Espacios. Vol. 37 (Nº 10) Año 2016. Pág. 9

Modelo de Referência para Indicadores de Inovação Regional

Reference model for Regional innovation indicators

Rafael de Moura SPERONI 1, Marcelo MACEDO 2, Fernando A. Ostuni GAUTHIER 3

Recibido: 24/11/15 • Aprobado: 16/01/2016


Contenido

1. Introdução

2. Indicadores de Inovação

3. Modelo de Referência para representação de Indicadores da Inovação Regional

4. Conclusões

5. Referências


RESUMO:

O artigo apresenta a proposta de um modelo de referência para a representação de indicadores de inovação regional. A proposta é concebida a partir do de uma revisão de literatura sobre modelos de indicadores compostos para a inovação regional, de onde de observa que não há um padrão quanto à escolha e classificação dos indicadores. O modelo apresentado visa à representação da complexidade dos Sistemas Regionais de Inovação e leva em conta as características dos indicadores apresentados na literatura, sendo descrito em três níveis de classificação, e apresentando sugestões de objetos de medida a serem adotados em cada classificação. Este artigo é parte de um trabalho em andamento, cujo foco é um modelo de referência para indicadores da inovação regional suportado por Dados Ligados.
Palavras-chave: Modelo de Referência, Indicadores de Inovação Regional, Dados Ligados, Brasil.

ABSTRACT:

In this paper we propose a reference model for representing regional innovation indicators. The proposal was conceived from a literature review about composite indicators for regional innovation, in which we concludes that there was not a default choice and classification for innovation indicators. The proposed model aims to represent the complexitiy of Regional Innovation Systems. It is based on the characteristics of several different models found in the literature. It is described in three levels of classification, and presentes suggestions of measures to be taken when representing regional innovation indicators. This paper is part of a work in progress that is focused in a model for regional innovation indicators supported by Linked Data, using Web available data.
Key words: Reference model, Regional innovation indicators, data bound, Brazil.

1. Introdução

Os chamados Sistemas Regionais de Inovação (SRI) são definidos como um conjunto de interesses públicos e privados, instituições formais e outras organizações que funcionam de acordo com arranjos e relações favoráveis para a geração, uso e disseminação do conhecimento (Doloreaux e Parto, 2004). Esta definição deriva do conceito de Sistema Nacional de Inovação, que considera que o ritmo e direção da inovação em um estado-nação são determinados pelo sistema aberto, complexo e em evolução, que abrange relações dentro e entre organizações, instituições e estruturas socioeconômicas (Freeman, 1987; Lundvall, 1992).

Conforme observam Van Kleef e Roome (2007), as políticas públicas desempenham importante papel, devido às necessidades de reconfiguração dos sistemas nacionais de inovação, tendo em vista a criação de um ambiente mais propício ao desenvolvimento das capacidades para a inovação. Para isto, buscam-se ferramentas para avaliar as condições em que ocorre, bem como os resultados do processo de inovação.

Comumente, são verificadas as estatísticas de patentes, bem como os dispêndios em P&D, mas estes são indicativos parciais do esforço total de inovação realizado. A fim de melhor cobrir a complexidade dos sistemas de inovação, modelos de indicadores compostos pela agregação ou combinação matemática múltiplas medidas são desenvolvidos para mensurar a inovação, mas em sua maioria são aplicados no nível das empresas ou no nível nacional, e poucos no nível regional (Makkonen e Have, 2013). Além disso, muitos deles, não podem ser empiricamente verificados devido à falta de dados estatísticos (Zabala-Iturriagagoitia et al., 2007).

Este artigo é parte de um trabalho em andamento, que visa à construção de um modelo de referência para a representação de indicadores da inovação regional suportado por dados ligados. Uma revisão sistemática de literatura foi realizada com o objetivo de mapear a produção científica na área de "indicadores de inovação regional", além de identificar artigos que apresentassem modelos compostos para a representação de indicadores de inovação aplicados ao contexto regional. A busca em duas bases científicas resultou em um total de 276 artigos e, após aplicados os critérios de seleção, chegou-se a um corpo de literatura composto por 96 artigos (Speroni, 2015).

