OBJETIVOS
En este primer módulo hablaremos sobre la importancia de introducir la robótica en la educación desde edades tempranas, prestando especial atención en fomentar la participación de las niñas en STEAM. Reflexionaremos sobre cómo los estereotipos de género afectan en la educación y la necesidad de visibilizar modelos femeninos en estos campos. Además, presentaremos estrategias para reducir la brecha de género e introduciremos el pensamiento computacional, destacando las contribuciones de Seymour Papert y Jeannette Wing. Por último, exploraremos los cuatro pilares del pensamiento computacional: descomposición, abstracción, reconocimiento de patrones y diseño algorítmico.
Los objetivos que se pretenden alcanzar son los siguientes:
-
- Analizar la importancia de introducir la robótica y la programación en la educación desde una edad temprana para fomentar la participación de las niñas en áreas STEAM.
- Reflexionar sobre la influencia de los estereotipos de género en la educación.
- Identificar la relevancia de visibilizar modelos femeninos en STEAM como inspiración para las niñas.
- Comprender el pensamiento computacional, sus cuatro pilares fundamentales y las aportaciones de Seymour Papert y Jeannette Wing en este campo.
Reduciendo la brecha de género en actividades STEAM
1. INTRODUCCIÓN
En un mundo donde la tecnología y la robótica están cada vez más presentes en nuestras vidas, es fundamental garantizar que estos avances reflejen valores de igualdad y equidad de género. El MOOC Iniciación a la Robótica y Programación con perspectiva de género se centra en abordar y mitigar los sesgos de género inherentes en el diseño, desarrollo y aplicación de la robótica y la inteligencia artificial.
Este curso pretende proporcionar las herramientas necesarias para trabajar la Programación y la Robótica de manera inclusiva y respetuosa, además de explorar cómo los estereotipos de género pueden influir en el diseño y la implementación de tecnologías, y cómo pueden ser superados.
Niñas en pie de ciencia
2. ALGUNOS DATOS
Según diferentes informes, desde los más antiguos, como Descifrar el código: La educación de las niñas y las mujeres en Ciencias, Tecnología, Ingeniería y Matemáticas (STEM) (UNESCO, 2017)
, hasta los más recientes, como La brecha de género en la Educación STEAM (Martín et al., 2022), se observa que, a lo largo de su trayectoria educativa, las niñas son progresivamente alejadas de estas disciplinas debido a diversos factores individuales, familiares, de los pares, escolares y sociales, lo que limita sus oportunidades para ingresar en estos campos en la adultez.
La brecha de género en disciplinas STEAM en España comienza en la Educación Primaria y continúa hasta el ámbito laboral.
El informe Mujeres en STEM. Desde la educación básica hasta la carrera laboral (Cobreros el al. 2024) revela esta brecha de género en disciplinas STEAM con algunos datos de interés:
-
- En Educación Primaria, las niñas muestran una probabilidad un 15% menor que los niños de considerar las matemáticas como su materia preferida, y entre un 8 y un 9% menor de considerarse buenas, aprender rápido, o disfrutar con esta asignatura. Piensan con mayor probabilidad que son aburridas y difíciles.
- En la etapa de Bachillerato, aunque hay más mujeres que completan con éxito estudios STEAM, solo el 52% elige estas áreas, frente al 65% de los hombres.
- En la Educación Superior, las mujeres matriculadas en grados universitarios STEAM no llegan al 50% en casi ningún caso, y en Matemáticas (36%), Física (27%), Telecomunicaciones (23%) o Informática (13%) son especialmente bajas.
- En Formación Profesional, solo el 7% de las mujeres se gradúan en STEM, frente al 52% de los hombres. En la mayoría de los grados STEM la proporción hombres/mujeres es de prácticamente 9 a 1.
- En el ámbito laboral, solo el 5.5% de las mujeres trabajan en campos STEM, ocupando únicamente el 25% de los puestos en esta área.
Algunas ideas propuestas para cerrar estas brechas son:
-
- Fomentar la participación en áreas STEAM a través actividades enmarcadas en estas áreas.
- Eliminar sesgos de las actividades y de los materiales haciéndolos más flexibles y adaptables.
- Incrementar el acceso a referentes STEAM femeninos tanto del pasado como actuales.
