dx.doi.org/10.5154/r.rga.2019.68.

05

Innovation adoption in the maize production of the

state of Guanajuato, Mexico: analysis of an intervention
Elizabeth Roldán-Suárez1
Roberto Rendón-Medel2
Jorge Aguilar-Ávila2
Asael Islas-Moreno2*
Abstract

In Mexico, government institutions are key actors in the innovation management processes of the agricultural
sector. The objective of this work was to analyze the innovation dynamics of maize farmers that have been
part of the target population of the government MasAgro program, to determine its role in that process. With
a probabilistic cluster sampling, 243 farmers from the state of Guanajuato were selected, they were classified
into three groups according to their length of stay in the program. Through the analysis of social networks, the
sources of learning of the innovations implemented by the farmers and the year of adoption were identified.
An analysis of variance revealed that there is no statistical difference between the innovation levels of the
groups. However, the most adopted innovations were those promoted by the program and the adoption was
conducted during the intervention period. It is proposed to analyze the innovation dynamics of the farmers
involved, that is, to identify the innovation levels, the period of adoption and sources of learning to assist the
evaluation of agricultural extension programs.
Keywords: Assessment, rural extension, innovation network, dissemination, innovation platform.

Adopción de innovaciones en la producción de maíz del estado de

Guanajuato, México: análisis de una intervención
Resumen

En México, las instituciones de gobierno son actores clave en los procesos de gestión de la innovación del
sector agrícola. El objetivo de este trabajo fue analizar la dinámica de innovación de productores de maíz que
han formado parte de la población objetivo del programa gubernamental MasAgro, para determinar el papel
de este en dicho proceso. A partir de un muestreo probabilístico por conglomerados, se seleccionaron 243
productores de maíz del estado de Guanajuato, los cuales fueron clasificados en tres grupos de acuerdo con
su tiempo de permanencia en el programa. A través del análisis de redes sociales se identificaron las fuentes
de aprendizaje de las innovaciones que implementan los productores y el año de adopción. Un análisis de
varianza reveló que no existe diferencia estadística entre los niveles de innovación de los grupos. Sin embargo,
las innovaciones más adoptadas fueron las que el programa promueve y la adopción se realizó principalmente
en el período de intervención. Se propone analizar la dinámica de innovación de los productores atendidos,
esto es, identificar los niveles de innovación, el periodo de adopción y fuentes de aprendizaje para auxiliar la
evaluación de programas de extensión agrícola.
Palabras clave: Evaluación, extensionismo rural, red de innovación, difusión, plataforma de innovación.

_______________________________________________

1
Academia de Administración y Gestión-Universidad Politécnica de Texcoco (UPTex), Carretera Federal Los Reyes-Texcoco,
km 14 + 200, San Miguel Coatlinchán Edo. de Méx. C.P. 56250.
2
Centro de Investigaciones Económicas, Sociales y Tecnológicas de la Agroindustria y la Agricultura Mundial- Universidad
Autónoma Chapingo (CIESTAAM-UACh), carretera México-Texcoco, km 38.5. Chapingo, Texcoco, Edo. de México, C. P. 56230.
*Corresponding author: aislas@ciestaam.edu.mx Tel. 771 129 71 67