Dos 96 artigos selecionados, observou-se que 52 apresentavam algum tipo de modelo composto para a representação de indicadores de inovação. A análise deste conjunto permitiu constatar que não há um consenso quanto aos níveis e às subdivisões apresentadas nos modelos, bem como foi possível observar a subjetividade na escolha das variáveis.

O presente artigo tem por objetivo a proposição de um modelo de referência para representação de indicadores compostos para a inovação regional. A partir do levantamento e catalogação dos diferentes modelos e indicadores utilizados na literatura, o modelo proposto considera as características comuns entre eles.

2. Indicadores de Inovação

Um indicador é uma medida, de ordem quantitativa ou qualitativa, com significado particular e que é utilizada com a finalidade de captar informações relevantes dos elementos que compõem o objeto da observação (Ferreira et al., 2009). A combinação matemática ou agregação de um conjunto de indicadores é comumente chamada de "índice" ou "indicador composto" (Saisana e Tarantola, 2002).

Não há um consenso sobre qual indicador deve ser usado para mensurar a inovação. O tipo de variável pode afetar as conclusões de pesquisa, ou as informações nas quais os decisores políticos baseiam suas decisões (Mahroum e Alsaleh, 2013; Makkonen e Have, 2013). Buesa et al. (2010) observam que há dificuldades e fragilidades no uso de indicadores individuais, tais como patentes, despesas com pesquisa e desenvolvimento (P&D), porcentagem de vendas de novos produtos, quando se pretende mensurar o conceito global de inovação.

Ao invés da utilização de indicadores individuais, outro tipo de abordagem considera o uso de indicadores compostos. A vantagem deste tipo de abordagem é que, ao invés de assumir a exatidão de um indicador único, possivelmente escolhido por conveniência, uma análise que considera múltiplos indicadores permite a mensuração da performance da inovação por meio de uma medida composta, mais complexa, mais informativa (Hagedoorn e Cloodt, 2003).

Na trabalho de Speroni (2015), é apresentada uma revisão sistemática de literatura, na qual foram identificados artigos que apresentam modelos compostos para a representação dos indicadores de inovação aplicados ao nível regional. Do conjunto de artigos analisados observou-se que não há um consenso sobre a escolha e a forma de classificação dos indicadores utilizados.

A análise dos artigos mostrou que, embora os modelos apresentem diferenças quanto à quantidade de níveis em que se subdividem, em sua maioria corroboram com a constatação de Zabala Iturriagagoitia et al. (2005) de que a maioria dos indicadores disponíveis e estatísticas de inovação consideram os sistemas de inovação como sistemas de entrada-saída (input-output).

A classificação entre entrada e saída é alternativamente caracterizada pela distinção entre insumos e produtos (Fapesp, 2011), ou insumos e resultados (Gusmão e Ramos, 2006). Já nos modelos da União Europeia (European Union, 2014) a subdivisão é feita entre: Viabilizadores (Enablers), Atividades das Empresas (Firm Activities) e Saída (Output). Mesmo quando esta divisão não é explícita na literatura, observa-se que os agrupamentos de indicadores costumam representar as condições para que ocorra a inovação e seus resultados.

Como exemplos de classificações que representam as condições, tem-se: innovation input(Zhang et al., 2011; Zheng e Zhang, 2013; Chen e Ju, 2014; Sun, 2014) ; innovation capacity ou innovation capability (Li, 2011; Ning e Chun, 2011; Yam et al., 2011; Glebova e Kotenkova, 2014) , e; environment (Chen e Guan, 2011; Li, 2011; Tian e Tong, 2011; Xiao e Yang, 2011; Yin et al., 2011; Zheng e Zhang, 2013; Chen e Ju, 2014) .

