Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Universidad Central “Marta Abreu” de Las Villas
Facultad de Matemática, Física y Computación
Centro de Estudios de Informática
Procedimiento para la gestión del conocimiento ambiental
mediante ontología en proyectos agropecuarios
Tesis en opción del título académico de Máster en Informática para la
Gestión Medioambiental
Autora: Ing. María Isabel Castellanos Domínguez
Tutores: Dr. C. Rosendo Moreno Rodríguez
M. Sc. Irlán Grangel González
Consultante: Dr. C. Roberto Rodríguez Córdova
Santa Clara, 2014
Dedicatoria
A las personas que han puesto mis sueños delante de los suyos,
que no han escatimado esfuerzos para que yo alcance mis
metas: mis padres, Javier y Zoraida.
Agradecimientos
Estos dos años y medios en Santa Clara han sido la mayor escuela que he tenido en mi
vida, tanto en lo profesional, como personal; por eso quiero dar gracias a Dios porque aun
cuando me alejé, él me llevaba en sus brazos. Gracias Señor por todas las bendiciones que
me has dado, por poner estas personas buenas en mi camino que me han ayudado y guiado.
A mi madre del cielo, la Virgen de la Caridad por su protección y ser mi fiel compañera de
viaje.
A mi padre, mi guía profesional…papi este es tu sueño, gracias por apoyarme para poder
hacerlo realidad.
A mi madre, quien pasaba mis noches de viaje rezando, gracias por estar siempre pendiente
de mi.
A mis tutores por sus orientaciones, a Rosendo por darme su voto de confianza y en
especial a mi tutor y amigo Irlán; por apoyarme y guiarme con esta investigación y sobre
todo por creer en mi y en todo lo que soy capaz de lograr, aún cuando yo no era capaz de
reconocerlo.
A Yosvani Lao, porque sin su ayuda me hubiese sido imposible culminar esta
investigación.
A mi familia, por todo su cariño y apoyo (nos los voy a nombrar porque son muchos, pero
cada uno de ustedes sabe que le estoy eternamente agradecida), porque siempre estuvieron
pendientes de mi, principalmente en mis viajes. En especial a Gisela por acogerme en su
casa en mis escalas en Tunas.
A todos mis amigos y amigas, por su preocupación, ayuda y estar siempre ahí, cuando los
necesito, en las buenas y en las malas. En especial a Ariagna Albuerne, Yisel Clavel y
Roberto Becerra por su apoyo incondicional.
A todos mis compañeros y compañeras de aula, en especial a los de la Beca de Postgrado,
de las interminables noches de estudio y otras veces de fiesta, de las excursiones: Rosalba,
David, Isyed, Arcadio (a Mara la otra integrante del grupo), Edgar, Greilan y Marcel. A
las niñas de Moa como cariñosamente le decimos: Magbys y Yanet. A Daineris, por
acogerme en su casa.
A mis amigos de la Trova Ana Marlen, Raúl Prieto y Rauli, por alegrar mis viernes con
canciones de Sabina.
A todos gracias por su amistad.
A mis profesores por todos los conocimientos trasmitidos. Quiero agradecer a Gheisa
Ferreira y Leticia Arco por toda su ayuda.
A los trabajadores de la ENPA, por su colaboración, principalmente a María Estela,
Ernesto, Mirna y a mi diplomante Lisandro que hoy es responsable de dar continuidad a
esta investigación.
A mi diplomante Raúl Cuesta, por la seriedad y responsabilidad con que asumió esta
investigación y su colaboración una vez ya graduado. A Rider, por toda su ayuda.
A los Doctores Roberto R. Córdova, Olga Gallardo, Karel Arencibia, María Arias y
Roberto Pérez de los Reyes por toda la ayuda y sabios consejos.
A mis compañeros de la FACINF-UHO, a los que creyeron en mi y me apoyaron para
estudiar en la UCLV (Rosa Urquiza, Jenny Ruiz, Leydis Lamoth, Carmen Pino y Luis
Cuevas), a los que muchas veces asumían mis tareas en la UHO para yo poder terminar
mis maestría (Luis Ángel, Marlen Mora, Yasnalla, Yilena Córdova y Dalilis). A Ana de
Lourdes, Arasay y Lisandra por su ayuda con las dietas. Y en especial a mi amigo Frank
Figueredo por toda su colaboración.
A mis vecinos y amigos de la familia (Victor y familia, Allan y familia, Pepito, Miriam y
Abdiel) por todo su apoyo durante este tiempo que mi papá ha estado en Venezuela.
A Jenny y Yuda por su ayuda con los pasajes.
Al Padre Aldama, por tenerme siempre presente en sus oraciones.
A todos mil gracias
Dios los bendiga.
RESUMEN
La Empresa Nacional de Proyectos e Ingeniería tiene el objetivo de asumir la amplia
variedad de proyectos que demanda el sector agropecuario del país. Las políticas
ambientales plantean que al concebir un proyecto, se debe tener en cuenta no alterar una
serie de indicadores ambientales para prever, desde la etapa de diseño, los posibles
impactos al ambiente que provoca su ejecución. Para lograr lo anterior, el personal
involucrado tiene necesidades específicas de información medioambiental; destacándose
así, la importancia de una adecuada gestión del conocimiento. Con el objetivo de gestionar
la información y el conocimiento asociado al proceso descrito, se propone un
procedimiento basado en la ontología OntoEnvironmental. Esta ontología modela los
indicadores ambientales de comportamiento, gestión y situación ambiental; enmarcándose
en este último grupo, las características generales y específicas para proyectos de obras o
actividades agrícolas y pecuarias. Además, este procedimiento facilita a la empresa objeto
de estudio gestionar el conocimiento ambiental y mediante su aplicación favorece la
satisfacción de las necesidades de información de los proyectistas.
ABSTRACT
The National Company for Projects and Engineering aims to take on the wide variety of
projects that demand the agricultural sector. Environmental policies state that when
designing a project, you must consider not alter some environmental indicators to predict,
from the design stage, the potential impacts to the environment caused by its
implementation. To achieve this, the personnel involved have specific needs for
environmental information; that´s why the importance of proper knowledge management.
In order to manage information and knowledge associated with the process described, a
method based on ontology OntoEnvironmental is proposed. This ontology models the
performance, management and environmental situation indicators; the specific and general
characteristics to construction projects or agricultural and livestock activities framing itself
in the latter group. Furthermore, this method provides to the company under study manage
environmental knowledge and through its application improve the satisfaction of the
information needs of designers.
ÍNDICE
INTRODUCCIÓN ............................................................................................................................ 1
CAPÍTULO 1. MARCO TEÓRICO-PRÁCTICO REFERENCIAL DE LA
INVESTIGACIÓN ............................................................................................................................ 6
1.1 LA GESTIÓN DEL CONOCIMIENTO AMBIENTAL. ......................................................................... 6
1.1.1 Tecnologías de la Información para la gestión del conocimiento .................................... 7
1.1.2 Datos, información y conocimiento ................................................................................... 8
1.1.3 Tecnologías Semánticas .................................................................................................. 10
1.2 ONTOLOGÍAS ........................................................................................................................... 11
1.2.1 Terminología básica para el desarrollo de ontologías ................................................... 13
1.2.2 Lenguajes de ontología ................................................................................................... 14
1.2.3 Editores de ontología ...................................................................................................... 17
1.2.4 Razonadores de ontología ............................................................................................... 18
1.2.5 Framework para el trabajo con ontología ...................................................................... 19
1.2.6 Metodologías para el desarrollo de ontología ................................................................ 20
1.2.7 Modelado de ontología. Patrones de diseño ontológico ................................................. 24
1.2.8 Evaluación de calidad de ontología ................................................................................ 26
1.3 ONTOLOGÍAS EXISTENTES PARA LA GESTIÓN DEL CONOCIMIENTO AMBIENTAL .................... 27
1.4 EL ESTADO ACTUAL DE LA GESTIÓN DEL CONOCIMIENTO AMBIENTAL EN PROYECTOS
AGROPECUARIOS. CASO DE ESTUDIO EMPRESA NACIONAL DE PROYECTOS E INGENIERÍA ......... 30
1.4.1 Descripción del proceso de gestión ambiental ................................................................ 30
1.4.2 Indicadores ambientales. Características y clasificación ............................................... 32
1.4.3 Características generales y específicas de proyectos agrícolas y pecuarios .................. 34
1.4.4 Necesidades de información ambiental ........................................................................... 35
CONCLUSIONES PARCIALES .......................................................................................................... 37
CAPÍTULO 2. PROCEDIMIENTO PARA LA GESTIÓN DEL CONOCIMIENTO
AMBIENTAL MEDIANTE ONTOLOGÍA EN PROYECTOS AGROPECUARIOS ............ 38
2.1 FASE I. ACCEDER .................................................................................................................... 38
2.1.1 Paso 1. Presentación ....................................................................................................... 38
2.1.2 Paso 2. Caracterizar el proceso de gestión del conocimiento ambiental ....................... 40
2.2 FASE II. GENERAR ................................................................................................................... 41
2.2.1 Paso 3. Identificar necesidades de información ambiental ............................................. 41
2.2.2 Paso 4. Obtener conocimiento ........................................................................................ 43
2.3 FASE III. REPRESENTAR-TRANSFERIR .................................................................................... 43
2.3.1 Paso 5. Transformar del conocimiento tácito a explícito ............................................... 43
2.3.2 Paso 6. Modelar la ontología OntoEnvironmental ......................................................... 46
2.3.3 Paso 7. Diseñar arquitectura de software para un sistema que use la ontología
OntoEnvironmental .................................................................................................................. 50
2.3.4 Paso 8. Implementar arquitectura de software que use la ontología OntoEnvironmental
.................................................................................................................................................. 51
2.4 FASE IV. APLICAR. .................................................................................................................. 51
2.4.1 Paso 9. Implantar software basado en OntoEnvironmental ........................................... 51
2.4.2 Paso 10. Impartir cursos de capacitación a usuarios finales ......................................... 52
CONCLUSIONES PARCIALES .......................................................................................................... 52
CAPÍTULO 3. APLICACIÓN DEL PROCEDIMIENTO PROPUESTO. CASO DE
ESTUDIO EMPRESA NACIONAL DE PROYECTOS E INGENIERÍA DE HOLGUÍN ..... 53
3.1 FASE I. ACCEDER .................................................................................................................... 53
3.2 FASE II. GENERAR ................................................................................................................... 55
3.3 FASE III. REPRESENTAR-TRANSFERIR .................................................................................... 58
3.4 EVALUACIÓN DE CALIDAD DE ONTOENVIRONMENTAL .......................................................... 65
3.5 VALORACIÓN DEL PROCEDIMIENTO PROPUESTO MEDIANTE CRITERIO DE EXPERTOS ............ 67
CONCLUSIONES PARCIALES .......................................................................................................... 69
CONCLUSIONES GENERALES ................................................................................................. 71
RECOMENDACIONES ................................................................................................................. 72
REFERENCIAS BIBLIOGRÁFICAS .......................................................................................... 73
ANEXO 1: CARACTERÍSTICAS GENERALES Y ESPECÍFICAS PARA PROYECTOS AGRÍCOLAS Y
PECUARIOS ....................................................................................................................................... I
ANEXO 2. ENCUESTA DE SELECCIÓN DE EXPERTOS ...................................................................... VI
ANEXO 3. MAPA DE PROCESOS DE LA ENPA ............................................................................... VII
ANEXO 4. FLUJOGRAMA DEL SISTEMA DE GESTIÓN AMBIENTAL .............................................VIII
ANEXO 5. FLUJOGRAMA DEL SISTEMA DE GESTIÓN DEL CONOCIMIENTO .................................... IX
ANEXO 6. FLUJOGRAMA DE PRODUCCIÓN ......................................................................................X
ANEXO 7. IDENTIFICACIÓN DE IMPACTOS AMBIENTALES DURANTE EL FLUJO PRODUCTIVO ....... XI
ANEXO 8. FRAGMENTO DE LA CLASE AGRICULTURAL MODELADA EN ONTOENVIRONMENTAL .... XII
ANEXO 9. REUTILIZACIÓN DEL PATRÓN PARTOF APLICADO A LOS ASPECTOS QUE COMPONEN UN
PROYECTO AGRÍCOLA .................................................................................................................XIII
ANEXO 10. REUTILIZACIÓN DEL PATRÓN COMPONENCY APLICADO A LOS ELEMENTOS QUE SON
COMPONENTES DEL ENTORNO .................................................................................................... XIV
ANEXO 11: EVALUACIÓN DE ONTOENVIRONMENTAL EN OOPS! ............................................... XV
ANEXO 12. ENCUESTA A EXPERTOS ........................................................................................... XVI
ANEXO 13. RESULTADOS DE PRIMERA RONDA DE EXPERTOS .................................................... XIX
ANEXO 14: RESULTADOS DE LA SEGUNDA RONDA DE EXPERTOS ............................................... XX
ANEXO 15. CARTA AVAL ENPA ................................................................................................ XXI
ANEXO 16. CARTA AVAL BASAL ............................................................................................ XXII
ANEXO 17. CARTA AVAL GRUPO DE DESARROLLO LOCAL ...................................................... XXIII
ÍNDICE DE FIGURAS
Figura 1. Sistema de Gestión del Conocimiento .................................................................... 7
Figura 2. Continuación típica del conocimiento .................................................................. 10
Figura 3. Escenarios para la construcción de ontologías y redes de ontologías ................ 22
Figura 4. Representación del patrón de contenido PartOf. ................................................. 25
Figura 5. Indicadores Medioambientales de la Empresa ..................................................... 33
Figura 6. Taxonomía de características generales y específicas de proyectos agrícolas y
pecuarios ............................................................................................................................... 35
Figura 7. Proceso de surgimiento de necesidades de información ambiental en la ENPA . 36
Figura 8. Procedimiento para la gestión del conocimiento ambiental mediante ontología en
proyectos agropecuarios. ...................................................................................................... 39
Figura 9. Método para establecer indicadores medioambientales ...................................... 42
Figura 10. Arquitectura para un sistema que utilice la ontología OntoEnvironmental ...... 50
Figura 11. Ciclo de validación del conocimiento de OntoEnvironmental ........................... 60
Figura 12. Fragmento de la clase EnviromentalIndicator. .................................................. 62
Figura 13. Reutilización del patrón Situation aplicado a la clase Soil ................................ 63
Figura 14. Reutilización del patrón Criterion aplicado a la clase
EnvironmentalPerformance .................................................................................................. 63
ÍNDICE DE TABLAS
Tabla 1. Valores de la constante K ....................................................................................... 44
Tabla 2. Escala para selección de expertos. ........................................................................ 45
Tabla 3. Documento de Especificación de Requisitos de la ontología OntoEnvironmental.
.............................................................................................................................................. 47
Tabla 4. Identificación de los patrones disponibles ............................................................. 48
Tabla 5. Correspondencia entre los requisitos y los posibles patrones a ser reutilizados .. 49
Tabla 6. Introducción de indicador de residuo en la Estrategia Ambiental de la ENPA .... 56
Tabla 7. Características zonas ganaderas de Mayarí .......................................................... 57
Tabla 8. Herramientas, lenguaje y metodología para el desarrollo de ontología ............... 59
Tabla 9. Preguntas de competencia y consultas SPARQL del ejemplo de zonas ganaderas
de Mayarí .............................................................................................................................. 60
Tabla 10. Requisitos funcionales en forma de preguntas de competencia ordenados por
subdominios .......................................................................................................................... 64
Introducción
1
INTRODUCCIÓN
El conocimiento es un recurso intangible1, que cada vez toma mayor importancia en el
mundo actual. Varios investigadores plantean que las organizaciones sólo podrán adquirir y
mantener ventajas competitivas mediante el uso adecuado del conocimiento (Salazar, 2000;
Ocaña, 2009; Visbal, 2009; Sánchez and Muiña, 2011). Es por esta razón, que hacer una
gestión adecuada del conocimiento se convierte en una necesidad crucial.
La gestión del conocimiento se refiere al conjunto de procesos sistemáticos que transita
desde la identificación y captación del capital intelectual; al tratamiento, desarrollo,
compartimiento y utilización del conocimiento. Este proceso está orientado al desarrollo
organizacional y personal, lo que trae como consecuencia la generación de una ventaja
competitiva para la organización y el individuo (Davenport and Prusak, 1998; Sosa et al.,
2012).
Actualmente las organizaciones afrontan nuevos retos relacionados con el modo de
producir y de transmitir los conocimientos, razón por la cual el desarrollo de nuevas
tendencias de las Tecnologías de la Información (TI) y más específicas para la gestión del
conocimiento las Tecnologías Semánticas (TS) tienen un mayor empleo. Lo anterior
expuesto está dado por la facilidad que estas tecnologías ofrecen para la generación,
distribución y uso del conocimiento producido y acumulado en las organizaciones (Senso,
2011).
Las TS son herramientas que presentan la capacidad de representar el significado de las
cosas, permitiendo el reconocimiento automático de temas y conceptos, información y
extracción de significado. Estas tecnologías organizan el significado de un dominio dado,
usando taxonomías2, ontologías
3 y bases de conocimientos
4 (Davis, 2004).
El dominio en el cual se enmarca esta investigación es la Gestión del Conocimiento
Ambiental (GCA), desde la perspectiva del proceso de Gestión Ambiental (GA); que es el
1 Todo aquel recurso asociado al Capital Intelectual (Brooking and Guix, 1997).
2 Es un vocabulario donde sus términos están organizados de manera jerárquica (Pollock, 2009).
3 Conjunto estructurado y jerárquico de descripción de conceptos de un dominio en específico del
conocimiento (Hebeler et al., 2009). 4
Conjunto de representaciones o hechos acerca del mundo. Cada representación individual es llamada una
sentencia. Las sentencias son expresadas en el lenguaje de representación del conocimiento (Pollock, 2009).
Introducción
2
conjunto de actividades coordinadas para dirigir y controlar una organización en lo relativo
al Medio Ambiente (MA) (NC-ISO:14001, 2004). Por la importancia que tiene en el
proceso de GA una correcta gestión de la información y el conocimiento, se hace necesario
contar con métodos y herramientas que lo faciliten.
La herramienta de gestión más importante para el control medioambiental son los
indicadores5 (IHOBE, 1999). Los indicadores ambientales condensan la información y
simplifican el acercamiento a los fenómenos medioambientales, a menudo complejos, lo
que los hace muy útiles para la comunicación (Piorr, 2003).
La utilidad de estos indicadores consiste en facilitar, tanto a la dirección de la organización
como al resto de los miembros, información relevante, resumida en forma de declaraciones
concisas e ilustrativas para la toma de decisiones. Por lo tanto, aseguran una rápida
evaluación de las principales mejoras y de los puntos débiles en la protección ambiental de
la empresa, para aquellos que han de tomar las decisiones. Por otra parte, los indicadores
resumen extensos datos medioambientales en información clave significativa y comparable
(IHOBE, 1999).
Debido a los planteamientos anteriores es una necesidad el uso de indicadores ambientales
para medir el comportamiento de la organización en esta área, facilitar la comunicación y
condensar la información ambiental. El uso de indicadores, a su vez, contribuye a una
mejora en la gestión del conocimiento ambiental.
A nivel mundial, la política de las empresas ha estado encaminada a que su desarrollo
económico y productivo se realice previendo los impactos medioambientales desde una
etapa inicial (NC-ISO:14004, 1998). Las empresas cubanas no están ausentes de esta
realidad, por lo que han implementado una política ambiental dirigida a tomar un conjunto
de medidas que apoyen que el producto elaborado no constituya un factor de riesgo para la
preservación del MA (Godínez and Córdova, 2012).
En esta investigación se tomará como caso de estudio la Empresa Nacional de Proyectos e
Ingeniería (ENPA) en la Unidad Empresarial de Base (UEB) de Holguín; la cual, es una
5 Un dato que ha sido seleccionado a partir de un conjunto estadístico más amplio por poseer una
significación y una representatividad particular (Heink and Kowarik, 2010).
Introducción
3
entidad de consultoría, ingeniería y diseño que tiene como función principal asumir la
amplia variedad de proyectos que demanda el sector agropecuario del país. La ENPA tiene
entre sus objetivos, prever desde una etapa de diseño, los posibles impactos ambientales
que pueden ocasionar al entorno la ejecución de sus proyectos. Es por esta razón, que es un
compromiso del Sistema de Gestión Ambiental establecido en la empresa, mantener una
cultura según el modelo de la norma ISO 14001; así como, un estricto cumplimiento de las
Normas Cubanas (NC) en los diseños de los proyectos (Fernández, 2012).
Esta entidad cuenta con un equipo multidisciplinario que requiere de un dominio apropiado
de las regulaciones legales y las NC que rigen lo relativo a los proyectos que realizan.
Debido a lo anterior, los proyectistas tienen necesidades de información ambiental
específicas según el tipo de proyecto, enmarcándose así, la importancia de una correcta
gestión del conocimiento ambiental.
Luego de ser analizado cómo se gestiona el conocimiento ambiental actualmente en la
ENPA, se encontraron las siguientes deficiencias:
Las NC existentes en la entidad están organizadas por el año de publicación,
aclarando además, el año de derogación. No existe una homogeneidad de formato de
almacenamiento, algunas normas vigentes son de hace varias décadas, por lo que
están escaneadas de los documentos originales, otras están en doc o pdf. Esto dificulta
el proceso de búsqueda, el cual se realiza de forma manual.
En su mayoría, los proyectistas hacen uso de las NC sobre la base del conocimiento
tácito6 de un tema determinado, lo que implica como factor negativo, que si esa
persona deja de pertenecer a la organización, se lleva consigo ese conocimiento.
No están establecidos los diferentes indicadores y características ambientales
correspondientes a proyectos de obras o actividades agrícolas y pecuarias.
En la ENPA no está determinado un mecanismo para la gestión del conocimiento
ambiental que permita satisfacer las necesidades de información de los proyectistas
cuando van a diseñar los proyectos agrícolas y pecuarios.
6 Conocimiento interiorizado en cada individuo, basado en sus experiencias (León and Febles, 2013).
Introducción
4
La problemática antes planteada, permitió identificar el siguiente problema de
investigación: La ausencia de un mecanismo para la gestión del conocimiento ambiental,
que facilite explicitar el conocimiento implícito en los indicadores y características
medioambientales para proyectos agropecuarios, limita la identificación de las
necesidades de información de los proyectistas.
A partir del problema se define el objeto de estudio: La gestión del conocimiento
ambiental en proyectos agropecuarios. Y como campo de acción: La modelación
ontológica del conocimiento de los indicadores y características ambientales en proyectos
agropecuarios.
Para solucionar el problema se persigue el siguiente objetivo general:
Desarrollar un procedimiento que oriente la gestión del conocimiento
ambiental, mediante una ontología que modele los indicadores y las
características medioambientales en proyectos agropecuarios; para identificar
las necesidades de información de los proyectistas de la esfera.
Para su cumplimiento, el objetivo general se desagregó en los siguientes objetivos
específicos:
1. Determinar el estado actual de la gestión del conocimiento ambiental en proyectos
agropecuarios.
2. Desarrollar una taxonomía de características generales y específicas a tener en cuenta
en obras agrícolas y pecuarias.
3. Desarrollar un procedimiento para la gestión del conocimiento ambiental en proyectos
agropecuarios.
4. Desarrollar una ontología que modele el conocimiento de los indicadores
medioambientales de la empresa y las características generales y específicas para obras
agrícolas y pecuarias, mediante las buenas prácticas del diseño de ontológico.
5. Proponer una arquitectura que soporte el proceso de gestión del conocimiento
semántico en proyectos agropecuarios.
Una vez concluida la construcción del marco teórico-práctico referencial de la
investigación, se formuló la siguiente hipótesis:
Introducción
5
Un procedimiento, capaz de orientar correctamente la gestión del conocimiento
ambiental mediante una ontología que modele los indicadores y características
medioambientales para proyectos agropecuarios; facilita la identificación de las
necesidades de información ambiental de los proyectistas.
El valor metodológico reside en el procedimiento que establece cómo gestionar el
conocimiento ambiental, permitiendo identificar las necesidades de información de los
proyectistas para realizar proyectos agropecuarios. Y su valor práctico esta dado por:
Una ontología que modela a su vez los indicadores ambientales y las características
generales y específicas para obras agrícolas y pecuarias.
