Industria, universidad e innovación: Comprendiendo la relación entre los canales de colaboración y las capacidades de innovación de las empresas en Brasil

Mikhailov, Andrei; Ruffoni, Janaina; Puffal, Daniel Pedro

doi:10.1590/S0034-759020250310

Tabla de contenido Anterior Actual Siguiente

Tabla de contenido

FORUM • Rev. adm. empres. 65 (3) • 2025 • https://doi.org/10.1590/S0034-759020250310 linkcopiar

Industria, universidad e innovación: Comprendiendo la relación entre los canales de colaboración y las capacidades de innovación de las empresas en Brasil

Autoría SCIMAGO INSTITUTIONS RANKINGS

El objetivo de este estudio es analizar la influencia de los diferentes canales de colaboración universidad-empresa (U-I) a través de los cuales las empresas mejoran sus capacidades de innovación. Se realizó una encuesta con 176 empresas manufactureras brasileñas. Los resultados indican que, si bien los canales de colaboración U-I son importantes para desarrollar capacidades de innovación en las empresas, no todos los canales son igualmente efectivos. Los canales de colaboración basados en la transferencia de conocimiento son los más beneficiosos para las empresas en términos de su impacto en las capacidades de innovación, particularmente en las dimensiones de gestión, transacciones y capacidades de desarrollo, en comparación con los basados en redes de innovación. Esto significa que la transferencia de conocimiento a través de licencias de tecnología, capacitación, contratación de recursos humanos y publicaciones e informes permite a las empresas mejorar sus procesos internos y, a su vez, sus capacidades de innovación. Este artículo contribuye a la comprensión del impacto de las universidades en las empresas más allá de las medidas de corto plazo, como el desempeño financiero y de innovación, al proporcionar una perspectiva holística. Finalmente, es importante subrayar que este estudio arroja luz sobre las dinámicas específicas de la interacción entre dos actores sociales clave -las universidades y las empresas industriales- en la generación y aplicación de conocimiento científico y tecnológico. Al hacerlo, contribuye al discurso más amplio sobre el Objetivo de Desarrollo Sostenible 9 - Industria, Innovación e Infraestructura, particularmente en el contexto de una economía emergente.

Palabras clave
colaboración universidad-industria; capacidad de innovación de las empresas; desempeño de innovación de las empresas; empresas manufactureras; canales de colaboración.

U-I collaboration channel type	Resource	References
Knowledge transfer	Technology licensing	Jones & Zubielqui (2017), Póvoa & Rapini (2010), Puffal et al. (2021), Schartinger et al. (2002), Vega-Jurado et al. (2017)
	Training	D’Este & Patel (2007), Meyer-Krahmer & Schmoch (1998), Puffal et al. (2021), Schartinger et al. (2002)
	HR recruitment	Colombo & Delmastro (2002, D’Este & Patel (2007), Puffal et al. (2021)
	Publications and reports	D’Este & Patel (2007), Meyer-Krahmer & Schmoch (1998), Puffal et al. (2021), Schartinger et al. (2002)
Innovation networks	Consulting	Meyer-Krahmer & Schmoch (1998), Schartinger et al. (2002)
	Outsourced R&D	Cunha & Fracasso (1999), Schultz et al. (2020), Vega-Jurado et al. (2017)
	Joint R&D	Cunha & Fracasso (1999), Schultz et al. (2020), Vega-Jurado et al. (2017)
	University networks	Fuentes & Dutrénit (2012), Min et al. (2019), Póvoa & Rapini (2010)
	HR exchange	Meyer-Krahmer & Schmoch (1998), Póvoa & Rapini (2010)
	Spinoff	Póvoa & Rapini (2010), Puffal et al. (2021), Schartinger et al. (2002)

Variable	Variable type	Construction	Validated and applied by¹
*First-order dependent variables*
Development capability (DC)	Continuous	Mean of 6 Likert-scale variables	Alves et al. (2017)
Operations capability (OC)	Continuous	Mean of 5 Likert-scale variables	Alves et al. (2017)
Management capability (MC)	Continuous	Mean of 5 Likert-scale variables	Alves et al. (2017)
Transactions capability (TC)	Continuous	Mean of 4 Likert-scale variables	Alves et al. (2017)
*Second-order dependent variable*
Innovation performance	Continuous	3 Likert-scale variables	Engelmann et al. (2017)

