Habilidades del pensamiento computacional en
docentes en formación de la universidad La Gran
Colombia
Alvaro Josserand Camargo Pérez
1
Universidad La Gran Colombia, Colombia
alvaroj.camargo@ugc.edu.co
John Alvaro Munar Ladino
2
Universidad La Gran Colombia, Colombia
Resumen
En la actualidad, uno de los grandes retos de los docentes es atender a los procesos de
transformación digital que afronta la sociedad contemporánea. Sin embargo, los profesores
no cuentan con las habilidades técnicas ni pedagógicas para desarrollar en sus estudiantes
el pensamiento computacional. Una de las principales razones es la falta de programas o
currículos formales para la cualificación docente que brinden la posibilidad de desarrollar
habilidades como: la descomposición, generalización de patrones, la abstracción y el
pensamiento algorítmico.
El objetivo de este proyecto es identificar el nivel de habilidades relacionadas con el
pensamiento computacional de los futuros docentes vinculados a la Universidad la Gran
Colombia, que quieren ser profesores para luego, establecer estrategias, generar planes de
orientación docente, nuevas propuestas curriculares, entre otros. Se utiliza la metodología
de enfoque dominante prevaleciendo lo cuantitativo y se utilizó la encuesta como técnica
para recopilar información y establecer la relación entre las habilidades y las técnicas de
estudio.
Palabras clave: pensamiento computacional, formación docente, técnicas de estudio,
contexto universitario
Abstract
Currently, one of the great challenges for teachers is to meet the digital transformation
processes faced by contemporary society. However, teachers do not have the technical or
pedagogical skills to develop computational thinking in their students. One of the main
reasons is the lack of formal programs or curricula for teacher qualification that provide
the possibility to develop skills such as: decomposition, pattern generalization, abstraction
and algorithmic thinking.
The objective of this project is to identify the level of skills related to computational
thinking of future teachers linked to the Universidad la Gran Colombia, who want to
become teachers in order to then, establish strategies, generate teaching orientation plans,
new curricular proposals, among others. The dominant approach methodology is used,
prevailing the quantitative and the survey was used as a technique to collect information
and establish the relationship between skills and study techniques.
Keywords: computational thinking, teachertraining, trial skills, universityschool
context
Introducción
La sociedad actual exige docentes cualificados en sus disciplinas, competentes y
capaces de responder a las necesidades propias del entorno como la transformación
digital. Sin lugar a duda, el reto de la alfabetización digital ha recaído sobre las
institucioneseducativas y sus docentes para formar a los ciudadanos más competentes y
participes en la construcción de nuevas tecnologías. La apuesta es entonces, desarrollar
el pensamiento computacional en niños, niñas y jóvenes para que puedan solucionar
problemas, simular experiencias, fomentar la toma de decisiones de forma lógica,
ordenada,secuencial,einnovadoraquepermitacrearestrategiasparareconocer los
factores que puedan afectar a la sociedad.
Como lo afirman Wing (2011) y Valverde et al. (2015), el pensamiento computacional
es una competencia básica necesaria para cualquier persona que quiera participar en la
sociedad digital de forma inteligente e imaginativa, no se centra en el uso de la
tecnología como una solución, sino por el contrario, como un modelo mental para la
resolución de problemas, no es sinónimo de capacidad para programar computadores,
puesto que se necesita pensar en diferentes niveles de abstracción y es independiente de
la tecnología.
Lo anterior, evidencia que el rol docente debe considerar nuevas maneras de relación
pedagógica con el estudiante, en el cual no se imponen modelos dados ni tradicionales,
sino por el contrario, metodologías alternativas que permitan el desarrollo autónomo,
participativo y colaborativo. Las habilidades propias de un docente deben estar
centradas en el reconocimiento de los problemas y las estrategias para solucionarlos,
evaluarsoluciones, recolectarinformación yanalizar datos, entreotras; sin embargo, los
currículos y programas de formación y cualificación de futuros docente centran su
atención en la alfabetización digital y son pocos los escenarios para desarrollar estas
habilidades que exigen el marco de la cuarta revolución industrial. Se puede inferir,
como lo menciona Balladares et al. (2016), que el desafío educativo para promover el
desarrollo de este pensamiento es fortaleciendo las habilidades del profesorado, dejando
de privilegiar la enseñanza sobre el contenido y desarrollando estrategias de enseñanza
aprendizaje de manera transversal, tomando en cuenta la realidad de los estudiantes y
sus habilidades depensamiento.
