Computación científica en la enseñanza de matemáticas y física en educación superior: revisión sistemática de desafíos y oportunidades para la innovación educativa
DOI:
https://doi.org/10.63688/f0hne337Palabras clave:
computación científica, enseñanza de las matemáticas, enseñanza de la física, educación superior, innovación educativaResumen
La computación científica se consolidó como un recurso pedagógico relevante para la enseñanza de las matemáticas y la física en la educación superior, al favorecer la modelación, la simulación, la visualización y la resolución de problemas mediante herramientas digitales. La investigación tuvo como objetivo analizar sistemáticamente la evidencia científica sobre su integración en los procesos de enseñanza y aprendizaje, con énfasis en sus principales aplicaciones, desafíos, oportunidades y aportes al desarrollo de competencias científicas, digitales y cognitivas. Para ello, se realizó una revisión sistemática de la literatura conforme a las directrices de la declaración PRISMA 2020, lo que permitió identificar, seleccionar, organizar y sintetizar rigurosamente los estudios disponibles. Los resultados evidenciaron que el uso de modelos computacionales, métodos numéricos, lenguajes de programación y herramientas de visualización facilitó la comprensión de conceptos abstractos, la aplicación práctica del conocimiento y la solución de problemas complejos. Asimismo, fortaleció el pensamiento matemático, lógico y computacional de los estudiantes. Sin embargo, se identificaron desafíos relacionados con la formación docente, la actualización curricular, la infraestructura tecnológica y las competencias digitales del alumnado, cuya atención resultó fundamental para impulsar prácticas educativas innovadoras acordes con la transformación digital.
Referencias
Al-Haddad, S., Chick, N., & Safi, F. (2024). Teaching statistics: A technology-enhanced supportive instruction (TSI) model during the COVID-19 pandemic and beyond. Journal of Statistics and Data Science Education, 32(2), 129–142. https://doi.org/10.1080/26939169.2024.2315939
Almasri, F. (2022). Simulations to teach science subjects: Connections among students’ engagement, self-confidence, satisfaction, and learning styles. Education and Information Technologies, 27(5), 7161–7181. https://doi.org/10.1007/s10639-022-10940-w
Banda, H. J., & Nzabahimana, J. (2021). Effect of integrating physics education technology simulations on students’ conceptual understanding in physics: A review of literature. Physical Review Physics Education Research, 17(2), Article 023108. https://doi.org/10.1103/PhysRevPhysEducRes.17.023108
Barba, L. A., & Forsyth, G. F. (2018). CFD Python: The 12 steps to Navier–Stokes equations. Journal of Open Source Education, 1(9), 21. https://doi.org/10.21105/jose.00021
Bray, A., & Tangney, B. (2017). Technology usage in mathematics education research—A systematic review of recent trends. Computers & Education, 114, 255–273. https://doi.org/10.1016/j.compedu.2017.07.004
Caballero, M. D., & Merner, L. (2018). Prevalence and nature of computational instruction in undergraduate physics programs across the United States. Physical Review Physics Education Research, 14(2), Article 020129. https://doi.org/10.1103/PhysRevPhysEducRes.14.020129
Chiu, M.-H., & Lin, J.-W. (2019). Modeling competence in science education. Disciplinary and Interdisciplinary Science Education Research, 1(1), Article 12. https://doi.org/10.1186/s43031-019-0012-y
Engelbrecht, J., & Borba, M. C. (2024). Recent developments in using digital technology in mathematics education. ZDM–Mathematics Education, 56(2), 281–292. https://doi.org/10.1007/s11858-023-01530-2
Fadillah, M. A., Alawyah, K., Syafrijon, S., & Usmeldi, U. (2026). Meta-analysis of the effectiveness of PhET simulations in physics education. International Journal of Online and Biomedical Engineering, 22(2), 21–37. https://doi.org/10.3991/ijoe.v22i02.59007
Godsk, M., & Møller, K. L. (2025). Engaging students in higher education with educational technology. Education and Information Technologies, 30(3), 2941–2976. https://doi.org/10.1007/s10639-024-12901-x
Gómez García, B. (2025). Metodologías didácticas contemporáneas en la enseñanza de las matemáticas en educación superior: Revisión sistemática de literatura (2020–2025). Revista Investigativa Académica, 1(1). https://investigacionacademica.univo.edu.sv/index.php/au/article/view/10
