Fortaleciendo el pensamiento computacional y habilidades sociales
mediante actividades de aprendizaje con robótica
educativa en niveles escolares iniciales
Strengthening computational thinking and social skills
through learning activities with educational robotics in early school levels
D. Yen-Air Caballero-González ycaballero@usal.es
Dra. Ana García-Valcárcel Muñoz-Repiso anagv@usal.es
Universidad de Salamanca. Paseo de Canalejas, 169, 37008, Facultad de Educación. Salamanca (España).
Recibido: 29-10-2019 |
Revisado: 01-11-2019 | Aceptado: 24-01-2019 | Publicado: 01-05-2020 DOI: https://doi.org/10.12795/pixelbit.75059|
Páginas: 117-142
Cómo
citar este artículo:
Caballero-González, Y. A. & García-Valcárcel, A. (2020). Fortaleciendo el pensamiento computacional y habilidades sociales mediante actividades de aprendizaje con robótica educativa en niveles escolares iniciales. Pixel-Bit. Revista de Medios y Educación, 58, 117-142. https://doi.org/10.12795/pixelbit.75059
|
RESUMEN |
ABSTRACT |
|
El progreso
tecnológico actual está contribuyendo a promover iniciativas pedagógicas para
transformar los procesos de enseñanza-aprendizaje mediante propuestas y
modelos educativos que permitan el desarrollo de aprendizajes significativos,
competencias digitales y habilidades sociales necesarias para afrontar con
éxito los retos que impone el siglo XXI. En este artículo se presentan
algunos de los resultados que generó la realización de una experiencia de
aprendizaje sobre competencias digitales, asociadas al pensamiento
computacional, utilizando retos de programación mediante el kit de robótica
educativa Bee-Bot®. Para el estudio se utilizó un diseño cuasiexperimental,
con medidas Pretest/Postest y grupo control. En las actividades participaron
un total de 40 estudiantes y 2 profesores de educación infantil,
pertenecientes a un colegio concertado en Salamanca, España, durante el curso
académico 2017-2018. Se emplearon como instrumentos de recolección de datos
una rúbrica, una lista de verificación y un cuestionario. Los resultados
muestran la existencia de diferencias significativas a favor del grupo
experimental, en referencia al dominio y aprendizaje del pensamiento
computacional, mediante la construcción de secuencias. Además, se observaron
comportamientos sociales positivos entre los estudiantes expuestos a las
actividades de aprendizaje y una actitud favorable en relación con el recurso
de robótica educativa. |
Current
technological progress is helping to promote pedagogical initiatives to
transform teaching-learning processes through educational proposals and
models that allow the development of significant learning, digital competence
and social skills necessary to successfully face the challenges of the
twenty-first century. This article presents some of the results generated by
the realization of a learning experience on digital skills, associated with
computational thinking, using programming challenges and the educational
robotics kit Bee-bot®. For the study, a quasi-experimental design was used,
with Pretest/ Postest measurements and control group. A total of 40 students
and 2 teachers from a concerted school in Salamanca, Spain, participated in
the activities during the third quarter of the 2017-2018 academic year. A
rubric, a checklist and interviews were used as data collection instruments.