Ahorabien, La Universidad la Gran Colombia cuenta actualmente con 1495 estudiantes
adscritos a programas de licenciatura vinculadas a la Facultad de Ciencias de la
Educación. La meta general de este proyecto es identificar el nivel de habilidades
relacionadas con el pensamiento computacional de los estudiantes que se preparan para
ser futuros docentes, para luego establecer estrategias que permitan fortalecersu
desarrollo, generar planes de orientación docente, nuevas propuestas curriculares, entre
otros.
Para lograr identificar el nivel de competencias relacionadas se realizó un acercamiento
conceptuala su definición y sus habilidades, luego se describe el diseño metodológico
para su medición con un correspondiente análisis estadístico descriptivo y el último
apartado se presenta una discusión con las conclusiones.
1.1 Definición
Actualmente existen varias definiciones acerca del pensamiento computacional, por una
parte, Jeannette Wing menciona que es un conjunto de habilidades que “implica la
resolución de problemas, el diseño de sistemas y la comprensión de la conducta humana,
haciendo uso de los conceptos fundamentalesde la informática” (Wing, 2006, p. 33), es
decir, que realizando los pasos utilizados en la computación cualquier ser humano puede
solucionar problemas de la vida diaria abstrayendo y descomponiendo un problema
complejo separándolo en sub-problemas para hacerlo más manejable. La misma autora,
en el año 2008 aclara que el pensamiento computacional “incluye los procesos de
pensamiento implicados en la formulación de problemas y de sus soluciones, de tal
modo que éstos estén representados de una manera que pueda ser abordada
efectivamente por un agente procesadordeinformación”(Wing,2008,p.3718),loque
significaquecualquierpersona, pensando como lo hace un profesional de la
computación, puede resolver cualquier problema.
Porotro lado, La International Society forTechnology in Education (ISTE) y la
Computer Science Teachers Association (CSTA) han brindado una definición operativa
basadoenun proceso de solución deproblemasen el cual es posible utilizar un
computador o máquina para organizar, analizar y representar datos; realizar modelos y
simulaciones, usar algoritmos para automatizar soluciones, optimizar pasos y recursos,
además de generalizar y transferir soluciones a otras situaciones.
Zapotecatl (2018), en su libro “Introducción al Pensamiento Computacional: conceptos
básicos para todos”, plantea su objetivo como el desarrollo sistémico de habilidades de
orden superior como el pensamiento crítico, el razonamiento abstracto y la solución de
problemas a través de los conceptos de la informática.
Otra definición es la brindada por Ortega & Asensio (2018),abordado bajo la relación de
dos miradas, la primera desde los procesos de las ciencias de la computación donde
toma la descomposición del problema, la automatización, la simulación y el paralelismo
y la segunda desde la resolución de problemas con la recopilación de datos, su análisis y
representación, abstracción y creación de algoritmos.
1.2 Habilidades del pensamiento computacional
De acuerdo con el estudio realizado por el Joint Reserch Center en el año 2016, centro de
investigación de la Comisión Europea al servicio de la ciencia y conocimiento, en su
informe Desarrollo del pensamiento computacional en la educación obligatoria:
implicaciones para la política y la práctica, adopta 6 habilidades para el desarrollo de la
solución de un problema: descomposición, abstracción, pensamiento algorítmico,
automatización, depuración y generalización.
El estudio mencionado anteriormente, toma las definiciones de Csizmadia (2015) en los
cuales se detallan:
•
Abstracción: proceso de hacer más comprensible la información ignorando o
depreciando los detalles innecesarios y centrándose en lo importante.
•
Pensamiento algorítmico: planteamiento de una solución a través de un plan
claro definido de instrucciones paso a paso.
•
Automatización: proceso de optimización de trabajo en el que una computadora
ejecuta actividades repetitivas de forma más rápida y eficiente que las que
realiza un ser humano.
•
Descomposición: proceso en que las partes dejan de ser entendidas como un
todo y se resuelven, desarrollan yevalúan por separado e independientemente.
•
Depuración: aplicación sistemáticade análisis y evaluacióna través de pruebas,
rastreo y pensamiento lógico para predecir, verificar resultados y encontrar
errores.
•
Generalización: identificación de patrones, similitudes y conexiones para
resolver problemas complejos de manera másfácil.
