Fuentes de información

Las fuentes de información empleadas para el presente estudio fueron: Base de datos de 921 productores de maíz con superficies iguales o inferiores a 5 ha, beneficiarios del acompañamiento técnico implementado en el marco del programa PROAGRO Productivo de la SAGARPA, generada a partir del convenio de colaboración ‘mapeo de redes de innovación PROAGRO Productivo 2017 y 2018’, firmado entre la Universidad Autónoma Chapingo (UACH) y el Centro Internacional de Mejoramiento de Maíz y Trigo (CIMMYT). Incluye como variables la superficie, rendimiento, uso de maquinaria, uso de híbridos, porcentaje de la producción comercializada, innovaciones adoptadas y fuentes de información referidas por productor para cada innovación.

Registros del programa PROAGRO y entrevistas semiestructuradas aplicadas presencialmente a 17 extensionistas que atendieron a los productores señalados. Las variables incluidas fueron el inicio de actividades en relación con la etapa fenológica del cultivo pudiendo ser a tiempo (siembra o desarrollo vegetativo) o tardío (maduración o cosecha), la experiencia del técnico con el cultivo y como extensionista, la dedicación exclusiva de este hacia el programa y el conocimiento previo del técnico de las comunidades (arraigo al territorio).

Espacialmente, el alcance de la investigación se limitó a estudiar la implementación del acompañamiento técnico en el estado de Veracruz y se consideraron 9 municipios: Comapa, Cotaxtla, Papantla, Perote, San Andrés Tuxtla, Santiago Tuxtla, Soteapan, Tantoyuca y Zongolica. La temporalidad del estudio considera, la operación del programa en los años 2017 y 2018, que fueron los únicos años en que la intervención tuvo presencia.

Indicadores de desempeño

Para valorar el desempeño de la intervención se calculó el InAI (InAI= número de innovaciones adoptadas por el productor/número de innovaciones del catálogo*100) para cada productor, se utilizó el método de ^{Muñoz et al. (2007}) a partir de 13 innovaciones: análisis de suelos, aplicación de foliares, camas permanentes, composta, fertilización balanceada, mejoradores de suelo, micronutrientes, micorrizas, semillas MasAgro, siembra de precisión, subsoleo, tratamiento de semillas, y uso de bolsas plásticas o silos.

Una consideración es que todas las prácticas tienen el mismo peso específico sobre el indicador y que la adopción de cada una de ellas aporta 7.7 puntos porcentuales en el indicador de cada productor. El InAI se calculó para los años 2017 y 2018 para valorar su incremento y la significancia estadística del mismo.

Un segundo indicador que se estimó fue la tasa de adopción de innovaciones (TAI) para cada innovación para los mismos años, para visualizar los cambios en adopción para cada innovación. El cálculo se hizo mediante el método propuesto por ^{Muñoz et al., (2007}) mediante la siguiente fórmula: TAI= número de productores que usaron la innovación/número total de productores*100.

El tercer indicador que se utilizó para valorar los resultados de la intervención fue la densidad de las redes de conocimiento (RC) del año 2017 a 2018, que se computaron en el software UCINET 6.2, bajo el enfoque de análisis de redes sociales, a partir de las fuentes de información a la que los agricultores atribuyeron el aprendizaje de cada innovación que implementaron. Las RC fueron pareadas considerando el total de actores que conformaron las RC en ambos años. El indicador de densidad de RC muestra el porcentaje de las relaciones existentes en relación con las que podrían existir considerando los actores que componen la red (^{Molina et al., 2010}).

Análisis de la información

Se valoró la significancia del cambio que mostró el InAI al nivel municipal, mediante pruebas de t para muestras relacionadas. El análisis de la TAI se realizó mediante comparación de proporciones con la prueba de Chi cuadrado, con especial atención a las asimetrías existentes sobre cuáles innovaciones aumentaron en número de adoptantes y cuales no, para definir posibles causas a partir de revisión documental, del contexto y de las características propias de la población estudiada.

