La intervención en red para catalizar la innovación agrícola

Abstract

Se reconoce que los procesos de innovación suceden entre un conjunto heterogéneo de actores, donde el Análisis de Redes Sociales (ARS) es una herramienta prometedora para su análisis y comprensión y, así, diseñar intervenciones basadas en red para catalizarla. Las intervenciones en red describen el proceso a través del cual se usan datos relacionales para acelerar el flujo de información entre los actores que la conforman. Este artículo contribuye en dos vertientes: primero, proporcionar conocimiento y evidencia sobre la aplicación y utilidad del ARS en el contexto de una intervención basada en red para catalizar la innovación agrícola; segundo, añadir a la literatura del ARS el estudio de una red al inicio y al final de la intervención de un programa de extensión, mostrando los cambios en la estructura e indicadores de forma longitudinal. Se utilizaron datos de productores caprinos para generar indicadores de línea base y después se analizó la intervención con una línea final. Los resultados sustentan la utilidad del ARS para catalizar la innovación agrícola, resaltando la importancia de la selección de agricultores y actores clave para dinamizar estos procesos. Se concluye con algunas implicaciones metodológicas y de política pública para mejorar e impulsar la innovación agrícola.

Full text

Vol.28,#1, (2017), 9-31
http://revistes.uab.cat/redes http://dx.doi.org/10.5565/rev/redes.653
Revista Hispana para el Análisis de Redes Sociales
9
La intervención en red para catalizar la innovación
agrícola
Norman Aguilar-Gallegos*
José Alfredo Olvera-Martínez
Enrique Genaro Martínez-González
Jorge Aguilar-Ávila
Manrrubio Muñoz-Rodríguez
Horacio Santoyo-Cortés
Centro de Investigaciones Económicas, Sociales y Tecnológicas de la Agroindustria y la Agricultura
Mundial (CIESTAAM) - Universidad Autónoma Chapingo (UACh)
Se reconoce que los procesos de innovación suceden entre un conjunto heterogéneo de actores, donde
el Análisis de Redes Sociales (ARS) es una herramienta prometedora para su análisis y comprensión
y, así, diseñar intervenciones basadas en red para catalizarla. Las intervenciones en red describen el
proceso a través del cual se usan datos relacionales para acelerar el flujo de información entre los
actores que la conforman. Este artículo contribuye en dos vertientes: primero, proporcionar
conocimiento y evidencia sobre la aplicación y utilidad del ARS en el contexto de una intervención
basada en red para catalizar la innovación agrícola; segundo, añadir a la literatura del ARS el estudio
de una red al inicio y al final de la intervención de un modelo de extensión, mostrando los cambios en
la estructura e indicadores de forma longitudinal. Se utilizaron datos de productores caprinos para
generar indicadores de línea base y después se analizó la intervención con una línea final. Los
resultados sustentan la utilidad del ARS para catalizar la innovación agrícola, resaltando la importancia
de la selección de agricultores y actores clave para dinamizar estos procesos. Se concluye con algunas
implicaciones metodológicas y de política pública para mejorar e impulsar la innovación agrícola.
Palabras clave: Redes de información – Redes de innovación – Análisis de Redes Sociales -
Extensión agrícola – Integración y radialidad – México.
It is recognized that innovation processes occur within a heterogeneous set of actors, where the Social
Network Analysis (SNA) is a promising tool to analyse and understand it, thus, interventions based on
network can be designed for catalysing it. The network interventions describe the process through
which relational data are used to accelerate the information flow among the actors who conform it.
This paper contributes to the following aspects: first, it provides knowledge and evidence related to
the application and usefulness of the SNA in the context of an intervention based on network for
catalysing agricultural innovation; second, it adds to the literature of SNA the study about a network
structure using a base-line and final-line after the intervention of an extension approach; the change
of the network structure and the SNA indicators in a longitudinal way are presented. Data from goat
producers to calculate base-line were used, then the intervention was analysed using a final-line. The
results sustain the usefulness of the SNA for catalysing agricultural innovation; the relevance of
farmers and key actors selection to dynamize these processes are highlighted. It is concluded with
some methodological and policy implications for enhancing and boosting agricultural innovation.
Key words: Information networks – Innovation networks – Social Network Analysis – Agricultural
extension – Integration and radiality – Mexico.
1Contacto con los autores: Norman Aguilar-Gallegos (naguilar@ciestaam.edu.mx), José Alfredo Olvera-Martínez
(alfredo.olvera@ciestaam.edu.mx), Enrique Genaro Martínez-González (enriquemartinez@ciestaam.edu.mx),
Jorge Aguilar-Ávila (jaguilar@ciestaam.edu.mx), Manrrubio Muñoz-Rodríguez (manrrubio@ciestaam.edu.mx),
Horacio Santoyo-Cortés (hsantoyo@ciestaam.edu.mx).
RESUMEN
ABSTRACT

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
10
INTRODUCCIÓN
La palabra innovación está cotidianamente
insertada y usada dentro de la empresa,
gobierno, organizaciones, instituciones e
individuos. Sin embargo, es difícil diferenciar
cuándo se está refiriendo realmente a una
innovación o simplemente a una práctica
innovadora (Muñoz-Rodríguez, Gómez-Pérez,
Santoyo-Cortés, Aguilar-Ávila, & Aguilar-
Gallegos, 2014; OECD, 2005) o a buenas
prácticas de producción. En este sentido, varios
autores (OECD, 2005; Spielman, Davis, Negash,
& Ayele, 2011) han hecho énfasis en que la
innovación se refiere a la introducción y uso de
conocimiento (nuevo o existente) dentro de un
proceso económico o social, que permita realizar
cambios pertinentes, pero con la característica
de que éstos generen valor (COTEC, 2007),
entendido este último no sólo en el ámbito
económico, sino también social, ambiental,
organizacional, entre otros. Es decir, tal y como
señalan algunos autores (COTEC, 2007; Muñoz-
Rodríguez et al., 2014; OECD, 2005), la
innovación implica un cambio (radical o
incremental) en los productos y procesos, en la
mercadotecnia y la organización, basado en
conocimiento y que genere valor.
Estos argumentos son completamente aplicables
al sector agrícola en donde, además, la
innovación no sólo se refiere a la introducción de
nuevas tecnologías (como son maquinaría,
fertilizantes, semillas, pesticidas, entre otros),
sino también a la forma en la que el agricultor
vende su producción, compra los insumos
necesarios para su actividad productiva, a la
forma en la cual se organiza con sus pares, al
acceso a mercados, al cuidado del medio
ambiente, entre otros (Aguilar-Gallegos, Muñoz-
Rodríguez, Santoyo-Cortés, Aguilar-Ávila, &
Klerkx, 2015; Klerkx, Aarts, & Leeuwis, 2010;
Leeuwis & Aarts, 2011; Muñoz Rodríguez,
Aguilar Ávila, Rendón Medel, & Altamirano
Cárdenas, 2007). De esta forma, una innovación
puede ser considerada como “una nueva forma
de hacer las cosas” o también de “hacer cosas
nuevas” (Leeuwis & Van den Ban, 2004);
incluidas aquellas que, aunque sean concebidas
como prácticas rutinarias en otros sistemas o
territorios, sean percibidas como nuevas por un
individuo en su sistema productivo (OECD, 2005;
Rogers, 2003). Es así que se puede considerar
que el punto medular de la innovación es el uso
de conocimiento para realizar mejoras en los
sistemas productivos que se traduzcan en
beneficios multidimensionales para los
agricultores y otros actores.
Sin embargo, diferentes estudios (Aguilar
Gallegos, Muñoz Rodríguez, Santoyo Cortés, &
Aguilar Ávila, 2013; García Sánchez, Aguilar
Ávila, & Bernal Muñoz, 2011; Martínez-González
et al., 2011) dan evidencia del bajo nivel de
adopción de innovaciones, prácticas y
tecnologías por parte de los pequeños y
medianos agricultores, lo cual trae como
consecuencia escasos rendimientos y utilidades
(Aguilar-Gallegos et al., 2015). También se ha
analizado cómo las diversas configuraciones de
redes de intercambio de información y
conocimiento, conformadas por diferentes
actores, influyen en la decisión de adopción por
parte de los agricultores (Aguilar-Gallegos et al.,
2016, 2015; Hoang, Castella, & Novosad, 2006;
Monge, Hartwich, & Halgin, 2008; Monge Pérez
& Hartwich, 2008; Spielman et al., 2011; Thuo
et al., 2014; Wood et al., 2014).
En este sentido, es importante reconocer que la
innovación agrícola es resultado de un proceso
complejo, dinámico e interactivo, de intercambio
de diferentes recursos (tangibles e intangibles)
entre un conjunto heterogéneo de actores con
diferentes roles, formando lo que se conoce
como redes de innovación. Es decir, la
innovación no se da de forma individual y
aislada; sino que ocurre en diversos escenarios,
con la conformación de diferentes redes, en
donde la información, el conocimiento y otros
recursos son intercambiados en varios niveles
(Casas Guerrero, 2009; Faure, Desjeux, &
Gasselin, 2012; Klerkx et al., 2010; Leeuwis &
Aarts, 2011; Muñoz Rodríguez & Santoyo Cortés,
2010; Radjou, 2004) y en donde, además,
existen múltiples fuentes y usuarios de la
innovación (Aguilar-Gallegos et al., 2016; Isaac,
2012; Spielman et al., 2011; Spielman, Ekboir,
Davis, & Ochieng, 2008). Es importante destacar
que el modelo en red va más allá del modelo
tradicional de innovación (Leeuwis & Van den
Ban, 2004; Muñoz Rodríguez & Santoyo Cortés,
2010), que ha sido impulsado por un enfoque de
transferencia de tecnología, mejor conocido
como el modelo lineal (Rivera & Sulaiman,
2009); en donde el cambio tecnológico es el
resultado de un proceso de desarrollo
institucional, y donde se atribuye el crecimiento
agrícola exitoso a la “socialización” de la
investigación agrícola (Ruttan, 1977), tarea que
recae en el personal de extensión y, en donde,
el agricultor es el usuario final. Es decir, en el
modelo lineal, la investigación agrícola es vista
como la fuente de la innovación agrícola, que
después se transfiere y es adoptada (Rivera &
Sulaiman, 2009).
De esta manera, debido a que el proceso de
innovación está determinado por el patrón de
interacciones que se establecen entre un
conjunto heterogéneo de actores, es importante
investigar estos procesos desde una perspectiva
amplia. En este sentido, el uso del Análisis de
Redes Sociales (ARS) es una alternativa