3. ELIMINANDO SESGOS DE GÉNERO
Dar a conocer referentes femeninos en campos como la Programación, la Robótica y la Inteligencia Artificial (IA) representa un papel fundamental en la reducción de la brecha de género en áreas STEAM en educación. Como se ha comentado previamente, una de las razones identificadas para explicar la escasa participación de las mujeres en carreras STEAM es la falta de modelos femeninos a seguir en estos campos.
La representación y divulgación de mujeres referentes en estas áreas puede inspirar a niñas y jóvenes a seguir sus pasos y a interesarse e identificarse con estas disciplinas.
La presencia de referentes femeninos también ayuda a reducir los estereotipos y sesgos de género arraigados, promoviendo la idea de que hombres y mujeres son igualmente capaces en disciplinas técnicas y científicas, desterrando la idea de que ciertas áreas STEM son eminentemente masculinas.
El efecto Matilda
El efecto Matilda es un término utilizado para describir el fenómeno por el que las mujeres no reciben el crédito que merecen por sus contribuciones científicas, siendo sus logros ignorados, minimizados o atribuidos erróneamente a hombres.
El término se originó en honor a Matilda Joslyn Gage, la primera mujer dedicada al ámbito científico que denunció este aspecto negativo en la sociedad.
4. ALGUNOS REFERENTES FEMENINOS EN CIENCIAS DE LA COMPUTACIÓN, ROBÓTICA E IA
A lo largo de la historia, las mujeres han desempeñado un papel fundamental en el desarrollo de la Informática, la Robótica y la Inteligencia Artificial, aunque, como hemos visto, sus contribuciones han sido frecuentemente invisibilizadas. Desde pioneras como Ada Lovelace, considerada la primera programadora, hasta investigadoras contemporáneas, estas han transformado el mundo tecnológico. La recopilación que se presenta a continuación menciona algunas de ellas, pero está lejos de ser una lista completa; aún quedan muchas referentes por visibilizar y reconocer en la evolución de estas disciplinas.
Ada Lovelace (1815-1852): considerada la primera programadora de la historia, Ada Lovelace desarrolló el primer algoritmo destinado a ser procesado por una máquina, estableciendo así los fundamentos de la programación informática.
, por Antoine Claudet, Public domain, vía Wikimedia Commons(1914-2000): actriz e inventora austríaco-estadounidense, Heidy Lamarr es conocida por su invención de la tecnología de “salto de frecuencia”, que sienta las bases para tecnologías modernas como el WiFi y el Bluetooth.
, por Employee(s) of MGM, Public domain, vía Wikimedia Commons.Katherine Johnson (1918-2020): matemática y científica de la NASA, Katherine Johnson fue fundamental en los primeros vuelos espaciales tripulados por humanos. Realizó cálculos críticos para la seguridad de las misiones espaciales, incluido el vuelo de John Glenn en 1962.
por NASA, Public domain, vía Wikimedia Commons.Fran Allen (1932-2020): pionera en el campo de la optimización de compiladores y programación paralela, Fran Allen fue la primera mujer en recibir el Premio Turing, el más prestigioso en el campo de la informática, por sus contribuciones a la teoría y práctica de la compilación.
, por Rama, CC BY-SA 2.0, vía Wikimedia Commons.Margaret Hamilton (1936): conocida por su trabajo en el programa espacial Apolo de la NASA, Margaret Hamilton fue una ingeniera de software clave en el desarrollo del software de guía de vuelo de la misión Apolo 11, que llevó al primer alunizaje humano en la Luna.#/media/Archivo:Margaret_Hamilton_1995.jpg)
por Daphne Weld Nichols, CC BY-SA 3.0, vía Wikimedia Commons.Lynn Conway (1938): ingeniera eléctrica y pionera en diseño de microchips, Lynn Conway es conocida por su trabajo en la arquitectura de computadoras y el diseño de chips VLSI. Fue fundamental en el desarrollo del diseño de chips en la década de 1970 y ha sido una defensora de los derechos de las personas transgénero en la ciencia y la tecnología.
