UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN DE
TACNA
VICERECTORADO DE INVESTIGACIÓN
FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA EN INFORMÁTICA Y
SISTEMAS
“APLICACIÓN DE UNA HERRAMIENTA DE PROGRAMACIÓN
PARA MEJORAR EL PENSAMIENTO COMPUTACIONAL EN
ESTUDIANTES UNIVERSITARIOS DE TACNA”
RESOLUCIÓN DE FACULTAD N° R.F. 03739-2016-FAIN/UNJBG
PRESENTADO POR:
IN VESTIG AD O R PRINCIPAL
MSC. ANA SILVIA CORI MORÓN
IN VESTIGADO R ES COLABORADORES
ING. HUGO MANUEL BARRAZA VIZCARRA
ING. PORFIRIO C H A TA RAMIREZ
INFORME FINAL DE INVESTIGACIÓN TITULADO
TACNA - PERU
ÍNDICE GENERAL
RESUMEN iii
ABSTRACT iv
1 INTRODUCCIÓN 1
II FUN D AM EN TO S 6
III M ÉTO D O O PROCEDIMIENTO 50
IV RESULTADOS 58
V ANÁLISIS Y DISCUSIÓN DE RESULTADOS 89
VI CONCLUSIONES 95
Vil RECOMENDACIONES 97
VIII REFERENCIAS BIBLIOGRÁFICAS 98
RESUMEN
El presente trabajo de investigación tuvo como propósito determinar si existe diferencia
significativa en el desarrollo del pensamiento computacional en los estudiantes de primer año
en la Universidad Nacional Jorge Basadre Grohmann - Tacna, antes y después de la aplicación
del modelo "PECO" basado en programación estructurada y visual. El tipo de investigación es
aplicada, el nivel de investigación es explicativa. El método de investigación es científico-
tecnológico. El diseño de la investigación que se usó fue el diseño con pre y post prueba con un
solo grupo, cuyo diagrama es G Oí X 0 2. La población, para el caso de estudio corresponde a la cantidad de alumnos matriculados en el primer año que son 250 alumnos, de la Escuela
Profesional de Ingeniería en Informática y Sistemas de la Universidad Nacional Jorge Basadre
Grohmann-Tacna. La muestra utilizada es la no probabilística, se trabajó solo con los alumnos
de primer año, que son 68 alumnos. Los instrumentos que se utilizaron son el pretest y
postest aplicada a los estudiantes de primer año. Los resultados determinaron que existe
diferencia significativa en el desarrollo del pensamiento computacional en los estudiantes de
primer año en la Universidad Nacional Jorge Basadre Grohmann - Tacna, antes y después de la
aplicación del modelo "PECO" basado en programación estructurada y visual.
Palabras claves: Pensamiento computacional, programación estructurada, programación
visual, evaluación y mejoras, procesos y transformaciones, modelos y abstracciones, patrones
ABSTRACT
The present research aims to determine if there is a significant difference in the
development of computational thinking in first year students at the Jorge Basadre Grohmann -
Tacna National University, before and after the application of the "PECO" model based on
structured programming and visual. The type of research is applied, the level of research is
explanatory. The method of investigation is scientific-technological. The design of the research
that was used was the design with pre and post test with a single group, whose diagram is G
0 1 X 02. The population, for the case of study corresponds to the number of students enrolled
in the first year that are 250 students, of the Professional School of Engineering in Computer
Science and Systems of the National University Jorge Basadre Grohmann-Tacna. The sample
used is non-probabilistic, we worked only with first year students, who are 68 students. The
instruments that were used pretest and postest applied to freshmen. The results determined
that there is a significant difference in the development of computational thinking in first year
students at the Jorge Basadre Grohmann - Tacna National University, before and after the
application of the "PECO" model based on structured and visual programming.
Keywords: Computational thinking, structured programming, visual programming,
evaluation and improvements, processes and transformations, models and abstractions,
Introducción
El presente proyecto de investigación consiste en aplicar una herramienta de
programación a un grupo de estudiantes universitarios y luego realizar la evaluación
correspondiente para analizar la evolución de su pensamiento computacional.
Pensamiento computacional significa que el estudiante ha aprendido a formular un
problema, analizar sus soluciones y escoger la mejor solución óptima, emplear
generalizaciones, modelos, simulaciones y paralelismo.
El desarrollo del pensamiento computacional en los jóvenes universitarios los ayuda a
resolver problemas eficientemente.
En el 2006, Jannette Wing escribió un artículo sobre Pensamiento Computacional en el
que sostenía que este "representaba una habilidad y una actitud de aplicación
universal" para todas las personas. Su visión ayudó a inspirar pequeños grupos de
innovación en otros países que sirvieran como modelos para alcanzar esa meta, pero a
nivel nacional su adopción requiere de un enfoque más sistémico.
En el Capítulo I se describen los datos generales del presente proyecto de
investigación, en el Capítulo II se detalla el planteamiento teórico de la investigación,
en el Capítulo III se mencionan el marco teórico de la investigación, los antecedentes y
fundamentos teóricos, en el Capítulo IV hablaremos acerca del diseño metodológico,
en el Capítulo V se procede al desarrollo, es decir la aplicación de la herramienta
1.1.1 Descripción del problema.
En el mundo globalizado de hoy en día, se tienen muchas tendencias entre las que
destacan las Tecnologías de la información que son el pilar de otros paradigmas; a esta
sociedad evolucionada en la que vivimos se le denomina Sociedad de la Información, ya
que todo lo que nos rodea es tecnología, las personas utilizan tecnología de información
en cada actividad diaria, se comunican con TI, trabajan con TI, tienen seguridad con TI,
estudian con TI, se hace ciencia con TI, facilita nuestras vidas.
Las TI están presentes en la ciencia, en la investigación, en la educación y cumplen un rol
importante en otros países de Europa, Asia, en Estados Unidos. Las ventajas principales
que nos brinda son: facilita el aprendizaje en aula, el aprendizaje a distancia, mejora la
enseñanza utilizando una gran variedad de herramientas de TI, brinda mejoras en el
pensamiento computacional del estudiante. Se tienen resultados concretos, en Turquía ha
mejorado la capacidad de resolución de problemas en un grupo de niños entre 11 y 12
años de edad (Kalelioglu, 2015). En Estados Unidos ha mejorado la capacidad de
abstracción en un grupo de niños de 12 y 13 años de edad ambas investigaciones utilizaron
TI específicamente herramientas de programación lo cual ha mejora significativamente el
pensamiento computacional (Basawapatna, 2016).
El pensamiento computacional mejora la capacidad abstracción de las personas y en
consecuencia le ayuda a resolver problemas eficientemente.
Es cierto que en el Perú se está tratando de implementar estas herramientas de
programación pero falta la universalización en todas las instituciones educativas, en todos
los niveles, inicial, primaria, secundaria, técnica y superior, con participación de todos los
agentes involucrados en la educación.
Existen variedad de herramientas para aprender la programación de computadores y
como consecuencia mejoran el pensamiento computacional.
En la ciudad de Tacna, en la educación superior sólo se enseña a programar las
computadoras en la carreras profesionales de Ciencias de la Computación, en el resto de
carreras profesionales la enseñanza de la programación de computadoras es baja casi nula.
