1. Introducción

La diferenciación como ventaja competitiva de una empresa, de acuerdo a ^{Porter (1985)} es tener características únicas en algunas dimensiones que son apreciadas por los clientes. Cuando se trata de adecuar la capacidad instalada a los tiempos corrientes de una realidad actualizada, en el caso de la oferta académica y el capital intelectual de las empresas, eso se traduce en la adaptación de una estrategia competitiva acorde al discurso ya sea motivacional, estratégico o político.

Sin embargo, la claridad con que se defina la ventaja competitiva dentro del marco teórico no es suficiente para su materialización, ya que como entidad económica necesita de un catalizador que la lleve a manos de los ingenieros, desarrolladores y analistas financieros, entre otros, para hacerla productiva. Tal es la función del modelo de datos, el cual conducirá a la elaboración de aplicaciones de software que puedan vincular las palabras a la toma de decisiones.

El Proyecto Alternativo de Nación, que es la propuesta socioeconómica del partido político Morena, plantea un reto a la capacidad instalada de las empresas y a la oferta académica de las universidades, pues si bien el país ha decidido renovarse en su máxima dirigencia dando paso a este partido político de centro izquierda que ha ganado la confianza de los mexicanos a través de una nueva ideología e intenta poner al país de nueva cuenta en la escena principal del liderazgo mundial, necesita para lograrlo recurrir a una nueva cepa de profesionistas que con el perfil adecuado y puedan ayudar a alcanzar los objetivos que fueron propuestos en la campaña. Formado de cincuenta lineamientos perfectamente definidos, dicho documento es el material perfecto para comprobar la validez de la metodología propuesta para un modelo de datos que sea capaz, a partir de sus variables cognitivas, de medir la eficiencia con que las empresas y las universidades encaran con sus recursos profesionales los nuevos planteamientos de esta nueva realidad sociopolítica renovada en las pasadas elecciones de julio de 2018.

Un gobierno lo es para todas las facetas sociales, ya sean productivas, educativas, de seguridad o filosóficas, y así como el gobierno posrevolucionario tuvo como prioridad la reforma agraria y el analfabetismo, y su discurso político giró en torno a tales elementos, el actual se enfocará en los lineamientos que ha enarbolado desde la campaña, poniendo al frente de la lista de proveedores a las empresas que tengan la capacidad instalada para apoyarle, así como también a las universidades que ofrezcan las carreras que contribuyan al mismo objetivo. Esa es la problemática que se debe resolver y las consecuencias de no encaminar el esfuerzo de forma adecuada tendrá como consecuencia que la empresa o la universidad quede fuera al menos del primer ciclo de proyectos productivos más apremiantes que son los que se manifiestan siempre e invariablemente en el primer año de todos los gobiernos recientemente electos.

El diseño del modelo de datos propuesto y su aplicación a empresas y universidades traerá por beneficio la obtención de un diagnóstico de eficiencia entre lo que se tiene como oferta profesional contra lo que se pide para desarrollar los proyectos. Para la empresa será participar en concursos con más posibilidades de obtención de contratos, y para la universidad será financiamiento para sus programas de investigación.

Independientemente de la muestra seleccionada para el diseño y prueba del modelo de datos, éste podrá aplicarse a cualquier otra circunstancia como podría ser el discurso motivacional de un CEO - Chief Executive Officer, “oficial primariamente responsable de conducir los planes estratégicos y políticas establecidos por el comité de directores” (^{USLegal, 2016}) - frente al cambio de las condiciones de mercado o la nueva estrategia de un club deportivo para por fin ganar el campeonato.

2. Metodología

El hecho de enfocar el proyecto al área de las ciencias sociales, como es el caso de la relación entre la oferta educativa, el capital social y el discurso político, lo perfila a enfocarse en una investigación de carácter cualitativo, que de acuerdo a ^{Rodríguez y Valldeoriola (2009)}, se interesa por la vivencia concreta en su contexto natural y en su contexto histórico. ^{Báez y Pérez (2014)}, afirman que este tipo de investigación se beneficia de una permanencia relativamente grande en el tiempo, sin que esto se interprete como inmutabilidad ya que pueden cambiar a lo largo de prolongados procesos y de la evolución de la misma sociedad.