The results show the existence of significant differences in favor of the
experimental group, in reference to the mastery and learning of computational
thinking, through the construction of sequences. In addition, positive social
behaviors were observed among students exposed to learning activities and a
favorable attitude towards the resource of educational robotics. |
|
PALABRAS
CLAVES |
KEYWORDS |
|
Pensamiento
computacional; habilidades sociales; robótica educativa; aprendizaje;
tecnología educativa. |
Computational thinking; social skills;
educationalrobotics; learning; educational technology |
1.- Introducción
Hoy, el progreso que mantiene la sociedad en los diferentes escenarios de actividad está fuertemente ligado a la incorporación de Tecnologías de la Información y la Comunicación (TIC), como medio y soporte principal para el desarrollo eficaz de las tareas y procesos que se organizan en el entramado social. En consecuencia, una de las iniciativas que más fuerza ha tomado a nivel internacional es el diseño e integración de prácticas pedagógicas que favorezcan el desarrollo de competencias digitales, aprendizajes y conocimientos en las áreas STEM (Science, Technology, Engineering and Math, de sus siglas en inglés) así como la adquisición de habilidades sociales positivas en los estudiantes de los distintos niveles educativos (Kalelioğlu, 2015; Rico Lugo & Bosagain Olabe, 2018). En este sentido, uno de los recursos de tecnología que se está integrando con éxito en varias regiones y países es la robótica (Di Lieto et al., 2017; Karampinis, 2018). A la asociación entre robótica y educación se le conoce como Robótica Educativa (RE). Esta disciplina de conocimiento permite que los estudiantes puedan desarrollar habilidades como el pensamiento computacional, crítico, el aprendizaje por indagación; al igual que competencias innovadoras, de tipo cultural, tecnológico e impulsar aspectos relacionados con el desarrollo y la interacción social del individuo como el liderazgo, el trabajo en equipo, la comunicación y la creatividad. La RE es un escenario de aprendizaje que se apoya en tecnologías digitales e implica procesos de mediación pedagógica que facilitan que los estudiantes diseñen, construyan, programen y prueben sus prototipos en un escenario altamente experimental y reflexivo. En este nuevo ecosistema de aprendizaje el actor principal es el estudiante y el profesor adquiere un rol como facilitador de oportunidades de aprendizaje y orientador del proceso (Papadakis, Kalogiannakis & Zaranis, 2016; Santoya–Mendoza et al., 2018). Por otro lado, en los últimos años el desarrollo del pensamiento computacional (PC) ha representado una iniciativa de formación y aprendizaje que ha orientado el foco de interés de la comunidad internacional, desde los grandes foros regionales hasta entornos académicos y de investigación. En consecuencia, países de gran desarrollo han decido modificar sus programas de estudio oficial adoptando estrategias que faciliten su aprendizaje en los distintos niveles educativos (González-González, 2019). Igualmente, se están impulsando de forma progresiva proyectos y estudios que buscan la integración de iniciativas de aprendizaje basadas en la tecnología, desde los primeros niveles educativos (Resnick & Rosenbaum, 2013). El propósito es consolidar una verdadera alfabetización y cultura digital en los participantes del sistema educativo (Berrocoso, Sánchez & Arroyo, 2015; Zapata-Ros, 2015). Aportando a la sociedad, a mediano y largo plazo, individuos con la capacidad de ser creadores de soluciones innovadoras, abandonando el viejo rol de consumidores tecnológicos (Alimisis, 2013). Este documento se fundamenta en los resultados alcanzados mediante la realización de una experiencia educativa sobre aprendizaje de habilidades digitales asociadas al pensamiento computacional y la programación, en etapas educativas iniciales. La experiencia se estructuró a través de actividades de aprendizaje basadas en la resolución de problemas mediante retos de programación con robots educativos programables (González & Muñoz-Repiso, 2018; Muñoz-Repiso & González, 2019). En el estudio se registró el despeño alcanzado por los estudiantes que participaron en los distintos retos y la frecuencia en que se generaban comportamientos positivos durante la ejecución de las actividades. Para logarlo se utilizaron como referencia las directrices propuestas en el plan de estudio de robótica TangibleK (Bers, 2010) y los comportamientos positivos expuestos en el marco de Desarrollo Tecnológico Positivo, por las siglas en inglés PTD (Bers, 2012).
