Mejorando el pensamiento computacional en futuros profesores de matemáticas-educación primaria a través del Aprendizaje Basado en el Design
DOI:
https://doi.org/10.29352/mill0227.40841Palabras clave:
programación; pensamiento computacional; Aprendizaje Basado en el Diseño; profesor en formación inicial; autoeficaciaResumen
Introducción: El pensamiento computacional y la programación son competencias esenciales para los futuros docentes de matemáticas, ya que fomentan la resolución de problemas y el razonamiento lógico. Integrar estas habilidades en la formación docente requiere enfoques innovadores que involucren activamente a los futuros profesores. El Aprendizaje Basado en el Diseño (DBL – Design-Based Learning) es una metodología prometedora que mejora el pensamiento computacional mediante procesos iterativos de resolución de problemas y diseño creativo.
Objetivo: Análisis del impacto de un currículo basado en el Aprendizaje Basado en el Diseño (DBL) en las habilidades de pensamiento computacional y programación de los futuros docentes de matemáticas en educación primaria.
Métodos: Se empleó un diseño mixto basado en intervención, con 40 futuros docentes de matemáticas matriculados en un programa de grado. El grupo experimental siguió un currículo compuesto por cuatro módulos y 24 sesiones. Los instrumentos de recopilación de datos incluyeron la Escala de Pensamiento Computacional, la Escala de Autoeficacia Percibida para la Enseñanza del Pensamiento Computacional y entrevistas semiestructuradas. Los datos cuantitativos se analizaron mediante Análisis Multivariante de Varianza (MANOVA) y pruebas t para muestras independientes, mientras que los datos cualitativos se examinaron mediante análisis de contenido.
Resultados: Los hallazgos indican que el enfoque DBL mejoró significativamente las habilidades de pensamiento computacional y programación de los futuros docentes. Además, los participantes destacaron que esta metodología hizo que el aprendizaje fuera más atractivo, interactivo y efectivo.
Conclusión: El estudio muestra que el Aprendizaje Basado en el Diseño es una estrategia didáctica eficaz para desarrollar el pensamiento computacional en la enseñanza de las matemáticas. Implementar DBL en los programas de formación docente puede fortalecer la capacidad de los futuros profesores para integrar el pensamiento computacional en sus prácticas educativas.
Descargas
Citas
Avşar, M. (2023). Supporting preschool teachers’ computational thinking skills: The effect of design-based in-service training [Tese de doutoramento, Hacettepe University]. Council of Higher Education National Thesis Center.
Barab, S., & Squire, K. (2004). Design-based research: Putting a stake in the ground. The Journal of the Learning Sciences, 13(1), 1–14. https://doi.org/10.1207/s15327809jls1301_1
Boom, K. D., Bower, M., Siemon, J., & Arguel, A. (2022). Relationships between computational thinking and the quality of computer programs. Education and Information Technologies, 27(6), 8289–8310. https://doi.org/10.1007/s10639-022-10921-z
Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development of computational thinking. In Proceedings of the 2012 Annual Meeting of the American Educational Research Association (pp. 1–25). American Educational Research Association. https://web.media.mit.edu/~kbrennan/files/Brennan_Resnick_AERA2012_CT.pdf
Ching, Y. H., & Hsu, Y. C. (2024). Educational robotics for developing computational thinking in young learners: A systematic review. TechTrends, 68(3), 423–434. https://doi.org/10.1007/s11528-023-00841-1
Creswell, J. W. (2014). A concise introduction to mixed methods research. SAGE Publications.
Gadanidis, G., Hughes, J., Minniti, L., & White, B. (2017). Computational thinking, grade 1 students and the binomial theorem. Digital Experiences in Mathematics Education, 3(2), 77–96. https://doi.org/10.1007/s40751-016-0019-3
Gresalfi, M., Barab, S., Siyahhan, S., & Christensen, T. (2009). Virtual worlds, conceptual understanding, and me: Designing for consequential engagement. On the Horizon, 17(1), 21–34. https://doi.org/10.1108/10748120910936126
Grover, S., & Pea, R. (2013). Computational thinking in K–12: A review of the state of the field. Educational Researcher, 42(1), 38–43. https://doi.org/10.3102/0013189X12463051
Harel, I., & Papert, S. (Eds.). (1991). Constructionism. Ablex Publishing. https://www.researchgate.net/publication/220040743_Constructionism
Hmelo-Silver, C. E. (2004). Problem-based learning: What and how do students learn? Educational Psychology Review, 16(3), 235–266. https://doi.org/10.1023/B:EDPR.0000034022.16470.f3
International Society for Technology in Education, & Computer Science Teachers Association. (2011). Operational definition of computational thinking for K–12 education. https://cdn.iste.org/www-root/Computational_Thinking_Operational_Definition_ISTE.pdf
Israel, M., & Lash, T. (2020). From classroom lessons to exploratory learning progressions: Mathematics + computational thinking. Interactive Learning Environments, 28, 362–382. https://doi.org/10.1080/10494820.2019.1674879
Kafai, Y., Proctor, C., & Lui, D. (2019). From theory bias to theory dialogue: Embracing cognitive, situated and critical framings of computational thinking for K–12 CS education. In Proceedings of the 2019 ACM Conference on International Computing Education Research (pp. 101–109). ACM. https://doi.org/10.1145/3291279.3339400
Kaya, D. (2024). Computational thinking from the past to the present: A retrospective using bibliometric analysis. Hacettepe University Journal of Education, 39(2), 195–219. https://doi.org/10.16986/HUJE.2024.520
Kolodner, J. L., Camp, P. J., Crismond, D., Fasse, B., Gray, J., Holbrook, J., Puntambekar, S., & Ryan, M. (2003). Problem-based learning meets case-based reasoning in the middle-school science classroom: Putting learning by design™ into practice. Journal of the Learning Sciences, 12(4), 495–547. https://doi.org/10.1207/S15327809JLS1204_2
Korkmaz, Ö., Çakir, R., & Özden, M. Y. (2017). A validity and reliability study of the computational thinking scales (CTS). Computers in Human Behavior, 72, 558–569. https://doi.org/10.1016/j.chb.2017.01.005
Lockwood, J., & Mooney, A. (2018). Computational thinking in secondary education: Where does it fit? A systematic literary review. International Journal of Computer Science Education in Schools, 2(1), 41–60. https://doi.org/10.21585/ijcses.v2i1.26
Looi, C. K., Chan, S. W., Wu, L., Huang, W., Kim, M. S., & Sun, D. (2024). Exploring computational thinking in the context of mathematics learning in secondary schools: Dispositions, engagement and learning performance. International Journal of Science and Mathematics Education, 22, 993–1011. https://doi.org/10.1007/s10763-023-10419-1
Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K–12. Computers in Human Behavior, 41(4), 51–61. https://doi.org/10.1016/j.chb.2014.09.012
Mehalik, M. M., & Schunn, C. (2006). What constitutes good design? A review of empirical studies of design processes. International Journal of Engineering Education, 22(3), 519–532.