Received: December 3,2020

Accepted: February 16, 2022
Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
Introduction
There is a wide consensus on the influence of inno-
vation in processes of economic growth suppor-
ted by enterprises, productive chains, and entire
nations (Radjou, 2004: Schumpeter, 2003; Yildiz et
al., 2014). Innovation is understood as “any change
based on the knowledge that generated wealth”
(COTEC, 2007). In the agricultural sector, innovation
usually leads to technological changes aimed at
improving the productive process in its various as-
pects (Avendaño-Ruiz et al., 2017). However, Klerkx
et al. (2010) argue that innovation is a process that
combines the technological, social, economic, and
institutional changes. Thus, innovation within the
sector is not only the modern technology adoption,
but it also requires a balance between new practices,
techniques, and alternative forms of organization
(Klerkx et al., 2012).
Enterprises innovate and optimize their proces-
ses and with this, improve their economic results
(COTEC, 2007). Despite this, within the rural sectors
and specifically in the agricultural sector in Mexi-
co, evidence about the low innovative activity in its
participant enterprises has been developed (Aguilar-
Gallegos et al., 2013; García Sánchez et al., 2011; Sán-
chez-Gómez et al., 2016). The resistance to innovate
in this sector is determined by the predominance of
characteristics of the farmers such as a high age, low
scholarship level, reduced production scale and lack
of access to technical advisory services and financing
(Muñoz-Rodríguez et al., 2018). In this sense, Rogers
(1983) says that in addition to the characteristics of
the social system where innovation is promoted, the-
re are three more factors that influence the decision
to innovate or not, these are: 1) the characteristics of
the innovation itself, 2) the communication channels
used for the dissemination and 3) the innovation dis-
semination time.
Despite the low degree of innovation found in
different samples within the agricultural production
systems, the social interaction has been identified as
a strong tool to promote change (Aguilar-Gallegos
et al., 2016; Díaz-José et al., 2016; Monge Pérez and
Harwich, 2008; Roldán-Suárez et al., 2018; Sánchez-
Gómez et al., 2016), so the social system and the com-
munication channels through which innovations
are disseminated are very important. Therefore, the
Revista de Geografía Agrícola núm. 68  /  78
Introducción
Existe un amplio consenso sobre la influencia de la
innovación en los procesos de crecimiento econó-
mico sostenido de empresas, cadenas productivas y
naciones enteras (Radjou, 2004: Schumpeter, 2003;
Yildiz et al., 2014). Se entiende por innovación como
“todo cambio basado en conocimiento que gene-
ra riqueza” (COTEC, 2007). En el sector agrícola, la
innovación usualmente induce cambios tecnológi-
cos tendientes a mejorar el proceso productivo en
sus diversas facetas (Avendaño-Ruiz et al., 2017). Sin
embargo, Klerkx et al., (2010) argumentan que la in-
novación es un proceso que combina los cambios
tecnológicos, sociales, económicos e institucionales.
Por lo tanto, la innovación en el sector no es solo la
adopción de nuevas tecnologías, también requiere
de un equilibrio entre las nuevas prácticas, técnicas y
formas alternativas de organizarse (Klerkx et al., 2012).
Las empresas que innovan optimizan sus pro-
cesos y con ello mejoran sus resultados económi-
cos (COTEC, 2007). Pese a esto, en los sectores rural
y específicamente en el sector agrícola de México
se ha generado evidencia sobre la baja actividad in-
novadora existente entre sus empresas participan-
tes (Aguilar-Gallegos et al., 2013; García Sánchez et
al., 2011; Sánchez-Gómez et al., 2016). La resistencia
para innovar en dicho sector está determinada por
el predominio de características de los productores
como una elevada edad, bajo nivel de escolaridad,
reducida escala de producción y falta de acceso a
servicios de asesoría técnica y financiamiento (Mu-
ñoz-Rodríguez et al., 2018). En este sentido, Rogers
(1983) menciona que además de las características
del sistema social donde la innovación se promueve,
existen tres factores más que influyen en la decisión
de innovar o no, estos son: 1) las características de la
innovación misma, 2) los canales de comunicación
empleados para la difusión y 3) el tiempo de difusión
de la innovación.
Pese al bajo grado de innovación encontrado en
diferentes muestras en sistemas de producción agrí-
colas, se ha identificado a la interacción social como
una herramienta potente para promover el cambio
(Aguilar-Gallegos et al., 2016; Díaz-José et al., 2016;
Monge Pérez y Harwich, 2008; Roldán-Suárez et al.,
2018; Sánchez-Gómez et al., 2016), de manera que el
sistema social y los canales de comunicación con los
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention
position of the actors in their social system, as well
as their role and the actors with whom they relate,
have relevant implications in their development (Fre-
eman, 2004). This is, the collaboration networks in
which each actor is, become important (Wu y Shang,
2013). In that respect, the role of certain orchestrators
highlights in the collaboration networks, usually re-
flected in the government, educational and research
institutions through their extension services (Wu
y Shang, 2013), which have been conceptualized as
facilitators of change (Frambach and Schillewaert,
2002) or intermediaries of innovation processes (Li-
chtenthaler y Ernst, 2008; Howells, 2006).
The presence and linkage of institutions with
farmers within a given territory can strengthen or
boost the innovation process in a specific economic
activity; generally, this type of actors offer incenti-
ves, financing and resources needed for agricultural
production (Sánchez-Gómez et al., 2016) and at the
same time, they can promote the interaction bet-
ween equals to reduce the uncertainty perceived in
face of the change (Rogers, 1983). In Mexico, several
institutional efforts have been made to promote pro-
ductivity in the rural and agricultural sector through
the innovation. This is the case of the Sustainable Mo-
dernization of Traditional Agriculture (known as Ma-
sAgro in Spanish) government program, led by the
International Maize and Wheat Improvement Center
(CIMMYT by its acronym in Spanish) and the Secre-
tariat of Agriculture and Rural Development (SADER
by its acronym in Spanish, like what is known in other
countries as Ministry of Agriculture). MasAgro is ai-
med at disseminating innovations mainly related to
the conservation agriculture (CA) (Hobbs et al., 2008).
The program is implemented through an extension
model called Hub, which is seen as an actor network
of the value chain from a particular agroecological
region, which work together in agricultural sustaina-
ble solutions based on maize and wheat (Camacho-
Villa et al., 2016).
In this context, this study is aimed at analyzing
the role played by the agents of MasAgro in the ma-
nagement innovation process with maize farmers
benefited by the government program. The Hub
Guanajuato is presented as study case, it is one of
the agroecological regions where this model is de-
veloped. The hypothesis that guides this research is
que se difunden las innovaciones son de gran impor-
tancia. Por lo tanto, la posición de los actores dentro
de su sistema social, así como su rol y los actores con
los que se relacionan, tienen implicaciones relevan-
tes en su desempeño (Freeman, 2004). Es decir, las
redes de colaboración en la que esté inmerso cada
actor cobran relevancia (Wu y Shang, 2013). Con res-
pecto a esto, se destaca el papel de ciertos orques-
tadores en las redes de colaboración, usualmente
reflejados en las instituciones de gobierno y de en-
señanza e investigación a través de sus servicios de
extensión (Wu y Shang, 2013), mismos que han sido
conceptualizados como facilitadores del cambio
(Frambach y Schillewaert, 2002) o intermediarios de
los procesos de innovación (Lichtenthaler y Ernst,
2008; Howells, 2006).
La presencia y vinculación de las instituciones
con los productores en un determinado territorio
pueden fortalecer o potenciar el proceso de innova-
ción en una actividad económica específica; gene-
ralmente, este tipo de actores ofrecen al productor
agrícola los incentivos, el financiamiento y los recur-
sos necesarios para la producción (Sánchez-Gómez
et al., 2016) y al mismo tiempo pueden promover la
interacción entre iguales para reducir la incertidum-
bre percibida ante el cambio (Rogers, 1983). En Méxi-
co, se han hecho diferentes esfuerzos institucionales
para incentivar la productividad en el sector rural y
agrícola a través de la innovación. Es el caso del pro-
grama gubernamental de Modernización Sustenta-
ble de la Agricultura Tradicional (MasAgro), liderado
por el Centro Internacional de Mejoramiento de Maíz
y Trigo (CIMMYT) y la Secretaría de Agricultura y De-
sarrollo Rural (SADER, similar a lo que en diferentes
países se le llama el Ministerio de Agricultura). Ma-
sAgro tiene como objetivo la difusión de innovacio-
nes relacionadas principalmente a la agricultura de
conservación (AC) (Hobbs et al., 2008). El programa
se implementa a través de un modelo de extensión
denominado Hub, el cual se visualiza como una red
de actores de la cadena de valor de una región agro-
ecológica en particular que trabajan juntos en solu-
ciones sostenibles agrícolas basados en maíz y trigo
(Camacho-Villa et al., 2016).
Bajo este contexto, este trabajo tiene como obje-
tivo analizar el papel que desempeñaron los agentes
de MasAgro en el proceso de gestión de la innova-
Revista de Geografía Agrícola núm. 68  /  79
Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
that maize farmers have increased their innovation
level due to the intervention of the Hub, because its
agents are positioned as the main source of knowled-
ge and motivation to make changes that improve the
results of the agricultural activity.
Methodological approach
Study area
This study was carried out in Guanajuato, one of the
32 federative entities of Mexico, which is in the region
called “Bajío”. The entity has an area of 30 607 km² that
represents the 1.6 % of the total national territory and
has a population of 6’166 934 inhabitants, which be-
comes it the sixth most populous entity (INEGI, 2020).
According to the Agri-food and Fisheries Informa-
tion Service [SIAP by its acronym in Spanish] in 2019,
in Guanajuato, 395 790 hectares of maize were sown,
from which, 282 081 were harvested and a produc-
tion of 1 471 217 tones was obtained. This production
positioned Guanajuato in the third place at national
level with 7 % of the total, only after the entities of Si-
naloa and Jalisco. The average yield per hectare was
5.2 tones, one tone more than the national average
that was 4.2. According to Camacho-Villa et al. (2016),
Guanajuato is characterized by having production sys-
tems highly technical and with a high use of inputs in
grains such as maize, most farmers are big (more than
20 hectares) and medium (between five and 20 hecta-
res), who sell in regional and national markets.
Sampling
The study population was comprised of 829 maize
farmers benefited by the MasAgro program in 2014,
2015 and 2016. The farmers were classified into three
groups: i) Output, ii) Input and iii) Permanence. The
first one groups farmers that participated in the pro-
gram in 2014 and/or 2015 and for 2016 stopped being
benefited. The second one groups farmers that did
not participate in 2014 and 2015 and for 2016 they en-
ter the program. Finally, the third one groups farmers
that have been in the MasAgro program during 2014,
2015 and 2016. This groups were made up of 449, 312
and 68 farmers, respectively.
The sample selection was conducted according
to the probabilistic cluster sampling method. Accor-
ding to Otzen and Manterola (2017), this type of sam-
Revista de Geografía Agrícola núm. 68  /  80
ción con productores de maíz beneficiados por el
programa gubernamental. Se plantea como caso
de estudio el Hub Guanajuato, una de las regiones
agroecológicas donde se desarralla dicho modelo. La
hipótesis que guía la investigación recae en que los
productores de maíz han incrementado su nivel de
innovación debido a la intervención del Hub, ya que
sus agentes se posicionan como la principal fuente
de conocimiento y motivación para realizar cambios
que mejoran los resultados de la actividad agrícola.
Enfoque metodológico
Área de estudio
Este trabajo se realizó en Guanajuato, una de las 32
entidades federativas de México, misma que se ubica
en la región denominada “Bajío”. La entidad cuenta
con 30 607 km² de superficie que representa el 1.6 %
del total del territorio nacional y tiene una población
de 6’166 934 habitantes, lo cual la convierte en la sex-
ta entidad más poblada (INEGI, 2020). De acuerdo
con el Servicio de Información Agroalimetaria y Pes-
quera [SIAP] en 2019, en Guanajuato, se sembraron
395 790 hectáreas de maíz, de las cuales fueron cose-
chadas 282 081 y se obtuvo una producción de 1 471
217 toneladas. Tal producción ubicó a Guanajuato en
el tercer lugar nacional con 7 % del total, solo por de-
trás de los estados de Sinaloa y Jalisco. El rendimien-
to promedio por hectárea fue de 5.2 toneladas, una
tonelada más que el promedio nacional que se ubicó
en 4.2. De acuerdo con Camacho-Villa et al., (2016),
Guanajuato se caracteriza por tener sistemas de pro-
ducción altamente tecnificados y con un alto uso de
insumos en granos como el maíz, en su mayoría son
productores grandes (mayor a 20 hectáreas) y media-
nos (entre cinco y 20 hectáreas) y venden en merca-
dos regionales y nacionales.
Muestreo
La población estudiada estuvo conformada por 829
productores de maíz beneficiados por el programa
MasAgro en los años 2014, 2015 y 2016. Los produc-
tores fueron clasificados en tres grupos: i) Salida, ii)
Entrada y iii) Permanencia. El primero agrupa a los
productores que participaron en el programa en los
años 2014 y/o 2015 y que para 2016 dejaron de ser be-
neficiados. El segundo reúne a los productores que
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention
pling requires to know attributes of the population
a priori, for example, socio-demographic variables,
and its main advantage is that it minimizes the sam-
ple size and costs of the study without sacrificing the
precision and reliability. The method consists in de-
veloping successive cluster sampling; this is, groups
defined by the variables known a priori. In this study,
clusters were defined from three variables: municipa-
lity, locality, and group to which the farmer belongs
(Output, Input or Permanence). Therefore, the sam-
pling was carried out intro three stages.
The sample size at each stage was calculated with
the simple random sampling formula for a known
population size by considering the 95 % of both, ac-
curacy, and reliability.
Nz2pq
n=
Ne2+z2pq
In the formula, n is the sample size; N is the po-
pulation size; z is 1.96 for a reliability level of 95 %; p
is the probability of occurrence in favor (0.5); q is the
adverse probability of occurrence (0.5); and e is the
maximum permissible error (0.05).
The 829 farmers from the population were dis-
tributed into 44 municipalities that were listed. The
formula for the sample size generates a result of 40
municipalities at the first stage, these were selected
with the function RANDBETWEEN of Microsoft Excel.