Seymour Papert expuso los primeros argumentos sobre el valor de la robótica en entornos educativos; su propuesta educativa se fundamentó en el enfoque pedagógico del constructivismo (Sullivan & Bers, 2016). De acuerdo con la propuesta los estudiantes toman un papel más activo en el proceso de aprendizaje al convertirse en diseñadores y creadores de su propio conocimiento. En este sentido, Papert sostuvo que el desarrollo de actividades educativas, utilizando la robótica como medio didáctico, le permitiría al estudiante interiorizar el aprendizaje y el conocimiento de una manera más significativa y duradera (Sánchez & Guzmán, 2012). Estudios recientes revelan que es posible alcanzar beneficios educativos al utilizar la RE como una interfaz tangible para el aprendizaje (Cheng, Sun & Chen, 2018; García-Peñalvo & Mendes, 2018; Horn & Bers, 2019). Se argumenta que la RE, como recurso pedagógico, facilita el aprendizaje del estudiante a través de la investigación y la experimentación, contribuyendo al desarrollo del conocimiento en las áreas STEM y al fortalecimiento de habilidades sociales como la creatividad, la comunicación y la colaboración (Sullivan & Bers, 2018). La asociación de la robótica y los entornos educativos puede ser efectiva a través de varios enfoques de actuación pedagógica. Un primer enfoque propone el uso de la robótica como disciplina de conocimiento. Otra línea de aplicación sería emplear los principios de la robótica como medio de aprendizaje y un tercer enfoque sería utilizarla como apoyo o soporte para el desarrollo de actividades de aprendizaje en áreas de conocimiento diversas (Moreno et al., 2012). Un número significativo de programas para la enseñanza-aprendizaje de la tecnología y la robótica se basan en las primeras dos líneas de actuación, permitiendo que los estudiantes efectúen sus propios diseños y construyan prototipos robóticos adaptados a objetivos de aprendizaje específicos. En estos escenarios es común la utilización de interfaces educativas, como los kits de robótica, que permiten orientar el proceso de aprendizaje hacia un enfoque pedagógico más tangible fundamentado en los parámetros pedagógicos del constructivismo, propuestos por Papert (González, Meritxell & Peracaula, 2018). En el ámbito de la educación infantil, se pueden empezar a trabajar estas competencias de forma básica a través de un adecuado diseño instruccional. Los niños, desde pequeños, pueden aprender de forma activa y progresiva las habilidades necesarias relacionadas con el pensamiento computacional para la programación futura de algoritmos complejos (programación informática), a través de actividades y materiales sencillos y desenchufados (Bell & Vahrenhold, 2018; Zapata-Ros, 2019), mediante actividades de dibujo, construcción, al aire libre, competiciones, juegos de mesa, material Montessori, etc. además de utilizar dispositivos de robótica adaptados a su edad. Teorías del aprendizaje cognitivista clásicas (Merrill, 2002, 2009; Reigeluth, 2016) han aportado información relevante sobre la efectividad de la secuenciación de las tareas, desde las más simples a las más complejas, en función de las capacidades de los estudiantes, para conseguir habilidades de gran complejidad cognitiva en etapas posteriores. Esto se puede aplicar a las competencias básicas, entre las que se encuentran las competencias digitales, y ligada a éstas, la programación. Además del diseño instruccional, el principio de activación está en la base de la pedagogía del pensamiento computacional en la infancia, a través de juegos y ejercicios de resolución de problemas reales, por ejemplo, centrados en habilidades de secuenciación. Merrill (2002) propone 4 fases para implicar al alumno en la resolución de un problema: (a) activación de experiencia previa, (b) demostración de habilidades, (c) aplicación de habilidades, y (d) integración de estas habilidades en actividades del mundo real. Por su parte, Reigeluth (2016) defiende que el diseño de actividades debe activar en los estudiantes estructuras cognitivas relevantes para organizar los nuevos conocimientos, incluyendo la activación social a través del intercambio de experiencias previas entre los niños. Basándose en estas ideas, Zapata-Ros (2019) destaca la importancia de la evocación como capacidad de utilizar las habilidades aprendidas en el futuro y aumentarlas.