National Research Council. (2010). Report of a workshop on the scope and nature of computational thinking. National Academies Press. https://doi.org/10.17226/12840
Navarro, E. R., & de Sousa, M. d. C. (2023). The concept of computational thinking in mathematics education. Journal of Mathematics and Science Teacher, 3(2), 1–11. https://doi.org/10.29333/mathsciteacher/13630
Ng, O. L., & Cui, Z. (2021). Examining primary students’ mathematical problem-solving in a programming context: Towards computationally enhanced mathematics education. ZDM Mathematics Education, 53(4), 847–860. https://doi.org/10.1007/s11858-020-01200-7
Özçınar, H., & Öztürk, E. (2018). The scale of self-efficacy perception towards teaching computational thinking: A validity and reliability study. Pamukkale University Journal of Social Sciences Institute, 30, 173–195. https://doi.org/10.5505/pausbed.2018.82574
Özyurt, Ö., & Aslan, A. (2023). A broad view of the problem-based learning field based on machine learning: A large-scale study based on topic modeling. International e-Journal of Educational Studies, 7(15), 608–626. https://doi.org/10.31458/iejes.1320491
Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books.
Partnership for 21st Century Skills. (2019). Framework for 21st century learning. https://www.battelleforkids.org/networks/p21/frameworks-resources
Pei, C., Weintrop, D., & Wilensky, U. (2018). Cultivating computational thinking practices and mathematical habits of mind in Lattice Land. Mathematical Thinking and Learning, 20(1), 75–89. https://doi.org/10.1080/10986065.2018.1403543
Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.
Shute, V., 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
Shulman, L. S., & Shulman, J. H. (2009). How and what teachers learn: A shifting perspective. Journal of Education, 189(1–2), 1–8. https://doi.org/10.1177/0022057409189001-202
Sneider, C., Stephenson, C., Schafer, B., & Flick, L. (2014). Computational thinking in high school science classrooms. The Science Teacher, 81(5), 10–15. https://doi.org/10.2505/4/tst14_081_05_53
Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (6th ed.). Pearson Publishing.
Vygotsky, L. S. (1986). Thought and language. The MIT Press. (Original work published 1934)
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
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215
Wing, J. M. (2008). Computational thinking and thinking about computing. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 366(1881), 3717–3725. https://doi.org/10.1098/rsta.2008.0118
Yadav, A., Stephenson, C., & Hong, H. (2017). Computational thinking for teacher education. Communications of the ACM, 60(4), 55–62. https://doi.org/10.1145/2994591
Ye, H., Liang, B., Ng, O. L., & Chai, C. S. (2023). Integration of computational thinking in K–12 mathematics education: A systematic review on CT-based mathematics instruction and student learning. International Journal of STEM Education, 10(1), 1–26. https://doi.org/10.1186/s40594-023-00396-w
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Millenium - Journal of Education, Technologies, and Health
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que sometan propuestas para esta revista estarán de acuerdo con los siguientes términos:
a) Los artículos serán publicados según la licencia Licença Creative Commons (CC BY 4.0), conforme el régimen open-access, sin cualquier coste para el autor o para el lector.
b) Los autores conservan los derechos de autor y conceden a la revista el derecho de la primera publicación, se permite la divulgación libre del trabajo, desde que sea correctamente atribuida la autoría y la publicación inicial en esta revista.
c) Los autores están autorización para firmar contratos adicionales separadamente, para la distribución no exclusiva de la versión del trabajo publicada en esta revista (ej.: publicar en un repositorio institucional o como capítulo de un libro), con reconocimiento de la autoría y publicación inicial e esta revista.
d) Los autores tienen permiso y son alentados a publicar y distribuir su trabajo on-line (ej.: en repositorios instituciones o en su página personal) ya que eso podrá generar alteraciones productivas, así como aumentar el impacto y la citación del trabajo publicado.
Documentos necesarios para la sumisión
Plantilla del artículo (formato editable)