Por ello se plantea realizar esta investigación, la cual consiste en la aplicación de una
herramienta de programación dirigida a estudiantes universitarios, y luego realizar una
evaluación de su aprendizaje y las consecuencias en el ámbito académico 1. PLANTEAMIENTO TEÓRICO DE LA INVESTIGACIÓN
1.1.2 Delimitación del Problema.
Específicamente en la presente investigación es identificar como es que influye la
aplicación de la herramienta de programación en el ámbito académico de los estudiantes
universitarios, y como es el desarrollo del pensamiento computacional de los estudiantes
universitarios frente a los problemas, esta investigación se desarrollará durante el año de
calendario académico 2016 y 2017.
1.1.3 Formulación del problema.
El problema en la presente investigación se formula de la siguiente manera.
¿Cómo mejora el pensamiento computacional en jóvenes universitarios de 16 a 18 años
de edad en la ciudad de Tacna-Perú 2016?
1.2 Justificación o importancia de la investigación.
La educación es el arma más poderosa para combatir a la ignorancia para convertirse en países
más desarrollados.
Formar una nueva generación de personas capaces de resolver cualquier problema través del
pensamiento computacional.
Con esta investigación se pretende que los jóvenes universitarios puedan enriquecerse con el
pensamiento computacional, que sean capaces de resolver cualquier problema y desarrollar
habilidades.
1.3 Objetivos de investigación.
1.3.1 Objetivo General.
Aplicar la herramienta de programación a los jóvenes universitarios en jóvenes
1.3.2 Objetivos específicos.
Establecer el grado de aprendizaje de la programación de computadores en los
jóvenes universitarios en jóvenes universitarios de 16 a 18 años de edad en la
ciudad de Tacna.
Establecer el grado de mejora en el pensamiento computacional de los jóvenes
universitarios en jóvenes universitarios de 16 a 18 años de edad en la ciudad
de Tacna.
1.4 Hipótesis de la investigación.
1.4.1 Hipótesis general.
La aplicación de la herramienta de programación mejora significativamente el
pensamiento computacional en los jóvenes universitarios 16 a 18 años de edad en la
ciudad de Tacna.
1.4.2 Hipótesis específica.
El nivel de aprendizaje de la programación de computadores es satisfactorio en
los jóvenes universitarios de 16 a 18 años de edad en la ciudad de Tacna.
El nivel del pensamiento computacional es significativo en los jóvenes
II FUNDAMENTOS
2. MARCO TEÓRICO DE INVESTIGACIÓN.
2.1 Antecedentes del problema.
Se ha investigado artículos científicos relacionados a los siguientes temas: en la
implementación de herramientas de software educativo se tiene a la tesis titulada Desarrollo
de un sistema computacional para el aprendizaje de programación estructurada "SCAPE" (Arias
Patino, Lozano Isaza, & Marin Rodríguez, 2011), en cuanto al uso de herramientas de software
educativo para la enseñanza de programación se tiene A Tangible Programming Tool fo r
Children to Cultívate Computational Thinking (Wang, Wang, & Liu, 2014), en cuanto al uso e
implementación de herramientas para crear simulaciones se ha encontrado en el artículo
Alexander Meets Michotte: A Simulation Tool Based on Pattern Programming and
Phenomenology (Basawapatna, 2016), en el área del pensamiento computacional se ha
encontrado el articulo A new way of teaching programming skills to K-12 students: Code.org
(Kalelioglu, 2015), en el tema de patrones del pensamiento computacional tenemos ala
articulo titulado Towards the Automatic Recognition of Computational Thinking fo r Adaptive
Visual Language Learning (Han Koh, Basawapatna, Bennett, & Repenning).
(Basawapatna, 2016), en su investigación detalla los pasos para llevar a cabo la
implementación de un Kit de herramientas para crear simulaciones, luego aplica este Kit de
herramientas a un grupo de estudiantes de secundaria y universitarios en sus clases de
ciencias, los cuales conocían poco o nada de programación, los resultados fueron que los
alumnos de la clase pueden aplicar simulaciones más rápido usando el kit de herramientas y
también pueden crear simulaciones a través de un razonamiento analógico.
(Kalelioglu, 2015), esta investigación utiliza una herramienta, code.org para evaluar cambios en
el pensamiento reflexivo de los estudiantes de primaria, es decir su capacidad de resolución de
problemas, como primer paso realiza una examen pre-test para evaluar su pensamiento
reflexivo, luego realiza cuatro clases utilizando la herramienta code.org, y nuevamente aplica
un examen pos-test para evaluar el pensamiento reflexivo, y los resultados muestran que si
hubo cambios positivos en algunos aspectos especialmente en las niñas, mientras que en los
niños se mantuvieron con el mismo nivel en el pensamiento reflexivo.
(Basawapatna, 2016) Implementa una herramienta para crear simulaciones de los fenómenos
reales y logra mejorar la capacidad de abstracción en alumnos de secundaria y universitarios
con casi nada de conocimientos en programación.
evalúa antes y después el pensamiento computacional, hace incapié en el punto de diferencia
de género en el aprendizaje, su conclusión indica que no existe diferencia alguna. Aquí
también muestra una mejora en el pensamiento computacional, y se demuestra en la
capacidad de resolución de problemas de cualquier curso escolar.
(Basawapatna, 2016), aquí la limitación que ha tenido principalmente es el tiempo de
enseñanza con esta herramienta, y hubo poco desarrollo de la analogía del modelado con la
programación, otro inconveniente es que el curso de informática forma parte del plan de
estudios pero dentro de las demás clases de ciencias no es utilizada la informática como medio
de modelado para el aprendizaje de los estudiantes.
(Kalelioglu, 2015), aquí la limitación que ha tenido principalmente es el tiempo de enseñanza
con esta herramienta.
En cuanto a la aplicación de una herramienta de software educativo se encontraron muchas
investigaciones relacionadas entre las que se pueden mencionar:
La tesis titulada Estudio de la influencia del aprendizaje del pensamiento computacional en las
materias de ciencias en alumnos de secundaria, en la investigación usa la herramienta
SCRATCH haciendo luego una evaluación la cual muestra los resultados del año 2013 y 2014,
de estos resultados se puede interpretar que los estudiantes reflejaron una mejoría en el
rendimiento académico, el desarrollo del pensamiento computacional permite que potencie
ciertas habilidades para dar solución a problemas planteados. (Boix-Tormos, 2016).
En el artículo científico titulado A serious game fo r developing computational thinking and
learning introductory Computer programming, utilizaron el software educativo denominado
programyourrobot y se encuentra en línea en la dirección web www.programyourrobot.org,
veinticinco estudiantes participaron en este ejercicio para evaluar el programa de su robot y se
encontró que los participantes disfrutaron de jugar el juego. Además, Los participantes
informaron que este tipo de enfoque puede mejorar la capacidad de resolver problemas de los
estudiantes. (Kazimoglu et al.,2012).
Robocode (2001) es uno de los primeros ambientes desarrollados como un juego educativo
para apoyar la programación de Java. El objetivo del juego es desarrollar inteligencia artificial
(IA) para un tanque que pueda luchar contra otros tanques programados por otros jugadores.
