Implementación experimental de modelos activos para la enseñanza de programación en entornos universitarios
DOI:
https://doi.org/10.61799/2216-0388.1794Palabras clave:
Aprendizaje Activo, Enseñanza de la Programación, Pensamiento computacional, Python, Tecnología Educativa.Resumen
La enseñanza tradicional de la programación presenta dificultades en el desarrollo de pensamiento algorítmico y lógico. Para enfrentar esto, se ha explorado el aprendizaje activo, que involucra directamente al estudiante en la resolución de problemas. El Tecnológico de Antioquia implementó un experimento con una herramienta de aprendizaje activo para enseñar fundamentos de programación a estudiantes de estratos socioeconómicos diversos, buscando superar las dificultades en la comprensión de conceptos como algoritmos y estructuras de control. Evaluar experimentalmente el impacto de una herramienta de aprendizaje activo, basada en ejercicios medidos por siete dimensiones, en comparación con métodos tradicionales en la enseñanza de la programación. Se realizó un estudio con estudiantes de primer semestre del Tecnológico de Antioquia. La muestra se dividió en un grupo de control, que recibió enseñanza tradicional, y un grupo experimental, que utilizó una herramienta de aprendizaje activo con más de 1000 ejercicios en Python. Se aplicaron tres pruebas diagnósticas (inicial, intermedia y final) para medir el progreso en siete dimensiones del pensamiento computacional. Los datos se analizaron con Power BI. Resultados: Se observó una mejora en el rendimiento del grupo experimental entre la primera y segunda prueba diagnóstica, especialmente en Pensamiento Lógico y Reconocimiento de Patrones. El análisis del etiquetado manual de 1018 ejercicios de la herramienta arrojó que el 59.86% fueron correctamente generados de forma automática. Las dimensiones con menor rendimiento inicial fueron Resolución de Problemas, Algoritmos y Pensamiento Lógico. La implementación de modelos activos de programación, apoyados por herramientas interactivas, muestra ser efectiva para mejorar el aprendizaje en entornos universitarios. La herramienta demostró ser un enfoque inclusivo, efectivo en estudiantes de diversos perfiles socioeconómicos, aunque se requiere refinar la automatización en la generación de ejercicios para optimizar su calidad y reducir la revisión manual.
Descargas
Referencias
[1] M. Acurero, M. Pérez y A. Martínez, “Uso de las Tecnologías de Información y Comunicación por parte de los Docentes de Instituciones Educativas de Sucre”, ECONÓMICAS CUC, vol. 38, Corporación Universidad de la Costa, 2017. https://hdl.handle.net/11323/2327 DOI: https://doi.org/10.17981/econcuc.38.2.2017.10
[2] J. A Zamora-Araya, J. Ramírez-Jiménez, y F. Delgado-Navarro, “Uso de herramientas tecnológicas y su impacto en el rendimiento en el curso de Cálculo II de la Universidad Nacional”, Eco Matemático, 11 (1), 20-30 DOI: https://doi.org/10.22463/17948231.2952
[3] T. Jenkins, “On the Difficulty of Learning to Program,” in Proceedings of the 3rd Annual Conference of the LTSN Centre for Information and Computer Sciences, 2002, pp. 53–58. https://www.psy.gla.ac.uk/~steve/localed/jenkins.html
[4] J. Esparza, “La Enseñanza de la Programación en la Universidad: Retos y Perspectivas,” Revista de Educación a Distancia (RED), no. 44, 2015.
[5] G. Prince, “Does Active Learning Work? A Review of the Research,” Journal of Engineering Education, vol. 93, no. 3, pp. 223–231, 2004. https://doi.org/10.1002/j.2168-9830.2004.tb00809.x DOI: https://doi.org/10.1002/j.2168-9830.2004.tb00809.x
[6] A. García-Valcárcel, “Innovación en la enseñanza de la programación a través de entornos gráficos interactivos,” Pixel-Bit. Revista de Medios y Educación, no. 36, pp. 155–170, 2010.
[7] M. Hamada, “Programming Education Based on Active Learning for the Understanding of Concepts,” International Journal of Information and Education Technology, vol. 5, no. 6, pp. 417–421, 2015.
