia puede ocurrir a través de diversas vías, como reuniones académicas, seminarios, publicaciones, colaboración en proyectos de investigación y actividades de formación. El objetivo principal de la transferencia de conocimiento es asegurar que el saber y la experiencia existentes en la universidad estén disponibles y sean accesibles para todos los miembros, fomentando así la innovación, la colaboración y la mejora continua en el ámbito académico (ACEVEDO et al., 2020).

El almacenamiento del conocimiento organizativo se refiere a la creación de sistemas y estructuras para capturar, organizar y conservar el conocimiento acumulado en la universidad a lo largo del tiempo. Esto implica la utilización de tecnologías de información, bases de datos, repositorios digitales y otras herramientas de gestión de conocimiento que permiten guardar y preservar el contenido académico, investigativo y administrativo generado en la institución. El objetivo del almacenamiento del conocimiento es mantener la memoria institucional, facilitar la búsqueda y recuperación de información relevante, y asegurar que el conocimiento no se pierda cuando los miembros de la comunidad académica cambian o se retiran. Esto contribuye a la continuidad y la calidad de la labor educativa e investigativa en la universidad (ACEVEDO et al., 2020).

● Aplicación y uso (organización de aprendizaje)

La aplicación y uso del conocimiento está vinculada a entornos sociales, comunitarios, económicos e intelectuales contextualmente apropiados. El conocimiento es un flujo continuo de actividad eficiente que produce resultados cada vez mayores (González y Rodríguez, 2017). Aunado a ello, para alcanzar este objetivo, es importante pensar en capacitar a los individuos para tomar decisiones sobre la percepción colectiva y fomentar el crecimiento de las redes para atraer y difundir nueva información (Chiavenato, 2008). Por lo tanto, se necesitan procedimientos e indicadores del valor de la información producida, de lo bien que resuelve problemas, de su aceptación en la comunidad de la organización, de lo que cuesta explotarla y de lo que podría valer para su uso (ROQUE et al., 2020).

1.2 Capital intelectual

Para Wong y Córdova (2020) el capital intelectual de una organización está conformado por el conocimiento tanto explícito como tácito que posee la institución y sus colaboradores. Por tanto, el capital intelectual es una fuente de ventajas competitivas, ya que determina las capacidades de la organización, sus experiencias que son muy valiosas para la toma de decisiones, la adaptación, la mejora y la creación de nuevas tecnologías (FERNÁNDEZ et al., 2022; JIMÉNEZ et al., 2019).

En el mundo académico, el capital intelectual se refiere a los activos intangibles que coadyuvan a convertir los recursos materiales y financieros en un servicio de gran valor para sus clientes. Entre los recursos intangibles con los que cuenta una empresa están sus procesos, su capacidad de innovación, las patentes o derechos de propiedad intelectual que haya obtenido, el conocimiento tácito de sus miembros, sus capacidades y habilidades, su reputación en la comunidad y sus redes de colaboradores, aliados y contactos (IBARRA et al., 2020; ARANIBAR y TRAVIESO, 2023). Además, según Londoño et al. (2018) los activos más valiosos de las universidades son sus profesores e investigadores en activo de gran valor porque desarrollan funciones que generan activos intangibles, sentando las bases para la aplicación exitosa del capital intelectual y garantizando así la ventaja competitiva continuada de la institución.

1.2.1 Dimensiones del capital intelectual

● Capital humano

Es el conjunto de información que poseen el profesorado, el personal y los estudiantes de un centro educativo determinado (Ibarra et al., 2020). Este conocimiento se obtiene de diversas maneras, como la educación formal e informal, la actualización de procedimientos y el aprendizaje emergente de la experiencia en sus funciones. El capital humano son los recursos de que dispone una empresa ante una oportunidad (BARRERA, 2023; GONZÁLEZ, 2021; VELOZ et al., 2023; VELOZ y KEELING, 2023). Esto se relaciona con la creencia arraigada de que, independientemente de cómo esté estructurado, el capital humano es el aspecto más importante en la capacidad de cualquier economía para producir bienes o servicios (RINCÓN et al., 2021).

● Capital estructural

El capital estructural (CE) integra el conocimiento incorporado, internalizado y procesado sistemáticamente de cada institución a través de un proceso histórico que opera mediante una sucesión de rutinas organizacionales (LAVÍN, 2020). Por consiguiente, la cultura, la estrategia, la organización, la propiedad intelectual, la tecnología, el soporte, la captura del conocimiento y la innovación son factores que deben ser considerados (IBARRA et al., 2020).

● Capital relacional

Lo que constituye el posicionamiento de una institución es el conjunto de relaciones económicas, políticas e institucionales que cultiva y mantiene con sus aliados académicos y no académicos (IBARRA et al., 2020). En general, se acepta que el capital relacional de una empresa incluye la solidez de sus relaciones con sus proveedores y clientes. Dichas relaciones pueden durar años con cada una de las partes implicadas y se caracterizan por una comunicación abierta y una confianza mutua (GONZÁLEZ y RODRÍGUEZ, 2010).

● Capital tecnológico

Las inversiones realizadas para mejorar la infraestructura tecnológica y los procedimientos de innovación de una empresa son ejemplos de capital tecnológico. En la actualidad, la innovación es el principal motor de transformación de las empresas (IBARRA y HERNÁNDEZ, 2019). Cuando se utiliza en el mundo empresarial, el término "tecnología empresarial" se refiere a todas y cada una de las tecnologías que mejoran la capacidad de una empresa para competir y funcionar de forma más eficiente.

2 METODOLOGÍA

El presente estudio es de tipo básico o puro, de enfoque cuantitativo, de diseño no experimental, de corte transversal y de nivel descriptivo y correlacional. Al respecto Molero (2016) sostiene que a la investigación básica se la conoce como investigación dogmática, teórica o pura; es única porque comienza y permanece dentro de un marco teórico. El objetivo es aumentar el conocimiento científico, pero no se comparará con ninguna aplicación del mundo real. Por su parte, Hernández y Mendoza (2018) refieren que los estudios cuantitativos son aquellos en los que se proporciona un valor numérico en respuesta a una consulta.

Así mismo, Toro y Parra (2006) refieren que los estudios de diseño no experimental son aquellos que se realizan sin alterar intencionalmente las variables; se basan principalmente en la observación de los fenómenos tal como emergen en su contexto natural y luego los analizan. Díaz y Calzadilla (2018) manifiestan que: analizar la naturaleza y manifestación de un fenómeno y sus partes constitutivas es el propósito de los estudios descriptivos, además, el objetivo de la investigación correlacional es determinar si diferentes ideas, variables o características están conectadas entre sí.

La población estuvo conformada por 613 docentes de pregrado de la Universidad Peruana Unión, cuya información demográfica se muestra en la Tabla 1; dicha información fue extraída de los archivos del área de talento humano. Al respecto, Hernández y Mendoza (2018) sostienen que la población representa a todo el universo o grupo de estudio con características compartidas.

Tabla 1
Distribución de la población

Facultad	Totales	Maestría	Doctorado
Ciencias empresariales	192	174	18
Educación	62	42	20
Teología	42	31	11
Salud	135	120	15
Ingeniería y arquitectura	182	125	57

• Fuente: Elaboración propia (2022).

La muestra estuvo conformada por 192 docentes de la Facultad de Ciencias Empresariales, el muestreo fue no probabilístico y no aleatorio, debido a la facilidad de acceso, a la disponibilidad de los docentes de formar parte de la muestra. Para Castro et al. (2019) la muestra es un subconjunto o porción del universo o población en el que se realizará la investigación. Existen métodos para determinar la cantidad de la muestra, incluidas fórmulas, lógica y otros métodos. La muestra es una porción representativa de la población. Para Gómez (2006) la muestra se define como una muestra representativa seleccionada al azar de una población.

La técnica aplicada fue la encuesta y el instrumento dos cuestionarios, dicho instrumento fue extraído y adaptado de Cuadrado (2020) el mismo que para la variable gestión del conocimiento, contó con tres dimensiones: creación del conocimiento, transferencia y almacenamiento, y aplicación y uso; y estuvo conformado por 41 ítems se sustenta sobre una escala diferencial semántica de cinco niveles de 1 al 5. Para la variable capital intelectual, el cuestionario tuvo 41 ítems divididos en cuatro dimensiones: capital humano, capital estructural, capital relacional y capital tecnológico, extraído y adaptado de Mercado et al. (2016). Todas las mediciones se hicieron a través de una escala Likert de cinco niveles: 1=Muy malo, 2=Malo, 3=Indiferente, 4=Bueno, 3=Muy bueno. La fiabilidad de los cuestionarios se hizo a través del alfa de Cronbach, una medida de la consistencia interna, que evidenció un índice de 0,852, el mismo que indica que el instrumento es altamente confiable.

Para el proceso de análisis de la información se utilizó el paquete estadístico SPSS v.26.0. Para la presentación de la información se utilizó herramientas de Office, para así tener una visión más clara del estudio a través de sus funciones gráficas y tabuladas, facilitando la interpretación de la estadística descriptiva, y el análisis inferencial mediante las pruebas de Wilcoxon, u de Mann-Whitney y Kruskal Wallis.

