Con el objetivo de entender el comportamiento del conocimiento como parte de los factores de producción y competitividad del sector ovino caprino, desde el punto de vista epistemológico se estudiaron algunas fuentes de conocimiento tácito (la imaginación, un familiar, la propia experiencia, entre otras) y explícito (las estadísticas, un investigador, las normas), en 66 granjas ovino caprinas en Colombia durante cinco años, de 2007 a 2012. En el transcurso del proceso se evaluó el efecto que tuvieron en ellas dos sistemas de gestión: el primero correspondió a un sistema de asistencia técnica “tradicional”, con análisis y recomendaciones directas del profesional al productor, y en el segundo se trabajó con asistencia basada en creación y evolución del conocimiento, según los planteamientos de la gestión del conocimiento. Los datos se examinaron mediante pruebas de Kruskal-Wallis y Chi², y análisis de clúster y de correspondencia multivariado. Se encontró que, al tomar una decisión, las granjas tienden a privilegiar las fuentes de conocimiento tácito sobre las correspondientes al explícito. La aplicación de asistencia técnica clásica con recomendaciones directas no generó diferencias en las fuentes de conocimiento explícito (p>0,05), ni en aquellas de conocimiento tácito (p>0,05). De igual forma, las granjas intervenidas con gestión del conocimiento no presentaron diferencias en las fuentes de conocimiento tácito (p>0,05),ni en las de conocimiento explícito (p>0,05). Independientemente del sistema de gestión que se utilizó, las granjas mantuvieron su predilección por las fuentes de conocimiento tácito.

Objetivo. La gestión del conocimiento contribuye en la generación de ventajas competitivas en sistemas de producción ovino-caprinos. Materiales y métodos. Con 66 productores se evaluó el efecto de la aplicación de un modelo de gestión del conocimiento sobre el nivel y uso del mismo. La construcción del modelo, implicó 4 fases: Caracterización de los productores, Gestión con sistemas de información y análisis de indicadores, Intervención con gestión del conocimiento y Seguimiento y evaluación; en estas se desarrolló el análisis de tres (3) tipos de productores: con un sistema de asistencia técnica convencional, intervenidos y sin intervención, evaluándolos en cuanto al nivel y uso de conocimiento apropiado. Resultados. El grupo que trabajo propiamente el modelo de gestión del conocimiento que pretende apropiar, intercambiar y combinar lo tácito con lo explícito, acepto que su nivel y uso de conocimiento se modificó comparado con lo expresado por los que contemplaron un modelo de asistencia técnica convencional o los que no tuvieron (p<0.05). Conclusiones. Continuar desarrollando trabajos de este tipo que contribuyan en la gestión y construcción de conocimiento tácito a diferentes niveles a partir de las experiencias e interiorización de conocimiento explicito.

Knowledge about the net lactation energy (NLE) contained in the dry matter of grasses is necessary to make decisions about forage and the balance of diets for grazing cattle. Its determination is made in laboratories using wet or dry chemistry methods, which are costly, delayed, and sometimes present sampling- or process-related reliability problems. An algorithm, which analyzes the red-green-blue (RGB) images of grasses taken by drone, has been developed as a technological alternative. This has allowed us estimating the NLE level, reducing costs, and changing the sampling system and analysis method. The objective of the present study was to compare the milk production, which was calculated from the NLE and estimated using the algorithm for analysis of RGB images of grasses (included in the TaurusWebs® software), vs the actual milk production. The study was conducted in 15 dairy farms belonging to the dairy control system of the Colácteos dairy cooperative, which are located in the upper tropical region (Department of Nariño, Colombia). The prairies evaluated were composed of mixtures of Kikuyo (Pennisetum clandestinum), Raigrás (Lolium spp), and False Poa (Holcus lanatus). The result was analyzed using a linear regression model (R²=0.86; R=0.93). In the Student´s t-test, the actual and estimated milk production averages were equal (P>0.05). In conclusion, the NLE calculated using the algorithm satisfactorily explains the study livestock production, and the information generated by the algorithm can be used to calculate the NLE of grasses.