Fortalecimiento del pensamiento computacional en niños y adolescentes de la ciudad de Loja

Autores/as

  • Sandra Elizabeth Barahona Rojas Instituto Superior Tecnológico Sudamericano.
  • Patricia Nelly Sanmartín Zhingre Instituto Superior Tecnológico Sudamericano.
  • Alex Enrique Yunga Benítez Instituto Superior Tecnológico Sudamericano.
  • Yeferson Mauricio Torres Berrú Instituto Superior Tecnológico Sudamericano.

DOI:

https://doi.org/10.23857/dc.v8i3.2949

Palabras clave:

Pensamiento computacional, Scratch, lógica, programación.

Resumen

La investigación se basa en el anólisis del nivel del pensamiento computacional de una población a través de la aplicación de un pre test y post test utilizando el cuestionario denominado Test de Pensamiento Computacional: diseño y psicometrí­a general, realizada por Marcos Romón-Gonzólez, et al., el mismo que evalíºa los conceptos computacionales a través de 24 preguntas categorizadas en 5 dimensiones. Inicialmente se aplica el pre test a los niños y adolescentes, luego se realiza una capacitación de los fundamentos de la programación utilizando Scratch dividida en los niveles bósico e intermedio; finalmente, se aplica el post test para comparar los resultados. Se obtiene una mejora del 15,96% en comparación al nivel de conocimiento inicial de los participantes, lo que determina que es importante incluir en los pénsum de estudio contenidos relacionados al pensamiento computacional, independiente de los factores sociales, culturales y académicos que giran en torno al estudiante.

Biografía del autor/a

Sandra Elizabeth Barahona Rojas, Instituto Superior Tecnológico Sudamericano.

Instituto Superior Tecnológico Sudamericano, Loja, Ecuador.

Patricia Nelly Sanmartín Zhingre, Instituto Superior Tecnológico Sudamericano.

Instituto Superior Tecnológico Sudamericano, Loja, Ecuador.

Alex Enrique Yunga Benítez, Instituto Superior Tecnológico Sudamericano.

Instituto Superior Tecnológico Sudamericano, Loja, Ecuador.

Yeferson Mauricio Torres Berrú, Instituto Superior Tecnológico Sudamericano.

Instituto Superior Tecnológico Sudamericano, Loja, Ecuador.

Citas

El modelo de inteligencias míºltiples de Gardner agrupa en ocho categorí­as las capacidades que tiene el ser humano: inteligencia lingí¼í­stica, inteligencia lógico-matemática, inteligencia espacial, inteligencia ciní©tico-corporal, inteligencia musical, inteligencia interpersonal, inteligencia intrapersonal e inteligencia naturalista. Gardner, (1995) afirma La inteligencia lógico-matemática está definida como la capacidad de utilizar con eficacia los níºmeros y razonar acertadamente, lo que permite desarrollar sensibilidad a patrones y relaciones lógicas, afirmaciones y proposiciones, funciones y otras abstracciones relacionadas. (Ferrándiz, Bermejo, Sainz, Ferrando, y Prieto, 2008).

Jean Piaget (Piaget, 1969) en su teorí­a indica que la inteligencia lógico-matemática se desarrolla desde que el ser humano tiene contacto e interactíºa con los objetos del mundo real, de esta manera se fomenta la capacidad para pensar sobre los mismos utilizando un pensamiento concreto. (Piaget y Berth, 2013)

Esta inteligencia contribuye a solucionar problemas en diferentes ámbitos de la vida formulando hipótesis y estableciendo predicciones; además, permite establecer relaciones entre diferentes conceptos y llegar a una comprensión más profunda y proporciona orden y sentido a las acciones y/o decisiones. (Medina Hidalgo, 2018)

La sociedad y el conocimiento se encuentran en constante evolución, así­ lo afirma Moravec (2013), quien menciona que actualmente se vive una sociedad Knowmad, nómadas del conocimiento. Se reconoce una evolución que inicia en la í©poca agraria o sociedad 1.0, continíºa con una sociedad industrializada o sociedad 2.0, para finalmente llegar a la actualidad a una sociedad del conocimiento y la información o sociedad 3.0. Esta generación de nómadas del conocimiento, privilegian el uso de las Tecnologí­as de la Información y la Comunicación (TIC´s) en espacios formales e informales hacií©ndolos parte de su vida cotidiana. (Balladares Burgos, Avilí©s Salvador, & Pí©rez Narváez, 2016)