Within the 40 municipalities selected (Figure 1) there
are 245 localities. At the second stage the procedure
was the same to select 150 localities.
In the 150 localities sampled, there are a total of
494 farmers: 254 from the Output group, 208 from
the Input group and 32 from the Permanence one.
At the third stage, the procedure was the same to
select farmers within these groups. From the Output
and Input groups were selected 153 and 135 farmers,
respectively. From the Permanence group, the 32 far-
mers obtained from the last cluster were considered.
In this way, the final sample size was of 320 farmers.
However, due to migration or death situations, only
243 farmers of the final sample were interviewed.
Data source
The information was gathered in April 2017, for this,
a survey with two sections was designed. The first
one refers to the farmer identification and his pro-
no participaban en los años 2014 y 2015 y que para
2016 ingresaron al programa. Finalmente, el terce-
ro agrupa a los productores que han permanecido
en MasAgro durante 2014, 2015 y 2016. Los grupos
estuvieron formados por 449, 312 y 68 productores,
respectivamente.
La selección de la muestra se realizó con base en
el método probabilístico de muestreo por conglome-
rados. De acuerdo con Otzen y Manterola (2017), este
tipo de muestreo requiere conocer atributos a priori
de la población, por ejemplo, variables sociodemo-
gráficas, y su principal ventaja es que reduce el tama-
ño de la muestra y los costos del estudio sin sacrificar
precisión y confiabilidad. El método consiste en la
realización de muestreos sucesivos de conglomera-
dos; es decir, grupos definidos por las variables cono-
cidas a priori. En el presente estudio se definieron los
conglomerados a partir de tres variables: municipio,
localidad y grupo al que pertenece el productor (Sali-
da, Entrada o Permanencia). Por lo tanto, el muestreo
se realizó en tres etapas.
El tamaño de muestra en cada etapa se calculó
a partir de la fórmula de muestreo aleatorio simple
para un tamaño de población conocido, consideran-
do 95 % tanto de precisión como de confiabilidad.
Nz2pq
n=
Ne2+z2pq
En la fórmula, n es el tamaño de la muestra; N es el
tamaño de la población; z es 1.96 para un nivel de con-
fianza de 95 %; p es la probabilidad de ocurrencia a fa-
vor (0.5); q es la probabilidad de ocurrencia en contra
(0.5); y e es el máximo de error permitido (0.05).
Los 829 productores de la población estaban dis-
tribuidos en 44 municipios, los cuales fueron enume-
rados. La fórmula para el tamaño de muestra generó
un resultado de 40 municipios en la primera etapa,
mismos que fueron seleccionados con ayuda de la
función ALEATORIO.ENTRE de Microsoft Excel. Den-
tro de los 40 municipios seleccionados (Figura 1) exis-
ten 245 localidades. Se procedió de la misma manera
en la segunda etapa para seleccionar 150 localidades.
En las 150 localidades muestreadas existe un to-
tal de 494 productores; 254 pertenecen al grupo Sa-
lida, 208 al de Entrada y 32 al de Permanencia. En la
tercera etapa se procedió igual para seleccionar a los
productores dentro de estos grupos. De los grupos
Revista de Geografía Agrícola núm. 68  /  81
Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
Figure 1. Location of the studied municipalities in Guanajuato.
Figura 1. Localización de los municipios del estado de Guanajuato estudiados.
duction unit and includes points aimed at gathering
the name, age, scholarship (in years) of the farmer,
geographical location of the production unit, group
to which the farmer belongs (Output, Input or Per-
manence), type of land tenure, total area, sown area,
yield of the last cycle, type or irrigation and machi-
nery use. The second section is focused on the far-
mer innovation network. They were asked if they
develop a list of 66 innovations, who did they learn
them from? and from what year did they begin doing
them? These innovations were mainly promoted by
the Hub Guanajuato during its intervention.
Information analysis
The information analysis was focused on the fo-
llowing sections: i) characterization of farmers and
production units, ii) determination of the innovation
level, iii) evolution of the adopted innovations and iv)
identification of the learning sources of the adopted
innovations.
The characterization of the three maize producer
groups analyzed (Output, Input or Permanence) and
their production units, was conducted from the cal-
culation of the arithmetic means of the age, scholar-
Revista de Geografía Agrícola núm. 68  /  82
Northern part / Zona norte
Southwestern part / Zona suroeste
Southeastern part / Zona sureste
Source: Own elaboration.
Fuente: Elaboración propia.
Salida y Entrada fueron seleccionados 153 y 135 pro-
ductores, respectivamente. Del grupo Permanencia
fueron considerados los 32 productores obtenidos en
el último conglomerado. De esta manera, el tamaño
final de la muestra fue de 320 productores. No obs-
tante, debido a situaciones de migración o falleci-
miento, solo se logró entrevistar a 243 productores de
la muestra final.
Origen de la información
La información se colectó en abril de 2017, para ello,
se diseñó una encuesta que constó de dos apartados.
El primero refiere a la identificación del productor y
su unidad de producción e incluye reactivos orien-
tados a colectar nombre del productor, edad, esco-
laridad (medida en años), localización geográfica de
la unidad de producción, grupo al que pertenece el
productor (Salida, Entrada o Permanencia), tipo de
tenencia de la tierra, superficie total, superficie sem-
brada, rendimiento del ciclo anterior, tipo de riego
y uso de maquinaria. El segundo apartado refiere a
la red de innovación del productor. Se les preguntó
si realizan un listado de 66 innovaciones, de quién
lo aprendieron y a partir de qué año comenzaron a
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention
ship, sown area, and yield. Likewise, to compare and
on each variable, an analysis of variance (ANOVA) was
applied, by taking the three farmer groups as grou-
ping variable. Then, if there was a statistical differen-
ce in at least one of the means, the next step was to
develop a multiple comparison of means through
the Scheffé’s method, test used when the sample si-
zes of each group are not the same.
Subsequently, to determine the innovation le-
vel of maize farmers, the Innovation Adoption Index
(InAI) was used, this indicator measures the pro-
portion of innovations conducted by the farmer re-
garding the total number of innovations, included
in the questionary and recommended for the crop
(Muñoz-Rodríguez et al., 2007). In this study, the InAI
was calculated by grouping the innovations into
11 categories: i) conservation agriculture, ii) machi-
nery and irrigation, iii) crop rotation, association and
others, iv) seeds and planting, v) nutrition, vi) weed
control, vii) pest control, viii) disease control, ix) post-
harvest, x) market and financing, and xi) organiza-
tion and management. In this way, the 11 innovation
adoption indexes were calculated for each farmer,
whose values range from 0 to 100 %, where the 100
% indicates a high innovation level and otherwise is
indicated by the zero. The general InAI was obtained
through the average of the 11 categories. As with the
characteristics of farmers, the existence of statistical
differences at innovation level was discussed among
the groups, through the analysis of variance and
the Scheffé’s method.
In order to analyze the evolution in the number
of adopters from the total of innovations included in
this study, the year in which the first adoption took
place was established, and for later years, the num-
ber of adoptions accumulated in the different inno-
vations was added. The dynamic of the evolution
was compared between the three groups of farmers,
from their visual representation through a line chart,
where the years are represented in the horizontal
axis and the number of adoptions collected in the
vertical axis.
Finally, to determine the learning sources of in-
novation in the groups of farmers, the analysis of
social networks (ARS) was used (Wasserman and
Faist, 1994). The actors on social networks were ty-
pified according to their function on the network,
hacerlo; dichas innovaciones fueron promociona-
das principalmente por el Hub Guanajuato durante
su intervención.
Análisis de la información
El análisis de la información se basó en los siguien-
tes apartados: i) caracterización de los productores
y sus unidades de producción, ii) determinación del
nivel de innovación, iii) evolución de las innovacio-
nes adoptadas y iv) identificación de las fuentes de
aprendizaje de las innovaciones adoptadas.
La caracterización de los tres grupos de producto-
res de maíz analizados (Salida, Entrada o Permanencia)
y sus unidades de producción, se realizó a partir del
cálculo de las medias aritméticas de las variables edad,
escolaridad, superficie sembrada y rendimiento. Asi-
mismo, con fines de comparación y sobre cada varia-
ble se aplicó un análisis de varianza (ANOVA), toman-
do como variable de agrupación los tres grupos de
productores. Luego, si existía diferencia estadística en
al menos una de las medias, se procedió a efectuar una
comparación múltiple de medias mediante la rutina
de Scheffé, prueba que se emplea cuando los tamaños
muestrales de cada grupo no son iguales.
Posteriormente, para determinar el nivel de in-
novación de los productores de maíz se utilizó el
Índice de Adopción de Innovaciones (InAI), indicador
que mide la proporción de las innovaciones que el
productor hace respecto al número total de innova-
ciones incluidas en el cuestionario y que son reco-
mendadas para el cultivo (Muñoz-Rodríguez et al.,
2007). En este trabajo, el InAI se calculó agrupando
las innovaciones en 11 categorías: i) agricultura de
conservación, ii) maquinaria y riego, iii) rotación de
cultivos, asociación y otros, iv) semillas y siembra, v)
nutrición, vi) control de malezas, vii) control de pla-
gas, viii) control de enfermedades, ix) postcosecha,
x) mercado y financiamiento, y xi) organización y
administración. De esta manera, se calcularon 11 ín-
dices de adopción de innovaciones para cada pro-
ductor, cuyos valores oscilan entre 0 y 100 %, donde
100 % indica un alto nivel de innovación y cero indi-
ca lo contrario. El InAI general se obtuvo mediante
el promedio de las 11 categorías. Al igual que con las
características generales, entre los grupos se exami-
nó la existencia de diferencias estadísticas en el ni-
vel de innovación en las distintas categorías y en el
Revista de Geografía Agrícola núm. 68  /  83
Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
for this, the catalogue proposed by Rendón-Medel
et al. (2007) was consulted, and they were grouped
into five groups: i) Farmers, ii) Institutional support,
iii) Suppliers, iv) Clients, v) Intermediaries. This allowed
to calculate the relationship diversity index of Krac-
khardt and Stern (1988), which, in this case, is obtai-
ned by subtracting the number of internal ties of the
farmer from the number of his external ties and divi-
ding it by the total number of ties. This index indica-
tes what type of relationships farmers are more prone
to. When the value is close to a positive one, farmers
prefer to interact with actors whose functions are di-
fferent from theirs, by contrast, when the value is clo-
se to a negative one, farmers prefer to interact with
their peers; finally, a value close to zero describes a
balanced relationship between similar and different
actors. Regarding Mcpherson et al. (2001), actors that
prefer to interact with peers, adopt an homophilic
behavior, and those who prefer to interact with diffe-
rent actors, adopt an heterophilic behavior. As with
the first two analyzes, the existence of statistical di-
fferences in the relationship diversity index was exa-
mined among the groups through the analysis of va-
riance and routines of Scheffé. In addition, for the 11
innovation categories and for each group of farmers,
the frequency with which the five types of actors on
social networks are used as source of innovation was
charted. All statistical analysis were carried out with
the SPSS® statistical package version 25.
Results and discussion
Characteristics of the maize farmers and
their production unit
Table 1 shows that the analyzed maize farmers are
characterized by their advanced age (about 55 years)
and their scholarship level equal to an incomplete
elementary education. According to the sown area
they own, they are medium-sized farmers and get a
yield above the entity average (4.9 t·ha-1). Between
the groups of farmers (Output, Input and Perma-
nence) there are no statistical differences in terms
of age, scholarship, and sown area size, for this, the
three groups show characteristics that obstruct the
innovation process. In this sense, Vargas Canales
et al. (2015) found that a low production scale has a
negative influence in the innovative behavior of
Revista de Geografía Agrícola núm. 68  /  84
InAI general, mediante análisis de varianza y rutinas
de Scheffé.
Para analizar la evolución en el número de adop-
tantes del total de innovaciones incluidas en el estu-
dio, se estableció como punto de partida el año en
que se dio la primera adopción, y para años poste-
riores se fueron sumando el número de adopciones
acumuladas en las diferentes innovaciones. La diná-
mica de la evolución fue comparada entre los tres
grupos de productores, a partir de su representación
visual mediante un gráfico de líneas donde en el eje
horizontal se presentan los años y en el eje vertical el
número de adopciones acumuladas.
Finalmente, para determinar las fuentes de
aprendizaje de las innovaciones en los grupos de
productores se utilizó el análisis de redes sociales
(ARS) (Wasserman y Faist, 1994). Los actores en las
redes sociales fueron tipificados de acuerdo con sus
funciones en la red, para esto se acudió al catálogo
propuesto por Rendón-Medel et al., (2007), y fueron
agrupados en cinco grupos: i) Productores, ii) Soporte
institucional, iii) Proveedores, iv) Clientes, v) Interme-
diarios. Lo anterior permitió calcular el índice de di-
versidad de relaciones de Krackhardt y Stern (1988),
el cual, para este caso, se obtiene restando el nú-
mero de lazos internos del productor al número de
sus lazos externos, y dividiéndolo entre el número
total de lazos. Dicho índice señala a qué tipo de re-
laciones son más proclives los productores. Cuando
el valor es cercano a uno positivo, los productores
prefieren relacionarse con actores cuyas funciones
son distintas a las suyas; en cambio, cuando el valor
es cercano a uno negativo los productores son más
afines a relacionarse con sus semejantes; finalmente,
un valor cercano a cero describe un relacionamiento
equilibrado entre semejantes y actores diferentes.
En términos de Mcpherson et al., (2001), los actores
que prefieren relacionarse con iguales adoptan un
comportamiento homofilico, y los que prefieren in-
teractuar con actores de naturaleza distinta adoptan
un comportamiento heterofilico. Al igual que con los
dos primeros análisis, entre los grupos se examinó la
existencia de diferencias estadísticas en el índice de
diversidad de relaciones mediante análisis de varian-
za y rutinas de Scheffé. Además, para las 11 categorías
de innovación y para cada grupo de productores,
se graficó la frecuencia con la que son empleados
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention

Table 1. Characteristics of the maize farmers and their production units.

Cuadro 1. Características de los productores de maíz y sus unidades de producción.
Type of farmer ⁄ N Age (Years) ⁄ Scholarship Sown area (ha) ⁄ Yield (t·ha-1) ⁄
Tipo de productor Edad (años) (Years) ⁄ Superficie Rendimiento
Escolaridad sembrada (ha) (t·ha-1)
(años)
Output ⁄ Salida 96 54 a 4.5 a 9a 5.5b
Input ⁄ Entrada 120 55a 5.3 a 8.2 a 8a
Permanence ⁄ Permanencia 27 53 a 5.6 a 12.9 a 6ab
Total 243 55 5 9 6.8

*Means with different letter per column indicate statistical differences (P<0.05).
*Medias con diferente letra por columna indican diferencias estadísticas (P<0.05).
Source: Own elaboration with field information (2017).
Fuente: Elaboración propia con información de campo (2017).

the protected agriculture enterprises. On their part,
Aguilar-Gallegos et al. (2013) identified that older age
negatively influences the innovation level of cocoa
and oil palm farmers; and in rubber farmers, the inno-
vation level tends to decrease as there are lower le-
vels of schooling. In terms of the yield, there are diffe-
rences among the groups, the farmers from the Input
group have a better result with 47 and 37 % greater
production per hectare compared with the Output
and Permanence groups, respectively.
Innovation level of maize farmers
Figure 2 shows the InAI per category according to the
type of farmer. Here, it can be seen that in the three
como fuente de innovación los cinco tipos de acto-
res en las redes sociales. Todos los análisis estadísti-
cos se realizaron con ayuda del paquete estadístico
SPSS® versión 25.
Resultados y discusión
Características de los productores de maíz y
su unidad de producción
El Cuadro 1 muestra que los productores de maíz ana-
lizados se caracterizan por tener una edad avanzada
(alrededor de 55 años) y un nivel de escolaridad equi-
valente a una educación primaria trunca. De acuerdo
con la superficie sembrada que poseen, son produc-

Figure 2. Innovation Adoption Index per categories and type of farmer.

Figura 2. Índice de Adopción de Innovaciones por categorías y tipo de productor.
Conservation agriculture ⁄
Agricultura de conservación

General Machinery and irrigation ⁄ Maquinaria e irrigación

Organization and management ⁄ Crop rotation, association, and others ⁄

Organización y administración Rotación de cultivos, asociación y otros

Output ⁄ Salida
Market and financing ⁄ Mercado Seeds and planting ⁄ Intput ⁄ Entrada
y financiamiento Semillas y siembra
Permanence ⁄
Permanencia
Post harvest ⁄ Postcosecha Nutrition ⁄ Nutrición

Disease control ⁄
Weed control ⁄ Control de maleza
Control de enfermedades
Pest control ⁄
Control de plagas

Source: Own elaboration with field information (2017).

Fuente: Elaboración propia con información de campo (2017).