1. 2. Pensamiento computacional
La gran mayoría de las publicaciones sitúan el origen del término Pensamiento Computacional (PC) a una comunicación realizada por Jeannette Wing en el año 2006. En esta publicación Wing, propone que el PC implica la capacidad de resolver problemas y diseñar sistemas, utilizando los conceptos fundamentales de la informática (Wing, 2006). Posteriormente en el 2008, Wing, agregó en referencia a la importancia de esta iniciativa de formación y aprendizaje que el pensamiento computacional influiría en todos los campos de actividad, lo que implicaría un nuevo desafío educativo para nuestra sociedad, especialmente para nuestros hijos (Wing, 2008). Luego de estas primeras publicaciones y argumentos sobre la importancia y el impacto que representa el PC como nueva forma de pensamiento, asociada al desarrollo tecnológico y digital que experimenta la sociedad, se han efectuado varios aportes. Sin embargo, para otros investigadores aún no existe un consenso general sobre su definición conceptual (Adell et al., 2019). Una de las aportaciones de gran valor en referencia al marco conceptual del PC lo realizaron los investigadores Karen Brennan y Mitch Resnick. La propuesta que formularon se denominó “Computational Thinking Framework “ y representa un marco de referencia para su aprendizaje y desarrollo. La estructura propuesta expone el pensamiento computacional articulado en tres dimensiones: los conceptos, las prácticas y las perspectivas (Brennan & Resnick, 2012). Los enfoques sobre el pensamiento computacional crecen de forma progresiva. Una referencia conceptual más reciente lo visualiza como un proceso de resolución de problemas que tiene un carácter expresivo, permitiendo a los estudiantes desarrollar habilidades cognitivas, técnicas y sociales. Este nuevo enfoque admite que es posible mediante el aprendizaje del pensamiento computacional fortalecer otras habilidades asociadas al comportamiento y la interacción social de los estudiantes (Bers, 2018). Para lograrlo se ha propuesto un marco de acción denominado “Positive Technological Development” (PTD, por sus siglas en inglés).
El marco de actuación del PTD propone el desarrollo de seis
comportamientos positivos que los niños pueden alcanzar al participar en
experiencias de enseñanza-aprendizaje caracterizados por entornos educativos
basados en recursos tecnológicos (Bers, 2017, Strawhacker & Bers, 2018). El
marco de trabajo y acción del PTD divide en dos grupos el desarrollo de
habilidades. Uno corresponde a las de tipo intrapersonal y el otro se refiere a
las interpersonales.
Figura 1. Marco de trabajo del Pensamiento
Tecnológico Positivo (PTD) propuesto por Bers (2012)
En
las habilidades intrapersonales se incluyen: la creación de contenido, creatividad y elección de comportamiento. Entre las habilidades
interpersonales que pueden favorecerse con la adecuada implementación de entornos
educativos basados en recursos tecnológicos están: la comunicación,
colaboración y construcción de comunidades (Figura 1). En los últimos años se
observa un mayor interés en el desarrollo de propuestas pedagógicas orientadas
al aprendizaje de la codificación, programación y pensamiento computacional. El
foco ahora se orienta hacia las estructuras y contextos educativos de la
primera infancia (Grover & Pea, 2013; Bers et al., 2014; Chalmers, 2018).
Aprovechando las ventajas lúdicas, motivacionales y tangibles que puede aportar
la robótica en el andamiaje pedagógico propio de las primeras etapas
formativas.
2.-
Metodología
El marco teórico expuesto pone de manifiesto el valor que actualmente se otorga al desarrollo de propuestas pedagógicas que, por un lado, contribuyan a fortalecer el aprendizaje de habilidades digitales como las de pensamiento computacional, y por otro, promuevan el desarrollo de prácticas educativas y comportamientos sociales positivos desde los primeros niveles de educación formal. En consecuencia, se propuso el desarrollo de un estudio que permitiera evaluar el efecto que tuvo una experiencia formativa sobre desarrollo del pensamiento computacional y habilidades sociales en estudiantes de primeros niveles educativos. El estudio se estructuró mediante un enfoque cuantitativo y un diseño cuasiexperimental con medidas Pretest/Postest y grupo control (Campbell & Stanley, 1993; Hernández et al., 2014). Las actividades propuestas para el desarrollo de la experiencia formativa se organizaron utilizando un total de 20 horas (Figura 2). Se estructuraron 6 sesiones destinadas a las actividades de formación y aprendizaje a través de intervenciones de 2 horas cada una, para un total de 12 horas. Las tres primeras sesiones consistieron en el diseño y programación de secuencias de movimientos de nivel básico. En las últimas tres sesiones (sesión 4 hasta la sesión 6) la complejidad de las secuencias fue de nivel medio. Se incluyeron dos sesiones de pruebas, mediante evaluaciones Pre y Postest, utilizando 3 horas para cada una; es decir, un total de 6 horas. Las pruebas consistieron en la exploración de la característica secuencia del pensamiento computacional, expuesta en la propuesta denominada “Computational Thinking Framework” (Brennan & Resnick, 2012). En cada evaluación se planificaron 4 retos. El propósito era construir una secuencia de movimientos para desplazar al robot hasta un punto específico. Los estudiantes trabajaron en su espacio de clases habitual y en pequeños grupos de 3 o 4 participantes.