Lynn Conway July 2006
, por Charles Rogers, CC BY-SA 2.5, vía Wikimedia Commons. (1939): destacada informática y profesora en el MIT, Barbara Liskov es conocida por su trabajo en lenguajes de programación, sistemas distribuidos y programación orientada a objetos. Fue una de las primeras mujeres de los Estados Unidos en conseguir un doctorado en ciencias de la computación, y recibió el Premio Turing en 2008.
Barbara Liskov speaking at OOPSLA 2009 conference
, por Mirko Raner, CC BY-SA 3.0, vía Wikimedia Commons.Barbara Grosz (1948): destacada investigadora en inteligencia artificial y lingüística computacional, Barbara Grosz es conocida por su trabajo en diálogos computacionales y sistemas multiagente. Fue la primera mujer en recibir el Premio AAAI por contribuciones sobresalientes a la inteligencia artificial.
Barbara Grosz
, por Bengt Oberger, CC BY-SA 4.0, vía Wikimedia Commons.Anita Borg (1949-2003): científica informática y activista por la igualdad de género en tecnología, Anita Borg fue la fundadora del Instituto de Investigación para las Mujeres y la Tecnología de la Información y la autora de “Mujeres en la Tecnología”.
Anita Borg (January 17, 1949 – April 6, 2003)
, por autor/a desconocida, Copyright (usado bajo criterio de Fair Use
), vía Wikimedia Commons. (1951): conocida como la “Madre de Internet”, Radia Perlman es una ingeniera de redes informáticas que desarrolló el algoritmo de árbol de expansión de puentes (STP), fundamental para la estabilidad de las redes Ethernet.
Radia Perlman,
by Scientist-100 at English Wikipedia, Public domain
, vía Wikimedia Commons.Carla Gomes (1960): científica informática y experta en inteligencia artificial, Carla Gomes es conocida por su trabajo en la aplicación de técnicas de IA a problemas complejos en áreas como la Ecología, la sostenibilidad y la Biología computacional. Es pionera en la integración de la IA en la toma de decisiones en políticas ambientales.
Professor Carla Gomes, giving a conference presentation
, por Dennis Hamilton, CC BY-SA 2.0, vía Wikimedia Commons.(1967): pionera en el campo de la robótica social, Cynthia Breazeal es conocida por su trabajo en el desarrollo de robots interactivos y emocionales. Es la fundadora del Laboratorio de Robótica Personal en el MIT.
Cynthia Breazeal with Jibo
, por Cynthia Breazeal, CC BY-SA 4.0, vía Wikimedia Commons.(1972): ingeniera robótica e investigadora en Inteligencia Artificial, Ayanna Howard es conocida por su trabajo en el diseño y desarrollo de sistemas robóticos autónomos y accesibles. Su investigación se centra en el desarrollo de tecnologías robóticas para mejorar la calidad de vida de las personas con discapacidad. Además, es defensora de la diversidad en STEM y ha recibido premios por su liderazgo en ingeniería.
Ayanna M. Howard – SnoMote
, por Georgia Institute of Technology, CC BY-SA 3.0, vía Wikimedia Commons.Reshma Saujani (1975): política y abogada, Reshma Saujani es conocida por ser fundadora y directora ejecutiva de Girls Who Code, una organización que se enfoca en cerrar la brecha de género en la tecnología y la programación al proporcionar oportunidades educativas a jóvenes mujeres.
2018 Prathamusa Reshma Saujani
, por Fuzheado, CC BY-SA 4.0, vía Wikimedia Commons.Fei-Fei Li (1976): investigadora en Inteligencia Artificial y visión por computadora, Fei-Fei Li es conocida por su trabajo en el desarrollo de algoritmos de reconocimiento de imágenes. Es cofundadora del Laboratorio de IA y Visión de la Universidad de Stanford.
Fei-Fei Li speaking at AI for Good 2017
, por ITU Pictures, CC BY-SA 2.0, vía Wikimedia Commons. (1980): científica de datos y ética de la Inteligencia Artificial conocida por su trabajo en equidad y justicia en algoritmos de IA. Gebru ha investigado temas como el sesgo algorítmico y la diversidad en la tecnología. También es cofundadora de Black in AI, una organización para promover el aumento de la presencia y la inclusión de personas negras en el campo de la IA.