Para determinar si los cambios en las densidades de la RC fueron estadísticamente significativos, las redes fueron pareadas al considerar los actores totales de la red de cada municipio para ambos años, pero manteniendo los vínculos existentes en cada año y se evaluaron mediante la rutina: Network> Compare densities> Paired (same nodes) en el software UCINET 6.2, bajo el método bootstrap paired sample t-test propuesto por ^{Snijders y Borgatti (1999}). Los cambios en la densidad de las RC pareadas al nivel municipal se correlacionaron con los correspondientes cambios en el InAI a fin de identificar si existió una relación entre ambas variables.

Posteriormente, el análisis se centró en el incremento del InAI en relación con un conjunto de variables que pudieran condicionar la adopción de innovaciones. Estas variables se pueden agrupar en dos categorías: i) características de las unidades de producción; y ii) criterios operativos que se implementaron en el apartado de fuentes de información. Las variables se contrastaron con el incremento del InAI (ΔInAI), mediante correlaciones y análisis de comparación de medias.

Indicadores de desempeño

El primer resultado que se estimó fue el incremento del InAI a nivel estatal y para cada municipio que se analizó. En el Cuadro 1, se muestra también el número de agricultores por municipio.

El programa tuvo como resultado un incremento promedio del InAI de 6.3% en los nueve municipios de Veracruz. En términos absolutos, esto equivale a 0.8 innovaciones adoptadas por productor. Si bien, el poco interés por la introducción de innovaciones puede ser provocado por factores como la aversión al riesgo y la falta de liquidez (^{Martínez y Gómez, 2012}) en este caso, los bajos niveles de adopción, por ser productores de tan pequeña escala, podrían ser resultado de que la agricultura no es su actividad principal, lo que hace que el costo de oportunidad de su esfuerzo sea muy alto en relación a la potencial recompensa obtenida a partir de otras fuentes de ingresos (^{De Janvry y Sadoulet, 2004}; ^{CONEVAL, 2015}).

Además, de los nueve municipios que recibieron acompañamiento técnico, uno tuvo un incremento de 12.9% equivalente a 1.7 innovaciones en promedio y otro de 0.1%, equivalente a 0.04 innovaciones. Por tanto, los resultados son asimétricos entre la población atendida. Algunos estudios coinciden en el desempeño heterogéneo entre regiones de un mismo esquema de asistencia técnica, atribuyéndolo generalmente a diferencias en las condiciones locales (^{Muñoz et al., 2014}; ^{Martínez-González et al., 2018}). Sin embargo, como se verá más adelante, las características de la operación también influyen en el desempeño de la adopción de innovaciones. Con relación a la adopción de cada innovación, que se estimó mediante la TAI, en la (Figura 1) se muestra la variabilidad de este indicador para los dos años analizados.

Figura 1. Cambios en la tasa de adopción de innovaciones. Letras diferentes indican diferencias significativas (p< 0.05); prueba de Chi cuadrada. 

Las innovaciones más adoptadas fueron la fertilización balanceada, el tratamiento de semillas y la conservación de granos mediante bolsa plástica o silo. Innovaciones que, si bien incrementaron su adopción, ya eran relativamente conocidas desde antes por los productores. Con excepción de las semillas MasAgro, subsoleo y micorrizas, los cambios significativos no ocurrieron en innovaciones con valores inferiores al 10% de adoptantes en la TAI inicial.

Por otra parte, dado que todos los productores que se atendieron recibieron incentivos para la compra de fertilizantes y semillas (^{SAGARPA, 2017}), este mecanismo contribuyó con la adopción de innovaciones asociadas a estos insumos. La adopción de bolsas plásticas se explica por el costo relativamente bajo de la tecnología y por el inicio tardío de las actividades del programa en campo, en relación con las etapas fenológicas del cultivo en 2017, pues esta situación provocó que las actividades de extensión se centraran en la difusión de prácticas de manejo postcosecha.

Adicionalmente, las RC también mostraron cambios en la densidad como se muestra en el Cuadro 2, que además incluye información adicional como el número de actores referidos y número de vínculos de las redes para cada año.

En términos generales, los módulos iniciaron operaciones en redes con densidades bajas, lo que significa flujos de intercambio de información limitados. Si bien todas las RC aumentaron la densidad, solo tres municipios lo hicieron de manera significativa: Comapa, Cotaxtla y San Andrés Tuxtla. El municipio con mayor incremento en la densidad fue Santiago Tuxtla; sin embargo, éste partió de la red inicial con mayor densidad.