Figura 2. Distribución de las sesiones de evaluación, formación y aprendizaje
Al finalizar la experiencia de aprendizaje y luego de la sesión de evaluación Postest se aplicó un cuestionario a los estudiantes que participaron utilizando un total de 2 horas.
2. 1. Objetivos
El propósito que se estableció para el presente estudio fue evaluar la habilidad específica de secuenciación, la cual forma parte del pensamiento computacional, así como las habilidades sociales que pueden fortalecer los estudiantes de primeros niveles escolares, al participar en una experiencia de aprendizaje de programación utilizando robots programables. Para el estudio se estableció como hipótesis de partida que los estudiantes que participan en las actividades de aprendizaje propuestas en la experiencia pedagógica, alcanzan un desempeño favorable en referencia con el desarrollo de la característica secuencia asociada a la dimensión conceptual del pensamiento computacional. El estudio que se desarrolló permitió dar respuesta a las siguientes preguntas:
§ ¿Se fortalece el dominio
de la característica secuenciación, asociada al pensamiento computacional, en
estudiantes de educación infantil mediante la participación en una experiencia
educativa sobre pensamiento computacional, robótica y programación?
§ ¿Existe la posibilidad de
promover comportamientos sociales positivos, como la comunicación y colaboración,
entre estudiantes de educación infantil que participan en una experiencia de
aprendizaje sobre pensamiento computacional, robótica y programación?
§ ¿Qué aceptación producen
las actividades y el recurso de robótica educativa entre los estudiantes que
participan de las actividades de evaluación propuestas?
En el estudio participaron 40 estudiantes y 2 profesores pertenecientes a dos clases completas, de educación infantil, de un colegio concertado, en Salamanca, España, durante el curso académico 2017- 2018. Los estudiantes que formaron la muestra de participantes para el estudio se organizaron en base a dos grupos: experimental y control. Los grupos estaban formados por 20 estudiantes cada uno y fueron informados de los objetivos que se perseguían con el desarrollo del estudio. En relación con el sexo de los estudiantes que participaron en cada uno de los grupos, se puede especificar que los grupos estuvieron compuestos por 11 niños y 9 niñas en cada uno (experimental y control). Lo cual significa que un 55% de los estudiantes participantes eran niños y un 45% fueron niñas. La edad de los participantes estuvo entre 4 y 5 años.
2. 3. Materiales
Para el
desarrollo de las actividades de evaluación, pretest /postest, y en las
jornadas de intervención sobre habilidades de pensamiento computacional se
utilizó como material didáctico el kit de robótica educativa Bee-Bot®. Este
robot en forma de abeja, de la categoría robot de piso, es adecuado para la
edad de los participantes en el estudio (García-Peñalvo et al., 2016). El robot
Bee-Bot® permite la programación de secuencias de movimientos (adelante, atrás,
giros hacia la izquierda o derecha). Para lograrlo se utilizan botones ubicados
en la parte superior externa del robot. Las secuencias que se construyen son
almacenadas en la memoria y ejecutadas por el robot una vez se presione el
botón para el inicio de la ejecución. Se permite programar secuencias con un
máximo 40 movimientos. Además, se puede borrar las secuencias creadas e iniciar
nuevamente el proceso. En el desarrollo de las actividades se utilizaron
tapetes o alfombrillas que funcionaron como escenario para el desplazamiento
del robot (Figura 3). Los tapetes estaban vinculados al contenido de una
pequeña narración que fue presentada a los estudiantes al inicio de cada reto
(Szurmak & Mindy, 2013).
Figura 3. Tapetes o alfombrillas utilizados como escenario para el desplazamiento del robot Bee-Bot®
Para registrar el
desempeño o rendimiento alcanzado por cada uno de los estudiantes en los
diferentes retos, sobre la programación de secuencias, se utilizó una rúbrica.
Los valores empleados en el instrumento estuvieron en el rango de 0 a 5 puntos.