Los estudiantes simplemente desarrollan su estrategia de guerra usando Java la programación
y las batallas se ejecutan de manera interactiva cuando todos los jugadores completan la
programación de su propia inteligencia artificial. Robocode es una herramienta de costo.
Colobot (2007) es conocido por ser el único juego comercial desarrollado específicamente para
programación específico en el juego (similar a C ++) con el fin de completar varias tareas. A
pesar de presentar un juego interactivo, Colobot (2007) no es libre y no se puede modificar de
acuerdo a un plan de estudios específico. Colobot es una herramienta de costo.
Catacumbas (Barnes et al., 2007), Saving Serra (Barnes et al., 2007) y Elemental (Chaffin,
Doran, Hicks & Barnes, 2009) son otros ejemplos de juegos que son específicamente
desarrollado para enseñar sobre la programación.
Liu, Cheng & Huang (2011) creó un juego de simulación y analizó los comportamientos de
retroalimentación y resolución de problemas de 110 estudiantes durante su juego. Se
encontró que los estudiantes motivados con el juego usaron estrategias de resolución de
problemas para descubrir las soluciones disponibles y también exploraron formas de aplicarlas.
Con el juego solo se resolvieron problemas a nivel superficial. Además, hay muchos estudios
que ejecutan evaluaciones sobre las herramientas de programación visual existentes (como en
Scratch, Alice) dependiendo de los principios del diseño del juego (Resnick et al., 2009, Wu et
al., 2010). Estas herramientas inteligentemente pueden eliminar la sintaxis de un lenguaje de
programación y presentar una interfaz sencilla a través de interacciones de arrastrar y soltar.
KODU(2009), es un lenguaje de programación visual diseñado para el desarrollo de
videojuegos el cual propone diversas actividades y recursos para que los estudiantes creen
escenarios, personajes y desafíos. La interfaz de KODU está basada en iconos y resulta lo
suficientemente atractiva e intuitiva como para que niños y jóvenes puedan desarrollar sus
propios videojuegos. En esa línea de propuesta de desarrollo de video juegos encontramos
también el caso de Project Spark. Ambas herramientas de software son de costo.
Roman-Gonzalez(2016), en su publicación titulada, "Which cognitive abilities underlie
computational thinking? Criterion validity of the Computational Thinking Test Computers in
Human Behavior” (¿Qué habilidades cognitivas subyacen al pensamiento computacional?
Criterio de validación de la prueba del pensamiento computacional), por un lado realiza el Test
de Pensamiento Computacional (CTt) en una muestra de 1.251 estudiantes españoles del 53 al
103 grado, por lo que se presentan en este trabajo sus estadísticas descriptivas y la
confiabilidad del Test . Por otro lado, se estudia la validez de criterio del CTt con respecto a
otras pruebas psicológicas estandarizadas: la batería de habilidades mentales primarias (PMA)
y la prueba de resolución de problemas RP30. Por lo tanto, se pretende proporcionar un nuevo
instrumento para la medición del pensamiento computacional y, además, dar evidencia de la
naturaleza del pensamiento computacional a través de sus asociaciones con las principales
construcciones psicológicas relacionadas. Los resultados muestran correlaciones
estadísticamente significativas al menos moderadamente intensas entre el pensamiento
computacional y: la capacidad espacial, capacidad de razonamiento y capacidad de resolver
problemas. Estos resultados son consistentes con las propuestas teóricas recientes que unen el
pensamiento computacional a algunos componentes del modelo de Inteligencia Cattel-Horn-
Carroll (CHC), y corroboran la conceptualización de la CT como una capacidad de resolución de
problemas.
Recientemente se ha acuñado el término «alfabetización en código» para referirse al proceso
de enseñanza y aprendizaje de la lectura y escritura con lenguajes de programación
informática (Prensky, 2008; Rushkoff, 2012). Por lo tanto, se considera que una persona es
alfabetizada en el código cuando es capaz de leer y escribir en el lenguaje de las computadoras
y otras máquinas, y pensar computacionalmente (Roman-González, 2014). Si la alfabetización
en código se refiere en última instancia a una nueva práctica de lectura-escritura, el
pensamiento computacional se refiere ai proceso cognitivo que lo permite. En otras palabras,
la programación de computadoras es la manera fundamental que permite que el pensamiento
computacional se vuelve vivo (Lye & Koh, 2014); el pensamiento computacional puede ser
transferido a varios tipos de problemas que no involucran directamente tareas de
programación (Wing, 2008). Dada esta realidad actual invadida por lo digital, no es
sorprendente que en muchos países se haya renovado el interés por introducir el pensamiento
computacional como un conjunto de habilidades para la resolución de problemas que será
adquirido por las nuevas generaciones de estudiantes.
En un artículo publicado en la revista ELSEVIER se menciona la aplicación de un juego
desarrollado por computadora (Computer game) denominado "CTArcade" , el cual está
inspirado en el pensamiento computacional que es aplicado a dicho juego de computadora y
que y que son aplicados a un público adolescente, donde la manera de aplicarlo fue variada.
Se aplicó en grupos de adolescentes y de manera individual, donde las edades variaban entre
los 10 a 15 años y algunos grupos eran hasta los 18 años. La aplicación de CTArcade permitió
desarrollar las habilidades de los participantes al proponer soluciones computaciones en
ciertos niveles de los juegos, y a la vez reforzaban los pensamientos algoritmos que eran cada
vez más complejas según desarrollaban el juego. Los resultados arrojaron luego de la
aplicación del juego CTArcade, fueron los siguientes. Que el 89% de los participantes
disfrutaron jugar el juego CTArcade, el 5.5% se mantuvo neutral en cuanto a su preferencia y el
resto 5.5% informo que no era agradable dicho juego. Dichos resultados demuestran que el
juego CTArcade permite reforzar el pensamiento computacional y algorítmico en la búsqueda
2.2 Fundamentos teóricos.
Ambas investigaciones científicas de Basawapatna(2016) y Kalelioglu(2015) aportan bastante
fundamento teórico cada una en su materia de estudio, por un lado se construye una
herramienta para enseñar a programar a estudiantes de secundaria y universidad con nada o
poco nivel de conocimientos en programación y por el otro se utiliza una herramienta ya
diseñada para enseñar a programar a estudiantes de primaria con ningún nivel de
conocimientos en programación. Y obtuvieron buenos resultados logrando mejorar el
pensamiento computacional en los estudiantes, facilitar el aprendizaje en diversas materias,
mejorar sus calificaciones, en general mejoró su capacidad de resolución de problemas.
Existe base teórica del modelo de Inteligencia Cattel-Horn-Carroll (CHC), mencionada en
Roman-Gonzalez(2016), este Modelo de Inteligencia se fundamenta en habilidades amplias y
estrechas dentro de ellas se encuentran ubicadas las habilidades logradas al desarrollarse el
pensamiento computacional. Y también explica acerca de la validez de confiabilidad del Test
del pensamiento computacional. Estos resultados son de gran relevancia para la presente
investigación y se tomarán en cuenta para elaborar los cuestionamientos de los instrumentos
de recolección de datos.
La "alfabetización en código", tiene como objetivo que las personas como usuarios de la
tecnología no solo sean observadores y consumidores de la ciencia y tecnología sino que les
permita ser actores de la ciencia y la tecnología y lo apliquen en la resolución de problemas
relevantes en su vida diaria. (Prensky, 2008; Rushkoff, 2012).
