RESULTADOS
Consulta online del
Consejo Nacional de Ciencia, Tecnología, Conocimiento e Innovación (CTCI)
La Consulta para recoger antecedentes en la construcción de la Estrategia Nacional de Ciencia, Tecnología, Conocimiento e Innovación es una iniciativa del Consejo Nacional de CTCI. Durante los meses de septiembre y octubre del 2021, invitamos a los distintos actores del ecosistema CTCI y a la ciudadanía a través de redes sociales y página web, a identificar obstáculos y oportunidades que ven en el desarrollo de la ciencia, la tecnología, el conocimiento y a innovación en Chile, y también a distinguir aquellos desafíos-país y desafíos globales en donde la CTCI podría jugar un rol más protagónico.
El objetivo de esta consulta es incorporar las visiones de los gobiernos regionales, las asociaciones de la sociedad civil y la ciudadanía, como insumo en el proceso de construcción de la Estrategia Nacional de CTCI. A través de preguntas abiertas, participaron 628 miembros del ecosistema.
Metodología
Los resultados de esta consulta fueron analizados por un equipo interdisciplinario con experticia en ciencia de datos, ciencias sociales y diseño. A través de un proceso de análisis de texto, se combinaron estrategias de extracción y sistematización computacional con análisis cualitativo de las respuestas.
Para la tokenización y pre-procesamiento de los textos utilizamos librerías estándar de text-mining en lenguaje Python y R. Para el análisis descriptivo, junto a lo anterior usamos librerías más especializadas para análisis sintáctico y etiquetado gramatical. Estas librerías incorporan modelos en español y están disponibles en lenguaje Python (Stanza) y R (UDPipe). El análisis probabilístico e inferencial se hizo mediante el modelo Structural Topic Modeling (librería STM en R), basado en LDA.
Los resultados fueron divididos en dos categorías:
- Resultados descriptivos, en donde organizamos las opiniones mediante técnicas de extracción y conteo directo de palabras o elementos de las frases, de manera de mostrar de manera directa lo conversado. A partir de esto, construimos visualizaciones como nubes de palabras (wordclouds) y árboles de palabras (wordtrees).
- Resultados probabilísticos e inferenciales, en donde presentamos modelamiento de tópicos, construcción de diccionarios y regresiones logísticas para identificar temas latentes y plantear hipótesis comparativas entre tipo de participantes.
Muestra
Luego de filtrar resultados por respuestas vacías o remanentes de testeos, el número total de participantes en la consulta fueron 628. Los datos registrados para los participantes son: Género, Grado, Sector de la CTCI y Región.
Género
Respecto a la identidad de género, preguntamos a los participantes si se identifican como mujeres, hombres, no-binarie o si prefieren auto-definirse.
Grado
Consultamos respecto al máximo grado académico, dentro de las distintas opciones de carreras técnicas, profesionales y títulos de postgrado.
Sector
Les preguntamos a los participantes sobre el espacio que ocupan dentro del ecosistema CTCI, ya sea dentro de universidades, centros de investigación, empresas, organismos públicos u otros.
Región
También les preguntamos a los participantes sobre la ubicación geográfica desde dónde nos responden, ya sea dentro alguna de las distintas regiones de Chile o desde el extranjero.
RESULTADOS
Los resultados de la consulta están organizados según las tres preguntas de la consulta que apuntaban a identificar:
- Obstáculos de la CTCI
- Oportunidades de la CTCI
- Desafíos mundiales y globales que requieren CTCI
Todo esto, en miras a aumentar la contribución de la CTCI al desarrollo económico, inclusivo y sostenible de Chile.
Obstáculos
Los participantes presentaron sus percepciones sobre cuáles son obstáculos centrales para que la CTCI contribuya al desarrollo del país.
I. Análisis descriptivo
A continuación, se presenta la organización descriptiva de la pregunta referida a obstáculos. Por un lado, se presentan nubes de palabras (wordclouds) que permiten identificar los conceptos centrales de las conversaciones y árboles de palabras (wordtrees) que permiten explorar conjuntos de frases que comparten una misma raíz.
Nube de palabras
Las nubes de palabras (wordclouds) son creadas en base a los sustantivos núcleos de sintagma objeto directo y sujeto, junto con sus dependencias directas, si estas son un adjetivo, o una preposición. Cuando las frases no contienen verbo, el parseador asigna el objeto directo a la raíz de la frase. Por lo tanto, para cubrir estos casos, incluimos también la raíz de la frase en la búsqueda. También se incorporaron bigrams y trigrams (conjuntos de 2 o 3 palabras) filtrando por patrones gramaticales de interés según la interpretación cualitativa de las opiniones.
Clic o pulsar sobre un tema de interés para ver las opiniones de los encuestados sobre el tema
Hay 25
observaciones para
falta de financiamiento.
Algunas seleccionadas son:
Creo que uno de los principales obstáculos es la falta de financiamiento de investigación que es donde parte el proceso.