Para los efectos de identificación de habilidades en la población objeto del presente
estudio se abordan las cuatro siguientes habilidades del pensamiento computacional:
abstracción, pensamiento algorítmico, descomposición y generalización.
La formación de futuros docentes esta permeada por prácticas educativas tradicionales
que privilegian los contenidos y la información en vez del desarrollo de habilidades y
destrezas para solucionar problemas. Balladares et al. (2016) en su propuesta
investigativa titulada “Del pensamiento complejo al pensamiento computacional: retos
de la educación contemporánea” centran su atención en encontrar la relación entre estos
dos pensamientos con el fin de encontrar coincidencias que permitan fortalecer los
procesos de enseñanza – aprendizaje. Los nuevos retos de los educadores van desde
entender la nueva lógica de interacción con las tecnologías de la información y la
comunicación hasta proponer escenarios y ambientes de aprendizaje donde la
innovación, la creatividad, el diseñar actividades dentro y fuera del aula de clase,
promuevan el desarrollo de habilidades de sus estudiantes y potencien estrategias
metodológicas que involucren aprendizajes significativos para solucionar problemas de
la cotidianidad.
Los futuros docentes deben estar a la vanguardia de las necesidades propias de la
sociedad, con conocimiento de las tecnologías de la información y la comunicación y la
habilidad de adaptarse a los diferentes entornos de aprendizaje. El manejo de las
herramientas web, programas y software educativos se vuelven esenciales en la
manipulación de los distintos dispositivos, es decir, y en palabras de Valverde et al.
(2015),losprofesores se deben entendercomo un profesionalque conoce y comprende
lenguajes de programación y, que esto, le permite ir más a fondo en la generación de
entornos educativos flexibles y trasversales.
Otra propuesta investigativa relacionada es la de Carmona et al., (2017) denominada
“Pensamiento computacional en la formación inicial de profesores de matemáticas” en
la cual se plantean dos objetivos, el primero evidenciar cómo la configuración de un
espacio de formación, a partir de las principales características del pensamiento
computacional, permitió integrar de manera eficiente y consiente recursos tecnológicos
en los diseños curriculares elaborados por los futuros profesores. El segundo, permitió
reconocer cómo los futuros profesores (re)significaron la formación en el uso de
tecnología dentro la Licenciatura.
Con lo anterior, las facultades de educación deben asumir y reflexionar ante los nuevos
desafíos de formación de los futuros docentes en las diferentes disciplinas, vinculando
estrategias pedagógicas que desarrollen las habilidades del pensamiento computacional.
Metodología
La metodología para identificar las habilidades del pensamiento computacional de los
estudiantes de las Licenciaturas de la Facultad de Ciencias de la Educación, que se
utilizó fue la estrategiadeenfoquedominante Hernándezetal., (2010),la cual,aunque
prevalezca el enfoque cuantitativo y la fuerza la ofrece los datos numéricos, es posible
interpretar y analizar cualitativamente a través de juicios y valoraciones. El diseño es de
tipo no experimental y transaccional, puesto que no se manipulan variables y se observa
el fenómeno en su forma natural y solo se recolectan los datos por una únicavez.
La técnica usada para la recolección de datos es la encuesta Grasso (2006), la cual
permite indagar subjetividades y actitudes a un número alto de participantes; admite la
búsqueda sistémica deinformación yrecoge las actitudes de conductasno susceptibles de
observación directa.El instrumento de recolección es el cuestionario online, aplicado a
través de internet debido a la situación de pandemia y a la imposibilidad de realizar
actividades presenciales con los participantes. El instrumento fue elaborado por los
investigadores y fue aplicado de forma anónima.
Conocer la situación actual de las habilidades de los futuros docentes de la Facultad de
Educación relacionadas con el pensamiento computacional es necesaria para establecer
estrategias formativas, en especial cuando no existe dentro de las mallas curriculares de
los programas adscritos a la facultad espacios académicos relacionados, ni otras
estrategias formativas que ayuden a determinar el estado presente de esas habilidades.
En otros estudios, como los de Olabe et al., (2015) y Barrera & Montaño (2015) se han
determinado el nivel de habilidades a través de la programación de juegos interactivos,
en especial bajo el lenguaje de SCRATCH, que permite la generación de contenidos
basado en bloques y el desarrollo de actividades que se triangulan con las habilidades
del pensamientocomputacional.