En la sociedad 3.0 es importante incorporar en los modelos educativos de todos los niveles el uso de las tecnologí­as digitales, ya que la computación forma y formará parte de la vida cotidiana de toda la humanidad. Se da paso a varias teorí­as relacionadas con las TIC´s entre ellas el desarrollo del pensamiento computacional que busca obtener mayores ventajas con el uso de los computadores. Balladares Burgos et al, (2016)

Barr y Stephenson (2011), definen al pensamiento computacional como el proceso para resolver los problemas utilizando los computadores y diversas herramientas denominadas por Wing,(2006) como herramientas mentales que reflejan la amplitud del campo de la informática. Wing, (2010), Aho (2012), The Royal Society, (2012), Computing at School (2015), Snalune, (2015) coinciden en que el pensamiento computacional son procesos de pensamiento necesarios para la formulación de problemas y soluciones en diversas disciplinas.

Tambií©n el pensamiento computacional puede definirse como una actividad mental que involucra a un computador para la solución de problemas de la vida real utilizando habilidades tales como la abstracción, la descomposición del problema, uso de algoritmos, evaluación de soluciones y pensar en generalizaciones Cuny, Snyder y Wing (2010), Selby y Wollard (2013). Formalmente se puede indicar que el pensamiento computacional permite al ser humano enfrentar los problemas, descomponerlos en elementos y encontrar algoritmos que los resuelvan. Vilanova (2018)

En un modelo de educación contemporáneo, que responda a una sociedad 3.0, debe existir una correlación entre la inteligencia lógica-matemática y el pensamiento computacional, que permita al estudiante enfrentarse a situaciones que exploten su creatividad y desarrollen su pensamiento complejo. Balladares et al (2016)

Este modelo aplicado desde edades tempranas permite estimular el desarrollo del pensamiento lógico-matemático en los diversos estadios propuestos por Piaget. El primer estadio sensoriomotor (0-2 años), caracterizado por la capacidad para imitar acciones de otros; el segundo estadio preoperatorio (2-7 años) el niño adquiere un sentido intuitivo; el tercer estadio o de operaciones concretas (7-11 años) en el que el niño es capaz de utilizar relaciones causales y cuantitativas hasta que finalmente el niño acceda al estadio del pensamiento de las operaciones formales (a partir de los 11 o 12 años), en el que emplea su pensamiento hipotí©tico-deductivo. Ferrándiz, C et al (2008)

En varios paí­ses de todo el mundo se están aplicando diversas estrategias para desarrollar el pensamiento computacional en sus pí©nsum de estudio. Motoa, S. (2019)

A nivel mundial el desarrollo del pensamiento computacional en los jóvenes se ha convertido en un factor imprescindible, por ello paí­ses como Estados Unidos han incorporado desde kindergarden hasta k12 el desarrollo de este tipo de pensamiento (pág. 109)

(…) Inglaterra (Reino Unido) ha sido uno de los primeros paí­ses europeos en incluir (desde septiembre de 2014) el Pensamiento Computacional y la codificación en los centros escolares de primaria y secundaria (pág. 110)

En varios paí­ses latinoamericanos se están dando casos similares, en la investigación de Mendoza, M.(2018) denominada Software de Programación Scratch†en el Desarrollo del Pensamiento Lógico Matemático de Estudiantes de una Institución Educativa Primaria, Chincha – 2017†se determina que los estudiantes que aprendieron a utilizar el software Scratch han logrado mejorar en un 17% su nivel lógico-matemático, estos datos han sido obtenidos a traví©s de una investigación experimental al aplicar un Pre y Post test a una muestra de 24 niños de sexto grado de educación primaria de la Institución Educativa del Distrito de Chavin en Períº.