Jeanette Wing (2006) en su artículo científico "Computational Thinking" definió que el
Pensamiento Computacional (PC) "implica resolver problemas, diseñar sistemas y comprender
el comportamiento humano, basándose en conceptos fundamentales de la informática" (Wing,
2006, p.33). Por lo tanto, la esencia del PC es pensar como un científico en computación
cuando se enfrenta a un problema. Pero esta primera definición genérica ha sido revisada y
especificada en intentos sucesivos en los últimos años, pero no se llegó a un acuerdo (Grover y
Pea, 2013 y Kalelioglu et al., 2016). Por lo tanto, en 2011 Wing aclaró, PC "es el proceso de
pensamiento implicados en la formulación de problemas y sus soluciones para que las
soluciones se representan de una manera que es efectivamente realizada por un agente de
procesamiento de la información" (Wing, 2011). Un año después, esta definición es
simplificada por Aho, quien conceptualiza que el PC como los procesos de pensamiento
involucrados en la formulación de los problemas "sus soluciones pueden ser representadas por
Marcos Román (2016), en su artículo "Which cognitive abilities underlie computational
thinking?" define al pensamiento computacional (PC) como un conjunto de habilidades de
resolución de problemas que deben adquirir las nuevas generaciones de estudiantes para
prosperar en un mundo digital lleno de objetos impulsados por el software. Román, en su
investigación aborda el concepto del pensamiento computacional desde un enfoque
psicométrico. Para ello realiza una Prueba de Pensamiento Computacional (pPC) en una
muestra de 1.251 estudiantes españoles del 52 al 102 grado. Por otro lado, estudia la validez
de criterio del pPC con respecto a otras pruebas psicológicas estandarizadas: la batería de
habilidades mentales primarias (PMA) y la prueba de resolución de problemas RP30. Por lo
que, con su investigación, pretende proporcionar un nuevo instrumento para la medición del
PC y, además, dar evidencia de la naturaleza del PC a través de sus asociaciones con las
principales construcciones psicológicas relacionadas. Los resultados muestran correlaciones
estadísticamente significativas al menos moderadamente intensas entre el PC y la habilidad
espacial (r = 0,44), capacidad de razonamiento (r = 0,44) y capacidad de resolución de
problemas (r = 0,67). Estos resultados son consistentes con las propuestas teóricas recientes
que unen CT a algunos componentes del modelo de Inteligencia Cattel-Horn-Carroll (CHC), y
corroboran la conceptualización de la CT como una capacidad de resolución de problemas.
Maya Israel (2014) en su artículo "Supporting all learners in school-wide computational
thinking" investiga cómo los maestros de escuela primaria con poca experiencia en informática
en una escuela de alta necesidad integraron el pensamiento computacional en su enseñanza.
Los investigadores realizaron un análisis en diferentes contextos de instrucción que incluyeron
múltiples observaciones y entrevistas durante cuatro meses. El estudio presenta los desafíos y
beneficios que los maestros encontraron durante un año notable en el cual pasaron de una
escuela sin ninguna experiencia a una escuela orgullosa con una identidad basada en el uso de
las nuevas tecnologías. Este estudio abre la puerta a investigaciones adicionales tanto en las
experiencias de los maestros como en el aprendizaje y participación de sus estudiantes.
2.3. Pensamiento computacional
2.3.1. Definición
De acuerdo a Flores (2011) el término "pensamiento computacional" ha sido acuñado
para describir la forma como piensa un científico computacional. De la misma forma que la
escritura, la aritmética y la lectura, el pensamiento computacional se ha configurado como
una habilidad imprescindible y trascendental. En el caso de los sistemas biológicos, significa la
ciencias computacionales, puede ayudar a las personas a comprender y construir un sistema
informático con el fin de dar solución a un escollo.
Según Valverde, Fernández y Garrido (2015) en su estudio "El pensamiento
computacional y las nuevas ecologías del aprendizaje", se puede desarrollar el pensamiento
computacional sin utilizar computadoras (basta papel y lápiz), sin embargo los dispositivos nos
ayudan a enfrentar diversos problemas. Al referirse al pensamiento computacional no es lo
mismo que hablar de la capacidad para programar una computadora, ya que se necesita
pensar en distintos grados de abstracción y es independiente de los dispositivos.
Pero no es una habilidad «rutinaria» o «mecánica», es una competencia básica adicional
que toda persona debería conocer para desenvolverse en la sociedad digital, ya que es una
manera de solucionar escollos de forma inteligente e imaginativa (éstas son cualidades
humanas que no poseen los computadores). Es importante indicar que también tiene
propiedades de mezclar la abstracción y el pragmatismo, ya que se fundamenta en las Ciencias
Matemáticas.
De acuerdo a Valverde, Fernández y Garrido (2015) en su estudio "El pensamiento
computacional y las nuevas ecologías del aprendizaje", indica que, algunas propuestas
curriculares consideran estos conocimientos nuevos e innovadores teniendo estructuras
epistemológicas y organizativas que contradicen su propia naturaleza.
Asimismo, el pensamiento computacional (PC) trata del proceso cognitivo subyacente de
resolución de escollos que le da soporte: son dos caras de una misma moneda. Hoy en día, la
nueva generación de estudiantes debe adquirir este conjunto de habilidades de solución de
problemas, para la cual se evidencia un interés renovado en muchos países por incluir el PC en
todas las disciplinas STEM: : acrónimo de 'science, technology, engineering & mathematics', es
decir, 'ciencia, tecnología, ingeniería y matemáticas' como elemento central (Henderson,
Cortina & Wing, 2007).
Desde hace buen tiempo, aprender a pensar computacionalmente ha sido reconocido
como sobresaliente (Papert, 1980), es evidente que la programación y la computación se han
convertido en acciones dinámicas que sostienen la comunicación, la cultura, la ciencia, y los
negocios en nuestra sociedad de la información (Howland & Good, 2015); el PC está
de tecnología, en vez de sólo utilizar, tecnología (Resnick e t a i, 2009).
Diferentes definiciones del pensamiento computacional
De acuerdo a Wing (2006) se considera las siguientes definiciones:
a) Definiciones genéricas
Hace una década, Jeannette M. Wing (2006) sostiene al mencionar que el pensamiento
computacional implícitamente es referirse al diseño de sistemas, a la resolución de problemas,
y el entendimiento del comportamiento humano, teniendo en cuenta los principales
definiciones de la informática. Asimismo, refiere que es la agrupación de habilidades y
actitudes, aplicable en todo el mundo; que toda persona (no sólo los científicos de la
computación) debería estar deseosa por adquirir y usar (Wing, 2006, p. 33). Adicionalmente,
asume que el pensamiento computacional es una habilidad básica y fundamental para
cualquier sujeto inmerso en la actual realidad digital, llegando incluso a afirmar que el PC
debería añadirse a la 'lectura, escritura, aritmética' como paquete básico en el desarrollo de
las habilidades analítico-instrumentales de cualquier niño.