Al carecer de lo anteriormente mencionado, fue necesario buscar algún ejercicio
rutinario yen contexto de los estudiantes de la facultad, que tuvieran una aproximación
con estas habilidades y establecer una relación. Las técnicas de estudio fueron el punto
de encuentro, como lo menciona Enríquez et al., (2015), son una práctica adquirida que
al ser recurrente se adquieren habilidades que conllevan estrategias de observación,
percepción, organización, comparación, interpretación, análisis, síntesis, generalización,
entre otros.
Ahora bien, el cuestionario se estructuró en dos secciones, la primera constó de tres
preguntas de tipo identificación que caracterizaron lapoblación con respecto a género,
edadyprogramadelafacultadalquepertenecen.Lasegundasección indagóencuatro
preguntas, sobre las actitudes relacionadas con las habilidades del pensamiento
computacional de los estudiantes al momento de utilizar técnicas de estudio para la
preparación de un examen. Las preguntas de este apartado correspondieron a:
•
Pregunta 4: relaciona las acciones de los participantes con la habilidad de
descomposición, por lo tanto, está orientada hacia el reconocimiento de cómo
implementanprocesosdeseparacióndealgocomplejoenpartesmáspequeñas,
para ser abordadas de forma independiente. El contexto de la pregunta se conecta
conel momento en que losparticipantesestudian parauna prueba final, planteada
de la siguiente forma: Cuando usted estudia para un examen, ¿divide los
contenidos, categoriza los temas relevantes y busca las relaciones entre ellos?
•
Pregunta 5: aborda la habilidad de generalización de patrones que busca
similitudes, lazos y relaciones de particularidades para la resolución de un
problema. Para el diseño de esta pregunta se establece una relación con las
formas de estudio de los participantes para una prueba final y su habilidad para
generalizar, la pregunta es: Cuando usted estudia para un examen, ¿utiliza
estrategias de estudio para establecer similitudes y relaciones entre los
contenidos y las actividades de la clase?
•
Pregunta 6: indaga sobre la habilidad de la abstracción, proceso en el cual los
participantes pueden comprender más fácilmente una situación eliminando o
reduciendodatosno necesarios. La situaciónplanteada serelacionacon latoma de
apuntes en clase que depende tanto del ritmo de escritura del participante, como
de su capacidad para discriminar y sintetizar la información relevante. La
Programa
Población
Muestra
Licenciatura en Educación Infantil
21
18
Licenciatura en Matemáticas y Tecnologías de la
Información
10
3
Licenciatura en Lenguas Modernas
838
163
Licenciatura en Filosofía
60
24
Licenciatura en Humanidades y Lengua
Castellana
187
59
Licenciatura en Ciencias Sociales
379
114
TOTAL
1495
381
pregunta planteada es: Cuando usted estudia para un examen, ¿realiza
resúmenes de los temas vistos?
•
La última pregunta se relaciona con la habilidad del pensamiento algorítmico, la
cual define la capacidad de resolución de problemas a través de instrucciones,
reglas o pasos ordenados. Para este caso se busca reconocer si los participantes
realizan representaciones ordenadas y secuenciales que faciliten comprender,
entender o apreciar mejor los contenidos. La pregunta planteada es: Cuando
usted estudia para un examen, ¿diseña esquemas ordenados y secuenciales que
faciliten el aprendizaje?
Teniendo en cuenta la pretensión de la investigación se utilizó la escala Likert, este
método, tal como lo menciona Hernández et al., (2010), consiste en un grupo de ítems
expuestos a manera de juicios, mediante los cuales se considera la reacción de los
participantes objeto de estudio. Se plantearon 4 ítems valorados entre 1 y 4, los valores 1
y 2 muestran una actitud desfavorable, mientras que los valores 3 y 4 actitudes
favorables o positivas.
La Universidad La Gran Colombia cuenta con cinco facultades, para esta investigación
se trabajó únicamente con la Facultad de Ciencias de la Educación, encargada de brindar
estudios superiores para formar profesionales especializados en docencia, didáctica y
pedagogía. Se excluyen las demás facultades por la idea de generar posteriormente
propuestas curriculares relacionadas entre el pensamiento computacional ylaformación
de futuros profesores. Para el primersemestreacadémico del año 2020, la facultad contó
con 1.495 estudiantes vinculados a los 6 programas de Licenciaturas. La muestra fue de
381 estudiantes distribuidos como se evidencia en la Tabla 1.
Tabla 1.