Como exemplos de classificações que representam os resultados, tem-se: innovation output(Guo e Ren, 2011; Liu et al., 2011; Zhang et al., 2011; Wang et al., 2012; Zheng e Zhang, 2013; Chen e Ju, 2014; Sun, 2014) ; innovation performance (Li, 2011; Tian e Tong, 2011; Xiao e Yang, 2011; Yam et al., 2011; Yin et al., 2011; Markowska e Strahl, 2012; Glebova e Kotenkova, 2014) .

3. Modelo de Referência para representação de Indicadores da Inovação Regional

O modelo aqui proposto foi construído a partir do levantamento das características em comum observadas na literatura sobre o tema indicadores de inovação regional.

A primeira classificação adotada para a representação dos indicadores reflete a separação dos mesmos entre entrada e saída (input-output), conforme a figura 1.

Figura 1 – Primeiro nível de classificação dos indicadores

A catalogação dos indicadores utilizados nos modelos apresentados na literatura possibilitou a criação das subdivisões que representam o segundo nível de classificação. O quadro 1 apresenta as classificações de indicadores de entrada e as referências em que são aplicadas.

A seguir, as subdivisões apresentadas no quadro 1 são descritas:

Recursos Humanos: compreende indicadores relativos à educação e a disponibilidade de força de trabalho altamente qualificada e educada(European Union, 2014).

Quadro 1 – Classificação dos Indicadores de Entrada utilizados na literatura

Fonte: elaborado pelos autores

Instituições: agrupa indicadores associados às condições de um sistema de inovação de prover uma boa governança e níveis proteção e incentivos essenciais à inovação (Cornell University et al., 2013). Compreende normas, leis e políticas que viabilizem a inovação.

Ambiente de Inovação / Infraestrutura: agrupa indicadores relativos à infraestrutura que dá suporte à inovação, tais como a disponibilidade tecnologias de informação e comunicação (TICs), a cobertura de estradas pavimentadas, instituições de ensino e de institutos de pesquisa (Chen e Guan, 2011; Cornell University et al., 2013).

Financiamento / Apoio à Inovação: agrupa indicadores que dizem respeito à disponibilidade de crédito, fundos de investimentos e fontes de financiamento para as atividades de inovação, bem como do apoio governamental.(Cornell University et al., 2013; European Union, 2014).

Investimento em Inovação: compreende os indicadores que tratam da quantidade de recursos investidos nas atividades de inovação. São exemplos o dispêndio público ou privado em Pesquisa e Desenvolvimento, o pessoal alocado em atividades de P&D, a compra de tecnologia.

Economia e Mercado de Trabalho: as variáveis deste conjunto estão relacionadas às condições econômicas da região. Dentre elas, citam-se indicadores como o GDP, ou o PIB, ou o nível de emprego.

Empreendedorismo e Ligações: esta categoria engloba indicadores que representam as características da região em relação ao desenvolvimento do empreendedorismo e de arranjos e da colaboração entre os diferentes atores do sistema, tais como treinamentos para o empreendedorismo e as relações universidade-indústria (Chang et al., 2010; Cornell University et al., 2013).

Cultura e Qualidade de vida: compreende indicadores que descrevem as características de uma região em relação ao saneamento ambiental, qualidade de vida dos residentes, cultura e participação social. Exemplos deste tipo de indicadores dizem respeito ao consumo industrial de água, consumo de energia, reservas de áreas, investimento em cultura, a existência de teatros, ou a participação em atividades voluntárias (Affortunato et al., 2010; Chen e Ju, 2014) .

De forma semelhante, Medidas de Inovação: estão incluídos neste grupo os indicadores que dizem respeito aos resultados de conhecimentos gerados pelas atividades de inovação, tais como a quantidade de empresas que inovaram em produtos ou serviços, a quantidade de empresas que inovaram marketing ou em processos organizacionais, o número de patentes solicitadas e concedidas, e o número de publicações científicas (Cornell University et al., 2013; European Union, 2014).