3 RESULTADOS

A continuación, se presentan los resultados del estudio, basados en un modelo de análisis descriptivo y correlacional, los cuales responden a los objetivos planteados en la presente investigación. En ese sentido, se muestran los datos del desarrollo analítico exploratorio y descriptivo, los valores sobre niveles o comportamientos de la variable y los datos inferenciales de la aplicación de normalidad y correlación.

3.1 Análisis descriptivos

En la Tabla 2, se muestra la información sociodemográfica de los 192 participantes, evidenciándose que el 54% son masculinos. Además, la edad predominante en un 33% fue de 30 a 39 años. Asimismo, en cuanto al tiempo de trabajo en la institución, el 34% señaló que tiene de 5 a 10 años laborando en la organización.

Tabla 2
Información sociodemográfica

(n=192)		Frecuencia	%
Sexo	Masculino	103	54%
	Femenino	89	46%
Edad	Menos de 30 años	49	25%
	De 30 a 39 años	63	33%
	De 40 a 49 años	34	18%
	De 50 años a más	46	24%
Años de trabajo en la organización	Menos de 5 años	62	32%
	De 5 a 10 años	66	34%
	De 11 a 15 años	49	26%
	De 16 a 20 años	9	5%
	De 20 años a más	6	3%

• Fuente: Elaboración propia (2022).

Los indicadores de la variable gestión de conocimiento (GC) se describen en la tabla 3. En cuanto a la media, todas las respuestas son 3, la asimetría es negativa en todos los casos, lo que indica que las respuestas tienden a agruparse en la columna de la derecha. Este es el caso si el proceso está integrado en la institución académica, donde puede ser supervisado, y donde ha sido depurado según los estándares de las mejores prácticas. En la misma línea, la curtosis (C) no presenta valores superiores a ±1.5, lo que indica que las respuestas están distribuidas uniformemente. Por último, el Alfa de Cronbach es superior a 0.9, lo que demuestra que tanto las dimensiones individuales como el instrumento global son confiables y con consistencia interna.

Tabla 3
Resultados estadísticos de la gestión del conocimiento

Item	Los procesos son desorganizados	Los procesos siguen un patrón regular	Los procesos están estandarizados	El proceso está integrado en la universidad y monitoreado	El proceso se ha depurado hasta un nivel de mejor práctica	M	DE	As	C	α
C1	6.0%	20.9%	20.9%	44.8%	7.5%	3.27	1.07	0.49	-0.64	0.948
C2	7.5%	17.9%	5.4%	35.8%	3.4%	3.30	1.14	0.37	-0.65
C3	1.5%	28.4%	7.9%	40.3%	1.9%	3.33	1.06	0.16	-1.12
C4	0.0%	14.9%	34.3%	35.8%	14.9%	3.51	0.93	0.02	-0.80
C5	0.0%	22.4%	29.9%	40.3%	7.5%	3.33	0.91	0.09	-0.94
C6	13.4%	17.9%	26.9%	34.3%	7.5%	3.04	1.17	0.32	-0.83
C7	7.5%	11.9%	40.3%	35.8%	4.5%	3.18	0.97	0.58	0.11
C8	6.0%	26.9%	13.4%	40.3%	13.4%	3.28	1.18	0.29	-1.05
C9	11.9%	28.4%	17.9%	32.8%	9.0%	2.99	2.21	0.08	-1.11
C10	1.5%	25.4%	2.4%	37.3%	13.4%	3.36	1.05	0.13	-1.01
C11	9.0%	28.4%	13.4%	31.3%	17.9%	3.21	1.29	-0.14	-1.23
C12	4.5%	19.4%	17.9%	43.3%	14.%	3.45	1.10	0.49	-0.62
C13	4.5%	23.9%	25.4%	31.3%	9%	3.28	1.13	0.13	-0.89
C14	0.0%	29.9%	9.4%	35.8%	14.9%	3.36	1.07	0.00	-1.30
TA1	4.5%	26.9%	23.9%	34.3%	10.4%	3.19	1.09	0.11	-0.91	0.974
TA2	3.0%	31.3%	20.9%	38.8%	6.0%	3.13	1.03	-0.10	-1.07
TA3	7.5%	19.4%	20.9%	32.8%	19.4%	3.37	1.22	-0.35	-0.87
TA4	10.4%	19.4%	16.4%	40.3%	13.4%	3.27	1.23	-0.43	-0.88
TA5	4.5%	20.9%	14.9%	43.3%	16.4%	3.46	1.13	-0.49	-0.73
TA6	9.0%	16.4%	17.9%	46.3%	10.4%	3.33	1.15	-0.62	-0.53
TA7	4.5%	16.4%	25.4%	32.8%	20.9%	3.49	1.13	-0.37	-0.67
TA8	4.5%	16.4%	23.9%	34.3%	20.9%	3.51	1.13	-0.41	-0.65
TA9	6.0%	11.9%	29.9%	29.9%	22.4%	3.51	1.15	-0.42	-0.49
TA10	6.0%	19.4%	20.9%	35.8%	17.9%	3.40	1.17	-0.38	-0.78
TA11	4.5%	20.9%	16.4%	35.8%	22.4%	3.51	1.19	-0.41	-0.89
AU1	0.0%	22.4%	9.4%	44%	3.4%	3.49	0.99	-0.27	-1.01	0.980
AU2	0.0%	20.9%	20.9%	40.3%	17.9%	3.55	1.02	-0.23	-1.04
AU3	7.5%	19.4%	16.4%	35.8%	20.9%	3.43	1.23	-0.44	-0.87
AU4	0.0%	20.9%	23.9%	31.3%	23.9%	3.58	1.08	-0.14	-1.22
AU5	1.5%	19.4%	25.4%	34.3%	19.4%	3.51	1.06	-0.21	-0.89
AU6	6.0%	17.9%	19.4%	38.8%	17.9%	3.45	1.16	-0.47	-0.66
AU7	0.0%	16.4%	23.9%	46.3%	13.4%	3.57	0.92	-0.32	-0.71
AU8	11.9%	10.4%	13.4%	53.7%	10.4%	3.40	1.18	-0.90	-0.21
AU9	7.5%	25.4%	11.9%	44.8%	10.4%	3.25	1.17	-0.40	-0.98
AU10	1.5%	28.4%	10.4%	47.8%	11.9%	3.40	1.07	-0.35	-1.10
AU11	7.5%	16.4%	22.4%	43.3%	10.4%	3.33	1.11	-0.55	-0.46
AU12	6.0%	31.3%	20.9%	35.8%	6.0%	3.04	1.08	-0.09	-1.02
AU13	7.5%	25.4%	10.4%	34.3%	22.4%	3.39	1.29	-0.33	-1.16
AU14	7.5%	19.4%	10.4%	38.8%	3.9%	3.52	1.26	-0.57	-0.83
AU15	6.0%	22.4%	9.0%	32.8%	29.9%	3.58	1.29	-0.51	-1.04
AU16	7.5%	19.4%	16.4%	31.3%	25.4%	3.48	1.27	-0.43	-0.96

• α=0.987 M: Media, DE: Desviación estándr, As: Asimetría, C: Curtosis.
• Fuente: Elaboración propia (2022).

La tabla 4 muestra el resumen sobre los indicadores del capital intelectual (CI) utilizados en el estudio. En cuanto a la media, todas las respuestas son cercanas a 4, la asimetría es negativa en todos los casos, lo que indica que las respuestas tienden a agruparse en la columna de la derecha. Este es el caso si el proceso está integrado en la institución académica, donde se puede supervisar y donde se ha depurado según las normas de las mejores prácticas. Por otra parte, la curtosis no presenta valores superiores a ±1,5, lo que indica que las respuestas están distribuidas uniformemente. Por último, el Alfa de Cronbach es superior a 0.9, lo que demuestra que tanto las dimensiones individuales como el instrumento global son confiables e internamente coherentes.