El instrumento corresponde a una adaptación del instrumento diseñado por el
grupo de investigación DevTech y utilizado en el desarrollo del programa de
estudio en robótica, TangibleK Bers, 2010; Elkin, Sullivan & Bers, 2016;
Sullivan, Bers & Mihm, 2017). La asignación de valores consistió en 0
puntos, si no se participaba del reto. Un valor de 1 punto, si el estudiante
iniciaba el reto, pero no lo completaba. Para cuando se completaba el reto con
ayuda paso a paso, el puntaje era 2. Si el reto se completó con ayuda mínima de
forma periódica, el valor asignado era 3. Si el estudiante completó el reto con
una ayuda mínima, el valor era 4 y si el reto se completó totalmente el valor
era 5 puntos. Para efectuar el registro de los comportamientos observados en
los estudiantes durante las sesiones de evaluación se utilizó una lista de
verificación, mediante una escala Likert con valores del 1 al 5. La
distribución utilizada para la observación fue: 1 = nunca, 2 = casi nunca, 3 =
a veces, 4 = frecuentemente, 5 = siempre. Igualmente, esta lista de
verificación fue una adaptación de los criterios puestos en el marco de
comportamientos positivos PTD (Bers, 2012; Strawhacker & Bers, 2018). Para
el estudio que se desarrolló sólo se efectuó un registro de las conductas
asociadas con los comportamientos colaboración, donde se observó si se los
estudiantes se ayudaban mutuamente y compartían de forma positiva el uso del
kit de robótica educativa Bee-Bot®. Igualmente se observó el criterio
comunicación, registrando el intercambio de ideas que se generaba entre los
estudiantes durante la construcción de la secuencia de movimientos. Por otro
lado, al finalizar las sesiones de intervención y de evaluación se realizó un
cuestionario con los estudiantes que constituyeron los grupos experimental y
control. El propósito fue conocer la aceptación de las actividades y el recurso
de robótica educativa utilizado para el desarrollo de las diversas actividades
que integraron la experiencia de formación y aprendizaje.
Con el propósito de establecer el nivel de influencia que generó la participación de los estudiantes en el desarrollo de las actividades propuestas en la experiencia de formación y aprendizaje, se realizó un análisis a los datos recolectados a través de las pruebas Pre y Pos-test. La característica explorada fue secuencia que corresponde a la dimensión conceptual del pensamiento computacional (Brennan & Resnick, 2012). La información recopilada fue tratada mediante técnicas de análisis cuantitativas, utilizando el programa SPSS 23. Primeramente, se comprobó la normalidad de los datos utilizando la prueba Kolmogorov-Smirnov (KS). El valor crítico que se estableció para la valoración de la prueba fue un α < .05. En la Tabla 1, se muestran los valores obtenidos mediante la aplicación de la prueba K-S para la característica secuencia que se exploró en ambos grupos (experimental y control). Los valores calculados muestran un p (Sig.) > ,05 con lo cual se puede asumir que el conjunto de datos evaluado en las pruebas Pre y Postest sigue una distribución normal en ambos grupos (experimental y control). En busca de explorar el nivel de uniformidad existente en la muestra, al principio del experimento, se realizó el cálculo de igualdad de varianzas. Para esto se utilizó la prueba de Levene mediante la aplicación del estadístico t-student a los datos recolectados en el Pretest (Tabla 2). Si al realizar los cálculos se obtiene un valor de Sig. > ,05 se puede asumir la existencia de varianzas iguales en los datos correspondientes. En nuestro caso el valor calculado para la prueba de homogenidad de varianza arrojo un valor de Sig. = ,128 con lo cual se puede establecer que no existen diferencias significativas entre los grupos (experimental y control), es decir, los grupos son equivalentes en el punto inicial del experimento.
Tabla 1.
Prueba de normalidad mediante el estadístico Kolmogorov-Smirnov aplicado a
los datos del Pretest y Postest para ambos grupos (experimental y control)
En busca de explorar el nivel de uniformidad existente en la muestra, al
principio del experimento, se realizó el cálculo de igualdad de varianzas. Para
esto se utilizó la prueba de Levene mediante la aplicación del estadístico
t-student a los datos recolectados en el Pretest (Tabla 2).
