Modelo pedagógico integrador de pensamiento computacional para la enseñanza y aprendizaje de la programación básica
DOI:
https://doi.org/10.63688/ss155s24Palabras clave:
pensamiento computacional, programación básica, educación superior, modelo pedagógico, resolución de problemasResumen
La enseñanza de la programación básica en educación superior exige atender procesos de razonamiento que anteceden a la escritura de código. El objetivo fue diseñar un Modelo Pedagógico Integrador de Pensamiento Computacional para fortalecer la enseñanza y el aprendizaje de Programación Básica en el Área Tecnológica de la Universidad San Francisco Xavier de Chuquisaca. Se empleó un diseño mixto convergente, descriptivo, propositivo y transversal, con integración de resultados cuantitativos, cualitativos y documentales. Participaron 289 estudiantes, de una población de 741, y ocho docentes. Se aplicó una prueba basada en tareas Bebras, entrevistas semiestructuradas y análisis de registros académicos de 2020-2025. El diagnóstico identificó dificultades en descomposición, reconocimiento de patrones, abstracción y diseño algorítmico, junto con factores pedagógicos, tecnológicos y emocionales. Los registros disponibles mostraron 132 abandonos de 161 estudiantes en 1/2020 y, en 2/2024, 22 aprobados frente a 20 reprobados. La triangulación sustentó un modelo que articula diagnóstico de entrada, pensamiento computacional, mediación pedagógica y tecnológica, programación, retroalimentación y evaluación formativa. Se concluye que la propuesta ofrece una estructura contextualizada para organizar la enseñanza, aunque su eficacia requiere una fase posterior de implementación y evaluación empírica.
Referencias
Ausubel, D. P. (2000). The acquisition and retention of knowledge: A cognitive view. Kluwer Academic Publishers. https://doi.org/10.1007/978-94-015-9454-7
Bebras Community. (2025). Bebras international challenge on informatics and computational thinking. https://www.bebras.org/
Belmar, H. (2022). Review on the teaching of programming and computational thinking in the world. Frontiers in Computer Science, 4, 997222. https://doi.org/10.3389/fcomp.2022.997222
Bringula, R. (2024). ChatGPT in a programming course: Benefits and limitations. Frontiers in Education, 9, 1248705. https://doi.org/10.3389/feduc.2024.1248705
Cambaz, D., & Zhang, X. (2024). Use of AI-driven code generation models in teaching and learning programming: A systematic literature review. In Proceedings of the 55th ACM Technical Symposium on Computer Science Education (SIGCSE 2024), Vol. 1 (pp. 172-178). Association for Computing Machinery. https://doi.org/10.1145/3626252.3630958
Cossío Acosta, P. M. (2021). Pensamiento computacional: Habilidades asociadas y recursos didácticos. Una revisión sistemática. Innovaciones Educativas, 23(especial), 178-189. https://doi.org/10.22458/ie.v23iespecial.3693
Dong, W., Li, Y., Sun, L., & Liu, Y. (2024). Developing pre-service teachers’ computational thinking: A systematic literature review. International Journal of Technology and Design Education, 34(1), 191-227. https://doi.org/10.1007/s10798-023-09811-3
George-Reyes, C. E. (2023). Imbricación del pensamiento computacional y la alfabetización digital en la educación. Modelación a partir de una revisión sistemática de la literatura. Revista Española de Documentación Científica, 46(1), e345. https://doi.org/10.3989/redc.2023.1.1922
Hawlitschek, A., Berndt, S., & Schulz, S. (2023). Empirical research on pair programming in higher education: A literature review. Computer Science Education, 33(3), 400-428. https://doi.org/10.1080/08993408.2022.2039504
Mellado, R., & Cubillos, C. (2024). Gamification improves learning: Experience in a training activity of computer programming in higher education. Journal of Computer Assisted Learning, 40(4), 1959-1973. https://doi.org/10.1111/jcal.13000
Meza, F., Vásquez, A., & San Martín, D. (2024). Validation of a Bebras-based test to assess computational thinking abilities in first-year college students. In Proceedings of the 55th ACM Technical Symposium on Computer Science Education (SIGCSE 2024), Vol. 2 (pp. 1750-1751). Association for Computing Machinery. https://doi.org/10.1145/3626253.3635523
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017-1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x
Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books.
Pérez, J. (2021). Percepción de estudiantes universitarios sobre el pensamiento computacional. REDU. Revista de Docencia Universitaria, 19(1), 111-127. https://doi.org/10.4995/redu.2021.15491
Rojas-López, A., & García-Peñalvo, F. J. (2020). Evaluación del pensamiento computacional para el aprendizaje de programación de computadoras en educación superior. Revista de Educación a Distancia, 20(63). https://doi.org/10.6018/red.409991
Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking. Educational Research Review, 22, 142-158. https://doi.org/10.1016/j.edurev.2017.09.003
Tang, X., Yin, Y., Lin, Q., Hadad, R., & Zhai, X. (2020). Assessing computational thinking: A systematic review of empirical studies. Computers & Education, 148, 103798. https://doi.org/10.1016/j.compedu.2019.103798
Tikva, C., & Tambouris, E. (2021). A systematic mapping study on teaching and learning computational thinking through programming in higher education. Thinking Skills and Creativity, 41, 100849. https://doi.org/10.1016/j.tsc.2021.100849
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Tania Karina Ponce Torca (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