Tabla 4
Resultados estadísticos del capital intelectual

Ítem	Muy malo	Malo	Indiferente	Bueno	Muy bueno	M	E	s	C	α
CH1	0.0%	1.5%	1.5%	80.6%	16.4%	4.12	0.48	-0.50	5.92	0.951
CH2	0.0%	1.5%	16.4%	55.2%	26.9%	4.07	0.70	-0.37	0.01
CH3	0.0%	1.5%	13.4%	67.2%	17.9%	4.01	0.62	-0.41	1.18
CH4	0.0%	1.5%	10.4%	65.7%	22.4%	4.09	0.62	-0.45	1.23
CH5	0.0%	1.5%	22.4%	59.7%	16.4%	3.91	0.67	-0.21	0.12
CH6	0.0%	1.5%	19.4%	68.7%	10.4%	3.88	0.59	-0.43	1.12
CH7	0.0%	1.5%	13.4%	64.2%	20.9%	4.04	0.64	-0.40	0.85
CE1	0.0%	1.5%	10.4%	65.7%	22.4%	4.09	0.62	-0.45	1.23	0.974
CE2	0.0%	6.0%	7.5%	62.7%	23.9%	4.04	0.75	-0.97	1.40
CE3	0.0%	1.5%	13.4%	53.7%	31.3%	4.15	0.70	-0.49	0.15
CE4	0.0%	3.0%	9.0%	62.7%	25.4%	4.10	0.68	-0.73	1.52
CE5	0.0%	6.0%	16.4%	58.2%	19.4%	3.91	0.77	-0.65	0.53
CE6	0.0%	7.5%	13.4%	61.2%	17.9%	3.90	0.78	-0.80	0.79
CE7	0.0%	4.5%	11.9%	65.7%	17.9%	3.97	0.70	-0.80	1.52
CE8	0.0%	6.0%	9.0%	67.2%	17.9%	3.97	0.72	-0.97	1.82
CE9	0.0%	7.5%	9.0%	64.2%	19.4%	3.96	0.77	-0.96	1.34
CE10	0.0%	3.0%	6.0%	67.2%	23.9%	4.12	0.64	-0.82	1.42
CE11	0.0%	9.0%	7.5%	64.2%	19.4%	3.94	0.80	-1.01	1.22
CE12	0.0%	7.5%	13.4%	62.7%	16.4%	3.88	0.77	-0.82	0.90
CE13	1.5%	.5%	14.9%	55.2%	23.9%	3.96	0.84	-1.01	1.71
CE14	1.5%	4.5%	14.9%	59.7%	19.4%	3.91	0.81	-1.06	1.10
CE15	0.0%	1.5%	10.4%	64.2%	23.9%	4.10	0.63	-0.45	1.08
CE16	0.0%	3.0%	17.9%	64.2%	14.9%	3.91	0.67	-0.53	0.94
CR1	1.5%	6.0%	22.4%	53.7%	16.4%	3.78	0.85	-0.77	0.98	0.966
CR2	0.0%	1.5%	16.4%	67.2%	14.9%	3.96	0.61	-0.38	1.03
CR3	0.0%	1.5%	25.4%	52.2%	20.9%	3.93	0.72	-0.13	-0.44
CR4	0.0%	6.0%	22.4%	52.2%	19.4%	3.85	0.80	-0.45	-0.04
CR5	0.0%	4.5%	11.9%	61.2%	22.4%	4.01	0.73	-0.75	1.11
CR6	0.0%	1.5%	16.4%	62.7%	19.4%	4.00	0.65	-0.34	0.55
CR7	0.0%	6.0%	25.4%	50.7%	17.9%	3.81	0.80	-0.36	-0.17
CR8	0.0%	3.0%	11.9%	65.7%	19.4%	4.01	0.66	-0.66	1.48
CR9	0.0%	1.5%	11.9%	64.2%	22.4%	4.07	0.64	-0.43	0.96
CR10	0.0%	1.5%	13.4%	59.7%	25.4%	4.09	0.67	-0.42	0.48
CR11	0.0%	6.0%	10.4%	58.2%	25.4%	4.03	0.78	-0.85	0.97
CR12	0.0%	6.0%	19.4%	47.8%	26.9%	3.96	0.84	-0.54	-0.16
CR13	0.0%	3.0%	11.9%	68.7%	16.4%	3.99	0.64	-0.70	1.85
CT1	0.0%	6.0%	20.9%	44.8%	28.4%	3.96	0.86	-0.50	-0.33	0.942
CT2	0.0%	6.0%	17.9%	55.2%	20.9%	3.91	0.79	-0.59	0.28
CT3	0.0%	6.0%	19.4%	50.7%	23.9%	3.93	0.82	-0.53	-0.03
CT4	0.0%	0.0%	14.9%	58.2%	26.9%	4.12	0.64	-0.11	-0.52
CT5	4.5%	1.5%	13.4%	67.2%	13.4%	3.84	0.85	1.69	1.20

• α=0.986M: Media, DE: Desviación estándar, As: Asimetría, C: Curtosis
• Fuente: Elaboración propia (2022).

En la Tabla 5, se muestran los resultados de la variable GC y sus dimensiones. El promedio de la gestión del conocimiento fue 138.04 con una desviación de 37.513. Con relación a la dimensión creación de conocimientos, tuvo una media de 45.88 con una desviación estándar de 11.858. Para la transferencia y el almacenamiento se tuvo una media de 37.18 con una desviación estándar de 11.232. Por último, la aplicación y el uso tuvo una media de 54.99 con una desviación estándar de 16.058. Además, no es probable que existan valores atípicos en los resultados, ya que tanto la asimetría como la curtosis tienen resultados entre -1,5 y 1,5.

Tabla 5
Resumen descriptivo de la variable gestión del conocimiento y sus dimensiones

	Media	DE	Asimetría	Curtosis
Gestión del conocimiento	138.04	37.513	-0.513	-0.838
Creación del conocimiento	45.88	11.858	-0.471	-0.607
Transferencia y almacenamiento	37.18	11.232	-0.432	-0.711
Aplicación y uso	54.99	16.058	-0.434	-1.148

• Fuente: Elaboración propia (2022).

En la Tabla 6, se muestra el resumen descriptivo de la variable CI y sus dimensiones. Donde el promedio del CI fue 163.27 con una desviación de 23.586. Con respecto a la dimensión capital humano, tuvo una media de 28.13 y una desviación estándar de 3.813. Para la capital estructural se tuvo una media de 63.91 con una desviación estándar de 9.913. En cuanto a la dimensión capital relacional, obtuvo un promedio de 51.48 con una desviación estándar de 7.953. Por último, la dimensión capital tecnológico tuvo una media de 19.75 con una desviación estándar de 3.586. Además, no es probable que existan valores atípicos en los resultados, ya que tanto la asimetría como la curtosis tienen resultados entre -1,5 y 1,5.

Tabla 6
Resumen descriptivo de la variable capital intelectual y sus dimensiones.

	Media	DE	Asimetría	Curtosis
Capital intelectual	163.27	23.586	-0.589	0.525
Capital humano	28.13	3.813	-0.522	2.153
Capital estructural	63.91	9.913	-0.770	0.771
Capital relacional	51.48	7.953	-0.587	0.712
Capital tecnológico	19.75	3.586	-0.632	0.079

• Fuente: Elaboración propia (2022).

3.1.1 Prueba de normalidad

En la Tabla 7, se muestran los resultados de la prueba de normalidad de Kolmogorov-Smirnov. El resultado del p valor tanto para las variables y sus respectivas dimensiones son menores a 0.05 (p<0.05), lo que indica que la distribución de los datos no es normal, por lo tanto, se utilizó pruebas no paramétricas para poder realizar las diferencias significativas, como la prueba de Wilcoxon, u de Mann-Whitney y también Kruskal Wallis.

Tabla 7
Prueba de normalidad

Variables/Dimensiones	Kolmogorov-Smirnov
	Estadístico	gl	p valor
Gestión del conocimiento	0.136	192	0.004
Creación del conocimiento	0.115	192	0.029
Transferencia y almacenamiento	0.146	192	0.001
Aplicación y uso	0.205	192	0.000
Capital intelectual	0.195	192	0.000
Capital humano	0.232	192	0.000
Capital estructural	0.182	192	0.000
Capital relacional	0.168	192	0.000
Capital tecnológico	0.245	192	0.000

• Fuente: Elaboración propia (2022).

3.2 Prueba de hipótesis

3.2.1 Hipótesis general

Existen diferencias en cuanto la GC y el CI según edad, sexo y tiempo de servicio en los docentes de la Universidad Peruana Unión, 2022.

En la Tabla 8, se presentan los resultados de las diferencias significativas de la GC y el CI según edad, sexo y tiempo. Respecto a la primera variable GC, no existe una diferencia significativa (p>0.05), con respecto a la edad, sexo y años trabajando en la organización. Por otro lado, para la variable CI, con el sexo no se encontró una diferencia significativa (p>0.05), sin embargo, con la edad y los años de trabajo en la organización, si se encontró una diferencia significativa (p<0.05).

Tabla 8
Hipótesis general gestión del conocimiento y el capital intelectual según edad, sexo y tiempo

(n=192)		Gestión del conocimiento	Capital intelectual
Sexo	Masculino	-1.221 p=0.222	-0.41 p=0.682
	Femenino
Edad	Menos de 30 años	4.270 p=0.234	7.541 p=0.048
	De 30 a 39 años
	De 40 a 49 años
	De 50 años a más
Años de trabajo en la organización	Menos de 5 años	6.512 p=0.164	15.098 p=0.005
	De 5 a 10 años
	De 11 a 15 años
	De 16 a 20 años
	De 20 años a más

• Fuente: Elaboración propia (2022).

Hipótesis específicas de las dimensiones de la variable GC según edad, sexo y tiempo

Existen diferencias en cuanto a las dimensiones de la variable GC, según edad, sexo y tiempo de servicio, en docentes de la Universidad Peruana Unión 2022.