Revista de Geografía Agrícola núm. 68  /  85

Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
groups of farmers the trend is the same. The catego-
ries of machinery and irrigation (34 %), conservation
agriculture (32 %) and nutrition (27 %) are the most
adopted, and the category of post-harvest (4 %) is
the least adopted. It is logical that the categories of
machinery and irrigation, conservation agriculture
and nutrition are the most adopted. First, because
the Hub mainly promotes innovations that are re-
lated to CA, and second, because according to the
Food and Agriculture Organization of the United
Nations [FAO], 2022, the logic of production of this
scheme involves investment in the use of machinery.
Kassam et al. (2015) mention that not having the right
machinery represents an adoption barrier for CA.
On the other side, the fact that the category of
post-harvest is the least adopted, lead to thing that,
although the physical conditions of the plots are
improving and higher yields can be expected in the
future, such improvement may not reflect its full po-
tential if part of the production continues to be lost.
In Mexico, the post-harvest loss regarding maize, ran-
ges from 10 and 40 % (García Lara and Bergvijnson,
2007). Also, the development of post-harvest innova-
tions encourages farmers to be able to process their
product, transport it over long distances and store
it for the scarcity times and then, get more advanta-
geous prices (Caballero and Barreiro, 2004).
In Table 2 it is shown that statistically there were
differences only in the category of nutrition, where
the Output group adopts less innovations than the
Input and Permanence groups, however, there were
found general differences that can be highlighted.
Farmers from the Input group are adopting more in-
novations that farmers from the Permanence group,
this is because they are farmers that recently joined
the program and have a better attitude to adopt the
innovations the Hub is promoting. This matches with
what was reported by Sánchez Gómez et al. (2013)
who say that, at the beginning of an intervention in
sheep farmers, the increases in the innovation level
among them, are high.
The fact that farmers of the Permanence type
show a lower innovation level than the Input ones is
due, besides the impetus of the new enrollees in the
program, to the fact that farmers with greater time in
the program have gone through a filtering phase in
which they identified innovations that fit their sys-
Revista de Geografía Agrícola núm. 68  /  86
tores medianos y obtienen un rendimiento que se
encuentra por encima de la media estatal (4.9 t·ha-1).
Entre los grupos de productores (Salida, Entrada y
Permanencia) no existen diferencias estadísticas en
términos de edad, escolaridad y tamaño de la super-
ficie sembrada, por lo que los tres grupos presentan
características que obstruyen los procesos de inno-
vación. En ese sentido, Vargas Canales et al., (2015)
encontraron que una baja escala de producción tie-
ne una influencia negativa en el comportamiento
innovador en las empresas de agricultura protegida.
Por su parte, Aguilar-Gallegos et al., (2013) identifica-
ron que una mayor edad influye de manera negativa
en el nivel de innovación de productores de cacao
y palma de aceite; y en productores de hule, el nivel
de innovación tiende a disminuir a medida que se
tienen menores niveles de escolaridad. En cuanto al
rendimiento, si existen diferencias entre los grupos,
son los productores del grupo Entrada quienes pre-
sentan mejor resultado con 47 y 37 % mayor produc-
ción por hectárea en comparación a los grupos Sali-
da y Permanencia, respectivamente.
Nivel de innovación de los productores de maíz
La Figura 2 presenta el InAI por categoría de acuer-
do con el tipo de productor. En ella se observa que
en los tres grupos de productores la tendencia es la
misma. Las categorías de maquinaria y riego (34 %),
agricultura de conservación (32 %) y nutrición (27 %)
son las más adoptadas, y la categoría de postcosecha
(4 %) es la menos adoptada. Resulta lógico que las
categorías de maquinaria y riego, agricultura de con-
servación y nutrición sean las más adoptadas. En pri-
mer lugar, porque el Hub promueve principalmente
innovaciones que se relacionan con la agricultura de
conservación, y segundo, porque de acuerdo con la
Organización de las Naciones Unidas para la Alimen-
tación y la Agricultura [FAO], 2022, la lógica de pro-
ducción de este esquema supone inversión en el uso
de maquinaria. Kassam et al., (2015) mencionan que
no contar con la maquinaria adecuada representa
una barrera de adopción para la AC.
Por otra parte, el hecho de que la categoría de
postcosecha sea la menos adoptada, induce a pen-
sar qué, si bien se están mejorando las condiciones
físicas de las parcelas y con ello se pueden esperar
rendimientos superiores en el futuro, tal mejora pue-
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention

Table 2. Innovation level per category according to the type of farmer.

Cuadro 2. Nivel de innovación por categoría de acuerdo con el tipo de productor.

Group ⁄ Grupo
Output (96) ⁄ Input (120) ⁄ Permanence (27) ⁄
Innovation category ⁄ Categoría de innovación Salida (96) Entrada (120) Permanencia (27)
Conservation agriculture (%) ⁄ Agricultura de conservación (%) 27 a 35 a 33 a
Machinery and irrigation (%) ⁄ Maquinaria y riego (%) 33 a 36 a 28 a
Crop rotation, association, and others (%) ⁄
Rotación de cultivos, asociación y otros (%) 14 a 16 a 11 a
Seeds and planting (%) ⁄ Semillas y siembra (%) 21 a 23 a 18 a
Nutrition (%) ⁄ Nutrición (%) 22 ab 31 a 30 b
Weed control (%) ⁄ Control de malezas (%) 14 a 16 a 12 a
Pest control (%) ⁄ Control de plagas (%) 23 a 28 a 25 a
Disease control (%) ⁄ Control de enfermedades (%) 17 a 28 a 20 a
Post-harvest (%) ⁄ Postcosecha (%) 4a 3a 6a
Market and financing (%) ⁄ Mercado y financiamiento (%) 20 a 26 a 27a
Organization and management (%) ⁄
Organización y administración (%) 16 a 23 a 24 a
General (%) 20 a 26 a 23a
**Means with different letter per row indicate statistical differences (P<0.05).
**Medias con diferente letra por fila indican diferencias estadísticas (P<0.05).
Source: Own elaboration with field information (2017).
Fuente: Elaboración propia con información de campo (2017).

tems and others that do not. Rogers (1983) points out
that the adaptability is a key property of an innova-
tion for its adoption, and thus, it must be considered
in the intervention strategies.
Finally, in the case of farmers from the Output
group, it is important to point out that, although in
general their innovation levels are lower than tho-
se of the Input and Permeance, this difference is not
significant in statistical terms. In this regard, Sánchez
Gómez et al. (2013) say that when targeted innova-
tions are boosted, in other words, which are interes-
ting for their users, there is greater adoption and ap-
propriation over time, this is the reason the adoption
is not lost even though the intervention ends.
Evolution of the innovation adoption
in maize farmers
The innovations adoption is a process developed
throughout the time, understanding it helps to
identify periods of inflection in the acquisition of
knowledge (Muñoz-Rodríguez et al., 2007). In this
de no reflejar todo su potencial si se sigue perdiendo
parte de la producción. En México, las pérdidas post-
cosecha en maíz oscilan entre 10 y 40 % (García Lara
y Bergvijnson, 2007). Además, la realización de inno-
vaciones de postcosecha incita a que los productores
tengan la capacidad de procesar su producto, trans-
portarlo a grandes distancias y conservarlo para el
momento de escasez y consiguientemente obtener
precios más ventajosos (Caballero y Barreiro, 2004).
En el Cuadro 2 se muestra que estadísticamente
solo se encontraron diferencias en la categoría de nu-
trición, donde el grupo Salida adopta menos innova-
ciones que los grupos Entrada y Permanencia, sin em-
bargo, de manera general se encontraron diferencias
generales que se pueden resaltar. Los productores
del grupo Entrada están adoptando más innovacio-
nes que los productores del grupo Permanencia, esto
se puede deber a que son productores que reciente-
mente se integraron al programa y que muestran una
mejor actitud para adoptar las innovaciones que el
Hub está promoviendo. Esto coincide con lo reporta-

