Sistemas de Gestión del Conocimiento: evolución temática y agenda investigativa

Abstract

Palabras-clave: Innovación digital; Toma de decisiones; Competitividad; Adaptación empresarial; PRISMA-2020 Abstract: Knowledge management systems (KMS) play a critical role in business management by enabling the acquisition, storage, and utilization of knowledge for effective decision-making and competitiveness. Research has explored the impact of digital innovation and communities of practice on QMS, and this study aims to investigate research trends in SGC. The methodology is outlined through bibliometric analysis, following PRISMA 2020 guidelines, using the Scopus and Web of Science databases. Prominent terms that are emerging consist of Smes, Higher Education, and Organizational Culture, showing attention on enterprise and educational adaptation.

Headnote

Resumen: Los sistemas de gestión del conocimiento (SGC) son vitales en la gestión empresarial al facilitar la adquisición, almacenamiento y utilización del conocimiento para decisiones efectivas y competitividad. La investigación ha abordado la influencia de la innovación digital y las comunidades de práctica en los SGC. Este estudio busca examinar las tendencias investigativas en SGC. La metodología se presenta a partir de un análisis bibliométrico que sigue pautas de PRISMA 2020. Los resultados indican que 2020 y 2022 fueron años destacados, reflejando un crecimiento constante. El cambio temático avanzó hacia Knowledge Sharing y Kms, adaptándose a las demandas actuales. Palabras clave emergentes incluyen Smes, Higher Education y Orgazational Culture, revelando atención en adaptación empresarial y educativa. Las conclusiones proporcionan una base sólida para la dirección futura, se debe mantener un compromiso constante con la investigación futura para seguir progresando en la comprensión y la mejora de estos entornos.

Palabras-clave: Innovación digital; Toma de decisiones; Competitividad; Adaptación empresarial; PRISMA-2020

Abstract: Knowledge management systems (KMS) play a critical role in business management by enabling the acquisition, storage, and utilization of knowledge for effective decision-making and competitiveness. Research has explored the impact of digital innovation and communities of practice on QMS, and this study aims to investigate research trends in SGC. The methodology is outlined through bibliometric analysis, following PRISMA 2020 guidelines, using the Scopus and Web of Science databases. The results suggest that both 2020 and 2022 exhibited exceptional performance, demonstrating consistent expansion. The shift in theme reveals a concentration on Knowledge Sharing and Kms, addressing present needs. Prominent terms that are emerging consist of Smes, Higher Education, and Organizational Culture, showing attention on enterprise and educational adaptation. The discoveries establish a reliable basis for the prospective research direction of SGC.

Keywords: Innovation Technology; Decision Making; Business Competitiveness; Entrepreneurial Adaptation; PRISMA-2020.

1. Introducción

Los sistemas de gestión del conocimiento (SGC) constituyen una disciplina esencial en la gestion empresarial, enfocada en la adquisición, almacenamiento y utilización efectiva del conocimiento para mejorar la toma de decisiones y la competitividad. La literatura ha abordado diversos aspectos de los SGC, incluyendo el papel de la innovación digital (Di Vaio et al., 2021) y las comunidades de práctica (Choi et al., 2020) en su funcionamiento. La innovación digital ha sido identificada como un factor crucial para la mejora de los SGC, al proporcionar herramientas tecnológicas avanzadas que facilitan la adquisición y difusión del conocimiento (Di Vaio et al., 2021). Por otro lado, las comunidades de práctica han demostrado influir positivamente en las actividades de gestión del conocimiento y el desempeño innovador (Choi et al., 2020).

La relevancia de los SGC ha cobrado validez ya que estos sistemas permiten adquirir, almacenar y utilizar eficazmente el conocimiento interno y externo, mejorando decisiones, fomentando la innovación y la competitividad, así como promoviendo la creación de valor compartido. Los investigadores, se han centrado en su contribución a estrategias como la innovación abierta (Kaul, 2020) y en la utilización de tecnologías emergentes, como los sistemas de apoyo a decisiones grupales en línea (Shu, Pang & Chen, 2022).