El Programa de extensionismo si bien aprovechó la interacción social existente, no pudo mejorar la interacción de redes iniciales poco densas como la de Perote, Papantla y Tantoyuca. Dicho programa estableció un conjunto de actividades orientadas hacia la gestión de la interacción entre productores, aunque en la práctica, los criterios para la selección de módulos demostrativos y áreas de extensión se basaron en cuestiones tradicionales como las señaladas por ^{Rendón et al. (2016}): cumplimiento normativo, interés y empatía del productor con el programa y la cercanía y acceso de la parcela, ya que, el programa exigía identificar rápidamente a dónde se establecerían los módulos y con qué productores se constituiría el grupo de trabajo.

Factores de implementación asociados al desempeño

De acuerdo con el comportamiento general de la adopción de innovaciones, se encontraron matices en la variabilidad de los resultados del programa. Un aspecto que se asoció a la adopción de innovaciones fue el contexto tecnológico, que incluye el uso de híbridos y el uso de maquinaria. La variabilidad de estos factores se muestra en el (Cuadro 3).

De acuerdo con el aumento del InAI, se afirma que las UP que usaban semillas híbridas y labranza mecanizada, obtuvieron mejores resultados que las UP donde el uso de estas tecnologías era limitado. Lo anterior, aporta evidencia de que los productores más tecnificados y con agricultura más comercial, se favorecieron en mayor medida del programa. Mientras los agricultores con tasas baja y media de comercialización se comportaron de manera similar, la adopción de innovaciones fue mayor en aquellos agricultores con una tasa alta de comercialización, como lo muestra la (Figura 2).

Figura 2. Grano comercializado y adopción de innovaciones (prueba de Scheffé). Letras diferentes indican diferencias significativas (p< 0.05). 

Por su parte, la superficie no mostró una correlación significativa en relación con el incremento del InAI (r de Pearson= 0.055; p> 0.05). Una posible explicación es que, al tratarse de pequeñas superficies la variabilidad de la adopción de innovaciones se reduce. El rendimiento mostró una correlación positiva, aunque baja, con el incremento del InAI (r de Pearson= 0.23; p< 0.05). Una probable explicación es que los productores con mejor rendimiento suelen tener experiencias positivas con la adopción de tecnología y por ello una mayor disposición a innovar.

Otros estudios han encontrado relación entre rendimientos superiores y la incorporación de innovaciones en cultivos como la papa (^{Priegnitz et al., 2019}), o entre la expectativa de rendimiento con la adopción de prácticas de agricultura de conservación (^{Knowler y Bradshaw, 2007}). En Veracruz, la intensidad de esta relación es baja posiblemente por la heterogeneidad de las regiones, la orientación dominante del cultivo hacia autoconsumo y la participación baja de la actividad en el ingreso.

Además, la variabilidad en los cambios de InAI tiene que ver con el entorno operativo bajo el cual se ejecutó la intervención. Un primer aspecto fue la oportunidad del acompañamiento técnico en el primer año; cuando el inicio de actividades del programa coincidió con las etapas de siembra o desarrollo vegetativo del cultivo (a tiempo), el incremento en la adopción de innovaciones fue superior qué cuando el inicio de actividades ocurrió en las etapas de maduración o cosecha del cultivo (tardío), como lo indica el (Cuadro 4).

Esta situación también ha sido percibida como un problema común por otros extensionistas en México (^{Monsalvo Zamora et al., 2017}). En efecto, iniciar tardíamente implica operar con restricciones para la promoción de todo el catálogo innovaciones, reducción de lo atractivo del programa para los agricultores, diagnósticos inoportunos y con poco valor de uso, selección inercial de productores y módulos; y en general, menos trabajo práctico en parcelas.

Por otro lado, se identificaron características de los extensionistas que fueron favorables con la adopción de innovaciones: el conocimiento previo del territorio donde prestó sus servicios y el acompañamiento técnico como única fuente de ingresos (Cuadro 5).

