Experiencias de investigadores sobre transferencia del conocimiento científico hacia organizaciones y responsables de decisiones
DOI:
https://doi.org/10.71068/ss000060Palabras clave:
implementación, investigación cualitativa, participación, cambio organizacional, sostenibilidadResumen
Introducción: Este estudio examina experiencias de investigadores sobre transferencia del conocimiento científico hacia organizaciones y responsables de decisiones, y cómo los recursos, la participación y la gobernanza configuran su implementación y resultados percibidos. Objetivo: Analizar patrones cuantitativos y explicarlos mediante las experiencias de las personas participantes, identificando barreras, facilitadores y prioridades de mejora. Metodología: Se aplicó un diseño mixto secuencial explicativo entre diciembre de 2024 a febrero de 2025. La fase cuantitativa incluyó 120 investigadores; la fase cualitativa comprendió 16 entrevistas semiestructuradas seleccionadas intencionalmente por su experiencia directa. Se obtuvo consentimiento informado. Los datos de encuesta se resumieron mediante estadística descriptiva e indicadores de consistencia interna, mientras que las entrevistas fueron transcritas, anonimizadas y examinadas mediante análisis temático reflexivo. La integración conectó tendencias cuantitativas con relatos cualitativos convergentes y divergentes. Resultados: Los hallazgos mostraron valoraciones moderadas a favorables, aunque la implementación varió según el acceso a recursos, las capacidades, la claridad de responsabilidades, la comunicación y las oportunidades de participación. Los relatos explicaron por qué arreglos organizacionales semejantes podían experimentarse como apoyo en ciertos contextos y como carga en otros. Conclusiones: La implementación efectiva requiere combinar disposiciones técnicas con aprendizaje institucional, gobernanza transparente, adaptación contextual y retroalimentación. La integración mixta orienta decisiones prácticas sin interpretar asociaciones descriptivas como efectos causales y destaca la necesidad de monitorear las condiciones de implementación y la experiencia de los actores.
Descargas
Referencias
1. Lengnick-Hall R, Proctor EK, Bunger AC, Gerke DR, Martin JK. Ten years of implementation outcome research: a scoping review. Implement Sci. 2022;17:31. https://doi.org/10.1186/s13012-022-01205-w.
2. Bullock HL, Lavis JN, Wilson MG, Mulvale G, Miatello A. Understanding implementation of evidence-informed policies and practices. Implement Sci. 2021;16:18. https://doi.org/10.1186/s13012-021-01082-7.
3. Kuchenmüller T, Boeira L, Oliver S, Moat K, El-Jardali F, Barreto J, et al. Domains and processes for institutionalizing evidence-informed policy-making. Health Res Policy Syst. 2022;20:27. https://doi.org/10.1186/s12961-022-00820-7.
4. Haynes A, Rychetnik L, Finegood D, Irving M, Freebairn L, Hawe P. Applying systems thinking to knowledge mobilisation in public health. Health Res Policy Syst. 2020;18:134. https://doi.org/10.1186/s12961-020-00600-1.
5. MacKillop E. Making sense of knowledge-brokering organisations. Sci Public Policy. 2023;50(6):950-960. https://doi.org/10.1093/scipol/scad029.
6. Yoshizawa L. The imposition of instrumental research use. Am Educ Res J. 2022;59(6):1127-1163. https://doi.org/10.3102/00028312221113556.
7. Farley-Ripple EN. The use of research in schools. Educ Sci. 2024;14(6):561. https://doi.org/10.3390/educsci14060561.
8. Ryan A, Prieto-Rodriguez E, Miller A, Gore J. What can implementation science tell us about scaling interventions in school settings? Educ Res Rev. 2024;44:100620. https://doi.org/10.1016/j.edurev.2024.100620
9. Yu L, Li Y. Artificial intelligence decision-making transparency and employees’ trust. Behav Sci. 2022;12(5):127. https://doi.org/10.3390/bs12050127.
10. Höddinghaus M, Sondern D, Hertel G. The automation of leadership functions: would people trust decision algorithms? Comput Human Behav. 2021;116:106635. https://doi.org/10.1016/j.chb.2020.106635
11. Shin D. The effects of explainability and causability on perception, trust, and acceptance. Int J Hum Comput Stud. 2021;146:102551. https://doi.org/10.1016/j.ijhcs.2020.102551.
12. Guldmann E, Huulgaard RD. Barriers to circular business model innovation. J Clean Prod. 2020;243:118160. https://doi.org/10.1016/j.jclepro.2019.118160.