Falta de financiamiento para investigación, falta de vinculación con el medio y falta de desarrollo de investigación aplicada.
Falta de financiamiento a nivel general y sobretodo falta de financiamiento a investigación básica.
El principal obstáculo es la falta de financiamiento a todo nivel.
La falta de financiamiento y articulación entre C-T-I-E.
La falta de financiamiento para adquirir conocimiento y la baja consolidación de lo público y lo privado para financiar conocimiento.
Hay dos obstáculos críticos, en mi opinión. El primero versa sobre la falta de financiamiento. El país debe invertir un porcentaje significativo del producto interno bruto si quiere velar por el desarrollo adecuado de la ciencia en Chile. En segundo lugar es importante atender a la jerarquía imperante que hay entre distintas formas de conocimiento, y donde la ciencia y tecnología se valora por sobre otras formas de conocimiento.
La centralización del desarrollo y la financiación en la investigación en la RM. Esto hace que el capital humano siga su desplazamiento hacia la capital, evitando que las fortalezas regionales se exploten y que las debilidades del país se solucionen con estrategias plausibles de implementar según la realidad de cada Región. La falta de financiamiento y la continuidad de proyectos a largo plazo influye en pasar del conocimiento básico a la transferencia tecnológica.
Árbol de palabras
Los árboles de palabras (wordtrees) presentan de forma concisa las ideas más importantes contenidas en las respuestas a las preguntas. En el caso de “obstáculos” se visualiza el sustantivo “falta”, y se complementa con aquellas frases cuya raíz es el verbo “faltar”.
II. Análisis probabilístico e inferencial
Mediante el modelamiento de tópicos (topic modeling) se buscó identificar la cantidad de tópicos que mejor permiten describir las conversaciones, y los conceptos asociados a esos tópicos. Luego, mediante análisis cualitativo, se iteró sobre estos conceptos y se construyeron diccionarios que nos permiten estimar la prevalencia de los tópicos en cada pregunta. Esto también nos permite comparar mediante regresiones logísticas si existen diferencias en la probabilidad que distintos grupos de participantes se pronuncien sobre un tópico.
Prevalencia de tópicos
En el caso de la pregunta sobre “obstáculos” se identifican 5 tópicos que presentan la siguiente prevalencia en el texto:
Comparaciones entre grupos
Para esta pregunta se observan las siguientes diferencias significativas en la probabilidad que un grupo opine sobre alguno de estos tópicos.
Oportunidades
Los participantes presentaron sus percepciones sobre cuáles son la principal oportunidad o fortaleza presente actualmente en el rol que juega la CTCI para el desarrollo de Chile.
I. Análisis descriptivo
A continuación, se presenta la organización descriptiva de la pregunta referida a oportunidades. Por un lado, se presentan nubes de palabras (wordclouds) que permiten identificar los conceptos centrales de las conversaciones y árboles de palabras (wordtrees) que permiten explorar conjuntos de frases que comparten una misma raíz.
Nube de palabras
Las nubes de palabras (wordclouds) son creadas en base a los sustantivos núcleos de sintagma objeto directo y sujeto, junto con sus dependencias directas, si estas son un adjetivo, o una preposición. Cuando las frases no contienen verbo, el parseador asigna el objeto directo a la raíz de la frase. Por lo tanto, para cubrir estos casos, incluimos también la raíz de la frase en la búsqueda. También se incorporaron bigrams y trigrams (conjuntos de 2 o 3 palabras) filtrando por patrones gramaticales de interés según la interpretación cualitativa de las opiniones.
Clic o pulsar sobre un tema de interés para ver las opiniones de los encuestados sobre el tema
Hay 51
observaciones para
capital humano.
Algunas seleccionadas son:
Buen nivel de capital humano Chileno en diversas áreas.
Creo que hay capital humano avanzado que ha recibido becas del estado y que pueden contribuir al desarrollo de las diferentes disciplinas y, por tanto, del país.
Cuenta con capital humano formado para el desarrollo de investigación en todo el país.
El capital humano y los recursos naturales existentes que son una mezcla que lleva a ser una fuente inagotable de potenciales desarrollos.
Generación de capital humano, generación de valor agregado a la producción chilena.
La diversidad de actividades que se pueden desarrollar en el país y la importancia del capital humano.
La principal fortaleza debiera ser la contribución a la creación de capital humano, para que a su vez éste contribuya a la creación de capital intelectual a través del conocimiento, la ciencia y la tecnología. La consecuencia natural de este círculo virtuoso, es la creación de empresas, trabajo y desarrollo, las que a su vez motivarán el refuerzo del círculo.
Productividad del capital humano avanzado.
Árbol de palabras
Los árboles de palabras (wordtrees) presentan de forma concisa las ideas más importantes contenidas en las respuestas a las preguntas. En el caso de “oportunidades” se visualizan los sustantivos “calidad” y “nivel”. Se hicieron además wordtrees para los verbos “mejorar”, “aprovechar” y “generar”, que son los verbos más informativos según el análisis cualitativo de las opiniones.