Revista de Geografía Agrícola núm. 68  /  87

 Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
sense, Figure 3 generally shows that, during the pe-
riod 2012-2016 an important transfer of knowledge
was created, which was reflected in the adoption of
innovations by farmers. In this period are the years of
MasAgro program intervention: 2014, 2015 and 2016.
Farmers of the Input group made a total of 1 145 adop-
tions from the different innovations promoted, far-
mers of the Output group 614, and those from the
Permanence group, 249. On average, the number of
innovations adopted by each farmer from the Input
group is 9.5, while for the Output and Permanence
groups it has been 6 and 9, respectively. Unlike the
analysis of the innovation adoption index, in this
analysis with absolute terms there are more diffe-
rences among groups. Farmers from the Input and
Permanence groups adopt a similar number of inno-
vations, number that is about 50% greater than the
number of innovations adopted by the Output group.
Even so, the order is the same, the farmers that adopt
more innovations are those from the Input group,
followed closely by the Permanence group and after
them, the Output group.
Flows of knowledge generated within the rural
territories for the innovation come from several sou-
rces of information. According to Aguilar-Ávila et al.
(2005), farmers are constantly experimenting in their
Figure 3. Evolution in the innovation adoption according to the type of farmer.
Figura 3. Evolución en la adopción de innovaciones de acuerdo con el tipo de productor.
Número de adaptadores
Number of adopters
Output ⁄ Salida
Source: Own elaboration with field information (2017).
Fuente: Elaboración propia con información de campo (2017).
Revista de Geografía Agrícola núm. 68  /  88
Number of adopters
do por Sánchez Gómez et al., (2013) quienes mencio-
nan que, al inicio de una intervención en productores
de ovinos, los incrementos en el nivel de innovación
entre los mismos son más altos.
El que los productores de tipo Permanencia pre-
senten menor nivel de innovación que los de Entra-
da, se debe, además del ímpetu de los recién ingre-
sados al programa, al hecho de que los productores
con mayor tiempo en el programa han pasado por
una fase de filtro en la cual identificaron innovacio-
nes que se adaptan a sus sistemas y otras que no. Ro-
gers (1983) señala que la adaptabilidad es una propie-
dad clave de una innovación para su adopción, y por
tanto, debe tomarse en cuenta en las estrategias de
intervención.
Finalmente, en el caso de los productores de tipo
de Salida es importante señalar que, aunque en ge-
neral sus niveles de innovación son inferiores a los
de Entrada y Permanencia, tal diferencia no alcanza a
ser significativa en términos estadísticos. Al respecto,
Sánchez Gómez et al., (2013) mencionan que cuando
se impulsan innovaciones focalizadas, es decir que
son de interés para los usuarios de estas, provoca una
mayor adopción y apropiación en el tiempo, situa-
ción por la cual la adopción no se pierde a pesar de
que la intervención finaliza.
Input / Entrada Permanence / Permanencia
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention
production units, creating a permanent process of
technological innovation based on the expertise and
accumulation of habits. This type of knowledge is ca-
lled tacit knowledge by Nonaka and Takeuchi (1995)
and in this study, it comes from the Farmers group.
These authors recognize the existence of the explicit
knowledge, a type of knowledge that is systematized
and formalized for effective transfer. In this study, the
explicit knowledge is provided by actors from the
Institutional support, Suppliers, Clients, and Interme-
diaries groups.
Figure 4 shows the relationship diversity index
and the sources of learning for the 11 categories of in-
novation and for each group of farmers. In this figure,
it is visible that there were no statistical differences in
the relationship diversity index. In this sense, farmers
from the three groups are generally more inclined to
consult actors that conduct different tasks other than
their own on the network. A heterophilic bridging
behavior is useful (Mcpherson et al., 2001), because in
the agricultural activity it allows the access to specia-
lized services that improve the productivity and pro-
duction quality (Corsaro et al., 2012; Sánchez-Gómez
et al., 2016). Although for the innovation process the-
re is a greater proclivity to external sources of infor-
mation, farmers complement their knowledge by in-
teracting with their peers. The interaction with peers
is used as social support and source of motivation in
the innovation process (Sánchez-Gómez et al., 2016),
also, it reduces the uncertainty of its results (Islas Mo-
reno and Rendón Medel, 2019). The duality showed
by farmers when they consult their peers and at the
same time actors of a different nature, is a characte-
ristic that encourages the constant innovation in cir-
cumscribed enterprises within the agricultural eco-
nomy (Cofré-Bravo et al., 2019).
Despite the certain degree of duality showed
by the analyzed farmers in terms of their sources of
knowledge, it is visible that the actors from the Insti-
tutional Support group; this is, education and research
institutions and government ones, financial providers,
and professional service providers, are the most refe-
rred actors by farmers, independently of their groups
(Input, Output or Permanence). Actors of the Intitutonal
Support group represent the 76 % of the sources of in-
formation, from these, the main promoting agent of
innovations was the personnel that represents the
Evolución de adopción de innovaciones en los
productores de maíz
La adopción de innovaciones es un proceso que se
desarrolla a lo largo del tiempo, entenderlo ayuda
a identificar periodos de inflexión en la adquisición
de conocimiento (Muñoz-Rodríguez et al., 2007). En
este sentido, la Figura 3 muestra de manera general
qué, durante el periodo 2012-2016 se generó una
transferencia de conocimiento importante que se vio
reflejada en adopción de innovaciones por parte de
los productores. Dentro de este periodo se encuen-
tran los años de intervención del programa MasAgro:
2014, 2015 y 2016.
Los productores de tipo Entrada realizaron un to-
tal 1 145 adopciones de las distintas innovaciones pro-
movidas, los productores del grupo Salida 614 y los
del grupo Permanencia 249. En promedio, el número
de innovaciones que han sido adoptadas por cada
productor del grupo Entrada es de 9.5, mientras que
para los grupos Salida y Permanencia ha sido de 6 y
9, respectivamente. A diferencia del análisis del índi-
ce de adopción de innovaciones, en este análisis con
términos absolutos se observan mayores diferencias
entre grupos. Los productores reunidos en los gru-
pos Entrada y Permanencia adoptan un número si-
milar de innovaciones, número que es cerca de 50 %
mayor al número de innovaciones adoptadas por el
grupo Salida. Aún así, el orden se conserva, los pro-
ductores que más innovaciones adoptan son los del
grupo Entrada, seguido de cerca del grupo Perma-
nencia y debajo de ellos el grupo Salida.
Los flujos de conocimiento que se generan en los te-
rritorios rurales para la innovación provienen de diversas
fuentes de información. De acuerdo con Aguilar-Ávila et
al., (2005), los productores continuamente están expe-
rimentando en sus unidades de producción, originan-
do un proceso permanente de innovación tecnológica
basado en la experiencia y la acumulación de hábitos.
Este tipo de conocimiento es el que Nonaka y Takeuchi
(1995) llaman conocimiento tácito y en este estudio pro-
viene del grupo Productores. Los mismos autores reco-
nocen la existencia del conocimiento explícito, un tipo
de conocimiento que es sistematizado y formalizado
para su eficaz transferencia. En este estudio el conoci-
miento explícito es proporcionado por actores pertene-
cientes a los grupos Soporte institucional, Proveedores,
Clientes e Intermediarios.
Revista de Geografía Agrícola núm. 68  /  89
Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno

Figure 4. Sources of innovation per category according to the type of farmer.

Figura 4. Fuentes de la innovación por categoría de acuerdo con el tipo de productor.
Input / Entrada Diversity of relations = 0.7873a /
Diversidad de relaciones = 0.7873a

Conservation Machinery and Crop rotation, Seeds and Nutrition / Weed control / Pest control / Disease Post-harvest / Market and Organization and
agriculture / irrigation / association and plantig / Nutrición Control de Control de control / Postcosecha financing management /
Agricultura de Maquinaria y others / Semillas y maleza plagas Control de Mercado y Organización y
consevación riego Rotación siembra enfermedades financiamiento administración
de cultivos,
asociación y
otros
Farmers / Institutional support / Suppliers / Clients / Intermediares /
Productores Soporte institucional Proveedores Clientes Intermediarios

Permanence /Permanencia Diversity of relations = 0.8654a /

Diversidad de relaciones = 0.8654a

Conservation Machinery and Crop rotation, Seeds and Nutrition / Weed control / Pest control / Disease Post-harvest / Market and Organization and
agriculture / irrigation / association and plantig / Nutrición Control de Control de control / Postcosecha financing management /
Agricultura de Maquinaria y others / Semillas y maleza plagas Control de Mercado y Organización y
consevación riego Rotación siembra enfermedades financiamiento administración
de cultivos,
asociación y
otros
Farmers / Institutional support / Suppliers / Clients / Intermediares /
Productores Soporte institucional Proveedores Clientes Intermediarios

Output / Salida
Diversity of relations = 0.7274a /
Diversidad de relaciones = 0.7274a

Conservation Machinery and Crop rotation, Seeds and Nutrition / Weed control / Pest control / Disease Post-harvest / Market and Organization and
agriculture / irrigation / association and plantig / Nutrición Control de Control de control / Postcosecha financing management /
Agricultura de Maquinaria y others / Semillas y maleza plagas Control de Mercado y Organización y
consevación riego Rotación siembra enfermedades financiamiento administración
de cultivos,
asociación y
otros
Farmers / Institutional support / Suppliers / Clients / Intermediares /
Productores Soporte institucional Proveedores Clientes Intermediarios

Source: Own elaboration with field information (2017). / Fuente: Elaboración propia con información de campo (2017).

*Means with different letter in the variable of relationship diversity indicate statistical differences (P<0.05).
*Medias con diferente letra en la variable diversidad de relaciones indican diferencias estadísticas (P<0.05).