Población y muestra estudiantil primer periodo 2020 Facultad de Ciencias de la Educación
Fuente: elaboración propia
Resultados
De los381 participantes,el 42,78%pertenecenalprogramade Licenciatura enLenguas
Modernas con énfasis en inglés, el 29,92% a la Licenciatura en Ciencias Sociales, el
15,49% a la Licenciatura en Humanidades y Lengua Castellana, el 6,3% a la
Licenciatura Educación Infantil, el 4,72% a la Licenciatura en Filosofía y por último el
0,79% a la Licenciatura en Matemáticas, el número de participantes por programa se
encuentra en la Figura 1.
Figura 1. Número de estudiantes por programa
Fuente: elaboración propia
Con respecto al género el 55,9 % que contestaron la encuesta fueron mujeres y
correspondieron a 213 participantes, mientras que el 44,1 % fueron hombres con una
equivalencia de 168 participantes. Para la categoría de edad, 193 participantes se
encuentran en el rango entre los 18 y 22 años, 102 entre los 23 y 27 años, 34 entre los 28
y 32 igual que los menores de 18 años, 13 participantes entre los 33 y 37 años, 4 entre
los 38 y 42 años y un participante entre los 43 y 47 años. El porcentaje de participantes
por rango de edad se encuentra en la Figura 2.
Figura 2. Porcentaje de Estudiantes por rango de edad.
Fuente: elaboración propia
ACTITUD
PUNTOS
Desfavorable
Entre 381 y 952 puntos
Favorable
Entre 953 a 1524 puntos
Habilidad
Ítem
Frecuencia
Absoluta Fi
Porcentaje
Porcentaje
acumulado
Suma
∑
Media
Descomposición
Siempre
199
52,20%
52,20%
1226
3,21
Algunas
veces
116
30,40%
82,70%
Pocas
veces
16
4,20%
86,90%
Nunca
50
13,10%
100,00%
Generalización
de Patrones
Siempre
145
38,10%
38,10%
1170
3,07
Algunas
veces
155
40,70%
78,70%
Pocas
veces
44
11,50%
90,30%
Nunca
37
9,70%
100,00%
Abstracción
Siempre
136
35,70%
35,70%
1084
2,84
Algunas
veces
139
36,50%
72,20%
Pocas
veces
17
4,50%
76,60%
Nunca
89
23,40%
100,00%
Pensamiento
Algorítmico
Siempre
38
10,00%
10,00%
802
2,1
Algunas
veces
118
31,00%
40,90%
Pocas
veces
71
18,60%
59,60%
Nunca
154
40,40%
100,00%
Ante las inquietudes relacionadas con las habilidades del pensamiento computacional:
descomposición, generalización de patrones, abstracción y pensamiento algorítmico se
organizan los datos de tal manera que a cada actitud comportamental se le asigna una
escala de categoría de tipo de frecuencia. Además, por cada pregunta se presenta la
media, los puntos de escala Likert y su distribución porcentual de estudiantes por ítem.
Para cada ítem de respuesta se asignó entre 1 y4 puntos. Para el presente análisis, se
muestra por pregunta el consolidado de puntos de los 381 estudiantes encuestados dando
como rango por pregunta entre 381 a 1.524 puntos. En este análisis de datos, la
interpretación que se toma de la sumatoria de puntos de escala Likert se presenta en la
Tabla 2.
Tabla 2.
Escala de puntos según actitudes
Fuente: elaboración propia
En la Tabla 3 se sintetiza los datos recogidos en la aplicación del cuestionario para cada
una de las habilidades.
Tabla 3.
Resumen de los datos por habilidad.
Fuente: elaboración propia
Las habilidades relacionadas con descomposición, generalización de patrones,
abstracción y pensamiento algorítmico se representan de acuerdo a la sumatoria de
puntos de escala Likert entre 381 a 1524 puntos. Evidenciando las 3 primeras con
actitudes favorables, mientras el pensamiento algorítmico con actitud desfavorable,
como se evidencia en la Figura 3.
Figura 3. Suma de puntos por habilidad.
Fuente: elaboración propia
A partir de los datos encontrados, se evidencia que existe una relación entre las
habilidades del pensamiento computacional con las técnicas de estudio de los
estudiantes, entendidas de acuerdo con Ayma (1996) como un conjunto de estrategias y
procedimientos que permiten mejorar el rendimiento académico vinculado con procesos
de aprendizaje. Sedestaca como el usode la abstracción, descomposición, la
generalización y el pensamiento algorítmico pueden presentarse en los hábitos de
estudio de los estudiantes de maneraautomática.