Se sintetiza a continuación qué es, y qué no es, el pensamiento computacional en esta
aproximación pionera de Wing (2006):
a .l. Conceptual izar no programar: Pensar computacionalmente, es pensar en múltiples grados
de abstracción, significa más que ser capaz de programar una computadora
a.2. Habilidad básica, no puramente mecánica: Establece que el pensamiento computacional
es una habilidad básica, entonces una habilidad básica es aquella que cualquier persona debe
dominar para desempeñarse en la sociedad actual.
a.3. Una manera en que los humanos piensan, no las computadoras: Al referirse a, una forma
de solucionar el problema, se está hablando del pensamiento computacional. Las
computadoras son previsibles y aburridas; los humanos, inteligentes e imaginativos. Al hacer a
las computadoras interesantes, entonces se es humano. Los humanos, equipados con la
potencia de las computadoras, usamos nuestra inteligencia para abordar y resolver problemas
a.4. Se complementa y se combina con el pensamiento matemático e ingenieril: Todas las
ciencias, sus bases formales surgen de las matemáticas. Las ciencias de la computación y, por
tanto, el pensamiento computacional, se fundamenta sobre el pensamiento matemático.
Además, las ciencias de la computación descansan inherentemente en el pensamiento
ingenieril dado que trata de construir sistemas informáticos que interactúan con el mundo
real.
a.5. Ideas, no artefactos-objetos: El pensamiento computacional tiene que tratar de todo con
los conceptos computacionales que se usa para aproximarnos a los problemas y solucionarlos,
para gestionar la vida, y comunicarnos e interactuar con otras personas de manera efectiva.
a.6. Para cualquiera, en cualquier lugar: El pensamiento computacional se concretizará en la
medida que sea pertinente a las tareas y esfuerzos humanos, que desaparezca como término y
filosofía explícitos. Esta primera definición genérica, casi metafísica, del pensamiento
computacional, viene siendo revisada desde hace tiempo, sin arribar a un acuerdo.
a.7. W ing revisa su definición más adelante (2008): Clarificando que "el pensamiento
computacional considera los procesos de pensamiento implicados en la formulación de
problemas y de dar sus soluciones, de tal forma que éstos estén representados de una manera
que pueda ser tratada en forma efectiva por un agente-procesador de información" (Wing,
2008, p. 3718), como una computadora.
a.9. Royal Society (2012), Real Sociedad Científica de Londres: PC es "el proceso de
pensamiento inmerso en la construcción del problemas, de tal manera que sus soluciones
puedan ser representadas como pasos computacionales discretos y algoritmos".
a.10. Royal Society (2012, p. 29), Real Sociedad Científica de Londres: "El pensamiento
computacional es cuando se reconoce factores computables en el mundo que nos rodea, y de
aplicar técnicas y herramientas de las Ciencias de la Computación para comprender y razonar sobre sistemas y procesos, tanto artificiales y naturales".
b) Definiciones operativas
La Fundación Nacional para la Ciencia de los Estados Unidos ('National Science
Foundation') en el marco de su curso 'CS Principies' (Principios de Ciencias de la Computación,
Computación al alumnado de Bachillerato y primeros años de universidad, define las siguiente
siete primordiales ideas del pensamiento computacional:
El pensamiento computacional es una tarea humana creativa.
La abstracción (es un componente central, del pensamiento computacional) reduce y
elimina la información y detalles irrelevantes para focalizarse en los vitales significados a
la hora de interpretar y resolver un problema.
Lo que facilita la creación y el conocimiento, son la información y los datos.
Los algoritmos son herramientas para manifestar y ejecutar soluciones a escollos
computacionales.
Es el proceso creativo que produce artefactos-objetos computacionales, es la definición
de programar una compuadora.
Los sistemas digitales, dispositivos y las redes que los interconectan, hacen realizable y
fortalecen una aproximación computacional a la resolución de problemas.
El pensamiento computacional facilita la innovación en otros campos, incluyendo las
ciencias sociales, ciencias naturales, humanidades, artes, medicina, negocios e ingeniería.
La 'Operational Definition of Computational Thinking for K-12 Education', al respecto,
establece una definición operativa del Pensamiento Computacional, que sirve de entorno de
trabajo y glosario compartido para los profesores de informática en los niveles de Educación
Secundaria y preuniversitaria estadounidense. Esta definición operativa fue desarrollada
inicialmente en 2011 por la Sociedad de Profesores de Ciencias de la Computación (Computer
Science Teachers Association-CSTA) y la Sociedad Internacional para la Tecnología y Educación
(International Society for Technology in Education-ISTE) de los Estados Unidos; y sigue
plenamente vigente en la actualidad. Así, la CSTA & ISTE (2015, en línea) expresan que el
pensamiento computacional es un proceso de resolución de problemas que incorpora las
siguientes características, pero no las limita:
Formular problemas para concretizar la posibilidad de utilizar una computadora y otras
máquinas en su resolución.
Desarrollar en forma lógica la organización y el análisis de datos.
Representar datos, mediante abstracciones, como por ejemplo modelos y simulaciones.
Automatizar soluciones, mediante el pensamiento algorítmico (una serie de pasos
Identificar, analizar e implementar soluciones probables, con el propósito de conseguir la
combinación en forma más efectiva de pasos y recursos.
Generalizar y transferir este proceso de solución de problemas a extena variedad de
situaciones.
La novedad que aporta esta definición operativa (CSTA & ISTE, 2015, en línea) es añadir
una dimensión actitudinal al pensamiento computacional, pues sigue manifestando que, las
disposiciones o actitudes que son dimensiones principales del pensamiento computacional,
estas habilidades son apoyadas y reforzadas por el pensamiento computacional. Estas
disposiciones y actitudes incluyen:
Confianza al manejarse con la complejidad
Persistencia al laborar con complicados problemas
Tolerancia a la ambigüedad
Capacidad de hacer frente a problemas abiertos (sin una solución concreta y evidente)
Capacidad de comunicarse y trabajar con otros para llegar a una meta-solución común.
Continuando con la revisión de Grover & Pea (2013a), la 'abstracción' sería el elemento central
de mayor jerarquía del pensamiento computacional. Abstracción es "definir patrones,
generalizar a partir de casos concretos; y es la clave para lidiar con la complejidad" (Grover &
Pea, 2013a, p. 39). Por su parte, Grover & Pea (2013a, p. 39-40) reúnen "los componentes que
han logrado un cierto consenso, y amplia aceptación, para form ar parte del PC; y que deberían
estar en la base de cualquier currículum que pretenda su desarrollo":
Abstracción y generalización de patrones (incluyendo modelos y simulaciones)
Procesamiento sistemático de la información
Sistemas de símbolos y representación
Noción algorítmica de control de flujo
Descomposición estructurada de problemas (modularización)
Pensamiento iterativo, recursivo y paralelo
Lógica condicional
Limitadores de eficiencia y rendimiento
c) Definiciones psicológico-cognitivas
Desde otro punto de vista, el grupo de investigación educativa de Google o 'Google for
Education' ofrece una definición del pensamiento computacional como un ciclo de cuatro
pasos-procesos cognitivos. Así se afirma que es una agrupación de habilidades y técnicas de
solución de problemas que los ingenieros de software usan para escribir los programas
informáticos que esconden las aplicaciones que se usa a diario (Google for Education, 2015, en
línea). Sin embargo, continua luego la definición, "el pensamiento computacional es aplicable a
prácticamente cualquier ámbito (...) e incluye los siguientes 4 pasos-procesos cognitivos
(Figura 1):
i. Descomposición de un problema o tarea en pasos discretos
ii. Reconocimiento de patrones (regularidades)
iii. Generalización de dichos patrones y abstracción (descubrir las leyes o principios que
causan dichos patrones)
iv. Diseño algorítmico (desarrollar instrucciones precisas para resolver el problema y sus
análogos)" (Google for Education, 2015, en línea)
/ --- \
Descomposición del Problema en pasos
discretos
\ ______________________
\ Diseño Algorítmico
(instrucciones precisas Reconocimiento de para resolver el problema patrones
y sus análogos) y regularidades
V
J
J
f >
Generalización de dichos patrones y abstracción ____________________________
y
Figura 1. Las cuatro fases cognitivas del pensamiento computacional Fuente: (Google for Education, 2015, en línea).