Si bien, se evidencia el interes en los SGC, persisten vacíos de investigación que respaldan la necesidad de realizar un análisis bibliométrico. Estos vacíos incluyen la comprensión limitada de la aplicación de SGC en organismos públicos, la falta de indagación en la generación de valor a través de aspectos técnicos y tecnológicos, y la necesidad de explorar más a fondo la colaboración interorganizacional en la gestión del conocimiento. Estos vacíos justifican la búsqueda de tendencias y la identificación de áreas poco exploradas a través de un enfoque bibliométrico (Agrifoglio, Metallo & Di Nauta, 2021). Por tanto, se tiene que el objetivo de la presente investigación es examinar las tendencias investigativas sobre los SGC. Por lo cual, además, se plantean las siguientes preguntas de investigación:

¿Cuáles son los años donde más intereses se ha presentado sobre los SGC?

¿Qué tipo de crecimiento presenta la cantidad de artículos científicos sobre los SGC?

¿Cuáles son los principales referentes investigativos sobre los SGC?

¿Cuál es la evolución temática derivada de la producción científica sobre los SGC?

¿Cuáles son las palabras clave crecientes y emergentes en el campo de investigación de los SGC?

¿Cómo se clasifican las palabras clave de la literatura científica sobre los SGC según su función?

2. Metodología

Los SGC son esenciales tanto en el ámbito académico como empresarial. Al permitir la organización y difusión efectiva del conocimiento, facilitan decisiones informadas y fomentan la innovación. La importancia de los SGC en la investigación y revisión sistemática se refleja en la implementáción de pautas como la Declaración PRISMA 2020, que busca mejorar la calidad y precisión de los informes al sintetizar la evidencia de manera completa (Page et al., 2021). La elección de utilizar la Declaración PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) se basó en su reconocida solidez y aceptación como un marco metodológico que garantiza la transparencia y la precisión en la revisión sistemática de la literatura. Aunque la PRISMA está diseñada principalmente para revisiones sistemáticas y meta-análisis, sus principios de transparencia, reproducibilidad y rigor metodológico son igualmente aplicables y pertinentes para estudios bibliométricos (Page et al., 2021).

2.1. Criterios de elegibilidad

Para ajustar la metodología de la Declaración PRISMA 2020 al estudio bibliométrico, se establecieron objetivos de investigación definidos y se aplicaron criterios de inclusión/ exclusión conforme a sus directrices. Se llevó a cabo una búsqueda adecuada de literatura relevante, seguida de una evaluación de la calidad y pertinencia de los estudios seleccionados, empleando criterios transparentes. Se implementaron medidas que incluyeron la verificación de la precisión y coherencia de los datos recopilados mediante la resolución de discrepancias y la verificación cruzada por parte de múltiples investigadores. Asimismo, se realizaron procedimientos de depuración de datos para eliminar posibles errores o duplicados, garantizando así la integridad de la base de datos utilizada en el análisis bibliométrico. La adaptación de la PRISMA aseguró la fiabilidad del estudio.

Se establecen dos criterios de inclusión y exclusión; para la inclusión, la consideración de títulos y palabras clave como metadatos esenciales, y la inclusión de diversas formas de denominar estos sistemas. Respecto a las fases de exclusión, se aplican tres etapas. En la primera, se eliminan registros con indexación incorrecta. En la segunda, se excluyen documentos sin acceso al texto completo, aplicable solo a Revisiones Sistemáticas de Literatura. La tercera fase se enfoca en descartar metadatos incompletos, actas de conferencia y textos no pertinentes. Estas etapas aseguran la calidad y coherencia del análisis bibliométrico.

2.2. Fuentes de información

En este análisis bibliométrico se optó por las bases de datos Scopus y Web of Science, reconocidas como las principales en la actualidad por su amplia cobertura interdisciplinaria y datos de alta calidad, se concluyó que ambas bases son prominentes en la evaluación de la producción científica y el impacto de la investigación (AlRyalat, Malkawi & Momani 2019).

2.3. Estrategia de búsqueda

Con el propósito de llevar a cabo una búsqueda exhaustiva en las bases de datos seleccionadas, se crearon dos ecuaciones de búsqueda especializadas. Estas ecuaciones se adaptaron a los criterios de inclusión predefinidos y a las particularidades de búsqueda de cada base de datos, buscando garantizar que los resultados sean relevantes y acordes con los objetivos de la bibliometría sobre los SGC.

