Innovación, redes y miopía

knowledge-480x328¿Es usted de los que piensan que la investigación no sirve para nada? ¿Sí? Pues prepárese a cambiar de idea, y no porque lo diga yo. Sí, ya sé que este tema sale reiteradamente en los comentarios a nuestros posts, y yo siempre entro al trapo, pero ahora no soy yo. Hoy traigo un artículo de economistas (que no de economía, porque está publicado en una revista generalista como PNAS, no en una revista seria, por favor) de la talla de Daron Acemoglu estudiando las redes de innovaciones. Así que si no quiere seguir leyendo, llévese el mensaje: las innovaciones en un campo aumentan las de los campos relacionados. Y con evidencia empírica, como nos gusta aquí.

Además de Acemoglu, el artículo, titulado simplemente "Innovation network" está firmado por Ufuk Akcigit y William Kerr, todos economistas y todos en sitios de prestigio (MIT, Chicago, Harvard). El trabajo parte de la visión del progreso científico-tecnológico en el que las innovaciones se construyen sobre los descubrimientos anteriores, pero constata que nuestra comprensión del proceso por el que los avances en un área están ligados a los avances en áreas de las que depende es bastante limitado. Habitualmente, los modelos de progreso tecnológico consideran que el incremento en un ideas en un cierto campo es función de las ideas ya existentes en dicho campo y de los recursos dedicados a generar ideas. Las ideas o innovaciones de otros campos aparecen en ese contexto como englobadas dentro de las ideas del campo o bien como parte de los recursos, y agregadas como un todo sin más. El trabajo de Acemoglu y colaboradores va un paso más allá al estipular una relación matricial donde cada campo influye explícitamente (con un cierto coeficiente) en los demás, y es a su vez influido por ellos. Hasta aquí muy bien, pero ahora ¿de dónde sacamos esos coeficientes?

Lo que proponen los investigadores es utilizar la base de datos de la Oficina de Patentes de Estados Unidos (USPTO), concretamente entre los años 1975 y 2009. En esa base de datos cada registro contiene información del invento, incluyendo clasificación en un campo tecnológico y citas a otras patentes que se utilizan en ella, así como información de los inventores. Al final, se quedan con 1,8 millones de patentes, con al menos un inventor residente en Estados Unidos. De todas esas patentes, se quedan con las citas y las clasifican por el campo, agrupándolas en una serie de grandes familias. Por supuesto, muchas citas de patentes de un campo son a otras patentes en el mismo campo, pero hay muchas otras que no lo son, y éstas son las que les sirven para estimar esos coeficientes que mencionaba antes: el peso de un campo tecnológico en otro viene dado por las citas que recibe de éste, dividido por el número total de citas que hace el campo en cuestión a todos los demás (de manera que la suma de los coeficientes que afectan a un campo es 1). Estas relaciones se representan gráficamente en la red de la figura siguiente.

acemoglu1

La red contiene mucha información interesante. Para empezar, los coeficientes de influencia de un campo en otro vienen reflejados por el grosor de la flecha que los conecta, y que no es simétrica. Por ejemplo, arriba a la derecha hay un campo, "Nuclear & X-rays" que es citado por "Measuring & Testing" pero no al revés. Cuando no se ven flechas es que la relación es simétrica. Los colores representan campos que la USPTO agrupa en una familia, mientras que la posición de cada círculo se elige para que esté lo más cercano posible a los que más le influye. En este sentido, Acemoglu y colaboradores observan un hecho curioso: áreas a las que se les supone una gran influencia (como "Drugs", o sea "Medicinas") están en la periferia de la red, frente a otras como "Electrical Devices" o "Materials Processing/Handling" que ocupan zonas más centrales. La red que recoge la figura corresponde a los años 1975-1984, pero los autores han calculado también las correspondientes a los siguientes períodos de 10 años obteniendo básicamente los mismos resultados (correlación entre redes superior a 0.9). Así pues, tenemos ya una primera conclusión importante: la red de innovación es muy estable (obviamente en el período estudiado, está claro que si pudieramos retroceder en el tiempo habría muchas cosas que ni siquiera existirían).

El siguiente paso, dado que estamos interesados en la dinámica del proceso de innovación, es obtener una descripción año por año. Para ello, se fijan en las citas que un campo hace a otro cada año del período de 10 años considerado. Es decir: si nos fijamos en una cierta patente, miramos las citas que hace a patentes de otro campo de 10 años antes, de 9 años antes, de 8 años antes, etc., y así para todas las patentes. De esta manera, estamos teniendo en cuenta el tiempo que tardan en difundirse las innovaciones para así poder calcular correctamente su efecto. Es interesante observar que ir hacia atrás en el tiempo aumenta el porcentaje de citas a otros campos: si en el primer año el 62% de las citas son a la misma clase de patentes, a diez años vista ese porcentaje baja al 51%. Con este tratamiento más fino, podemos ya ver si realmente nuestra red nos está diciendo algo: podemos intentar predecir las patentes de un campo en función de los demás. Así, Acemoglu y colaboradores estiman las patentes que se van a producir en un cierto año y en un cierto campo como la suma de la influencia que reciben de los demás campos durante los 10 años anteriores, pesándola cada año con su coeficiente anual correspondiente.