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
11
prometedora debido a que, de manera resumida,
permite el análisis y visualización de los vínculos
que se establecen entre diferentes conjuntos de
actores (Borgatti, Everett, & Johnson, 2013;
Borgatti, Mehra, Brass, & Labianca, 2009;
Valente, 1996; Wasserman & Faust, 1994); el
ARS permite identificar la posición que tienen los
actores dentro de una red (Borgatti & Halgin,
2011), lo cual en parte determina las limitantes
y oportunidades que tienen tanto los actores
como la red en general (Borgatti et al., 2013). Al
estudiar las estructuras formadas por los
vínculos entre diferentes actores, se puede
comprender su funcionamiento y, por tanto,
diseñar estrategias para su crecimiento y
desarrollo (Semitiel García & Noguera Mendez,
2004). Así mismo, se coincide con otros autores
(Spielman et al., 2011), en que el ARS es una
herramienta útil, pero ha sido poco utilizada (e
incluso utilizada de manera inconsistente y
dogmática) para el estudio de las redes de
innovación agrícola. En este sentido, el artículo
busca hacer una contribución a la literatura del
ARS y de los procesos de innovación agrícola
desde una perspectiva de red. De hecho, esta
contribución sería relevante puesto que en las
aportaciones de investigadores mexicanos sobre
el ARS, dentro de los “temas de especialización”,
no se tienen referencias abundantes al ARS en
agricultura (Ramos-Vidal, Contreras-Ibáñez, &
Garcia-Macías, 2014); un trabajo cercano a este
tema, sería sobre la acuacultura en el noroeste
de México (Casas Guerrero, 2009).
Importancia de las intervenciones basadas en
red
Dentro de sus esfuerzos para incrementar la
productividad y reducir la pobreza en el medio
rural, los gobiernos de América Latina han
considerado la implementación de programas de
extensión bajo diferentes modelos y enfoques.
En este sentido, el término extensión es
entendido como aquellos sistemas que facilitan
el acceso de los agricultores a conocimientos,
tecnologías e información; además, fomentan la
interacción con otros actores pertinentes y, que
coadyuvan en el diseño de prácticas y
habilidades técnicas, de gestión y de
organización (Christoplos, 2010). Si bien el
término “extensión agrícola” ha evolucionado, y
algunos autores hablan ahora de “servicios de
asesoramiento agrícola” (Birner et al., 2009), en
general se pueden usar ambos conceptos de
forma intercambiable (Swanson & Rajalahti,
2010). De hecho, el término “extensión” se ha
vuelto genérico y se usa para referirse a la
variedad de sistemas que han surgido para
comunicar y transmitir información y tecnología
a los agricultores (Rivera & Sulaiman, 2009).
Para el caso de México, existe un modelo de
extensión que tiene como objetivo la gestión de
la innovación en los territorios agrícolas,
sustentado en un conjunto de herramientas
metodológicas de aplicación inmediata para
diseñar, operar y evaluar estrategias
encaminadas a dinamizar la innovación con los
agricultores. Este modelo operó a través de las
Agencias para la Gestión de la Innovación (AGI),
que son equipos de profesionales especializados
en una cadena o red agroalimentaria con una
cobertura territorial (Aguilar Ávila, Rendón
Medel, Muñoz Rodríguez, Altamirano Cárdenas,
& Santoyo Cortés, 2011; Aguilar-Ávila, Santoyo-
Cortés, Muñoz-Rodríguez, Aguilar-Gallegos, &
Martínez-González, 2015). A diferencia de otros
modelos de extensión basados en el modelo
lineal de transferencia de tecnología, éste
considera que los procesos de innovación
ocurren en red, por lo cual el uso del ARS dentro
de las AGI es de suma importancia; es decir, las
AGI operaban considerando una intervención
basada en red.
El término “intervención en red” describe el
proceso a través del cual se usan datos de redes
sociales para acelerar el cambio en el
comportamiento social, la actitud hacía cierta
información, mejorar el desempeño, acelerar el
flujo de información y/o alcanzar resultados
deseables entre individuos, comunidades,
organizaciones y poblaciones (Valente, 2012).
Un elemento importante dentro del modelo AGI
es la evaluación de la intervención en red, es
decir, medir al final de la intervención cuáles
habían sido los cambios alcanzados en la
configuración de la red de innovación. En sus
inicios de operación, las AGI consideraron la
medición de resultados en dos vertientes: tanto
en la red en si, como en los niveles de adopción
de innovaciones de los agricultores. Sin
embargo, siguiendo lo indicado por otros autores
(Birner et al., 2009), es importante considerar
que si bien con la evaluación de estos
indicadores sólo podemos hablar de resultados
inmediatos de la intervención, estos resultados
pueden ser útiles para el diseño de estrategias
que pretendan catalizar la innovación en los
territorios agrícolas.
Selección de actores clave
Dentro de las intervenciones en red, un elemento
primordial es la identificación de actores clave
que ayuden a acelerar los cambios (Valente,
2012; Valente, Palinkas, Czaja, Chu, & Brown,
2015). Es por ello que la estrategia AGI busca la
identificación de estos actores, pues se considera
que pueden ser catalizadores importantes en el
proceso de difusión y adopción de innovaciones

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
12
(Muñoz Rodríguez, Rendón Medel, Aguilar Ávila,
García Muñíz, & Altamirano Cárdenas, 2004). De
esta forma, se vuelve a destacar el papel del ARS
como una herramienta metodológica dentro de
la operación de las AGI.
En este sentido, el ARS ofrece un conjunto de
herramientas teóricas y metodológicas que
permite localizar individuos que son más
centrales en su entorno social (Valente & Davis,
1999), en nuestro caso en el entorno de los
agricultores y ganaderos. Los actores clave son
también llamados líderes de opinión, champions,
líderes, referidos, entre otros (Muñoz Rodríguez
et al., 2004; Valente, 2012; Valente & Davis,
1999). Nosotros los llamamos actores clave por
el rol que juegan dentro de la red y porque, como
se ha indicado en otros trabajos, básicamente
son importantes para la red (Borgatti, 2006); sin
ellos la red perdería cohesión y no habría alcance
entre los actores que la conforman. Así, el
propósito de la selección de actores clave
descansa en el hecho de que dentro de un
contexto social siempre existen algunos actores
más referidos por sus pares, por tener
características sobresalientes, en comparación
de los demás (Aguilar Ávila et al., 2011), entre
estas características están: mayor tamaño del
rebaño o superficie agrícola, mejor calidad
genética, mayor antigüedad en la actividad,
mejor prestigio social, pero sobre todo mayor
cúmulo de conocimientos, entre otros.
Además, los actores clave por lo regular son
definidos como aquellos que tienen las
posiciones más centrales dentro de la red
(Valente, 2012) y que por tanto pueden ejercer
una influencia sobre los demás actores (Valente
et al., 2015; Valente & Pumpuang, 2007). En
este sentido, el ARS es una herramienta muy
poderosa para encontrar al actor más central
derivado de las menciones de los otros actores.
Sin embargo, existen diversas formas de
identificarlos dentro de la red, desde encontrar a
los más centrales con mayores nominaciones
(Freeman, 1979), los que están intermediando el
flujo de información (Freeman, 1979; Freeman,
Borgatti, & White, 1991), los que están más
integrados en la red o son más radiales en ella
(Valente & Foreman, 1998), los que ejercen
cierto nivel de poder dentro de la misma
(Bonacich, 1987), hasta el uso de software
especializado, en este caso el KeyPlayer 2
(Borgatti, 2006; Borgatti & Dreyfus, 2005). Este
último programa informático básicamente
identifica a los actores que serían los mejores en
dos sentidos: el primero, mantener la cohesión
de la red (que no se fragmente); segundo, que
están conectados al máximo número de otros
actores posibles y, por tanto, pueden servir para
difundir más rápidamente cierta información.
Considerando lo anterior, la contribución que se
busca realizar con este artículo versa sobre lo
que Borgatti y Halgin (2011) han denominado
como “Network theory”, que se refiere a los
mecanismos y procesos que interactúan con las
estructuras de red para alcanzar ciertos
resultados a nivel individual y de grupo, lo
buscamos hacer en dos vertientes: Primero,
proporcionar conocimiento y evidencia a la
literatura existente sobre la aplicación y utilidad
del ARS en el contexto de una intervención
basada en red para la gestión de la innovación
con agricultores, a través de la selección de
actores clave para catalizar los flujos de
información y conocimiento. Segundo, añadir a
la literatura del ARS el análisis de la red en dos
momentos (al inicio y al final de un proceso de
gestión de la innovación), mostrando los
cambios en la estructura e indicadores de forma
longitudinal, ya que no existe mucha evidencia
al respecto (Isaac, 2012), incluyendo como
efectos inmediatos (Birner et al., 2009), además
del cambio de la red, los cambios relacionados a
los niveles de adopción de innovaciones. Estos
cambios inmediatos, vistos desde un punto de
vista de una cadena de impactos, puede llevar
después a resultados intermedios (e.g.,
beneficios a nivel de los hogares agrícolas), para
después de un cierto tiempo, llegar a generar
impactos sobre objetivos sociales más amplios
(e.g., efectos en el medio ambiente,
fortalecimiento de las cadenas de valor, entre
otros) (ver Birner et al., 2009). Para cumplir con
lo anterior, tomamos datos de ganaderos
caprinos con los cuales trabajó una AGI.
El artículo está organizado de la siguiente forma,
la siguiente sección contiene la metodología,
donde se explica el origen de los datos y su
recolección; se explica el método utilizado para
la selección de los agricultores clave, una sección
de interpretación de indicadores del ARS
utilizados para valorar la intervención y se
describen las herramientas que fueron
necesarias para el análisis de los datos. Esta
sección es seguida de los resultados y la
discusión de los mismos; se abarcan primero los
cambios en los niveles de innovación, después
los cambios en los indicadores de red y, por
último, la relación entre ambos. El artículo
finaliza con algunas conclusiones, a la luz de los
objetivos planteados y algunas implicaciones
metodológicas y de política pública.
METODOLOGÍA
Origen y recolección de los datos
Establecimiento de la línea base
Para conocer la situación de los productores
caprinos (caprinocultores) al inicio de la

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
13
intervención del programa de extensión basado
en red, se encuestaron a 49 ganaderos
localizados en tres municipios (Tecozautla,
Nopala y, Alfajayucan) y once localidades del
estado de Hidalgo, México. Sólo se consideraron
estos tres municipios debido a que es en donde
existía actividad de producción caprina en la
región. Además, esa fue la región que se asignó
a la AGI por parte del programa gubernamental
de extensión, el cual cubrió el pago del personal,
así como los gastos de operación de los
profesionistas. La AGI estuvo conformada por
cinco extensionistas, uno de los cuales fungió
como coordinador; este último tenía un rol
enfocado a la articulación y vinculación con otros
actores, así como de informar los avances a los
funcionarios de gobierno. Las encuestas se
realizaron visitando a cada uno de los
caprinocultores en sus granjas durante el mes de
marzo de 2010. Es importante mencionar en este
apartado, que debido a que no se contaba con
un listado o padrón inicial de los ganaderos en la
región de intervención, se recurrió al modelo de
muestreo no probabilístico denominado bola de
nieve. Durante el procedimiento de muestreo,
existió una mención de 51 caprinocultores y a
todos ellos se visitaron; sólo 49 proporcionaron
información. En este sentido, se puede decir que
la red tuvo un límite geográfico, por un lado, y
un límite acotado por la actividad productiva, por
otro.
Instrumento de colecta y variables
consideradas
Para la colecta de información se diseñó una
encuesta de línea base (LB), en la cual se
consideró una sección de características
generales de los caprinocultores; otra sección
abordó la adopción de 47 prácticas, tecnologías
e innovaciones (Tabla 1) y; al final, se incluyó
una sección para generar datos de red.
Para el caso de las 47 innovaciones, éstas se
clasificaron en ocho categorías de innovación,
pues consideramos, al igual que otros autores
(Klerkx et al., 2010; Leeuwis & Van den Ban,
2004; Muñoz Rodríguez & Santoyo Cortés, 2010;
Muñoz-Rodríguez et al., 2014), que la innovación
agrícola no sólo se refiere a la introducción de
nuevas tecnologías o prácticas dentro de los
procesos de producción, sino que puede estar
referida a la forma de producir, a la organización
de los agricultores, a la administración de la
unidad de producción, entre otros. Cada una de
las innovaciones consideradas se codificaron
como 1 cuando el caprinocultor la adoptaba y,
como 0 cuando no la había adoptado. Con esta
información se calculó el índice de adopción de
innovaciones (INAI) siguiendo el método
mencionado por Muñoz Rodríguez et al. (2007),
en donde a mayor número de adopción de
innovaciones por parte del agricultor, mayor es
el INAI de éste; y por tanto, a mayor INAI de un
agricultor, mayor su capacidad innovadora.
Al considerar la codificación de las innovaciones
como 1 y 0, también se logró calcular, para cada
una de las 47 innovaciones, la tasa de adopción
de innovaciones (TAI) con base en el método
descrito por Muñoz Rodríguez et al. (2007). Se
considera que a mayor TAI, mayor el número de
agricultores que adopta la innovación y,
viceversa. Con el uso del INAI y el TAI también
es posible medir en el tiempo el avance en el
nivel de adopción de cada agricultor y los
cambios en la tasa de adopción por cada
innovación.
Para generar los datos de red de los productores
caprinos, el método de colecta consistió en
incluir un generador de nombres (Marsden,
1990, 2005). En donde cada caprinocultor
encuestado mencionaba los nombres de
diferentes actores siguiendo la pregunta: ¿De
quién ha aprendido, se ha asesorado o ha
preguntado, es decir, a quién recurre para
obtener información y conocimiento para
implementar las prácticas, tecnologías e
innovaciones que realiza en su unidad de
producción? Debido a la pregunta realizada, la
red resultante es considerada como una red de
información y conocimiento para la innovación;
además, por la naturaleza de la pregunta los
vínculos se consideran como dirigidos (Freeman,
1979; Wasserman & Faust, 1994). Los nombres
de los actores mencionados por los
caprinocultores se clasificaron por el rol que
tienen dentro de la red. Toda esta información se
codificó y capturó en una base de datos
(Velázquez Álvarez & Aguilar Gallegos, 2005)
para formar una red tipo modo-uno (de Nooy,
Mrvar, & Batagelj, 2005; Wasserman & Faust,
1994) y posteriormente, se procesó con el uso
de software especializado para el análisis de
redes sociales. Uno de los procedimientos
considerados como estratégicos y para lo cual
fue necesaria la información de red, consistió en
la selección de agricultores clave, tema que se
aborda más adelante.