Una propuesta de arquitectura que soporte el proceso de gestión del conocimiento
semántico en proyectos agropecuarios.
Para dar cumplimiento a los objetivos trazados, la presente investigación se estructuró en
tres capítulos. En el primero se construyó el marco teórico-práctico referencial de la
investigación y se describe el estado actual de la gestión del conocimiento en proyectos
agropecuarios, así como se incluye una explicación somera del caso de estudio tomado
como base de la investigación. Se propone una taxonomía de características generales y
específicas para obras agrícolas y pecuarias. En el segundo capítulo se presenta la solución
al problema planteado, a través de la elaboración del procedimiento para la gestión del
conocimiento ambiental mediante ontología en proyectos agropecuarios; así como, la
ontología OntoEnvironmental y la arquitectura que soporta el proceso de gestión del
conocimiento semántico. El tercer y último capítulo está dedicado a la aplicación del
procedimiento antes mencionado, la valoración de éste mediante criterio de expertos y la
evaluación de calidad de la ontología. Finalmente, se presentan las conclusiones y
recomendaciones generales que resaltan los principales resultados obtenidos; así como
aquellos aspectos que la autora considera deben ser extendidos como parte de la
continuidad de la investigación. También se presentan las referencias bibliográficas que
sustentan la presente tesis y un grupo de anexos de necesaria inclusión para fundamentar y
facilitar su comprensión.
Capítulo 1
6
CAPÍTULO 1. MARCO TEÓRICO-PRÁCTICO REFERENCIAL DE LA
INVESTIGACIÓN
El presente capítulo está orientado a la fundamentación teórica del objeto de estudio y el
campo de acción. Se realiza un análisis de la gestión del conocimiento ambiental y sus
herramientas de apoyo; donde se caracterizan las tecnologías semánticas, específicamente
las ontologías. Se estudia el uso de las buenas prácticas de la ingeniería ontológica, y su
relación con la representación del conocimiento aplicado al dominio de la GA. También se
evidencia un estudio de las tendencias y tecnologías actuales en la ingeniería ontológica;
como herramientas, metodologías de desarrollo, y lenguajes a utilizar. Se describe el
proceso de GA en la Empresa Nacional de Proyectos e Ingeniería; así como, la gestión del
conocimiento ambiental en dicha entidad. Por último se determinan los principales
indicadores ambientales de la empresa y las características generales y específicas a tener
en cuenta para el diseño y ejecución de proyectos agropecuarios.
1.1 La gestión del conocimiento ambiental.
De acuerdo a (Nonaka and Takeuchi, 1995) se entiende por Gestión del Conocimiento
(GC) “la capacidad de la empresa para crear conocimiento nuevo, diseminarlo en la
organización e incorporarlo en productos, servicios y sistemas”. Esta definición implica que
la GC integra un complejo rango de actividades, que abarca desde la creación o captación,
estructuración, transformación y transferencia de conocimiento, hasta su almacenamiento e
incorporación a todos los procesos de la organización (Pérez and Dressler, 2007).
En la GC se reconocen cinco elementos: acceder, generar, representar-transferir, aplicar y
retroalimentar. Acceder es saber dónde buscar el conocimiento; generar es desarrollar,
crear, conseguir conocimiento; representar-transferir es transformar el conocimiento en un
formato que pueda ser de fácil acceso por otros; aplicar es usar el conocimiento por otras
personas, procesos, funciones e iniciativas; y retroalimentar consiste en volver a la fase uno
en un ciclo continuo (Ospina et al., 2011) como se muestra en la Figura 1.
Capítulo 1
7
Figura 1. Sistema de Gestión del Conocimiento. Fuente: Tomado de (Ospina et al., 2011)
Esta investigación se enmarca en la GCA por lo que primeramente se analizará que se
entiende por información ambiental. Las legislaciones internacionales consideran que la
información ambiental es cualquier forma de base de datos (escrita, visual u otra) de la cual
disponen las autoridades ambientales en materia de agua, aire, suelo, flora, fauna y recursos
naturales en general, así como información sobre las actividades o medidas que afectan o
puedan afectar estos recursos (Lora et al., 2008).
A partir de los conceptos expuestos se puede arribar como tendencia conceptual que la
gestión del conocimiento ambiental es la capacidad de la empresa para acceder, generar,
representar-transferir, aplicar y retroalimentar el conocimiento relativo al proceso de GA (el
cual es un proceso transversal al resto de los procesos de la organización) para incorporar
dicho conocimiento a los productos, servicios y sistemas.
Dado este planteamiento se evidencia la importancia de hacer una correcta gestión del
conocimiento ambiental. Para apoyar este propósito las TI desempeñan un papel crucial en
la etapa de representar-transferir el conocimiento; pues tiene entre sus principales tareas el
manipular y administrar la información de forma productiva.
1.1.1 Tecnologías de la Información para la gestión del conocimiento
De acuerdo a (Romaní, 2009) las TI son “…dispositivos tecnológicos que permiten editar,
producir, almacenar, intercambiar y transmitir datos entre diferentes sistemas de
información que cuentan con protocolos comunes… Estas herramientas desempeñan un
papel sustantivo en la generación, intercambio, difusión, gestión y acceso al
conocimiento… En el contexto de las sociedades del conocimiento, estos medios pueden
Capítulo 1
8
contribuir al desarrollo educativo, laboral, político, económico, al bienestar social, entre
otros ámbitos de la vida diaria.”
La aplicación de estas tecnologías a esta área, da surgimiento a las herramientas de GC; las
cuales no tienen como objetivo gestionar el conocimiento en sí, sino el facilitar la
implementación del proceso del conocimiento, es decir, el generar, estructurar y compartir
el conocimiento mediante el uso de las TI (Tomás et al., 2004).
Las TI ayudan a la dinámica del proceso de GC de la forma siguiente:
Generación de conocimiento: Son las herramientas y técnicas que se enfocan a la
exploración y análisis de datos para descubrir patrones interesantes dentro de ellos.
Algunas herramientas y técnicas son Descubrimiento de Conocimiento en Bases de
Datos (KDD, por sus siglas en inglés), Sistemas Inteligentes de apoyo a la toma de
decisiones y Sistemas Expertos
Facilitador de la generación de conocimiento: Son las herramientas y técnicas que
facilitan el libre flujo de conocimiento dentro de la organización. Ejemplo de esto son
email, Intranets/Extranets y portales, foros, servicio de mensajes, entre otras;
catalogadas dentro del área de la administración de la información, comunicación,
representación y groupware (Álvarez, 2013).
1.1.2 Datos, información y conocimiento
Los datos son la mínima unidad semántica, los cuales son un conjunto discreto de valores
tales como hechos, instancias o valores específicos que describen sucesos y entidades, que
por sí solos no contienen información. Por ejemplo, un dato puede ser un número, una letra,
un signo ortográfico o cualquier símbolo que represente una cantidad, medida, palabra o
descripción. La importancia de los datos está en su capacidad de asociarse a un contexto
para convertirse en información (Davis, 2004).
Estrechamente relacionado con el término datos, se encuentra el concepto de metadatos,
definidos como datos altamente estructurados que describen el contenido, la calidad, la
condición de uso y otras características de los datos (Medina et al., 2011). Según (Pollock,
2009) define el término como: “Los metadatos son información entendible para el
ordenador sobre recursos Web u otras cosas”. Los metadatos en el contexto de la Web, son
Capítulo 1
9
datos que se pueden guardar, intercambiar y procesar por medio del ordenador y que están
estructurados de tal forma que permiten ayudar a la identificación, descripción,
clasificación y localización del contenido de un documento o recurso Web y por tanto,
funciona también para la recuperación de información.
Según (Davis, 2004), los metadatos se clasifican en sintácticos, estructurales y semánticos:
Los sintácticos aportan etiquetas para formatear los datos.
Los estructurales aportan información acerca de cómo los datos son agrupados y
ordenados.
Los semánticos añaden relaciones, reglas y restricciones para conectar los elementos de
información.
Primeramente, antes de definir el término información, se explicará el significado de
contexto. El contexto es un conjunto de relaciones alrededor de un elemento que ayuda a
determinar su significado, por ejemplo: un banco puede ser una institución financiera o un
elemento básico para sentarse. El término información se refiere a datos que se encuentran
en el contexto de otros datos y está relacionado con el significado que brindan estos
(Pollock, 2009).
Relacionado con el término información está el concepto de conocimiento, debido a que la
información conduce a obtener un conocimiento. El conocimiento es información en el
contexto de otra información. Por ejemplo en el contexto de las ontologías, el contenido del
conocimiento está expresado por los conceptos referentes al dominio que la misma modela
(Stojanovic and Stojanovic, 2002).
El conocimiento es una red de conceptos que provee un contexto para los datos y la
información. Una forma de describir y concebir cómo los sistemas interactúan es a través
de la continuación del conocimiento; donde se entiende como continuación del
conocimiento a la manera de entender cómo las personas y los sistemas se desplazan
mediante un rango de experiencia en las profundidades de las variables del pensamiento
(Pollock, 2009; Bernstein, 2011). La Figura 2 muestra cómo cualquier ruido es precursor de
un dato, los datos son la base para obtener información, la información conduce al
conocimiento y el entendimiento del conocimiento conlleva a la sabiduría.
Capítulo 1
10
Figura 2. Continuación típica del conocimiento. Fuente: Adaptado de (Pollock, 2009)
1.1.3 Tecnologías Semánticas
Primeramente, antes de introducir el tema referente a las TS, se definirá el término
semántica. La semántica es la manera de obtener conocimiento de las cosas, dado a que
aporta su uso y significado (Davis, 2004). La semántica en el contexto de la Web
Semántica7 constituye un factor principal, debido a que entre sus utilidades aporta símbolos
que son palabras claves que brindan al usuario, el significado de los términos más
importantes en dependencia del tema que se esté buscando (Hebeler et al., 2009).
Las TS se utilizan para crear, descubrir, representar, organizar, procesar, manejar, razonar,
intercambiar y utilizar significado, con el fin de que este sea aprovechado por los usuarios.
Entre las característica que presentan diferentes a las demás TI es que representan el
significado, separado de los datos, contenido o código de la aplicación, usando los
estándares definidos por la Web Semántica, con el objetivo de que las computadoras
puedan entender, compartir y trabajar con el conocimiento aportado (Piedra et al., 2012).
Las TS están centradas en el significado, las cuales aportan herramientas para el
reconocimiento automático de conceptos, información y extracción significativa, y
categorización, además, permiten realizar búsquedas de un tema o concepto determinado,
posibilitándole al usuario información rápida, relevante y comprensible. Estas tecnologías
integran datos, contenido, aplicaciones y procesos, mediante el empleo de ontologías, la
cual minimiza el costo y el esfuerzo del desarrollo (Davis, 2004).
7 Es una extensión de la Web actual donde la información es obtenida mediante el significado bien definido,
posibilitando el trabajo de las personas con las computadoras (Hebeler et al., 2009).
Capítulo 1
11
1.2 Ontologías
Una ontología desde el punto de vista filosófico es definida como: la ciencia del que es, los
tipos y estructuras de los objetos, propiedades, procesos, relaciones en algún área de la
realidad. Este término proviene de los vocablos griegos onto (ser) y logos (palabra)
(Grangel, 2010). Nicola Guarino definió el término de ontología como un artefacto de la
ingeniería, constituido por un vocabulario específico usado para describir una cierta
realidad, más un conjunto de asunciones explícitas con respecto al significado intencional
de las palabras del vocabulario (Guarino, 1995).
La definición más consolidada es la dada por (Gruber, 1993) y extendida por (Studer et al.,
1998) que la describe como: “una especificación explícita y formal de una
conceptualización compartida”. Los términos claves de esta definición son:
Es una especificación explícita porque estas proporcionan un conjunto de conceptos,
propiedades, funciones, restricciones y axiomas de manera explícita en algún lenguaje
de implementación capaz de contener este conocimiento.
Una conceptualización significa modelo abstracto de un fenómeno que por lo general se
expresa como un conjunto de conceptos (entidades, atributos, procesos), sus
definiciones e interrelaciones.
Formal implica una organización teórica de términos y relaciones usadas como
herramientas para el análisis de los conceptos de un dominio.
Compartida significa que captura un conocimiento consensual que es aceptado por una
comunidad (Barchini and Álvarez, 2010).
Las ontologías especifican ideas que existen en un área del conocimiento así como las
relaciones entre los conceptos asociados al dominio. Una ontología es una especificación
formal de cómo representar los conceptos de un dominio en específico y sus relaciones,
como objetivo para facilitar el razonamiento e inferencia por la computadora.
De acuerdo al tipo y cantidad de estructuras utilizadas para representar la conceptualización
y el objetivo de esta, las ontologías se clasifican en: ontologías de aplicación, ontologías de
dominio, ontologías genéricas y ontologías de representación.
Capítulo 1
12
En la presente investigación se emplearon las ontologías de dominio como vía de
representar el conocimiento ambiental, debido a los beneficios que su uso brinda. Las
ontologías de dominio expresan conceptualizaciones que son específicas para dominios
particulares. La diferencia entre conocimiento del dominio y ontología de dominio radica
en que el primero describe situaciones para un cierto dominio y las segundas imponen
restricciones sobre la estructura e información del conocimiento del dominio(Cabrera et al.,
2010).
A continuación se mencionan las principales ventajas dadas por diferentes autores,
referente al uso de las ontologías:
Según (Liyang, 2007), las ontologías proveen una definición entendible para ser
compartida con el usuario, respecto a los distintos conceptos que existen en un
determinado dominio, además posibilitan una forma para la reutilización del
conocimiento del área abordada. Brindan diferentes lenguajes y la semántica para la
codificación del conocimiento de tal manera que la computadora pueda entenderlo.
Desde el contexto de la Web, las ontologías permiten que los buscadores web, no solo
encuentren la información de forma precisa, sino que pueden realizar inferencias
automáticamente buscando información relacionada con la que se encuentra situada en
las páginas y con los requerimientos de la consulta indicada por el usuario (Davies et
al., 2009).
Según (Barchini et al., 2009), las ontologías permiten especificar y comunicar el
conocimiento del dominio de una manera genérica y son muy útiles para estructurar y
definir el significado de los términos. Además proveen mecanismos para organizar y
almacenar elementos incluidos en esquemas de bases de datos, objetos de interfaz de
usuario y programas de la aplicación.
En la presente investigación se seleccionó como la definición más completa la expuesta por
(Blomqvist, 2005), que define una ontología como: “un conjunto estructurado y jerárquico
de descripción de conceptos de un dominio en específico del conocimiento. Puede usarse
para crear una base de conocimientos. Una ontología contiene conceptos, una jerarquía de
herencia de conceptos, relaciones arbitrarias entre los conceptos, y axiomas.”
Capítulo 1
13
1.2.1 Terminología básica para el desarrollo de ontologías
Independientemente en el ámbito en que se desarrollen las ontologías, es necesario aclarar
que la base para una ontología es la conceptualización junto con el vocabulario para
referirse a las entidades de un dominio particular, es decir, para desarrollar una ontología es
necesario tener en cuenta los siguientes componentes que se describen en (Gruber, 1993;
Hebeler et al., 2009; Huang et al., 2012):
Conceptos: son las ideas básicas que se intentan formalizar. Los conceptos pueden ser
clases de objetos, métodos, planes, estrategias, procesos de razonamiento, entre otros.
Clases: son la base de la descripción del conocimiento en las ontologías ya que
describen los conceptos del dominio. En la ontología, las clases están normalmente
organizadas en taxonomías8 por medio de las cuales se pueden aplicar los mecanismos
de herencia.
Instancias o individuos: se utilizan para representar objetos determinados de un
concepto. Son miembros de una clase, que no pueden ser divididos sin perder su
estructura y características funcionales. En el Lenguaje para las Ontologías en la Web
(OWL, por sus siglas en inglés) son llamados individuals, que son instancias de las
clases, aparte de esto, las propiedades son usadas para relacionar un individuo con otro.
Relaciones: representan la interacción y enlace entre los conceptos, formando la
taxonomía del dominio.
Propiedades: describen las características o atributos de los conceptos o clases. Pueden
adoptar diferentes tipos de valores. Las especificaciones, rangos y restricciones sobre
estos valores se denominan características o facetas. Para una clase dada, las
propiedades y las restricciones sobre ellos son heredadas por las subclases y las
instancias de la clase. Otros elementos a tener en cuenta en el diseño de cualquier
ontología son las características de las propiedades: propiedad funcional, inversa
funcional, transitiva, simétrica, asimétrica, reflexiva e irreflexiva.
8 Ciencia que trata de los principios, métodos y fines de la clasificación. Se aplica para la ordenación
jerarquizada y sistemática (RAE, 2013).
Capítulo 1
14
Axiomas: teoremas que se declaran sobre relaciones que deben cumplir los elementos
de la ontología. Especifican las definiciones de los términos en la ontología y las
restricciones de sus interpretaciones. Los axiomas deben proveerse para definir la
semántica o el significado de los términos. En ontologías se utilizan generalmente para
representar conocimiento que no se puede definir formalmente a través de otros
componentes, además sirven para verificar la consistencia de la ontología misma o la
consistencia de los conocimientos almacenados en una base de conocimientos, porque
son muy útiles para inferir conocimientos nuevos.
1.2.2 Lenguajes de ontología
Los lenguajes de ontología se usan para representar explícitamente el significado de los
términos a través de los vocabularios y las relaciones entre estos (Hebeler et al., 2009).
Entre los lenguajes más utilizados para la construcción de ontología se encuentra OWL; este
lenguaje facilita un mejor mecanismo de interpretabilidad de contenido Web que los
admitidos por el Lenguaje de Marcado Extensible (XML, por sus siglas en inglés), el
Esquema para el Lenguaje de Marcado Extensible (XMLS, por sus siglas en inglés), el
Framework para la Descripción de Recursos (RDF, por sus siglas en inglés) y el Esquema
para el Framework de Descripción de Recursos (RDFS, por sus siglas en inglés) (Staab and
Studer, 2009).
OWL
OWL está desarrollado sobre la base de RDFS y además añade nuevas construcciones para
lograr mayor expresividad. Este lenguaje permite modelar los conceptos de manera
diferentes, esto es lo que se conoce como interoperabilidad. Otro objetivo por el cual se
diseño OWL es para lograr la detección de inconsistencias, es decir detectar los conflictos
que pueden existir al insertar una construcción del lenguaje incorrectamente (Antoniou and
Harmelen, 2004; Allemang and Hendler, 2008).
Otra de las características que presenta en su diseño es el balance de expresividad y
escalabilidad. La facilidad de uso es otro de los beneficios que brinda este lenguaje.
Capítulo 1
15
Permite, además, la internacionalización, por lo que se pueden desarrollar ontologías
multilingües que son adaptables a los rasgos de las culturas (Pollock, 2009).
OWL proporciona tres sublenguajes, cada uno con nivel de expresividad mayor que el
anterior, diseñados para ser usados por comunidades específicas de desarrolladores y
usuarios (Fernández, 2013).
OWL Lite
Se define como un subconjunto de las construcciones existentes para OWL, y además
establece restricciones en su uso. Formalmente su semántica puede considerarse como una
extensión del lenguaje RDFS. Está diseñado para aquellos usuarios que necesitan
principalmente una clasificación jerárquica y restricciones simples. OWL Lite utiliza
únicamente algunas de las características del lenguaje OWL y está más limitado en el uso
de características que OWL DL y OWL Full si implementan.
Una de las limitaciones de este lenguaje es que no incluye entre sus construcciones las
clases enumeradas, las sentencias disjuntas y la cardinalidad arbitraria, por lo que las
cardinalidades que se pueden definir explícitamente son 0 o 1, todo esto influye que OWL
Lite se considere como un fracaso porque no posee los rasgos principales de OWL, lo que
provoca que la expresividad sea limitada (Hebeler et al., 2009; Staab and Studer, 2009; Liu
et al., 2011; Kriglstein and Wallner, 2010).
OWL DL
Es un sublenguaje de OWL Full y está construido sobre la base de lenguajes de
representación de conocimiento basados en la lógica descriptiva (Hebeler et al., 2009). Este
lenguaje está destinado a aquellos usuarios que requieren máxima expresividad pero
garantizando completitud computacional (posibilidad de llegar a conclusiones basadas en la
información existente) e inferencia en tiempo finito. Incluye todas las construcciones
definidas para OWL, pero se deben utilizar con ciertas restricciones para alcanzar las
propiedades mencionadas anteriormente (Du et al., 2011; Matentzoglu et al., 2013).
Esto hace que no sea compatible con documentos que utilizan la máxima expresividad de
RDF/RDFS, ya que su semántica es también una extensión de un subconjunto de la de este.
OWL DL emplea las mismas construcciones que OWL Lite, pero implementa aquellas que
Capítulo 1
16
no fueron definidas en OWL Lite, como son: negación, disjunción, cardinalidad completa,
clases enumeradas y la restricción hasValue (tieneValor). La desventaja que presenta este
lenguaje es que no presenta una compatibilidad completa con los documentos RDF, aunque
se considera que un documento legal de OWL DL es un documento de RDF (Liyang, 2007).
OWL FULL
Es una extensión pura de RDF; por tanto, un documento RDF es un documento OWL Full
válido y viceversa. Los modelos basados en OWL Full pueden utilizar libremente
construcciones propias de RDF, RDFS y OWL. Por el contrario, no existen garantías sobre
la completitud y el tiempo finito en el razonamiento. Tiene la habilidad de expresar
cualquier cosa acerca de la realidad que modela. La desventaja de esta potencialidad
expresiva es que se hace insostenible su procesamiento computacional (Koide and Takeda,
2009; Möller et al., 2010).
A consideración de la autora, para la construcción de la ontología propuesta se debe tener
como criterio de selección un balance entre expresividad y completitud computacional;
características que facilitan su uso por parte de los usuarios finales. En correspondencia al
planteamiento anterior, se seleccionó el lenguaje OWL DL debido que asegura máxima
expresividad, aunque no es una potencialidad expresiva como OWL FULL, garantiza
completitud computacional e inferencia en tiempo finito; característica que OWL FULL no
posee ya que es insostenible su procesamiento. Además posee construcciones que no son
implementadas por OWL Lite.
SPARQL
El Lenguaje de Consulta para RDF (SPARQL9, por sus siglas en inglés, Simple Protocol
and RDF Query Language), del ámbito de la Web Semántica define la sintaxis y la
semántica necesaria para una expresión de consulta sobre un grafo RDF y las diferentes
formas de resultados obtenidos. Su misión es devolver todas las tripletas o componentes
solicitados en base a la comparación de una tripleta pasada como parámetro de la consulta
9 http://xsparql.deri.org/
Capítulo 1
17
(grafo básico) con todas las tripletas que componen el grafo RDF (Huang et al., 2011;
Prud’Hommeaux and Seaborne, 2008; DuCharme, 2011).
Los objetivos de las consultas SPARQL son:
Extraer información en forma de Identificador de Recurso Uniforme (URIs, por sus
siglas en inglés) y literales.
Extraer subestructuras RDF.
Construir nuevas estructuras RDF partiendo de resultados de consultas(Pérez et al.,
2009).
De esta forma el SPARQL posibilita el acceso a un único conjunto de datos y mediante un
mensaje de salida se observan los resultados obtenidos a partir de la consulta. En la
presente investigación se utilizará este lenguaje para extraer la información resultante de las
preguntas de competencia.
1.2.3 Editores de ontología
Para modelar y almacenar el conocimiento se han desarrollado infraestructuras que facilitan
el almacenamiento y gestión de datos semánticos y metadatos. Los editores tienen el
objetivo de integrar ontologías a sistemas de información existentes. Dentro de los editores
más utilizadas por los ingenieros ontológicos se encuentran: Protégé y TopBraid
Composer.