Para la base de datos Scopus: TITLE ( "Knowledge Management system·" OR ( "Knowledge management" AND system· ) )

Para la base de datos Web of Science: TI= ( "Knowledge Management system·" OR ( "Knowledge management" AND system· ) )

2.4. Gestión de datos

En esta bibliometría se empleó la herramienta Microsoft Excel® para la extracción, almacenamiento y análisis de los datos obtenidos de cada base de datos. Para la visualización de los resultados y la creación de gráficos que representaran los indicadores bibliométricos, se utilizó tanto el software gratuito VOSviewer® como Microsoft Excel®. Esta combinación de herramientas permitió un enfoque integral en el tratamiento y presentación de los datos bibliométricos. En este sentido, se demostró la utilidad de VOSviewer® en el análisis bibliométrico, lo que respalda su aplicación en la representación gráfica de los resultados de esta investigación (Shah et al., 2020).

2.5. Proceso de selección

Siguiendo las pautas establecidas en la declaración PRISMA 2020, es fundamental destacar el uso de un clasificador automático interno para asistir en el proceso de selección y la implementáción de una validación interna o externa para evaluar el riesgo de pérdida de estudios o clasificaciones incorrectas (Page et al., 2021). En este estudio particular, se emplearon herramientas de automatización de Microsoft Excel® como instrumento interno, desarrollado colaborativamente por todos los investigadores involucrados, cada miembro del equipo utilizó esta herramienta de forma independiente en la aplicación de criterios de inclusión y exclusión.

Para llevar a cabo esta bibliometría, se realizó inicialmente la identificación de registros mediante la estrategia de búsqueda en las fuentes de información seleccionadas, seguida de la eliminación de registros duplicados. Posteriormente, se aplicaron las tres fases de exclusión previamente mencionadas para afinar la selección. Finalmente, se incluyeron un total de 899 artículos que cumplen con los criterios de inclusión, proporcionando así un análisis integral y sólido del campo.

3. Resultados

El presente estudio, en torno a los SGC permitió obtener resultados significativos, como se observa en la Figura 2. En esta representación gráfica, se evidencia un crecimiento de naturaleza polinomial cuadrática con un nivel de ajuste del 99,37%, lo que refleja el patrón de publicación de artículos en el tiempo, indicando un incremento marcado en la producción científica en esta área. Los años con mayor número de publicaciones son 2020,2022 y 2016, se sugieren intervalos de tiempo donde la investigación y divulgación sobre la han alcanzado niveles notables de interés y actividad.

En relación con los principales, se han identificado tres grupos notables, como se refleja en la Figura 3. El primer grupo incluye a autores altamente productivos e influyentes, como Li M, Zhang X y Cerchione R, cuyos trabajos tienen tanto cantidad como impacto. Un segundo grupo se compone de autores con un fuerte impacto a pesar de su menor producción, como Leidner DE, Schultze U y Rubenstein-Montano B. En contraste, el tercer grupo se destaca por su productividad científica, aunque con una menor cantidad de citaciones. Schmitt U es un ejemplo prominente en esta categoría.

Al analizar la evolución temática en la literatura sobre el tema de estudio, como se refleja en la Figura 4, se logró determinar la palabra clave más frecuente utilizada en cada año de investigación, abarcando el período desde 1987 hasta 2023. Los resultados revelan patrones notables en el transcurso de los años. El año 1987, como punto de partida, se caracteriza por la aparición de conceptos como "Decision Support Systems". A medida que avanzan los años, se observa una transformación en las palabras clave más comunes, y en los últimos años se destacan términos como "Knowledge Sharing", "Kms", "Innovation" y "Knowledge", lo que refleja las tendencias de investigación más actuales y relevantes en este campo.

La investigación propone un plano cartesiano en la Figura 5 para analizar la evolución y vigencia de las palabras clave en los SGC. En este enfoque visual, el eje X mide la frecuencia de uso y el eje Y la vigencia. Se distinguen cuatro cuadrantes: el cuadrante 4 muestra conceptos decrecientes, incluyendo "Knowledge Sharing", "Knowledge" e "Information Technology". El cuadrante 2 presenta términos emergentes, poco frecuentes pero altamente vigentes, como "Smes", "Higher Education", "Orgazation Performance" y "Organizational Culture". Los conceptos consolidados y en crecimiento, como "Innovation", se ubican en el cuadrante 1.