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
14
Tabla 1
Prácticas, tecnologías e innovaciones evaluadas como adoptadas (1) y no adoptadas (0) por los productores
caprinos, clasificadas por categoría de innovación
Categoría
Práctica, tecnología e innovaciones
Nutrición
01. Suplementación mineral; 02. Utilización de dietas formuladas por etapa fisiológica; 03.
Creep Feeding; 04. Flussing; 05. Agua de calidad ad libitum
Sanidad
06. Participación en campaña contra brucelosis y tuberculosis; 07. Calendario de
desparasitación externa; 08. Calendario de desparasitación interna; 09. Calendario de
vacunación; 10. Vitaminación
Manejo del
rebaño
11. Identificación del ganado con aretes u otro; 12. Separa a los animales recién adquiridos
del resto del rebaño; 13. Lotifica a los animales de acuerdo a su etapa fisiológica
Genética
14. Realiza diagnóstico de gestación; 15. Selección del ganado (desecha animales
improductivos); 16. Selección de raza adecuada al objetivo de producción; 17. Selección de
reemplazos por registros productivos y fenotipo; 18. Rota sementales por lo menos cada tres
años; 19. Empadre controlado; 20. Preparación del semental para el empadre; 21.
Inseminación artificial; 22. Sincronización de celos
Ordeña
23. Ordeña mecánica; 24. Realiza despunte de ubre; 25. Realiza presello y secado de ubre;
26. Realiza sellado de la ubre al final de la ordeña; 27. Realiza alguna prueba para detectar
mastitis; 28. Cuenta con manual de buenas prácticas para la ordeña
Procesamiento
29. Realiza análisis físico de la leche (apariencia, color, olor); 30. Realiza análisis químico de
la leche (acidez); 31. Pasteuriza la leche; 32. Cuenta con manual de buenas prácticas de
manufactura; 33. Cuenta con registro de salubridad; 34. Cuenta con permisos de la
presidencia municipal
Mercado
35. Diseño de marca; 36. Registro de marca con propiedad intelectual; 37. Cuenta con código
de barras; 38. Compras en común (insumos, píe de cría, maquinaria); 39. Ventas en común;
40. La UPR (Unidad de producción rural) cuenta con organigrama o división de tareas; 41.
Venta directa al consumidor; 42. Identificación de mercados
Administración
43. Lleva registros contables; 44. Desarrolla bitácoras técnicas productivas; 45. Desarrolla
bitácoras reproductivas; 46. Asiste a eventos de capacitación; 47. Recibe asistencia técnica
especializada
Establecimiento de la línea final
La intervención por parte del equipo de
extensionistas que conformó la AGI duró casi un
año, tiempo durante el cual se dinamizó la
interacción entre los caprinocultores y otros
actores, se insertó nuevo conocimiento, se
desarrollaron acciones para hacer fluir el
conocimiento que poseían los caprinocultores en
la red y se brindó asistencia técnica directa en
las granjas. Al finalizar la intervención se realizó
una encuesta de línea final (LF) para determinar
los efectos y resultados alcanzados en dos
vertientes: los cambios en los niveles de
adopción de la innovación y los cambios en la
configuración de la red de información y
conocimiento de los productores caprinos.
La información de línea final se recabó visitando
a los caprinocultores en sus granjas a finales del
mes de febrero de 2011; sin embargo, en esta
ocasión se encuestó a los 49 ganaderos iniciales
más otros 10 que se añadieron durante el
periodo de duración del programa de extensión;
es decir, la base de datos de línea final estuvo
conformada por 59 caprinocultores, más el resto
de los actores mencionados durante las
encuestas.
El instrumento de colecta de información para
levantar los datos de línea final fue el mismo que
se diseñó en la línea base. Por tanto, a los
ganaderos se les volvió a preguntar si habían
adoptado una nueva innovación y se codificó de
la misma forma. Con esto se logró calcular
nuevamente el INAI de cada caprinocultor y el
TAI para cada innovación.
En el caso de los datos de red, se volvió a hacer
la misma pregunta sobre sus fuentes de
información y conocimiento. Debido a que la
pregunta de redes hecha en la LB contempla las
fuentes de conocimiento del caprinocultor a lo
largo de su experiencia en la actividad caprina,
los actores que fueron mencionados en la LF se
agregaron al listado inicial, es decir, se
consideraron acumulativos. Es importante
considerar que este procedimiento se hizo por la
naturaleza de la pregunta que generó la
información de redes.
Selección de caprinocultores clave
En este artículo se utilizó el software KeyPlayer
2 (Borgatti & Dreyfus, 2005). El problema básico
que busca solucionar este procedimiento es
encontrar un conjunto de nodos, llamados

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
15
conjunto-kp (kp por KeyPlayer), de tamaño k,
con dos posibilidades (Borgatti, 2006): primero,
si se remueve el conjunto-kp, resultaría en una
red con la menor cohesión posible, esto es, la red
se fragmenta; segundo, un conjunto-kp tal que
esté conectado al máximo número de otros
nodos.
De esta forma, se decidió buscar el segundo tipo
de nodos, debido a que este conjunto-kp puede
llegar a maximizar la conexión con otros nodos
en la red. Durante el procedimiento, una
característica que se debe tomar en cuenta es la
distancia máxima (m) en la cual un nodo i puede
alcanzar a otro nodo j; en este sentido, cuando
la distancia es m=1, el procedimiento toma en
cuenta los nodos adyacentes al nodo i; pero
cuando la distancia es igual a 2 (m=2), se tienen
en cuenta los vínculos indirectos del nodo i, es
decir, los nodos que pueda alcanzar con dicha
distancia m, por supuesto una m=2 también
incluye a los nodos que estén a una distancia
m=1. Por tanto, a mayor distancia m, mayor
será la cobertura que tenga el conjunto-kp
seleccionado; sin embargo, se debe considerar
que a mayor distancia m se está suponiendo que
la información o recurso que posee el conjunto-
kp fluye sin ningún problema a través de los
caminos de distancia m y alcanza a los nodos que
estén como máximo a esa distancia. Es por esto,
que la distancia que se eligió para efectos de esta
investigación, fue de m=1.
Otra característica interesante del procedimiento
es que la selección del conjunto-kp puede ser
calculada considerando vínculos directos, es
decir, es posible seleccionar tanto actores con
mejor alcance por grados de salida (en el
software indicado como “Diffuse”) como actores
por grado de entrada (en el software indicado
como “Harvest”), por supuesto tomando en
cuenta la distancia m de alcance entre pares de
nodos. En nuestro caso, debido a la pregunta
generadora de los datos de red, formulada a los
caprinocultores (ver sección Instrumento de
colecta y variables consideradas), se decidió
hacer el procedimiento considerando los grados
de entrada. El mismo procedimiento se podría
realizar considerando los grados de salida, pero
nuevamente, debido a la pregunta realizada, se
tendría primero que transponer la matriz de
relaciones, para que los resultados obtenidos
tengan coherencia durante la selección del
conjunto-kp.
Es importante mencionar que, debido a ciertas
características de los caprinocultores
(disponibilidad de tiempo, localización, niveles
de innovación y, contacto con otros actores),
además del procedimiento KeyPlayer, se decidió
incluir a tres ganaderos que no habían sido
considerados por el software. El grupo de
caprinocultores seleccionado entonces, estuvo
formado por: ocho propuestos por el software
KeyPlayer y, tres más por otros criterios (lo
últimos casos son: ER019, ER041 y, ER047, ver
Gráfico 2a). La cobertura calculada de alcance
del conjunto-kp completo, es decir de los once
caprinocultores, fue de 20.3% del total de los
nodos en la red.
Indicadores del ARS
Dentro del ARS existen diversos y variados
indicadores que son de utilidad para distintos
propósitos. Entre ellos tenemos los basados en
la centralidad, es decir: el grado, intermediación
y cercanía (Freeman, 1979), estos indicadores
toman en cuenta los vínculos directos. Por otra
parte, existen indicadores basados en la idea
central de que la importancia de un nodo no sólo
se limita a sus vínculos directos sino que también
depende de los vínculos que poseen con los que
se está en contacto, es decir, los vínculos
indirectos (e.g., Bonacich, 1972, 1987; Valente
& Foreman, 1998). En este sentido, en esta
sección no se buscó ser exhaustivos en su
descripción, sino más directos en su uso.
Por tanto y tomando como base lo indicado y
formulado por otros autores, tanto para la
explicación de indicadores (Borgatti, 2006;
Freeman, 1979; Valente & Foreman, 1998) como
de los conceptos y medidas básicas de una red
(Borgatti et al., 2013; Hanneman & Riddle,
2011; Jackson, 2008; Scott, 2013; Wasserman
& Faust, 1994), en la Tabla 2 se ofrece una breve
y directa forma de interpretación de cada uno de
los indicadores usados; se describen en un
sentido positivo, aunque todos ellos podrían
tener una interpretación en sentido inverso, lo
cual sería negativo; también se especifica el nivel
que representan, pues con la diversidad de
indicadores del ARS, se pueden obtener tanto
características de toda la red en su conjunto,
como de forma individual (De la Rosa Troyano,
Martínez Gasca, González Abril, & Velasco
Morente, 2005; Hanneman & Riddle, 2011;
Velázquez Álvarez & Aguilar Gallegos, 2005). De
manera complementaria a la información de la
Tabla 2, se pueden consultar diversos artículos
(e.g., Aguilar-Gallegos et al., 2016; Monge et al.,
2008; Monge Pérez & Hartwich, 2008; Spielman
et al., 2011; Valente et al., 2015) que describen
tanto de forma detallada, como resumida los
indicadores del ARS que han utilizado en cada
caso.
Es importante considerar que la interpretación
de los indicadores se hace a la luz de la pregunta
realizada para generar los datos de red, la cual
como se ha indicado fue: ¿De quién ha
aprendido, se ha asesorado o ha preguntado, es
decir, a quién recurre para obtener información

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
16
y conocimiento para implementar las prácticas,
tecnologías e innovaciones que realiza en su
unidad de producción? Es por ello que hay que
hacer énfasis en que por lo general los
generadores de nombres siempre se refieren a
un tipo de vínculo (Marsden, 1990, 2005); en el
caso de esta investigación, para el acceso a
información y conocimiento para la innovación.
Por tanto, bajo otros contextos o preguntas, la
interpretación es posible que pueda cambiar, por
ejemplo, si se preguntara: ¿A quién le ha
ensañado Usted lo aprendido en el evento de
capacitación? Los indicadores de la Tabla 2, se
interpretarían en otro sentido; esto es relevante,
pues se ha observado en algunos reportes
empíricos una interpretación equivocada en los
indicadores de redes.
Tabla 2
Indicadores del ARS usados y su interpretación básica en el contexto de la investigación
Indicador
Nivel
Interpretación
Actores en la red, tamaño de
la red
Red
A mayor tamaño de la red, mayor el número de actores que
participan y, mayor el número de vínculos posibles entre ellos. No
sólo considera el número de agricultores encuestados sino
también a otro tipo de actores como pueden ser: extensionistas,
agricultores no encuestados, proveedores, centros de
capacitación, instituciones de enseñanza e investigación, entre
otros. A mayor diversidad de actores con diferentes roles, mayor
es la variedad de recursos (tangibles e intangibles) que pueden
fluir en la red.
Número de vínculos
Red
Relaciones establecidas entre los actores de la red. A mayor
número de vínculos, la cohesión entre los actores aumenta y,
sobre todo, mayor es la probabilidad de que fluya información y
conocimiento dentro de la red.
Densidad
Red
Se deriva del número de vínculos, sólo que se expresa en relación
a los vínculos posibles en la red y, por tanto, en porcentaje. A
mayor densidad, mayor cohesión y mayor flujo de información y
conocimiento.
Nodos sueltos
Red
Cuando un agricultor dice no tener vínculo con ningún otro actor
y, además, los otros agricultores tampoco lo refieren, entonces es
un nodo suelto. A mayor número de nodos sueltos, la articulación
de la red es menor y, por tanto, la densidad es escasa. Este tipo
de actores no tienen acceso a los recursos que están fluyendo en
la red, por lo cual es importante conectarlos. Además, a mayor
número de nodos sueltos, menor es la posibilidad de seleccionar a
actores bien conectados o altamente referidos por sus pares.
Número de componentes
Red
Un componente es un grupo de actores conectados y que son
alcanzados vía un número determinado de pasos. Por tanto, a
mayor número de componentes dentro de una red menor es la
posibilidad de que un actor alcance a otros con determinado
número de pasos; de hecho, un nodo suelto se considera como un
componente. De esta forma, al tener menor número de
componentes, la probabilidad de que fluya información entre los
actores de la red es más factible. Aunado a esto, a menor número
de componentes, la red se considera más cohesionada y, por
tanto, tiene menor nivel de fragmentación.
Tamaño del componente más
grande
Red
Al existir varios componentes en una red, siempre habrá uno o
varios que conecten el mayor número de actores. De esta forma,
si se vierte nueva información o conocimiento a un componente
integrado por un número pequeño de agricultores, no se tendrá el
mismo impacto que si se vierte en un componente integrado por
un número considerable de agricultores. A menor número de
componentes en una red y a mayor tamaño del componente más
grande, la articulación de la red es mayor y, por tanto, es más fácil
que fluya información a través de sus actores.
Diámetro
Red
El diámetro de una red hace referencia a la longitud máxima del
camino geodésico entre dos actores. Por tanto, hasta cierto punto,
a mayor diámetro en una red, el recurso que fluye dentro de la
ella puede llegar desde un nodo a otro más lejano. Sin embargo,
si la articulación de la red es mayor, cercana a una densidad del
100%, el diámetro de la red va a disminuir hasta llegar a 1.