En la Tabla 9, se presenta las diferencias significativas en cuanto a la dimensión creación (aprendizaje organizativo), donde la diferencia en el sexo, edad y años de trabajo en la organización no fueron significativos, con un resultado de -0.945, 4.572 y 5.858 respectivamente y un p valor mayor (p>0.05). Con relación a la dimensión transferencia y almacenamiento (conocimiento organizativo), no existen diferencias significativas respecto al sexo, edad y años de trabajo en la organización, con resultados de -1.770, 3.885 y 7.042 respectivamente y un p valor mayor (p>0.05). Finalmente, para la dimensión aplicación y uso del conocimiento (organización de aprendizaje), la diferencia en el sexo, edad y años de trabajo en la organización no fueron significativos, con resultados de -0.833, 1.512 y 6.858 respectivamente y un p valor mayor (p>0.05).

Tabla 9
Hipótesis específicas de las dimensiones de la variable GC según edad, sexo y tiempo

Hipótesis específicas de las dimensiones de la variable GC		Hipótesis especifica 1	Hipótesis especifica 2	Hipótesis especifica 3
(n=192)		Creación (aprendizaje organizativo)	Transferencia y almacenamiento	Aplicación y uso del conocimiento
Sexo	Masculino	-0.945 p=0.345	-1.770 p=0.077	-0.833 p=0.405
	Femenino
Edad	Menos de 30 años	4.572 p=0.206	3.885 p=0.274	1.512 p=0.680
	De 30 a 39 años
	De 40 a 49 años
	De 50 años a más
Años de trabajo en la organización	Menos de 5 años	5.858 p=0.211	7.042 p=0.134	6.858 p=0.144
	De 5 a 10 años
	De 11 a 15 años
	De 16 a 20 años
	De 20 años a más

• Fuente: Elaboración propia (2022).

Hipótesis específicas de las dimensiones de la variable CI según edad, sexo y tiempo

Existen diferencias en cuanto a las dimensiones de la variable CI, según edad, sexo y tiempo de servicio, en docentes de la Universidad Peruana Unión 2022.

En la Tabla 10, se observa las diferencias significativas en cuanto la dimensión capital humano, donde la diferencia en el sexo y la edad no fueron significativos. Mientras que la variable años de trabajo en la organización, fue significativo con un resultado de 14.656, con un p valor de 0.005 (p<0.05). Con relación a la dimensión capital estructural, la diferencia en el sexo y la edad no fueron significativos, con un resultado de -0.906, y 5.498. Mientras que la variable años de trabajo en la organización fue significativo con un resultado de 14.200, con un p valor de 0.007 (p<0.05). Mientras que la dimensión capital relacional, la diferencia en el sexo no es significativa. Pero para la edad y años de trabajo en la organización fueron significativos, con un resultado de 10.669, y 8.794, respectivamente, con un p valor menor (p<0.05). Por último, la dimensión capital tecnológico, la diferencia en el sexo no es significativa, con un resultado de -0.947. Mientras que la variable edad y años de trabajo en la organización son significativos, con un resultado de 7.427, y 10.176, respectivamente con un p valor menor (p<0.05).

Tabla 10
Hipótesis específicas de las dimensiones de la variable CI según edad, sexo y tiempo

Hipótesis específicas de las dimensiones de la variable CI		Hipótesis especifica 4	Hipótesis especifica 5	Hipótesis especifica 6	Hipótesis especifica 7
(n=192)		Capital humano	Capital estructural	Capital relacional	Capital tecnológico
Sexo	Masculino	-0.800 p=0.424	-0.906 p=0.365	-1.017 p=0.309	-0.947 p=0.344
	Femenino
Edad	Menos de 30 años	0.516 p=0.915	5.498 p=0.139	1 0.669 p=0.014	7.427 p=0.048
	De 30 a 39 años
	De 40 a 49 años
	De 50 años a más
Años de trabajo en la organización	Menos de 5 años	14.656 p=0.005	14.200 p=0.007	8.794 p=0.046	10.176 p=0.038
	De 5 a 10 años
	De 11 a 15 años
	De 16 a 20 años
	De 20 años a más

• Fuente: Elaboración propia (2022).

4 DISCUSIÓN

Como primer resultado se indica que los datos sociodemográficos (edad, sexo y tiempo) en la muestra de estudio basada en el GC no tienen diferencias significativas (valores de p >0,05). En la variable CI, no se encontraron diferencias significativas con el sexo (p>0,05), pero sí con la edad y los años de trabajo en la organización (p<0,05). Donde los que tienen entre 5 a 10 años, tiene menor puntaje promedio. Los resultados sugieren que mientras la institución controle adecuadamente la gestión del conocimiento, los datos sociodemográficos no cambian su estado, aunque en el capital intelectual sí importan la edad y la experiencia de los trabajadores. En concordancia con Pérez (2016), afirma que dentro de los servicios educativos que prestan las instituciones, el personal docente es importante, pero más aún la gestión del conocimiento que se brinda, no obstante, muchos de ellos no comprenden lo aprendido y mucho menos lo aplican, por lo que es importante hacer un seguimiento a las actividades que buscan fortalecer el conocimiento de los docentes. Por su parte, Requena (2017) menciona que en la aplicación del conocimiento se puede medir una buena GC, por lo que no basta con solo proporcionar las herramientas, sino también como empresa evaluar que las estén utilizando, y que sea una inversión y no un gasto, considerando que para tener una GC eficiente y un CI humano se deben considerar las características sociodemográficas del trabajador.

Continuando con los resultados, hubo diferencias significativas en cuanto a la creación (aprendizaje organizativo), donde el sexo, edad y años de trabajo en la organización no fueron significativas, con un resultado de -0.945, 4.572 y 5.858 respectivamente y un valor p superior (p>0,05), es decir, no existen diferencias significativas al observar el aprendizaje organizacional, el cual involucra actividades y estrategias propias del trabajador. Los resultados sugieren que la edad, el sexo y los años de trabajo no dificultan el aprendizaje organizacional. Este resultado viene a ser sustentado por De La Torre y Suárez (2016), quienes señalan que el trabajo en equipo y la comunicación deben mantenerse en las instituciones para mejorar el capital intelectual y permitir que los trabajadores se capaciten entre sí. En ese sentido, el 90% de los trabajadores están dispuestos a recibir formación para mejorar y compartir lo que aprenden con su grupo, donde, la edad y el sexo no dificultan su aprendizaje. De igual manera, Levina et al. (2019) afirmaron que el CI se considera desde la perspectiva de los recursos organizacionales que determinan el costo del producto final, la calidad de la educación y la posición competitiva de la Universidad, por lo que al menos el 50% de los docentes de una institución deben manejar efectivamente esta variable.

Se demostró que la diferencia de sexo, edad y años de trabajo en la organización no afectó significativamente a la transferencia y almacenamiento (conocimiento organizativo), con resultados de -1.770, 3.885 y 7.042, respectivamente, y un valor p superior a (p>0,05). Por lo que los docentes universitarios no se limitan por sus características sociodemográficas, solo desarrollan su trabajo y gestionan correctamente su conocimiento organizacional. Por su parte, el estudio de Pérez (2016), refleja que el conocimiento organizacional y los datos sociodemográficos tienen una relación significativa (Rho de Spearman de 0.582), sin embargo, no todas las poblaciones tienen el mismo resultado. En cuanto al trabajo de Mendoza (2019) señaló que la gestión del conocimiento tuvo una influencia significativa con un valor p < 0.05. En consecuencia, afirman que la gestión del conocimiento es propia de la empresa, pero que tiene mucho que ver con el esfuerzo que el trabajador da para aprovechar estas herramientas, y que una buena gestión del conocimiento conlleva a un buen capital intelectual (SCHUNCK, 2023; SIERRA, 2023; SILVA, 2022).

Al respecto, la aplicación y uso del conocimiento (organización del aprendizaje), las diferencias en sexo, edad y años de trabajo en la organización no fueron significativas, con resultados de -0.833, 1.512 y 6.858 y valores p superiores a (p>0,05). Consecuentemente, dimensión sociodemográfica independiente. Al respecto, Sanz (2017) señala que la empresa carece de una estrategia de gestión del conocimiento, por lo que sería adecuado crear un orden relacionado con las áreas de trabajo y asociado a los resultados utilizados en los procesos de aprendizaje para potenciar los procesos de gestión del conocimiento, ya que es importante que se enfatice la gestión del conocimiento en el capital humano de la empresa. Del mismo modo, Salgado et al. (2017), encontraron una correlación entre la aplicación y uso del conocimiento y del capital humano y las características de los trabajadores.