En el trabajo realizado por Molina Chalacán, Jalón Aria, y Albarrací­n Zambrano, (2018) denominado Inclusión de la Programación Informática como herramienta para el desarrollo del razonamiento lógico y abstracto en el pensamiento de los niños de Educación General Básica, Nivel Medioâ€, se determina que los estudiantes de sexto y sí©ptimo año de educación básica de la Unidad Educativa Abdón Calderón del Cantón Quevedo – Ecuador, tuvieron un mejoramiento global del 30% en su rendimiento acadí©mico, demostrando grandes competencias en análisis lógico-matemático y en desarrollo del pensamiento; estos resultados se observaron una vez que los estudiantes adquieren conocimientos de Andora, Scratch, PSeInt y Visual Studio.

Metodologí­a

La presente investigación es de carácter cuantitativa experimental, se toma como referencia los resultados obtenidos en el proceso de capacitación a niños y adolescentes de 3 instituciones educativas de nivel primario-secundario de la ciudad de Loja – Ecuador. La capacitación tiene como objetivo fundamental fortalecer el pensamiento computacional de los participantes a traví©s de los fundamentos de la programación, utilizando el software Scratch.

Se dictaron contenidos claros divididos en nivel básico e intermedio, en los que se incluyen definiciones, ejemplos prácticos e instrucciones para la creación de un proyecto final.

Fuente: los Autores

Figura 1: Contenidos de Scratch

Para medir el nivel de aptitud-desarrollo del pensamiento computacional se utiliza como base la investigación titulada Test de Pensamiento Computacional: diseño y psicometrí­a general, realizada por Marcos Román-González, et al. En la investigación se propone un test compuesto por 28 í­tems en el que se incluyen preguntas relacionadas a secuencias básicas, bucles, iteraciones, condicionales, funciones y variables; sus preguntas son objetivas con 4 opciones de respuesta de las que una sola es correcta. Los í­tems están relacionados a diversos conceptos que están alineados con los estándares que fija la CSTA para la educación en ciencias de la computación en estas edades. CSTA (2011)

Figura 2: Test de Pensamiento Computacional: diseño y psicometrí­a general

Dimensión Conceptos computacionales

(dificultad creciente) Cantidad de í­tems

Concepto computacional abordado Direcciones básicas 4

Bucles–‘repetir veces’ 4

Bucles–‘repetir hasta’ 4

Condicional

simple–‘if’ 4

Condicional compuesto–‘if/else’ 4

Mientras que–‘while’ 4

Funciones Simples 4

Dimensión Entorno gráfico o interfaz Cantidad de í­tems

Entorno-Interfaz del í­tem El laberinto 23

El lienzo 5

Dimensión Estilo de las alternativas Cantidad de í­tems

Estilo de las alternativas de respuesta Visual por flechas 8

Visual por bloques 20

Dimensión Existencia / Inexistencia de anidamiento Cantidad de í­tems

Existencia o inexistencia de anidamiento Existencia de anidamiento 19

Inexistencia de anidamiento 9

Dimensión Tareas cognitivas Cantidad de í­tems

Tarea requerida Secuenciación 14

Completamiento 9

Depuración 5

Nota: Test de Pensamiento Computacional aplicado a los niños y a adolescentes, elaborado por los autores

Considerando los convenios que mantiene el Instituto Superior Tecnológico Sudamericano en el ámbito de Vinculación con la Sociedad con instituciones educativas de nivel de educación básica, se consideró como población 111 estudiantes entre 7 y 11 años, pertenecientes a tres unidades educativas de la ciudad de Loja: Unidad Educativa Particular La Inmaculadaâ€, Unidad Educativa Particular La Porciíºncula†y Unidad Educativa Particular Vicente Agustí­n Aguirreâ€, con un margen de error de 9,5% y un nivel de confianza del 95%, el tamaño de la muestra es 56.

Este test ha sido aplicado antes de la capacitación (pre test) para tener datos de referencia del nivel de razonamiento lógico que tienen los participantes antes de obtener los conocimientos de Scratch. Una vez concluida la capacitación se procede a aplicar nuevamente el test para determinar el impacto que tuvo la capacitación en su razonamiento lógico-matemático.

Resultados

Al finalizar el proceso de capacitación y evaluando el impacto del proyecto se han obtenido los siguientes resultados.