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
17
Indicador
Nivel
Interpretación
Vínculos de agricultor a
agricultor
Red
A mayor número de vínculos de agricultor a agricultor, la
información y conocimiento que fluye en la red es más endógena
del sistema y, por tanto, es más fácil que fluya; no así cuando es
de un actor exógeno al sistema.
Grados de salida
Individual
A mayor número de grados de salida, el actor (agricultor) recurre
a mayor número de actores (agricultor u otro tipo) para acceder a
información y conocimiento. Es un indicador que sólo toma en
cuenta a los vínculos directos.
Grados de entrada
Individual
A mayor número de grados de entrada, un actor (agricultor u otro
tipo) es más referido e importante para los otros agricultores como
fuente de información y conocimiento. Es un indicador que sólo
toma en cuenta a los vínculos directos.
Radialidad
Individual
Cuando un agricultor refiere otro agricultor y este segundo refiere
a otros actores como sus fuentes de información y conocimiento,
entonces la radialidad del primer agricultor es mayor que la del
segundo que refiere a otros actores; por tanto, a mayor radialidad,
mayor es la capacidad de un actor de conectarse e insertarse a la
red por diferentes vías y diversos actores. Este indicador toma en
cuenta los vínculos indirectos.
Integración
Individual
Cuando un actor es referido por otro agricultor y este segundo es
referido por otros agricultores como sus fuentes de información,
entonces la integración del primer actor es mayor que la del primer
agricultor que lo refiere; por tanto, a mayor integración, mayor es
la capacidad de un actor de conectar y ser alcanzado por otros
actores en la red. Este indicador toma en cuenta los vínculos
indirectos.
Centralización
Red
La centralización mide el grado en el cual los vínculos existentes
en la red están focalizados en uno o pocos actores, es decir, en
una red estrella existe una centralización del 100%. Este indicador
puede tener dos interpretaciones, es decir, tanto de entrada como
de salida. A mayor centralización de entrada, es que uno o pocos
actores son fuente de información y conocimiento para los
agricultores. Por otra parte, a mayor centralización de salida, uno
o pocos actores son los que están vinculándose con muchos otros
actores para el acceso a información y conocimiento.
Fuente: elaboración propia.
Análisis de los datos
Una vez que se conformaron las bases de datos
fue necesario utilizar diferentes tipos de
software; esto dependió de la etapa de la
investigación y del objetivo del análisis. De esta
forma, para la comparación de los datos de
innovación entre línea base y línea final, sobre
todo en los procedimientos estadísticos (pruebas
de t para muestras relacionadas y correlaciones),
se utilizó SAS para Windows v9 (SAS, 2004).
Para la visualización de la red de información y
conocimiento, se hizo uso de NetDraw 2.519
(Borgatti, 2002). Por último, para el análisis de
la red obtenida y el cálculo de los indicadores del
ARS, se utilizó Ucinet v6.617 (Borgatti, Everett,
& Freeman, 2002; Borgatti et al., 2013).
RESULTADOS Y DISCUSIÓN
Esta sección se presenta en cuatro vertientes:
primero, se incluye un breve apartado sobre la
descripción del rol jugado por la AGI; segundo,
se muestran los resultados alcanzados en el
cambio de los niveles de adopción de
innovaciones por parte los caprinocultores;
tercero, se resumen los cambios en los
indicadores del ARS y en la estructura de la red
de información y conocimiento para la
innovación. En este último caso se propone una
forma básica de comparación de los indicadores,
mismos que se derivan de la interacción
generada por los extensionistas junto con los
caprinocultores y otros actores. Por último, se
incluye el análisis de correlación entre los
indicadores de innovación y los del ARS.
Articulación y orquestación de la AGI
Como se describió anteriormente, uno de los
roles considerados como fundamentales y
estratégicos de la AGI es la gestión de la
interacción entre los agricultores y otros actores
para dinamizar el conocimiento y así incrementar
la innovación. El modelo AGI considera
fundamental el dejar a un lado el modelo lineal

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
18
de la innovación y basarlo más en una visión de
red (Aguilar Ávila et al., 2011; Aguilar-Ávila et
al., 2015; Rivera & Sulaiman, 2009; Spielman et
al., 2008). En este sentido, y siguiendo con lo
indicado por otros autores (Dogliotti et al., 2014;
Faure et al., 2012; Rivera & Sulaiman, 2009), las
actividades de la AGI no se basaron o limitaron
a sólo realizar capacitación en aula y asistencia
técnica directa con los caprinocultores, fueron
más allá de sólo ser “transferidores” de
información. Su forma de operación también
incluyó un componente fuerte de articulación y
orquestación con otros actores para facilitar los
procesos de innovación de los caprinocultores,
pues como se ha recalcado por otros autores,
son actividades necesarias para lograr la
innovación agrícola (Hounkonnou et al., 2012;
Kilelu, Klerkx, & Leeuwis, 2013; Klerkx &
Leeuwis, 2009; Leeuwis & Aarts, 2011; Muñoz-
Rodríguez & Altamirano-Cárdenas, 2008).
Es así que la AGI buscó y en algunos casos logró
la articulación y orquestación de otros actores
con los productores caprinos, entre ellas se
destacan las siguientes actividades: 1.
Contactaron a dos Universidades de cobertura
Nacional, con una de ellas se logró la articulación
de dos investigadores para el soporte y difusión
de innovaciones en el diagnóstico de gestación,
sincronización de celos y, elaboración de dietas
balanceadas acordes a las etapas fisiológicas de
las cabras; 2. Vincularon a un proveedor de
genética, externo a la región de atención, para
la compra de sementales y la promoción de
innovaciones como la rotación de machos, el
empadre controlado y otras; sin embargo, sólo
un caprinocultor concretó la compra de un
semental; 3. A través de la organización de los
caprinocultores, se logró la compra de insumos
como vitaminas, desparasitantes y vacunas que
eran difíciles de conseguir en el región y con ello
promover la innovación en cuestiones sanitarias;
4. Con uno de los investigadores anteriormente
mencionado, se logró plantear un proyecto de
medición de curvas de lactancia para la selección
y mejora genética de vientres con los
caprinocultores; la medición de las curvas se
logró, pero el seguimiento de la selección no se
pudo hacer por la limitante del tiempo de
intervención del programa de extensión; 5. Se
logró la vinculación con la entidad
gubernamental encargada de la sanidad animal
para la gestión de certificados sanitarios; aunado
a esto, se desarrollaron prácticas enfocadas a
cumplir con los requisitos de la citada entidad; 6.
Se vinculó con otra entidad gubernamental para
la difusión de las actividades realizadas con los
caprinocultores; 7. Una vez que se detectaron
ciertas necesidades de infraestructura y
equipamiento para algunas granjas, se hicieron
las gestiones para solicitar apoyos
gubernamentales a nivel estatal; 8. Al final de la
operación, se logró la articulación con tres
empresas caprinas con diferentes propósitos de
producción y niveles tecnológicos y diferentes
tamaños, ubicadas en otras regiones del País; el
objetivo fue realizar una gira de intercambio
tecnológico, en la cual participaron 30
caprinocultores y nueve de sus hijos.
Las actividades de articulación y orquestación
que se lograron llevar a buen término
contribuyeron al alcance de los resultados que se
describen a continuación; sin embargo, algunas
otras actividades no se lograron culminar o no
fue posible darles seguimiento, por
discontinuidad en el financiamiento público para
el pago del modelo de extensión, recursos
necesarios cuando se trata de atender a
pequeños y medianos agricultores. De esta
forma, se puede argumentar que los cambios
institucionales, así como su participación y
financiamiento multianual, es necesario para
fortalecer y apalancar la innovación agrícola
(Hounkonnou et al., 2012; Kilelu et al., 2013;
Klerkx et al., 2010), pues consideramos que la
extensión debería ser vista como un bien público
que logra generar beneficios directos e indirectos
en los territorios agrícolas.
Cambios en los niveles de adopción
Con el uso del INAI (Índice de Adopción de
Innovaciones, ver Muñoz Rodríguez et al., 2007)
se logró medir y comparar la adopción promedio
de los productores caprinos. Antes de la
intervención del programa de extensión, es decir
en la línea base, el INAI promedio de los 49
caprinocultores fue de 0.0740±0.1206 (Gráfico
1b), que expresado en porcentaje indicaría que
en promedio los caprinocultores adoptaban el
7.4% de las prácticas, tecnologías e
innovaciones (ver Tabla 1) contenidas en cada
una de las ocho categorías (Gráfico 1a).
Posteriormente, después de la intervención, se
obtuvo un incremento en el INAI de los 59
caprinocultores, el promedio alcanzó
0.2752±0.2064 (Gráfico 1b); es decir, en la línea
final adoptaban en promedio, 27.5% de las
innovaciones contenidas en las ocho categorías
consideradas (Gráfico 1a). Un dato a recalcar es
que, aunque la amplitud de los datos aumentó
tanto en LB como LF, el coeficiente de variación
disminuyó (LB = 163.02% y LF = 74.98%), lo
que implica que los niveles de innovación en la
LF ya no son tan heterogéneos como en la LB. Es
importante mencionar que el cambio en el INAI
de los 49 caprinocultores encuestados en la LB,
resultó significativo estadísticamente por medio
de una prueba de t para muestras relacionadas
(p<0.01).
En general, el incremento en la adopción se
obtuvo en las ocho categorías (Gráfico 1a); sin

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
19
embargo, fueron las de nutrición, sanidad,
manejo del rebaño, así como la de
administración las que presentaron mayores
avances en la adopción; en promedio, el
incremento absoluto fue de 30.8%, cuyo
equivalente en cambio porcentual sería de 321%
(LB=100%).
Los resultados encontrados fueron similares a los
reportados por otros autores (Martínez-González
et al., 2011), quienes mencionan que la adopción
de innovaciones en granjas ovinas en el Estado
de México fue en promedio de 17%. Además, es
importante considerar que los mismos autores
afirman que la adopción de innovaciones es una
variable que explica el ritmo de crecimiento de
los rebaños: a mayor adopción, mayor es la
probabilidad de que los rebaños permanezcan
activos. El INAI, como indicador de innovación,
también ha demostrado estar relacionado con los
rendimientos en la producción hortícola bajo
invernadero (García Sánchez et al., 2011) y con
la creación de valor económico en agricultores
con palma de aceite (Aguilar-Gallegos et al.,
2015), así como con la eficiente aplicación de
recursos públicos (Aguilar-Ávila et al., 2015). En
este sentido, este artículo está proveyendo
evidencia de la utilidad del indicador para
comparar los cambios en los niveles de
innovación agrícola y podría ser utilizado en
otros sistemas de producción o cultivos.
Como análisis complementario, con el uso del
indicador TAI (Tasa de Adopción de
Innovaciones, ver Muñoz Rodríguez et al., 2007),
se logró conocer el nivel de adopción de las
prácticas, tecnologías e innovaciones (ver Tabla
1) por parte de los caprinocultores y así evaluar
el cambio en su tasa de adopción. De esta forma,
algunas de las innovaciones con mayor tasa de
adopción fueron: la formulación de dietas por
etapa fisiológica (nutrición), que pasó de un TAI
de 2.0 en LB a 37.3% en LF, es decir, al inicio de
la intervención sólo 2% de los 49 caprinocultores
ya realizaban la innovación; al final de la
intervención, 37% de los 59 ganaderos ya la
había adoptado. De la misma manera y
siguiendo la misma lectura en el cambio de las
tasas de adopción, se obtuvieron incrementos
importantes en las siguientes innovaciones: la
suplementación mineral (nutrición), de 14.3 en
LB a 40.7% en LF; los calendarios de
desparasitación interna (sanidad), de 14.3 a
78.0%; la identificación de los animales con
aretes (manejo del rebaño), de 12.2 a 42.4%;
así como, llevar registros contables
(administración), de 2.0 a 22.0%. El listado de
las principales prácticas, tecnologías e
innovaciones en las que se logró el mayor cambio
en su TAI, en términos absolutos, se muestra en
la Tabla 3.
Los cambios diferenciales entre las innovaciones
pueden ser explicados a través de lo indicado por
Rogers (2003) sobre las características
intrínsecas que deben tener las innovaciones
para tener mayor nivel de adopción: ventaja
relativa, compatibilidad, complejidad, ensayo y,
observabilidad. Es así que en la Tabla 3 existen
innovaciones como la suplementación mineral,
desparasitación, el diagnóstico de gestación,
etc., cuyos efectos son observables casi en lo
inmediato y tienen ventajas relativas apreciadas
por los productores caprinos; otras como son la
vitaminación, identificación del ganado, entre
otras, que no fueron difíciles de hacer, es decir,
la complejidad no es elevada. En este sentido,
aunque algunas otras innovaciones como el
diagnóstico de gestación, el empadre controlado,
formulación de dietas y otras, aunque son
complejas y requieren cierto nivel de
conocimiento codificado y no tanto empírico,
fueron bien aceptadas por el soporte brindado
por el equipo de extensionistas (la AGI, se
abunda en el tema en la siguiente sección de
resultados) que no sólo introdujo nueva
información y conocimiento en el sistema de los
caprinocultores, sino que también facilitó su
adopción a través de la articulación con otros
actores (ver sección de resultados anterior).
Es así que, se reconoce que existen otros
factores que pueden facilitar la adopción de
innovaciones y no sólo las características de las
innovaciones mismas (Aguilar Gallegos et al.,
2013; Bozoğlu & Ceyhan, 2007; Jara-Rojas,
Bravo-Ureta, & Díaz, 2012; Mariano, Villano, &
Fleming, 2012; Valente, 1996); entre ellas,
también, el financiamiento y soporte que pueden
brindar otros actores como son el Gobierno y la
Academia (Casas Guerrero, 2009). Otro punto
importante a considerar es que, a través de esta
intervención y análisis, se logró observar que
algunas innovaciones no son adecuadas a las
necesidades de los caprinocultores y por tanto no
son adoptadas. La difusión de la innovación
agrícola debe considerar un enfoque más de
best-fit (Birner et al., 2009; Kilelu, Klerkx, &
Leeuwis, 2014) y no de promover innovaciones
para todos. Es importante considerar que si se
comparan las innovaciones de la Tabla 3 con las
de la Tabla 1, existen algunas que no fueron
abordadas por la AGI y que por tanto no tuvieron
cambios en su adopción; además, algunas de la
Tabla 3 tuvieron cambios menores, esto lo
atribuimos precisamente a las características
propias de las innovaciones (Rogers, 2003),
algunas de ellas son complejas, como el
diagnóstico de gestación y la inseminación
artificial; otras necesitan cierto grado de
inversión y, por tanto, no pueden ser ensayadas
tan fácilmente, como es lotificar a los animales;.
y otras, precisamente no se adaptan a las
condiciones de todos los productores, como la