13. Centobelli P, Cerchione R, Chiaroni D, Del Vecchio P, Urbinati A. Designing business models in circular economy. Bus Strategy Environ. 2020;29(4):1734-1749. https://doi.org/10.1002/bse.2466.
14. Ferasso M, Beliaeva T, Kraus S, Clauss T, Ribeiro-Soriano D. Circular economy business models. Bus Strategy Environ. 2020;29(8):3006-3024. https://doi.org/10.1002/bse.2554.
15. Geissdoerfer M, Pieroni MPP, Pigosso DCA, Soufani K. Circular business models: a review. J Clean Prod. 2020;277:123741. https://doi.org/10.1016/j.jclepro.2020.123741.
16. Mishra R, Singh RK, Govindan K. Barriers to adoption of circular economy practices in SMEs. J Clean Prod. 2022;351:131389. https://doi.org/10.1016/j.jclepro.2022.131389.
17. Vidovic D, Reinhardt GY, Hammerton C. Can social prescribing foster individual and community well-being? Int J Environ Res Public Health. 2021;18(10):5276. https://doi.org/10.3390/ijerph18105276
18. Determinants of digital technology adoption in innovative SMEs. J Innov Knowl. 2024;9(4):100610. https://doi.org/10.1016/j.jik.2024.100610
19. Barriers to technological innovations of SMEs: how to solve them? Int J Innov Sci. 2020;12(5):545-564. https://doi.org/10.1108/IJIS-04-2020-0049
20. Braun V, Clarke V. One size fits all? What counts as quality practice in reflexive thematic analysis? Qual Res Psychol. 2021;18(3):328-352. https://doi.org/10.1080/14780887.2020.1769238
21. Byrne D. A worked example of Braun and Clarke’s approach to reflexive thematic analysis. Qual Quant. 2022;56:1391-1412. https://doi.org/10.1007/s11135-021-01182-y.
22. Damschroder LJ, Reardon CM, Widerquist MAO, Lowery J. The updated Consolidated Framework for Implementation Research based on user feedback. Implement Sci. 2022;17:75. https://doi.org/10.1186/s13012-022-01245-0.
23. Skivington K, Matthews L, Simpson SA, Craig P, Baird J, Blazeby JM, et al. A new framework for developing and evaluating complex interventions. BMJ. 2021;374:n2061. https://doi.org/10.1136/bmj.n2061.
24. Chan CKY, Hu W. Students’ voices on generative AI: perceptions, benefits, and challenges in higher education. Int J Educ Technol High Educ. 2023;20:43. https://doi.org/10.1186/s41239-023-00411-8.
25. Chiu TKF. The impact of generative AI on higher education learning and teaching: a study of educators’ perspectives. Comput Educ Artif Intell. 2024;6:100221. https://doi.org/10.1016/j.caeai.2024.100221.
26. Wang K, Ruan Q, Zhang X, Fu C, Duan B. Examining teachers’ behavioural intention of using generative artificial intelligence tools for teaching and learning based on the extended technology acceptance model. Comput Educ Artif Intell. 2024;7:100328. https://doi.org/10.1016/j.caeai.2024.100328.
27. Kamalov F, Santandreu Calonge D, Gurrib I. New era of artificial intelligence in education: towards a sustainable multifaceted revolution. Sustainability. 2023;15:12451. https://doi.org/10.3390/su151612451.
28. Braganza A, Chen W, Canhoto A, Sap S. Productive employment and decent work: the impact of AI adoption on psychological contracts, job engagement and employee trust. J Bus Res. 2021;131:485-494. https://doi.org/10.1016/j.jbusres.2020.08.018.
29. Leicht-Deobald U, Busch T, Schank C, Weibel A, Schafheitle S, Wildhaber I, et al. The challenges of algorithm-based HR decision-making for personal integrity. J Bus Ethics. 2022;160:377-392. https://doi.org/10.1007/s10551-019-04204-w.
30. Jacovi A, Marasović A, Miller T, Goldberg Y. Formalizing trust in artificial intelligence: prerequisites, causes and goals of human trust in AI. Proc ACM Hum Comput Interact. 2021;5(CSCW2):1-26. https://doi.org/10.1145/3479523.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Teresa de Carmen Cabrera Gómez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en esta revista están disponibles bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia autoriza a terceros a descargar, copiar, distribuir, adaptar y reutilizar los contenidos, incluso con fines comerciales, siempre que se otorgue el crédito correspondiente al autor original de la obra.