Variable	Mean	Standard error
*First-order dependent variables*
Development capability (DC)	4.36	0.40
Operations capability (OC)	4.42	0.35
Management capability (MC)	4.50	0.35
Transactions capability (TC)	4.03	0.53
*Second-order dependent variable*
Innovation performance	3.77	0.77

Variable	Mean	Standard error
Training	4.72	.675
Technology licensing	4.41	.788
HR recruitment	4.40	.803
Consultancy	4.02	.803
Publications and reports	3.98	.843
Joint R&D	3.96	1.038
Spinoff	3.74	1.010
Taking part in university networks	3.69	.962
Patents	3.65	1.145
Outsourced R&D	3.63	1.072
HR exchange	3.47	1.022

		Component
Factor	Variables	1	2
Factor 1: Knowledge transfer	Technology licensing	0.807
Factor 1: Knowledge transfer	Training	0.685
	HR recruitment	0.522
	Publications and reports	0.694
Factor 2: Innovation networks
	Consulting		0.390
	Outsourced R&D		0.740
	Joint R&D		0.828
	University networks		0.798
	HR exchange		0.604
	Spinoff		0.692

Variable	Variable type	Coding
Size	Continuous	Log10 of the total number of employees
Age	Continuous	Log10 of age in years
R&D intensity (R&D investment in proportion to revenue)	Ordinal	Below 1% = 1, between 1% and 2.5% = 2, between 2.6% and 7% = 3, over 7% = 4
Impact of COVID-19 on the firm R&D investment	Continuous	Very negative = 1, negative = 2, neither negative nor positive = 3, positive = 4, very positive = 5
Presence of R&D department	Dummy	Present = 1, absent = 0

Sector	Number of companies	Frequency %
Machinery and equipment	40	22.8
Food and beverage	37	21
Paper, wood and wood products	19	10.8
Chemicals	14	8
Pharmaceuticals	13	7.4
Leather and footwear	12	6.8
Metal products	11	6.3
Medical and optical equipment	8	4.5
Electrical equipment	6	3.4
Rubber and plastics	8	4.5
Precision instruments	2	1.1
Non-metal products	2	1.1
Printing	1	0.6
Communication equipment	1	0.6
Electronics and hardware	1	0.6
Other manufacturing products	1	0.6
Total	168	100

Indicators	Value	Thresholds
p - significance	<0.001	< 0.01
CMIN/DF	1.761	< 5.0
RMSEA - root mean squared error of approximation	0.068	< 0.08
CFI - comparative fit index	0.893	> 0.8
IFI - incremental fit index	0.900	> 0.8
TLI - Tucker-Lewis coefficient	0.844	> 0.8

	MC	OC	TC	DC	INOV
*U-I* *collaboration factors*
Knowledge transfer	0.437^*** (0.123)	0.173 (0.118)	0.486^*** (0.193)	0.769^*** (0.172)	0.085(0.36)
Innovation networks	-0.008 (0.085)	-0.090 (0.090)	-0.079 (0.131)	-0.345^* (0.105)	-0.048(0.191)

*Innovation capabilities*
MC	-	-	-	-	0.225^*(0.166)
TC	-	-	-	-	0.214^*(0.109)
OC	-	-	-	-	0.044(0.143)
DC	-	-	-	-	0.011(0.188)

*Control Variables*
Log10_Size	0.083(0.046)	-.0.025(0.044)	0.069(0.067)	0.085(0.049)	-0.018(0.085)
Log10_Age	-0.017(0.107)	-0.07(0.113)	0.054(0.164)	0.027(0.119)	0.075(0.208)
R&D intensity	0.043(0.035)	0.164(0.037)	0.059(0.053)	0.087(0.039)	0.170(0.069)
COVID_R&D	0.046(0.029)	-0.070(0.030)	-0.115(0.044)	0.022(0.032)	0.158(0.057)
Research_Group	-0.073(0.078)	0.052(0.082)	0.150(0.120)	0.350(0.091)	0.095(0.179)

location_on

Fundação Getulio Vargas, Escola de Administração de Empresas de S.Paulo Avenida Nove de Julho, 2.029, Bela Vista, CEP: 01313-902, Telefone: +55 (11) 3799-7718 - São Paulo - SP - Brazil
E-mail: rae@fgv.br

rss_feed Acompañe los números de esta revista en su lector de RSS