En las preguntas (1 a 4) se evalíºa el concepto computacional direcciones básicas†y se denota una mejora global del 31,43% entre los resultados obtenidos en el pre-test y el post-test (tabla #)

Figura 3: Resultados de las preguntas 1 a 4 de conceptos computacionales

Direcciones básicas PRE TEST POST TEST

Pregunta 1 35,70% 85,70%

Pregunta 2 32,70% 78,60%

Pregunta 3 36,40% 57,30%

Pregunta 4 17,90% 26,80%

,68% 62,10%

Mejora 31,43%

Nota: Datos tabulados considerando los resultados del pre test y post test

En la Grafica 1 se denota una mejora decreciente de acuerdo a la complejidad de las preguntas, se observa que en la pregunta 1 existe una mejora del 50%, en la pregunta 2 una mejora del 45,9%, en la pregunta 3 una mejora del 20,9% y en la pregunta 4 una mejora de íºnicamente el 8,9%.

Figura 4: Concepto computacional: Direcciones básicas

Al analizar los resultados obtenidos en la evaluación del concepto computacional Bucles-‘repetir veces’†evaluados en las preguntas 5 a la 8, como se muestra en la tabla # y en la gráfica #, se denota una mejora global del 25,40% entre el pre-test y post-test.

Figura 5: Concepto computacional: Bucles-‘repetir veces’

Direcciones básicas PRE TEST POST TEST

Pregunta 5 19,60% 75,00%

Pregunta 6 19,60% 60,70%

Pregunta 7 41,10% 42,60%

Pregunta 8 25,00% 28,60%

,33% 51,73%

Mejora 25,40%

Nota: Datos tabulados considerando los resultados del pre test y post test

Figura 6: Concepto computacional: Bucles-‘repetir veces’â€

De la misma manera en el concepto computacional Bucles-‘repetir veces’†se observa un porcentaje de mejora decreciente drástico correspondiente a las preguntas 6 (41,10%) y pregunta 7 (1,5%); además, de la diferencia significativa con las preguntas 5 (55,4%) y 8 (3,6%).

Al evaluarse el concepto computacional de Bucles-‘repetir hasta’†en las preguntas 9 a la 12, se observa una diferencia global positiva del 33,15% entre los resultados obtenidos en el pre-test y post-test, así­ como se muestra en la gráfica#

Figura 7: Concepto computacional de Bucles-‘repetir hasta’â€

Direcciones básicas PRE TEST POST TEST

Pregunta 9 5,40% 76,40%

Pregunta 10 41,10% 56,40%

Pregunta 11 25,00% 56,60%

Pregunta 12 26,80% 41,50%

,58% 57,73%

Mejora 33,15%

Nota: Datos tabulados considerando los resultados del pre test y post test

Figura 8: Concepto computacional de Bucles-‘repetir hasta’â€

Los resultados obtenidos en el concepto computacional Condicional simple – ‘if’†(preguntas 13 a 16), indican una diferencia negativa que denota una reducción del 7,43% entre el pre-test y post-test, así­ como se muestra en la gráfica #

Figura 9: Concepto computacional Condicional simple-‘if’â€

Direcciones básicas PRE TEST POST TEST

Pregunta 13 37,50% 40,00%

Pregunta 14 30,40% 20,40%

Pregunta 15 33,90% 20,00%

Pregunta 16 25,00% 16,70%

,70% 24,28%

Mejora -7,43%

Nota: Datos tabulados considerando los resultados del pre test y post test

Figura 10: Concepto computacional Condicional simple-‘if’â€

En las preguntas relacionadas con el concepto computacional condicional compuesto - ‘if/else’†evaluadas en las preguntas 17 a la 20, se denota una mejora del 7,23% entre los resultados obtenidos entre el pre-test y post-test, así­ como se muestra en la figura#

Figura 11: Concepto computacional condicional compuesto-‘if/else’â€

Direcciones básicas PRE TEST POST TEST

Pregunta 17 33,90% 34,60%

Pregunta 18 25,00% 37,00%

Pregunta 19 19,60% 20,80%

Pregunta 20 26,80% 41,80%

,33% 33,55%

Mejora 7,23%

Nota: Datos tabulados considerando los resultados del pre test y post test

Figura 12: Concepto computacional condicional compuesto-‘if/else’â€

En el concepto computacional Mientras que-‘while’†(preguntas 21 a 24), se obtiene un resultado positivo correspondiente al 7,28% entre los valores obtenidos en el pre-test y el post-test, así­ como se muestra en la figura#