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
20
sincronización de celos. Por tanto, es posible
plantear la hipótesis de que algunas
innovaciones no tuvieron un nivel de perduración
o sostenibilidad después de que el equipo de
extensionistas dejó de operar, precisamente por
el hecho de la complejidad y el acompañamiento
que ciertas innovaciones necesitan.
Posiblemente, en un primer momento se
adoptaron por la presencia de la AGI, pero
después, por falta de ese soporte, las
innovaciones comiencen a des-adoptarse. Este
tipo de detalles abre nuevas brechas que
necesitan ser investigadas, en este caso, la
perdurabilidad de los cambios en la adopción de
las innovaciones después de una intervención a
través de un grupo de extensionistas.
Aunado a lo anterior y con base a los hallazgos,
se puede considerar que cuando un actor inserta
nuevo conocimiento al sistema de producción de
agricultores es mucho mejor que ese mismo
actor brinde el soporte y asistencia necesaria
para ponerlo en marcha, en algunos casos con la
articulación de otros actores, como fue el caso
de la AGI; es decir, no es suficiente que un
modelo de extensión sólo considere la
introducción de nuevo conocimiento, sino que
también se debe tener en cuenta el soporte para
su implementación, la dinamización del
conocimiento existente y la articulación con otros
actores. Lo anterior puede contribuir a romper
con las barreras que algunas innovaciones
presentan, pues éstas son complejas (Rogers,
2003) y, aunado a ello, considerar que algunas
innovaciones no son adaptables a las condiciones
de algunos agricultores (Birner et al., 2009).
Diversos autores (Aguilar-Gallegos et al., 2015;
Bozoğlu & Ceyhan, 2007; Mariano et al., 2012;
Monge et al., 2008; Monge Pérez & Hartwich,
2008) han destacado que cuando un agricultor
tiene el soporte de algún extensionista, el
agricultor tiende a adoptar más prácticas e
innovaciones. En la siguiente sección se aporta
mayor evidencia sobre este tema.
a) Cambio en el INAI por categoría de innovaciones
b) Cambio en el INAI general, considera las ocho
categorías de innovaciones
Gráfico 1. Cambios en los niveles de adopción de innovaciones por los productores caprinos, en dos momentos.
INAI: Índice de adopción de innovaciones; LB: Línea base; LF: Línea final. El valor mostrado en el gráfico inciso b
hace referencia al promedio del INAI general tanto en LB como en LF.
Cambios en los indicadores del ARS
En la Tabla 4 se muestran los principales
indicadores utilizados para analizar los cambios
que se lograron con una intervención basada en
red (siguiendo a Valente, 2012) y cuyo foco
estratégico fue la formación de nuevos vínculos
entre los diferentes actores que componían la
red en un primer momento, a través de la
selección de caprinocultores considerados como
clave (Gráfico 2a).
De esta forma, se encontró que la estructura de
la red de información cambió notablemete. Su
configuración entre la línea base (Gráfico 2a) y
final (Gráfico 2b) es completamente distinta. Con
la inserción de un nuevo nodo dentro de la red,
que representa al equipo de extensionistas (AGI,
en forma de diamante y color naranja, Gráfico
2b), mismo que fomentó y dinamizó la
articulación entre los caprinocultores, se logró
pasar de 70 actores o nodos, que habían
establecido 57 vínculos entre ellos, a 88 actores
y 139 vínculos; es decir, la articulación entre los
productores caprinos y otros actores se
incrementó más de 140% (Tabla 4). Por tanto,
la búsqueda y acceso de información y
conocimiento para la innovación caprina se
incrementó en la red. Es importante mencionar
que, aunque el número de actores en la red de
los caprinocultores aumentó, como resultado de
la intervención, el número de encuestados
0.0
20.0
40.0
60.0
80.0
100.0
1. Nutrición
2. Sanidad
3. Manejo del
rebaño
4. Genética
5. Ordeña
6. Procesamiento
7. Mercado
8. Administración
INAI LB INAI LF

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
21
también aumentó de 49 a 59. Esto podría sugerir
que el hecho de aumentar el número de
encuestados, tiene impacto directo en el número
de vínculos, que por ello es el incremento y que
estamos sobreestimando el indicador. Sin
embargo, el aumento porcentual de
caprinocultores es mucho menor al incremento y
mejora de los vínculos dentro de la red (Tabla 4).
Tabla 3
Principales cambios en la tasa de adopción de innovaciones, por categoría
Categoría / Innovación
TAI (%)
LB
TAI (%)
LF
Diferencia
(%)
Nutrición
Inn02. Utilización de dietas formuladas por etapa fisiológica
2.041
37.288
35.247
Inn01. Suplementación mineral
14.286
40.678
26.392
Inn03. Creep Feeding
2.041
10.169
8.129
Sanidad
Inn09. Calendario de vacunación
10.204
88.136
77.932
Inn10. Vitaminación
10.204
77.966
67.762
Inn08. Calendario de desparasitación interna
14.286
77.966
63.680
Manejo del rebaño
Inn11. Identificación del ganado con aretes u otro
12.245
42.373
30.128
Inn13. Lotifica a los animales de acuerdo a su etapa fisiológica
28.571
38.983
10.412
Genética
Inn14. Realiza diagnóstico de gestación
0.000
13.559
13.559
Inn19. Empadre controlado
12.245
23.729
11.484
Inn22. Sincronización de celos
0.000
3.390
3.390
Inn21. Inseminación artificial
0.000
1.695
1.695
Ordeña
Inn24. Realiza despunte de ubre
25.000
45.161
20.161
Inn27. Realiza alguna prueba para detectar mastitis
0.000
12.903
12.903
Procesamiento
Inn32. Cuenta con manual de buenas prácticas de manufactura
4.167
16.129
11.962
Inn29. Realiza análisis físico de la leche (apariencia, color, olor)
4.167
16.129
11.962
Mercado
Inn38. Compras en común (insumos, píe de cría, maquinaria)
0.000
22.034
22.034
Administración
Inn43. Lleva registros contables
2.041
22.034
19.993
Inn45. Desarrolla bitácoras reproductivas
4.082
23.729
19.647
Inn44. Desarrolla bitácoras técnicas productivas
6.122
23.729
17.606
A nivel de la cohesión de la red, se tuvo un
incremento de la densidad en poco más del 50%.
Otro indicador interesante, fue la reducción del
número de nodos sueltos en casi la mitad de los
mismos. Esos caprinocultores desconectados al
principio, fueron integrados a la red durante la
intervención del programa de extensión. De la
misma forma, un indicador que refleja la mayor
articulación en la red es la reducción en el
número de componentes que la forman y,
también el incremento del número de nodos que
forman parte del componente más grande,
resultando en un diámetro de la red mayor. Por
tanto, esto llevo a que la fragmentación de la red
se viera disminuida, precisamente porque existe
menor cantidad de componentes, y dentro de
ellos es posible que los pares de nodos puedan
alcanzarse a través de diferentes distancias, (ver
Borgatti, 2006). Estos cambios en los
indicadores respaldan los hallazgos de los niveles
de innovación (ver sección Cambios en los
niveles de adopción). Es decir, al estar más
articulada la red, el flujo de información y
conocimiento dentro de la misma se incrementa,

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
22
lo cual permite que los niveles de innovación se
mejoren. Esto sugiere que, a mayor articulación
de la red, es más probable que nueva
información y conocimiento que se vierta a ella,
pueda fluir con mayor facilidad a través de los
distintos actores.
Aunado a lo anterior, aunque el cambio en la
estructura de la red está fuertemente ligado a un
actor, es decir la AGI, los vínculos entre
caprinocultores también aumentaron en casi
60%. Esto tiene relevancia, pues la información
y conocimiento que dijeron tener los
encuestados, no sólo fue mejorada por un
agente externo, sino también por actores
internos, los cuales ayudan a preservar ese
conocimiento dentro de la red. De esta forma
coincidimos en que es importante mantener los
vínculos de las redes personales entre
agricultores, pero también se debe promover la
articulación efectiva con otros actores con
diferentes roles para acceder a nueva
información y conocimiento (Isaac, 2012),
muchos de los cuales incluso están fuera del
territorio.
El incremento en la articulación de la red es
derivado de que los grados de salida, es decir,
los vínculos para la búsqueda de información y
conocimiento, también se mejoraron. Los
encuestados pasaron de sólo tener 1.2 vínculos
en promedio, a 2.4. Por tanto, se puede decir que
las dinámicas generadas por el actor articulador
(la AGI) detonó que los caprinocultores refirieran
a un mayor número de actores como sus fuentes
de información y conocimiento; por
consiguiente, también se incrementaron los
grados de entrada promedio, y no sólo del actor
más referido (la AGI) sino también de los
encuestados. Los indicadores de grado de salida
y entrada tuvieron cambios estadísticamente
significativos, para el primer indicador los
cambios tuvieron mayor nivel de significancia
(p<0.01) en comparación del segundo (p<0.05).
Estos resultados son respaldados por los
indicadores de radialidad e integración (ver
Valente & Foreman, 1998), debido a que en la
línea final los caprinocultores se vuelven más
radiales a otros actores y también incrementan
su integración. Lo primero está fuertemente
ligado a la presencia de la AGI, es decir, los
agricultores tienden a ser radiales a
extensionistas. Este tipo de resultados ya han
sido reportados por otros autores (Aguilar-
Gallegos et al., 2016) que encontraron diferentes
tipologías de radialidad e integración de los
agricultores con otros actores. Con estos
hallazgos se puede argumentar que, en una
estrategia de intervención, primero los
agricultores tenderán a establecer más vínculos
para el acceso a información y conocimiento que
volverse referencia o fuente de información para
otros agricultores. Los resultados demuestran
que, aunque esto último también ocurre, pasa en
menor proporción (ver Tabla 4). Esto concuerda
a su vez con lo encontrado por Isaac (2012),
pues los agricultores tienen a enfocar sus
vínculos a organizaciones (incluidos
extensionistas) que a otros agricultores.
Algo interesante de destacar es que, al
incrementar la cohesión de la red, la radialidad
de los caprinocultores pasa de sólo poder
alcanzar 2.4% de los otros actores a casi el doble
(4.4%); esto se debe a que la radialidad toma en
cuenta los vínculos indirectos (ver Aguilar-
Gallegos et al., 2016; Valente & Foreman, 1998).
Por tanto, si un agricultor que establece nuevos
vínculos lo hace con otros agricultores que
también tienen vínculos de salida para el acceso
a información y conocimiento, entonces la
radialidad del primero aumenta más porque está
conectado a aquellos que a su vez son radiales a
otros. Es por ello que no sólo es importante
incrementar los vínculos de salida a otros
agricultores sino hacerlo con aquellos que a su
vez también tengan buenos indicadores de este
tipo. De esta forma y siguiendo lo indicado por
Granovetter (1973), la información a la cual no
tienen acceso los agricultores vía sus vínculos
directos, se hace accesible vía los vínculos
indirectos.
Estos últimos indicadores reflejan la importancia
de que un agente externo no concentre la
información y conocimiento vertido en la red,
sino que es mejor que la estrategia sea orquestar
la articulación entre los agentes locales e
internos de la red para que la información y
conocimiento fluya a través de los actores
presentes desde un inicio. Porque, aunque se
incrementó el número de vínculos y el grado de
salida de los agricultores, también se obtuvo un
aumento en el número de veces que los
agricultores se refieren entre ellos, lo cual es
conveniente; esto mismo no sería tan deseable,
si es que los indicadores mencionados
aumentaran pero que el nivel de articulación
entre los agricultores no lo hiciera, porque
implicaría que la mayoría de los vínculos se están
concentrando en actores no locales.
Siguiendo con los argumentos anteriores, el
indicador que también respalda los resultados es
el rol jugado por los caprinocultores clave, éste
también se incrementó. La cobertura que
alcanzan en la red pasó de 20.3 a 46.1%, es
decir, se incrementó más de 120%. Resultando,
a su vez, en el incremento del número de
referencias recibidas por parte de otros
caprinocultores como fuentes de información y
conocimiento. Los resultados encontrados
respaldan el hecho de que los actores clave en
un red permiten acelerar los cambios que se
buscan detonar con una intervención en red