II. Análisis probabilístico e inferencial
Mediante el modelamiento de tópicos (topic modeling) se buscó identificar la cantidad de tópicos que mejor permiten describir las conversaciones, y los conceptos asociados a esos tópicos. Luego, mediante análisis cualitativo, se iteraron sobre estos conceptos y se construyeron diccionarios que nos permiten estimar la prevalencia de los tópicos en cada pregunta. Esto también nos permite comparar mediante regresiones logísticas si existen diferencias en la probabilidad que distintos grupos de participantes se pronuncien sobre un tópico.
Prevalencia de tópicos
En el caso de la pregunta sobre “oportunidades” se identifican 8 tópicos que presentan la siguiente prevalencia en el texto.
Comparaciones entre grupos
Para esta pregunta se observan las siguientes diferencias significativas en la probabilidad que un grupo opine sobre alguno de estos tópicos.
Desafíos
Los participantes presentaron sus percepciones sobre cuáles son los desafíos nacionales y globales en donde la CTCI debería jugar un rol más preponderante.
I. Análisis descriptivo
A continuación, se presenta la organización descriptiva de la pregunta referida a desafíos. Por un lado, se presentan nubes de palabras (wordclouds) que permiten identificar los conceptos centrales de las conversaciones y árboles de palabras (wordtrees) que permiten explorar conjuntos de frases que comparten una misma raíz. También se incorporaron bigrams y trigrams (conjuntos de 2 o 3 palabras) filtrando por patrones gramaticales de interés según la interpretación cualitativa de las opiniones.
Nube de palabras
Las nubes de palabras (wordclouds) son creadas en base a los sustantivos núcleos de sintagma objeto directo y sujeto, junto con sus dependencias directas, si estas son un adjetivo, o una preposición. Cuando las frases no contienen verbo, el parseador asigna el objeto directo a la raíz de la frase. Por lo tanto, para cubrir estos casos, incluimos también la raíz de la frase en la búsqueda.
Clic o pulsar sobre un tema de interés para ver las opiniones de los encuestados sobre el tema
Hay 84
observaciones para
cambio climático.
Algunas seleccionadas son:
Uso ético de la Inteligencia Artificial. Lucha contra el cambio climático.
En dos temas relevantes, uno nacional y otro global: (1) contribuir al desarrollo de territorios y regeneración de confianzas políticas, y (2) en temas de cambio climático sobretodo en el desarrollo tecnológico para minimizar la emisión de gases, basura, externalidades de las industrias y sector domiciliario.
Autonomía alimentaria, agregar valor a productos primarios, desarrollar tecnologías limpias, disminuir la huella de carbono, disminuir la huella hídrica y favorecer tecnologías que contribuyan a disminuir los efectos del cambio climático, a redistribuir el poder y a la redemocratización del país.
a. Recuperación de la convivencia nacional, con justicia y respeto por la naturaleza y las personas. b. Reparación de los daños producidos por el sistema depredador de la naturaleza e irresponsable respecto de la condición de vida de sus trabajadores, y c. Preparación para aminorar los daños del cambio climático y los problemas sociales como narcotráfico.
Sin duda, el cambio climático y sus efectos en Chile.
En lo referente a cambio climático y urbanización.
En la implementación de energías alternativas que permitan mitigar los efectos del cambio climático.
El cambio climático y la habitabilidad sostenible.
Es necesario atenuar el cambio climático.
El cambio climático / calentamiento global.
Abordar apropiadamente el cambio climático y envejecimiento.
Apoyar al cambio climático debiese ser un prioridad, mejorar la eficiencia de procesos industriales con un enfoque verde.
En la adaptación al cambio climático.
Árbol de palabras
Los árboles de palabras (wordtrees) presentan de forma concisa las ideas más importantes contenidas en las respuestas a las preguntas. En el caso de “desafíos” se visualizan los verbos “aumentar”, “desarrollar”, “generar”, “incorporar”, “lograr” y “mejorar”. Estos verbos fueron los más informativos según el análisis cualitativo de las opiniones.
II. Análisis probabilístico e inferencial
Mediante el modelamiento de tópicos (topic modeling) se buscó identificar la cantidad de tópicos que mejor permiten describir las conversaciones, y los conceptos asociados a esos tópicos. Luego, mediante análisis cualitativo, se iteraron sobre estos conceptos y se construyeron diccionarios que nos permiten estimar la prevalencia de los tópicos en cada pregunta. Esto también nos permite comparar mediante regresiones logísticas si existen diferencias en la probabilidad que distintos grupos de participantes se pronuncien sobre un tópico.
Prevalencia de tópicos
En el caso de la pregunta sobre “desafíos” se identifican 4 tópicos que presentan la siguiente prevalencia en el texto.
Comparaciones entre grupos
Para esta pregunta se observan las siguientes diferencias significativas en la probabilidad que un grupo opine sobre alguno de estos tópicos.