Figura 13: Concepto computacional Mientras que-‘while’â€

Direcciones básicas PRE TEST POST TEST

Pregunta 21 53,60% 40,70%

Pregunta 22 25,00% 11,80%

Pregunta 23 28,60% 46,30%

Pregunta 24 23,60% 61,10%

,70% 39,98%

Mejora 7,28%

Nota: Datos tabulados considerando los resultados del pre test y post test

Figura 14: Concepto computacional Mientras que-‘while’â€

Finalmente, en el bloque correspondiente al concepto computacional funciones simples†(preguntas 25 a 28), se demuestra una mejora correspondiente al 14,68% entre los resultados del pre-test y el post-test, así­ como se muestra en la figura#

Figura 15: Concepto computacional: Funciones simplesâ€

Direcciones básicas PRE TEST POST TEST

Pregunta 25 30,40% 35,30%

Pregunta 26 37,50% 60,00%

Pregunta 27 38,20% 38,90%

Pregunta 28 26,80% 57,40%

,23% 47,90%

Mejora 14,68%

Nota: Datos tabulados considerando los resultados del pre test y post test

Figura 16: Concepto computacional: Funciones simplesâ€

Haciendo un análisis global de todos los resultados obtenidos se puede observar un promedio de mejora del 15,96% entre todos los conceptos computacionales abordados en la capacitación dictada a los participantes del proyecto, datos que se presentan en la siguiente gráfica

Figura 17: Concepto computacional: Resultado del fortalecimiento del pensamiento computacional

Concepto computacional PRE TEST POST TEST MEJORA

Direcciones

básicas 30,68% 62,10% 31,43%

Bucles

‘repetir veces’ 26,33% 51,73% 25,40%

Bucles

‘repetir hasta’ 24,58% 57,73% 33,15%

Condicional

simple–‘if’ 31,70% 24,28% -7,43%

Condicional compuesto

‘if/else’ 26,33% 33,55% 7,23%

Mientras que

‘while’ 32,70% 39,98% 7,28%

Funciones Simples 33,23% 47,90% 14,68%

PROMEDIO MEJORA 15,96%

Nota: Datos tabulados considerando los resultados del pre test y post test, del promedio mejora

Figura 18: Resultado del fortalecimiento del pensamiento computacional

Con estos datos se indica una clara mejora del pensamiento computacional de los participantes.

Discusión

La mejora decreciente en el concepto computacional de direcciones básicas se debe al tiempo limitado (40 horas acadí©micas) para abordar las temáticas con mayor complejidad, sin embargo, en varios trabajos previos se ha demostrado que estas temáticas deberí­an ser abordadas en un periodo lectivo completo. Balch, Chung, y Brennan, (2011)

Se observa además que en las preguntas que tienen ayuda visual 1, 2, 5, 6, 9, 11 (Pacman), correspondientes al nivel básico, los estudiantes obtienen porcentajes mayores de mejora respecto a aquellas preguntas que tienen el código en bloques. En el nivel avanzado se observa que la mejora es mí­nima o en muchos de los casos no existe una mejora, por lo que se plantea como trabajo futuro extender las capacitaciones con temáticas de nivel intermedio y avanzado.

El test aplicado se adaptó a nuestra realidad a pesar de la diferencia cultural, tecnológica y acadí©mica respecto al lugar en donde fue desarrollado por Román González, (2015), esto gracias a la adaptación realizada por los autores. Además, permitió identificar y cuantificar la mejora en el desarrollo del pensamiento computacional en los niños con un 39.3% y niñas con el 60.7%, lo que refleja que el gí©nero no interviene en el aprendizaje tecnológico y se plantea como hipótesis que, en futuras etapas escolares, por influencia de diversos factores, las niñas pierden el interí©s en carreras tecnológicas, el probar esta hipótesis será parte de un trabajo futuro.