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
23
(Valente, 2012; Valente & Davis, 1999; Valente
& Pumpuang, 2007). Considerar en una
estrategia de gestión de la innovación agrícola,
la selección de actores bien articulados, ayudará
a potencializar el flujo de información y
conocimiento nuevo que se vierta dentro de la
red o que ya preexiste en la misma (Gráfico 2a).
Resultados similares han sido reportados por
otros autores pero no han considerado los
cambios en la estructura de la red (Muñoz
Rodríguez et al., 2004; Muñoz Rodríguez &
Santoyo Cortés, 2010).
A pesar del incremento en los grados de entrada
de los caprinocultores, a una mayor mención de
los caprinocultores clave como fuentes de
información, entro otros, la centralización de la
red fue el indicador que más incrementó, poco
más de 600%. En este sentido, se nota la
relevancia del actor AGI, que al ser un nuevo
actor en la red y que vino a dinamizar el flujo de
información y conocimiento, además de articular
u orquestar nuevos actores a la red de los
productores caprinos, se vuelve central dentro
de la red; sin embargo, ésta se centraliza en
mayor medida. Considerando este resultado,
coincidimos con otros autores (Dogliotti et al.,
2014; Faure et al., 2012; Rivera & Sulaiman,
2009) que han indicado que los extensionistas no
deben jugar sólo un papel de transferidores de
información y conocimiento, sino que también
deben lograr articular a los actores locales que
en condiciones originales e iniciales ya poseen
ese conocimiento. Además, se debe buscar
articularlos con otros agentes externos para
insertar nuevo conocimiento y otro tipo de
recursos, aún más cuando las necesidades de los
agricultores está evolucionando continuamente
(Dogliotti et al., 2014; Kilelu et al., 2014; Klerkx
& Leeuwis, 2009). De esta forma, se puede decir
que si se conoce la estructura de una red de
agricultores al inicio de una intervención, se
puede diseñar, implementar, facilitar y mejorar
una estrategia que busque fortalecer las
condiciones de la red, es decir, siguiendo con la
definición de intervención en red (Valente,
2012), si se conoce la estructura social a través
de la cual fluye información y conocimiento para
la innovación agrícola, se puede acelerar su
cambio y potencializar los recursos que se
viertan dentro de la red.
Relación entre los cambios en la adopción y
los vínculos de los caprinocultores
Los resultados mostrados en las dos secciones
anteriores, que aunque pueden ser considerados
sólo como resultados inmediatos (Birner et al.,
2009), han destacado los cambios obtenidos por
una estrategia basada en la gestión de redes de
información y conocimiento para la innovación.
Se encontraron mejoras tanto en los niveles de
innovación y en los indicadores del ARS. Sin
embargo, la pregunta sobre si estos cambios
están relacionados, sin asumir causalidad a los
mismos, es una de las más relevantes; es decir
¿los cambios en los niveles de innovación tienen
alguna relación con los cambios en los
indicadores del ARS o viceversa?
Para ello, en la Tabla 5 se presentan los
coeficientes de correlación de Pearson entre el
INAI y los cuatro indicadores individuales del
ARS que fueron utilizados en este artículo, tanto
para la línea base como la final. Si bien, los
niveles de correlación en la línea base respaldan
algunos hallazgos anteriores, como que la
radialidad está relacionada con el INAI (Aguilar-
Gallegos et al., 2016), que existe una mayor
intensidad de adopción cuando hay mayor
vínculos de salida (Monge Pérez & Hartwich,
2008) y que a mayor grados de salida con
diferentes actores en la red están relacionados a
mayores niveles de adopción de prácticas,
tecnologías e innovaciones (Aguilar-Gallegos et
al., 2015; Isaac, 2012), este artículo incorpora
nuevos resultados, debido a que la correlación
en la línea base también demuestran que los
grados de entrada y la integración están
correlacionados al INAI; por tanto, los
agricultores que son fuentes de información y
conocimiento de sus pares lo están siendo
porque ellos tienen mejores niveles de adopción.
En este sentido coincidimos en que a mayor
número de vínculos en la red, existe un proceso
de difusión más rápido y sostenido (Valente,
2005).
Al comparar los mismos datos, pero ahora en
línea final, se encontró que los coeficientes de
correlación aumentaron positivamente y con
mayor nivel de significancia estadística. Esto
implica que los cambios en ambos tipos de
indicadores hicieron que éstos se correlacionaran
aún más. Por tanto, con estos resultados se
puede argumentar que los cambios en ambos
indicadores efectivamente están relacionados, es
decir, si uno incrementa el otro también y
viceversa. Por tanto, este artículo proporciona
nueva evidencia a la literatura existente sobre la
importancia de diseñar una estrategia de
intervención basada en el análisis de redes
sociales, con el objeto de dinamizar tanto la
interacción entre agricultores como de éstos con
otros actores. Esto tiene implicaciones
importantes en los incrementos de innovación en
el sector agrícola. Por tanto (siguiendo a Klerkx
et al., 2010; Leeuwis & Van den Ban, 2004;
Muñoz Rodríguez & Santoyo Cortés, 2010;
Spielman et al., 2008), esto también respalda la
idea de que los procesos de innovación no deben
ser vistos meramente como una decisión
individual de adopción, sino que hay todo un

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
24
entramado social de diversas interacciones que
influyen en la adopción o no de prácticas,
tecnologías e innovaciones.
En este punto es importante considerar que los
resultados en la Tabla 5 no implican causalidad y
que uno no está explicando el comportamiento
del otro, simplemente se destaca el hecho de que
los indicadores están correlacionados y que
además los indicadores finales son superiores a
los de la línea base. Esto a su vez abre nuevas
brechas de análisis para futuras investigaciones,
por ejemplo ¿qué factores de los caprinocultores
hicieron que éstos participaran dentro de los
procesos de interacción promovidos por el
equipo de extensionistas? Otro sería
precisamente saber si existe algún nivel de
causalidad entre las variables analizadas; es
decir, sería interesante conocer si los niveles de
innovación influyen en el establecimiento de
nuevos y mejores vínculos en una red de
innovación o si es a la inversa, considerando
además el rol que juegan diferentes actores
dentro de la red misma. Más aun cuando se
reconoce que el proceso de innovación es
complejo, dinámico, interactivo y que se da en
forma de red entre un conjunto de actores con
diferentes roles y que participan insertando
diferentes recursos en la red (Faure et al., 2012;
Klerkx et al., 2010; Leeuwis & Aarts, 2011;
Muñoz Rodríguez & Santoyo Cortés, 2010;
Spielman et al., 2011).
Tabla 4
Comparación de los indicadores del ARS en los dos momentos de medición
Indicador
LB
LF
Diferencia (%)
(LB=100%)
Actores en la red (n), tamaño de la red
70
88
25.7
Caprinocultores encuestados
49
59
20.4
Número de vínculos
57
139
143.9
Densidad (%)
1.180
1.820
54.2
Nodos sueltos
13
7
-46.2
Número de componentes
24
12
-50.0
Tamaño del componente más grande
33
73
121.2
Diámetro
3
4
33.3
Fragmentación de la red
0.984
0.974
-1.0
Vínculos de caprinocultor a caprinocultor
27
43
59.3
Grados de salida promedio **
1.163
2.356
102.5
Grados de entrada promedio *
0.551
0.729
32.3
Radialidad normalizada **
2.376
4.417
85.9
Integración normalizada *
0.897
1.266
41.1
Caprinocultores clave
11
11
0.0
Cobertura de los actores clave (% de toda la red)
20.3
46.1
127.1
Referencia a los actores clave por sus pares
18
28
55.6
Centralización de la red, de entrada (%)
6.154
44.669
625.9
Nota: LB: Encuesta de Línea Base; LF: Encuesta de Línea Final. *, ** estos indicadores por fila son diferentes
estadísticamente, ** (p<0.01), * (p<0.05), según prueba de t para muestras relacionadas, sin embargo, debido
al procedimiento sólo se contempla la comparación para los 49 caprinocultores encuestados en la LB.

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
25
a) Estructura de la red en la línea base (LB)
b) Estructura de la red en la línea final (LF)
Gráfico 2. Red de información y conocimiento para la innovación entre caprinocultores, en dos momentos.
El tamaño del nodo está en relación al grado, a mayor tamaño del nodo mayor grado y viceversa. Caprinocultores
representados por círculos azules e iniciales ER; otros agricultores, en círculos rojos e iniciales ERe;
Extensionistas o Asesores Técnicos, en círculos negros e iniciales AST; Eventos de capacitación, en círculos
verdes e iniciales CAP; Otro tipo de actores con poca frecuencia de aparición, en círculos lilas e iniciales OTR; en
el caso de la LF, el diamante en color naranja representa al equipo de extensionistas llamado Agencia para la
Gestión de la Innovación (AGI). Los caprinocultores en triángulos amarillos, son caprinocultores consideramos
como claves por su posición y otros atributos.
AST001
AST002
AST003
AST004
AST005
AST006
AST007
CA P001
CA P002
ER001
ER002
ER003
ER004
ER005
ER006
ER007
ER008
ER009
ER010
ER011
ER012
ER013
ER014
ER015
ER016
ER017
ER018
ER019
ER020
ER021
ER022
ER023
ER024
ER025
ER026
ER027
ER028
ER029
ER030
ER031
ER032
ER033
ER034
ER035
ER036
ER037
ER038
ER039
ER040
ER041
ER042
ER043
ER044
ER045
ER046
ER047
ER048
ER049
ERe001
ERe002
ERe003
ERe004
ERe005
ERe006
ERe007
ERe008
ERe010
ERe011
OTR001
OTR002
AGI
AST001
AST002
AST003
AST004
AST005
AST006
AST007
AST008
AST009
AST010
AST011
AST012
AST013
CA P001 CA P002
ER001
ER002
ER003
ER004
ER005
ER006
ER007
ER008
ER009
ER010
ER011
ER012
ER013
ER014
ER015
ER016
ER017
ER018
ER019
ER020
ER021
ER022
ER023
ER024
ER025
ER026
ER027
ER028
ER029
ER030
ER031
ER032
ER033
ER034
ER035
ER036
ER037
ER038
ER039
ER040
ER041
ER042
ER043
ER044
ER045
ER046
ER047
ER048
ER049
ER050
ER051
ER052
ER053
ER054
ER055
ER056 ER057
ER058
ER059
ERe001
ERe002
ERe003
ERe004
ERe005
ERe006
ERe007
ERe008
ERe010
ERe011
ERe012
OTR001
OTR002

