Diferencias departamentales en la protección de derechos de autor y nuevas creaciones en Colombia (2017)

• Main Authors: Martha Patricia Mendivelso Rincón, Melissa Lis-Gutiérrez
• Format: Article
• Language: English
• Published: Konrad Lorenz Fundación Universitaria 2020-07-01
• Series: Suma de Negocios
• Subjects: derechos de autor; registro de software; propiedad intelectual; colombia; análisis de conglomerados; análisis espacial; aprendizaje no supervisado; copyright; software registration; intellectual property; cluster analysis; spatial analysis; unsupervised learning
• Online Access: http://revistasumadenegocios.konradlorenz.edu.co/vol11-num-25-2020-diferencias-departamentales-en-la-proteccion-de-derechos-de-autor-y-nuevas-creaciones-en-colombia-2017/
• ISSN: 2215-910X; 2215-910X

Este trabajo tiene el propósito de establecer cuáles factores permiten explicar las diferencias departamentales en materia de protección de derechos de autor y nuevas creaciones en Colombia, en el 2017. Para esto se usaron los datos disponibles en la Dirección Nacional de Derechos de Autor y el Observatorio Colombiano de Ciencia y Tecnología. A estos se aplicó una técnica de aprendizaje no supervisado (análisis de conglomerados) y otra de estadística no paramétrica (correlación de Spearman). Entre los principales hallazgos se encuentra la identificación de 12 agrupaciones espaciales en Colombia que explican el 95,22% de la variabilidad. De igual forma, se identificó que las variables con más variabilidad dentro del territorio nacional fueron: registro de fonogramas, de obra artística, de contratos, de obra audiovisual y de obra literaria editada; graduados de maestría y doctorado; solicitud y concesión de diseños industriales; producción bibliográfica y solicitud de patentes de invención. This paper aims to establish the factors that explain the departmental differences in copyright protection and new creations in Colombia in 2017. For this purpose, we use the data available at the Dirección Nacional de Derechos de Autor and Observatorio Colombiano de Ciencia y Tecnología. We applied a technique of unsupervised learning (cluster analysis) and a non-parametric statistics (Spearman correlation). Among the main findings is the identification of 12 spatial cluster in Colombia that explain 95.22% of the variability. Likewise, it was identified that the variables with more variability within the national territory were: register of phonograms, artistic piece, contracts, audiovisual piece, and literary; master’s and doctoral graduates; industrial design applications; bibliographic production and patent applications.