Primera instancia: Curación académica realizada por CyTA, según criterios de integridad científica, semántica y estructura académica (disponible a partir de 2024/07).
Segunda instancia: Curación asistida por inteligencia artificial (ChatGPT, desarrollada por OpenAI), mediante prompts especializados diseñados por CyTA. (disponible a partir de 2001/09)
Este protocolo implementa un modelo de revisión abierta, responsable y trazable, centrado en la formación, la transparencia y la accesibilidad del conocimiento.
Explotación de datos en empresas PyMEs intensivas en conocimiento: un estudio aplicado a empresas de la ciudad de Tandil, Argentina
Data exploitation in knowledge-intensive SMEs: a study applied to companies in the city of Tandil, Argentina
Romero, María del Carmen ⓘ Centro de Estudios en Administración (CEA), Facultad de Ciencias Económicas,
Universidad Nacional del Centro de la Provincia de Buenos Aires,
Tandil, Buenos Aires, Argentina
Álvarez, María Belén ⓘ Centro de Estudios en Administración (CEA), Facultad de Ciencias Económicas,
Universidad Nacional del Centro de la Provincia de Buenos Aires,
Tandil, Buenos Aires, Argentina
Álvarez, Ludmila ⓘ Becaria CIC – Beca de Entrenamiento (BENTR22),
Centro de Estudios en Administración (CEA), Facultad de Ciencias Económicas,
Universidad Nacional del Centro de la Provincia de Buenos Aires,
Tandil, Buenos Aires, Argentina
Resumen
El presente trabajo tiene por objetivo analizar la explotación de datos en un conjunto de empresas PyMEs intensivas en conocimiento localizadas en la ciudad de Tandil. Se definen como organizaciones intensivas en conocimiento (OIC) a aquéllas cuyo principal factor productivo es el conocimiento. Se realizó un estudio exploratorio para una muestra no probabilística de 12 empresas con las características mencionadas con la finalidad de caracterizarlas a partir del continuo Dato-Información-Conocimiento. Se identifica que todas las empresas estudiadas registran datos y, entre ellas, se distinguen tres grupos: una única empresa que posee datos pero que no genera información ni toma decisiones en función de ellos, dos empresas que poseen datos, no generan información, pero toman decisiones en función de los datos; y el grupo restante de nueve firmas que poseen datos, generan información y toman decisiones en base a ella. En este último grupo se observa que aproximadamente el 90% generan sistemas de indicadores, que todas guardan información y que un alto porcentaje lo hace mediante archivos digitales. Se identifica, también, que cerca del 90% de las empresas estudiadas comparte la información generada al resto de la organización y que dicha información es transmitida en forma parcial a todas las áreas. Además, si bien en las decisiones participan agentes externos y empleados, éstos participan en un bajo porcentaje y dichas decisiones son tomadas exclusivamente por los directivos. Una gran mayoría de las empresas estudiadas registran datos, generan información y toman decisiones en función de ella, lo cual es esperable por las características propias de las organizaciones intensivas en conocimiento. Se plantean estudios futuros en profundidad para aquéllas en las cuales no se genera información y no se toman decisiones en función de ella para poder identificar cuáles son los obstáculos que intervienen en dicho proceso.
Palabras Clave:
organizaciones intensivas en conocimiento, PyMEs, datos
ⓘ
Keyword:
knowledge intensive organizations, SMEs, data
ⓘ -
ⓘ
- ⓘ
Curation
La curación es realizada aplicando una demarcación epistemológica, la cual permite valorar un trabajo científico para la web semántica - ⓘ
Inteligencia Artificial Generativa para usos académicos
📊 Análisis de tendencias en palabras clave
Las palabras clave de este artículo han sido analizadas a través de Google Trends, permitiendo visualizar su tendencia en los últimos cinco años. Esto facilita comprender su impacto en el ámbito científico y su relevancia en el tiempo.
Las palabras clave provienen de un enfoque estructurado basado en un thesauro temático, disciplinar y metodológico; disponible en: https://skos.um.es/unesco6/.
La integración con IA permitirá, en el siguiente paso, analizar la pertinencia de estas palabras clave en función de la literatura académica y el impacto en bases científicas.
Prompt sugerido para revisar el resumen
Para la curacción del resumen se ha establecido una longitud recomendada entre 150 y 250 palabras, y la siginete estructura: Contextualización, Intersticio, Propósito, Metodología, Resultados y Conclusiones; dado que la misma:
Facilita la comprensión: Presenta la información de manera secuencial y lógica.
Optimiza la indexación: Clarifica los elementos clave para motores de búsqueda y bases de datos.
Mejora la curación automática: Permite que una IA identifique cada parte con precisión.
Prompt sugerido para revisar la semántica del resumen
El siguiente prompt se centra en la curación semántica del resumen científico.
El objetivo es garantizar que el resumen capture la esencia del artículo y sea comprensible para la comunidad académica.
Este prompt conjuga con el prompt se complementa con el desarrollado para ChatGPT analizando, valorando y asistientdo, entre ambos, a la estructura y la semántica del trabajo.
Prestaremos especial atención a la claridad, la precisión y las relaciones entre los conceptos clave.
Prompt sugerido para curar el artículo con ChatGPT
Prompt sugerido para curar el artículo con Copilot
Prompt sugerido para curar la bibliografía
📖 La importancia de las referencias bibliográficas en la investigación
Las referencias bibliográficas no solo documentan la información utilizada, sino que reflejan la estructura filosófica y conceptual del estudio. Constituyen el andamiaje sobre el cual se construye el conocimiento, permitiendo:
🔹 Ubicar el estudio en su contexto dentro del campo científico.
🔹 Demostrar rigor académico, mostrando que el trabajo se basa en principios y teorías validadas.
🔹 Identificar tendencias y enfoques clave, revelando qué perspectivas guían la investigación.
🔹 Evitar el sesgo y la obsolescencia, asegurando que el conocimiento se base en fuentes actualizadas y diversas.
Por ello, analizar las referencias bibliográficas de un artículo permite:
📌 Determinar cuáles son las más influyentes dentro del documento.
📌 Evaluar la solidez teórica y metodológica del estudio.
📌 Identificar principios, teorías y enfoques clave en la disciplina.
🔍 Con esta herramienta, puedes obtener una selección optimizada de referencias destacadas, priorizando aquellas más relevantes por su frecuencia de citación, actualidad y relación con el tema central del documento.
Romero, María del Carmen; Álvarez, María Belén; Álvarez, Ludmila (2023). Explotación de datos en empresas PyMEs intensivas en conocimiento: un estudio aplicado a empresas de la ciudad de Tandil, Argentina. Técnica Administrativa.22(4), 2. https://www.cyta.com.ar/ta/article.php?id=220402
Contribución
La programaciónha basada en IA, para la estructuración semántica y mejora del contenido, ha sido desarrollada con la contribución y asistencia de ChatGPT
ChatGPT (2025). Representación estructurada en RDF/Turtle para la curación semántica de artículos científicos.OpenAI. Disponible en este enlace.
Microsoft Copilot 7 de febrero de 2025 Análisis de las categorías relevantes de la demarcación epistemológica según Mario Bunge