Hidayat, A., & Firmanti, P. (2024). Navigating the tech frontier: A systematic review of technology integration in mathematics education. Cogent Education, 11(1), Article 2373559. https://doi.org/10.1080/2331186X.2024.2373559
Ibarra Ordóñez, J., Chasi Amangandi, M., Maila Ibañes, C., & Bustillos Castillo, D. (2025). Integración de tecnologías digitales y gamificación en la enseñanza de matemáticas, físicas y química en la educación superior: Impacto en la comprensión conceptual y la resolución de problemas. Reincisol, 4(7), 3226–3245. https://doi.org/10.59282/reincisol.V4(7)3226-3245
Magana, A. J., Arigye, J., Udosen, A., Lyon, J. A., Joshi, P., & Pienaar, E. (2024). Scaffolded team-based computational modeling and simulation projects for promoting representational competence and regulatory skills. International Journal of STEM Education, 11(1), Article 34. https://doi.org/10.1186/s40594-024-00494-3
Martinovic, D., & Milner-Bolotin, M. (2021). Examination of modelling in K–12 STEM teacher education: Connecting theory with practice. STEM Education, 1(4), 279–304. https://doi.org/10.3934/steme.2021018
Njiku, J., Mutarutinya, V., & Maniraho, J. F. (2020). Developing technological pedagogical content knowledge survey items: A review of literature. Journal of Digital Learning in Teacher Education, 36(3), 150–165. https://doi.org/10.1080/21532974.2020.1724840
Odden, T. O. B., Lockwood, E., & Caballero, M. D. (2019). Physics computational literacy: An exploratory case study using computational essays. Physical Review Physics Education Research, 15(2), Article 020152. https://doi.org/10.1103/PhysRevPhysEducRes.15.020152
Perkel, J. M. (2018). Why Jupyter is data scientists’ computational notebook of choice. Nature, 563(7729), 145–146. https://doi.org/10.1038/d41586-018-07196-1
Phillips, A. M., Gouvea, E. J., Gravel, B. E., Beachemin, P.-H., & Atherton, T. J. (2023). Physicality, modeling, and agency in a computational physics class. Physical Review Physics Education Research, 19(1), Article 010121. https://doi.org/10.1103/PhysRevPhysEducRes.19.010121
Potkonjak, V., Gardner, M., Callaghan, V., Mattila, P., Guetl, C., Petrović, V. M., & Jovanović, K. (2016). Virtual laboratories for education in science, technology, and engineering: A review. Computers & Education, 95, 309–327. https://doi.org/10.1016/j.compedu.2016.02.002
Schmid, M., Brianza, E., Mok, S. Y., & Petko, D. (2024). Running in circles: A systematic review of reviews on technological pedagogical content knowledge (TPACK). Computers & Education, 214, Article 105024. https://doi.org/10.1016/j.compedu.2024.105024
Subramaniam, S., Maat, S. M., & Mahmud, M. S. (2022). Computational thinking in mathematics education: A systematic review. Cypriot Journal of Educational Sciences, 17(6), 2029–2044. https://doi.org/10.18844/cjes.v17i6.7494
Tariq, R., Aponte Babines, B. M., Ramirez, J., Alvarez-Icaza, I., & Naseer, F. (2025). Computational thinking in STEM education: Current state-of-the-art and future research directions. Frontiers in Computer Science, 6, Article 1480404. https://doi.org/10.3389/fcomp.2024.1480404
Ting, F. S. T., Shroff, R. H., Lam, W. H., Garcia, R. C. C., Chan, C. L., Tsang, W. K., & Ezeamuzie, N. O. (2023). A meta-analysis of studies on the effects of active learning on Asian students’ performance in science, technology, engineering and mathematics (STEM) subjects. The Asia-Pacific Education Researcher, 32(3), 379–400. https://doi.org/10.1007/s40299-022-00661-6
Weber, J., & Wilhelm, T. (2020). The benefit of computational modelling in physics teaching: A historical overview. European Journal of Physics, 41(3), Article 034003. https://doi.org/10.1088/1361-6404/ab7a7f
Weintrop, D., Beheshti, E., Horn, M., Orton, K., Jona, K., Trouille, L., & Wilensky, U. (2016). Defining computational thinking for mathematics and science classrooms. Journal of Science Education and Technology, 25(1), 127–147. https://doi.org/10.1007/s10956-015-9581-5
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Angel Marcelo Cabrera Ortiz, Pamela Jacqueline Pintado Vallejo, Jairo Livardo Calapucha Alvarado, William Alberto Beltrán Canaría (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
El artículo se distribuye bajo la Licencia Creative Commons Atribución 4.0 . Salvo que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.