Asimismo, el estudio también examinó si el capital humano de los docentes de la UPeU 2022 difería según la edad, el sexo y o tiempo de servicio. Donde las diferencias por sexo y edad no fueron significativas (-0.800 y 0.516). Mientras que, los años de trabajo en la organización si son significativos con 14.656 y un valor p de (p<0.05). Considerando que el capital humano no se ve afectado en función del sexo y la edad, Sin embargo, un indicador que sí hace la diferencia son los años de trabajo dentro de la organización, ya que los docentes con más tiempo dentro de la universidad tienen altos niveles de capital intelectual proporcionado por la misma institución (TAKAKI y DUTRA, 2022; TELMO et al., 2021; UCHÔA y SALES, 2023). Los estudios que tienen resultados similares y guardan una relación son: Passailaigue et al. (2017) y Toala et al. (2017), quienes encontraron una relación con un valor p<0.05. Cabe destacar que cada resultado es diferente, ya que se realizan en realidades distintas, y que muchas veces un trabajador experimentado es el que desarrolla de forma eficiente su CI.

Como resultado del objetivo, determinar si existen diferencias en cuanto a capital estructural según edad, sexo y tiempo de servicio, en docentes de la UPeU para el año 2022. Se encontró que, capital estructural no muestra diferencias significativas entre sexos ni edades, con -0.906 y 5.498, respectivamente. Mientras que la variable años de trabajo en la organización es significativa, con un resultado de 14.200 y un valor p<0.05, lo que indica que la única implicación o indicador que afecta. Para poder respaldar este resultado se tiene el estudio de Levina et al. (2019); González et al. (2018); Pérez (2016), quienes han resaltado que existe una relación significativa (Rho Spearman cercano a 1), y que el gremio universitario peruano debería enfocarse en fortalecer su GC y evaluar mejor su CI y cómo se refleja en sus docentes.

Se presenta las diferencias significativas en cuanto al capital relacional, donde la diferencia en el sexo no es significativa, con un resultado de -1.017. Mientras que la variable edad y años de trabajo en la organización son significativos, con un resultado de 10.669, y 8.794, respectivamente, con un p valor menor a (p<0.05), lo que indica que los docentes tienen capital relacional en función de su edad y años de trabajo, ya que un trabajador con más años tiende a tener una mejor relación con sus compañeros de trabajo. Por su parte, Valente y Soto (2007) manifiestan que los servicios especializados y los programas de formación pueden ayudar a conectar con la sociedad. Además, Fernández et al. (2022) afirma que, para intentar estandarizar las áreas de evaluación, es importante comparar los resultados de los indicadores con las medidas de otras organizaciones del mismo sector. Asimismo, Castro et al. (2019) manifiesta que las instituciones con una relación ecológica con la sociedad tienen la obligación social de conectar con ella, entender sus necesidades y atenderlas a corto, medio y largo plazo.

Y por último se buscó conocer, si hay diferencias en cuanto a capital tecnológico según edad, sexo y tiempo de servicio, en docentes de la UPeU 2022. Se encontró que no hay diferencias estadísticamente significativas entre el sexo (-0.947). La edad y los años de trabajo en la organización son significativos con 7.427 y 10.176, respectivamente, con valores p menores a 0.05. Así pues, la edad y los años de servicio determinan los conocimientos tecnológicos de los docentes, y no el sexo (YNOUB, 2023; ZAMPRONHA, 2023). En ese sentido, Castro et al. (2019), señala que a medida que pasa el tiempo, se muestra una generación más sofisticada en tecnología, y el periodo de trabajo revela las estrechas y constantes interacciones que las organizaciones de servicios profesionales deben tener con su personal para potenciar su adaptación y desarrollo. Según Medina et al. (2007), para los directivos de empresas de servicios profesionales que buscan potenciar su actividad innovadora, es importante tener en cuenta que no todos los elementos del capital relacional tienen el mismo impacto en los resultados, pero cuanto mayor es el tiempo de servicio, más apropiada es la tecnología para el desarrollo de la actividad.

5 CONCLUSIONES

En cuanto al objetivo general, no se encontraron diferencias estadísticamente significativas que sugirieran un cambio en la GC respecto a los factores sociodemográficos (sexo, edad y años en la organización). Del mismo modo, no se encontraron diferencias estadísticamente significativas entre el CI respecto a los factores sociodemográficos (sexo, edad), pero sí con el factor sociodemográfico años en la organización.

Con relación al primer objetivo específico, se demostró que los índices de creación (aprendizaje organizativo) de los docentes universitarios no varían significativamente con la edad, el sexo o los años de servicio en la organización. Esto sugiere que las acciones de creación en el aprendizaje organizativo no se ven influidas por sus características sociodemográficas.

Para el segundo objetivo específico, se demostró que la transferencia y el almacenamiento (conocimiento organizativo) es una dimensión que no se ve afectada por los datos sociodemográficos y que puede desarrollarse de forma general en la organización, con un valor p superior a 0,05 para los indicadores de sexo, edad y años de trabajo en la organización.

Para el caso del tercer objetivo específico, se constató que no existe diferencias estadísticamente significativas entre sexo, edad o años de trabajo en la organización en cuanto a la aplicación y uso del conocimiento (organización de aprendizaje). Dado que la organización del aprendizaje puede verse influida por factores ajenos a estas características sociodemográficas, es probable que los resultados sean aproximados.

De acuerdo con el cuarto objetivo específico, no hubo diferencias significativas entre el sexo y la edad respecto al capital humano. Al examinar el capital humano que posee la universidad, el número de años de trabajo que los docentes llevan en la institución es una variable significativa, ya que implica mucho la cantidad de tiempo que estuvieron trabajando dentro como docentes.

Para el caso del quinto objetivo específico, la edad y el sexo no desempeñaron una variación significativa en el capital estructural. Es importante señalar que, al igual que el CI, el capital estructural sólo se modifica por el nivel de experiencia o años de trabajo del docente, por lo que el tiempo que lleva trabajando en la empresa es un factor determinante.

Por otra parte, el sexto objetivo específico, el capital relacional, sólo varía significativamente con la edad y años de trabajo. En consecuencia, está claro que el capital relacional mejora naturalmente con el tiempo, a medida que el docente adquiere experiencia en el aula.

Finalmente, para el séptimo objetivo específico, se muestra que no hay diferencias significativas entre el sexo y el capital tecnológico. Mientras que la variable edad y años de trabajo en la organización son significativos, respectivamente con un p valor menor a 0.05.

AGRADECIMENTOS

Agradecemos a la Universidad Peruana Unión por permitirnos realizar el trabajo de campo.