Protégé
La herramienta para el desarrollo de ontologías Protégé10, es una de las herramientas más
empleadas por los ingenieros ontológicos. Es una aplicación de código abierto, basada en el
lenguaje de programación Java y extensible a otras plataformas, no necesita que los
usuarios estén conectados a la red para su uso, se puede instalar en una computadora local o
personal (Tudorache et al., 2011). La herramienta presenta una interfaz de usuario que
facilita la creación de una estructura de frames con clases, slots e instancias de una forma
integrada. Protégé y otros sistemas basados en marcos describen las ontologías
10 http://protege.stanford.edu
Capítulo 1
18
declarativamente, estableciendo explícitamente, cuál es la jerarquía de clases y a que clases
individuales pertenecen. Las ontologías diseñadas en Protégé, pueden ser exportadas en una
variedad de formatos incluyendo RDFS, OWL y XMLS (Noy and Mcguinness, 2001;
Horridge, 2009; Jain and Singh, 2013).
TopBraid Composer
TopBraid Composer11 está basada en plugins de Eclipse (Pollock, 2009). El objetivo de esta
herramienta de modelaje, es la creación y mantenimiento de ontologías. Desde los inicios,
el desarrollo de TopBraid tiene sus raíces en la herramienta Protégé OWL, es decir la gran
mayoría de los conceptos que utiliza el Protégé, también lo aplica el TopBraid Composer,
por ejemplo, la generación de formas basadas en esquemas para la adquisición de datos.
Además ofrece funcionalidades, que no solo se centran en la creación y gestión de ficheros
OWL/RDFS, sino incluye la importación de bases de datos, esquemas XML,UML, hojas de
cálculos, el lenguaje de consulta SPARQL, así como un soporte básico para las reglas. El
sistema soporta el manejo de reglas, tanto en el formato de reglas en el framework Jena,
como SWRL. Ambos tipos de reglas son ejecutados con el motor interno de reglas en Jena
para inferir relaciones adicionales entre recursos (Weiten, 2009; Composer, 2007).
A consideración de la autora se utilizará Protégé por las facilidades para la modelación y el
TopBraid Composer porque ofrece una serie de vistas que favorecen la investigación,
principalmente las de SPARQL, donde se desarrollarán las consultas para la extracción de
información de la ontología propuesta.
1.2.4 Razonadores de ontología
De acuerdo a (RAE, 2013b) inferir es deducir una cosa de otra o extraer una conclusión. El
código que realiza la tarea de inferir conocimiento de una ontología se le llama razonador.
Para hacer inferencias se debe de crear un modelo inferido a partir de un razonador y
después de eso, todas las consultas que se hagan a la ontología devolverán la información
deducida. Los razonadores, chequean la consistencia de la ontología, según el conjunto de
11 http://org.topbraidcomposer.maestro
Capítulo 1
19
reglas definidas en las diferentes clases. Reclasifican los conceptos en la jerarquía de clases
inferida y clasifican las instancias en la clase correspondiente (Tandazo et al., 2012). Los
razonadores se clasifican en dos tipos: (1) razonadores de lógica descriptiva, y (2)
razonadores de programación lógica.
Pellet
Pellet12 es un razonador de lógica descriptiva, de código abierto, dirigido al trabajo con
OWL-DL; y construido en Java. Este razonador soporta toda la expresividad de la lógica
descriptiva detrás de OWL-DL, incluye el razonamiento con nominales (clases definidas
por extensión). Se basa en los algoritmos Tableau desarrollados para lógicas expresivas
potentes (Clark et al., 2011; Meditskos and Bassiliades, 2010). Estas características unidas
a la dirección principal de trabajo con OWL-DL que es el lenguaje de implementación de la
ontología propuesta condujeron a seleccionar este razonador.
1.2.5 Framework para el trabajo con ontología
A continuación se describen dos de los principales frameworks para el trabajo con
ontologías. Estos son los más empleados actualmente, debido a las facilidades que ofrecen.
Jena
Jena13, es una biblioteca para el desarrollo de aplicaciones para la Web Semántica, en el
lenguaje de programación Java (Hebeler et al., 2009; Meditskos and Bassiliades, 2010).
Jena proporciona a los desarrolladores un API para el tratamiento de los grafos RDF. Estos
grafos son representados internamente como un modelo abstracto que se puede consultar
mediante el lenguaje de consultas para RDF, SPARQL. Permite el tratamiento del lenguaje
OWL, al utilizar el modelo semántico de RDF, y permite que los razonadores de lógica
descriptiva, como Pellet o FaCT++ se puedan conectar de forma externa (Zilli et al., 2009).
12 http://clarkparsia.com/
13 http://jena.sourceforge.net//
Capítulo 1
20
Independientemente de la capacidad de Jena para conectarse con motores de inferencia
externos; tiene su propio subsistema de inferencia (Grangel, 2010).
OWL API
OWL API 14 es la interfaz de programación en Java que permite la implementación de
referencia para crear y manipular las ontologías en el lenguaje OWL. Posee un API para
OWL 2 y una eficiente memoria de implementación de referencia e interfaces para trabajar
con razonadores, tales como, Pellet y Hermit (Horridge and Bechhofer, 2009; Zilli et al.,
2009).
1.2.6 Metodologías para el desarrollo de ontología
Para el diseño de una ontología de calidad, es necesario contar con una metodología
específica. A partir de los años 90 son varias las propuestas existentes, como la
metodología CYC, en la que se divulgaron algunos pasos generales para la construcción de
ontologías. Posteriormente se tuvieron algunos avances como la metodología de
USCHOLD Y KING que recrean una serie de pasos que permiten plasmar y especificar los
conocimientos que se tienen sobre un dominio específico, centrando sus esfuerzos en la
forma en la cual representar el conocimiento (Torres et al., 2012).
También en los años 90 surge la metodología METHONTOLOGY que es una de las
propuestas más completas; ya que toma la creación de ontologías como un proyecto
informático. Permite construir ontologías desde cero o reutilizar otras ontologías. Esta
metodología propone las siguientes etapas: (1) especificación, (2) conceptualización, (3)
formalización, (4) implementación y (5) mantenimiento (Iqbal et al., 2013).
Más tarde, aparece la metodología de ONTO-KNOWLEDGE que propone construir las
ontologías teniendo en cuenta cómo van a ser utilizadas en las futuras aplicaciones. Además
incluye la identificación de los objetivos que se pretenden conseguir con las herramientas
de gestión de conocimiento, y se basa en un análisis de los escenarios de uso (Suárez-
Figueroa et al., 2011).
14 http://techwiki.openstructs.org/
Capítulo 1
21
Otra metodología utilizada en la ingeniería ontológica es DILIGENT, que pretende dar
soporte a los expertos de dominio para el desarrollo y evolución de ontologías en un
entorno distribuido. Se centra en la ingeniería ontológica colaborativa y distribuida; además
hace especial hincapié en el seguimiento de los cambios realizados (Poveda-Villalón,
2009).
Entre las principales deficiencias encontradas a estas metodologías se puede mencionar: no
abordan simultáneamente el concepto de red de ontologías, además de las dimensiones de
colaboración, contexto y dinamismo. Se le incorpora a esto, de que no proporcionan guías
metodológicas detalladas para la realización de los distintos procesos y actividades
involucradas en el desarrollo de ontologías, ni presentan guías metodológicas para la
reutilización y la reingeniería de fuentes de conocimiento existentes, que han alcanzado
cierto grado de consenso en una cierta comunidad (Poveda-Villalon, 2010; Suárez-
Figueroa, 2010).
La metodología NeOn para el desarrollo de redes de ontologías se crea como parte del
proyecto NeOn15
con el objetivo de cubrir las deficiencias de las metodologías existentes
para la construcción de ontologías desde cero (Suárez-Figueroa, 2010) motivo por el cual se
selecciona en esta investigación y se argumenta en lo siguiente.
NeOn se basa en escenarios, debido a que se ha detectado que existen diferentes maneras o
caminos para construir ontologías y redes de ontologías. Esta metodología posee como
característica la flexibilidad, pues brinda la posibilidad de adaptación a las necesidades de
los usuarios y garantiza la inclusión de nuevos procesos o actividades implicados en el
desarrollo de redes de ontologías (Poveda-Villalon, 2010; Suárez-Figueroa et al., 2012).
Los escenarios más comunes encontrados según (Suárez-Figueroa, 2010) que pueden surgir
durante el desarrollo de ontologías y redes de ontologías son los siguientes:
1. Desde la especificación hasta la implementación.
2. Reutilización y reingeniería de los recursos no ontológicos.
3. Reutilización de los recursos ontológicos.
4. Reutilización y reingeniería de los recursos ontológicos.
15 http://www.neon-project.org
Capítulo 1
22
5. Reutilización y fusión de los recursos ontológicos.
6. Reutilización, fusión y reingeniería de los recursos ontológicos.
7. Reutilización de los patrones de diseño de ontologías.
8. Reestructuración de recursos ontológicos.
9. Localización de los recursos ontológicos.
La Figura 3 presenta el conjunto de los nueve escenarios identificados para la construcción
de ontologías y redes de ontologías. En la presente investigación se seleccionaron de los
escenarios que conforman la metodología NeOn los siguientes:
Figura 3. Escenarios para la construcción de ontologías y redes de ontologías. Fuente:
Tomado de (Suárez-Figueroa, 2010)
Escenario 1: Desde la especificación hasta la implementación. La red de ontologías se
desarrolla a partir de cero (sin volver a utilizar los recursos existentes). Este escenario es
obligatorio en todos los desarrollos de ontologías y combinable con el resto de los
escenarios. Entre las actividades que los desarrolladores ontológicos deben llevar a cabo
Capítulo 1
23
para darle cumplimiento a este escenario se encuentran: estudio del entorno y de la
factibilidad, adquisición del conocimiento, especificación de los requisitos, planificación,
conceptualización, formulación e implementación de la ontología.
Escenario 7: Reutilización de los Patrones de Diseño de Ontologías (ODPs, por sus siglas
en inglés). Este escenario consiste en utilizar patrones de diseño disponibles con el objetivo
de aliviar las tareas de modelado ontológico y de mejorar la interoperabilidad. Los
desarrolladores de ontologías acceden a repositorios de reutilización ODPs, como por
ejemplo: Ontology Design Pattern Wiki16
y Semantic Web Best Practices and
Deployment17
. Las actividades que se llevan a cabo durante este proceso son: búsqueda,
selección, adaptación e integración de ODP.
Escenario 9: Localización de los recursos ontológicos. Los desarrolladores de ontologías
adaptan una ontología a otras lenguas y a la cultura de las comunidades, obteniendo así una
ontología multilingüe. Estos ejecutan primeramente la actividad localización de la
ontología, una vez que ha sido conceptualizada y reestructurada. Esta actividad requiere la
traslación de todos los términos de la ontología a otro lenguaje natural diferente, por
ejemplo: Español, Francés, Alemán, entre otros. Esta actividad consta de un conjunto de
cinco (5) tareas: (1) selección del valor lingüístico más apropiado, (2) selección de las
etiquetas ontológicas a ser localizadas, (3) obtención de la traslación de las etiquetas de la
ontología, (4) evaluación de la traslación de las etiquetas y (5) actualización de la ontología
(Suárez-Figueroa, 2010).
El escenario 1 se escogió por la razón de que este es obligatorio en todos los desarrollos de
ontologías y además es combinable con el resto de los escenarios. Lo anterior se justifica
porque en este escenario se realizan las actividades que guían el diseño de una ontología
desde cero, como por ejemplo: estudio del entorno y la factibilidad, adquisición del
conocimiento, especificación de los requisitos, planificación, conceptualización,
formulación e implementación de la ontología.
16 http://ontologydesignpatterns.org
17 http://www.w3.org/2001/sw/BestPractices
Capítulo 1
24
Fue seleccionado el escenario 7 dado que los ODPs constituyen una forma de ayuda a los
desarrolladores a modelar ontologías en OWL y un modo de codificar “buenas prácticas”
basadas en experiencias y conocimiento de buenas soluciones. A parte de esto, los patrones
de diseño ontológico presentan como ventajas: la reutilización, orientación y comunicación.
También se escogió el escenario 9 debido a que la ontología propuesta se desarrollará en
dos idiomas: el inglés y el español. De acuerdo a lo anteriormente expuesto, se afirma que
la ontología a desarrollar en esta investigación cumple con la característica conocida como
multilingualidad.
1.2.7 Modelado de ontología. Patrones de diseño ontológico
En los últimos tiempos ha surgido en la ingeniería ontológica los ODPs, que tienen objetivo
ofrecer soluciones genéricas con el fin de apoyar a los desarrolladores en el modelado de
ontologías. Además surgen como un nuevo modo de codificar buenas prácticas basadas en
experiencias y en el conocimiento de buenas soluciones. Los ODPs también se puede
definir como el conjunto de guías y componentes reutilizables para el diseño de ontologías
(Poveda-Villalon, 2010).
Patrones de Diseño Ontológico
El término “pattern” se deriva del latín “patronus” (que quiere decir “patrón”, y además de
esto “ejemplar”, es decir, algo propuesto para ser imitado) (Poveda-Villalón, 2009). Los
Patrones de Diseño Ontológico constituyen una manera de ayudar a los desarrolladores en
el modelado de ontologías realizadas en OWL y son considerados como un modo de aplicar
buenas prácticas. El uso de los ODPs brinda a los desarrolladores tres beneficios
principales: (1) reutilización, (2) guía y (3) comunicación (Suárez-Figueroa, 2010).
En el campo de los patrones de diseño ontológico existen dos tipos de patrones de diseño:
(1) lógicos y (2) conceptuales. Para el primer caso, el grupo de trabajo de Desarrollo de
Buenas Prácticas de la Web Semántica (SWBPD18, por sus siglas en inglés, W3C Semantic
Web Best Practices and Deployment) establece que las buenas prácticas son necesarias para
18 http://www.w3.org/2001/sw/BestPractices/
Capítulo 1
25
proporcionar ayudas a los desarrolladores y usuarios de la Web Semántica. Este grupo de
trabajo define las buenas prácticas en (Poveda-Villalón, 2009) como: “Unas guías basadas
en el consenso, diseñadas para facilitar el desarrollo de la Web Semántica con RDF y
OWL.”
Por otra parte propone patrones para resolver problemas de diseño con OWL,
independientemente de una conceptualización particular, y estos patrones están dirigidos a
problemas lógicos. En el segundo caso, de acuerdo a (Gangemi and Presutti, 2009) propone
patrones para resolver (en OWL o en cualquier otro lenguaje lógico) problemas de diseño
en clases y relaciones del dominio que forman una ontología, enfocados a problemas de
contenido.
Existen diferentes tipos de ODPs para mejorar el modelado de ontologías: ODP
estructurales, ODP de correspondencia, ODP de contenido, ODP de razonamiento, ODP de
presentación, ODP léxico-sintácticos (Gangemi and Presutti, 2009; Poveda-Villalón, 2009).
En la presente investigación se emplearán los Patrones de Diseño Ontológicos de
Contenido (CPs, por sus siglas en inglés) los cuales son una instancia de los Patrones
Lógicos (LPs19, por sus siglas en inglés). Un CPs es una estructura expresada con un
vocabulario específico de un dominio como muestra la Figura 4. Estos proporcionan
soluciones a los problemas de diseño, referente a las clases de dominio y las propiedades
que pueblan una ontología (problemas de contenido).
Figura 4. Representación del patrón de contenido PartOf. Fuente: Tomado de
(Presutti et al., 2012)
Los CPs son soluciones reusables para los problemas de modelado, específicamente el
contenido que se codifica en la ontología. Según (Presutti and Gangemi, 2008) define: “Los
CPs son ontologías distinguidas. Su dirección es un conjunto de preguntas de
19 Estructura independiente del contenido, es decir sin tipo, expresada únicamente mediante un término lógico
(Gangemi, 2005).
Capítulo 1
26
competencias, las cuales representan los problemas que estos patrones le dan solución.
Además muestran características seguras, tales como: computacionales, pequeñas y
autónomas, además que son jerárquicos y conscientemente relevantes.”
Los CPs son ontologías pequeñas que median entre los casos de uso (tipos de problemas) y
las soluciones de diseño. Estos últimos constituyen un tipo muy beneficioso de patrones
para el diseño de ontologías, puesto que proveen soluciones a problemas orientados al
dominio y solo afectan a la región específica de la ontología que se ocupa de tales
problemas de modelado.
1.2.8 Evaluación de calidad de ontología
Según (Barchini and Álvarez, 2010) se entiende por calidad de una ontología el grado con
el que la misma puede ser localizada y recuperada, responde a la estructura invariante del
dominio, con un mínimo compromiso ontológico cumple con los requerimientos
especificados y puede usarse/ reusarse de manera efectiva.
El análisis de la calidad de una ontología ha sido abordado por algunos autores en los
últimos años. Algunos de los antecedentes son los siguientes:
Autores como (Tartir et al., 2005; Sicilia et al., 2012) realizan el análisis de la calidad
de una ontología basada en métricas. A partir del análisis de los esquemas de la
ontología y sus bases de conocimiento, describen un conjunto bien definido de
métricas.
En OntoClean propuesta por (Guarino and Welty, 2002) y analizada posteriormente por
(Tartir et al., 2010) se sigue un enfoque basado en características para la evaluación y la
validación de una ontología. Se consideran cuatro características (rigidez, identidad,
unidad y dependencia) para identificar áreas problemáticas que necesitan reexaminarse.
Según (Ramos et al., 2009) en la evaluación de las ontologías se deben seguir cuatro
criterios: uso correcto del lenguaje, exactitud de la estructura taxonómica, validez del
vocabulario, adecuación a los requerimientos.
En esta investigación se tomó la propuesta de (Ramos et al., 2009) para la evaluación de
calidad de la ontología; el cual propone un conjunto de actividades constituidas por cuatro
partes, una para cada criterio a evaluar:
Capítulo 1
27
1. Uso correcto del lenguaje: se evalúa la codificación, basado en las características y
reglas de construcción del lenguaje usado.
2. Exactitud de la estructura taxonómica: se examina la taxonomía. Para ello se considera
la consistencia, completitud y no redundancia de los conceptos y términos.
3. Validez del vocabulario: se evalúa el significado de los términos y conceptos a partir
del conocimiento de expertos, recopilaciones de textos u otra fuente disponible del
dominio.
4. Adecuación a los requerimientos: se valida si la ontología cumple con los
requerimientos preestablecidos mediante el uso de preguntas de competencia.
Adicionalmente para evaluar la ontología propuesta se hace uso de la herramienta Escáner
de Errores Ontológico (OOPS! 20, por sus siglas en inglés, OntOlogy Pitfall Scanner!).
OOPS! es una aplicación Web, independiente de cualquier entorno de desarrollo de
ontologías, para detectar malas prácticas en ontologías que podrían provocar errores en su
modelado. El objetivo de esta herramienta es ayudar a los desarrolladores durante la
actividad de validación de las ontologías, la cual puede dividirse en diagnóstico y
reparación. Actualmente, OOPS! proporciona mecanismos para detectar automáticamente
un número de errores potenciales, por lo tanto ayuda a los desarrolladores durante la
actividad de diagnóstico (Poveda-Villalón and Suárez-Figueroa, 2011; Poveda-Villalón et
al., 2012a; Poveda-Villalón et al., 2012b; Poveda-Villalón et al., 2013).
1.3 Ontologías existentes para la gestión del conocimiento ambiental
Desde la perspectiva de la gestión del conocimiento son muchas las sofisticadas técnicas,
conceptos y metodologías desarrolladas en el área de la Informática Ambiental 21 que
pueden constituir el punto de partida para encontrar respuestas y abrir nuevas interrogantes
en la gestión del conocimiento ambiental. Hasta el momento, muchas herramientas para
20 http://www.oeg-upm.net/oops
21 Subdisciplina especial de la Informática Aplicada que se ocupa de usar métodos, técnicas y herramientas
informáticas para analizar, respaldar y arribar a información que contribuye a la investigación, extracción,
evasión y minimización de daños y carga medioambiental (Hilty et al., 2006).
Capítulo 1
28
procesar el conocimiento han sido aplicadas en el dominio de la Informática Ambiental,
con el objetivo de solucionar problemas medioambientales que contribuyen a una mejora
significativa de la protección del Medio Ambiente. Es por esta razón que el uso de las
ontologías para la gestión del conocimiento ambiental es cada vez mayor (Castellanos and
Grangel, 2013). Entre las que se reflejan en esta investigación las siguientes:
WaWo ontology
Esta ontología forma parte de la arquitectura del sistema para el soporte de toma de
decisiones para el tratamiento de aguas residuales OntoWEDSS. WaWo es una ontología
desarrollada para modelar la terminología completa de los procesos y gestión del
tratamiento de aguas residuales, brindando principal atención a la actividad del componente
microbiológico, además esta codifica el conocimiento microbiológico con respecto a los
sistemas existentes basados en el conocimiento. Esta ontología se compone por 299 clases
donde se representan las categorías o conceptos, es decir toda la terminología referente al
dominio del tratamiento de las aguas residuales (Ceccaroni, 2001).
La ontología WaWo modela solamente una de las clasificaciones de los indicadores de
materiales y energía, correspondiente a los indicadores de comportamiento
medioambiental, que es el indicador de aguas residuales.
Ontología EIA
Esta ontología fue desarrollada por (Garrido and Requena, 2010) para la Evaluación de
Impacto Ambiental (EIA), la cual permite estructurar la terminología utilizada en dicho
dominio, es decir, representar el conocimiento relativo a la EIA, los elementos que
intervienen, sus relaciones y procesos, dependiendo de las distintas actividades o acciones
humanas. Esta ontología se compone de 10 clases principales donde se describen los
conceptos relacionados con el proceso de EIA y 22 propiedades que representan las
relaciones entre estos conceptos (Garrido, 2011).
La ontología EIA está basada en la modelación de los indicadores de comportamiento
medioambiental, puesto que una de las funciones de los mismos es la evaluación de los
impactos ambientales. Además de esto, codifica algunos conceptos referentes a los
indicadores de situación medioambiental, como por ejemplo las condiciones del agua y el
Capítulo 1
29
suelo, debido a que el proceso de EIA considera el impacto de las actividades humanas al
medio ambiente.
Ontología para la gestión integrada del MA, seguridad y salud en obra
El desarrollo de esta ontología es el objetivo principal de la investigación realizada por
(Gangolells and Casals, 2012) para conceptualizar, organizar y formalizar el conocimiento
relacionado con el campo de la gestión integrada de impactos ambientales, de riesgos de
seguridad y salud en obra, empleando el riesgo como factor integrador (riesgos para el MA
y riesgos para la salud en obra de los trabajadores y de la población del entorno).
La misma permite identificar conceptos claves del campo y definir sus relaciones de forma
consistente, compartible y comprensible. Esta ontología se compone de un total de 748
clases, las cuales representan los principales conceptos definidos en este dominio
identificados en las especificaciones de las normas ISO 14001:2004 y OHSAS 18001:2007.
Esta además define un total de 7 propiedades que describen las relaciones entre los
conceptos identificados relacionados al dominio.
La ontología para la gestión integrada del MA, de la seguridad y la salud en obra, está
desarrollada sobre la base de los conceptos abordados en la norma ISO 14001:2004, la cual
está enfocada en la prevención de impactos ambientales al entorno y además en la norma
OHSAS 18001:2007, que se encarga de identificar actividades que constituya riesgo a la
seguridad y la salud de los trabajadores. Por lo anterior, esta ontología se basa en los
indicadores de gestión medioambiental, que son los indicadores de seguridad e higiene.
A diferencia de las ontologías analizadas anteriormente, la ontología propuesta en esta
investigación codifica el conocimiento de los indicadores ambientales empleados en la
ENPA según la clasificación de indicadores de la empresa de acuerdo a (IHOBE, 1999).
Estos indicadores han sido modelados teniendo en cuenta las particularidades de la entidad
como empresa de proyecto y las características generales y específicas para obras agrícolas
y pecuarias según (Córdova, 2005) a tener en cuenta para su ejecución. Dadas las
especificidades que se quieren lograr con la ontología propuesta y el análisis realizado a las
anteriores, se concluye, que ninguna de las antes mencionadas puede ser reutilizada ni total
Capítulo 1
30
ni parcialmente, debido a que estas también se adaptan a características específicas del
dominio para el cual fueron elaboradas.
1.4 El estado actual de la gestión del conocimiento ambiental en proyectos
agropecuarios. Caso de estudio Empresa Nacional de Proyectos e Ingeniería
La ENPA, perteneciente al Ministerio de la Agricultura, es una entidad de consultoría,
ingeniería y diseño, que tiene el objetivo de asumir la amplia variedad de proyectos que
demanda el sector agropecuario del país. Entre su objeto social se encuentra:
Brindar servicios técnicos, proyección e ingeniería de proyectos de inversión y de la
construcción, así como en topografía e investigaciones ingenieras aplicadas a la
construcción, hidrológicas y otras.