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
26
Tabla 5
Nivel de correlación entre los indicadores del ARS y el INAI de los productores caprinos, en dos momentos
Indicador del ARS
INAI LB
INAI LF
Correlación
Sig.
Correlación
Sig.
Grados de salida
0.391
0.006
0.607
0.000
Grados de entrada
0.397
0.005
0.584
0.000
Integración
0.421
0.003
0.553
0.000
Radialidad
0.336
0.018
0.450
0.000
INAI: Índice de adopción de innovaciones; LB: Encuesta de Línea Base; LF: Encuesta de Línea Final.
CONCLUSIONES
En este artículo se consideraron dos objetivos,
el primero relacionado a proporcionar mayor
conocimiento sobre la utilidad del ARS para la
gestión de la innovación agrícola; el segundo,
comparar dos momentos de una intervención
de un programa de extensión basado en una
visión de red de innovación. En este sentido, la
evidencia generada demuestra que el uso del
ARS para la selección de agricultores clave es
muy efectiva para dinamizar información y
conocimiento nuevo o existente con los actores
que componen la red. Siguiendo lo indicado por
otros autores (Borgatti, 2006; Valente, 2012;
Valente & Davis, 1999), el ARS y la selección
de actores permite acelerar el flujo de
información y fortalecer los procesos de
difusión de innovaciones, en nuestro caso los
resultados respaldan esto a nivel de la
innovación agrícola. Los indicadores
individuales del ARS, tanto directos (grados de
entrada y salida) como indirectos (radialidad e
integración) usados en esta investigación,
también demostraron ser muy efectivos para
comparar los cambios en los vínculos que
establecen los agricultores con sus pares y
otros actores. En el mismo sentido, los
indicadores que toman en cuenta la estructura
de la red en su conjunto demostraron ser
relevantes para analizar los cambios generados
por la intervención. De esta forma, se puede
sostener que el ARS es una herramienta útil y
poderosa pues provee mayor conocimiento
sobre quién influye en quién dentro de la
dinámica social del intercambio de información
y conocimiento para la innovación agrícola. Por
lo cual su uso debe ser considerado
fundamental al momento de diseñar e
implementar estrategias encaminadas tanto a
dinamizar el conocimiento local como a difundir
nuevo conocimiento dentro de un sistema de
innovación agrícola.
Sin duda, y con base a Valente et al. (2015), el
ARS es muy factible de ser aplicado al
desarrollo de intervenciones y a la
implementación de éstas para mejorar y
fortalecer sus impactos. Además, con los
resultados obtenidos, se puede argumentar
que en la implementación de intervenciones
basadas en red es posible medir y analizar de
forma longitudinal los cambios que van
ocurriendo en la configuración de la red, lo que
vendría a fortalecer la característica dinámica y
multiactor del proceso de innovación
(siguiendo a Kilelu et al., 2014; Klerkx et al.,
2010; Leeuwis & Van den Ban, 2004; Spielman
et al., 2011). Aunado a este tema, este artículo
contribuye también en demostrar cómo los
indicadores del ARS están relacionados a los
cambios en los niveles de innovación. Estos dos
conjuntos de indicadores, es decir, cambios en
el ARS y en innovación, se podrían considerar
como resultados inmediatos de un proceso de
intervención vía un modelo de extensión (en
este caso, por la AGI), que en su momento
podría ser parte de un sistema de seguimiento,
monitoreo y evaluación de un programa de
extensión. De la misma manera, esto nos
permite plantear que intentar medir “impactos”
robustos de una intervención de un programa
de extensión, es difícil en un horizonte de
operación anual, se necesita más tiempo; pues
como se ha argumentado por otros autores
(Birner et al., 2009), los resultados que
generan los servicios de extensión deberían ser
vistos como una cadena de impactos, en donde
los resultados inmediatos permiten llegar a
resultados intermedios y éstos a su vez, sirven
para alcanzar “impactos” reales.
Otro de los aportes de este artículo, siguiendo
el tema del “Network theory” (Borgatti &
Halgin, 2011), a la literatura disponible del ARS
aplicado a los procesos de innovación agrícola
(e.g., Aguilar-Gallegos et al., 2016, 2015;
Isaac, 2012; Monge et al., 2008; Monge Pérez
& Hartwich, 2008; Spielman et al., 2011; Thuo
et al., 2014) es entorno a los vínculos que
establecen los agricultores. Así, se tienen
elementos para concluir que: primero, a mayor
número de vínculos para el acceso de
información y conocimiento, mayor es la
capacidad de adopción; segundo, los
agricultores que son fuente de conocimiento

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
27
para sus pares, tiene mejores niveles de
innovación; tercero, estos agricultores,
después de una intervención en red, tienden a
incrementar más sus vínculos que los que al
inicio no fueron tan referidos; además, a mayor
número de vínculos con un rol relevante (en
este caso el grupo de extensionistas), mayor es
la adopción de innovaciones; por último,
después de una intervención basada en red, el
actor encargado de dinamizar la información y
conocimiento tiende a volverse central, es
decir, existe evidencia de que los agricultores
buscan primero establecer nuevos vínculos con
el actor articulador u orquestador y después
volverse fuentes de información y conocimiento
para sus pares, lo cual hace que la red se
centralice. Esto lleva a considerar la necesidad
de dos aspectos importantes: primero, que las
siguientes intervenciones en red busquen
generar un proceso de descentralización de la
red, haciendo más énfasis en la interacción y
difusión agricultor – agricultor, sobre todo con
el apoyo de los que fueron claves en el
entramado social inicial; segundo, analizar los
cambios en la red en más de dos momentos de
intervención, para seguir generando
conocimiento en relación al ARS en los
procesos de innovación agrícola. Este tipo de
“balances” entre los vínculos de los agricultores
lleva a plantear la importancia de considerar
ciertos trade-offs en el establecimiento de
nuevos vínculos, que por una parte permitan
acceder a nueva información y conocimiento
pero que por otra no centralicen la importancia
de un actor o viceversa.
A pesar de la mayor centralización de la red, en
el caso de este artículo, la AGI funcionó como
agente articulador y orquestador de otros
actores, es decir, cumplió con otras funciones
y no sólo de ser transferidores de información
y conocimiento a los caprinocultores. Esto
influyó en que los niveles de innovación se
incrementaran. Siguiendo a otros autores
(Aguilar-Gallegos et al., 2015; Dogliotti et al.,
2014; Kilelu et al., 2014; Klerkx et al., 2010;
Klerkx & Leeuwis, 2009), con esto se respalda
la visión de que los extensionistas deben tener
otros roles más allá de la transferencia de
tecnologías o de difusión de innovaciones que
se consideran adaptables “para todos” los tipos
de agricultores; es decir, se debe tener una
visión enfocada en ser más articuladores y
orquestadores de los procesos de innovación,
promoviendo lo que mejor se adapte a las
condiciones de los agricultores y sus granjas.
Sin embargo, el estudio tiene algunas
limitantes, las cuales sugieren nuevas y
necesarias líneas de investigación. Es así que,
los cambios en los indicadores, tanto de
innovación como de redes deben tomarse en
consideración a la luz de que fue la primera
intervención en red con los productores
caprinos en la región descrita. De esta forma,
se podría plantear la hipótesis, que en este tipo
intervenciones es posible que exista un efecto
de rendimientos marginales decrecientes, si es
que se siguieran apoyando en más una ocasión.
Es decir, aunque los cambios reportados en
este artículo son prometedores, es posible que,
si se diera continuidad a la gestión de la
innovación y en ésta se volvieran a medir los
cambios en los indicadores, quizás en un
segundo o tercer año de operación los
resultados no tendrían la misma magnitud y los
cambios marginales irían disminuyendo en
cada año, aunque la calidad de las innovaciones
adoptadas podría incrementarse e incluso los
efectos podrían perdurar más. Por tanto, es
necesario hacer más investigación sobre los
cambios en los indicadores, pero en un
horizonte de más de un año de operación.
Como se dijo en este artículo, en esta
intervención no fue posible realizarlo, ya que el
financiamiento por parte de las instituciones de
gobierno al programa de extensión sólo fue
considerado para un año y no más. En este
punto, se destaca el papel de las instituciones
como actores que pueden fortalecer o limitar
los procesos de innovación, situación que ha
sido recalada por otros autores (e.g.,
Hounkonnou et al., 2012; Kilelu et al., 2014).
Otro detalle a considerar es que los datos de
red generados fueron acumulativos entre la
línea base y la final por la naturaleza misma de
la pregunta realizada. De esta forma, si la
pregunta considerará temporalidad de las
relaciones, entonces sería incorrecto acumular
vínculos, y un tipo de pregunta como la
mencionada permitiría analizar lo que sucede
con los vínculos nuevos, eliminados,
reestablecidos y mantenidos a lo largo de los
tiempos que dura la intervención del programa
de extensión. En este sentido, también se abre
una nueva brecha para estudiar otro tipo de
preguntas generadoras de datos de red,
considerando su usa para catalizar los procesos
de innovación agrícola.
Por último, considerando el marco conceptual
propuesto por Birner et al. (2009) y sobre todo,
haciendo énfasis en el desempeño, resultado e
impacto de los servicios de extensión.
Consideramos que la comparación entre los
indicadores de línea base y línea final, sólo
pueden ser vistos a la luz de resultados
inmediatos de la intervención, mismos que
como se ha dicho, podrían conducir a
resultados intermedios y, al final, después de
cierto tiempo, a impactos más robustos y más
amplios para la sociedad. Por lo cual es
necesario generar mayor investigación sobre
los impactos finales, es decir, lograr evaluar los
cambios en indicadores como rendimientos,
ingresos, productividad, generación de

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
28
empleos, fortalecimiento de las cadenas de
valor, entre otros.
REFERENCIAS
Aguilar Ávila, J., Rendón Medel, R., Muñoz
Rodríguez, M., Altamirano Cárdenas, J. R.,
& Santoyo Cortés, V. H. (2011). Agencias
para la gestión de la innovación en territorios
rurales. In M. Del Roble Pensado Leglise (Ed.),
Territorio y ambiente: aproximaciones
metodológicas (pp. 79–98). D.F., México: Siglo
XXI.
Aguilar Gallegos, N., Muñoz Rodríguez, M.,
Santoyo Cortés, V. H., & Aguilar Ávila, J.
(2013). Influencia del perfil de los productores
en la adopción de innovaciones en tres cultivos
tropicales. Teuken Bidikay, 4, 207–228.
Aguilar-Ávila, J., Santoyo-Cortés, V. H.,
Muñoz-Rodríguez, M., Aguilar-Gallegos,
N., & Martínez-González, E. G. (2015).
Agencias de gestión de la innovación para el
desarrollo de proveedores en México. In R.
Compés López, J. M. García Álvarez-Coque, &
J. Aguilar-Ávila (Eds.), Redes de innovación y
desarrollo local en el medio rural (pp. 249–
266). Madrid: Ministerio de Agricultura,
Alimentación y Medio Ambiente. Gobierno de
España.
Aguilar-Gallegos, N., Martínez-González,
E. G., Aguilar-Ávila, J., Santoyo-Cortés, H.,
Muñoz-Rodríguez, M., & García-Sánchez,
E. I. (2016). Análisis de redes sociales para
catalizar la innovación agrícola: de los vínculos
directos a la integración y radialidad. Estudios
Gerenciales.
http://doi.org/10.1016/j.estger.2016.06.006
Aguilar-Gallegos, N., Muñoz-Rodríguez,
M., Santoyo-Cortés, H., Aguilar-Ávila, J., &
Klerkx, L. (2015). Information networks that
generate economic value: A study on clusters
of adopters of new or improved technologies
and practices among oil palm growers in
Mexico. Agricultural Systems, 135, 122–132.
http://doi.org/10.1016/j.agsy.2015.01.003
Birner, R., Davis, K., Pender, J., Nkonya,
E., Anandajayasekeram, P., Ekboir, J., …
Cohen, M. (2009). From best practice to best
fit: A framework for designing and analyzing
pluralistic agricultural advisory services
worldwide. The Journal of Agricultural
Education and Extension, 15(4), 341–355.
http://doi.org/10.1080/13892240903309595
Bonacich, P. (1987). Power and centrality: A
family of measures. American Journal of
Sociology, 92(5), 1170–1182.
Bonacich, P. (1972). Factoring and weighting
approaches to status scores and clique
identification. The Journal of Mathematical
Sociology, 2(1), 113–120.
http://doi.org/10.1080/0022250X.1972.99898
06
Borgatti, S. P. (2006). Identifying sets of key
players in a social network. Computational and
Mathematical Organization Theory, 12(1), 21–
34. http://doi.org/10.1007/s10588-006-7084-
x
Borgatti, S. P. (2002). Netdraw Network
Visualization. Harvard, MA: Analytic
Technologies.
Borgatti, S. P., & Dreyfus, D. (2005).
KeyPlayer 2 program. Lexington, KY: Analytic
Technologies.
Borgatti, S. P., Everett, M. G., & Freeman,
L. C. (2002). Ucinet for Windows: software for
social network analysis. Harvard, MA: Analytic
Technologies.
Borgatti, S. P., Everett, M. G., & Johnson,
J. C. (2013). Analyzing social networks.
London: SAGE Publications Limited.
Borgatti, S. P., & Halgin, D. S. (2011). On
network theory. Organization Science, 22(5),
1168–1181.
http://doi.org/10.1287/orsc.1100.0641
Borgatti, S. P., Mehra, A., Brass, D. J., &
Labianca, G. (2009). Network analysis in the
social sciences. Science, 323, 892–895.
Bozoğlu, M., & Ceyhan, V. (2007).
Measuring the technical efficiency and
exploring the inefficiency determinants of
vegetable farms in Samsun province, Turkey.
Agricultural Systems, 94(3), 649–656.
http://doi.org/10.1016/j.agsy.2007.01.007
Casas Guerrero, R. (2009). Redes y flujo de
conocimiento en la acuacultura en el Noroeste
de México. Redes. Revista Hispana Para El
Análisis de Redes Sociales, 17(6), 137–162.
Christoplos, I. (2010). Cómo movilizar el
potencial de la extensión agraria y rural. Roma:
Organización de las Naciones Unidas para la
Agricultura y la Alimentación (FAO).
COTEC. (2007). La persona protagonista de la
innovación. COTEC. Madrid, España: Fundación
COTEC para la Innovación Tecnológica.
De la Rosa Troyano, F. F., Martínez Gasca,
R., González Abril, L., & Velasco Morente,
F. (2005). Análisis de redes sociales mediante
diagramas estratégicos y diagramas
estructurales. Redes. Revista Hispana Para El
Análisis de Redes Sociales, 8(2), 1–33.
http://doi.org/10.5565/rev/redes.65
de Nooy, W., Mrvar, A., & Batagelj, V.
(2005). Exploratory Social Network Analysis