Se presenta la Tabla i, que categoriza y detalla las palabras clave emergentes y en crecimiento en función de su rol. Esta tabla permite identificar las características y aplicaciones principales de cada función categorizada, brindando una visión estructurada y profunda de las tendencias en este campo.

4. Discusión

La sección de discusión en esta bibliometría sobre sistemas de gestión del conocimiento tiene dos enfoques clave. Primero, se analizan detalladamente los resultados obtenidos en la investigación, destacando patrones y hallazgos. Segundo, se abordan las implicaciones prácticas y las limitaciones del estudio, proporcionando una visión completa de su relevancia y alcance.

4.1. Análisis de los resultados

Durante los años más destacados en términos de producción científica sobre los SGC, específicamente en 2020, 2022 y 2016, se han abordado diversas áreas de aplicación. Chatterjee, Ghosh & Chaudhuri (2020) ofrecen un marco interpretativo para la implementáción exitosa de sistemas AI-CRM-KM (sistemas que integran Inteligencia Artificial, Gestión de Relaciones con Clientes y Gestión del Conocimiento) en empresas, resaltando el papel de la gestión del conocimiento en la mejora de los procesos empresariales. Por otro lado, Phan, Phan & Trieu (2022) proponen un enfoque sistemático para los SGC en el ámbito de la salud, considerando la era de big data y la inteligencia artificial. Estas investigaciones ilustran cómo la temática de los SGC ha evolucionado para abordar áreas de relevancia en distintos campos, incorporando avances tecnológicos y enfoques innovadores.

Los principales autores que han sido reconocidos por su impacto y productividad en el campo de los SGC han contribuido con investigaciones notables. Li, Jin y Wang (2014) presentaron un enfoque de Toma de Decisiones Multicriterio (MCDM) que combinó el Despliegue de la Función de Calidad (QFD) con la Técnica de Ordenación de Preferencia por Similaridad (TOPSIS) para la selección de SGC desde la perspectiva del usuario en un entorno de lógica difusa intuitiva. Zhang, Mao y AbouRizk (2009) desarrollaron un SGC para mejorar las prácticas de ingeniería de valor en la industria de la construcción. Cerchione y Esposito (2017) proporcionaron una taxonomía de estrategias de Pequeñas y Medianas Empresas (PYMEs) para la utilización de los SGC. Por otro lado, Leidner DE y Schultze U (2002) contribuyeron al campo con su estudio sobre la gestión del conocimiento en la investigación en sistemas de información, explorando discursos y supuestos teóricos. Estas investigaciones han cimentado la posición de estos autores como referentes investigativos en el ámbito de los SGC.

El análisis de la evolución temática reveló un cambio significativo en los enfoques conceptuales a lo largo del tiempo. En los primeros años, el énfasis estaba en "Decision Support Systems" (Zeleny, 1987), reflejando la orientación inicial hacia sistemas de apoyo a la toma de decisiones. Sin embargo, en la actualidad, se ha experimentado un cambio notable hacia conceptos más amplios y avanzados. "Knowledge Sharing" y "Kms" (Santhose & Lawrence, 2023; Schmitt, 2022) han cobrado protagonismo, señalando una preocupación creciente por la intercambio y gestión del conocimiento, así como la implementáción de sistemas eficaces para tal fin. Estos cambios subrayan la importancia de una colaboración efectiva y la adopción de herramientas tecnológicas para maximizar la creación y difusión de conocimiento en un entorno cada vez más dinámico y competitivo.

El cuadrante 2 del plano cartesiano en esta bibliometría, compuesto por términos emergentes como "Smes" (Pequeñas y Medianas Empresas) y "Higher Education" (Educación Superior), destaca áreas cruciales en los SGC. Las PYMEs representan una fuerza económica e innovadora, enfocando la investigación en su gestión de conocimiento para impulsar estrategias empresariales. Por su parte, la Educación Superior emerge como un ámbito vital, aplicando sistemas de gestión del conocimiento para optimizar transferencia de conocimiento y adaptación en entornos educativos cambiantes. Dabié et al. (2019) exploran absorción y gestión del conocimiento en PYMEs, mientras que Sardjono y Firdaus (2020) investigan la implementáción de sistemas de conocimiento en Educación Superior.