De forma semelhante, os indicadores de saída foram subdivididos em um segundo nível de classificação, cuja aplicação na literatura é apresentada pelo quadro 2.

Medidas de Inovação: estão incluídos neste grupo os indicadores que dizem respeito aos resultados de conhecimentos gerados pelas atividades de inovação, tais como a quantidade de empresas que inovaram em produtos ou serviços, a quantidade de empresas que inovaram em marketing ou em processos organizacionais, o número de patentes solicitadas e concedidas, e o número de publicações científicas (Cornell University et al., 2013; European Union, 2014).

Efeitos Econômicos: compreende os indicadores que capturam o sucesso econômico da inovação, tais como o a porcentagem de vendas relativas a produtos inovadores ou a exportação de serviços inovadores (European Union, 2014).

Quadro 2 - Classificação dos Indicadores de Saída utilizados na literatura

Fonte: elaborado pelos autores

Efeitos Sociais: Uma vez que os resultados da inovação trazem benefícios às pessoas e ao planeta, há um reconhecimento cada vez maior sobre os efeitos sociais da inovação (Oecd, 2014).

A figura 2 ilustra uma representação do modelo de referência até o terceiro nível de classificação.

Figura 2 – Terceiro nível de classificação dos indicadores

Com o objetivo de melhor detalhar o modelo, um terceiro nível de classificação é proposto. O quadro 3 apresenta uma lista dos assuntos abordados pelos indicadores classificados no tipo Indicadores de Entrada, independente das medidas adotadas para cada um deles.

Quadro 3 – Assuntos abordados pelos indicadores das dimensões de entrada

Fonte: elaborado pelos autores

De forma semelhante, o quadro 4 apresenta os assuntos comumente abordados na literatura,  classificados como Indicadores de Saída.

Quadro 4 – Assuntos abordados pelos indicadores das dimensões de saída

Fonte: elaborado pelos autores

Para cada assunto abordado, diferentes medidas e grandezas são encontradas na literatura. A escolha das medidas específicas varia em cada caso e está fortemente associada à disponibilidade de dados.

4. Conclusões

Este artigo é parte de um trabalho em andamento e apresenta a proposição de um modelo de referência para a representação de indicadores da inovação regional suportado por Dados Ligados. Este tipo de abordagem utiliza-se de dados publicados na Web segundo um conjunto de regras que os torna interligados a outros conjuntos de dados, bem como a representações semânticas que os contextualizam.

O modelo de referência foi construído a partir de um levantamento de literatura, objeto de um artigo anterior, que buscou identificar modelos de indicadores de inovação compostos. Os indicadores utilizados nos modelos foram catalogados e analisados em relação às suas características, com o objetivo de identificar as principais classificações existentes.

O modelo proposto possui três níveis de classificação dos indicadores, sendo o primeiro nível dividido entre indicadores de entrada e de saída, refletindo a característica dos Sistemas Regionais de Inovação de serem sistemas de entrada-saída. Cada um destes conjuntos é subdividido no segundo nível, chegando-se a um total de onze tipos de indicadores, sendo oito de entrada e três de saída. Um terceiro nível subdivide as onze classificações do segundo nível do modelo, sendo apresentados, ainda, exemplos de indicadores utilizados na literatura para cada uma das classificações que compõem o modelo.

Considerando o objetivo do trabalho no qual este artigo está inserido, os esforços futuros incluem a utilização de tecnologias semânticas e de Dados Ligados. Pretende-se, assim, que o modelo de referência seja representado na forma de uma ontologia, possibilitando sua reutilização na definição de modelos específicos de indicadores de inovação regional que sejam alimentados a partir do vínculo com dados disponibilizados na Web. A aplicação das técnicas de Dados Ligados permitirá que estes dados também sejam reutilizados e contextualizados segundo seu posicionamento em relação ao modelo de referência e, consequentemente, ao Sistema Regional de Inovação.