Ofrecer servicios técnicos en obras de arquitectura e ingeniería, incluyendo las obras
industriales del sector agropecuario y otros servicios técnicos de defectación.
Realizar la administración y dirección integrada de proyectos principalmente
agropecuarios (Fernández, 2012).
Para dar cumplimiento a estas tareas dicha entidad cuenta con un grupo multidisciplinario
de especialistas que se encargan de realizar los proyectos encomendados por los clientes.
Estos especialistas están organizados por las áreas: Arquitectura, Topografía, Desarrollo
Agropecuario, Ordenamiento Forestal, Estudios de Factibilidad Económica, Sistemas de
Riego y Servicios Ingenieros.
1.4.1 Descripción del proceso de gestión ambiental
Las empresas no solo influyen en el entorno desde el punto de vista de los impactos
económicos y sociales que provocan, sino también de los impactos de carácter ambiental;
ya sea de una forma positiva o negativa. Estas generan bienes y servicios, empleo,
dividendos, entre otros; pero a su vez consumen recursos naturales escasos y generan
contaminación y residuos (Godínez and Córdova, 2012).
Debido a lo anterior se hace necesario que las empresas le otorguen la importancia que
requiere este proceso. De acuerdo a (Godínez and Córdova, 2012) “La gestión ambiental es
Capítulo 1
31
el proceso a través de cual se realiza un conjunto de actividades, mecanismos y acciones
para minimizar el consumo de materias primas y materiales, los residuos y la
contaminación, lo que implica un mínimo impacto y mayor satisfacción de la sociedad y su
calidad de vida, lo que se logra mediante la planificación, el control y el mejoramiento y se
implementa a través de herramientas.”
A nivel mundial, la política de las empresas ha estado encaminada a que su desarrollo
económico y productivo se realice previendo los impactos medioambientales desde una
etapa inicial (NC-ISO:14001, 2004). Las empresas cubanas orientan su trabajo hacia esta
realidad, por lo que han implementado una política ambiental dirigida a tomar un conjunto
de medidas, que apoyen a que el producto elaborado o servicio ofrecido no constituya un
factor de riesgo para la preservación del MA.
La ENPA tiene como compromiso mantener una cultura según el modelo de la norma ISO
1400122
, que promueva en el personal la comunicación, motivación y mejora continua de la
protección medioambiental. Al respecto, ha trazado una política donde declara su intención
de protección medioambiental, para controlar los impactos negativos que puedan
producirse en su entorno, debido a sus funciones internas. Además, su política pretende
mitigar los impactos ambientales que puedan generarse por los diseños y el accionar de los
estudios e investigaciones en campo, que se realizan en sus empresas clientes (Fernández,
2012).
Dadas estas características los proyectistas de la ENPA, deben tener un dominio apropiado
de las regulaciones legales y las Normas Cubanas (NC) que rigen lo relativo a los proyectos
de obras agrícolas y pecuarias; con el objetivo de prever, desde la etapa de diseño, los
posibles impactos ambientales que estos pueden ocasionar al entorno. El cumplimiento de
estas normativas facilita la aprobación de ejecución de los proyectos, los cuales son
sometidos a un Grupo Experto y posteriormente se solicita la Licencia Ambiental al
Ministerio de Ciencia Tecnología y Medio Ambiente (CITMA) provincial. De no ser
otorgada esta licencia no se podría ejecutar dicho proyecto.
22 Especificación y pauta internacional de gestión medioambiental (NC-ISO:14001, 2004)
Capítulo 1
32
De esta forma se evidencia la importancia de la unión de los procesos de GA y GC; los
cuales atraviesan al resto de los procesos de la entidad para lograr una correcta gestión del
conocimiento ambiental a través de todo el ciclo de vida de los proyectos. La relación entre
estos dos procesos está dada en que para emplear instrumentos de GA, se hace necesario
contar con estrategias que permitan organizar la información disponible para la
identificación de los aspectos más relevantes del ambiente, función en la que los
indicadores ambientales desempeñan un papel primordial (Castellanos et al., 2013a).
1.4.2 Indicadores ambientales. Características y clasificación
Un indicador es una variable que describe el estado de un sistema (Heink and Kowarik,
2010). La utilización de los indicadores en los diversos sectores de la actividad humana es
cada vez más amplia y variada; en específico, en el área de la GA son de gran utilidad.
La Agencia de Protección Ambiental define a los indicadores como: “un rasgo o rasgos
medibles que proveen a los directivos, información útil y confiable del MA” (Donnelly et
al., 2007). Mientras que el Instituto Francés de MA define los indicadores como “Un dato
que ha sido seleccionado a partir de un conjunto estadístico más amplio por poseer una
significación y una representatividad particular. Los indicadores condensan la información
y simplifican el acercamiento a los fenómenos medioambientales, a menudo complejos, lo
que les hace muy útiles para la comunicación” (Piorr, 2003).
Dadas las definiciones anteriores se puede concluir que los indicadores ambientales
representan variables que pueden ser empleadas para guiar el análisis y gestión de la
información del ambiente; por lo que apoyan, mejoran y hacen más eficaz el proceso de la
toma de decisiones y facilitan la comunicación.
Existe diversidad de tipos de indicadores para el desarrollo de la política ambiental.
Algunos de los cuales pueden agruparse en: indicadores de evaluación ambiental,
indicadores de integración sectorial, indicadores de integración económica (Manteiga,
2000). En correspondencia a la Guía de Indicadores Medioambientales para la Empresa en
(IHOBE, 1999) los indicadores ambientales se dividen en tres grandes grupos como se
muestra en la Figura 5.
Capítulo 1
33
Figura 5. Indicadores Medioambientales de la Empresa. Fuente: Tomado de
(IHOBE, 1999)
1. Los indicadores de comportamiento medioambiental, son aquellos que se centran en la
planificación, control y seguimiento de los impactos medioambientales de la empresa.
Son una herramienta importante para comunicar datos medioambientales por medio de
informes de este tipo, ejemplos típicos son: el consumo absoluto de energía de una
empresa, la cantidad de residuos por unidad de producción, entre otros.
2. Los indicadores de gestión medioambiental reflejan las acciones organizativas que debe
realizar los directivos de la empresa para minimizar los daños medioambientales, es
decir demuestran el comportamiento de las medidas organizativas, por ejemplo: el
número y resultados de las auditorías medioambientales realizadas o las evaluaciones
de los proveedores.
Capítulo 1
34
3. Los indicadores de situación medioambiental son aquellos que describen la calidad del
entorno medioambiental de la empresa, por ejemplo: la calidad del agua de un lago
cercano, o la calidad del aire de la región.
La clasificación de indicadores ambientales anteriormente expuesta, es la más adecuada a
los requerimientos de esta investigación; debido a que los dos primeros grupos reflejan una
forma clara y precisa de sintetizar la información y medir los resultados del proceso de GA
en sí. Mientras que el tercer grupo va dirigido a sintetizar la información de los resultados
sobre el MA de los proyectos que se ejecutan. La interpretación de la información que
ofrece este conjunto de indicadores facilita la gestión del conocimiento ambiental en la
ENPA.
1.4.3 Características generales y específicas de proyectos agrícolas y pecuarios
En (IHOBE, 1999) se plantea que los indicadores de situación medioambiental se dirigen a
caracterizar la situación del entorno local de la empresa. Además, plantea, que una empresa
sólo debe determinar directamente los indicadores de situación medioambiental si es la
causa principal de un problema medioambiental.
De acuerdo al objeto social de la ENPA, su influencia directa al ambiente no es
precisamente al entorno donde está físicamente situada; sino, la influencia que causa al
entorno del lugar donde se ejecutan los proyectos que en esta entidad se diseñan. Es por
esta razón, que en su política ambiental, queda declarada la estricta obligación de prever
desde una etapa inicial del proyecto, los posibles impactos negativos al ambiente que
pueden causar su ejecución.
Debido a lo anterior, se hace necesario tener bien establecidas las características generales
y específicas para proyectos de obras o actividades agrícolas y pecuarias que se
puntualizan en el Anexo 1, las cuales se deben tener en cuenta en los estudios de impacto
ambiental23
en lo relativo a situación del agua, suelo y elementos como se muestra en la
Figura 6. Dicho estudio debe abarcar los impactos causados por las acciones propias del
23 Conjunto de posibles efectos negativos sobre el medio ambiente, de una modificación del entorno natural,
como consecuencia de obras u otras actividades (RAE, 2013a).
Capítulo 1
35
proyecto y su relación con todos los componentes del MA, dentro del área de impacto
(Córdova, 2005).
Figura 6. Taxonomía de características generales y específicas de proyectos agrícolas y
pecuarios. Fuente: Autora de esta Tesis.
Todos estos indicadores y características condensan la información ambiental, lo que les
permite a los proyectistas obtener informaciones claras y precisas sobre los aspectos
necesarios cuando vayan a diseñar un proyecto agrícola o pecuario. También le facilita
información a los directivos y personal encargado del proceso de GA. La interpretación de
la información que ofrecen estos indicadores ambientales permite al personal involucrado
obtener conocimiento y satisfacer sus necesidades de información ambiental.
1.4.4 Necesidades de información ambiental
Las necesidades de información surgen en las personas cuando se encuentran en una
situación en la cual requieren poseer determinado conocimiento, y no tienen esta
información registrada en su cerebro. Este término es una construcción abstracta usada para
responder porqué las personas buscan, encuentran y usan la información (González, 2009b;
González, 2011). Desde el ámbito profesional la necesidad de información emerge de
situaciones pertenecientes a una tarea específica que está asociada con una o varias
Capítulo 1
36
funciones de trabajo desempeñadas por el profesional. Por tanto, una necesidad de
información no es constante y puede verse influenciada por una serie de factores como la
naturaleza de la profesión específica, área de especialización, ubicación geográfica y nivel
profesional (Paula, 2004).
No solo las personas presentan necesidades de información, también la organizaciones o
instituciones, sin olvidar que las mismas están compuesta por personas (González, 2009a).
En el caso de la ENPA, sus proyectistas para enfrentarse a un proyecto determinado, deben
cumplir una serie de características técnicas para evitar posibles impactos negativos al MA.
Si esta persona tiene la información registrada en su cerebro sólo tiene que recordarla
tomándola de su memoria, haciendo uso de su conocimiento tácito como sucede en la
mayoría de los casos; pero si no tiene la información, no la recuerde, o es un proyectista
nuevo, surge su necesidad de información y la persona se ve obligada hacer una búsqueda
para obtener ese conocimiento como se muestra en la Figura 7.
Figura 7. Proceso de surgimiento de necesidades de información ambiental en la
ENPA. Fuente: Autora de esta Tesis.
En el caso de que los proyectistas diseñen sus soluciones en base al conocimiento tácito
implica como factor negativo, que si esa persona deja de pertenecer a la organización, se
lleva consigo ese conocimiento; por lo que es de suma importancia que esta entidad cuente
Capítulo 1
37
con una herramienta que les facilite la gestión del conocimiento, donde los proyectistas
puedan satisfacer sus necesidades de información ambiental (Castellanos et al., 2013b).
Conclusiones parciales
1. Las Tecnologías Semánticas son una elección adecuada para apoyar la gestión del
conocimiento ambiental en la ENPA. En este caso, el uso de las ontologías como
solución al problema científico planteado, está fundamentado en las numerosas y
potentes capacidades que poseen para expresar el conocimiento del dominio antes
expuesto. Por lo tanto, una ontología que modele los indicadores ambientales de la
empresa y la taxonomía de las características generales y específicas para proyectos
agropecuarios, ofrece una base de conocimiento para que los proyectistas tengan
identificadas sus necesidades de información ambiental.
2. Se escogieron tecnologías apropiadas para la construcción de la ontología propuesta.
Para guiar el desarrollo de la ingeniería ontológica se seleccionó la metodología NeOn.
La ontología se modelará en el lenguaje OWL DL y se usará el lenguaje de consulta
SPARQL. La aplicación y reutilización de los ODPs es fundamental en el desarrollo de
la ontología, principalmente los CPs para mejorar la calidad de la ontología resultante.
Se escogieron las herramientas Protégé y TopBraid Composert para la modelación de la
ontología, el razonador Pellet y los frameworks Jena y OWL-API.
3. De las ontologías analizadas para la gestión del conocimiento ambiental ninguna
satisface total o parcialmente las necesidades de la ontología propuesta en esta
investigación; por lo que no se pueden reutilizar. Esto se debe a que estas ontologías
usan los indicadores adaptados al contexto del dominio específico que modelan.
4. La ENPA posee una Estrategia Ambiental, en la que no están establecidos los diferentes
indicadores de comportamiento ambiental, gestión ambiental y situación ambiental; ni
las características generales y específicas propuestas en la guía para realizar estudios de
impacto ambiental correspondiente a proyectos de obras o actividades agrícolas y
pecuarias.
Capítulo 2
38
CAPÍTULO 2. PROCEDIMIENTO PARA LA GESTIÓN DEL CONOCIMIENTO
AMBIENTAL MEDIANTE ONTOLOGÍA EN PROYECTOS AGROPECUARIOS
Sobre la base del análisis realizado del marco teórico-práctico referencial de la
investigación y las insuficiencias detectadas en el estudio del estado actual, en este capítulo
se propone un procedimiento para la gestión del conocimiento ambiental mediante
ontología en proyectos agropecuarios. Se presenta la ontología OntoEnvironmental, que
modela los indicadores ambientales y las características generales y específicas para obras
agrícolas y pecuarias. Esta ontología facilita a la entidad tener identificadas sus necesidades
de información ambiental. Adicionalmente, se propone una arquitectura que soporte el
proceso de gestión del conocimiento semántico en este tipo de proyectos.
El procedimiento transita por cuatro fases que rigen el proceso de gestión del conocimiento
como se muestra en la Figura 8. En cada una de estas fases se declaran pasos, objetivos,
contenidos, tareas y técnicas a utilizar.
2.1 Fase I. Acceder
Objetivo: determinar las fuentes donde buscar el conocimiento ambiental.
2.1.1 Paso 1. Presentación
Contenido: Garantizar desde una etapa inicial y a través de todo el proceso de la
investigación el apoyo de todos los miembros de la organización. Lo anterior expuesto,
facilita concientizar sobre la necesidad de prever desde una etapa de diseño, los impactos
ambientales que puede provocar la ejecución de los proyectos agropecuarios. Por otra parte
se contribuye a disminuir la resistencia al cambio, al introducir nuevos mecanismos para la
gestión del conocimiento ambiental.
Además se debe crear un estrecho vínculo entre los ingenieros ontológicos y los miembros
de la organización; principalmente con el especialista de gestión ambiental, especialista de
gestión documental y los proyectistas de las diferentes áreas; con el objetivo de una mejor
comprensión del flujo de trabajo que conlleva la realización de los proyectos y la
recopilación de información. Por otra parte, se deben determinar las características de
hardware existentes en la entidad para que no constituyan una limitante del proceso.
Capítulo 2
39
Si No
Paso 2. Caracterizar el proceso de gestión del conocimiento ambiental
Tarea 1. Diagnosticar fuentes bibliográficas
que rigen el proceso de Gestión Ambiental
actual
FASE II GENERAR
Paso 1. Presentación
Paso 3. Identificar necesidades de información ambiental
Paso 4. Obtener conocimiento
Tarea 3. Establecer indicadores ambientales de
comportamiento, gestión y situación ambiental
Tarea 4. Establecer características generales
para obras agrícolas y pecuarias
Tarea 7. Definir características generales y requisitos
Paso 6. Modelar la ontología OntoEnvironmental
Tarea 5. Determinar expertos del dominio a
modelar
Paso 5. Transformar conocimiento tácito a explícito
Tarea 6. Seleccionar herramientas,
lenguajes y metodologías
FASE I ACCEDER
Caracterización
INTRODUCCIÓN
Paso 7. Diseñar arquitectura de software para un sistema que use la ontología OntoEnvironmental
FASE IV APLICAR
Paso 8. Implementar arquitectura de software que use la ontología OntoEnvironmental
Paso 10. Impartir cursos de capacitación a usuarios finales
Paso 9. Implantar software basado en OntoEnvironmental
I
D
E
N
T
I
F
I
C
A
R
N
U
E
V
A
S
N
E
C
E
S
I
D
A
D
E
S
d
e
Tarea 2. Incluir fuentes bibliográficas que
apoyen el proceso de Gestión Ambiental
Tarea 8. Elaborar preguntas de competencia
FASE III REPRESENTAR- TRANSFERIR
¿Satisface todas
las necesidades?
FASE III REPRESENTAR - TRANSFERIR
Figura 8. Procedimiento para la gestión del conocimiento ambiental mediante ontología en proyectos agropecuarios.
Capítulo 2
40
Técnicas: entrevistas, conferencias, cursos, seminarios y charlas.
2.1.2 Paso 2. Caracterizar el proceso de gestión del conocimiento ambiental
Contenido: caracterizar los procesos que se desarrollan en la entidad, analizando la
transversalidad de los procesos de GA y GC para lo que se recomienda consultar:
Mapa procesos de la entidad
Flujograma del Sistema de Gestión Ambiental
Flujograma del Sistema de gestión del conocimiento.
Por esta razón se debe entrevistar a los especialistas de los procesos de gestión ambiental y
documental para identificar fortalezas y debilidades, así como su interrelación.
Técnicas: entrevistas, revisión de documentos y observación científica.
Tarea 1. Diagnosticar fuentes bibliográficas que rigen el proceso de Gestión
Ambiental actual
Contenido: analizar las fuentes bibliográficas por las que se rige el proceso de GA en la
ENPA, entre las que se encuentran:
Grupo de Normas Cubanas ISO 14000 que rigen la gestión ambiental.
- NC ISO 14001:2004 “Sistema de Gestión Ambiental – Requisitos con orientación
para su uso.
Normas Cubanas específicas según el tipo de proyecto a realizar.
NC ISO 9001: 2008 “Sistemas de Gestión de la Calidad – Requisitos”.
NC 18001:2005 “Seguridad y Salud en el Trabajo – Sistema de Gestión Seguridad y
Salud en el Trabajo. Requisito.
Las políticas de información, comunicación, gestión del conocimiento, innovación y
desarrollo (I+D) (Fernández, 2012).
Legislación ambiental cubana.
- Ley 81 del Medio Ambiente.
Estrategia Ambiental de la ENPA.
Se propone hacer búsquedas en el archivo de la entidad para consultar estrategias de años
anteriores y determinar además, qué información se encuentra en formato duro y formato
Capítulo 2
41
digital. Una vez analizadas las fuentes bibliográficas existentes, clasificar la información
con que se cuenta, en aras de determinar el orden de prioridad en su consulta.
Técnicas: entrevistas, análisis estadísticos y revisión de documentos.
Tarea 2. Incluir fuentes bibliográficas que apoyen el proceso de Gestión Ambiental
Contenido: incluir a la bibliografía revisada los siguientes materiales:
Guía de Indicadores Medioambientales para la Empresa (IHOBE, 1999)
Evaluación de Impacto Ambiental (Córdova, 2005)
Los cuales guían el uso de indicadores de comportamiento, gestión y situación ambiental; e
introducen un conjunto de características generales y específicas a tener en cuenta para
desarrollar obras de proyectos agrícolas y pecuarios.
Técnica: revisión de documentos.
2.2 Fase II. Generar
Objetivo: desarrollar el conocimiento ambiental a partir de la identificación de las
necesidades de información.
2.2.1 Paso 3. Identificar necesidades de información ambiental
Contenido: analizar el flujo de trabajo de los proyectos agrícolas y pecuarios, donde se
examine a profundidad la prevención de impactos ambientales desde una etapa inicial del
proyecto, hasta su ejecución. Se recomienda analizar:
Flujograma de producción
Identificación de impactos ambientales durante el flujo productivo
Luego se examinan varias tareas de proyección técnica24
, y se entrevistan a los proyectistas
por áreas; para determinar según las exigencias, cuáles constituyen sus principales
necesidades de información ambiental.
Técnicas: entrevista, revisión de documentos y observación científica.
24 Documento que describe un proyecto y cuenta con un conjunto de características técnicas que tienen que
cumplir los proyectistas en el diseño. Varias características técnicas van dirigidas a la prevención de posibles
impactos ambientales desde la etapa de diseño y se establecen a partir de las Normas Cubanas.
Capítulo 2
42
Tarea 3. Establecer indicadores de comportamiento, gestión y situación ambiental
Contenido: establecer en la entidad los indicadores de comportamiento, gestión y situación
ambiental, de acuerdo a la Guía de Indicadores Medioambientales para la empresa que se
introdujo en la Tarea 2. Para establecer estos indicadores se procede en concordancia a las
acciones que se describen en la Figura 9. En la acción 1 entrevistar al especialista de GA
para determinar indicadores actuales y proponer los cambios (de ser necesarios); de manera
que este conjunto de indicadores facilite condensar la información ambiental y apoyar la
toma de decisiones de los proyectistas y de la alta dirección. Sucesivamente se realizarán el
resto de las acciones.
Figura 9. Método para establecer indicadores medioambientales. Fuente: Adaptado de
(IHOBE, 1999)
Técnicas: entrevistas y revisión de documentos.
Tarea 4. Establecer características generales para obras agrícolas y pecuarias
Contenido: establecer las características generales y específicas para obras agrícolas y
pecuarias como apoyo al trabajo de los proyectistas, dirigido a mitigar posibles impactos
ambientales al área donde se ejecuten dichos proyectos. La referencia para lograr lo anterior
es el libro de Evaluación de Impacto Ambiental que se introdujo en la Tarea 2.
Adicionalmente, entrevistar a los proyectistas para conocer las especificidades de su
trabajo.
Técnicas: revisión de documentos, entrevista y observación científica.
Capítulo 2
43
2.2.2 Paso 4. Obtener conocimiento
Contenido: obtener de los proyectistas y los especialistas de gestión ambiental y
documental, cómo se gestiona el conocimiento ambiental, el proceso de surgimiento de las
necesidades de información ambiental y los métodos utilizados para la satisfacción de
estas; es decir dónde buscan la información y conocer el grado de uso del conocimiento
tácito.
Técnicas: entrevista, encuesta y observación científica.
2.3 Fase III. Representar-Transferir
Objetivo: transformar el conocimiento en formato de fácil acceso para todos los miembros
de la organización.
2.3.1 Paso 5. Transformar del conocimiento tácito a explícito
Contenido: transformar el conocimiento interiorizado en cada individuo (proyectistas,
especialistas de GA) basado en sus propias experiencias, a un conocimiento codificable,
aislado de la persona y fácil de transmitir. Es aquí donde las Tecnologías Semánticas,
específicamente las ontologías, desempeñan un papel primordial.
Técnicas: observación, revisión de documentos y modelación.
Tarea 5. Determinar expertos del dominio que se va a modelar.
Contenido: se recomienda el uso de análisis de expertos, por lo que inicialmente deben
seleccionarse cuidadosamente de forma que se garanticen juicios exactos y oportunos en
correspondencia con la problemática abordada. De igual forma, se deben establecer los
requisitos que resultan de indispensable cumplimiento por el conjunto de expertos, que
garanticen la integridad en los resultados.
La cantidad de expertos depende de la complejidad y las características del trabajo a
realizar. El grupo de expertos debe estar entre 7 y 15 para mantener un nivel de confianza y
calificación elevado (NC-ISO:49, 1981). Para la determinación de la cantidad de expertos
se utilizan criterios probabilísticos asumiendo una distribución binomial. Con este fin se
utiliza la expresión siguiente:
Capítulo 2
44
( )
, (1)
donde:
M: cantidad de expertos.
i: nivel de precisión deseado.
P: proporción estimada de errores de los expertos.
K: constante cuyo valor está asociado al nivel de confianza elegido.
Los valores de K se relacionan en la Tabla 1.
Tabla 1. Valores de la constante K.