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
29
with Pajek. Cambridge, UK: Cambridge
University Press.
Dogliotti, S., García, M. C., Peluffo, S.,
Dieste, J. P., Pedemonte, A. J., Bacigalupe,
G. F., … Rossing, W. A. H. (2014). Co-
innovation of family farm systems: A systems
approach to sustainable agriculture.
Agricultural Systems, 126, 76–86.
http://doi.org/10.1016/j.agsy.2013.02.009
Faure, G., Desjeux, Y., & Gasselin, P.
(2012). New challenges in agricultural
advisory services from a research perspective:
A literature review, synthesis and research
agenda. The Journal of Agricultural Education
and Extension, 18(5), 461–492.
http://doi.org/10.1080/1389224X.2012.70706
3
Freeman, L. C. (1979). Centrality in social
networks: conceptual clarification. Social
Networks, 1(3), 215–239.
http://doi.org/10.1016/0378-8733(78)90021-
7
Freeman, L. C., Borgatti, S. P., & White, D.
R. (1991). Centrality in valued graphs: A
measure of betweenness based on network
flow. Social Networks, 13(2), 141–154.
http://doi.org/10.1016/0378-8733(91)90017-
N
García Sánchez, E. I., Aguilar Ávila, J., &
Bernal Muñoz, R. (2011). La agricultura
protegida en Tlaxcala, Méjico: La adopción de
innovaciones y el nivel de equipamiento como
factores para su categorización. Teuken
Bidikay, 2, 193–212.
Granovetter, M. S. (1973). The strength of
weak ties. American Journal of Sociology,
78(6), 1360–1380.
http://doi.org/10.1086/225469
Hanneman, R. A., & Riddle, M. (2011).
Concepts and measures for basic network
analysis. In J. Scott & P. J. Carrington (Eds.),
The SAGE Handbook of Social Network Analysis
(pp. 340–369). London, UK: SAGE.
Hoang, L. A., Castella, J.-C., & Novosad, P.
(2006). Social networks and information
access: Implications for agricultural extension
in a rice farming community in northern
Vietnam. Agriculture and Human Values, 23(4),
513–527. http://doi.org/10.1007/s10460-006-
9013-5
Hounkonnou, D., Kossou, D., Kuyper, T.
W., Leeuwis, C., Nederlof, E. S., Röling, N.,
… van Huis, A. (2012). An innovation
systems approach to institutional change:
Smallholder development in West Africa.
Agricultural Systems, 108, 74–83.
http://doi.org/10.1016/j.agsy.2012.01.007
Isaac, M. E. (2012). Agricultural information
exchange and organizational ties: The effect of
network topology on managing agrodiversity.
Agricultural Systems, 109, 9–15.
http://doi.org/10.1016/j.agsy.2012.01.011
Jackson, M. O. (2008). Social and economic
networks. New Jersey, USA: Princeton
University Press.
Jara-Rojas, R., Bravo-Ureta, B. E., & Díaz,
J. (2012). Adoption of water conservation
practices: A socioeconomic analysis of small-
scale farmers in Central Chile. Agricultural
Systems, 110, 54–62.
http://doi.org/10.1016/j.agsy.2012.03.008
Kilelu, C. W., Klerkx, L., & Leeuwis, C.
(2013). Unravelling the role of innovation
platforms in supporting co-evolution of
innovation: Contributions and tensions in a
smallholder dairy development programme.
Agricultural Systems, 118, 65–77.
http://doi.org/10.1016/j.agsy.2013.03.003
Kilelu, C. W., Klerkx, L., & Leeuwis, C.
(2014). How dynamics of learning are linked
to innovation support services: Insights from a
smallholder commercialization project in
Kenya. The Journal of Agricultural Education
and Extension, 20(2), 213–232.
http://doi.org/10.1080/1389224X.2013.82387
6
Klerkx, L., Aarts, N., & Leeuwis, C. (2010).
Adaptive management in agricultural
innovation systems: The interactions between
innovation networks and their environment.
Agricultural Systems, 103(6), 390–400.
http://doi.org/10.1016/j.agsy.2010.03.012
Klerkx, L., & Leeuwis, C. (2009).
Establishment and embedding of innovation
brokers at different innovation system levels:
Insights from the Dutch agricultural sector.
Technological Forecasting and Social Change,
76(6), 849–860.
http://doi.org/10.1016/j.techfore.2008.10.00
1
Leeuwis, C., & Aarts, N. (2011). Rethinking
communication in innovation processes:
Creating space for change in complex systems.
The Journal of Agricultural Education and
Extension, 17(1), 21–36.
http://doi.org/10.1080/1389224X.2011.53634
4
Leeuwis, C., & Van den Ban, A. (2004).
Communication for rural innovation:
Rethinking agricultural extension (Third edit).
Oxford, UK: Blackwell Science, Oxford.
Mariano, M. J., Villano, R., & Fleming, E.
(2012). Factors influencing farmers’ adoption
of modern rice technologies and good
management practices in the Philippines.

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
30
Agricultural Systems, 110, 41–53.
http://doi.org/10.1016/j.agsy.2012.03.010
Marsden, P. V. (2005). Recent development
in network measurement. In P. J. Carrington,
J. Scott, & S. Wasserman (Eds.), Models and
methods in social network analysis (pp. 8–30).
New York, USA: Cambridge University Press.
Marsden, P. V. (1990). Network data and
measurement. Annual Review of Sociology,
16(1), 435–463.
http://doi.org/10.1146/annurev.so.16.080190
.002251
Martínez-González, E. G., Muñoz-
Rodríguez, M., García-Muñiz, J. G.,
Santoyo-Cortés, V. H., Altamirano-
Cárdenas, J. R., & Romero-Márquez, C.
(2011). El fomento de la ovinocultura familiar
en México mediante subsidios en activos:
lecciones aprendidas. Agronomía
Mesoamericana, 22(2), 367–377.
Monge Pérez, M., & Hartwich, F. (2008).
Análisis de Redes Sociales aplicado al estudio
de los procesos de innovación agrícola. Redes.
Revista Hispana Para El Análisis de Redes
Sociales, 14(2), 1–31.
http://doi.org/10.5565/rev/redes.118
Monge, M., Hartwich, F., & Halgin, D. S.
(2008). How change agents and social capital
influence the adoption of innovations among
small farmers. Evidence from social networks
in rural Bolivia. Washington, DC: International
Food Policy Research Institute (IFPRI).
Muñoz Rodríguez, M., Aguilar Ávila, J.,
Rendón Medel, R., & Altamirano Cárdenas,
J. R. (2007). Análisis de la dinámica de
innovación en cadenas agroalimentarias.
Chapingo, México: Universidad Autónoma
Chapingo - CIESTAAM / PIIAI.
Muñoz Rodríguez, M., Rendón Medel, R.,
Aguilar Ávila, J., García Muñíz, J. G., &
Altamirano Cárdenas, J. R. (2004). Redes
de innovación: un acercamiento a su
identificación, análisis y gestión para el
desarrollo rural. Fundación PRODUCE
Michoacán, A.C./Universidad Autónoma
Chapingo.
Muñoz Rodríguez, M., & Santoyo Cortés, V.
H. (2010). Del extensionismo a las redes de
innovación. In J. Aguilar Ávila, J. R. Altamirano
Cárdenas, & R. Rendón Medel (Eds.), Del
extensionismo a las redes de innovación (pp.
31–69). Chapingo, México: Universidad
Autónoma Chapingo - CIESTAAM.
Muñoz-Rodríguez, M., & Altamirano-
Cárdenas, J. R. (2008). Modelos de
innovación en el sector agroalimentario
mexicano. Agricultura, Sociedad Y Desarrollo,
5(2), 185–211.
Muñoz-Rodríguez, M., Gómez-Pérez, D.,
Santoyo-Cortés, V. H., Aguilar-Ávila, J., &
Aguilar-Gallegos, N. (2014). ¿Qué significa
innovar en el ámbito del sector
agroalimentario? ...y ¡cómo lo hemos hecho!
Chapingo, México: Reporte de Investigación
95. UACh - CIESTAAM.
OECD. (2005). Manual de Oslo: Guía para la
recogida e interpretación de datos sobre
innovación (Third Edit). Paris: Organisation for
Economic Co-operation and Development.
Radjou, N. (2004). Innovation Networks.
Forrester Research, 1–20.
Ramos-Vidal, I., Contreras-Ibáñez, C. C., &
Garcia-Macías, A. (2014). México: Un eje
central en el desarrollo de las redes hispanas.
Redes. Revista Hispana Para El Análisis de
Redes Sociales, 25(1), 49–67.
http://doi.org/10.5565/rev/redes.502
Rivera, W. M., & Sulaiman, V. R. (2009).
Extension: object of reform, engine for
innovation. Outlook on Agriculture, 38(3),
267–273.
http://doi.org/10.5367/000000009789396810
Rogers, E. M. (2003). Diffusion of
innovations (Fifth Edit). New York, USA: Free
Press.
Ruttan, V. W. (1977). Induced innovation
and agricultural development. Food Policy,
2(3), 196–216. http://doi.org/10.1016/0306-
9192(77)90080-X
SAS. (2004). SAS/STAT (R). User’s Guide,
Version 9. Cary, N.C., USA: Statistical Analysis
System.
Scott, J. (2013). Social Network Analysis
(Third Edit). London: SAGE Publications Ltd.
Semitiel García, M., & Noguera Mendez, P.
(2004). Los sistemas productivos regionales
desde la perspectiva del análisis de redes.
Redes. Revista Hispana Para El Análisis de
Redes Sociales, 6(3), 1–26.
Spielman, D. J., Davis, K., Negash, M., &
Ayele, G. (2011). Rural innovation systems
and networks: findings from a study of
Ethiopian smallholders. Agriculture and Human
Values, 28(2), 195–212.
http://doi.org/10.1007/s10460-010-9273-y
Spielman, D. J., Ekboir, J., Davis, K., &
Ochieng, C. M. O. (2008). An innovation
systems perspective on strengthening
agricultural education and training in sub-
Saharan Africa. Agricultural Systems, 98(1), 1–
9. http://doi.org/10.1016/j.agsy.2008.03.004
Swanson, B. E., & Rajalahti, R. (2010).
Strengthening agricultural extension and
advisory systems: Procedures for assessing,

Aguilar, Olvera, Martínez, Aguilar, Muñoz & Santoyo, Vol.28, #1, 2017, 9-31
Revista Hispana para el Análisis de Redes Sociales
31
transforming, and evaluating extension
systems. Washington, DC: The World Bank.
Thuo, M., Bell, A. A., Bravo-Ureta, B. E.,
Lachaud, M. A., Okello, D. K., Okoko, E. N.,
… Puppala, N. (2014). Effects of social
network factors on information acquisition and
adoption of improved groundnut varieties: the
case of Uganda and Kenya. Agriculture and
Human Values, 31(3), 339–353.
http://doi.org/10.1007/s10460-014-9486-6
Valente, T. W. (2012). Network
interventions. Science, 337(6090), 49–53.
http://doi.org/10.1126/science.1217330
Valente, T. W. (2005). Network models and
methods for studying the diffusion of
innovations. In P. J. Carrington, J. Scott, & S.
Wasserman (Eds.), Models and methods in
social network analysis (pp. 98–116). New
Jersey, USA: Cambridge University Press.
Valente, T. W. (1996). Social network
thresholds in the diffusion of innovations.
Social Networks, 18(1), 69–89.
http://doi.org/10.1016/0378-8733(95)00256-
1
Valente, T. W., & Davis, R. L. (1999).
Accelerating the diffusion of innovations using
opinion leaders. The Annals of the American
Academy of Political and Social Science,
566(1), 55–67.
http://doi.org/10.1177/000271629956600105
Valente, T. W., & Foreman, R. K. (1998).
Integration and radiality: measuring the extent
of an individual’s connectedness and
reachability in a network. Social Networks,
20(1), 89–105. http://doi.org/10.1016/S0378-
8733(97)00007-5
Valente, T. W., Palinkas, L. A., Czaja, S.,
Chu, K.-H., & Brown, C. H. (2015). Social
Network Analysis for program implementation.
PLoS ONE, 10(6), e0131712.
http://doi.org/10.1371/journal.pone.0131712
Valente, T. W., & Pumpuang, P. (2007).
Identifying opinion leaders to promote behavior
change. Health Education & Behavior, 34(6),
881–896.
http://doi.org/10.1177/1090198106297855
Velázquez Álvarez, O. A., & Aguilar
Gallegos, N. (2005). Manual introductorio al
análisis de redes sociales. Medidas de
centralidad.
Wasserman, S., & Faust, K. (1994). Social
Network Analysis: methods and applications.
Cambridge, UK: Cambridge University Press.
Wood, B. A., Blair, H. T., Gray, D. I., Kemp,
P. D., Kenyon, P. R., Morris, S. T., & Sewell,
A. M. (2014). Agricultural science in the wild:
a social network analysis of farmer knowledge
exchange. PloS One, 9(8), e105203.
http://doi.org/10.1371/journal.pone.0105203
Remitido: 13-09-2016
Corregido: 02-12-2016
Aceptado: 03-12-2016