5. Referências

AFFORTUNATO, F. et al. Assessing local knowledge dynamics: Regional knowledge economy indicators. World Academy of Science, Engineering and Technology, v. 67, p. 176-181, 2010.

BARKLEY, D. L.; HENRY, M. S.; NAIR, S. Regional innovation systems: Implications for nonmetropolitan areas and workers in the south. Growth and Change, v. 37, n. 2, p. 278-306, Jun 2006.

BUESA, M.; HEIJS, J.; BAUMERT, T. The determinants of regional innovation in Europe: A combined factorial and regression knowledge production function approach. Research Policy, v. 39, n. 6, p. 722-735, Jul 2010.

CHANG, Y.-C. et al. Measuring Regional Innovation and Entrepreneurship: The Case of Taiwan Science Parks. Picmet 2010: Technology Management for Global Economic Growth, 2010. 2010.

CHEN, J.; JU, X. F. Establishing a measurement framework indicating regional technology innovation ability. In: LAN, H. e YANG, Y. H., 21th Annual International Conference on Management Science and Engineering, ICMSE 2014, 2014. IEEE Computer Society. p.1570-1575.

CHEN, K.; GUAN, J. Mapping the functionality of China's regional innovation systems: A structural approach. China Economic Review, v. 22, n. 1, p. 11-27, Mar 2011.

CORNELL UNIVERSITY; INSEAD; WIPO. The Global Innovation Index 2013: The Local Dynamics of Innovation. Geneva, Switzerland: 2013. ISBN 978-2-9522210-3-0.

DOLOREAUX, D.; PARTO, S. Regional Innovation Systems: A Critical Review. XLème Colloque de L'ASRDLF. Bruxelles 2004.

EUROPEAN UNION. Regional Innovation Scoreboard 2014. 2014. FAPESP. Indicadores de Ciência, Tecnologia e Inovação em São Paulo. 2011

FERREIRA, H.; CASSIOLATO, M.; GONZALEZ, R. Uma experiência de desenvolvimento metodológico para avaliação de programas: o modelo lógico do programa segundo tempo. 1369, T. P. D. Brasília: IPEA 2009.

FREEMAN, C. Technology and Economic Performance: Lessons from Japan. London: Pinter, 1987.

GLEBOVA, I.; KOTENKOVA, S. Evaluation of Regional Innovation Potential in Russia. International Conference on Applied Economics (Icoae 2014), v. 14, p. 230-235, 2014 2014.

GOGODZE, J. Measuring Innovative Capacities of the Georgia Regions. Journal of technology management & innovation, v. 8, n. 3, p. 108-115, 2013-11 2013.

GUO, W.; REN, L. Regional innovation evaluation of northwest based on Grey relational analysis. 2011 6th IEEE Joint International Information Technology and Artificial Intelligence Conference, ITAIC 2011, 2011. Chongqing. p.292-294.

GUSMÃO, R.; RAMOS, M. Y. Concentração regional da C&T no Brasil: Perfil da liderança paulista no cenário nacional. Sao Paulo em Perspectiva, v. 20, n. 3, p. 120-141, 2006.

HAGEDOORN, J.; CLOODT, M. Measuring innovative performance: is there an advantage in using multiple indicators? Research Policy, v. 32, n. 8, p. 1365-1379, 2003.

HÁJKOVÁ, V.; HÁJEK, P. Typology of regional innovation systems in Europe - A neural network approach. International Journal of Mathematical Models and Methods in Applied Sciences, v. 5, n. 3, p. 463-471, 2011.

LI, C. B.; LEI, M. Evaluation and empirical study on the capacity of regional technical innovation. 1st International Conference on Information Science and Engineering, ICISE2009, 2009. Nanjing. p.3777-3780.