Existen varias aproximaciones para el desarrollo de la investigación cualitativa, ^{Sandoval (1996)} describe cinco: desde la perspectiva interpretativa: la etnografía, la etnometodología y la hermenéutica, y desde la perspectiva explicativa: la investigación acción y la teoría fundada, también llamada fundamentada. Para efectos del presente artículo, se utilizarán los principios de la Teoría Fundamentada que según ^{Cuñat (2007)} tiene por objeto la identificación de procesos sociales básicos, integrando los aspectos del muestreo teórico, que es la recopilación de datos, la aplicación de un método de análisis comparativo, lo que sería un análisis inductivo, para terminar con la integración teórica, que sería la elaboración de la teoría formal o en este caso el modelo de datos buscado. En la Figura 1, se presenta el diseño obtenido de tal principio y la propuesta de la presente investigación en donde el muestreo teórico comprende recopilar tanto el capital intelectual de profesiones que ofrece el elenco nacional como los requerimientos manifestados en los lineamientos del proyecto ya mencionado; el método de análisis diseñará tanto las variables ofrecidas como las variables demandadas; y por último, la integración teórica, o teoría formal, definirá el modelo de datos prototipo para la recolección que conducirá a la recolección, el procesamiento y análisis del modelo.

Fuente: Elaboración propia.

Figura 1 Modelo en base a la Teoría Fundamental, adaptado de ^{Cuñat (2007, p. 4)}.  

De donde quedan definidos los siguientes procesos:

3. Diseñar el modelo de datos

Habiendo realizado los análisis del catálogo de carreras profesionales y de las variables cognitivas, como generadores primarios dentro del análisis inductivo, faltaría sólo considerar los receptores, o clientes, de dichos emisores, y estos son: las empresas que serán las encargadas en su mayoría de llevar a cabo los objetivos de productividad y las universidades que ofrecen las carreras. En la Tabla 4 se muestran las clases primarias del modelo de datos.

De tal suerte que las carreras se asignan a las variables, las cuales las requieren, y que al mismo tiempo, empresas y universidades ofrecen y producen en forma de profesionistas.

Es importante hacer notar que en la Tabla 3 para la definición de los nombres de las clases se utilizan valores char que van del -128 al 127, evitando el uso de signed char, que van del 0 al 128, o caracteres extendidos que incluyen acentos y eñes (por ejemplo: Diagnóstico debe escribirse Diagnostico), porque algunos compiladores los consideran excepciones limitando la portabilidad de la misma clase.

Las relaciones establecidas en estas clases y que están referidas en la última columna son:

Para su representación gráfica, la mejor forma es por medio del Unified Modeling Languaje (UML), que de acuerdo a ^{Bell (2003)}, su propósito es proveer a la comunidad de desarrolladores con un lenguaje de diseño común y estable que pueda ser usado para desarrollar y construir aplicaciones de cómputo. Para ^{Jorgensen (2010)}, una de las principales contribuciones de UML es la fusión entre el Es (estructura) y el Hacer (comportamiento), y se divide en tres categorías que describen estructura, comportamiento e interacción, lo que lleva al diseño de los diagramas de clases y actividades, que presentan las clases de la Tabla 4 en las Figuras 2 y 3, respectivamente.

Fuente: Elaboración propia.

Figura 2 Diagrama de clases del modelo de datos. 

Fuente: Elaboración propia.

Figura 3 Diagrama de actividades del modelo de datos para la creación de conocimiento. 

El diagrama de clases muestra las diferentes clases y sus interrelaciones. La clase Universidadofertadata colecciona las profesiones que pertenecen a una universidad, pues ésta ofrece por lo regular muchísimas profesiones siendo el child de Universidadesdata. Lo mismo ocurre con Empresascapitaldata que es child de Empresasdata. Ambas dependen del catálogo de carreras asociado, clase Profesionesdata. A final de cuentas, las profesiones que estén representadas en las variables serán las determinantes para el éxito del modelo.