Tabla 2.
Prueba t-student para los datos obtenidos en la evaluación
Pretest
Si al realizar
los cálculos se obtiene un valor de Sig. > ,05 se puede asumir la existencia
de varianzas iguales en los datos correspondientes. En nuestro caso el valor calculado para la
prueba de homogenidad de varianza arrojo un valor de Sig. = ,128 con lo cual se
puede establecer que no existen diferencias significativas entre los grupos
(experimental y control), es decir, los grupos son equivalentes en el punto
inicial del experimento.
El desarrollo de
la experiencia de aprendizaje sobre habilidades de pensamiento computacional y
programación contempló la realización de una evaluación de tipo Postest. Esta
prueba se efectuó luego de realizar las sesiones de intervención. La prueba
consistió en los mismos retos que fueron aplicados en la evaluación Pretest.
Igualmente, para la recolección de datos se utilizó la misma rúbrica que en la
evaluación previa.
La Tabla 3,
muestra los valores correspondientes a los estadísticos descriptivos para los
datos recolectados mediante la aplicación de la evaluación Postest a los
estudiantes de ambos grupos (experimental y control).
Tabla 3.
Estadísticos descriptivos para los
valores del Postest en los grupos experimental y control
Posteriormente
se aplicó el estadístico t-student a los datos recolectados en la evaluación
postest para ambos grupos, experimental y control. Los resultados ponen de
manifiesto la existencia de diferencias significativas en los valores que se
obtuvieron para la evaluación postest (Tabla 4).
Tabla 4.
Prueba t-student
para los datos obtenidos en la evaluación Postest
Adicionalmente,
se calculó el tamaño del efecto mediante la aplicación de la prueba d de Cohen
a los valores obtenidos en las evaluaciones Postest. Este tipo de prueba se
utiliza cuando se trabaja con muestras pequeñas. Se realiza una comparación de
los resultados obtenidos a través de una clasificación de valores de acuerdo
con la escala: pequeño cuando corresponde a una d = ,20; moderado para valores
d = ,50 y grande para un valor d = ,80 (Cohen, 1988). El valor que se obtuvo
para los datos del Postest corresponden a una d = ,73 lo que se puede
clasificar como un valor de efecto moderado, muy cercano a la clasificación de
gran impacto.
En el estudio
también se analizaron los datos que se obtuvieron mediante la lista de
verificación de los comportamientos PTD. El análisis proporcionó información
sobre la frecuencia en la que ocurrían cada uno de los comportamientos durante
las sesiones de evaluación, para los estudiantes distribuidos en cada grupo
(experimental y control). Para efectuar el registro se tomó en cuenta sólo los
comportamientos vinculados a los aspectos comunicación y colaboración,
utilizando la lista de verificación compuesta por la escala Likert con valores
del 1 al 5.
Los registros se
efectuaron durante las 2 sesiones de evaluación que contempló la experiencia de
aprendizaje. Al finalizar se obtuvo el promedio correspondiente a cada
comportamiento observado entre los estudiantes que formaban los grupos
experimental y control (Figura 4).
Figura 4. Promedio global de
comportamientos observados en los estudiantes durante la realización de las
evaluaciones Pretest y Postest
La entrevista
realizada a los estudiantes de ambos grupos (experimental y control) permitió conocer
su opinión acerca de la actividad y el recurso de robótica educativa utilizado.
En la Figura 5, se observan los resultados que se obtuvieron cuando se les
preguntó a los estudiantes que indicasen como fue la actividad de programar al
robot Bee-Bot®.
Figura 5. ¿Como piensas
que fue la actividad de programar los movimientos para el robot Bee-Bot®?
En la entrevista
también se les preguntó a los estudiantes si ellos estaban de acuerdo en
continuar utilizando el robot Bee-Bot® en otras actividades dentro de su clase.
Las respuestas obtenidas se muestran en la Figura 6.
Figura 6. ¿Estarías de acuerdo en continuar
utilizando al robot Bee-Bot ® para otras actividades de aprendizaje en clase?