En otros paí­ses se ha incluido el pensamiento computacional como parte de las mallas curriculares en educación inicial por Pí©rez Narváez, Roig Vila, y Jaramillo Naranjo, (2020), en este trabajo se ha demostrado que con la capacitación adecuada se puede desarrollar estas aptitudes en los estudiantes, por lo que se sugiere incluir las temáticas como una asignatura adicional dentro del pí©nsum acadí©mico en las instituciones educativas de nivel básico.

Conclusiones

Las preguntas que contienen ayudas visuales han permitido a los participantes alcanzar mejores puntuaciones, lo que indica que es importante utilizar herramientas de software como Scratch para enseñar los conceptos fundamentales de programación; y a su vez, alcanzar una rápida comprensión y relación sobre los problemas del mundo real.

La inclusión de los fundamentos de la programación utilizando herramientas de software que se basen en la teorí­a de juegos dentro de los pí©nsum de estudio de nivel primario y secundario mejorará la lógica, interpretación y solución de problemas numí©ricos, condicionales, iterativos o bucles y de dirección.

El comprender estos conceptos permite a los niños y adolescentes relacionar la lógica con los problemas del mundo real, mejora su creatividad y genera bases sólidas para enfrentarse a futuros retos acadí©micos, sociales y profesionales.

Finalmente, el uso del Test de Pensamiento Computacional: diseño y psicometrí­a general, realizada por Marcos Román-González, et al., es aplicable indistintamente de la ubicación geográfica, cultura, gí©nero, edad, tipo de institución educativa, conocimientos previos; obteniendo resultados confiables y de fácil interpretación.

Referencias

Aho, A. V. (20012). Computation and Computational Thinking. The Computer Journal, 57(7), 832-835. Obtenido de https://doi.org/10.1093/comjnl/bxs074

Balch, C., Chung, M., & Brennan, K. (2011). Computación creativa con Scratch 3.0: Guí­a curricular. Obtenido de eduteka: http://eduteka.icesi.edu.co/articulos/hgse-scratch-computacion-creativa

Balladares Burgos, J. A., Avilí©s Salvador, M. R., & Pí©rez Narváez, H. O. (2016). Del pensamiento complejo al pensamiento computacional. Dialnet(2), 143-159. Obtenido de https://dialnet.unirioja.es/servlet/articulo?codigo=5973042

Barr, V., & Stephenson, C. (2011). Bringing Computational Thinking to K-12: What is Involved and What is the Role of the Computer Science Education Community? acm Inroads, 2(1), 48-54. Obtenido de https://people.cs.vt.edu/~kafura/CS6604/Papers/Bringing-CT-K12-Role-of-CS-Education.pdf

CSTA. (2011). K–12 Computer Science Standards (Level 2). Recuperado el 24 de 03 de 2022, de Documento en lí­nea: http://csta.acm.org/Curriculum/sub/CurrFiles/CSTA_K-12_CSS.pdf

Cuny, J., Snyder, L., & Wing, J. M. (2010). Demystifying Computational Thinking for Non-Computer Scientistsâ€. Obtenido de Unpublished manuscript, referenced in.

Ferrándiz, C., Bermejo, R., Sainz, M., Ferrando, M., & Prieto, M. D. (2008). ESTUDIO DEL RAZONAMIENTO LóGICO-MATEMáTICO DESDE EL MODELO DE LAS INTELIGENCIAS MALTIPLES. Anales de Psicologí­a / Annals of Psychology. Obtenido de https://revistas.um.es/analesps/article/view/42731

Gardner, H. (1995). Multiple Intelligences†as a Catalyst. The English Journal. Obtenido de https://www.jstor.org/stable/821182

Medina Hidalgo, M. I. (2018). Estrategias metodológicas para el desarrollo del pensamiento lógico-matemático. Dialnet, 125-132. Obtenido de https://dialnet.unirioja.es/servlet/articulo?codigo=6595073

Mendoza Aguirre, M. (2018). Software de Programación Scratch†en el Desarrollo del Pensamiento Lógico Matemático de Estudiantes de una Institución Educativa Primaria, Chincha – 2017. Trujillo. Obtenido de https://hdl.handle.net/20.500.12692/29889