REFERENCES

• ACEVEDO-CORREA, Y. et al. Formulación de modelos de gestión del conocimiento aplicados al contexto de instituciones de educación superior. Información tecnológica, v. 31, n. 1, p. 103-112, 2020. Disponible en: https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642020000100103
  » https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642020000100103
• ALCÍVAR, M. et al. Talento humano y la gestión del conocimiento en las microempresas. Podium, n. 37, p. 71-88, 2020. Disponible en: http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2588-09692020000200071
  » http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2588-09692020000200071
• ALEMÁN, B. et al. La motivación en el contexto del proceso enseñanza-aprendizaje en carreras de las Ciencias Médicas. Revista Médica Electrónica, v. 40, n. 4, p. 1257-1270, 2018. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18242018000400032
  » http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18242018000400032
• ARANIBAR, E.; TRAVIESO, D. Gestión del conocimiento, capital intelectual y producción académico-científica en el posgrado: un estudio diagnóstico. Revista Cubana de Educación Superior, v. 42, n. 1, 2023. Disponible en: https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-76782020000200006
  » https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-76782020000200006
• ARBAIZA, L. et al. La gestión del conocimiento aplicada a la seguridad ciudadana que brindan los gobiernos locales. 1. ed. Perú: Universidad ESAN, 2017.
• BARRERA Florentin, G. N. (2023). The human dimension in nursing. An approach according to Watson’s Theory. Community and Interculturality in Dialogue, 3, 68. https://doi.org/10.56294/cid202368
  » https://doi.org/10.56294/cid202368
• BENITO, P. V. Contemporary art and networks: Analysis of the Venus Project using the UCINET software. AWARI, v. 3, 2022. Disponible en: https://doi.org/10.47909/awari.166
  » https://doi.org/10.47909/awari.166
• BONILLA-JURADO, D. et al. El modelo de la triple hélice vinculado a la transferencia de conocimiento y progreso económico desde las universidades. Salud, Ciencia y Tecnología, v. 3, 2023. DOI: 10.56294/saludcyt2023314.
  » https://doi.org/10.56294/saludcyt2023314.
• BUENO, E. et al. Modelo Intellectus: Medición y gestión del capital intelectual. Boletín IADE, Universidad Autónoma de Madrid, 2011.
• CABALLERO-CANTU, J. J. et al. El aprendizaje autónomo en educación superior. Revisión sistemática. Salud, Ciencia y Tecnología, v. 3, 2023. DOI: 10.56294/saludcyt2023391.
  » https://doi.org/10.56294/saludcyt2023391.
• CANO, C. A. G.; CASTILLO, V. S. Estructura del conocimiento en rehabilitación dentro y fuera del área de la Medicina: Perspectivas Bibliométricas de las categorías “Physical Therapy, Sports Therapy and Rehabilitation” y “Rehabilitation.” Interdisciplinary Rehabilitation / Rehabilitacion Interdisciplinaria, v. 2, 2022. DOI: 10.56294/ri202222.
  » https://doi.org/10.56294/ri202222
• CANO, C. A. G.; CASTILLO, V. S.; ROJAS, E. E. M. Strategy for improving learning in the Financial Tools and Project Management Course through the use of Second Life-SL. Metaverse Basic and Applied Research, v. 2, 2023. Disponible en: https://doi.org/10.56294/mr202331
  » https://doi.org/10.56294/mr202331
• CARMO, D. do; LEMOS, D. L. da S. Quality standards for data and metadata addressed to data science applications. Advanced Notes in Information Science, v. 2, 2022. Disponible en: https://doi.org/10.47909/anis.978-9916-9760-3-6.116
  » https://doi.org/10.47909/anis.978-9916-9760-3-6.116
• CASTRO, J.; CASTELLANOS, E.; FONSECA, L.; LUGO, J. Una mirada al capital intelectual en universidades públicas. Revista Scientific, v. 4, n. 13, 2019. Disponible en: https://doi.org/10.29394/scientific.issn.2542-2987.2019.4.13.5.90-113
  » https://doi.org/10.29394/scientific.issn.2542-2987.2019.4.13.5.90-113
• CASTRO, K. J. G.; GARCÍA, M. B.; ROPAIN, N. P. V. Levels of technological competence in the use of social networks among teachers in Santa Marta. Metaverse Basic and Applied Research, v. 2, 2023. Disponible en: https://doi.org/10.56294/mr202327
  » https://doi.org/10.56294/mr202327
• CATRAMBONE, R.; LEDWITH, A. Enfoque interdisciplinario en el acompañamiento de las trayectorias académicas: Formación docente y psicopedagógica en acción. Interdisciplinary Rehabilitation / Rehabilitacion Interdisciplinaria, v. 3, 2023. Disponible en: https://doi.org/10.56294/ri202350
  » https://doi.org/10.56294/ri202350
• CHIAVENATO, I. Comportamiento organizacional la dinámica del éxito en las organizaciones. 2. ed. México: Mc Graw Hill, 2008.
• COPA, S. B. Gestión del cuidado integral del niño visto desde el liderazgo de enfermería en la referencia y contrarreferencia de una red de servicios. Salud, Ciencia y Tecnología, v. 1, 2021. Disponible en: https://doi.org/10.56294/saludcyt202138
  » https://doi.org/10.56294/saludcyt202138
• CUADRADO-Barreto, G. Knowledge management at the university: Questionnaire for institutional assessment. Revista Iberoamericana de Educación Superior, v. 11, n. 30, 2020. Disponible en: https://doi.org/10.22201/iisue.20072872e.2020.30.596
  » https://doi.org/10.22201/iisue.20072872e.2020.30.596
• DE LA TORRE, F.; SUÁREZ, F. Gestión del conocimiento y el capital intelectual: diagnóstico en las Pymes del Ecuador, aplicación del modelo Intellectus. Valor Agregado, 2016. Disponible en: https://www.researchgate.net/publication/349256232_Gestion_del_Conocimiento_y_el_Capital_Intelectual
  » https://www.researchgate.net/publication/349256232_Gestion_del_Conocimiento_y_el_Capital_Intelectual
• DÍAZ NARVÁEZ, V. P.; CALZADILLA NÚÑEZ, A. Research Methodology, research processes and medical students. Salud Uninorte, v. 34, n. 1, 2018. Disponible en: https://doi.org/10.14482/sun.34.1.10367
  » https://doi.org/10.14482/sun.34.1.10367
• ESCALA, A. Gestión del conocimiento y transferencia tecnológica en una universidad privada de Guayaquil. Revista Cubana de Educación Superior, v. 41, n. 2, 2022. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0257-43142022000200006
  » http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0257-43142022000200006
• ESCUDERO, C.; CORTEZ, L. Técnicas y métodos cualitativos para la investigación científica. Editorial UTMACH, 2018.
• FERNÁNDEZ, D.; GUEVARA, G.; DÁVILA, T.; CRUZ, J. Capital intelectual como factor del desempeño organizacional en las Micro y Pequeñas Empresas. Comini@cción, v. 13, n. 1, 2022. Disponible en: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2219-71682022000100063
  » http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2219-71682022000100063
• FERRON, L. M. Jumping the Gap: Developing an innovative product from a Social Network Analysis perspective. AWARI, v. 2, 2021. Disponible en: https://doi.org/10.47909/awari.128
  » https://doi.org/10.47909/awari.128
• GÓMEZ, L.; MURIEL, L.; LONDOÑO, D. El papel del docente para el logro de un aprendizaje significativo apoyado en las TIC. Encuentros, v. 17, n. 2, 2019. Disponible en: https://www.redalyc.org/journal/4766/476661510011/html/.
  » https://www.redalyc.org/journal/4766/476661510011/html
• GÓMEZ, M. Introducción a la metodología de la investigación científica. 1. ed. Argentina: Editorial Brujas, 2006.
• GONZÁLEZ, J.; RODRÍGUEZ, M. Modelos de capital intelectual y sus indicadores en la universidad pública. Cuadernos de Administración, n. 43, 2010. Disponible en: https://www.redalyc.org/pdf/2250/225017552008.pdf
  » https://www.redalyc.org/pdf/2250/225017552008.pdf
• GONZÁLEZ, J.; RODRÍGUEZ, M. Gestión del conocimiento, capital intelectual e indicadores aplicados. España: Ediciones Díaz de Santos, 2017.
• GONZÁLEZ, J.; RODRÍGUEZ, M.; GONZÁLEZ, O. Factores que inciden en la gestión del conocimiento y la innovación abierta en empresas colombianas. Revista Virtual Universidad Católica Del Norte, n. 58, 2019. Disponible en: https://revistavirtual.ucn.edu.co/index.php/RevistaUCN/article/view/1089
  » https://revistavirtual.ucn.edu.co/index.php/RevistaUCN/article/view/1089
• GONZALEZ ARGOTE, J. (2021). Navigating the Labyrinth of Communities and Interculturality. Community and Interculturality in Dialogue, 1, 1. https://doi.org/10.56294/cid20211
  » https://doi.org/10.56294/cid20211
• GONZÁLEZ Rodríguez, A.; CASTRO Contreras, P.; ROSALES Rivero, J. La gestión del conocimiento y la innovación en la universidad de Granma, a favor del desarrollo territorial. Olimpia. Revista de La Facultad de Cultura Física de Universidad de Granma, v. 15, n. 50, 2018. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=6578680
  » https://dialnet.unirioja.es/servlet/articulo?codigo=6578680
• GUTIERREZ, J. A. V. La prospectiva como campo interdisciplinar: Enfoques y prácticas. Salud, Ciencia y Tecnología - Serie de Conferencias, v. 2, n. 1, 2023. Disponible en: https://doi.org/10.56294/sctconf202371
  » https://doi.org/10.56294/sctconf202371