Timnit Gebru crop
, por TechCrunch, CC BY-SA 2.0, vía Wikimedia Commons.Katherine Maher (1983): especialista en tecnología, desarrollo y democracia, Katherine Maher es conocida por haber sido directora ejecutiva de la Fundación Wikimedia, la organización sin ánimo de lucro detrás de Wikipedia. Maher es una defensora del acceso abierto al conocimiento y de la diversidad en la tecnología.
Katherine Maher in 2016
, por Myleen Hollero, CC BY-SA 4.0, vía Wikimedia CommonsMargaret Mitchell (1986): científica de datos y ética de la inteligencia artificial, Mitchell es conocida por su trabajo en la comprensión del lenguaje natural y la ética en el aprendizaje automático. También es una defensora de la transparencia y la equidad en los algoritmos de IA.
Margaret Mitchell 2017S
, por Mujeresconciencia, CC BY-SA 4.0, vía Mujeresconciencia. (1989): investigadora en Inteligencia Artificial y activista por la ética en la IA, Joy Buolamwini es reconocida por su trabajo en la identificación y mitigación de sesgos algorítmicos y discriminación facial en sistemas de reconocimiento facial. Es fundadora del Proyecto Algoritmo Justo y cofundadora del Laboratorio de Equidad Algorítmica de la Universidad de Stanford.
.jpg)
Joy Buolamwini
, 2018, por Niccolò Caranti, CC BY-SA 4.0, vía Wikimedia Commons.5. CREANDO ENTORNOS INCLUSIVOS
Además de las medidas mencionadas anteriormente, como revisar y monitorizar nuestro trato con el alumnado para tratar de detectar si nuestros propios sesgos pueden estar transmitiendo creencias y expectativas que contribuyan a mantener la brecha de género entre nuestro alumnado, y aumentar la exposición a referentes femeninos, existen algunos otros principios a considerar para que nuestras actividades de Programación y Robótica sean más inclusivas.
-
- Dotar a los proyectos de un carácter inclusivo: seleccionar proyectos o desafíos que no estén vinculados a estereotipos de género y que sean igualmente atractivos para todo el alumnado. Por ejemplo, en lugar de centrarse en la construcción de robots de combate o automóviles, considerar proyectos relacionados con la resolución de problemas del mundo real. Y, además, dándole la oportunidad al alumnado de decidir sobre sus propias creaciones, ofreciendo actividades más abiertas, orientadas a trabajar las competencias, destrezas y contenidos de una forma más libre.
- Fomentar el trabajo en equipo diverso: promover la formación de equipos diversos en términos de género, habilidades, conocimientos, etc., ayuda a evitar que se reproduzcan dinámicas de género en el aula y fomenta la colaboración entre estudiantes con diferentes enfoques y experiencias. Este principio requiere que el profesorado facilite que todas las voces sean escuchadas y valoradas durante las actividades mediante normas de participación, creación de un ambiente seguro para compartir ideas y una metodología que permita oportunidades equitativas para que todas las personas puedan contribuir al proyecto.
- Lenguaje inclusivo: utilizar un lenguaje inclusivo en las explicaciones, instrucciones y materiales de la actividad, evitando el uso de términos o ejemplos que refuercen estereotipos de género, permitirá asegurar de que todas las personas se sientan representadas y bienvenidas.
- Refuerzo positivo y reconocimiento de logros igualitario: reconocer y reforzar los logros de todo el alumnado de manera equitativa, evitando favoritismos o prejuicios basados en el género ayudará a crear ese entorno seguro en el que todo el alumnado pueda mejorar y crecer en sus habilidades.
- Contextualización inclusiva: presentar las actividades y desafíos de manera que sean relevantes y accesibles para todo el alumnado, evitando estereotipos de género, eligiendo ámbitos que interesen a una mayoría del alumnado y relacionar la Programación y la Robótica con contextos cotidianos o del mundo real.
- Referentes diversos: relacionar las actividades con el trabajo de referentes tanto femeninos como masculinos mostrando al alumnado que estas disciplinas están abiertas a todas las personas.
6. PARA AMPLIAR INFORMACIÓN
-
- No more Matildas (https://www.nomorematildas.com/). Asociación sin ánimo de lucro que persigue dar visibilidad a la mujer en la ciencia, y crear contenido para recuperar a las científicas para la historia.