Revista de Geografía Agrícola núm. 68  /  90

 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention
Hub Guanajuato. Thus, from the netwrok perspecti-
ve, according to Jackson and Yariv (2011), in this case,
these actors play a key role as potential catalysts for
the diffusion of innovations.
Conclutions
Analyzed maize farmers from the Hub Guanajua-
to show characteristics that restrict the innovation
processes (age, scholarship, and sown area). In fact,
the adoption level of innovations promoted by the
Hub is low, however, the intervention of its agents
has increased the innovation level, especially, in the
categories related to machinery and irrigation, con-
servation agriculture and nutrition. Therefore, the
program has played an effective role as innovation
promoter agent, however, there is still a large gap of
innovations to be adopted, specially those related to
the post-harvest.
Taking into account the type of farmer: Input,
Permanence and Output, significant statistical diffe-
rences were not found, which leads us to think that
the time in the MasAgro program does not influence
the innovation level, although, it must be considered
that the time difference between categories is from
one to two year, therefore, it is important to carry out
this type of studies by considering a longer period of
analysis. Additionally, those involved in the Hub Gua-
najuato should develop the task of identifying the
motives because farmers from the Input group, des-
pite having levels of innovation like the other groups,
obtain considerably higher grain yields.
Regarding the debate about the innovation and
its adoption dynamics, this study validates some of
its patterns. Actors who have just participated in one
intervention do so with impetus and initiative, for
this, their adoption dynamic is accelerated. On the
other side, actors that remain in the framework of an
intervention have tried different innovations, some
have been adapted to their needs and others have
not, and other innovations continue to be assessed,
but at a slower pace than at the beginning. Finally,
actors that abandon the intervention, only adopt the
innovations that fit their systems and outside the in-
tervention, their adoption dynamics are presumed to
slow down.
For the complement in the assessment of govern-
ment programs, it is proposed to analyze the innova-
La Figura 4 presenta el índice de diversidad de re-
laciones y las fuentes de aprendizaje para las 11 cate-
gorías de innovación y para cada grupo de producto-
res. En dicha figura se muestra que no se encontraron
diferencias estadísticas significativas en el índice de
diversidad de relaciones. En este sentido, en gene-
ral, los productores de los tres grupos son más pro-
clives a consultar a actores que cumplen funciones
distintas a las propias en la red. Un comportamiento
de vinculación heterofilico es útil (Mcpherson et al.,
2001), pues en la actividad agrícola permite el acceso
a servicios especializados que mejoran la producti-
vidad y calidad de la producción (Corsaro et al., 2012;
Sánchez-Gómez et al., 2016). Aunque para el proceso
de innovación existe una mayor proclividad hacia
las fuentes de información externas, los productores
complementan su conocimiento interactuando con
sus pares. La interacción con pares sirve de apoyo
social y fuente de motivación en el proceso de inno-
vación (Sánchez-Gómez et al., 2016), además, reduce
la incertidumbre de sus resultados (Islas Moreno y
Rendón Medel, 2019). La ambidiestralidad mostrada
por los productores al consultar a sus pares y actores
de naturaleza distinta, es un rasgo que fomenta la in-
novación constante en empresas circunscritas en la
economía agrícola (Cofré-Bravo et al., 2019).
A pesar del cierto grado de ambidiestralidad que
muestran los productores analizados en cuanto a sus
fuentes de conocimiento, es evidente que los actores
del grupo Soporte Institucional; es decir, instituciones
de enseñanza e investigación y gubernamentales,
proveedores financieros y prestadores de servicios
profesionales, son los actores más referidos por los
productores, independientemente del grupo al que
pertenenzcan (Entrada, Salida o Permanencia). Los
actores del grupo Soporte Institucional representan
el 76 % de las fuentes de información, de estos, el
principal agente promotor de las innovaciones fue el
personal que representa al Hub Guanajuato. Así que,
desde la perspectiva de red, de acuerdo con Jackson
y Yariv (2011), para este caso, son estos actores quie-
nes desempeñan un papel clave como catalizadores
potenciales en la difusión de innovaciones.
Conclusiones
Los productores de maíz del Hub Guanajuato anali-
zados presentan características que restringen los
Revista de Geografía Agrícola núm. 68  /  91
Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
tion dynamics of the involved farmers, this is, to iden-
tify the innovation levels, the period, and the sources
of adoption. Also, for further research, the analysis of
populations over time is suggested by taking into ac-
count both variables, those of innovation and those
of yield or utility that allow to estimate the interven-
tion value of a program like the analyzed one.
Acknowledgement
This study was part of the project “Redes de Innova-
ción Sistema Maíz del estado de Guanajuato, 2017”
concluded between the Universidad Autónoma
Chapingo (UACh) and the International Maize and
Wheat Improvement Center (CIMMYT by its acron-
ym in Spanish). We thank to the personnel from the
Hub Guanajuato in the design of the survey of field
information and in the discussion of the results. We
also thank to the personnel from the Innovation Net-
work Group of the Centro de Investigaciones Econó-
micas, Sociales y Tecnológicas de la Agroindustria y
la Agricultura Mundial (CIESTAAM) in the survey of
field information.
End of English version
References ⁄ Referencias
Aguilar-Ávila, J., Santoyo-Cortés, H. V., Solleiro-
Rebolledo, J. L., Altamirano-Cárdenas, J. R., y Baca
del Moral, J. (2005). Transferencia e Innovación
Tecnológica en la Agricultura: Lecciones y Propuestas
para México (Primera). Fundación Produce
Michoacán/Universidad Autónoma Chapingo.
Aguilar-Gallegos, N., Martínez-González, E. G., Aguilar-
Ávila, J., Santoyo-Cortés, H., Muñoz-Rodríguez,
M., y García Sánchez, E. I. (2016). Análisis de redes
sociales para catalizar la innovación agrícola: de
los vínculos directos a la integración y radialidad.
Estudios Gerenciales, 32(140), 197-207. https://doi.
org/10.1016/j.estger.2016.06.006
Aguilar-Gallegos, N., Muñoz-Rodríguez, M., Santoyo-
Cortés, V. H., y Aguilar-Ávila, J. (2013). Influencia
del perfil de los productores en la adopción de
innovaciones en tres cultivos tropicales. Teuken
Bidikay, 4, 207-228.
Avendaño-Ruiz, B. D., Hernández-Alcantar, M. L., y
Martínez-Carrasco-Pleite, F. (2017). Innovaciones
Revista de Geografía Agrícola núm. 68  /  92
procesos de innovación (edad, escolaridad y super-
ficie sembrada). De hecho, el nivel de adopción de
las innovaciones que promueve el Hub es bajo, sin
embargo, la intervención de sus agentes ha incre-
mentado el nivel de innovación, sobre todo, en las
categorías relacionadas con maquinaria y riego, agri-
cultura de conservación y nutrición. Por lo tanto, el
programa ha cumplido un papel eficaz como agente
promotor de la innovación, no obstante, aún existe
una gran brecha de innovaciones por adoptar, espe-
cialmente aquellas relacionadas con la postcosecha.
Considerando el tipo de productor: Entrada, Per-
manencia y Salida no se encontraron diferencias es-
tadísticas significativas importantes, lo cual induce a
pensar que el tiempo en el programa no influye en el
nivel de innovación, aunque, se debe considerar que
la diferencia de tiempo entre categorías es de uno o
dos años, por lo que es importante realizar este tipo
de estudios considerando un mayor periodo de aná-
lisis. Adicionalmente, los involucrados en el Hub Gua-
najuato deben darse a la tarea de encontrar la razón
por la cual los productores del grupo Entrada, a pesar
de poseer niveles de innovación similares a los otros
grupos, obtienen rendimientos en grano significati-
vamente superiores.
Con relación al debate sobre la innovación y su
dinámica de adopción, este estudio valida algunos
de sus patrones. Los actores que recién participan
en una intervención lo hacen con ímpetu e iniciativa,
por ello su dinámica de adopción es acelerada. Por
otro lado, los actores que permanecen en el marco
de una intervención han probado distintas innova-
ciones, algunas se han adaptado a sus necesidades y
otras no, por ello algunas se adoptan y otras no, y se
siguen probando otras innovaciones, pero a un ritmo
menos acelerado que al comienzo. Finalmente, los
actores que abandonan la intervención solo adop-
tan las innovaciones que se ajustaron a sus sistemas
y fuera de la intervención se presume su dinámica de
adopción se ralentiza.
Para el complemento en la evaluación de progra-
mas gubernamentales se propone analizar la dinámi-
ca de innovación de los productores atendidos, esto
es identificar los niveles de innovación, el periodo y
las fuentes de adopción. Además, para futuras inves-
tigaciones, se sugiere el análisis de poblaciones en el
tiempo, considerando variables tanto de innovación