LI, Z. Research on the construction of innovative province, cities and reginal innovations system - A case of Heilongjiang province. 2010 International Conference on Logistics Systems and Intelligent Management, ICLSIM 2010, 2010. Harbin. p.1980-1985. LI, Z. Research on evaluation index system of regional innovation. 2011 International Conference on Management Science and Industrial Engineering, MSIE 2011, 2011. Harbin. p.1269-1273.

LIU, H.; ZHANG, X.; ZHANG, F. Regional innovation sysem efficiency evaluation based on the trple helix model. 2011 International Conference on Business Computing and Global Informatization, BCGIn 2011, 2011. Shanghai. p.154-157.

LU, Y.; ZHANG, G.; PENG, P. The Research on Efficiency Mode of Scientific and Technological Innovation System of Three Provinces in Northeast China. 2009 International Conference on Information Management, Innovation Management and Industrial Engineering, Vol 2, Proceedings, 2009. p.215-219.

LUNDVALL, B.-Å. National Innovation Systems: Towards a Theory of Innovation and Interactive Learning. London: Pinter, 1992.

MAHROUM, S.; ALSALEH, Y. Towards a functional framework for measuring national innovation efficacy. Technovation, // 2013.

MAKKONEN, T.; HAVE, R. P. Benchmarking regional innovative performance: composite measures and direct innovation counts. Scientometrics, v. 94, n. 1, p. 247-262, 2013.

MARKOWSKA, M.; STRAHL, D. EVALUATION OF THE EUROPEAN UNION REGIONS CONVERGENCE REGARDING INNOVATION. Argumenta Oeconomica, v. 28, n. 1, p. 41-67, 2012 2012.

NIKULINA, Y. et al. The formation of priority directions of social and economic development of the region. World Applied Sciences Journal, v. 22, n. 5, p. 608-615, 2013.

NING, C.; CHUN, H. The Construction and Evaluation of the Regional Innovation System of Zhejiang Province. In: DAI, M. L., Innovative Computing and Information, Iccic 2011, Pt I, 2011. p.36-45. OECD. OECD Science, Technology and Industry Outlook 2014: OECD Publishing 2014.

PINTO, H.; GUERREIRO, J. Innovation regional planning and latent dimensions: the case of the Algarve region. Annals of Regional Science, v. 44, n. 2, p. 315-329, Apr 2010.

PONS, X. A.; MARTÍNS, J. J. G.; PARRILLI, M. D. Apprising fragmentation in regional innovation systems: A typology for Spain. Investigaciones Regionales, n. 28, p. 7-35, 2014.

QI, Y.; LIU, Y. Empirical Research about the Regional Innovation Capability Based on China's Patent Application Activities. 2014 Portland International Conference on Management of Engineering & Technology (Picmet), 2014. 2014. p.365-369.

SAISANA, M.; TARANTOLA, S. State-of-the-Art Report on Current Methodologies and Practices for Composite Indicator Development. European Commission–Joint Research Centre. Ispra. 2002

SÁNCHEZ TOVAR, Y.; GARCÍA FERNÁNDEZ, F.; MENDOZA FLORES, E. Determinantes de la capacidad de innovación regional en México: Una tipología de las regiones. Región y sociedad, v. 26, n. 61, p. 118-158, 2014-12 2014.

SPERONI, R. Modelo de Referência para Indicadores de Inovação Regional Suportado por Dados Ligados. 2015. (Qualificação de Doutorado). Departamento de Engenharia do Conhecimento, Universidade Federal de Santa Catarina, Florianópolis.

SUN, D. Regional Intellectual Capital Integration Performance Evaluation Based on Two-phase Model. 2014 Sixth International Conference on Measuring Technology and Mechatronics Automation (Icmtma), 2014. 2014. p.467-471.