- Mujeres STEAM (https://mujeresteam.es/). Proyecto para la incorporación de las mujeres en los sectores de Ciencia, Tecnología, Ingeniería, Arte y Matemáticas.
- Vocaciones STEAM (https://www.ciencia.gob.es/Secc-Servicios/Igualdad/Vocaciones-STEM.html). Recursos del Ministerio de Ciencia, Innovación y Universidades para fomentar entre las niñas y adolescentes las vocaciones científicas desde las materias relacionadas con los ámbitos STEAM.
- 11 de febrero (https://11defebrero.org/). Web de la iniciativa ciudadana para conmemorar el Día Internacional de la Mujer y la Niña en la Ciencia.
- No more Matildas (https://www.nomorematildas.com/
7. ¿QUÉ ES EL PENSAMIENTO COMPUTACIONAL?
El pensamiento computacional es un enfoque de resolución de problemas que se utiliza comúnmente en la informática y la programación, aunque también se puede aplicar a una amplia variedad de situaciones no informáticas.
En términos generales, el pensamiento computacional implica descomponer un problema complejo en partes más pequeñas y manejables, identificar patrones y relaciones entre los datos, y diseñar algoritmos para solucionar el problema de manera eficiente y efectiva.
El pensamiento computacional a menudo se describe como una combinación de habilidades analíticas, lógicas y creativas que se utilizan para abordar problemas complejos. Estas habilidades incluyen la capacidad de abstraer información importante, la capacidad de formular y probar hipótesis, la capacidad de diseñar y evaluar soluciones, y la capacidad de comunicar ideas de manera clara y concisa.
El pensamiento computacional se considera una habilidad importante en una amplia variedad de campos, no solo en la informática y la programación, sino también en la ciencia, la ingeniería, la medicina, la educación y muchos otros.
8.1. PAPERT
Se considera la figura de Seymour Papert (1928) como referente del pensamiento computacional. Fue un matemático, informático, educador y uno de los pioneros en la investigación del aprendizaje y la educación con dispositivos informáticos.
Seymour Papert
, por Gius195, bajo licencia CC BY SABasándose en las ideas constructivistas de Piaget este destacado científico computacional desarrolló la teoría del “construccionismo”.
Ambos enfoques, el constructivismo de Piaget y el construccionismo de Papert, tienen como objetivo principal fomentar el aprendizaje activo y la construcción del conocimiento por parte del estudiante.
Por un lado, las aportaciones de Piaget se centran en la idea de que el aprendizaje debe estar basado en la experiencia y la interacción con el entorno, y que el estudiante debe ser un agente activo en su propio proceso de aprendizaje. Por otro lado, Papert introduce la idea de que la construcción de objetos físicos y la programación pueden ser excelentes herramientas para desarrollar ese aprendizaje. En el construccionismo además se destaca la importancia de los entornos de aprendizaje que fomenten la exploración y el descubrimiento, y que permitan al alumnado aprender a su propio ritmo y según sus propios intereses.
Es decir, el construccionismo de Papert se basa en las teorías constructivistas de Piaget, pero se enfoca en la creación de objetos físicos y la programación como herramientas para el aprendizaje activo, ambas teorías se complementan.
Papert también fue el creador del lenguaje de programación LOGO, que estaba diseñado para enseñar a los niños y las niñas a programar.
Asimismo, Papert trabajó en el MIT (Instituto Tecnológico de Massachusetts) durante muchos años, fue miembro fundador del Media Lab del MIT y autor de varios libros, entre ellos “Mindstorms: Children, Computers, and Powerful Ideas”, un clásico de la educación y la tecnología, y en el aparece por primera vez el término pensamiento computacional. Para Papert, que no llegó a definirlo, el Pensamiento Computacional sería el resultado de su enfoque construccionista de la educación.
Antecedentes del pensamiento computacional: Seymour Papert
8.2. WING
Jeannette Marie Wing (1956), es una teórica informática e ingeniera estadounidense. Ha sido una importante promotora del término pensamiento computacional y la autora de la primera definición de este.
En 2006 la doctora Wing lo definió en un artículo queriendo describir cómo piensa un científico de las ciencias de la computación y lo beneficios que esta forma de pensar podría tener para todo el mundo.