Ante la habilidad relacionada con descomposición, los estudiantes encuestados
presentaronunamedia3,21 yunasumatoriadepuntos de 1.226/1524. Se encontró que el
82,7% de los estudiantes al momento de estudiar para una evaluación presentan
actitudes favorablesal separar y categorizan los contenidos, quiere decirque presentan
esa capacidad de análisis para deconstruir un todo en contenidos más simples para
facilitar su comprensión. La descomposición se evidencia notablemente en las técnicas
de estudio de elaboración y organización como lo mencionan Enríquez et al. (2015) al
separar tareas simples y tareas complejas, la primera a través de asociación de pares
comovocabulariosylistas,ylasegundapormediode actividadesmáselaboradascomo
parafrasear, resumir, tomar notas, entre otras. Por otra parte, cada tarea requiere su
comprensión para poder clasificar ordenar y agrupar.
Ahorabien,paralahabilidaddegeneralizarlamediacorrespondióa2,84ylasumatoria
depuntossobre1170/1524. El78,8%delosestudiantes encuestadosmanifestaronuna
actitud positiva al momento de utilizar estrategias para establecer similitudes y
relaciones entre contenidos y actividades de clase. Al respecto, Zapata (2015) esta
actividad exige la capacidad de distinguir elementos comunes y dar pautas en
situaciones distintas, se aplica en la computación y otras disciplinas ya que genera
“buenas prácticas” y da referencias para solucionar nuevos problemas pues optimizan el
trabajointelectualyvuelvemáseficazeltrabajoempleado.Paraencontrarsituaciones de
aprendizaje que brinden semejanzas y relaciones entre contenidos y actividades
curriculares,Enríquezet al. (2015)mencionaqueesposibleagrupartécnicasdeestudio
como son la comparación, que permite establecer diferencias y semejanzas entre dos o
más datos, la deducción que establece juicios generales y particulares a partir de
hechos, y porúltimo la comprensión que da entendimiento y significado a los datospara
generar asociaciones.
La tercera habilidad es asociada a la abstracción, la media correspondió a 3,07 y la
sumatoria de puntos sobre 1084/1524. Los resultados mostraron que el 72,2% de los
estudiantes encuestados presentaron una actitud favorable al momento de discriminar y
sintetizar la información importante. El resumen es en efecto una técnica de estudio que
permite realizar una relación con la habilidad de abstraer, ya que al transferir de un
documento a otro las ideas principales, requiere de acuerdo con Enríquez et al. (2015)
un reconocimiento de temas, una identificación de estructuras, resaltar lo sustancial,
organización de ideas, permite generar conceptos a partir de la extracción de
propiedades complejas y enfoca la atención en lo esencial para resolver un problema
La última habilidad es el pensamiento algorítmico, la media correspondió a 2,01 y la
sumatoria de puntos sobre 802/1524 evidenciando que el 59% de los estudiantes
encuestados manifestaran una actitud desfavorable al diseñar esquemas ordenados y
secuenciales que faciliten su proceso de aprendizaje. Este tipo de método de estudio
requiere según Enríquez et al. (2015) representar estructuras jerárquicas y de flujo que
destaquen los procesos y actividades por pasos o ciclos.
Conclusiones
Apesarquesonpocoslos currículosoprogramasdecualificacióndocenteformales que
brinden espacios de desarrollo de las habilidades relacionados con el pensamiento
computacional, es posible realizar un acercamiento a los docentes en formación con
ciertas habilidades adquiridas al momento de utilizar las técnicas de estudio. Fortalecer
el pensamiento computacional en estos estudiantes es una apuesta a considerar por las
facultades de educación universitaria dentro de sus currículos, puesto que este se
entenderá como una habilidad fundamental que debe desarrollarse desde la escuela
respondiendo a las nuevas necesidades del sigloXXI.
La experiencia reveló un número significativo de estudiantes con actitudes favorables
ante las habilidades relacionadas con la abstracción, la descomposición y la
generalización, por el contrario, ante el pensamiento algorítmico los resultados fueron
actitudes desfavorables, lo anterior se debe posiblemente a la exigencia y dedicación
necesaria para implementar estos procedimientos, puesto que requiere ordenar,
jerarquizar y sintetizar ideas. Pensar algorítmicamente necesita seguir instrucciones paso
apaso,tenerpresteza ypersistenciapara lograrresolverproblemascomplejos. La
programación es sin duda un elemento esencial para el desarrollo del pensamiento
computacional, requiere a través de la lógica, el razonamiento y la capacidad de dar
instrucciones la posibilidad de solucionar problemas.