Nivel de confianza (%) K
99 6,6564
95 3,8416
90 2,6896
Fuente: Tomado de (Ibarra, 2003; Campaña, 2005)
Para determinar los expertos del dominio, se aplicará la primera encuesta del método
criterio de expertos para obtener el coeficiente de competencia ( ) mediante la fórmula:
( ), (2)
donde:
: coeficiente de conocimientos o información que tiene el experto acerca del
problema, calculado sobre la valoración del propio experto en una escala ascendente de
cero a 10 y multiplicado por 0,1.
: coeficiente de argumentación que se calcula según la fórmula:
( ) ∑ ( ) , (3)
E: posible experto
Gif: grado de influencia de la fuente según la Tabla 2
Los grados de influencia son MA: muy alto, A: alto, M: medio, B: bajo, MB: muy bajo, N:
nulo.
Capítulo 2
45
Tabla 2. Escala para selección de expertos.
Fuentes de argumentación Grado de influencia de las fuentes en
su criterio
MA A M B MB N
Capacidad de anánalisis 0.18 0.14 0.11 0.07 0.04 0.00
Comprensión del problema 0.12 0.10 0.07 0.05 0.02 0.00
Amplitud de enfoques 0.12 0.10 0.07 0.05 0.02 0.00
Conocimiento de estado actual del problema 0.13 0.10 0.08 0.05 0.03 0.00
Nivel de motivación por resolver el
problema
0.14 0.12 0.09 0.06 0.03 0.00
Experiencia en el desarrollo de
investigaciones teóricas
0.15 0.12 0.09 0.06 0.03 0.00
Experiencia en el orden empírico (práctica
profesional)
0.16 0.13 0.10 0.07 0.03 0.00
Fuente: Tomado de (Cepena and Ramírez, 2012)
Esta encuesta se aplica a los especialistas de gestión ambiental y documental, y a todos los
proyectistas, con el objetivo determinar los de mayor experiencia. En el Anexo 2 se muestra
el instrumento a utilizar para evaluar el nivel de competencias que deben cumplir los
expertos.
Para la selección de la comunidad de expertos se establecen los requerimientos siguientes:
Interés en participar en el estudio: el personal experto debe estar motivado de antemano
a participar y a ofrecer sus conocimientos.
Competencia profesional: deben poseer un nivel de formación superior y estar
relacionados, en alguna medida, con las teorías y conceptos sobre los que se
fundamenta la problemática abordada.
Amplia experiencia: deben contar con varios años de trabajo en la realización de
proyectos agrícolas y pecuarios y con el trabajo con las Normas Cubanas.
Técnicas: encuestas, criterio de expertos, análisis estadístico.
Tarea 6. Seleccionar herramientas, lenguajes y metodologías
Contenido: realizar un estudio de las tendencias y tecnologías actuales en el desarrollo de
ontologías; para seleccionar las herramientas, lenguajes y metodología más apropiados.
Como criterio de selección las herramientas y lenguajes son de software libre y brindar
Capítulo 2
46
facilidad en su uso. El lenguaje a elegir para la modelación de ontología debe ofrecer
expresividad, manteniendo al mismo tiempo garantía de hallar todas las soluciones en un
tiempo finito y la completitud computacional (garantía de devolver todas las soluciones
posibles).
Técnicas: revisión bibliográfica y benchmarking.
2.3.2 Paso 6. Modelar la ontología OntoEnvironmental
Contenido: describir el proceso ingenieril para el modelado de la ontología según la
metodología Neón; para el cual se hace necesario un estrecho vinculo entre los ingenieros
ontológicos y los expertos seleccionados. Primeramente, se hará un estudio detallado de la
metodología Neón por parte de los ingenieros ontológicos para determinar que escenarios
serán utilizados en el desarrollo de la ontología propuesta; en este caso se seleccionaron:
Escenario 1. Desde la especificación hasta la implementación
Escenario 7. Reutilización de los patrones de diseño de ontologías
Escenario 9. Localización de los recursos ontológicos
Posteriormente, los ingenieros ontológicos entrevistarán a los expertos del dominio para la
especificación de requisitos de la ontología. Para la conceptualización de la ontología;
realizar búsquedas exhaustivas de los diferentes conceptos del dominio, preferentemente en
las Normas ISO (para garantizar la internacionalización de los términos), legislaciones
ambientales y documentos validos para referenciar.
Técnicas: entrevistas, revisión bibliográfica, modelación.
Tarea 7. Definir características generales y requisitos
Contenido: definir un conjunto de características generales y requisitos que la ontología
debe cumplir, como salida se obtiene el Documento de Especificación de Requisitos
Ontológicos (DERO), donde se refleja el propósito, ámbito y nivel de formalidad de la
ontología, así como los usuarios y usos previstos, además de exponerse otros elementos
mostrados en la Tabla 3. Para obtener el DERO entrevistar a los expertos del dominio y al
resto de los posibles usuarios.
Técnicas: entrevistas, observación y revisión de documentos.
Capítulo 2
47
Tabla 3. Documento de Especificación de Requisitos de la ontología
OntoEnvironmental.
Plantilla para el Documento de Especificación de Requisitos de la Ontología
(DERO)
1 y 2 Propósito y alcance
Formalizar, codificar y gestionar el conocimiento ambiental de los indicadores
ambientales y características generales y específicas para obras agrícolas y
pecuarias en la ENPA, en una ontología
3 Lenguaje de implementación
OWL DL
4 Usuarios finales previstos
Los especialistas de proyectos, que pertenecen a la ENPA, el especialistas de
gestión ambiental y documental y las empresas que utilicen los indicadores de
comportamiento y gestión ambiental
5 Usos previstos
Almacenar el conocimiento relativo a los indicadores ambientales y
características generales y específicas de obras agrícolas y pecuarias; para que los
proyectistas tengan determinadas las necesidades de información, que surgen
desde la etapa de diseño en la ejecución de cada proyecto y no repercuta
negativamente en el entorno
6 Requisitos
a. Requisitos no funcionales: la ontología debe ser modular, el idioma de la
ontología debe ser el inglés y multilingüe (idioma inglés-español)
b. Requisitos funcionales: los requisitos funcionales fueron expresados en forma
de preguntas de competencia.
7 a. Términos de las preguntas de competencia
tipos, partes, criterio, componen
b. Términos de las respuestas
Indicadores de materiales y energía, indicadores de infraestructura y transporte,
aire, suelo, flora, impacto medioambiental, área, suelo, aspecto socioeconómico,
suelo, vivero, agua, variedad de especie, materia orgánica
c. Objetos
No se definieron objetos en la ontología
Tarea 8. Elaborar preguntas de competencia
Contenido: elaborar un conjunto de preguntas conjuntamente a los expertos del dominio
que debe responder la ontología una vez modelada. Estas preguntas son elaboradas en
Capítulo 2
48
función a que sus respuestas satisfagan las necesidades de información identificadas en el
Paso 3. Luego los ingenieros ontológicos de acuerdo al Escenario 7 de la Metodología
Neón abordaran los requisitos funcionales, (también llamados en la Ingeniería Ontológica
preguntas de competencia) mediante la reutilización de ODPs que son los mostrados en la
Tabla 4. Las preguntas son asociadas con los patrones de diseño existentes, específicamente
los patrones de contenido.
Tabla 4. Identificación de los patrones disponibles
Requisitos funcionales del Subdominio Proyecto Agrícola
Id. Descripción
INDPA_02 ¿Cuáles son las partes que deben tener en cuenta los proyectistas para
diseñar un proyecto agrícola?
R: postcosecha, cosecha, control de plagas, control de enfermedades,
cultivo, semillero, unidad procesadora, aspecto socioeconómico, suelo,
vivero, agua.
Requisitos funcionales del Subdominio Proyecto Pecuario
INDPP_02 ¿Cuáles son las partes que deben tener en cuenta los proyectistas para
diseñar un proyecto pecuario?
R: raza animal, salud animal, alimento animal, unidad procesadora, aspecto
socioeconómico, suelo, agua.
Requisitos funcionales del Subdominio Indicador de Comportamiento
Medioambiental
INDCA_07 ¿De qué elementos se compone el Medio Ambiente?
R: aire, fauna, flora, suelo, especie de cultivo, agua.
Requisitos funcionales del Subdominio Indicador de Situación Medioambiental
INDSA_08 ¿Qué determina al suelo?
R: situación del suelo.
Requisitos funcionales del Subdominio Indicador de Gestión Medioambiental
INDGA_06 ¿Qué criterio es aplicado al comportamiento medioambiental?
R: cumplimiento de las disposiciones legales.
Capítulo 2
49
Para el trabajo con ODPs es necesario identificar las diferentes bibliotecas y repositorios
que los contienen. En este caso se usará la Wiki Ontology Design Patterns (ODP)25
en la
que se encuentra un repositorio de patrones de diseño ontológico previamente revisados por
un comité de calidad. En este recurso se han encontrado los siguientes patrones aptos para
ser reutilizados durante el desarrollo de la ontología OntoEnvironmental:
Componencia26
(en inglés, Componency)
Parte de27
(en inglés, PartOf)
Criterio28
(en inglés, Criterion)
Situación29
(en inglés, Situation)
En la Tabla 5 se representa la correspondencia entre los requisitos y los posibles patrones a
ser reutilizados.
Tabla 5. Correspondencia entre los requisitos y los posibles patrones a ser reutilizados
Requisitos funcionales
Id. Descripción Patrón (es) posibles
INDPA_02 ¿Cuáles son las partes que deben tener en cuenta los
proyectistas para diseñar un proyecto agrícola?
“PartOf”
INDPP_02 ¿Cuáles son las partes que deben tener en cuenta los
proyectistas para diseñar un proyecto pecuario?
“PartOf”
INDCA_07 ¿De qué elementos se compone el Medio
Ambiente?
“Componency”
INDSA_08 ¿Qué determina al suelo? “Situation”
INDGA_06 ¿Qué criterio es aplicado al comportamiento
medioambiental?
“Criterion”
25 http://ontologydesignpatterns.org
26 http://www.ontologydesignpatterns.org/cp/owl/componency.owl
27 http://www.ontologydesignpatterns.org/cp/owl/partof.owl
28 http://www.criteria-modeling.googlecode.com/svn/trunk/criterion.owl
29 http://www.ontologydesignpatterns.org/cp/owl/situation.owl
Capítulo 2
50
Una vez elaboradas las preguntas de competencia de no satisfacer todas las necesidades se
retroalimenta al Paso 3. De ser satisfechas en su totalidad se pasa al Paso 7.
Técnicas: entrevistas, revisión bibliográfica y modelación.
2.3.3 Paso 7. Diseñar arquitectura de software para un sistema que use la ontología
OntoEnvironmental
Contenido: diseñar una arquitectura para el desarrollo de un sistema basado en el
conocimiento como se muestra en la Figura 10.
Figura 10. Arquitectura para un sistema que utilice la ontología OntoEnvironmental
El usuario final introduce los datos a la interfaz de usuario del sistema. Estos datos
posteriormente son procesados por una máquina de inferencia que está compuesta por los
frameworks OWL API 30
y Jena31
, además del razonador Pellet32
, que se encarga de
verificar la inconsistencia o consistencia de la ontología. El framework OWL API es un API
30 http://owlapi.sourceforge.net
31 http://www.jena.apache.org
32 http://clarkparsia.com/pellet/
Capítulo 2
51
para el lenguaje de programación Java, el cual provee la implementación para la creación,
manipulación y serialización de ontologías en OWL. Por otra parte, el framework Jena se
ocupa a través de las consultas SPARQL, de extraer las triplas RDF que se encuentran en la
ontología (según algunos autores, es una Base de Conocimiento en Lógica Descriptiva),
que son las triplas resultantes del proceso de búsqueda de los datos insertados por el
usuario. Luego estas triplas son almacenadas en una tabla en la Base de Datos en la cual se
utiliza el estándar para el acceso desde el lenguaje de programación Java (JDBC, por sus
siglas en inglés) con el propósito de realizar consultas en el Lenguaje Estructurado de
Consultas (SQL, por sus siglas en inglés) retornando los registros de interés para el usuario.
Técnicas: modelación, revisión bibliográfica.
2.3.4 Paso 8. Implementar arquitectura de software que use la ontología
OntoEnvironmental
Contenido: seleccionar por parte de los desarrolladores una metodología de desarrollo de
software preferentemente ágil, para guiar el ciclo de vida de la arquitectura propuesta
durante el análisis, diseño e implementación, implantación y prueba. Además se deben
seleccionar las herramientas Case y el Entorno de Desarrollo Integrado (IDE, por sus siglas
en inglés). A continuación se pasa a la implementación de la arquitectura de solución que
usa la semántica propuesta.
Técnicas: benchmarking, modelación, programación.
2.4 Fase IV. Aplicar.
Objetivo: usar el conocimiento ambiental por personas, procesos y funciones de la
organización.
2.4.1 Paso 9. Implantar software basado en OntoEnvironmental
Contenido: implantar el software basado en OntoEnvironmental en la entidad para su uso;
y mejorar así, la gestión del conocimiento ambiental. Una vez implantado el software se
irán identificando nuevas necesidades de información ambiental de los usuarios finales a
Capítulo 2
52
través de entrevistas y encuestas, lo que asegura un proceso continuo de mejora y
satisfacción de necesidades información.
Técnicas: entrevistas y encuestas.
2.4.2 Paso 10. Impartir cursos de capacitación a usuarios finales
Contenido: impartir cursos de capacitación a usuarios finales; es decir los especialistas de
proyectos, los especialistas de gestión ambiental y documental, para que se familiaricen con
el software basado en OntoEnvironmental. Elaborar también manuales de usuarios del
sistema para facilitar la comprensión del trabajo. Todo lo expuesto favorece a mitigar el
rechazo al cambio y garantizar el uso del software propuesto. A partir de los cursos de
capacitación y la interacción de los usuarios finales con este se identifican nuevas
necesidades de información ambiental.
Técnicas: entrevistas, conferencias, cursos, seminarios y charlas.
Conclusiones parciales
1. El procedimiento elaborado consta de cuatro fases: Acceder, Generar, Representar-
Transferir y Aplicar que transitan por el ciclo de gestión del conocimiento ambiental en
la ENPA; facilitando la mejora de este proceso. La retroalimentación permite la
identificación de nuevas necesidades de información durante las diferentes fases del
procedimiento; asegurando una continua mejora de este. Identificar las necesidades de
información ambiental de una forma correcta, garantiza que los proyectistas prevean la
mitigación de impactos ambientales desde la etapa de diseño en los proyectos agrícolas
y pecuarios que realizan en la ENPA.
2. Adicionalmente le ofrece un grupo de indicadores de comportamiento, gestión y
situación medioambiental que deben ser incluidos en la Estrategia Ambiental de la
entidad; así como, un conjunto de características generales y específicas para proyectos
de obras agrícolas y pecuarias.
Capítulo 2
53
3. Proporciona a los miembros de la organización saber dónde buscar el conocimiento
debido a que el uso de un software basado en la ontología OntoEnvironmental,
mejorará las condiciones de trabajo del personal de la empresa, puesto que tendrán la
información organizada, referenciada según las Normas Cubanas y no solo harán uso de
estas en base al conocimiento tácito, lo que permite un nivel de independencia del
equipo de trabajo al no estar uno de los proyectistas.
Capítulo 3
54
CAPÍTULO 3. APLICACIÓN DEL PROCEDIMIENTO PROPUESTO. CASO DE
ESTUDIO EMPRESA NACIONAL DE PROYECTOS E INGENIERÍA DE
HOLGUÍN
En el presente capítulo se muestran los resultados de la aplicación del procedimiento
propuesto, en la Empresa Nacional de Proyectos e Ingeniería UEB Holguín. El
procedimiento se aplica en las fases Acceder, Generar y Representar-Transferir el
conocimiento. En esta última, se aplicó el procedimiento hasta el Paso 7 “Diseñar
arquitectura de software para un sistema que use la ontología OntoEnvironmental”, como
se enmarca con líneas discontinuas en la Figura 8, en concordancia con los objetivos
específicos trazados. También se realiza una valoración de calidad de la ontología, apoyado
en la aplicación OPPS! para las buenas prácticas del diseño ontológico. Por último, se
realiza una valoración del procedimiento mediante criterio de expertos.
3.1 Fase I. Acceder
Paso 1. Presentación
Se realizaron un conjunto de entrevistas y conferencias con los especialistas de gestión
ambiental, gestión documental, proyectistas de las diferentes especialidades, y demás
personal involucrado en el flujo de proyecto, (encargado de hacer los estudios de
factibilidad y el encargado de solicitar la licencia ambiental). A partir de las entrevistas y
conferencias realizadas se realizaron las acciones siguientes:
1. Se expuso el objetivo que persigue la investigación y los resultados esperados.
2. Se preparó al personal acerca de las tendencias más actuales de Diseño para el
Entorno33
que es una perspectiva de la Ingeniería Concurrente34
, con el objetivo de
33 Perspectiva de la Ingeniería Concurrente, en la cual, se toma en consideración en el diseño las crecientes
limitaciones que imponen la escasez de energía y recursos naturales, los impactos ambientales y el factor
humano (Romeva, 2001). 34
Nueva forma de concebir la ingeniería de diseño y desarrollo de productos y servicios de forma global e
integrada, para asegurar que den respuesta a las necesidades de los usuarios, que faciliten el mantenimiento y
que minimicen los impactos ambientales (Romeva, 2001).
Capítulo 3
55
concientizarlos sobre la necesidad de prever desde una etapa de diseño, los impactos
ambientales.
3. Se analizó junto al personal especializado el Manual Integrado de Gestión de la entidad.
4. Por otra parte se realizó una entrevista al Especialista de Informática para determinar
las características de hardware existentes de la entidad para implantar el software basado
en OntoEnvironmental. Las características hardware del servidor son las siguientes:
servidor profesional, marca HP, modelo Proliant ML350 G6, con 16Gb de RAM, micro
Intel Xeon e5620 a 2,4 GHz .Por lo tanto, se puede concluir que el hardware no constituyen
un factor limitante.
Paso 2. Caracterizar el proceso de gestión del conocimiento ambiental.
Luego de realizar un análisis del Sistema integrado de gestión de la entidad
específicamente:
Mapa procesos de la entidad (Ver Anexo 3)
Flujograma del Sistema de Gestión Ambiental (Ver Anexo 4)
Flujograma del Sistema de gestión del conocimiento (Ver Anexo 5)
Y realizar entrevistas a los especialistas de los procesos de gestión ambiental y documental
se identificaron las siguientes debilidades:
No existe una homogeneidad de formato de almacenamiento de las NC lo que dificulta
el proceso de búsqueda de información
Los proyectistas hacen uso de las NC sobre la base del conocimiento tácito lo que
implica dependencia del equipo de trabajo a los proyectistas de mayor experiencia
En la Estrategia Ambiental solo están establecidos los indicadores ambientales de
comportamiento ambiental, no se tienen en cuenta los de gestión y situación ambiental.
Tarea 1. Diagnosticar fuentes bibliográficas que rigen el proceso de Gestión
Ambiental actual
Luego de analizar las fuentes bibliográficas por las que se rige el proceso de GA en la
ENPA, y hacer un análisis histórico de las estrategias ambientales de la entidad, se
concluyó, que se hace un mal uso de los indicadores ambientales, por lo que no se explota
en su totalidad la facilidad que ofrecen para el proceso de GA. Lo anterior se debe a que los
Capítulo 3
56
indicadores condensan la información y facilitan la toma de decisiones. También se realizó
una revisión de las NC y se organizaron de manera que la prioridad de consulta este en las
que se refieren a los proyectos agropecuarios.
Tarea 2. Incluir fuentes bibliográficas que apoyen el proceso de Gestión Ambiental
Se incluyó la Guía de Indicadores Medioambientales para la Empresa la cual propone un
conjunto de indicadores de comportamiento, gestión y situación ambiental. Adicionalmente
se introdujo el libro Evaluación de Impacto Ambiental, que propone un conjunto de
características generales y específicas a tener en cuenta para desarrollar obras de proyectos
agrícolas y pecuarios. Estos materiales se incluyeron en función de complementar las
carencias encontradas en la bibliografía expuesta en la tarea anterior. Los materiales se
sometieron a consideración del personal autorizado en la ENPA, para su entendimiento y
aprobación.
3.2 Fase II. Generar
Paso 3. Identificar necesidades de información ambiental
Luego de analizar:
Flujograma de producción (Ver Anexo 6)
Identificación de impactos ambientales durante el flujo productivo (Ver Anexo 7).
Se pudo comprobar que los impactos identificados son los de las funciones internas de la
entidad cuando se realiza un proyecto; como, el consumo de energía y gasto de
combustible. Sin embargo, los impactos al entorno de ejecución de los proyectos se
describen en las tareas de proyección, por medio de una serie de características técnicas. La
información que apoya el cumplimiento de estas características técnicas se encuentra en las
NC, y a su vez, constituyen las necesidades de información ambiental de los proyectistas.
Tarea 3. Establecer indicadores de comportamiento, gestión y situación ambiental
Después de analizadas las deficiencias en la bibliografía que rigen el proceso de GA en la
ENPA y el uso aislado de indicadores en la Estrategia Ambiental; se introdujeron
indicadores de comportamiento, gestión y situación ambiental siguiendo las acciones que se
Capítulo 3
57
muestran en la Figura 9. En la Tabla 6 se muestra un ejemplo de los indicadores que se
incluyeron, en correspondencia al conjunto de actividades establecidas en el programa de
manejo de residuos y reciclado de la Estrategia Ambiental.
Tabla 6. Introducción de indicador de residuo en la Estrategia Ambiental de la ENPA
Principio de la política ambiental: Mejorar continuamente la eficacia de la GA,
garantizando una producción con eficacia, un desarrollo armónico, integrado y sostenible,
preservando el MA
Objetivo: Reducir el volumen de residuos generados como consecuencia de los procesos
y las actividades que se llevan a cabo en el ámbito empresarial
Meta: Reducir los aportes a la contaminación ambiental por residuos anualmente
Acción:Entregar a materia prima los residuos de su interés y archivar la factura de
entrega en economía
Indicador
Tasa de reciclaje Tasa de eliminación
( )
( )
( )
( )
Unidad en que se expresa el indicador: %
Responsable: Jefe de brigada de servicios internos
Fecha de cumplimiento: Trimestral
Tarea 4. Establecer características generales para obras agrícolas y pecuarias
Se establecieron las características generales y específicas para obras agrícolas y pecuarias
como apoyo al trabajo de los proyectistas cuando se realice una evaluación de impacto
ambiental. Al tenerse en cuenta estas características en este tipo de proyectos se prevén los
impactos negativos al ambiente desde la etapa de diseño. Las siguientes características son
las que se tomaran en cuenta en el ejemplo se explica en el Paso 4. Obtener conocimiento.
Proyecto Pecuario
Especies y razas: especies y razas características de la región
Alimento animal: especies y variedades de la región
Suelos: composición química y física, fertilidad y factores limitantes
Características edafoclimáticas
Capítulo 3
58
Paso 4. Obtener conocimiento.
El proceso de obtención de nuevo conocimiento y de identificación de necesidades
ambientales se evidencia mediante en el siguiente ejemplo.
El municipio Mayarí se encuentra localizado en la porción central y este de la provincia
Holguín. En este municipio en la actualidad se encuentran funcionando tres empresas con
tendencia a las producciones pecuarias en mayor o menor grado. En este caso de estudio se
tomarán la Empresa Mayarí con un alto perfil ganadero, líder del municipio y la Empresa
de Café y Forestal; que dentro del territorio de montaña se encuentra en el plan turquino,
con producciones ganaderas destinadas a su autoabastecimiento. En estas zonas ganaderas
se va a introducir la especie de ganado Charolais especializada en la producción de carne
que se encuentra adaptado a las condiciones tropicales de Cuba. Las especies de alimento
animal de este tipo de ganado son: Andropogon gayanus que tiene como característica
(suelos media fertilidad, no soporta encharcamiento) y Brachiaria humidícola (suelos de
baja fertilidad, resistente a la sequía e inundaciones) (Garcés et al., 2012). Dada las
características de la región el proyectista debe determinar que especies de alimento animal
sembrar en cada zona ganadera.
En la Tabla 7 se evidencian las características propuestas en la Tarea 4 para el caso de
estudio analizado.