En su artículo Computational Thinking, de 2006, Wing afirma que el pensamiento computacional es relevante en muchos ámbitos más allá de la programación y la informática, y que puede ser utilizado para resolver problemas en disciplinas como la Biología, la Física y la Economía. Además, explica por qué se trata de un proceso mental que involucra la formulación de problemas, la organización de datos, la abstracción y la creación de algoritmos para resolver problemas, una habilidad esencial en el momento histórico que vivimos.
También argumenta que el pensamiento computacional debería ser enseñado como una habilidad fundamental en la educación, desde la educación básica hasta la universidad.
Jeannette Wing, Davos 2013
, por Cropbot, bajo licencia CC BY SAEn el citado artículo Wing resalta los siguientes aspectos sobre el pensamiento computacional:
-
- Pensar como un informático o una informática es más que ser capaz de programar un ordenador.
- Es una habilidad fundamental, es decir, algo que todo ser humano debe tener interiorizado para funcionar en la sociedad moderna.
- Es una forma de pensar propia de los humanos, no de los ordenadores, es un pensamiento creativo e imaginativo. Después se utilizarán los dispositivos informáticos para apoyar esas soluciones creadas, pero la clave es nuestra inteligencia para abordar problemas.
- Complementa y combina el pensamiento matemático y de ingeniería.
- Se basa en ideas, no en “cosas”. Da importancia a los conceptos computacionales que usamos en diferentes aspectos de la vida, no solo al software y al hardware.
- Su finalidad sería: “Para todo el mundo y en todas partes”. Wing indica que el pensamiento computacional será una realidad cuando esté tan integrado, tan asimilado en nuestro modo de hacer las cosas, que ya no se vea como algo especial ni como una disciplina formal que deba enseñarse o explicarse de manera explícita.
9. DEFINICIÓN DE PENSAMIENTO COMPUTACIONAL
La Dra. Wing fue la primera persona en definir el concepto pensamiento computacional como:
Proceso de pensamiento para formular un problema y sus soluciones de manera que las soluciones sean representadas de una forma que pueden ser llevadas a un agente de procesamiento de información.
Desde entonces han ido surgiendo otras definiciones y matizaciones. Algunas de ellas son:
El proceso de reconocimiento de aspectos de la informática en el mundo que nos rodea, y aplicar herramientas y técnicas de la informática para comprender y razonar sobre los sistemas y procesos tanto naturales como artificiales. (Royal Society)
El pensamiento computacional es el proceso que permite formular problemas de forma que sus soluciones pueden ser representadas como secuencias de instrucciones y algoritmos. (Alfred V. Aho)
Expresión popular que se refiere a un conjunto de ideas computacionales y hábitos mentales que las personas en disciplinas informáticas adquieren a través de su trabajo en el diseño de programas, software, simulaciones y cálculos realizados por máquinas. (Tedre y Denning)
Como se puede observar, muchas personas y entidades han propuesto diferentes definiciones para el pensamiento computacional, y no hay consenso al respecto. En algunos casos incluso se confunde el pensamiento computacional con la programación o la robótica.
En 2019, Jesús Moreno-León, Gregorio Robles, Marcos Román-González y Juan David Rodríguez García, publicaron el artículo No es lo mismo: un análisis de red de texto sobre definiciones de pensamiento computacional para estudiar su relación con la programación informática.
Este artículo analiza diferentes definiciones de pensamiento computacional para encontrar características comunes y entender mejor su relación con la programación.
A través de un análisis de red, se identificaron palabras clave y las conexiones entre ellas. Las palabras más importantes en estas definiciones, que actúan como puntos de enlace entre diferentes conceptos, son “problema”, “ordenador”, “solución” y “proceso”.
, por G, Robles, M. Román-González y J. D. Rodríguez García bajo licencia CC BY SA NCEl equipo resalta que en este análisis ni “programación”, ni “codificación” aparecen como palabras clave centrales en las definiciones estudiadas, pero en la práctica educativa suelen utilizarse casi como palabras sinónimas, probablemente porque la mayoría de las actividades diseñadas para desarrollar el pensamiento computacional utilizan actividades de programación.