El resultado de la estimación es francamente bueno (claro, si no no habrían publicado el trabajo, ¿no?): una predicción de un 10% de incremento del número de patentes va asociada a una observación real de un 8% de incremento. De una forma más global, el 55% de la variación agregada en el número de patentes se puede explicar por las patentes aparecidas en otros campos. Los autores realizan numerosas comprobaciones de la robustez de este resultado: en particular, realizan análisis econométricos más finos para excluir distintos efectos, como los debidos a los tamaños relativos de las distintas áreas o a las fluctuaciones anuales del número de patentes y otros efectos fijos. El resultado es un coeficiente que debería valer 1 cuando la relación entre el número de patentes predicho y real fuera perfecta, y bueno, sale 0.85 (0.17), que no está nada mal. Además, hacen también otros controles que tienen en cuenta tendencias en las tecnologías antecesoras, pesos de las muestras, difusión de segunda generación, e incluso cambiar la clasificación de las familias por la International Patent Classification. También desagregaron el efecto por clases: el resultado es que las 10 clases más importantes que influyen en una dada son las responsables de la mayoría del efecto, y el resto tienen una influencia menor.

Con todo esto, la imagen que el artículo da del proceso innovativo es algo intermedio, ni global, ni local. La idea de que el acervo de conocimiento sumado sobre todos los campos es de lo que beben todas las nuevas innovaciones no es cierta, como tampoco lo es que en un campo se innove partiendo sólo de los que se hace en ese campo. Es decir, el proceso de la innovación viene gobernado por una red de relaciones, que es la manera de describir esta situación intermedida de la que estamos hablando. Pero, más allá de esta conclusión, que puede hasta ser un poco técnica, los autores llegan a otro resultado mucho más importante: el que la difusión de las innovaciones y su influencia en otros campos sea tan destacada, y el que lo haga durante períodos de tiempo tan largos (10 o más años), implica que si la investigación y el desarrollo disminuyen en un momento dado, los efectos se notarán años más tarde y además durarán muchos años. Por eso en el título hablo de la miopía: lo que este estudio evidencia es que todos aquellos que alertamos de la miopía, de la cortedad de miras de los gobiernos que, como el español, se dedican a recortar en investigación, tenemos razón. Ya sé que en el mundo de la post-verdad la evidencia es irrelevante, pero al menos yo me quedo a gusto aportándola. Y si yo fuera el gobierno, sospecharía que algo pasa viendo como Alemania y otros indocumentados aumentan sus presupuestos de investigación...

 

 

Anxo Sánchez es Doctor en Física Teórica y Matemática por la Universidad Complutense de Madrid y Catedrático de Matemática Aplicada en la Universidad Carlos III. Tras dedicar quince años a estudiar solitones, dispositivos semiconductores y crecimiento de materiales, en los últimos años sus áreas de investigación tienen que ver con las aplicaciones de herramientas físicas y matemáticas en campos que van desde la biología a la economía, casi siempre desde la perspectiva de los sistemas complejos.

Hay 7 comentarios
  • En resumen, el conocimiento es interdisciplinar y ahora tenemos una idea de cómo de interdisciplinar es nuestra materia.

    Gracias por la entrada.

  • Anxo, me parece muy interesante. Creo que también lo sería repetir el ejercicio con citas entre las áreas de una disciplicina, p.ej. la economía, para ver su interacción y cuál tira de cuál.

    Quedándome con la anécdota, me llama la atención que los evaluadores no sean anónimos:

    Reviewers: B.F.J., Northwestern University; and P.S., Georgia State University.

    Esto es inusual, ¿no?

    • Muchas gracias Samuel, me alegro de que te parezca interesante. Y te agradezco también tu sugerencia; es ciertamente interesante, y ya hay cosas hechas. De hecho, hablé de un estudio que creo que va en la dirección que tu dices en este post. Y también tienen relación estudios de financiación de la ciencia, de los que hablé en mi SciLog, aunque ya es más lejana. Hay mucho que avanzar por aquí, creo. Y mucho que aprender luego para, por ejemplo, evaluar currícula, proyectos, diseñar estudios universitarios...

      En cuanto a tu pregunta de los referees, últimamente estoy viéndolo en las revistas de papel couché. En Nature, por ejemplo, en algunos artículos viene el nombre completo de alguno o todos los evaluadores, obviamente los que lo autorizan, claro. Creo que es una práctica sana y que debería extenderse.

  • "(que va en la línea del modelo matemático que he citado antes)", Creo que no citas ningún modelo antes de esta mención.

  • La innovación no es sinónimo de innovación.

    Muchas patentes aprobadas en Estados Unidos no son nada innovadoras, sino descripciones vagas. Muchas patentes se piden para litigar, o para evitar litigios de litigadores, no para proteger innovaciones.

    Además muchas innovaciones son secretos industriales, o por el contrario se liberan al público,

Los comentarios están cerrados.