La dedicación exclusiva en la extensión y el arraigo al territorio se ha limitado en gran medida en México por dos procesos: retrasos en los pagos e incertidumbre en la continuidad del programa. Los asesores técnicos de PROAGRO señalaron pagos tardíos en periodos de entre dos y cuatro semanas, lo que representa una mejora con respecto a lo señalado por ^{Muñoz y Santoyo (2010)} para el ejercicio 2009, donde en 75% de los estados los pagos a PSP se realizaron con retraso en rangos que varían desde dos semanas hasta cuatro meses. Sin embargo, de acuerdo con la normativa del Programa, los pagos estaban sujetos a la entrega de productos, si los productos no se entregaban por el técnico, el pago no se realizaba hasta que se concretara el cumplimiento, por lo que atribuir el retraso a un problema administrativo es una afirmación que debe ser tomada con cautela.

El 59% de los asesores técnicos PROAGRO recurrieron a otras fuentes de ingresos durante el programa, y todos ellos señalaron que la principal causa fueron los pagos tardíos. Esto coincide con ^{Mayoral et al. (2015)} que señalan en un estudio realizado en Baja California, de 40 extensionistas encuestados, solo 18% se dedicaron exclusivamente a la actividad.

Por otro lado, se puede afirmar que los extensionistas no perciben que esta profesión sea sostenible, pues la inversión federal para programas de extensión agropecuarios ha presentado amplias variaciones en el periodo 2011-2018, con reducciones de 2014 a 2016 (^{Rendón et al., 2019}). Incidir en el arraigo territorial y la dedicación exclusiva de los extensionistas, requiere en términos prácticos una revisión de los incentivos para abrir espacios y aumentar el atractivo de la profesión (^{Berdegué, 2002}).

Adicionalmente, se encontró una correlación positiva entre el incremento del InAI con la experiencia de los extensionistas tanto en el cultivo (r de Pearson= 0.34; p< 0.05) como en la actividad profesional (r de Pearson = 0.37; p< 0.05). Lo que significa que los criterios de elegibilidad son una precondición para fortalecer la calidad de la oferta de los prestadores de servicios (^{Muñoz y Santoyo, 2010}) y dada la relativa facilidad para aplicarse, estos criterios deberían ser estrictamente considerados. Además, el desarrollo actual de la extensión y su orientación a la eficacia, requiere la selección de asesores con un enfoque basado en competencias (^{Tarekegne et al., 2017}).

Por otra parte, se encontró una clara relación positiva (r= 0.74) entre el incremento en el InAI y el incremento en la densidad de las RC pareadas. El acompañamiento técnico del PROAGRO Productivo tuvo una fuerte orientación hacia la gestión de la interacción y cumplió con una serie de pautas para el desarrollo de redes de innovación ^{(Muñoz y Santoyo (2010)}: mapeo de la red de conocimiento, identificación de actores clave e identificación del conocimiento tácito, además de la elaboración de informes para los asesores técnicos basados en el potencial de difusión de los agricultores. A pesar de que los tiempos de operación limitaron la aplicación estricta de estos criterios en la selección de módulos, los resultados de la intervención en red (^{Valente, 2012}), si lograron asociarse al incremento del InAI (Figura 3).

Figura 3. Gestión del capital social y su influencia en la adopción de innovaciones. 

Los incrementos menores del InAI se dieron en Tantoyuca y Zongolica, donde los incrementos de densidad de las RC también fueron los menores. Los mayores incrementos del InAI se dieron en Soteapan y Cotaxtla, siendo este último, el municipio donde se dio el mayor incremento en la densidad de las RC. Dado que los productores innovan a la par que crece su interacción social ^{(Monge y Hartwich, 2008)}, se sugiere que futuras intervenciones también promuevan explícitamente la gestión de la interacción de productores con fines de aprendizaje.

La promoción de la innovación a través de la gestión de la interacción requiere superar los criterios tradicionales de selección de productores y módulos, basados en aspectos normativos y atributos individuales de la población objetivo, al transitar a criterios como el potencial de difusión (^{Rendón et al., 2016}). Un proceso de este tipo requiere desde luego, mayores tiempos para implementación de las etapas de diagnóstico y planeación. De lograrse mejoras en la RC, los niveles de innovación podrían mejorarse también a futuro, ya que ésta tiende a permanecer más allá de la vigencia del programa.