4.2. Limitaciones e implicaciones prácticas

A pesar de su utilidad en la identificación y análisis de tendencias en los SGC, la presente bibliometría también presenta ciertas limitaciones. La selección de bases de datos y la metodología PRISMA-2020 pueden influir en la cobertura y alcance de los resultados obtenidos. Además, la dependencia de metadatos y la exclusión de textos con indexación incompleta o actas de conferencias podrían omitir algunas contribuciones valiosas en el campo. La aplicación de herramientas como Microsoft Excel® y VOSviewer® para la definición de indicadores bibliométricos podría implicar ciertos sesgos en la interpretación y análisis de los datos. Estas limitaciones deben ser consideradas al interpretar los hallazgos y conclusiones de esta investigación.

Estabibliometría conlleva significativas implicaciones prácticas parala toma de decisiones tanto en el ámbito empresarial como académico. La evolución temática identificada, que ha transitado de un enfoque en "Decision Support Systems" hacia aspectos más complejos como "Knowledge Sharing," "Kms," "Innovation" y "Knowledge," ofrece valiosa orientación para la dirección futura de investigaciones y prácticas en gestión del conocimiento. Estos hallazgos sugieren que la atención debe centrarse en la promoción de la colaboración y el intercambio de conocimiento, así como en la innovación como elemento esencial en la estrategia de gestión.

El análisis de la frecuencia y vigencia de palabras clave agrega un nivel adicional de utilidad práctica. El surgimiento de conceptos emergentes como "Smes," "Higher Education," "Orgazation Performance" y "Orgazational Culture" subraya la importancia de adaptarse a las demandas cambiantes en el entorno empresarial y educativo, estos términos reflejan la necesidad de un enfoque más centrado en las pequeñas y medianas empresas, la mejora del rendimiento corporativo y la cultura organizativa. Además, el crecimiento continuo de "Innovation" señala la necesidad imperante de fomentar la creatividad y la adaptabilidad como impulsores fundamentales de la ventaja competitiva en la gestión del conocimiento.

5. Conclusiones

Las conclusiones de esta bibliometría sobre los SGC ofrecen una visión holística de la evolución y tendencias en la investigación de este campo. Los años 2020 y 2022 destacan como períodos de mayor interés, marcando la relevancia continua de la temática en el panorama científico. La observación de un crecimiento polinomial cuadrático en la producción de artículos refleja un campo en constante expansión y desarrollo. Los referentes investigativos clave, como Li M, Zhang X y Cerchione R, subrayan la influencia de sus contribuciones en la configuración del campo.

La evolución temática ilustra un cambio de enfoque, pasando de estudiar Decision Support Systems a priorizar temas actuales como Knowredge Sharing y Kms, reflejando una adaptación a las demandas contemporáneas. El análisis de palabras clave emergentes como Smes, Higher Education, Orgazation Performance y Orgazational Culture resalta la creciente atención a la adaptación empresarial y educativa en el contexto de la gestión del conocimiento. La clasificación de palabras clave según su función evidencia la agenda investigativa, enfocada en profundizar los conceptos clave para abordar la creciente relevancia de la temática. Estas conclusiones, derivadas de una amplia gama de perspectivas y análisis, brindan una base sólida para la comprensión y dirección futura de la investigación en los SGC.

Aunque las conclusiones del análisis bibliométrico proporcionan una visión detallada del desarrollo histórico y las tendencias emergentes en el campo, es necesario un compromiso continuo con la investigación futura para avanzar en la comprensión y mejora de estos entornos. Se alienta a los académicos a explorar áreas de investigación emergentes, investigar conceptos específicos identificados y proponer enfoques innovadores que contribuyan al desarrollo continuo de este campo dinámico.

