Investigadores de ETEA-Loyola proponen un nuevo modelo para la UE de clasificación del rendimiento en I+D+i

CÓRDOBA 12 Jul. (EUROPA PRESS) -

Un equipo de investigadores de ETEA-Universidad Loyola Andalucía, formado por César Hervás, Mónica de la Paz y Pilar Campoy, ha publicado un artículo en el que proponen una nueva metodología para la clasificación del rendimiento en I+D+i en 25 países de la Unión Europea (UE).

Según ha informado ETEA, el artículo, titulado 'Non-linear multiclassifier model based on Artificial Intelligence to predict Research and Development Performance in European Countries', ha sido publicado por la revista 'Technological Forecasting and Social Change'.

Una de las principales aplicaciones de esta nueva metodología es la posibilidad de medir el impacto, positivo o negativo, que puedan provocar en el crecimiento económico los cambios en política de investigación en innovación de los países de la UE.

Actualmente, existen distintos métodos de estudio del rendimiento en I+D+i. La aportación del equipo de ETEA es un modelo con nueve indicadores que miden, entre ellos, el número de patentes, el número de publicaciones científicas, la inversión en I+D o el personal dedicado a este tipo de actividad, tanto en el sector público como el privado.

El estudio se ha realizado en función de los datos de I+D+i, de educación y económicos en 25 países de la UE durante el periodo 2005-2008, previo a la crisis internacional. De esta manera, se establecen cuatro grupos en función del rendimiento del I+D+i: 'drivers' o economías que se basan principalmente en la I+D+i para crecer sostenidamente en el tiempo; 'followers' o economías con un alto nivel de empleo de recursos de I+D+i y que se van acercando al primer grupo; 'moderate' o perfil moderado, y 'low' o economías de países de bajo rendimiento y dedicación de sus recursos a la I+D+i.

Dicha metodología fue comparada con los métodos más conocidos de clasificación, resultando que el modelo presentado contaba con un menor número de coeficientes sin que por ello disminuyese la exactitud o precisión en la predicción de la clasificación en el rendimiento.