Tabla 7. Características zonas ganaderas de Mayarí
Características Empresas dedicadas a actividades pecuarias
Empresa Mayarí Empresa de Café y Forestal
Suelos (fertilidad) Oscuros plásticos (fertilidad
media)
Renzinas rojas (fertilidad
baja)
Área Llano Montañoso
Características
edafoclimáticas
Menor humedad, mayor
temperatura, menor frecuencia de
lluvia
Mayor humedad, menor
temperatura y mayor
frecuencia de lluvia
Partiendo de las características anteriores el proyectista puede concluir:
Capítulo 3
59
La Andropogon gayanus no puede sembrarse en la zona ganadera de la Empresa de
Café y Forestal porque es un territorio montañoso, con mayor frecuencia de lluvia y
esta especie no soporta el encharcamiento.
La Andropogon gayanus puede sembrarse en la zona ganadera de la Empresa Mayarí
porque hay menor frecuencia de lluvia y esta especie no soporta el encharcamiento.
La Brachiaria humidícola puede sembrarse en la zona ganadera de la Empresa Mayarí
y Empresa de Café y Forestal porque crece en suelos de baja fertilidad y resistente a la
sequía e inundaciones.
Por lo tanto la especie seleccionada para sembrarse en ambas zonas ganaderas es la
Brachiaria humidícola.
3.3 Fase III. Representar-Transferir
Paso 5. Transformar del conocimiento tácito a explícito
Almacenar el nuevo conocimiento generado como se muestra en el ejemplo del Paso 4 en
una ontología.
Tarea 5. Determinar expertos del dominio que se va a modelar.
Primero se determinó como población todos los usuarios finales de la ontología; es decir,
proyectistas por área y especialista de GA. Como segundo paso se partió de la
determinación y selección apropiada del número de expertos necesarios. De esta forma,
utilizando el método probabilístico y asumiendo una ley binomial de probabilidad, con un
nivel de precisión del 10%, una proporción estimada de errores (promedio) del 2% y para
un nivel de confianza del 95%, se obtuvo una necesidad de ocho expertos. El tercer paso
fue aplicar la encuesta a experto (Ver Anexo 2) para determinar quiénes serían los ocho
expertos a consultar para transformar a través de entrevistas el conocimiento tácito a
explícito en la modelación de la ontología. El grupo de expertos está conformó por:
Especialista principal del área técnica (uno).
Especialistas superiores de proyectos e ingeniería (seis proyectistas de las diferentes
especialidades).
Especialista de gestión ambiental y documental (uno, debido a que la empresa y objeto
del estudio las dos funciones las realiza la misma persona).
Capítulo 3
60
El personal involucrado en el grupo de expertos posee nivel superior y un promedio de 18
años de experiencia en su profesión; además, los expertos seleccionados mostraron un
coeficiente de competencia alto, superior a 0.8.
Tarea 6. Seleccionar herramientas, lenguajes y metodologías
Se realizaron técnicas de benchmarking para la selección de las tecnologías y tendencias
actuales en el desarrollo de ontologías; respetando los criterios de selección emitidos en el
procedimiento. La relación herramientas, lenguajes y metodologías seleccionadas se
evidencia en la Tabla 8.
Tabla 8. Herramientas, lenguaje y metodología para el desarrollo de ontología
Lenguaje de ontología OWL DL
Lenguaje de consulta SPARQL
Editor de ontología Protégé y TopBraid Composer
Razonador de ontología Pellet
Framework para el trabajo con ontología Jena y OWL API
Metodología para el desarrollo de ontología NeOn
Paso 6. Modelar la ontología OntoEnvironmental
OntoEnvironmental fue modelada, con el objetivo de que a las conclusiones que llega el
proyectista en el Paso 4, se pueda extraer esa información mediantes consultas SPARQL de
la ontología. Por otra parte la ontología debe ser capaz de inferir este conocimiento. En la
Tabla 9 se evidencia la información que se puede obtener de la ontología mediante
SPARQL para dar respuesta a las preguntas de competencia.
Debido a lo anterior, el proyectista (experto del dominio) puede comparar los resultados de
su razonamiento con el conocimiento inferido por la ontología y valida las respuestas
obtenidas como se muestra en la Figura 11. De no coincidir, se pasaría a retroalimentar del
conocimiento tácito de los expertos, o se verificarían errores en la modelación.
Capítulo 3
61
Tabla 9. Preguntas de competencia y consultas SPARQL del ejemplo de zonas ganaderas
de Mayarí
Preguntas de Competencia (PC) SPARQL
P. ¿Qué tipos de área hay en el proyecto Mayarí?
R. Área de Empresa Mayarí
Área de Empresa Café Forestal
SELECT ?area
WHERE {
?area rdf:type OntoEnvironmental:Area
}
P. ¿Qué especie de alimento animal se puede
sembrar en la Empresa Mayarí?
R. Andropogon gayanus
Brachiaria humidícola
PREFIX foaf: OntoEnvironmental:Area
PREFIX especie:
OntoEnvironmental:AnimalFoodSpecie
CONSTRUCT { ?x
foaf:OntoEnvironmental:Area ?area }
WHERE { ?x
OntoEnvironmental:AnimalFoodSpecie
?especie }
Figura 11. Ciclo de validación del conocimiento de OntoEnvironmental
Capítulo 3
62
Tarea 7. Definir características generales y requisitos
Luego de haber aplicado los escenarios 1, 7 y 9 expuestos en la metodología NeOn para
guiar el desarrollo de la ontología OntoEnvironmental, se explican seguidamente las
características generales de la misma. OntoEnvironmental (Onto de Ontology y
Environmental, ambos en idioma inglés) es una ontología de dominio que modela el
conocimiento ambiental en la ENPA (indicadores y características ambientales para
proyectos agropecuarios). La ontología agrupa los requisitos funcionales por subdominios,
por lo que fue dividida en cinco módulos:
1. Proyecto Agrícola.
2. Proyecto Pecuario.
3. Indicador de Comportamiento Medioambiental.
4. Indicador de Gestión Medioambiental.
5. Indicador de Situación Medioambiental.
En el orden antes expuesto se estableció la priorización del conjunto de requisitos
perteneciente a la actividad de especificación de requisitos ontológicos. Se concluyó que
los módulos (1) Proyecto Agrícola y (2) Proyecto Pecuario presentan mayor prioridad que
los módulos restantes, en correspondencia a las funciones de la ENPA. Por lo anteriormente
abordado, la columna principal de esta ontología lo constituyen las clases que representan
estos dos proyectos (class:Agricultural y class:Cattle). En estas dos clases se modelaron las
características generales y específicas para proyectos agropecuarios. En el Anexo 8 se
muestra la modelación de la clase Agricultural.
Además de estos dos módulos principales, en la ontología OntoEnvironmental, se modelan
los indicadores de comportamiento, gestión y situación ambiental. La Figura 12 refleja un
ejemplo de la representación en la ontología de los tres tipos fundamentales de indicadores
para la empresa.
En OntoEnvironmental se modelan 307 clases, 88 propiedades de objeto, 1219 propiedades
de anotación, 21 individuals y la expresividad es SRIN, que significa: (S) propiedades
transitivas, (R) propiedades irreflexivas, (I) propiedades inversas (N) restricciones de
cardinalidad.
Capítulo 3
63
Figura 12. Fragmento de la clase EnviromentalIndicator.
Tarea 8. Elaborar preguntas de competencia
Las preguntas de competencia se elaboraron en correspondencia a los patrones reutilizados.
La reutilización del patrón PartOf se ha aplicado a los proyectos tanto agrícola, como
pecuario, de los cuales, los especialistas por disciplinas deben regirse por una serie de
características técnicas para su diseño. En el Anexo 9 se muestra la clase Agrícola (en el
idioma inglés Agricultural) relacionada con las clases que componen un Proyecto Agrícola
a través de la propiedad hasPart, la cual forma parte del patrón que se reutilizó PartOf.
Otro patrón que se utilizó en el desarrollo de OntoEnvironmental es Componency aplicado
para mostrar los distintos elementos que componen el MA. En la Anexo 10 se muestra la
clase Entorno (en el idioma inglés, Environment) relacionada con las clases que constituyen
sus componentes. Estas clases se relacionan mediante la propiedad hasPart, la cual forma
parte del patrón que se reutilizó Componency.
El patrón Situation se utilizó con el objetivo de representar contextos o situaciones y cuáles
son los elementos presentes en este contexto o situación. La reutilización de este patrón, fue
dirigida principalmente a la modelación de la situación existente relativa a la clase Suelo
(class:Soil). Su aplicación se muestra en la Figura 13 .
Capítulo 3
64
Figura 13. Reutilización del patrón Situation aplicado a la clase Soil
Por último se utilizó el patrón Criterion con el propósito de conocer cuál es el criterio
aplicado a la clase Comportamiento Medioambiental (class:EnvironmentalPerformance).
La aplicación de este patrón se muestra en la Figura 14.
Figura 14. Reutilización del patrón Criterion aplicado a la clase
EnvironmentalPerformance
En la Tabla 10 se muestra las respuestas obtenidas de las preguntas de competencia a través
del leguaje SPARQL, donde se evidencia, el uso de las propiedades de los diferentes
patrones de contenido. Las respuestas obtenidas de las preguntas de competencia, una vez
sometidas al criterio de los usuarios finales y entre ellos en particular los expertos
Capítulo 3
65
seleccionados en la Tarea 5, se puede concluir, que las mismas satisfacen las necesidades
de información ambiental que las originaron.
Tabla 10. Requisitos funcionales en forma de preguntas de competencia ordenados por
subdominios
Subdominio Proyecto Agrícola
Id. Preguntas de Competencia (PC) SPARQL
INDPA_02 P. ¿Cuáles son las partes que deben
tener en cuenta los proyectistas para
diseñar un Proyecto Agrícola?
R. Postcosecha, Control de Plaga,
Control de Enfermedades, Cultivo,
Semillero, Unidad Procesadora,
Aspecto Socioeconómico, Suelo,
Vivero, Agua, Cosecha.
SELECT ?restriction ?class
WHERE {?restriction
owl:onProperty
:hasGeneralCharacteristic.
:Agricultural rdfs:subClassOf
?restriction.
?restriction owl:someValuesFrom
?class }
Subdominio Proyecto Pecuario
Id. Preguntas de Competencia (PC) SPARQL
INDPP_02 P. ¿Cuáles son las partes que deben
tener en cuenta los proyectistas para
diseñar un Proyecto Pecuario?
R. Raza Animal, Salud Animal,
Alimento Animal, Unidad Procesadora,
Aspecto Socioeconómico, Suelo,
Agua.
SELECT ?restriction ?class
WHERE {?restriction
owl:onProperty
:hasGeneralCharacteristic.
:Cattle rdfs:subClassOf
?restriction.
?restriction owl:someValuesFrom
?class }
Subdominio Indicador de Comportamiento Medioambiental
Id. Preguntas de Competencia (PC) SPARQL
INDCA_06 P. ¿De qué elementos se compone el
Medio Ambiente?
R. Aire, Fauna, Flora, Suelo, Agua.
SELECT ?restriction ?class
WHERE {?restriction
owl:onProperty
componency:hasComponent.
:Environment rdfs:subClassOf
?restriction.
?restriction owl:someValuesFrom
?class }
Subdominio Indicador de Situación Medioambiental
Id. Preguntas de Competencia (PC) SPARQL
INDSA_08 P. ¿Qué determina al Suelo?
R. Situación del Suelo
SELECT ?restriction ?class
WHERE {?restriction
owl:onProperty
situation:hasSetting.
Capítulo 3
66
:Soil rdfs:subClassOf ?restriction.
?restriction owl:someValuesFrom
?class }
Subdominio Indicador de Gestión Medioambiental
Id. Preguntas de Competencia (PC) SPARQL
INDGA_06 P. ¿Qué criterio es aplicado al
Comportamiento Medioambiental?
R. Cumplimiento de las Disposiciones
Legales.
SELECT ?restriction ?class
WHERE {?restriction
owl:onProperty
criterion:hasCriterion.
:EnvironmentalPerformance
rdfs:subClassOf ?restriction.
?restriction owl:someValuesFrom
?class }
Paso 7. Diseñar arquitectura de software para un sistema que use la ontología
OntoEnvironmental.
La arquitectura propuesta en la Figura 10 servirá de interfaz a la ontología para facilitar el
uso de esta por parte de los usuarios finales. Se analiza el uso de la arquitectura de acuerdo
al ejemplo del Paso 5 de las zonas ganaderas de Mayarí. El usuario final accede al software
basado en OntoEnvieronmental, escoge el tipo de proyecto con que va a trabajar (agrícola o
pecuario) introduce los datos (en este caso raza de ganado, especie de alimento animal, las
características del suelo, edafoclimáticas y lugar). Estos datos se almacenarían en la Base
de Datos del sistema y el framework Jena se ocuparía a través de las consultas SPARQL, de
extraer las triplas RDF que se encuentran en la ontología. A través de las preguntas de
competencia el usuario obtendría el conocimiento que satisface sus necesidades de
información; es decir, las mismas conclusiones a la cual llegó el proyectista en el ejemplo
del Paso 4.
3.4 Evaluación de calidad de OntoEnvironmental
La evaluación de calidad de las ontologías debe realizarse como cualquier componente de
software. El uso de NeOn como metodología de desarrollo no garantiza completamente la
calidad de la ontología, esto es debido a que no asegura que la ontología desarrollada esté
libre de errores. Por todo lo anterior, como actividad importante dentro de la metodología
se debe realizar la evaluación de calidad de la ontología.
Capítulo 3
67
La evaluación de calidad de OntoEnvironmental se llevó a cabo empleando la herramienta
de desarrollo de ontologías Protégé y la aplicación web OOPS! que ayuda a detectar malas
prácticas en el diseño de ontologías, que podrían potencialmente provocar errores en el
modelado de las mismas. En el Anexo 11 se refleja los resultados que arrojó esta
herramienta para el caso particular de la ontología OntoEnvironmental.
A continuación se expone las actividades propuestas por (Noy and Klein, 2004) como parte
del método para la evaluación de ontologías aplicada a la evaluación de calidad de
OntoEnvironmental. Este método está constituido por cuatro partes, una para cada criterio a
evaluar:
Parte 1. Uso correcto del lenguaje
Para evaluar el uso correcto del lenguaje de la ontología, se utilizó el marco de prueba que
provee el editor para el diseño de ontologías Protégé. Los resultados arrojados no
presentaron errores en el uso del lenguaje, por lo que se puede decir que la ontología
cumple con los estándares para el desarrollo de ontologías como OWL RDF.
Parte 2. Exactitud de la estructura taxonómica
La estructura taxonómica de la ontología OntoEnvironmental está diseñada en primer lugar,
respecto a los dos primeros módulos según la Guía General y los indicadores para
proyectos de obras o actividades agrícolas definidos en (Córdova, 2005). En segundo lugar,
para los restantes tres módulos, la taxonomía está diseñada basada en la Guía de
indicadores ambientales para la Empresa (IHOBE, 1999). No fueron identificadas en la
ontología redundancias en las clases y relaciones.
Se evaluó la ontología, mediante el empleo de la aplicación web OOPS!. Este proceso se
realizó periódicamente, puesto que la herramienta se basa en las buenas prácticas de diseño
de ontologías, lo que ayudó en el modelado de OntoEnvironmental. Esta herramienta en
ocasiones detectó que existían clases y propiedades a las cuales faltaban las propiedades de
anotación, así como propiedades inversas incorrectas y clases de la ontología que no
estaban conectadas.
Estas clases de propiedades mejoran el entendimiento de la ontología y la usabilidad desde
el punto de vista del usuario. Todas las propiedades de anotaciones fueron añadidas a las
Capítulo 3
68
clases y relaciones correspondientes, por lo que se considera que la ontología
OntoEnvironmental no presenta errores en las propiedades de anotaciones.
Parte 3. Validez del vocabulario
En la ontología OntoEnvironmental los términos identificados distintos a otras fuentes de
información que no fuesen la Guía general existente para las características de proyectos de
obras o actividades agrícolas y pecuarias, y la Guía de indicadores ambientales para la
empresa, son referenciadas de las NC ISO; fuentes bibliográficas certificadas
internacionalmente.
Parte 4. Adecuación a los requerimientos
En el escenario 1 de la metodología NeOn se elaboró el Documento de Especificación de
Requisitos de la Ontología, donde se exponen todas las especificaciones para el desarrollo
de la ontología. Además incluye las preguntas de competencia, las cuales serán utilizadas
como pruebas para validar los requerimientos. La ontología OntoEnvironmental cumple las
especificaciones del DERO y las respuestas proporcionadas por la ontología a las preguntas
de competencia son correctas.
3.5 Valoración del procedimiento propuesto mediante criterio de expertos
El método Delphi es una forma de aplicar el método empírico más general de criterio de
expertos, pero con la combinación de otros métodos no necesariamente estadísticos como la
encuesta (Ramírez, 2009). Según (Landeta, 1999) es: “Obtención de una opinión grupal
fidedigna a partir de un conjunto de expertos.” Al aplicar este método, se tienen en cuenta
dos momentos: la selección de los expertos y la consulta.
Primer Momento: en esta investigación se tienen en cuenta dos tipos de expertos, en
función a la virtud que desempeñan en el experimento:
1. Los afectados: lo cuales no se distinguen por tener unos conocimientos superiores a lo
normal en el área objeto de estudio (aunque la conocen), sino porque están implicados
de alguna forma en ella.
2. Los especialistas: este grupo atesora conocimiento, experiencia, capacidad predictiva y
objetividad (Landeta, 1999).
Capítulo 3
69
El primer grupo está constituido por los ocho expertos internos, seleccionados en la Tarea 5
del procedimiento propuesto. Estos fueron el personal de la ENPA que por la función que
desempeñan y el cumplimiento de los criterios de selección establecidos, fueron
seleccionados para contribuir en la representación de su conocimiento en la ontología. Este
grupo está compuesto por: Especialista principal área técnica, Especialista de GA y
documental y seis Especialistas superiores de proyectos e ingeniería; incluyendo a la
persona encargada de solicitar al CITMA la licencia ambiental.
El segundo grupo está compuesto por los expertos externos; a los cuales se le aplicó a 20
personas la encuesta referida en el Anexo 2. La selección del grupo de expertos se basó
principalmente en el criterio de las áreas de conocimiento que interesa que estén
representadas; específicamente las áreas de GA, gestión y modelación del conocimiento.
Una de las limitantes para la selección de los expertos fue la poca experiencia práctica en la
modelación de ontologías.
El resultado de esta operación permitió el proceso de discriminación que exige el método.
Al finalizar esta actividad, de los 20 profesionales encuestados fueron seleccionados ocho,
de ellos cinco son especialistas en GA y tres en gestión y modelación de conocimiento. Por
lo tanto el grupo experto está constituido por 16 personas (ocho expertos internos y ocho
externos).
A partir del cálculo de la mediana de años de experiencia de los expertos se determinó que
es de 16 años. De ellos: el 31,25% ostenta el grado científico de Doctor en Ciencias, el
31,25% tiene el título académico de Máster en Ciencias, el 100% son profesionales
(Ingenieros, Arquitectos, Médico Veterinario, Licenciados o Profesores). Entre los
profesores 18,75% son miembros del comité académico de la Maestría de Gestión
Ambiental de la Universidad de Holguín “Oscar Lucero Moya” (UHOLM), el 18,75% son
profesores de Tecnologías Semánticas y Bases de Datos. Además 6,25% es consultor
ambiental del Centro Nacional de Normalización, 12,5% son directores de proyectos de
desarrollo local vinculados directamente al área agropecuaria y el 12,5% son directivos del
CITMA.
Segundo Momento: En el segundo momento se aplicó un instrumento (ver Anexo 12),
mediante el cual se les solicitó a los expertos, que realizaran una evaluación de las
Capítulo 3
70
diferentes fases, pasos y tareas del “Procedimiento para la gestión del conocimiento
ambiental mediante ontología en proyectos agropecuarios”. Esto se hizo a través de dos
rondas que les permitió a los expertos emitir sus criterios y valoraciones; donde cada uno
de ellos, de modo individual, se pronunció con respecto a los aspectos puestos a
consideración.
Luego de la primera ronda, se evidenció falta de consenso como se muestra en las
conclusiones del procesamiento de las encuesta en el Anexo 13. Entre los aspectos que se
observó mayor dispersión fueron los relativos al establecimiento de indicadores
ambientales y características generales y específicas para obras agrícolas y pecuarias; y la
modelación de la ontología.
Debido a la conclusión anterior, fue necesaria una presentación más detallada del
procedimiento y los resultados obtenidos en la aplicación del mismo. Antes de aplicar la
segunda ronda de encuesta se realizaron dos disertaciones del procedimiento; una
disertación en la ENPA, donde se realizaron pruebas prácticas con la ontología de manera
que los expertos pudiesen conocer su funcionamiento y ventajas. La otra disertación se
realizó en el Seminario Científico del Departamento de Ingeniería Informática de la
UHOLM. Como fruto del debate y opinión de los expertos se enriqueció el procedimiento y
se logró el consenso de sus opiniones como se muestra en el Anexo 14; donde fueron
evaluados de muy relevante todos los aspectos.
Como apoyo a la valoración positiva de los expertos, se anexan las cartas de aval de la
Directora de la ENPA UEB-Holguín (ver Anexo 15), del Director del proyecto Bases
Ambientales para la Sostenibilidad Alimentaria Local (BASAL) (ver Anexo 16), y de la
Coordinadora del Grupo de Desarrollo Local de la UHOLM (ver Anexo 17).
Conclusiones parciales
1. La aplicación del procedimiento permitió establecer un mayor compromiso de todos los
miembros de la organización con el objetivo de esta investigación.
2. Se mejoró el proceso de gestión del conocimiento ambiental, debido que el uso de la
ontología OntoEnvironmental, favorece la satisfacción de las necesidades de
Capítulo 3
71
información para proyectos agropecuarios y del proceso de gestión ambiental mediante
el uso de los indicadores propuesto.
3. La inclusión de indicadores de comportamiento, gestión y situación medioambiental en
la Estrategia ambiental apoya la toma de decisiones relativa al proceso de gestión
ambiental.
4. Los expertos del dominio al consultar la ontología propuesta y comparar su
conocimiento tácito con el conocimiento que la misma modela, colaboran en su
validación y detección de posibles errores.
Conclusiones generales
72
CONCLUSIONES GENERALES
1. Las Tecnologías Semánticas son una elección adecuada para apoyar la gestión del
conocimiento ambiental. La ontología propuesta para la ENPA tiene como propósito
facilitar el trabajo integrado con los indicadores de comportamiento, gestión y situación
medioambiental, y las características generales y específicas correspondientes a
proyectos agropecuarios.
2. La taxonomía de características generales y específicas de obras agrícolas y pecuarias
propone de una forma estructurada y jerárquica los aspectos que se tienen en cuenta en
la evaluación de impacto ambiental para contribuir a su prevención.
3. El procedimiento desarrollado consta de cuatro fases: Acceder, Generar, Representar-
Transferir y Aplicar, que transitan por 10 pasos y ocho tareas. En su concepción tiene
implícito el ciclo de gestión del conocimiento ambiental en la ENPA; propiciando la
mejora continua de este proceso.
4. La aplicación del procedimiento permitió identificar las necesidades de información
ambiental, lo que garantiza que los proyectistas prevean la mitigación de impactos
ambientales desde la etapa de diseño en los proyectos agropecuarios que realizan;
donde se demuestra la pertinencia del procedimiento.
5. La ontología OntoEnvironmental mejora las condiciones de trabajo del personal de la
empresa, ya que cuentan con la información organizada y referenciada según las
Normas Cubanas. El uso de la ontología permite que los proyectistas validen a partir de
su conocimiento tácito, el conocimiento modelado e inferido de la ontología.
Adicionalmente los proyectistas no solo harán uso de las Normas Cubanas en base a sus
experiencias, lo que permite un nivel de independencia del equipo de trabajo.
6. La propuesta de arquitectura de software basado en OntoEnvironmental integra las
tecnologías necesarias para gestionar el conocimiento semántico.
Recomendaciones
73
RECOMENDACIONES
1. Implementar e implantar la arquitectura de software basada en OntoEnvironmental para
concluir la aplicación del procedimiento en la ENPA.
2. Continuar con el desarrollo de OntoEnvironmental para garantizar actualidad de la
información.
3. Proponer generalizar el procedimiento propuesto en el resto de las UEB de la ENPA del
país.