References

Referencias

Agrifoglio, R.? Metallo, C., & Di Nauta, P. (2021). Understanding knowledge management in public organizations through the organizational knowing perspective: a systematic literature review and bibliometric analysis. Public Organization Review, 21, 137-156. https://d0i.0rg/10.1007/s11115-020-00480-7

AlRyalat, S. A. S., Malkawi, L. W., & Momani, S. M. (2019). Comparing bibliometric analysis using PubMed, Scopus, and Web of Science databases. JoVE (Journal of Visualized Experiments), (152), 658494. https://dx.doi.org/1o.3791/58494

Cerchione, R., & Esposito, E. (2017). Using knowledge management systems: A taxonomy of SME strategies. International journal of information management, 37(1), 1551-1562. https://d0i.0rg/10.1016/j.ijinfomgt.2016.10.007

Chatterjee, S., Ghosh, S. K., & Chaudhuri, R. (2020). Knowledge management in improving business process: an interpretative framework for successful implementation of AI-CRM-KM system in organizations. Business Process Management Journal, 26(6), 1261-1281. https://d0i.0rg/10.1108/BPMJ-05-2019-0183

Choi, H. J., Ahn, J. C., Jung, S. H., & Kim, J. H. (2020). Communities of practice and knowledge management systems: effects on knowledge management activities and innovation performance. Knowledge Management Research & Practice, 18(1), 53-68. https://d0i.0rg/10.1080/14778238.2019.1598578

Dabič, M., Vlačič, E., Ramanathan, U., & Egri, C. P. (2019). Evolving absorptive capacity: The mediating role of systematic knowledge management. IEEE Transactions on Engineering Management, 67(3), 783-793. doi: 10.1109/TEM.2019.2893133.

Di Vaio, A., Palladino, R., Pezzi, A., & Kalisz, D. E. (2021). The role of digital innovation in knowledge management systems: A systematic literature review. Journal of business research, 123, 220-231. https://d0i.0rg/10.1016/j.jbusres.2020.09.042

Kaul, N. (2020). Open Innovation for Sustainability Through Creating Shared Value-Role of Knowledge Management System, Openness and Organizational Structure. Journal of Knowledge Management ISSN, 1367-3270. https://d0i.0rg/10.1108/JKM-04-2020-0319

Li, M., Jin, L., & Wang, J. (2014). A new MCDM method combining QFD with TOPSIS for knowledge management system selection from the user's perspective in intuitionistic fuzzy environment. Applied soft computing, 21, 28-37. https://d0i.0rg/10.1016/j.as0c.2014.03.008

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., ... & Moher, D. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. International journal of surgery, 88, 105906. https://d0i.0rg/10.1016/j.ijsu.2021.105906

Phan, A. C., Phan, T. C., & Trieu, T. N. (2022). A systematic approach to healthcare knowledge management systems in the era of big data and artificial intelligence. Applied Sciences, 12(9), 4455. https://doi.org/1o.339o/app12o94455

Santhose, S. S., & Lawrence, L. N. (2023). Understanding the implementations and limitations in knowledge management and knowledge sharing using a systematic literature review. Current Psychology, 1-16. https://d0i.0rg/10.1007/s12144-02204115-6

Sardjono, W., & Firdaus, F. (2020). Readiness model of knowledge management systems implementation at the higher education. ICIC Express Letters, 14^5), 477-487. DOI: io.245O7/icicel.i4.O5.477

Schmitt, U. (2022). Validating and documenting a new knowledge management system philosophy: a case based on the ISO 30401: 2018-KMS standard. Knowledge Management Research & Practice, 20(6), 960-974. https://doi.org/1o.1o8o/147 78238.2022.2064349

Schultze, U., & Leidner, D. E. (2002). Studying knowledge management in information systems research: discourses and theoretical assumptions. MIS quarterly, 213-242. https://doi.org/10.2307/4132331

Shah, S. H. H., Lei, S., Ali, M., Doronin, D., & Hussain, S. T. (2020). Prosumption: bibliometric analysis using HistCite and VOSviewer. Kybernetes, 49(3), 1020-1045. https://d0i.0rg/10.1108/K-12-2018-0696

Shu, W., Pang, S., & Chen, M. (2022). Achieving structured knowledge management with a novel online group decision support system. Information Development, 38(1), 23-39- https://d0i.0rg/10.1177/0266666920969842

Zeleny, M. (1987). Management support systems: Towards integrated knowledge management. Human systems management, 7(1), 59-70.10.3233/HSM-1987-7108

Zhang, X., Mao, X., & AbouRizk, S. M. (2009). Developing a knowledge management system for improved value engineering practices in the construction industry. Automation in construction, 18(6\ 777-789. https://d0i.0rg/10.1016/j. autc0n.2009.03.004