La dificultad de incluir el desarrollo del pensamiento computacional en las primeras
edades de formación, se debe al escaso número de profesionales de la educación
preparados para enseñarlo, es por eso, que resulta necesario plantear estrategias
curriculares dentro de los planes de estudio de los programas universitarios relacionados
con la formación de docentes.
Referencias
Ayma, G. (1996). Curso: Enseñanza de las Ciencias: Un enfoque constructivista.
Instituto de Física y Facultad de Educación. Universidad de Sao Paulo.
Barrera, C, R. & Montaño, R. E. (2015). Desarrollo del pensamiento computacional con
Scratch. In J. Sánchez (Presidente), Nuevas ideas en informática educativa. Simposio
llevado a cabo en el XX Congreso internacional de Informática Educativa, Santiago,
Chile.
Balladares, B., J., Avilés, S. R., & Pérez, N., O., P. (2016). Del pensamiento complejo al
pensamiento computacional: retos para la educación contemporánea. Sophia: Colección
de Filosofía de la Educación, (21), 143-159.
Carmona M, J. A., Cardona, M., y Villa-Ochoa, J. A. (2017). Pensamiento
computacional en la formación inicial de profesores de matemáticas. Informe técnico de
proyección de innovación. Medellín, Colombia.
Csizmadia, A., Curzon, P., Dorling, M., Humphreys, S., Ng, T., Selby, C. y Woollard, J.
(2015) Pensamiento computacional Una guía para profesores. Computación en la
escuela.
CSTA &ISTE. (2011). Computational Thinking Leadership Toolkit, First edition.
Computer Science Teachers Association (CSTA) y International Society for Technology
in Education (ISTE).
Enríquez,M.F.,&Fajardo,M.&GarzónF.(2015). UnaRevisiónGeneralalosHábitos y
Técnicas de Estudio en el Ámbito Universitario. Psicogente, 18(33),166-187.
Grasso, L. (2006). Encuestas. Elementos para su diseño y análisis. Córdoba: Encuentro
Grupo Editor, 27-56.
Hernández, R., Fernández, C. C. y Baptista, L. P. (2010). Metodología de la
Investigación. México: McGraw Hill. Quinta Edición.
Olabe, X. B., Basogain, M. Á. O., & Basogain, J. C. O. (2015). Pensamiento
Computacional a través de la Programación: Paradigma de Aprendizaje. Revista de
educación a distancia (RED), (46).
Ortega R, B., &Asensio B, M.M. (2018). RobóticaDIY: pensamiento computacional
para mejorar la resolución de problemas.
Valverde B, J., Fernández, M. R., & Garrido A, M. del C. (2015). El pensamiento
computacional y las nuevas ecologías del aprendizaje. Revista De Educación a
Distancia (RED), (46).
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-
35.
Wing, J. M. (2008). Computational thinking and thinking about computing.
Philosophical Transactions. Series A, Mathematical, Physical, and Engineering
Sciences, 366(1881), 3717- 3725.
Wing, J. M. (2011). Computational thinking. En 2011 IEEE Symposium on Visual
Languages and Human-Centric Computing (VL/HCC 2011) (pp.3-3). IEEE.
Zapata, R. M. (2015). Pensamiento computacional: Una nueva alfabetización digital.
Revista de Educación a distancia, (46).
Zapotecatl López, J. L. (2018). Introducción al pensamiento computacional: conceptos
básicos para todos.
Copyright (c) 2021 Alvaro Josserand Camargo Pérez y John Alvaro Munar Ladino
Este texto está protegido bajo una licencia internacional
4.0.
Usted es libre para Compartir—copiar y redistribuir el material en cualquier medio o
formato — y Adaptar el documento — remezclar, transformar y crear a partir del
material—para cualquier propósito, incluso para fines comerciales, siempre que cumpla
las condiciones de Atribución. Usted debe dar crédito a la obra original de manera
adecuada, proporcionar un enlace a la licencia, e indicar si se han realizado cambios.
Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que tiene el
apoyo del licenciante o lo recibe por el uso que hace de la obra.
–