4. Proponer además, la generalización de OntoEnvironmental a otras empresas del
Ministerio de la Agricultura, que hagan uso de la información de proyectos
agropecuarios y en proyectos de desarrollo local de este tipo, coordinados por el
CITMA.
(Brooking and Guix, 1997; Hebeler et al., 2009; Heink and Kowarik, 2010; León and
Febles, 2013; RAE, 2013c; Gangemi, 2005; Hilty et al., 2006; NC-ISO:14001, 2004; RAE,
2013a)
(Romeva, 2001)
Referencias Bibliográficas
74
REFERENCIAS BIBLIOGRÁFICAS
ÁLVAREZ, M. T. G. 2013. El rol de las tecnologías de la información y comunicación en
la gestión del conocimiento: desafío estratégico en el nuevo contexto empresarial.
Revista de ciencias sociales, 19, 322-333.
ALLEMANG, D. & HENDLER, J. 2008. Semantic Web for the Working Ontologist.
Effective Modeling in RDFS and OWL, United States, Morgan Kaufmann
Publishers
ANTONIOU, G. & HARMELEN, F. V. 2004. Web Ontology Language: OWL. In:
STAAB, S. & STUDER, R. (eds.) Handbook on Ontologies. Berlin: Springer
BARCHINI, G. & ÁLVAREZ, M. 2010. Dimensiones e indicadores de calidad de una
ontología. Revista Avances en Sistemas e Informática, 7, 29-38.
BARCHINI, G., ÁLVAREZ, M. M. & FORTEA, G. 2009. Evaluación de la calidad de los
sistemas de información basados en ontologías. In: Nuevas perspectivas para la
difusión y organización del conocimiento. Servicio de Publicaciones, 645-662.
BERNSTEIN, J. H. 2011. The data-information-knowledge-wisdom hierarchy and its
antithesis. NASKO, 2, 68-75.
BLOMQVIST, E. 2005. Fully Automatic Construction of Enterprise Ontologies Using
Design Patterns: Initial Method and First Experiences. School of Engineering.
Springer, 3761, 1314-1329.
BROOKING, A. & GUIX, J. C. 1997. El capital intelectual, Paidós Barcelona.
CABRERA, N. E., GONZÁLEZ, L. M., CASTRO, M. & RODRÍGUEZ, A. 2010. Las
ontologías de dominio en la modelación de datos. Santa Clara: Editorial Feijó
CAMPAÑA, M. P. 2005. Contribución al control de gestión en elementos de la cadena de
suministro. Modelo y procedimientos para organizaciones comercializadoras. Tesis
en opción al título académico de Doctor en Ciencias Técnicas, Universidad Central
"Marta Abreu" de las Villas.
CASTELLANOS, M. I. & GRANGEL, I. 2013. Las ontologías, su uso para la gestión del
conocimiento medioambiental. In: III Taller Internacional la Matemática, la
Informática y la Física en el Siglo XXI, 27 al 29 de marzo de 2013. Holguín.
Universidad de Ciencias Pedagógicas "Jose de la Luz y Caballero".
CASTELLANOS, M. I., GRANGEL, I. & CUESTA, R. 2013a. OntoEnvironmental:
Ontología para la gestión del conocimiento ambiental en la Empresa Nacional
de Proyectos Agropecuarios. In: VII Taller Regional sobre Medio Ambiente y
Desarrollo, 5 de junio del 2013. Universidad de Holguín "Oscar Lucero Moya",
Cuba.
CASTELLANOS, M. I., GRANGEL, I. & CUESTA, R. 2013b. Ontología basada en
indicadores ambientales para determinar necesidades de información. In: VI
Conferencia Científica Internacional de la Universidad de Holguín “Oscar Lucero
Moya”, 24 al 26 de abril del 2013. Holguín, Cuba.
CECCARONI, L. 2001. Ontowedss an ontology based environmental decision support
system for the management of wastewater treatment plants. PhD Submitted to
obtain the Degree of Doctor in Artifial Intelligence, Universitat Poliécnica de
Catalunya.
Referencias Bibliográficas
75
CEPENA, M. C. M. & RAMÍREZ, M. C. 2012. Perfeccionamiento de un instrumento para
la selección de expertos en las investigaciones educativas. REDIE. Revista
Electrónica de Investigación Educativa, 14, 167-179.
CLARK, K., PARSIA, B., GROVE, M., SIRIN, E., SMITH, M., STOCKER, M. &
KLINOV, P. 2011. Pellet: Owl 2 reasoner for java. Retrieved.
COMPOSER, T. 2007. TOPBRAID COMPOSER Features and getting Started Guide
Version 1.0, created by TopQuadrant, US.
CÓRDOVA, R. R. 2005. Evaluación de Impacto Ambiental, Nicaragua.
DAVENPORT, T. & PRUSAK, L. 1998. Working knowledge: How organizations manage
what they know. Harvard Business School Press, Boston, Massachussettes, 5.
DAVIES, N. J., GROBELNIK, M. & MLADENIÂC, D. 2009. Semantic knowledge
management: Integrating ontology management, knowledge discovery, and human
language technologies, Springer.
DAVIS, M. 2004. The Business Value of Semantic Technologies. In: HARBOR, D. (ed.) A
TopQuadrant Special Report.
DONNELLY, A., JONES, M., O'MAHONY, T. & BYRNE, G. 2007. Selecting
environmental indicator for use in strategic environmental assessment.
Environmental Impact Assessment Review, 27, 161-175.
DU, J., QI, G., SHEN, Y.-D. & PAN, J. Z. 2011. Towards practical ABox abduction in
large OWL DL Ontologies. In: Proceedings of the Twenty-Fifth AAAI Conference
on Artificial Intelligence.
DUCHARME, B. 2011. Learning SPARQL, United States of America, Published by
O’Reilly Media.
FERNÁNDEZ, E. 2012. Manual Integrado de Gestión de la UEB Holguín de la Empresa de
Proyectos e Ingeniería del MINAG, ENPA. 1 ed.
FERNÁNDEZ, H. A. F. 2013. Construcción de ontologías OWL. Vínculos, 4, 19-34.
GANGEMI, A. 2005. Ontology design patterns for semantic web content In: SPRINGER,
ed. Proceedings of the fourth international semantic web conference, Roma.
GANGEMI, A. & PRESUTTI, V. 2009. Ontology design patterns. In: STAAB, S. &
STUDER, R. (eds.) Handbook on Ontologies. Springer.
GANGOLELLS, M. & CASALS, M. 2012. Un enfoque basado en ontología para gestión
integrada del Medio Ambiente y de la seguridad y la salud en obra. Revista
Ingeniería de Construción, 103-127.
GARCÉS, D. V., LÓPEZ, E. M., GONZÁLEZ, A. Z. & EXPÓSITO, R. 2012. Programa de
desarrollo integral agropecuario municipio Mayarí. In: ENPA (ed.) 11-11-51-(h)-3
Holguín.
GARRIDO, J. 2011. Ontologías para la Evaluación de Impacto Ambiental de las
actvidades humanas. Tesis Doctoral, Universidad de Granada.
GARRIDO, J. & REQUENA, I. 2010. Gestión de conocimiento aplicado a evaluación de
impacto ambiental mediante ontologías. Ambientalia [Online], Vol.I. Available:
http://hdl.handle.net/10481/20531.
GODÍNEZ, C. I. & CÓRDOVA, R. R. 2012. Manual de Gestión Ambiental
Organizacional, Barquisimeto, Universidad Politécnica Territorial Andres Eloy
Blanco.
Referencias Bibliográficas
76
GONZÁLEZ, J. C. 2009a. Satisfacción de usuarios: la investigación sobre las necesidades
de información. In: UNAM (ed.) Centro Universitario de Investigaciones
Bibliotecológicas. México.
GONZÁLEZ, J. C. 2009b. Una aproximación a lo que son las necesidades de información.
Investigación Bibliotecológica, 5.
GONZÁLEZ, J. C. 2011. Surgimiento de las necesidades de información. Investigación
Bibliotecológica, 25, 7-9.
GRANGEL, I. 2010. Capacidades proactivas para la asistencia decisional en contextos
estratégicos de gestión logística. Tesis presentada en opción al título académico de
Máster en Informática Empresarial, Universidad Central "Marta Abreu" de las
Villas.
GRUBER, T. 1993. Toward principles for the design of ontologies used for knowledge
sharing. International Journal of Human, 43, 907–928.
GUARINO, N. 1995. Formal ontology, conceptual analysis and knowledge representation.
International Journal of Human-Computer Studies, 43, 625-640.
GUARINO, N. & WELTY, C. 2002. Evaluating ontological decisions with OntoClean.
Communications of the ACM, 45, 61-65.
HEBELER, J., FISHER, M., BLACE, R. & PEREZ-LOPEZ, A. 2009. Semantic web
programming, John Wiley & Sons.
HEINK, U. & KOWARIK, I. 2010. What are indicators? On the definition of indicators in
ecology and environmental planning. Ecological Indicators ELSEVIER, 10, 584–
593.
HILTY, L. M., PAGE, B. & HREBICEK, J. 2006. Environmental informatics.
Environmental Modelling & Software.ELSEVIER, 21, 1517-1518.
HORRIDGE, M. 2009. A Practical Guide To Building OWL Ontologies Using Protégé 4
and CO-ODE Tools Edition1. 2. The University Of Manchester.
HORRIDGE, M. & BECHOFER, S. 2009. The OWL API: A Java API for working with
OWL 2 Ontologies. In: OWLED. 11-21.
HUANG, J., ABADI, D. J. & REN, K. 2011. Scalable SPARQL querying of large RDF
graphs. Proceedings of the VLDB Endowment, 4, 1123-1134.
HUANG, K.-W., CHENG, W.-C., TSAI, C.-W. & YANG, C.-S. 2012. Design and
Implementation of an Ontology based Intelligent Project Management System. In:
26th International Conference on Advanced Information Networking and
Applications Workshops (WAINA). IEEE, 339-343.
IBARRA, S. 2003. Modelo y procedimientos para el análisis y proyección competitiva de
unidades estratégicas de fabricación en empresas manufactureras cubanas. Tesis
presentada para optar por el grado de Doctor en Ciencias Técnicas, Universidad
Central "Martha Abreu" de las Villas.
IHOBE 1999. Guía de Indicadores Medioambientales para la Empresa. In:
MEDIOAMBIENTAL, A. F. (ed.). Berlin: Ministerio Federal para el Medio
Ambiente, la Conservación de la Naturaleza y la Seguridad Nuclear.
IQBAL, R., MURAD, M. A. A., MUSTAPHA, A. & SHAREF, N. M. 2013. An analysis of
Ontology Engineering Methodologies: A literature review. Engineering and
Technology, 6, 2993-3000.
Referencias Bibliográficas
77
JAIN, V. & SINGH, M. 2013. Ontology development and query retrieval using Protégé
Tool. International Journal of Intelligent Systems and Applications (IJISA), 5, 67-
75.
KOIDE, S. & TAKEDA, H. 2009. Meta circularity and mop in common lisp for OWL Full.
In: Proceedings of the 6th European Lisp Workshop. ACM, 28-34.
KRIGLSTEIN, S. & WALLNER, G. 2010. Knoocks a visualization approach for OWL
Lite ontologies. In: International Conference on Complex, Intelligent and Software
Intensive Systems (CISIS). IEEE, 950-955.
LANDETA, J. 1999. El método Delphi. Una técnica de previsión para la incertidumbre,
Barcelona, España, Editorial Ariel S.A.
LEÓN, G. & FEBLES, O. 2013. Gestión del conocimiento en la gerencia. El conocimiento
y su gestión. In: II Escuela Internacional de Invierno, Universidad de las Ciencias
Informáticas, Cuba.
LIU, X., THOMSEN, C. & PEDERSEN, T. B. 2011. 3XL: Supporting efficient operations
on very large OWL Lite triple stores. Information Systems. Elsevier, 36, 765-781.
LIYANG, Y. 2007. Introduction to the Semantic Web and Semantic Web Services. New
York: Chapman & Hall/CRC.
LORA, A. M., MUÑOZ, L. M. & RODRÍGUEZ, G. A. 2008. Manual de Acceso a la
Información y a la Participación Ambiental en Colombia. In: ILSA (ed.) Colección
útiles para conocer y actuar. Bogotá, Colombia.
MANTEIGA, L. 2000. Los indicadores ambientales como instrumento para el desarrollo de
la política ambiental y su integración en otras políticas. Estadística y Medio
Ambiente, 75-87.
MATENTZOGLU, N., BAIL, S. & PARSIA, B. 2013. A corpus of OWL DL ontologies.
Proc. DL, 13, 829-841.
MEDINA, M. A., SÁNCHEZ, J. A., BENITEZ, A. & DE LA CALLEJA MORA, J. 2011.
Modelo de Gestión de Datos Compartidos de Producción Científica. Conciencia
Tecnológica, 42, 55-61.
MEDITSKOS, G. & BASSILIADES, N. 2010. DLEJena: A practical forward chaining
OWL 2 RL reasoner combining Jena and Pellet. Web Semantics: Science, Services
and Agents on the World Wide Web, 8, 89-94.
MÖLLER, M., SINTEK, M., BIEDERT, R., ERNST, P., DENGEL, A. & SONNTAG, D.
2010. Representing the International Classification of Diseases Version 10 in OWL.
In: KEOD. 50-59.
NC-ISO:49 1981. Control de la Calidad-Métodos de Expertos. In: ONN (ed.). La Habana,
Cuba.
NC-ISO:14001 2004. Sistemas de Gestión Ambiental-Requisitos con orientación para su
uso. In: ONN (ed.). La Habana, Cuba.
NC-ISO:14004 1998. Sistema de Gestión Ambiental, directrices fundamentales sobre
principios, sistemas y técnicas de apoyo. In: ONN (ed.). Ciudad de La Habana,
Cuba.
NONAKA, I. & TAKEUCHI, H. 1995. The knowledge creating company: How Japanese
companies create the dynamics of innovation, New York, Oxford University Press.
Referencias Bibliográficas
78
NOY, N. & KLEIN, M. 2004. Ontology evolution: Not the same as schema evolution.
Knowledge and information systems, 6, 428-440.
NOY, N. & MCGUINNESS, D. 2001. Ontology Development 101: A guide to Creating
your First Ontology. In: SMI-2001-0880, T. R. (ed.) Technical Report KSL-01-05
and Stanford Medical Informatics. Stanford: Knowledge Systems Laboratory.
OCAÑA, A. B. 2009. Aproximación a una taxonomía de modelos de gestión del
conocimiento. Intangible Capital, 5, 65-101.
OSPINA, Ó., GRAJALES, H. & MANRIQUE, C. 2011. Gestión del conocimiento: mayor
producción y competitividad. Perspectivas para los sistemas de producción ovino-
caprinos. Revista de Medicina Veterinaria, 22, 95-113.
PAULA, I. N. 2004. Las necesidades de información y formación: perspectivas socio-
psicológica e informacional. ACIMED [Online], 12. Available:
http://bvs.sld.cu/revistas/aci/vol12_5_04/aci04504.htm [Accessed 2 septiembre
2013].
PÉREZ, D. & DRESSLER, M. 2007. Tecnologías de la información para la gestión del
conocimiento. Intagible Capital, 3, 51-59.
PÉREZ, J., ARENAS, M. & GUTIERREZ, C. 2009. Semantics and complexity of
SPARQL. ACM Transactions on Database Systems (TODS), 34, 16.
PIEDRA, N., CHICAIZA, J., LÓPEZ, J., CADME, E., TORRES, D., CABRERA, M.,
ELIZALDE, R., VALAREZO, M., VIÑÁN, M. & ROMERO, A. 2012. Estado del
arte sobre tecnologías de la Web Social y Web Semántica para la mejora de
accesibilidad en educación superior. In: Actas del IV Congreso Internacional sobre
Aplicación de Tecnologías de la Información y Comunicaciones Avanzadas. 77-91.
PIORR, H. P. 2003. Environmental policy, agri-environmental indicators and landscape
indicators. Agriculture, ecosystems & environment. Elsevier, 98, 17-33.
POLLOCK, J. T. 2009. Semantic Web for Dummies, Indianapolis, Indiana, Publishing and
Editorial for Technology Dummies.
POVEDA-VILLALON, M. 2010. Metodología NeOn aplicada a la representación del
contexto. Máster de Investigación en Inteligencia Artificial, Universidad Politecnica
de Madrid.
POVEDA-VILLALÓN, M. 2009. Red de Ontologías para el Camino de Santiago. Tesis en
opción al título de Ingeniero Informático, Universidad Politécnica de Madrid.
POVEDA-VILLALÓN, M. & SUÁREZ-FIGUEROA, M. C. 2011. OOPS! – OntOlogy
Pitfalls Scanner! Ontologic Engineering.2,25-37.
POVEDA-VILLALÓN, M., SUÁREZ-FIGUEROA, M. C. & GÓMEZ-PÉREZ, A. 2012a.
Did you validate your ontology? OOPS! In: 9ª Extended Semantic Web
Conference (ESWC2012), Heraklion, Grecia.
POVEDA-VILLALÓN, M., SUÁREZ-FIGUEROA, M. C. & GÓMEZ-PÉREZ, A. 2012b.
Validating ontologies with OOPS! Knowledge Engineering and Knowledge
Management. Springer Berlin Heidelberg.
POVEDA-VILLALÓN, M., SUÁREZ-FIGUEROA, M. C. & GÓMEZ-PÉREZ, A. 2013.
A Pitfall catalogue and OOPS!: an approach to ontology validation. In: Ontology
Summit2013, Universidad Politécnica de Madrid.
Referencias Bibliográficas
79
PRESUTTI, V., BLOMQVIST, E., DAGA, E. & GANGEMI, A. 2012. Pattern-based
ontology design. In: SUÁREZ-FIGUEROA, M. C., GÓMEZ-PÉREZ, A., MOTTA,
E. & GANGEMI, A. (eds.) Ontology Engineering in a Networked World. Springer.
PRESUTTI, V. & GANGEMI, A. 2008. Content ontology design patterns as practical
building blocks for web ontologies. Conceptual Modeling - ER 2008. Lecture Notes
in Computer Science Springer.
PRUD’HOMMEAUX, E. & SEABORNE, A. 2008. SPARQL query language for RDF.
W3C recommendation, 15.
RAE. 2013a. Impacto ambiental [Online]. Real Academia Española. Available:
http://www.wordreference.com/es/en/frames.asp?es=impacto [Accessed 11 Octubre
2013].
RAE. 2013b. Inferir [Online]. Real Académia Española. Available:
http://www.wordreference.com/definicion/inferir [Accessed 30 de Septiembre
2013].
RAE. 2013c. Taxonomía [Online]. Real Académia Española. Available:
http://www.wordreference.com/es/en/frames.asp?es=taxonomia [Accessed 2 de
Octubre 2013].
RAMÍREZ, M. C. 2009. El método Delphi en las investigaciones educacionales, La
Habana, Cuba, Editorial Académia.
RAMOS, E., NÚÑEZ, H. & CASAÑAS, R. 2009. Esquema para evaluar ontologías únicas
para un dominio de conocimiento. Enl@ce: Revista Venezolana de Información,
tecnología y conocimiento, 6, 57-72.
ROMANÍ, J. C. C. 2009. El concepto de tecnologías de la información. Benchmarking
sobre las definiciones de las TIC en la sociedad del conocimiento Zer, 14, 295-318.
ROMEVA, C. R. 2001. Diseño de Máquina V. Metodología, España, ETSEIB-UPC.
SALAZAR, A. P. 2000. Modelo de implantación de Gestión del Conocimiento y
Tecnologías de Información para la generación de ventajas competitivas. Trabajo
final para obtener el título de Ingeniero Civil Informático, Universidad Técnica
Federico Santa María.
SÁNCHEZ, R. G. & MUIÑA, F. E. G. 2011. Innovación abierta: Un modelo preliminar
desde la gestión del conocimiento. Intangible Capital, 7, 82-115.
SENSO, J. A. 2011. Gestión del conocimiento y tecnologías semánticas en inteligencia y
defensa. Inteligencia y Seguridad, 10, 29-53.
SICILIA, M., RODRÍGUEZ, D., GARCÍA-BARRIOCANALA, E. & SÁNCHEZ-
ALONSO, S. 2012. Empirical findings on ontology metrics. Expert Systems with
Applications. ELSEVIER, 39, 6706–6711.
SOSA, L. M., VELÁZQUEZ, I., DIGIÓN, L., LESCANO, G. & PACHECO TOLEDO, R.
2012. Tecnologías Informáticas aplicadas a comunidades de práctica académica del
ámbito universitario. In: REDUNCI, ed. XIV Workshop de Investigadores en
Ciencias de la Computación. 898-902.
STAAB, S. & STUDER, R. 2009. Handbook on ontologies, New York, Springer.
STOJANOVIC, N. & STOJANOVIC, L. 2002. Searching for the Knowledge in the
Semantic Web. In: FLAIRS Conference. 435-439.
Referencias Bibliográficas
80
STUDER, R., BENJAMINS, V. R. & FENSEL, D. 1998. Knowledge engineering:
principles and methods. Data & knowledge engineering, 25, 161-197.
SUÁREZ-FIGUEROA, M. C., GARCÍA-CASTRO, R., VILLAZÓN-TERRAZAS, B. &
GÓMEZ-PÉREZ, A. 2011. Essentials in Ontology Engineering: Methodologies,
Languages, and Tools. In: CIB conference W078-W012 - 2nd Workshop on
Buildings Data Models, 26-28 octobre 2011 Sophia Antipolis, Francia.
SUÁREZ-FIGUEROA, M. C., GÓMEZ-PÉREZ, A. & FERNÁNDEZ-LÓPEZ, M. 2012.
The NeOn Methodology for Ontology Engineering. In: SUÁREZ-FIGUEROA, M.
C., GÓMEZ-PÉREZ, A., MOTTA, E. & GANGEMI, A. (eds.) Ontology
Engineering in a Networked World. Springer.
SUÁREZ-FIGUEROA, M. D. C. 2010. NeOn Methodology for building ontology
networks: specification, scheduling and reuse. Tesis en opción al título de Doctor,
Universidad Politécnica de Madrid.
TANDAZO, R. E. G., DEL CARMEN CABRERA, M. & ROMERO, A. 2012. Estudio
comparativo y evaluación de razonadores para Lenguajes Ontológicos en la Web
Semántica.
TARTIR, S., ARPINAR, I. B., MOORE, M., SHETH, A. P. & ALEMAN-MEZA, B. 2005.
OntoQA: Metric-based ontology quality analysis. In: IEEE Workshop on
Knowledge Acquisition from Distributed, Autonomous, Semantically
Heterogeneous Data and Knowledge Sources, November 27 Houston, Texas, USA.
TARTIR, S., ARPINAR, I. B. & SHETH, A. P. 2010. Ontological evaluation and
validation. In: POLI, R., HEALY, M. & KAMEAS, A. (eds.) Theory and
Applications of Ontology: Computer Applications. Springer.
TOMÁS, J. V., ESCOTO, R. P., VICEDO, J. C., LANGA, M. E. & 2004. Las herramientas
de gestión del conocimiento. Una visión integrada VIII Congreso de Ingeniería de
Organización [Online].
TORRES, I. D., BONILLA, M. L. & LUNA, J. A. G. 2012. Metodologías y métodos para
la construcción de ontologías. Scientia Et Technica, 17, 133-140.
TUDORACHE, T., NYULAS, C. I., NOY, N. F. & MUSEN., M. A. 2011. WebProtégé: A
Collaborative Ontology Editor and Knowledge Acquisition Tool for the Web
[Online]. Semantic Web Journal. Available: http://webprotege.stanford.edu
[Accessed 11 Septiembre 2013].
VISBAL, S. A. 2009. La gestión documental, de información y el conocimiento en la
empresa: El caso de Cuba. ACIMED [Online], 19. Available:
http://scielo.sld.cu/scielo.php [Accessed 12 Agosto 2013].
WEITEN, M. 2009. OntoSTUDIO® as a Ontology Engineering Environment. In:
DAVIES, J., GROBELNIK, M. & MLADENIĆ, D. (eds.) Semantic Knowledge
Management. Integrating Ontology Management, Knowledge Discovery, and
Human Language Technologies. Springer.