2.3.2. Pasos-procesos cognitivos del pensamiento computacional
Es la capacidad que permite seccionar una detallada actividad en los pasos que la
forman, para después explicar unívocamente el proceso a una tercera persona o a una
computadora, o incluso como notas de procedimiento para uno mismo. Desglosar un
problema en diversas partes conduce a un posterior reconocimiento y generalización de
patrones, y así en última instancia a la capacidad para diseñar un algoritmo. Ejemplos:
i. Cuando se prueba un nuevo plato de cocina e identificamos los distintos ingredientes
que dan forma a su sabor, estamos descomponiendo el plato en sus ingredientes
particulares.
ii. Cuando se le da alguien indicaciones precisas para llegar a nuestro domicilio (p.e.
"sales del metro, giras a la derecha, caminas recto y tomas la segunda calle a la
izquierda..."), estamos descomponiendo el proceso de 'ir de un sitio a otro'.
iii. En matemáticas, se puede descomponer un número, como 256,37, de la siguiente
manera: 2*1& + 5 * 1 0 + 6 * l ( f + 3*10'1 + 7*102.
b) Reconocimiento de patrones:
El reconocimiento de patrones es repetidamente la base para el diseño
algorítmico y la solución de problemas. Es la capacidad para encontrar parecidos o
distinciones comunes que ayudan a hacer predicciones y conducen hacia 'atajos' o
'accesos directos' al núcleo de un problema. Ejemplos:
i. Los niños identifican patrones en las reacciones de sus padres y profesores a su
conductas, en orden a implantar qué está bien y qué está mal. Y fundamentan su
conducta futura en base a los patrones indicados.
ii. Los corredores de bolsa buscan patrones en el valor de las acciones para decidir
cuándo comprar y cuándo vender.
iii. En matemáticas, se puede seguir un patrón para exponer la lógica que oculta que el
producto de dos números negativos es un número positivo:
("3) * (3) = -9
(■3) * (2) = -6
(•3) * (0) = O
(-3) * (-D = 3
(-3)* (-2) = 6
iv. En geometría, al calcular el mayor área posible para un rectángulo de un perímetro
dado, se puede mirar patrones que involucran el alto, ancho y área del mismo como:
En la medida que el alto y el ancho se aproximan el uno al otro en sus valores, el área
se incrementa.
En la medida que aumenta la diferencia entre los valores del alto y del ancho, el área
se reduce.
Este patrón nos conduce a la conclusión de que el rectángulo con el área mayor es un
cuadrado.
c) Generalización de patrones y abstracción: describe la capacidad para filtrar y
desechar los datos que no son imprescindibles para resolver un cierto tipo de escollo, y de
generalizar la que sí es imprescindible. La generalización de patrones y la abstracción
facilitan representar una idea o un proceso en sus términos generales-formales de tal
forma que es factible utilizar la representación indicada para solucionar problemas
análogos de similar naturaleza. Ejemplos:
i. Una agenda utiliza una abstracción para representar la semana en términos de días y
horas, ayudándonos a organizar nuestro tiempo.
ii. Un mapamundi es una abstracción de la Tierra en términos de longitud y latitud,
ayudándonos a determinar la localización geográfica de un determinado lugar.
iii. En matemáticas, se escribe fórmulas generalizadas en términos de variables, en vez de
reemplazarlas con números; de tal forma que se puede utilizarlas para resolver diferentes
problemas con valores diferentes: por ejemplo, [(a+b) * (a-b) = a 2 - b 2 ]
d) Diseño algorítmico:
Se define como la capacidad de desarrollar una estrategia 'paso por paso' para
solucionar un problema. El diseño algorítmico está fundamentado en la descomposición
resolución. En Ciencias de la Computación, así como en matemáticas, los algoritmos
suelen escribirse de forma abstracta, utilizando variables en lugar de números específicos.
Ejemplos:
i. Cuando un chef de cocina escribe la receta para un plato, está creando un algoritmo que
otros pueden seguir para replicar el plato.
ii. Cuando un entrenador crea el 'libro de jugadas' para su equipo de fútbol, está
diseñando un conjunto de algoritmos para que sean seguidos por sus jugadores a lo largo
del partido.
iii. En matemáticas, por ejemplo, cuando calculamos el 'cambio porcentual' entre dos
números, seguimos el siguiente algoritmo a lo largo de las siguientes líneas:
Si el número original es mayor que el nuevo número, entonces usar la
ecuación siguiente para calcular el 'cambio porcentual': [Disminución
porcentual = 100*(original - nuevo)/original]
Si el nuevo número es mayor que el número original, entonces usar la
ecuación siguiente para calcular el 'cambio porcentual': [Incremento
porcentual = 100*(nuevo -originalj/original]
Si ninguna de las anteriores es cierta, entonces el número original y nuevo
tienen el mismo valor, y el 'cambio porcentual' es cero.
El pensamiento computacional es un proceso cognitivo que anhela a ser desarrollado, en
mayor o menor medida, en todos los personas. Se evidencia que es inevitable, en una etapa,
en la cual ser capaz de formular los problemas en términos algorítmicos (y, por tanto,
susceptibles de ser convertidos luego en programas informáticos a través de un determinado
código) nos pone en situación de aprovechar toda la potencia computacional de las
computadoras, cada vez más presentes, cada vez más rápidos.
En este punto, se está en condiciones de brindar una definición propia de 'pensamiento
computacional'. Es una definición operativa u operacional 'de trabajo', muy focalizada en los
explícitamente el término pensamiento computacional; y así posibilitar su posterior medida y
evaluación desde una perspectiva psicométrica clásica.
Según Román (2016) usando la lógica propia de los lenguajes informáticos de
programación: secuencias o instrucciones básicas, condicionales, funciones, bucles, y
variables; se define al pensamiento computacional como la capacidad de establecer y resolver
problemas, apoyándose en las principales definiciones de la computación.
2.3.3. Modelos de desarrollo del pensamiento computacional
Román (2016) presenta una terna de modelos de desarrollo del pensamiento
computacional, cada uno de los cuales parte de un enfoque distinto:
En primer lugar, y nacido en el contexto escolar estadounidense, en el que las Ciencias de la
Computación no tienen entidad de asignatura obligatoria y continuada en su currículum,
detallamos el 'Modelo transversa! de desarrollo del PC de Barr & Stephenson' (Barr &
Stephenson, 2011).