El diagrama de actividades muestra el flujo de los procedimientos de control entre las clases. En la figura anterior se puede ver cómo a partir de la clasificación de las carreras y la implementación en las variables cognitivas produce la Tabla 5, que muestra la cantidad de subgrupos que coinciden en una variable y viceversa.

Es en este punto donde las empresas y las universidades deben analizar si su oferta educativa o su capital intelectual, respectivamente, cumplen con los requerimientos de las variables cognitivas. Para lograrlo, el modelo de datos debe ser aplicado a una plataforma de base de datos abierta que permita la interacción directa con ellos y con los valores obtenidos en la Tabla 4, y nada es mejor en estos momentos que un sistema basado en la nube que permita la libre y abierta interacción entre los usuarios y el modelo.

La creación de clases, los diagramas de clases y actividades, juntos representan el modelo prototipo para recolección.

4. Resultados

Para comprobar lo anterior, con base a ^{Alvarado (2014)}, se realizó un muestreo aleatorio simple sin reposición, tomando unidades seleccionadas aleatoriamente de modo que cada posible subconjunto de unidades distintas tenga la misma probabilidad de ser escogida en la muestra y ya no sea vuelta a tomar en cuenta después de analizar sus características. De donde se tomaron 3 empresas, 2 paraestatales y 1 privada, así como 4 universidades, 2 públicas y 2 privadas. El resultado se muestra en la Tabla 6. A pesar de lo extenso del catálogo del INEGI, algunas carreras no estaban contempladas por lo que dentro de las limitaciones de la muestra se tuvo asignar a la carrera existente la más parecida (por ejemplo, odontología por dentista). El Apéndice III presenta el detalle de la muestra.

5. Conclusiones

La palabra amor tiene muchas interpretaciones: para los mártires puede ser renunciación, para los amantes puede ser entrega, para los niños puede ser premio, para los comerciantes en el 14 de febrero puede ser, y es, dinero. El discurso político tiene muchas interpretaciones. Los adversarios, que no enemigos, de un político buscan en sus palabras las razones para financiar ideológicamente sus propios movimientos y ganar o recuperar, en términos prácticos, sus escaños. En tal circunstancia, la interpretación de los lineamientos del Proyecto alternativo de nación realizada en esta investigación ha comprobado la eficiencia del modelo de datos producido a partir de una metodología de investigación cualitativa fundamentada, extrayendo la variable cognitiva que permitió generar un punto de partida para la medición de la eficiencia de las empresas y universidades con respecto a su oferta de profesionistas.

Es posible y cierto que alguien vea en cada lineamiento una interpretación diferente, que en lugar de migración, por dar un ejemplo, vea derechos humanos, o seguridad, o incluso familia. El valor de esta investigación, la creación del modelo, tiene precisamente ese objetivo: que sin importar el discurso político se pueda extraer la variable cognitiva para poder interpretarla en aplicaciones productivas de software enfocadas a un entorno económico superlativo.

No ha sido intención de la muestra obtenida diagnosticar la población analizada, sino el valor de la eficiencia del modelo, el cual puede realizar el mismo diagnóstico tomando el universo total de carreras ofrecidas por cada universidad, o de empresas agrupadas en sus diferentes corporaciones.

Dentro de la práctica del desarrollo de sistemas, el modelo por sí solo no refrenda su validez, debe ser ejecutado en un entorno pragmático. El lenguaje de aplicación en este caso ha sido para el modelado Java y para la ejecución Php. La recolección de datos se ha realizado totalmente en la base de datos MySQL.

Conclusión final acerca de la innovación tecnológica motivo del presente trabajo: el modelo de datos diseñado en esta investigación comprobó ajustar la percepción del capital intelectual y de la oferta educativa a los requerimientos del discurso político del nuevo gobierno mexicano tomado como ejemplo.

Empresas y universidades podrán aprovechar dicho modelo para elaborar sus planes de reclutamiento y el rediseño de sus planes de estudio, respectivamente.