• HERNÁNDEZ Sampieri, R.; MENDOZA, C. Metodología de la investigación. Las rutas cuantitativa, cualitativa y mixta. 6. ed. McGraw-Hill Education, 2018.
• IBARRA, M.; VELA, J.; RÍOS, E. Capital intelectual, gestión del conocimiento y desempeño en universidades. Investigación administrativa, v. 49, n. 126, 2020. Disponible en: https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-76782020000200006
  » https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-76782020000200006
• IBARRA-CISNEROS, M.; HERNÁNDEZ-PERLINES, F. La influencia del capital intelectual en el desempeño de las pequeñas y medianas empresas manufactureras de México: el caso de Baja California. Innovar, v. 29, n. 71, 2019. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-50512019000100079
  » http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-50512019000100079
• JIMÉNEZ, E.; MUÑOZ, C.; ANCONA, M. El capital intelectual en una consultoría de negocios. Revista San Gregorio, n. 35, 2019. Disponible en: http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2528-79072019000200187
  » http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2528-79072019000200187
• LAVÍN, J. El capital estructural y su relación con el desempeño en educación superior. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, v. 10, n. 20, 2020. Disponible en: https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-74672020000100140
  » https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-74672020000100140
• LEMARIE, F.; MOLINA, L.; ROMERO, M.; HAASE, M.; VALENZUELA, F. Continuidad del proceso formativo en Pandemia. Experiencia estudiantil en la Universidad de los Lagos Chile. Actualidades Investigativas en Educación, v. 22, n. 2, 2022. Disponible en: https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S1409-47032022000200165
  » https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S1409-47032022000200165
• LEPEZ, C. O. El Valor Inestimable de la Rehabilitación Interdisciplinaria. Interdisciplinary Rehabilitation / Rehabilitacion Interdisciplinaria, v. 1, 2021. Disponible en: https://doi.org/10.56294/ri20217
  » https://doi.org/10.56294/ri20217
• LEPEZ, C. O.; Eiguchi, K. Labor market insertion, management and training by competencies: A current view in the Argentine context. Data and Metadata, v. 1, 2022. Disponible en: https://doi.org/10.56294/dm202267
  » https://doi.org/10.56294/dm202267
• LEPEZ, C. O.; Eiguchi, K. Managerial vision of the professional competencies of nursing graduates and their relationship with job placement. Data and Metadata, v. 1, 2022. Disponible en: https://doi.org/10.56294/dm202266
  » https://doi.org/10.56294/dm202266
• LEVINA, E.; BODINA, E.; ARTEMOVA, E.; KIRYAKOVA, A.; MATVIEVSKAYA, E.; KRISKOVETS, N.; KASHINA, S. Universidad de capital intelectual y formación desarrollo. Humanidades y Ciencias Sociales Críticas, v. 7, 2019. Disponible en: https://doi.org/10.18510/hssr.2019.74150
  » https://doi.org/10.18510/hssr.2019.74150
• LIMA, A. G. Intervención educativa para el manejo del Síndrome Coronario Agudo. Interdisciplinary Rehabilitation / Rehabilitacion Interdisciplinaria, v. 1, 2021. Disponible en: https://doi.org/10.56294/ri20211
  » https://doi.org/10.56294/ri20211
• LONDOÑO, E.; MORA, B.; TOBÓN, H.; BECERRA, M.; SEBASTIAN, J. Modelo de Capital intelectual para la función de investigación en las universidades colombianas. Opción, n. 34, 2018. Disponible en: https://produccioncientificaluz.org/index.php/opcion/article/view/23962
  » https://produccioncientificaluz.org/index.php/opcion/article/view/23962
• LÓPEZ-BELMONTE, J.; POZO-SÁNCHEZ, S.; MORENO-GUERRERO, A.-J.; MARÍN-MARÍN, J.-A. We’ve reached the GOAL. Teaching Methodology for Transforming Learning in the METAVERSE. A teaching innovation project. Metaverse Basic and Applied Research, v. 2, 2023. Disponible en: https://doi.org/10.56294/mr202330
  » https://doi.org/10.56294/mr202330
• LUZARDO, M.; SANDIA, B.; AGUILAR, A. Conocimiento y frecuencia del uso de las tecnologías de información y comunicación en la práctica educativa. variables sociodemográficas de los docentes en la Universidad de Los Andes. Revista Cubana de Educación Superior, v. 39, n. 1, 2020. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0257-43142020000100003
  » http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0257-43142020000100003
• MARTÍNEZ, L. C.; ROJAS, G. A. F.; OYARVIDE, W. V.; SALTOS, G. D. C. Generación de conocimiento en la era de telecomunicaciones y su impacto en la educación y desarrollo económico en América Latina. Salud, Ciencia y Tecnología, v. 3, 2023. Disponible en: https://doi.org/10.56294/saludcyt2023363
  » https://doi.org/10.56294/saludcyt2023363
• MACHA-HUAMÁN R, ZAVALA-ZAVALA OM, SOTO FCN, SUÁREZ JSZ, CASTAÑEDA DRY, LUCAR RGC, JIBAJA LC, MEJÍA PJC, MONTOYA CMS, CASCO RJE, ROMERO-CARAZAS R. Business Model Canvas in the entrepreneurs’ business model: a system approach. EAI Endorsed Scal Inf Syst 2023;10(5). Available from: https://publications.eai.eu/index.php/sis/article/view/3594
  » https://publications.eai.eu/index.php/sis/article/view/3594
• MASÍAS, L. Impacto reforma universitaria sobre investigación: Análisis preliminar. Gestión, 30 de noviembre de 2018. Disponible en: https://gestion.pe/blog/politicas-publicas-para-el-desarrollo/2018/11/impacto-reforma-universitaria-sobre-investigacion-e-innovacion-analisis-preliminar.html/?ref=gesr
  » https://gestion.pe/blog/politicas-publicas-para-el-desarrollo/2018/11/impacto-reforma-universitaria-sobre-investigacion-e-innovacion-analisis-preliminar.html/?ref=gesr
• MEDINA, D. El rol de las universidades peruana frente a la investigación y el desarrollo tecnológico. Propósitos y representaciones, v. 6, n. 2, 2018. Disponible en: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2307-79992018000200015
  » http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2307-79992018000200015
• MEDINA, S.; GONZÁLEZ, M.; HORMIGA, E.; Las, U. De; Gran, P. De. El concepto de capital intelectual y sus dimensiones. Investigaciones Europeas de Dirección y Economía de la Empresa, v. 13, n. 2, 2007. Disponible en: https://www.redalyc.org/articulo.oa?id=274120280005
  » https://www.redalyc.org/articulo.oa?id=274120280005
• MENDOZA, H. Gestión del conocimiento de los directivos y su incidencia en la calidad de las universidades públicas de la Zona 4 de Ecuador. [Tesis de doctorado, Universidad Nacional Mayor de San Marcos]. Cybertesis Repositorio de Tesis Digitales. 2019. Disponible en: https://hdl.handle.net/20.500.12672/10365
  » https://hdl.handle.net/20.500.12672/10365
• MERCADO-SALGADO, P.; GIL-MONTE, P.; CERNAS-ORTIZ, D. Validity of a Scale Measuring Intellectual Capital in Universities. Universitas Psychologica, v. 15, n. 2, 2016. Disponible en: https://doi.org/10.11144/Javeriana.upsy15-2.viem
  » https://doi.org/10.11144/Javeriana.upsy15-2.viem
• MOLERO, G. La responsabilidad social empresarial en el contexto del capital social Corporate Social Responsibility in the Context of Social Capital. Revista Ominia, v. 22, n. 3, 2016. Disponible en: https://www.redalyc.org/pdf/737/73752819004.pdf
  » https://www.redalyc.org/pdf/737/73752819004.pdf
• MONTANO, M. de las N. V. A comprehensive approach to the impact of job stress on women in the teaching profession. Interdisciplinary Rehabilitation / Rehabilitacion Interdisciplinaria, v. 3, 2023. Disponible en: https://doi.org/10.56294/ri202356
  » https://doi.org/10.56294/ri202356
• OLIVERA, I. A.; GONZÁLEZ, M. J. P.; PAZ, D. M.; CASTELLÓN, L. P. Formative Evaluation and Information Management: Alternative pedagogical support to teachers in the Information Sciences career. Data and Metadata, v. 1, 2022. Disponible en: https://doi.org/10.56294/dm202268
  » https://doi.org/10.56294/dm202268
• OLIVERA, I. A.; GONZÁLEZ, M. J. P.; PLACERES, G. M.; LEDESMA, G. Á. Challenges in the quality of the university library service: A case study. Data and Metadata, v. 1, 2022. Disponible en: https://doi.org/10.56294/dm202269
  » https://doi.org/10.56294/dm202269
• ORTÍZ, J. Modelo de gestión del conocimiento para instituciones de educación superior en Colombia. U. Libre (ed.), 2017.
• PASSAILAIGUE, R.; ORTEGA, C.; FEBLES, A. Bases de una estrategia de gestión del conocimiento para la universidad inteligente de clase mundial. Espacios, v. 38, n. 50, 2017. Disponible en: https://www.revistaespacios.com/a17v38n50/a17v38n50p07.pdf
  » https://www.revistaespacios.com/a17v38n50/a17v38n50p07.pdf
• PÉREZ, M. Gestión del conocimiento institucional y su relación con la calidad del servicio educativo ofertado por las instituciones educativas públicas del distrito de Ate - Lima, 2015. [Tesis de doctorado, Universidad Nacional Mayor de San Marcos]. Cybertesis Repositorio de Tesis Digitales. 2016. Disponible en: https://hdl.handle.net/20.500.12672/7134
  » https://hdl.handle.net/20.500.12672/7134
• PÉREZ-MONTORO, M. Gestión del conocimiento: orígenes y evolución. El profesional de la información, v. 25, n. 4, 2016. Disponible en: https://revista.profesionaldelainformacion.com/index.php/EPI/article/view/epi.2016.jul.02