En segundo lugar, también desde los Estados Unidos, se presenta los estándares curriculares
propuestos por la 'Computer Science Teachers Association' (CSTA, 2011) para el desarrollo del
pensamiento computacional durante las distintas etapas de su sistema educativo.
Finalmente, proveniente del contexto escolar británico en el que las Ciencias de la
Computación sí han sido incluidas como asignatura obligatoria en su currículum a lo largo de
todas las etapas obligatorias (UK Department of Education, 2013), desde los 5 a los 16 años,
detallamos el 'Modelo longitudinal de desarrollo del PC: los itinerarios CAS' (Dorling, 2015).
a) Modelo transversal de desarrollo del PC de Barr & Stephenson
Según estos autores estadounidenses, los estudiantes actuales y los del futuro, vivirán,
en sociedades fuertemente influenciadas por la computación; y muchos de ellos trabajarán en
sectores que están implicando gradualmente procesos computacionales en mayor o menor
medida. En ese sentido, afirman que los estudiantes "deben iniciarse en la obtención de
computad onal es desde las etapas de escolarlzación obligatoria" (Barr & Stephenson, 2011, p.
49).
El objetivo de sus trabajos de investigación es articular un conjunto de conceptos
computacionales clave que puedan ser impartidos y aplicados de manera transversal en las
distintas disciplinas del currículum, "destacando las habilidades de solución algorítmica de
problemas y las aplicaciones de la computación mediante las distintas disciplinas y asignaturas
(...) ayudando a integrar los métodos y herramientas de la computación en las diversas áreas
de aprendizaje" (Barr & Stephenson, 2011, p. 49) que marca el currículum obligatorio de los
Estados Unidos; en el que las Ciencias de la Computación no tienen entidad de asignatura
propia. Para abordarlo, parten de la siguiente definición de partida sobre el pensamiento
computacional:
"El pensamiento computacional es un enfoque o aproximación particular a la solución de
problemas, de manera que éstos puedan ser formulados y resueltos con la ayuda de una
computadora. Con su desarrollo, los estudiantes se convierten de meros usuarios de
herramientas a constructores de las mismas. A través del desarrollo del pensamiento
computacional, los estudiantes obtienen un conglomerado de conceptos tales como la
abstracción, la recursividad, y la iteración, que utilizan para procesar y analizar datos, y para
crear artefactos tanto físicos como digitales. Recopilando, el pensamiento computacional es
una metodología de solución de problemas que puede ser automatizada, transferida y aplicada
a lo largo de las diferentes materias y asignaturas" (Barr & Stephenson, 2011, p. 51)
Partiendo de esta definición general, y alineados igualmente con la definición operativa
sobre pensamiento computacional formulada originalmente en el año 2011 por la 'Computer
Science Teachers Association' de los Estados Unidos (CSTA & ISTE, 2015, en línea) que se
observó anteriormente. Barr & Stephenson (2011) enuncian un modelo de integración
transversal de los distintos conceptos y capacidades que componen el PC mediane diferentes
áreas del currículo. Dicho modelo se resume en la siguiente Figura 2.
Para cada una de las áreas curriculares se establece los objetivos que se cumplen por los
conceptos/capacidades del pensamiento computacional, a continuación se describen los
objetivos planteados que deben ser alcanzados en cada una de las áreas curriculares por cada
Figura 2: Modelo transversal de desarrollo del Pensamiento Computacional Fuente: Barr & Stephenson (2011)
Barr & Stephenson (2011) identifican una serie de estrategias generales que serían
beneficiosas para lograr el objetivo, que es, promover una cultura en el aula que potencia el
pensamiento computacional:
Ampliación del uso, tanto por parte de estudiantes como de profesores, de vocabulario
computacional apropiado (p.e. 'algoritmo', 'iteración', 'paralelización', etc...); que los
estimule en la descripción correcta de problemas y soluciones en términos
computacionales.
Aprobación, tanto por parte de estudiantes como de profesores, de los intentos fallidos
de solución de un problema; considerando que un fallo temprano nos acerca el camino
correcto hacia una solución exitosa.
Formar a los estudiantes para trabajar en equipo, con uso explícito de:
Tabla 2
Estrategias de trabajo en equipo
Estrategias Contenido
'Descomposición' Dividir los problemas en partes más ('decomposition'): pequeñas, lo que hace más sencilla su
resolución.
'Abstracción' Sintetizar de lo concreto a lo general a ('abstraction'): medida que las soluciones están siendo
desarrolladas.
'Negociación' Los distintos sujetos y grupos, trabajando ('negotiation'): juntos y en equipo, deben unir las
diferentes partes de la solución en un todo que funcione.
'Construcción de Trabajar construyendo solidariamente consensos' ('consensus alrededor de una idea y una solución
building'): común.
Fuente: Elaboración propia
b) Modelo deacuerdo a los estándares curriculares de la CSTA
En el segundo modelo también desde los Estados Unidos, y muy vinculados al
modelo anterior, se introduce los estándares curriculares para las Ciencias de la
que compromete todas las etapas del sistema educativo estadounidense. Tal y como se
viene comentando, las 'Ciencias de la Computación' ('Computer Science') no existe como
materia obligatoria y continuada a lo largo del currículum educativo de los Estados
Unidos; por lo tanto, estos estándares nacen para ser planteados de forma transversal
mediante las distintas materias que el estudiante va cursando a lo largo de su camino
educativo (un estudiante si puede incluir las 'Ciencias de la Computación', como
asignatura optativa en algunos cursos concretos).
Los estándares curriculares están dispuestos en 5 familias o ramas: 'Pensamiento
Computacional' ('Computational Thinking'); 'Prácticas de Computación y Programación'
('Computing Practice and Programming'); 'Colaboración' ('Collaboration'); 'Dispositivos
Informáticos y de Comunicación' ('Computer and Communication Devices'); 'Impactos
Éticos, Globales y sobre la Comunidad' ('Community, Global and Ethical Impacts'). Las 5
familias tienen una influencia recíproca y se complementan; se representan en la Figura 3:
Figura 3. Familias de estándares curriculares para las 'Ciencias de la Computación' de la CSTA (2011)
Asimismo, las 5 ramas de estándares curriculares se diferencian en función de 3 niveles
escolares:
'Nivel 1' ('Level 1', incluye los Grados K1-K6, equivalentes a 12 Primaria-62 Primaria).
'Nivel
2'
('Level 2', incluye los GradosK7-K9,
equivalentes a1? Secundaria
-32
Secundaria).'Nivel
3'
('Level 3', incluye los GradosK10-K12,
equivalentes a 4?Secundaria-12
Año deuniversidad).
Es significativo comprobar cómo la CSTA establece diferencia conceptual entre el
'pensamiento computacional' y la 'programación informática', si nos fijamos en las 2
primeras ramas de estándares curriculares. Tal y como se viene enfatizando que, mientras
la programación informática es una práctica particular de lectoescritura (lectoescritura de
programas computacionales usando la sintaxis particular de un lenguaje de
programación); el pensamiento computacional es un proceso cognitivo de resolución de
problemas, que se apoya en los conceptos de la computación, y que sirve de base a las
tareas de programación, pero también a muchas otras, siendo transferible a gran cantidad
de áreas. Es decir, siempre se está utilizando y desarrollando el pensamiento
computacional, cuando se programa una computadora; pero en labores que no
consideran la programación informática también se puede también utilizar y desarrollar el
pensamiento computacional.
