Programación de computadores por imitación. Aproximación al aprendizaje en ingeniería de sistemas
Resumen
El presente artículo expone los resultados comparativos y paralelos de un estudio realizado en la carrera de Ingeniería de Sistemas con grupos simultáneos de programación (por semestre). Con un grupo se adoptó el aprendizaje de códigos ya publicados y en funcionamiento; con el otro, se aplicó la metodología tradicional de enseñanza de la programación mediante exposición magistral. Este estudio se realizó con 16 grupos de programación durante los años 2016, 2017, 2018 y 2019. La metodología se ajustó a un estudio comparativo de caso, de manera que en cada semestre se analizaron los resultados del trabajo con códigos ya escritos frente a los resultados de grupos que hicieron lo correspondiente, pero con códigos escritos por los mismos alumnos. Los cursos paralelos fueron de temáticas diferentes. Los resultados cuantitativos permitieron que se hicieran inferencias cualitativas en relación con el aprendizaje a través de la observación y la interacción directa con los estudiantes. Se concluye que cuando el estudiante cuenta con las bases apropiadas, el apoyo que le brindan programas debidamente codificados pareciera acelerar y solidificar el proceso de aprendizaje con un conocimiento con sentido, significado y facilidades de conectividad.
Referencias bibliográficas
Ausubel, D. (2012). The Acquisition and Retention of Knowledge. Springer.
Aznawarian, L. (2017). Conectivismo: una teoría del aprendizaje en la era digital. Editorial Académica Española.
Basogain, X., Olabe, M., y Olabe, J. (septiembre de 2015). Pensamiento computacional a través de la programación: paradigma de aprendizaje. Revista de Educación a Distancia, 46(6), 2-35.
Boyer, C. (2010). Historia de la Matemática. Madrid, España: Alianza Editorial.
Bruner, J. (2009). Actos de significado. Alianza Editorial.
Campillay, S., y Meléndez, S. (abril de 2015). Análisis de impacto de metodología activa y aprendizaje heurístico en asignaturas de Ingeniería. Actualidades Investigativas en Educación, 15(2). DOI: https://doi.org/10.15517/aie.v15i2.18950
Coelho, M., et al (2018). Teorias da aprendizagem: o conectivismo presente na modalidade de ensino semipresencial. Novas Edicioes Académicas.
Denning, P., y Tedré, M. (2019). Computational Thinking. The MIT Press. DOI: https://doi.org/10.7551/mitpress/11740.001.0001
Diaz, F., y Hernández, G. (2002). Estrategias docentes para un aprendizaje significativo. McGraw Hill.
Felleisen, M., et al. (2005). How to Design Programs. MIT Press.
Ministerio de Tecnologías de la Información y Comunicaciones. (2018). Informe de Gestión Año 2018. MinTIC.
Osa, T., y Pajarinen, J. (2018). An Algorithmic Perspective on Imitation Learning. Now Publishers. DOI: https://doi.org/10.1561/9781680834116
Rey, J., y Pastor, J. (2013). Historia de la Matemática Vol. II. Gedisa.
Small, G. (2009). Digital Brain. Urano.
Trejos, O. (2000). La esencia de la lógica de programación. Centro Editorial Universidad de Caldas.
Trejos, O. (2012). Significado y competencias. Editorial Papiro.
Trejos, O. (2017). Lógica de programación. Ediciones de la U.
Trejos, O. (febrero de 2017). Metodología para aprender programación funcional en Ingeniería de Sistemas, aplicando teoría de aprendizaje por descubrimiento. Revista Educación en Ingeniería, 12(23), 69-75. DOI: https://doi.org/10.26507/rei.v12n23.719
Trejos, O. (2017). Programación imperativa con lenguaje C. ECOE Ediciones.
Wing, J. (Marzo de 2006). Computational Thinking. Communications on the ACM, 49(3), 33-35. DOI: https://doi.org/10.1145/1118178.1118215