  » https://revista.profesionaldelainformacion.com/index.php/EPI/article/view/epi.2016.jul.02
• POTH, C.; MANILDO, L.; QUEREJETA, G. La co-producción de conocimiento: Una experiencia transdiciplinar para la construcción de alternativas al extractivismo. Salud, Ciencia y Tecnología - Serie de Conferencias, v. 2, n. 1, 2023. Disponible en: https://doi.org/10.56294/sctconf2023126
  » https://doi.org/10.56294/sctconf2023126
• REQUENA, G. Gestión del conocimiento, estilo de vida y desempeño docente en las instituciones educativas de la Unión Peruana del norte, 2016. [Tesis de doctoral, Universidad Peruana Unión]. 2017. Disponible en: https://alicia.concytec.gob.pe/vufind/Record/UEPU_d1fef0a534c4a8742eede45c88878fd4/Details
  » https://alicia.concytec.gob.pe/vufind/Record/UEPU_d1fef0a534c4a8742eede45c88878fd4/Details
• RINCÓN, C.; MOLINA, F.; GONZÁLEZ, P. El capital intelectual en las organizaciones de economía solidaria. Tendencias, v. 22, n. 2, 2021. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0124-86932021000200309
  » http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0124-86932021000200309
• RÍOS, N. B.; MOSCA, A. M. Educación continua en el contexto actual, enfoque desde la enfermería. Salud, Ciencia y Tecnología, v. 1, 2021. Disponible en: https://doi.org/10.56294/saludcyt202129
  » https://doi.org/10.56294/saludcyt202129
• RODRÍGUEZ, A.; ARAUJO, A. y URRUTIA, J. La gestión del conocimiento científico-técnico en la universidad: Un caso y un proyecto. Cuadernos de Gestión, v. 1, n. 1, 2001. Disponible en: http://www.ehu.eus/cuadernosdegestion/documentos/111.pdf
  » http://www.ehu.eus/cuadernosdegestion/documentos/111.pdf
• ROMERO, R. Factores generadores de éxito para la gestión del conocimiento mediante la aplicación de un modelo de ecuaciones estructurales. Educación, v. 28, n. 55, 2019. Disponible en: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1019-94032019000200009
  » http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1019-94032019000200009
• ROQUE, R.; RUIZ, J.; GUERRA, R.; ANIDO, V.; BRITO, G. Evaluación de la gestión del conocimiento en el Centro Nacional de Cirugía de Mínimo Acceso. Educación Médica Superior, v. 34, n. 4, 2020. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21412020000400005
  » http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21412020000400005
• SALGADO, C.; RÍOS-MANRIQUEZ, M.; SÁNCHEZ-FERNÁNDEZ, M. Validez de una escala de gestión del conocimiento en instituciones de educación básica. Revista de Gestão e Secretariado, v. 8, n. 2, 2017. Disponible en: https://www.redalyc.org/pdf/4356/435652737003.pdf
  » https://www.redalyc.org/pdf/4356/435652737003.pdf
• SÁNCHEZ, R. M. Transformando la educación online: El impacto de la gamificación en la formación del profesorado en un entorno universitario. Metaverse Basic and Applied Research, v. 2, 2023. Disponible en: https://doi.org/10.56294/mr202347
  » https://doi.org/10.56294/mr202347
• SANZ, M. Convergencia de la gestión del conocimiento y el elearning en el portfolio profesional. [Tesis doctoral, Universidad Autónoma de Madrid]. 2017. Disponible en: https://repositorio.uam.es/handle/10486/680634
  » https://repositorio.uam.es/handle/10486/680634
• SCHUNCK, P. J. Construir el conocimiento interdisciplinar desde experiencias critico-decoloniales en educación. Salud, Ciencia y Tecnología - Serie de Conferencias, v. 2, n. 1, 2023. Disponible en: https://doi.org/10.56294/sctconf202374
  » https://doi.org/10.56294/sctconf202374
• SIERRA, R. Clasificaciones de saberes: Actores, disciplinas y tradiciones globales. Salud, Ciencia y Tecnología - Serie de Conferencias, v. 2, n. 1, 2023. Disponible en: https://doi.org/10.56294/sctconf202361
  » https://doi.org/10.56294/sctconf202361
• SILVA, E. Digital transformation and knowledge management: Relationships in scientific production. Advanced Notes in Information Science, v. 2, 2022. Disponible en: https://doi.org/10.47909/anis.978-9916-9760-3-6.107
  » https://doi.org/10.47909/anis.978-9916-9760-3-6.107
• SILVA-SÁNCHEZ, C. A. Psychometric properties of an instrument to assess the level of knowledge about artificial intelligence in university professors. Metaverse Basic and Applied Research, v. 1, 2022. Disponible en: https://doi.org/10.56294/mr202214
  » https://doi.org/10.56294/mr202214
• TAKAKI, P.; DUTRA, M. Data science in education: Interdisciplinary contributions. Advanced Notes in Information Science, v. 2, 2022. Disponible en: https://doi.org/10.47909/anis.978-9916-9760-3-6.94
  » https://doi.org/10.47909/anis.978-9916-9760-3-6.94
• TELMO, F. de A.; AUTRAN, M. de M. M.; SILVA, A. K. A. da. Scientific production on open science in Information Science: A study based on the ENANCIB event. AWARI, v. 2, 2021. Disponible en: https://doi.org/10.47909/awari.127
  » https://doi.org/10.47909/awari.127
• TOALA-SÁNCHEZ, G.; MEZA-BOLAÑOS, D.; MEJÍA.MADRID, G. Modelo de gestión del conocimiento y capital intelectual de los docentes universitarios. Revista Publicando, v. 4, n. 11, 2017. Disponible en: https://revistapublicando.org/revista/index.php/crv/article/view/524
  » https://revistapublicando.org/revista/index.php/crv/article/view/524
• TORO, I.; PARRA, R. Método y conocimiento: metodología de la investigación: investigación. Colombia: Fondo Editorial Universidad EAFIT, 2006.
• TORRES, E. R.; CANO, C. A. G.; CASTILLO, V. S. Management information systems and their impact on business decision making. Data and Metadata, v. 1, 2022. Disponible en: https://doi.org/10.56294/dm202221
  » https://doi.org/10.56294/dm202221
• UCHÔA, A. P. de M.; SALES, R. de. The importance of using ontologies as a tool for organizing and representing knowledge in police investigation. Advanced Notes in Information Science, v. 4, 2023. Disponible en: https://doi.org/10.47909/anis
  » https://doi.org/10.47909/anis
• VALENTE, M.; SOTO, A. Modalidades de transferencia tecnológica en la vinculación universidad-sector productivo: Motivaciones y obstáculos. Revista de Ciencias Sociales, v. 13, n. 2, 2007. Disponible en: https://doi.org/10.31876/rcs.v13i2.25365
  » https://doi.org/10.31876/rcs.v13i2.25365
• VELOZ MONTANO, M. de las N., GONZÁLEZ MARTÍNEZ, M. de la C., y PÉREZ LEMUS, L. 2023. Rehabilitation of occupational stress from the perspective of Health Education. Community and Interculturality in Dialogue, 3, 71. https://doi.org/10.56294/cid202371
  » https://doi.org/10.56294/cid202371
• VELOZ MONTANO, M. de las N.; KEELING ÁLVAREZ, M. 2023. The educational and pedagogical intervention in scientific research. Community and Interculturality in Dialogue, 3, 70. https://doi.org/10.56294/cid202370
  » https://doi.org/10.56294/cid202370
• VILLASANA, L.; HERNÁNDEZ, P.; RAMÍREZ, E. La gestión del conocimiento, pasado, presente y futuro. Una revisión de la literatura. Trascender, contabilidad y gestión, v. 6, n. 18, 2021, p. 53-78. Disponible en: https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-63882021000300053
  » https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-63882021000300053
• WHITE, E. Consejos para los maestros. White Estate, Inc., 2014. Disponible en: https://ellenwhiteaudio.org/sp/consejos-para-los-maestros/.
  » https://ellenwhiteaudio.org/sp/consejos-para-los-maestros
• WONG, M.; CÓRDOVA, J. El capital intelectual como estrategia para mejorar la competitividad de la empresa Areco S.A.C. Chiclayo, 2018. Horizonte Empresarial, v. 7, n. 1, 2020, p. 30-41. Disponible en: https://doi.org/10.26495/rce.v7i1.1348
  » https://doi.org/10.26495/rce.v7i1.1348
• YNOUB, R. Reflexiones epistemológicas sobre inter y transdisciplina desde la perspectiva del pensamiento dialéctico y el paradigma de la complejidad. Salud, Ciencia y Tecnología - Serie de Conferencias, v. 2, n. 1, 2023, Article 1. Disponible en: https://doi.org/10.56294/sctconf2023183
  » https://doi.org/10.56294/sctconf2023183
• ZAMPRONHA, L. F. Information Science and Police Activity: A Necessary Approach. Advanced Notes in Information Science, v. 4, 2023. Disponible en: https://doi.org/10.47909/anis
  » https://doi.org/10.47909/anis

• A lista completa com informações dos autores está no final do artigo

• FINANCIAMENTO

  El artículo es financiado por los mismos autores.

• CONSENTIMENTO DE USO DE IMAGEM

  No aplica

• APROVAÇÃO DE COMITÊ DE ÉTICA EM PESQUISA

  No aplica

• PUBLISHER

  Universidade Federal de Santa Catarina. Programa de Pós-graduação em Ciência da Informação. Publicação no Portal de Periódicos UFSC. As ideias expressadas neste artigo são de responsabilidade de seus autores, não representando, necessariamente, a opinião dos editores ou da universidade.

Editado por

EDITORES

Edgar Bisset Alvarez, Ana Clara Cândido, Patrícia Neubert, Genilson Geraldo, Jônatas Edison da Silva, Mayara Madeira Trevisol.

Fechas de Publicación

• Publicación en esta colección
  08 Abr 2024
• Fecha del número
  2024

Histórico

• Recibido
  11 Set 2023
• Acepto
  24 Oct 2023
• Publicado
  29 Ene 2024