Molina Chalacán, L. J., Jalón Aria, E. J., & Albarrací­n Zambrano, L. O. (2018). Inclusión de la ProgramaciónInformáticacomo herramienta para eldesarrollo del razonamientológicoy abstracto enel pensamientode los niños deEducación General Básica, NivelMedio. Dilemas Contemporáneos: Educación, Polí­tica y Valores., 28, 1-18. Obtenido de https://dilemascontemporaneoseducacionpoliticayvalores.com/index.php/dilemas/article/view/800/1193

Moravec, J. W. (2013). Knowmad society: the new†work and education. On the Horizon, 21(2), 79-83. Obtenido de https://doi.org/10.1108/10748121311322978

Motoa, S. (2019). Pensamiento computacional. Colegio Hispanoamericano, 107-111. Obtenido de https://dialnet.unirioja.es/descarga/articulo/7178254.pdf

Pí©rez González , J., Román Gonzalez, M., & Jimí©nez Fernández, C. (2015). Test de Pensamiento Computacional: diseño y psicometrí­a general. III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC), 1-7. Obtenido de https://www.researchgate.net/profile/Marcos-Roman-Gonzalez/publication/292398919_Test_de_Pensamiento_Computacional_diseno_y_psicometria_general_Computational_Thinking_Test_design_general_psychometry/links/56ae371208ae19a385160253/Test-de-Pensamiento-Compu

Pí©rez Narváez, H., Roig Vila, R., & Jaramillo Naranjo, L. (2020). Uso de SCRATCH en el aprendizaje de Programación en Educación Superior. Catedra, 3(1), 28-45. doi:https://doi.org/10.29166/10.29166/catedra.v3i1.2006

Piaget, J., & Berth, E. W. (2013). Mathematical Epistemology and Psychology. Springer Science & Business Media. Obtenido de https://books.google.com.ec/books?id=p-O1BwAAQBAJ&lpg=PT9&ots=kj56oTXdpb&lr&hl=es&pg=PT3#v=onepage&q&f=false

Román González, M. (2015). Test de Pensamiento Computacional: principios de diseño, validación de contenido y análisis de í­tems. Mª ángeles MURGA MENOYO. Obtenido de https://www.researchgate.net/publication/288341872_Test_de_Pensamiento_Computacional_principios_de_diseno_validacion_de_contenido_y_analisis_de_items_Computational_Thinking_Test_design_guidelines_content_validation_and_item_analysis

School, C. a. (2015). Computational thinking. Recuperado el 10 de 05 de 2022, de A guide for teachers: http://computingatschool.org.uk/computationalthinking

Selby, C., & Woollard, J. (2013). Computational thinking: the developing definition. Recuperado el 20 de 05 de 2022, de University of Southampton (E-prints): https://eprints.soton.ac.uk/356481

Snalune, P. (2015). The Benefits of Computational Thinking . ITNOW, 57(4), 58-59. Obtenido de https://doi.org/10.1093/itnow/bwv111

The Royal Society. (2012). Shut down or restart? The way forward for computing in UK schools. Computing in Schools Reports. Recuperado el 03 de 05 de 2022, de https://royalsociety.org/topics-policy/projects/computing-in-schools/report/

Vilanova, G. E. (2018). Tecnologí­a Educativa para el Desarrollo del Pensamiento Computacional. Sistemas, Ciberní©tica e Informática, 15(3), 25-32. doi:ISSN: 1690-8627

Wing, J. M. (2006). Computational Thinking. Communications of the ACM, 49(3), 33-35. Obtenido de https://www.cs.cmu.edu/~15110-s13/Wing06-ct.pdf

Wing, J. M. (2010). Computational Thinking: What and Why? Obtenido de https://www.cs.cmu.edu/~CompThink/resources/TheLinkWing.pdf

Publicado

2022-08-22

Cómo citar

Barahona Rojas, S. E., Sanmartín Zhingre, P. N., Yunga Benítez, A. E., & Torres Berrú, Y. M. (2022). Fortalecimiento del pensamiento computacional en niños y adolescentes de la ciudad de Loja. Dominio De Las Ciencias, 8(3), 657–676. https://doi.org/10.23857/dc.v8i3.2949

Número

Sección

Artí­culos Cientí­ficos