[8] G. Rueda-Vera, J. A. González-Mendoza, W. R. Avendaño-Castro, “Gestión del riesgo frente a movimientos telúricos en construcción de edificaciones de San José de Cúcuta”, Mundo Fesc, vol. 11, no. 21, pp. 130-139, 2021. DOI: https://doi.org/10.61799/2216-0388.635
[9] J. Wing, “Computational Thinking,” Communications of the ACM, vol. 49, no. 3, pp. 33–35, Mar. 2006. https://dl.acm.org/doi/pdf/10.1145/1118178.1118215 DOI: https://doi.org/10.1145/1118178.1118215
[10] R. Scherer et al., “The Cognitive Benefits of Learning Computer Programming: A Meta-Analysis of Transfer Effects,” Journal of Educational Psychology, vol. 114, no. 4, pp. 665–684, 2022. https://dl.acm.org/doi/pdf/10.1145/1118178.1118215
[11] D. Weintrop et al., “Defining Computational Thinking for Mathematics and Science Classrooms,” Journal of Science Education and Technology, vol. 25, pp. 127–147, 2016. DOI: https://doi.org/10.1007/s10956-015-9581-5 DOI: https://doi.org/10.1007/s10956-015-9581-5
[12] S. Grover and R. Pea, “Computational Thinking in K–12: A Review of the State of the Field,” Educational Researcher, vol. 42, no. 1, pp. 38–43, 2013. DOI: 10.3102/0013189X12463051 DOI: https://doi.org/10.3102/0013189X12463051
[13] C. Bonwell and J. Eison, Active Learning: Creating Excitement in the Classroom, ASHE-ERIC Higher Education Report No. 1, 1991. https://eric.ed.gov/?id=ED336049
[14] Y. Pérez, Y. Chirinos, O. Padilla, A. Valdés, A., y E. Cancio, “Programa de superación para perfeccionar el desempeño profesional del docente universitario para el uso de las redes académicas”, En Tendencias en la Investigación Universitaria, Una Visión desde Latinoamérica. Vol. XXI, Chirinos, Y., Ramírez, A., Godínez, R. Barbera, N. y Rojas, D. (Eds.) Fondo Editorial Universitario Servando Garcés, 2023. DOI: https://doi.org/10.47212/tendencias2023vol.xxi.6 DOI: https://doi.org/10.47212/tendencias2023vol.xxi.6
[15] J. Quintero, L. Orjuela, J. Gordillo y A. Sánchez-Quiñones, “Análisis de implementación del Big Data en empresas y en profesionales de Contaduría Pública en Colombia”, Revista Temario Científico, 2 (1) 50-60, 2022. https://doi.org/10.47212/rtcAlinin.1.2.5 DOI: https://doi.org/10.47212/rtcAlinin.1.2.5
[16] T. Bell, I. Witten, and M. Fellows, “Computer Science Unplugged: Introducing Computer Science Without a Computer,” The New Zealand Journal of Mathematics, vol. 31, pp. 117–128, 2002. https://www.researchgate.net/publication/266882704_Computer_Science_Unplugged_school_students_doing_real_computing_without_computers
[17] D. Maloney, E. Peppler, and Y. Kafai, “Programming by Choice: Urban Youth Learning Programming with Scratch,” ACM SIGCSE Bulletin, vol. 40, no. 1, pp. 367–371, 2008. DOI: https://doi.org/10.1145/1352322.1352260
[18] M. Resnick et al., “Scratch: Programming for Allí,” Communications of the ACM, vol. 52, no. 11, pp. 60–67, 2009. https://doi.org/10.1145/1352135.1352260 DOI: https://doi.org/10.1145/1592761.1592779
[19] A. Vihavainen, T. Vikberg, M. Luukkainen, and J. Kurhila, “Massive Open Online Course for Introductory Programming: Experience and the Result,” in Proceedings of the 13th Annual Conference on Innovation and Technology in Computer Science Education, 2012, pp. 117–122.
[20] S. Papert, Mindstorms: Children, Computers, and Powerful Ideas. New York: Basic Books, 1980.
[21] A. Kalelioğlu, “A New Way of Teaching Programming Skills to K-12 Students: Code.org,” International Journal of Academic Research in Education, vol. 1, no. 1, pp. 1–9, 2015. DOI:10.1016/j.chb.2015.05.047 DOI: https://doi.org/10.1016/j.chb.2015.05.047
[22] S. Cakula and I. Sedleniece, “Modelling of Personalized E-Learning Course,” Procedia Computer Science, vol. 104, pp. 375–382, 2017.
[23] M. Gadanidis et al., “Coding in K–8 Mathematics Education: Why, When and How?,” Canadian Journal of Learning and Technology, vol. 43, no. 5, 2017. https://www.onted.ca/monographs/what-works/computer-coding-in-the-k-8-mathematics-curriculum
[24] L. Román-González, J. Pérez-González, and C. Jiménez-Fernández, “Which Cognitive Abilities Underlie Computational Thinking? Criterion Validity of the Computational Thinking Test,” Computers in Human Behavior, vol. 72, pp. 678–691, 2017. DOI: https://doi.org/10.1016/j.chb.2016.08.047 DOI: https://doi.org/10.1016/j.chb.2016.08.047
[25] M. Guzdial, “Education: Paving the Way for Computational Thinking,” Communications of the ACM, vol. 51, no. 8, pp. 25–27, Aug. 2008. https://doi.org/10.1145/1378704.1378713 DOI: https://doi.org/10.1145/1378704.1378713
[26] K. Brennan and M. Resnick, “New Frameworks for Studying and Assessing the Development of Computational Thinking,” in Proceedings of the 2012 Annual Meeting of the American Educational Research Association, 2012. https://scratched.gse.harvard.edu/ct/files/AERA2012.pdf
[27] B. Yadav, P. Stephenson, and H. Hong, “Computational Thinking for All: Pedagogical Approaches to Embedding 21st Century Problem Solving in K–12 Classrooms,” TechTrends, vol. 60, no. 6, pp. 565–568, 2016. https://link.springer.com/article/10.1007/s11528-016-0087-7 DOI: https://doi.org/10.1007/s11528-016-0087-7
[28] F. Ahmad, W. Asif, M. Qamar, and A. Alshamrani, “The Impact of Artificial Intelligence on Student Learning in Programming Education,” Education and Information Technologies, vol. 28, pp. 2109–2127, 2023.
[29] P. Liao, X. Tang, Y. Wang, and W. Wang, “Instructional Programming Scaffold System based on ChatGPT: Theoretical Foundation and Practice,” Computers and Education: Artificial Intelligence, vol. 5, 2024.
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Mundo FESC
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