La CSTA respecto a estas 2 ramas de sus estándares curriculares el 'Pensamiento
Computacional' ('Computational Thinking') y 'Prácticas de Computación y Programación'
('Computing Practice and Programming'), se desprende las siguientes definiciones:
Se considera que el pensamiento computacional puede ser usado mediante todas
las disciplinas para solucionar problemas, diseñar sistemas, crear nuevo conocimiento, y
mejorar la comprensión sobre el poder y las fronteras de la computación en la era digital.
"El estudio y desarrollo del pensamiento computacional capacita a todos los
estudiantes a conceptualizar mejor, analizar, y resolver problemas difíciles mediante la
selección y aplicación de las estrategias y herramientas correctas; tanto en un entorno
digital como físico, virtual o real (...) así pues, el pensamiento computacional es una
la Computación y el resto de las áreas, brindando un particular enfoque a la formulación y
resolución de problemas, de manera que éstos puedan ser solucionados
computacionalmente. Con su eje puesto en la abstracción, la automatización y el análisis,
el pensamiento computacional es un componente central de la disciplina más amplia de
desarrollo del pensamiento computacional (y de las prácticas de programación
informática) a lo largo de todas las etapas educativas:
Familia de estándares Pensamiento Computacional
(Computational Thinking - CT)
Prácticas de Computación y Programación (Computing Practices and Program m ing- CPP) (p.e. puzies, programas de pensamiento lógico) para resolver problemas adecuados a su edad.
2. Utilizar herramientas de escritura, cámaras digitales, y herramientas de dibujo para ilustrar pensamientos, ideas e historias de manera 'paso por paso'
3. Entender cómo organizar (clasificar) información en un orden útil (como, por ejemplo, ordenar a sus compañeros por fecha de nacimiento); sin necesidad de utilizar una computadora.
4. Reconocer que el software es creado para controlar las operaciones que realiza una computadora.
5. Demostrar como los 0 y 1 pueden ser usados para representar información (modo binario)
1. Utilizar recursos tecnológico-digitales para llevar a cabo investigaciones apropiadas a su edad.
2. Utilizar recursos digitales-multimedia adecuados a su etapa evolutiva (p.e. libros educativos y software educativo), para apoyar su aprendizaje a través del
5. Identificar trabajos que utilizan la computación y la tecnología.
6. Reunir y organizar información utilizando herramientas de mapeo conceptual
Nivel 1 ('Level l ' - L l )
El estudiante será capaz de:
El estudiante será capaz de: 1. Comprender y utilizar los pasos básicos de
la solución algorítmica de problemas (p.e. planteamiento y exploración del problema, examen de casos de la muestra, diseño, implementación y evaluación)
1. Utilizar recursos tecnológico-digitales (p.e. calculadoras, instrumentos de recogida de datos, dispositivos móviles, videos, software educativo, y herramientas web) para la resolución de problemas y el aprendizaje 2. Desarrollar una comprensión sencilla de apoyen y promuevan la productividad personal, remedien la carencia de habilidades, y faciliten el aprendizaje.
3. Utilizar herramientas tecnológico-digitales 3. Demostrar como una cadena de bits
puede ser utilizada para representar información alfanumérica.
4. Describir cómo se puede utilizar una simulación para resolver un problema.
(p.e. presentaciones multimedia, herramientas web, cámaras digitales, y escáneres) para realizar escritura individual y colaborativa, así como actividades de comunicación y publicación.
4. Reunir y manipular datos utilizando una 5. Hacer una lista de sub-problemas a
considerar a la hora de afrontar un problema de magnitud mayor.
amplia variedad de herramientas digitales. 5. Construir/escribir un programa como conjunto de instrucciones 'paso por paso'
6. Implementar soluciones a problemas utilizando lenguajes de programación visuales 'por bloques'.
7. Utilizar dispositivos computacionales- digitales para acceder a información remota, y comunicarse con otros para apoyar el aprendizaje directo e independiente; y perseguir los intereses personales.
8. Navegar a través de páginas web utilizando hipervínculos, y llevar a cabo búsquedas simples utilizando motores de búsqueda.
9. Identificar un amplio rango de trabajos que requieren conocimientos de computación.
10. Reunir u manipular datos utilizando una amplia variedad de herramientas digitales. Nivel 2 ('Level 2' - L2)
Grados K6-K9 (L2.CT)
El estudiante será capaz de:
1. Utilizar los pasos básicos de la resolución algorítmica de problemas para diseñar soluciones eficaces a los mismos.
2. Describir el proceso de paralelización en la
Grados K6-K9 (L2.CPP)
El estudiante será capaz de:
medida que se relaciona con la solución de problemas.
3.
Definir un algoritmo como una secuencia de instrucciones que puede ser procesada por una computadora.4. Evaluar de qué manera diferentes algoritmos pueden ser usados para resolver el mismo problema.
5. Representar algoritmos de búsqueda y algoritmos de ordenación.
6. Describir y analizar una secuencia de instrucciones que está siendo seguida- ejecutada (p.e. describir el comportamiento de un personaje en un videojuego como objeto controlado por reglas y algoritmos) 7. Representar datos en una amplia variedad de formas, incluyendo texto, sonidos, imágenes y números.
8. Utilizar representaciones visuales para dar cuenta del estado de un problema o
estructura de datos (p.e. gráficos, cuadros, diagramas de red, diagramas de flujo) 9. Interactuar con modelos y simulaciones relativas a contenidos específicos (p.e. ecosistemas, epidemias, dinámica molecular), para apoyar su aprendizaje e investigación.
10. Evaluar qué tipo de problemas pueden ser resueltos utilizando modelos y
simulaciones.
11. Analizar el grado en el que un modelo computacional representa con exactitud el mundo real.
12. Utilizar la abstracción para descomponer un problema en sub-problemas.
13. Comprender la noción de jerarquía y abstracción en la computación, incluyendo lenguajes de alto nivel, traducción, conjuntos de instrucciones, y circuitos lógicos.
14. Examinar las conexiones entre elementos de las matemáticas y de las ciencias de la computación, incluyendo números binarios, lógicas, variables y funciones.
15. Proporcionar ejemplos de aplicaciones interdisciplinares del pensamiento digitales para apoyar la productividad personal y el aprendizaje a lo largo del currículum.
3. Diseñar, desarrollar, publicar y presentar productos (p.e. páginas web, aplicaciones móviles, animaciones) utilizando recursos tecnológico-digitales, que demuestren y comuniquen conceptos curriculares.
4. Demostrar la comprensión de algoritmos y sus aplicaciones prácticas.
5. Implementar soluciones a problemas utilizando un lenguaje informático de programación, incluyendo: bucles,
7. Identificar carreras interdisciplinares que son potenciadas por las ciencias de la paciencia, propensión a la experimentación, creatividad, aceptación de retos)
9. Recoger y analizar datos que se emitan como resultado de múltiples ejecuciones de un programa informático.
Nivel