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention
tecnológicas en el sector hortícola del noroeste
de México: rapidez de adopción y análisis de
redes de difusión. Corpoica Ciencia y Tecnología
Agropecuaria, 18(3), 495-511.https://doi.
org/10.21930/rcta.vol18_num3_art:740
Caballero Grande, R., y Barreiro León, J. C. (2004).
Experiencias y soluciones a la poscosecha en
elm arco de una agricultura sostenible. Revista de
Agroecología, 6-7.
Camacho-Villa, T. C., Almekinders, C., Hellin, J.,
Martínez-Cruz, T. E., Rendón-Medel, R., Guevara-
Hernández, F., Beuchelt, T., y Govaerts, B. (2016). The
evolution of the MasAgro hubs: responsiveness
and serendipity as drivers of agricultural
innovation in a dynamic and heterogeneous
context. The Journal of Agricultural Education and
Extension, 22(5), 455-470. https://doi.org/10.1080/13
89224X.2016.1227091
Cofré-Bravo, G., Klerkx, L., y Engler, A. (2019).
Combinations of bonding, bridging, and linking
social capital for farm innovation: How farmers con
fi gure di ff erent support networks. Journal of Rural
Studies, 69(May), 53-64. https://doi.org/10.1016/j.
jrurstud.2019.04.004
Corsaro, D., Cantú, C., y Tunisini, A. (2012). Actors’
Heterogeneity in Innovation Networks. Industrial
Marketing Management, 41(5), 780-789. https://doi.
org/10.1016/j.indmarman.2012.06.005
COTEC. (207). La persona protagonista de la innovación
(Primera ed). Gráficas Arias Montano, S. A.
Díaz-José, J., Rendón-Medel, R., Govaerts, B., Aguilar-
Ávila, J., y Muñoz-Rodríguez, M. (2016). Innovation
Diffusion in Conservation Agriculture: A Network
Approach. The European Journal of Development
Research, 28(2), 314-329. https://doi.org/10.1057/
ejdr.2015.9
FAO. (2022). Agricultura de conservación. Recuperado
el 9 de marzo de 2022 de: https://www.fao.org/
conservation-agriculture/overview/what-is-
conservation-agriculture/es/
Frambach, R. T., y Schillewaert, N. (2002).
Organizational innovation adoption: a mlti-level
framework of determinants and opportunities
for future research. Journal of Business Research,
55(2), 163-176. https://doi.org/10.1016/S0148-
2963(00)00152-1
Freeman, L. C. (2004). The development of social
como de rendimientos o utilidad que permitan esti-
mar el valor de la intervención de un programa como
el analizado.
Agradecimientos
Este trabajo formó parte del Proyecto “Redes de
Innovación Sistema Maíz del estado de Guanajua-
to, 2017” celebrado entre la Universidad Autónoma
Chapingo (UACh) y el Centro Internacional de Mejo-
ramiento de Maíz y Trigo (CIMMYT). Se agradece la
participación del personal del Hub Guanajuato en el
diseño del levantamiento de información de campo
y en la discusión de los resultados. También se agra-
dece al personal del Grupo de Redes de Innovación
del Centro de Investigaciones Económicas, Sociales
y Tecnológicas de la Agroindustria y la Agricultura
Mundial (CIESTAAM) en el levantamiento de la infor-
mación de campo.
Fin de la versión en español
network analysis. A study in the sociology of
science. In UT Electronic Theses and Dissertations
(First). Empirical Press.
García Lara, S., y Bergvijinson, D. J. (2007). Programa
integral para reducer pérdidas poscosecha en
maíz. Agricultura Técnica en México, 33(2), 181-189.
https://doi.org/10.5944/educxx1.17.1.10708
García Sánchez, E. I., Aguilar Ávila, J., y Bernal Muñoz,
R. (2011). La agricultura protegida en Tlaxcala,
Méjico: La adopción de innovaciones y el
nivel de equipamiento como factores para su
categorización. Teuken Bidikay, 193-212.
Hobbs, P. R., Sayre, K., y Gupta, R. (2008). The role of
conservation agriculture in sustainable agriculture.
Philosophical Transactions of the Royal Society B:
Biological Sciences, 363(1491), 542-555. https://doi.
org/10.1098/rstb.2007.2169
Howells, J. (2006). Intermediation and the role of
intermediaries in innovation. Research Policy, 35(5),
715-728. https://doi.org/10.1016/j.respol.2006.03.005
Instituto Nacional de Estadística y Geografía [INEGI].
(2020). Guanajuato. Cuéntame. Información
por Entidad. http://cuentame.inegi.org.mx/
monografías/inforacion/gto/población/
default.aspx
Revista de Geografía Agrícola núm. 68  /  93
Elizabeth Roldán-Suárez, Roberto Rendón-Medel, Jorge Aguilar-Ávila, Asael Islas-Moreno
Islas Moreno, A., y Rendón Medel, R. (2019). Difusión
de innovaciones en sistemas pecuarios de
especialidad: empresas productoras de avestruz
en México. RIVAR, 6(17), 15-26.
Jackson, M. O., y Yariv, L. (2011). Diffusion, strategic
interaction, and social structure. In J. B. A.B. y M. O.J.
(Eds.), Handbook of Social Economics (Vol. 1, Issue 11,
pp. 645-678). Elsevier B.V. https://doi.org/10.1016/
B978-0-444-53187-2.00014-0
Kassam, A., Friedrich, T., Derpsch, R., y Kienzle,
J. (2015). Overview of the Worldwide Spread
of Conservation Agriculture. Field Actions
Science Reports, 8(September), 0-11. https://doi.
org/10.1201/9781315365800-4
Klerkx, L., Aarts, N., y Leeuwis, C. (2010). Adaptive
management in agricultural innovation systems:
The interactions between innovation networks
and their environment. Agricultural Systems, 103(6),
390-400. https://doi.rg/10.1016/j.agsy.2010.03.012
Klerks, L., Mierlo, B. Van, y Leeuwis, C. (2012). Evolution
of systems approaches to agricultural innovation:
concepts, analysis, and interventions. In I.
Darnhofer, D. Gibbon, y B. Dedieu (Eds.), Farming
Systems Research into the 21st Century: The New
Dynamic (First, pp. 457-483). Springer, Dordrecht,
https://doi.org/10.1007/978-94-007-4503-2
Krackhardt, D., y Stern, R. N. (1988). Informal Networks
and Crisis: An Experimental Simulation. Social
Psychology Quarterly, 51(2), 123-140.
Lichtenthaler, U., y Ernst, H. (2008). Innovation
Intermediaries: Why Internet Marketplaces for
Technology Have Not Yet Met the Expectations.
Creativity and nnovation Management, 17(1), 14.
https://doi.org/10.1111/j.1467-8691.2007.00461.x
Mcpherson, M., Smith-Lovin, L., y Cook, J. M. (2001).
Birds of a Feather: Homophily in Social Networks.
Annual Review of Sociology, 27(1). 415-444. https://
doi.org/10.1146/annurev.soc.27.1.415
Monge Pérez, M., y Hartwich, F. (2008). Análisis de
Redes Sociales aplicado al studio de los procesos
de innovación agrícola. REDES-Hispana Para El
Análisis de Redes Sociales, 14(2), 1-31.
Muñoz-Rodríguez, M., Aguilar Ávila, J., Rendón-
Medel, R., y Altamirano-Cárdenas, J. R. (2007).
Análisis de la dinámica de innovación en cadenas
agroalimentarias (Primera ed.). Universidad
Autónoma Chapingo-CIESTAAM.
Revista de Geografía Agrícola núm. 68  /  94
Muñoz-Rodríguez, M., Santoyo Cortés, V. H., Gómez
Pérez, D., y Altamirano Cárdenas, J. R. (2018).
¡Otro campo es possible! Agenda pública y política
con relación a campo mexicano (Primera ed).
Universidad Autónoma Chapingo.
Nonaka, I., y Takeuchi, H. (1995). The Knowledge-
Creating Company: How Japanese Companies
Create the Dynamics of Innovation (Primera ed.).
Oxford University Press.
Otzen, T., y Manterola, C. (2017). Técnicas de muestreo
sobre una población a studio. Int. J. Morphol,
35(1), 227-232. https://doi.org/10.4067/S0717-
95022017000100037
Radjou, N. (2004). Innovation Networks. Forrester Big
Idea, 1-19.
Rendón-Medel, R., Aguilar-Ávila, J., Muñoz-
Rodríguez, M., y Altamirano-Cárdenas, J. R. (2007).
Identificación de actores clave para la gestion de la
innovación el uso de redes sociales (Primera ed.).
Universidad Autónoma Chapingo-CIESTAAM/
PIIAI.
Rogers, E. M. 1983). Diffusion of innovations (Third
Eidt.). The Free Press.
Roldán-Suárez, E., Rendón-Medel, R., Camacho-
Villa, T. C., y Aguilar-Ávila, J. (2018). Gestión de la
interacción en procesos de innovación rural.
Corpoica Ciencia y Tecnología Agropecuaria, 19(1),
29-42. https://doi.org/https://doi.org/10.21930/
rcta.vol19_num1_art:609
Sánchez-Gómez, J., Rendón-Medel, R., Díaz-José,
J., y Sonder, K. (2016). El Soporte Institucional en
la Adopción de Innovaciones del Productor de
Maíz: Región Centro, México, Revista Mexicana de
Ciencias Agrícolas, 15, 2925-2938.
Sánchez Gómez, J., Rendón Medel, R., Cervantes
Escoto, F., y López Tirado, Q. (2013). El agente
de cambio en la adopción de innovaciones en
agroempresas ovinas. Rev Mex Cienc Pecu, 4(3),
305-318.
Schumpeter, J. A. (2003). Capitalism, Socialism and
Democracy. Taylor & Francis.
Servicio de Información Agroalientaria y Pesquera
[SIAP]. (2019). Resumen Nacional por Estado
Producción Agrícola. Vargas
Canales, J. M., Palacios Rangel, M. I., Camacho
Vera, J. H., Aguilar Ávila, J., y Ocampo Ledesma, J.
G. (2015). Factores de innovación en agricultura
 Innovation adoption in the maize production of the state of Guanajuato, Mexico: analysis of an intervention
protegida en la región de Tulancingo, México.
Revista Mexicana de Ciencias Agrícolas, 6(4), 827-
840.
Wasserman, S., y Faust, K. (1994). Social Network
Analysis: Methods and Analysis (First). Cambridge
University Press.
Wu, B., y Zhang, L. (2013). Farmer innovation diffusion
via network building: A case of winter greenhouse
diffusion in China. Agriculture and Human Values,
30(4), 641-651. https://doi.org/10.1007/s10460-013-
9438-6
Yildiz, S., Bastürk, F., y Boz, I. T. (2014). The Effect of
Leadership and Innovativeness on Business
Performance. Procedia-Social and Behavioral
Sciences, 150, 785-793. https://doi.org/10.1016/j.
sbspro.2014.9.064
Revista de Geografía Agrícola núm. 68  /  95