TIAN, H.; TONG, G. The model of efficacy measurement for the innovation system in Chinese resource urban. 2011 Asia-Pacific Power and Energy Engineering Conference, APPEEC 2011, 2011. Wuhan.

TU, W.; SONG, X. Research on evaluation of the competitiveness of regional Intellectual Property Rights and enhancing strategies. 2013 6th International Conference on Information Management, Innovation Management and Industrial Engineering, ICIII 2013, 2013. Xi'an. p.299-304.

VAN KLEEF, J. A. G.; ROOME, N. J. Developing capabilities and competence for sustainable business management as innovation: a research agenda. Journal of Cleaner Production, v. 15, n. 1, p. 38-51, 2007. WANG, B. et al. Spatial disparity and efficiency of science and technology resources in China. Chinese Geographical Science, v. 22, n. 6, p. 730-741, Dec 2012.

WANG, G.-Z.; LIU, X.-J.; TIAN, Y.-Y. Research on evaluation of regional innovation ability based on gray related degree model. Proceedings of 2006 International Conference on Machine Learning and Cybernetics, Vols 1-7, 2006. p.1696-1701. WANG, W. et al. The Evaluation and Application Research about Regional Innovation Capability Based on Rough Set and BP Neural Network. In: JIANG, Y.;ZHOU, W. C., et al, Icic 2009: Second International Conference on Information and Computing Science, Vol 3, Proceedings, 2009. p.308-311.

XIAO, X. Y.; YANG, L. W. A comparative study of regional innovation capability of China based on TOPSIS method. 2011 International Conference on Business Management and Electronic Information, BMEI 2011, 2011. Guangzhou. p.579-582.

YAM, R. C. M. et al. Analysis of sources of innovation, technological innovation capabilities, and performance: An empirical study of Hong Kong manufacturing industries. Research Policy, v. 40, n. 3, p. 391-402, Apr 2011.

YAN, H.; YAN, P.; MA, L. The Regional Innovation Capability Based on Comprehensive Evaluation of AHM and Unascertained Method. 2009 International Conference on Information Management, Innovation Management and Industrial Engineering, Vol 3, Proceedings, 2009. p.251-254.

YIN, J.; DIAO, Z.; LI, L. Classification and evaluation for the midwest regional innovation capability based on principal component analysis and self-organizing neural network. 2011 4th International Symposium on Computational Intelligence and Design, ISCID 2011, 2011. Hangzhou. p.22-25. ZABALA-ITURRIAGAGOITIA, J. M. et al. What indicators do (or do not) tell us about Regional Innovation Systems. Scientometrics, v. 70, n. 1, p. 85-106, Jan 2007.

ZABALA ITURRIAGAGOITIA, J. M.; JIMÉNEZ SAEZ, F.; GUTIÉRREZ GRACIA, A. Analysis and measurement of interactions in regional innovation systems: Need to define new network indicators. 15th International Conference on Engineering Design, ICED 05, 2005. Melbourne, VIC.

ZHANG, X.; LIU, Z.; ZHANG, F. Study on regional innovation system efficiency evaluation of Shandong province based on entropy and DEA. 2011 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce, AIMSEC 2011, 2011. Zhengzhou. p.3387-3390.

ZHENG, Y.; ZHANG, Y. Measurements and Evaluation of Regional Innovation Capacity and Spatial Difference. 2013 10th International Conference on Service Systems and Service Management (Icsssm), 2013. 2013. p.583-588.


1. Aluno do Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento da UFSC / Docente do Instituto Federal Catarinense – Campus Araquari / rafaelsperoni@ifc-araquari.edu.br
2. Docente do Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento da Universidade Federal de Santa Catarina / marcelomacedo@egc.ufsc.br
3. Docente do Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento da Universidade Federal de Santa Catarina / gauthier@egc.ufsc.br


Vol. 37 (Nº 10) Año 2016

[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]