El artículo propone también una nueva definición de pensamiento computacional basada en los datos analizados:
La capacidad de formular y representar problemas para resolverlos utilizando herramientas y conceptos de la informática, como la abstracción y la descomposición.
Esta definición podría ser útil para aclarar que el pensamiento computacional es una habilidad cognitiva, mientras que la programación es solo uno de los métodos para desarrollarla.
10. LOS PILARES DEL PENSAMIENTO COMPUTACIONAL
Una vez definido el concepto de pensamiento computacional, se presentan sus cuatro pilares básicos:
-
- Descomposición: el proceso de dividir un problema en partes más pequeñas y manejables. Esto implica analizar un problema complejo y dividirlo en tareas más simples y fáciles de entender.
Por ejemplo, si quieres organizar un viaje en coche a una ciudad que no conoces, puedes dividir el problema en tareas más pequeñas y manejables, como buscar posibles rutas en un mapa, planear las paradas en el camino, hacer reservas para el alojamiento, buscar información de los lugares y monumentos más importantes de ese sitio y organizar las actividades de cada día. Al descomponer el problema en partes más pequeñas, puedes hacer que planear el viaje sea algo menos abrumador, más manejable y disfrutable.
Descomposición
, por lobotic, bajo licencia CC BY-
- Abstracción: el proceso de enfocarse en los aspectos importantes de un problema y eliminar los detalles innecesarios.
Por ejemplo, en algunas versiones de los planos del metro encontramos las diferentes líneas representadas de manera esquemática. Es decir, las distancias y la posición de las estaciones no son fieles a la realidad, pero nos da una visión clara de conjunto que nos facilita la tarea a la hora de elegir la mejor ruta para llegar a nuestro destino.
Abstracción
, por lobotic, bajo licencia CC BY-
- Reconocimiento de patrones: la capacidad de encontrar patrones, tendencias y relaciones en la información. Esto implica encontrar similitudes y diferencias entre datos, identificar secuencias y establecer relaciones entre los datos.
Por ejemplo, en algunos deportes, como el baloncesto, es habitual que el equipo técnico estudie grabaciones de los partidos de su rival para descubrir esos patrones y prever las acciones del equipo contrario. Al observar los movimientos de los jugadores pueden identificar patrones en la forma en que se pasan la pelota, corren o se posicionan en el campo, y de esa forma preparar a su equipo para anticipar las jugadas y tomar decisiones más rápidas y efectivas a fin de obstaculizar la estrategia del rival y aprovechar sus rutinas en su propio beneficio.
ReconocerPatrones
, por lobotic, bajo licencia CC BY-
- Diseño algorítmico: el proceso de desarrollar un conjunto de pasos lógicos para resolver un problema. Esto significa diseñar y desarrollar algoritmos que puedan ser implementados y ejecutados por una computadora para resolver el problema.
Por ejemplo, un algoritmo que utilizamos muy a menudo es el de la suma: para sumar dos números, se escriben uno debajo del otro. La cifra de las unidades del primer número se escribe debajo de la cifra de las unidades del segundo número. Las cifras de las decenas se colocan una debajo de la otra, y así sucesivamente para cada cifra. Luego, se suma la columna de las unidades. Si la suma es menor a 10, se escribe el resultado debajo de la línea. Si es mayor o igual a 10, se escribe sólo la cifra de las unidades del resultado debajo de la línea, y se lleva la cifra de las decenas a la siguiente columna… Este algoritmo que hemos utilizado miles de veces a lo largo de nuestra vida nos facilita lograr el objetivo, es decir, calcular la suma.
DiseñoAlgorítmico
, por lobotic, bajo licencia CC BYEl pensamiento computacional, apoyándose en estos cuatro pilares, permite afrontar problemas complejos de una forma más estructurada y lógica. Esto puede suponer un apoyo para la resolución de problemas en diversas áreas de la vida cotidiana, desde planificar cómo hacer la compra hasta elegir la mejor ruta para llegar a un destino o entender con precisión cómo seguir una receta de cocina. Las habilidades desarrolladas gracias al pensamiento computacional ayudan a abordar situaciones de forma eficiente y potencian tanto la creatividad como el análisis lógico. Esto la convierte en una herramienta fundamental para la educación y el desarrollo de competencias clave en la sociedad actual.