ZILLI, A., DAMIANI, E., CERAVOLO, P. & CORALLO, A. 2009. Semantic Knowledge
Management: An Ontology-Based Framework, United States of America, IGI
Global.
Anexos
I
Anexo 1: Características generales y específicas para proyectos agrícolas y pecuarios
Proyecto agrícola
a) Características generales:
Tipos de tecnologías productivas: agrícola o agroindustrial
Tipo de explotación: intensiva, semi-intensiva o natural
Volumen estimado de producción
Aprovechamiento de los recursos naturales existentes en el área
Maquinarías que serán empleadas y características en función de su actividad
específica
Fuentes de energía y combustible
Propuesta del plan de manejo integral de los desechos sólidos y residuales
líquidos
Cambios climáticos
b) Semilleros y Viveros
Ubicación
Certificación, procedencia y calidad de la semilla
Tratamiento previo
c) Cultivos
Especies y variedades características de la región
Selección y procedencia de los principales cultivos de acuerdo a las condiciones
edafoclimáticas
Consecuencia de la introducción de las nuevas especies y variedades en el
equilibrio ecológico de los ecosistemas.
Empleo de técnicas de rotación y asociación de cultivo
d) Suelos
Cambio de uso
Composición química y física: fertilidad y factores limitantes
Rendimiento promedio
Tecnologías de manejo, preparación y conservación
Anexos
II
Posibles efectos de la estructura del suelo: compactación, degradación, erosión.
Pérdida de materia orgánica y capa vegetal, reducción de capacidad de retención
del H2O.
Aplicación de métodos antierosivos
Tipo de fertilización (orgánica, mineral, química o biológica), forma de
aplicación.
e) Agua
Disponibilidad del recurso
Fuente de abasto
Sistema de riego
Posibles afectaciones causadas a sistemas acuíferos, drenaje natural o artificial y
masas de agua
Calidad del agua
f) Control de plagas y enfermedades
Principales plagas y enfermedades identificadas en la región y frecuencia de
aparición
Métodos de diagnóstico
Método de control: químico, biológico, físico, cultural y otros
Señalización de los productos
g) Cosecha y postcosecha
Tratamiento de los productos
Envases y embalajes: materias primas utilizadas
Disposición final de los desechos de la cosecha, especificando si serán
aprovechados
h) Unidades procesadoras de frutas y vegetales
Ubicación dentro del área
Equipamiento técnico y capacidad instalada
Descripción del proceso tecnológico de producción
Disponibilidad del recurso agua: fuente, calidad y volumen diario a emplear
Ingredientes y sustancias auxiliares del proceso
Anexos
III
Fuentes de energía y consumo diario
Medidas higiénico sanitarias y medios de protección
Condiciones de almacenamiento: proceso de envasado, embalaje y etiquetado
Certificación de calidad del producto terminado
Disposición final de los desechos sólidos y los residuales líquidos, incluyendo
su caracterización, tratamiento y monitoreo
i) Aspectos socioeconómicos
Mano de obra disponible
Prácticas productivas agrícolas tradicionales de la región
Vivienda
Educación y salud
Calidad de vida
Rendimiento
Proyecto pecuario
j) Características generales:
Tipo de explotación: intensiva, semi-intensiva, rústica o natural.
Aplicación de tecnologías productivas industriales.
Volumen estimado de producción.
Aprovechamiento de los recursos naturales existentes en el área.
Maquinarias que serán empleadas y características en función de su actividad
específica.
Fuentes de energía y consumo diario,
Propuesta de plan de manejo integral para los desechos sólidos y residuales
líquidos.
Descripción de las instalaciones que conforman la infraestructura básica y el
área que ocupan: casas de sombra, naves de ordeño, recrías, lecherías,
frigoríficos, mataderos, laboratorios, áreas de pastoreo y otras.
k) Especies y razas:
Especies y razas características de la región.
Anexos
IV
Especies y razas introducidas: procedencia, características y su influencia en el
equilibrio ecológico de los ecosistemas.
Carga animal por unidad.
Características y condiciones higiénico-sanitarias de las instalaciones de
atención los animales.
l) Salud animal:
Programa de atención veterinaria.
Principales plagas y enfermedades identificadas en la región y frecuencia de
aparición.
Métodos de diagnóstico y control.
Señalización de los productos.
m) Alimento animal:
Tipos de alimentos y procedencia
Dietas básicas.
Autonomía para la producción de alimentos
Especies y variedades de la región
Selección y procedencia de los principales cultivos
Certificación de las semillas, procedencia y tratamiento previo
Consecuencias de la introducción de nuevas especies y variedades en el
equilibrio ecológico de los ecosistemas
Empleo de técnicas de rotación y asociación de cultivos
Técnicas de siembra y plantación
Sistema de manejo, explotación y conservación de los pastos
Manejo de los productos postcosecha, tratamiento y disposición final de los
desechos, especificando si serán aprovechados.
n) Suelos:
Composición química y física: fertilidad y factores limitantes
Rendimiento promedio
Tecnologías de manejo, preparación y conservación
Posibles efectos en la estructura del suelo: compactación, degradación, erosión,
Anexos
V
pérdida de materia orgánica y capa vegetal, reducción de la capacidad de
retención del agua
Aplicación de métodos antierosivos
Tipos de fertilización (orgánica, mineral, química o biológica), forma de
aplicación y dosis.
o) Agua:
Disponibilidad del recurso
Fuentes de abasto
Calidad para el consumo animal
Sistema de riego
Posibles afectaciones causadas a sistemas acuíferos, drenaje natural o artificial y
masas de agua.
p) Unidades receptoras y procesadoras:
Ubicación dentro del área
Equipamiento técnico y capacidad instalada.
Descripción del proceso tecnológico de producción
Disponibilidad del recurso agua: fuente, calidad y volumen diario a emplear.
Ingredientes y sustancias auxiliares del proceso
Fuentes de energía y consumo diario
Medidas higiénico-sanitarias y medios de protección.
Condiciones de almacenamiento: proceso de envasado, embalaje, etiquetado.
Certificación de calidad del producto terminado.
Disposición final de los desechos sólidos y los residuales líquidos, incluyendo
su caracterización, tratamiento y monitoreo.
q) Aspectos socioeconómicos:
Mano de obra disponible
Prácticas productivas tradicionales de la región
Educación y salud
Calidad de vida
Anexos
VI
Anexo 2. Encuesta de selección de expertos
Nombre y apellidos: _____________________________________________________
Institución a la que pertenece: _____________________________________________
Cargo actual: __________________________________________________________
Años de experiencia en el cargo: ______
Calificación profesional, grado científico o académico:
Técnico: ___Licenciado: ___ Ingeniero: ___ Arquitecto: __ Especialista: ___ Máster: ___
Doctor: ___
1.- Marque con una cruz (X), en la tabla siguiente, el valor que se corresponde con el grado
de conocimientos que usted posee en la materia presentada. Considere que la escala que le
presentamos es ascendente, es decir, el conocimiento sobre el tema referido va creciendo
desde 0 hasta 10:
1 2 3 4 5 6 7 8 9 10
2.- Realice una autovaloración del grado de influencia que cada una de las fuentes que le
presentamos a continuación, ha tenido en sus conocimientos y criterios. Para ello marque
con una cruz (X), según corresponda, MA: muy alto, A: alto, M: medio, B: bajo, MB: muy
bajo, N: nulo
Fuentes de argumentación Grado de influencia de las fuentes
en su criterio
MA A M B MB N
Capacidad de anánalisis
Comprensión del problema
Amplitud de enfoques
Conocimiento del estado actual del problema
Nivel de motivación por resolver el problema
Experiencia en el desarrollo de investigaciones teóricas
Experiencia en el orden empírico (práctica profesional)
Muchas Gracias
Anexos
VII
Anexo 3. Mapa de procesos de la ENPA
Anexos
VIII
Anexo 4. Flujograma del Sistema de Gestión Ambiental
ANEXO: K .
FLUJOGRAMA DE SISTEMA DE GESTIÓN AMBIENTAL
IDENTIFICACIÓN
PELIGROS
Política
Objetivos
INVESTIGACIÓN
INCIDENTES
ACCIDENTES
FUNCIONAMIENTO COMISIÓN.
EVALUACIÓN CUMPLIMIENTO
DEL PLAN.
INDICADORES DE EFICACIA.
PROPUESTA DE MEJORAS. MEJORA
PLAN SGA
CONSULTA
DOCUMENTACIÓN
LEGAL APLICABLE
CONTROL
EVALUACIÓN
RIESGOS
INFORMES
EVALUACIÓNPLANES DE
EMERGENCIA
PROGRAMA DE CAPACITACIÓN Y CONCIENTIZACIÓN
PLAN DE ACCIONES DE ELIMINACIÓN O
MITIGACIÓN DE IMPACTOS NEGATIVOS Y PROGRAMA AHORRO
ACEPTACIÓN
REVISIÓN
POR LA
DIRECCIÓN
TOLERABLE
Áreas:
Proyectos
Mantenimiento
Transporte
Cocina-Comedor
Almacenes
Dirección
Grupos
Parqueo
Aspectos ambientales:
Consumo Energía
Consumo Combustible
Gasto de Agua
Emisiones al aire
Descarga al agua
Gestión de residuos;
Contaminación de suelos;
Consumo de materias primas y
recursos naturales;
Otros temas ambientales
No
Acciones Proactivas, Preventivas.
No
Acciones
Correctivas
Preventivas
Si
CONTROL
OPERACIONAL
Estrategia
Anexos
IX
Anexo 5. Flujograma del Sistema de gestión del conocimiento
Flujograma Sistema Gestión del Conocimiento
Proceso de la Gestión de la Información y del Conocimiento.
Objeto Social
Cartera de Servicios
Necesidad de la Sociedad y Clientes
Nuevos Servicios y Tecnologías
1- Planificación
Misión
Visión
Estrategias
Objetivos
Fuentes del Conocimientos:
Conocimiento Tácito (Líderes y Mapa conocimiento)
UICT Frentes de Proyectos
Superación y Capacitación del Personal. Conf. Cursos.
Sist. Vigilancia e Inteligencia Tecnológica (VIT)
Relaciones con Universidades y Centro de Superación.
Revisiones de Patentes y Control de Autor. (SIPI).
Resultados de I + D., Bolsa de Soluciones, Servicios
Ley 221, Gestión de Archivos.
Convenios y Relaciones con UICT, CITMA.
Navegación Internet y Correo Corporativo.
Eventos, Talleres, Páginas Amarillas,
Métodos de Análisis Grupal.
Infraestructura + Recursos
Local + Aseguramiento
Tecnología Informática
Presupuestos
Recursos H. , Competencia.
2- Organización y Ejecución
A- Adquisición (Identificación, Selección
B- Procesamiento (Crear y Almacenar
C- Distribución ( Codificación y Difundir)
Procesamiento Topográfico( Impreso o
Digital)
SAICTEC
Normateca , Biblioteca, Archivo
Catálogos
Biblioteca Virtual.
Videos Conferencias.
Bases de Datos.
Diseminación Selectiva.
Manuales.
Pág Web.
Alerta Tecnológica. Boletines. Pág. Amarillas.
Conocimiento
Tácito
Conocimiento
Organizacional
D- Usar (Añadir Valor
Desarrollo Organizacional
Mayor Competencia para
Satisfacer
Necesidades.
Procedimientos de Procesos
Nuevos Servicios. Proyectos
Nuevas Tecnologías
Incremento de la Productividad
Disminución de Costos
Incremento de Competencia
Innovación.
3- Análisis Datos
Evaluación de Impacto
Evaluación de Eficacia
Información
4- Revisión Dirección
Proceso de Mejora
ANEXO: C.
Anexos
X
Anexo 6. Flujograma de producción
FIN
LICITACIÓN
ANEXO B:
FLUJOGRAMA DE PRODUCCIÓN DE LA UEB. MIG Cláusula 7.
DIRECTA
FIRMA
CARTA
INTENCIÓN
ACEPTACIÓN
DESIGNACIÓN
DIRECTOR
PROYECTOS
CONSULTA
ELECCIÓN EQUIPO
PROYECTO Y
TÉCNICO ASESOR
TAREA
PROYECCIÓN
TÉCNICA
ACEPTACIÓN
MODIFICACIÓN
CANCELACIÓN
CONTRATOEJECUCIÓN
DEL
SERVICIO
REUNIÓN DE
ARRANQUE
Incluye: Plan de
Calidad
DEC.
CONF.
PROVEEDOR
ENTREGA
AL
CLIENTE
ACEPTACIÓNACEPTACIÓN
EVALUACIÓN
DE LA CALIDAD
X EL CLIENTE
MEJORAS
CONTINUAS
INFORME
FINAL
CONTROL
AUTOR
1
2
1
2
Se aprueban
los plazos de
ejecusión, la
necesidad de
materiales,
transportación.
Coeficientes
de pago.
PP-O1 El proyectista ante de co-
PP-07 menzar su diseño revisa-
PP-10 los elementos de entrada
PP-11 y la tarea técnica.
PP-13 Conformará su proyecto
PP-14 en correspondencia con
PP-15 su Pe, los requisitos lega-
PP-16 les del MA, la SST y del
PP-17 producto. Cumplirá con la
PP-19 Rev, Verif y la Validación.
PP-23
PP-O1
PP-15
PP-16
PP-18
PP-19
PP-19
PP-20
PP-21
PP-23
PP-18
PP-19
PP-21
No existen posibilidades deSatisfacer el Cliente.
No se llega a acuerdos.
No: Reclamaciones o
quejas reconocidas.
PG-05.
No: Se incumplen los requisitos del Producto.Se ha incumplido los requisitos del SIG.
Faltan documentos en el expediente.
No
PP-01
PP-03
PP-05
PP-13
PP-23
PP-05
PP-07
PP-23
Decisión,
Precio.
(DFP, Prog, y
Dtora).
PE-17
PP-02 PP-04PP-01, PP-02
No
.
No.
Si.
Si.
Si.
No
No: Falta elementos de entrada.
No existen los recursos requeridos.
Los requisitos por encima de las posibilidades.
Se viola la legalidad sobre MA y SST.
Faltan
elementos
Entrada.
INICIO
No
Anexos
XI
Anexo 7. Identificación de impactos ambientales durante el flujo productivo
FIN
LICITACIÓN
DIRECTA
FIRMA
CARTA
INTENCIÓN
ACEPTACIÓN
DESIGNACIÓN
DIRECTOR
PROYECTOS
CONSULTA
ELECCIÓN EQUIPO
PROYECTO Y
TÉCNICO ASESOR
TAREA
PROYECCIÓN
TÉCNICAACEPTACIÓN
MODIFICACIÓN
CANCELACIÓN
CONTRATOEJECUCIÓN
DEL
SERVICIO
REUNIÓN DE
ARRANQUE
Incluye: Plan de
Calidad
DEC.
CONF.
PROVEEDOR
ENTREGA
AL
CLIENTE
ACEPTACIÓNACEPTACIÓN
EVALUACIÓN
DE LA CALIDAD
X EL CLIENTE
MEJORAS
CONTINUAS
INFORME
FINAL
CONTROL
AUTOR
1
2
1
2
No existen posibilidades deSatisfacer el Cliente.
No se llega a cuerdos.
No: Reclamaciones o
quejas reconocidas.
PG-05.
No: Se incumplen los requisitos del Producto.Se ha incumplido los requisitos del SIG.
Faltan documentos en el expediente.
No
No
.
No.
Si.
Si.
Si.
No
No: Falta elementos de entrada.
No existen los recursos requeridos.
Los requisitos por encima de las posibilidades.
Se viola la legalidad sobre MA y SST.
Faltan
elementos
Entrada.
INICIO
No
IDENTIFICACIÓN DE IMPACTOS AMBIENTALES
DURANTE EL FLUJO PRODUCTIVO
IMPACTOS IDENTIFICADOS DURANTE
EL FLUJO PRODUCTIVO:
GASTO DE ENERGÍA ELÉCTRICA, GASTO DE COMBUSTIBLE,
EMISIÓN DE RESIDUALES SÓLIDOS, GASTO DE PAPEL, AGUA
ANEXO: D.
Anexos
XII
Anexo 8. Fragmento de la clase Agricultural modelada en OntoEnvironmental
Anexos
XIII
Anexo 9. Reutilización del patrón PartOf aplicado a los aspectos que componen un proyecto agrícola
Anexos
XIV
Anexo 10. Reutilización del patrón Componency aplicado a los elementos que son componentes del entorno
Anexos
XV
Anexo 11: Evaluación de OntoEnvironmental en OOPS!
Anexos
XVI
Anexo 12. Encuesta a expertos
Como parte del tema de tesis de la Maestría en Informática para la Gestión Medioambiental
se está elaboró un Procedimiento para la gestión del conocimiento ambiental mediante
ontología en proyectos agropecuarios. La cual deseo usted consulte, ya que se requiere de
su opinión.
Indicaciones
A continuación le presentamos una tabla que contiene las fases, pasos y tareas que se
proponen para el procedimiento.
Escala:
MR: Muy relevante. BR: Bastante relevante. R: Relevante. PR: Poco relevante.
NR: Nada relevante.
Marque con una cruz (X) en la celda que se corresponda con el grado de relevancia que
usted otorga a cada una de las fases, pasos y tareas del procedimiento propuesto.
Le agradecemos anticipadamente el esfuerzo que sabemos hará para responder, con la
mayor fidelidad posible a su manera de pensar la presente encuesta. Muchas gracias.
SOBRE EL PROCEDIMIENTO PROPUESTO
Aspectos a Consultar MR BR R PR NR
Fase I.
Acceder
Paso 1. Presentación
Paso 2. Caracterizar el proceso de gestión del
conocimiento ambiental
Tarea 1. Diagnosticar fuentes bibliográficas que
rigen el proceso de Gestión Ambiental actual
Tarea 2. Incluir fuentes bibliográficas que
apoyen el proceso de Gestión Ambiental
Fase II.
Generar
Paso 3. Identificar necesidades de información
ambiental.
Tarea 3. Establecer indicadores de
comportamiento, gestión y situación ambiental
Tarea 4. Establecer características generales para
obras agrícolas y pecuarias
Paso 4. Obtener conocimiento
Fase III.
Representar-
Paso 5. Transformar del conocimiento tácito a
explícito
Anexos
XVII
Transferir Tarea 5. Determinar expertos del dominio que se
va a modelar
Tarea 6. Seleccionar herramientas, lenguajes y
metodologías
Paso 6. Modelar la ontología OntoEnvironmental
Tarea 7. Definir características generales y
requisitos
Tarea 8. Elaborar preguntas de competencia
Paso 7. Diseñar arquitectura de software para un
sistema que use la ontología OntoEnvironmental
Paso 8. Implementar arquitectura de software que
use la ontología OntoEnvironmental
Fase IV.
Aplicar
Paso 9. Implantar software basado en
OntoEnvironmental
Paso 10. Impartir cursos de capacitación a
usuarios finales
Fase V. Identificar nuevas necesidades de información
ambiental (retroalimentación)
Escriba a continuación que fases, pasos y tareas considera que deben ser incluidos o
eliminados en esta propuesta:
Fases, pasos y tareas que se proponen ser
incluidos
Fases, pasos y tareas que se proponen ser
eliminados
Anexos
XVIII
Señale a continuación, si considera que el nombre de alguna de las fases, pasos y tareas
propuestas, debe ser cambiada:
Las fases, pasos y tareas aparece como Las fases, pasos y tareas debe ser
cambiado por
Otra sugerencia que usted desee hacer sobre el Procedimiento para la gestión del
conocimiento ambiental mediante ontología en proyectos agropecuarios, que es
sometiendo a su consideración.
Anexos
XIX
Anexo 13. Resultados de primera ronda de expertos
CONCLUSIONES GENERALES
Fases, Pasos y Tareas del Procedimiento MR BR R PR NR
Fase I: Acceder - Paso 1. Presentación Si - - - -
Fase I: Acceder - Paso 2. Caracterizar el proceso de gestión del conocimiento ambiental Si - - - -
Fase I: Acceder - Tarea 1. Diagnosticar fuentes bibliográficas que rigen el proceso de Gestión Ambiental actual Si - - - -
Fase I: Acceder - Tarea 2. Incluir fuentes bibliográficas que apoyen el proceso de Gestión Ambiental - Si - - -
Fase II: Generar - Paso 3. Identificar necesidades de información ambiental. Si - - - -
Fase II: Generar - Tarea 3. Establecer indicadores de comportamiento, gestión y situación ambiental - Si - - -
Fase II: Generar - Tarea 4. Establecer características generales para obras agrícolas y pecuarias - Si - - -
Fase II: Generar - Paso 4. Obtener conocimiento Si - - - -
Fase III: Representar Transferir - Paso 5. Transformar del conocimiento tácito a explícito Si - - - -
Fase III: Representar Transferir - Tarea 5. Determinar expertos del dominio que se va a modelar - Si - - -
Fase III: Representar Transferir - Tarea 6. Seleccionar herramientas, lenguajes y metodologías - Si - - -
Fase III: Representar Transferir - Paso 6. Modelar la ontología OntoEnvironmental - - Si - -
Fase III: Representar Transferir - Tarea 7. Definir características generales y requisitos - Si - - -
Fase III: Representar Transferir - Tarea 8. Elaborar preguntas de competencia - - Si - -
Fase III: Representar Transferir - Paso 7. Diseñar arquitectura de software para un sistema que use la ontología
OntoEnvironmental - Si - - -
Fase III: Representar Transferir - Paso 8. Implementar arquitectura de software que use la ontología
OntoEnvironmental Si -
- -
Fase IV: Aplicar - Paso 9. Implantar software basado en OntoEnvironmental Si - - - -
Fase IV: Aplicar - Paso 10. Impartir cursos de capacitación a usuarios finales Si - - - -
Identificar nuevas necesidades de información ambiental (retroalimentación) Si - - - -
Anexos
XX
Anexo 14: Resultados de la segunda ronda de expertos
CONCLUSIONES GENERALES
Fases, Pasos y Tareas del Procedimiento MR BR R PR NR
Fase I: Acceder - Paso 1. Presentación Si - - - -
Fase I: Acceder - Paso 2. Caracterizar el proceso de gestión del conocimiento ambiental Si - - - -
Fase I: Acceder - Tarea 1. Diagnosticar fuentes bibliográficas que rigen el proceso de Gestión Ambiental
actual Si - - - -
Fase I: Acceder - Tarea 2. Incluir fuentes bibliográficas que apoyen el proceso de Gestión Ambiental Si - - - -
Fase II: Generar - Paso 3. Identificar necesidades de información ambiental. Si - - - -
Fase II: Generar - Tarea 3. Establecer indicadores de comportamiento, gestión y situación ambiental Si - - - -
Fase II: Generar - Tarea 4. Establecer características generales para obras agrícolas y pecuarias Si - - - -
Fase II: Generar - Paso 4. Obtener conocimiento Si - - - -
Fase III: Representar Transferir - Paso 5. Transformar del conocimiento tácito a explícito Si - - - -
Fase III: Representar Transferir - Tarea 5. Determinar expertos del dominio que se va a modelar Si - - - -
Fase III: Representar Transferir - Tarea 6. Seleccionar herramientas, lenguajes y metodologías Si - - - -
Fase III: Representar Transferir - Paso 6. Modelar la ontología OntoEnvironmental Si - - - -
Fase III: Representar Transferir - Tarea 7. Definir características generales y requisitos Si
Fase III: Representar Transferir - Tarea 8. Elaborar preguntas de competencia Si
Fase III: Representar Transferir - Paso 7. Diseñar arquitectura de software para un sistema que use la ontología
OntoEnvironmental Si - - - -
Fase III: Representar Transferir - Paso 8. Implementar arquitectura de software que use la ontología
OntoEnvironmental Si - - - -
Fase IV: Aplicar - Paso 9. Implantar software basado en OntoEnvironmental Si - - - -
Fase IV: Aplicar - Paso 10. Impartir cursos de capacitación a usuarios finales Si - - - -
Identificar nuevas necesidades de información ambiental (retroalimentación) Si - - - -
Anexos
XXI
Anexo 15. Carta aval ENPA
Anexos
XXII
Anexo 16. Carta aval BASAL
Anexos
XXIII
Anexo 17. Carta aval Grupo de desarrollo local