4.- Discusión y conclusiones
Los resultados que se han presentado corresponden
a los valores obtenidos mediante el desarrollo de una experiencia formativa y
de aprendizaje con el propósito de fomentar el desarrollo del pensamiento
computacional y habilidades sociales, implicando a estudiantes de primeros
niveles educativos, utilizando en el proceso retos de programación y robots
educativos programables.
En referencia con la primera pregunta que
se formuló para el estudio, los cálculos presentados muestran la existencia de
diferencias de valores en los datos correspondientes al nivel de logro
alcanzado por los estudiantes, de acuerdo con el grupo de participación al que
pertenecen. En este sentido, los cálculos y pruebas estadísticas que fueron
aplicados a los datos corroboran la existencia de diferencias estadísticas significativas
a favor de los estudiantes, del grupo experimental; es decir, los participantes
que fueron expuestos al programa de estudio. Los integrantes de este grupo
adquirieron un nivel de dominio favorable en referencia a la característica
secuencia de la dimensión conceptual del pensamiento computacional.
Los desafíos o retos propuestos
consistieron en la creación de pequeñas secuencias de programación que
permitían desplazar al robot Bee-Bot® a través de una ruta específica. Para
esto se diseñaron escenarios o tapetes y pequeñas narraciones o historias que
robustecieron los aspectos lúdicos de la actividad.
Los valores de respuesta que fueron
alcanzados presentan una correspondencia con otros estudios que se han
realizado en referencia al desarrollo de habilidades asociadas al pensamiento
computacional y la programación (Ramírez & Sosa, 2013; Leidl, Bers y Mihm, 2017; Sullivan, Strawhacker y Bers, 2017; García-Peñalvo & Mendes, 2018; Goodgame, 2018). Además, este tipo de
experiencias formativas y de aprendizaje permiten que los estudiantes refuercen
los conocimientos sobre orientación espacial vinculados al contenido curricular
de matemáticas.
En referencia a la segunda pregunta que se formuló
para el estudio, los datos recolectados acerca de los comportamientos
observados en los estudiantes de ambos grupos (experimental y control) nos
permiten determinar que existió un mayor número de ocurrencias en los
participantes del grupo experimental. En comparación con aquellos del grupo
control que no participaron de las actividades formativas.
Las observaciones sobre comportamientos
positivos que se realizaron se orientaron al registro de aspectos como la
comunicación (intercambio de ideas entre los participantes) y colaboración
(aceptación positiva para compartir el kit de robótica educativa). Para el
registro de observación se utilizó como referencia la lista de comportamientos
positivos propuestas en el PTD framework.
Por último, la entrevista aplicada a los
estudiantes permitió responder a la interrogante 3 que se formuló para el
estudio. Se determinó el nivel de aceptación que tuvieron las actividades y el
recurso de robótica educativa utilizado. La información que se recolectó
permitió establecer que entre los estudiantes de ambos grupos (experimental y
control) existió una aceptación favorable sobre las actividades que fueron
planificadas. Igualmente, se encontró que un número significativo de
estudiantes estaría de acuerdo en continuar utilizando el recurso de robótica
educativa en el aula de clases.
Concretamente el estudio ha permitido
corroborar la hipótesis inicial, en la cual se establecía que era posible
alcanzar un desempeño favorable entre los estudiantes que participaban de una
experiencia de aprendizaje sobre habilidades de pensamiento computacional. Para
esto fue utilizado como medio didáctico el kit de robótica educativa Bee-Bot® y
las actividades consistieron en la resolución de problemas con retos de
programación.
Entre las limitantes del estudio es
importante señalar: el tamaño muestral y el tiempo utilizado para el desarrollo
de las actividades. Ya que la experiencia se realizó dentro del periodo normal
de clases. Como futuras acciones a realizar estarían explorar otras características
asociadas al pensamiento computacional con participantes de niveles educativos,
edades y localizaciones distintas. Esto permitiría aportar más datos y
robustecer las conclusiones obtenidas en estas primeras aproximaciones.
También, se pudieran incluir actividades de aprendizaje que permitan fortalecer
otros comportamientos sociales positivos propuestos en el marco de trabajo del
PTD.
Por otro lado, es importante considerar el desarrollo del presente estudio como un aporte a la línea de investigación sobre la adquisición de habilidades digitales, como el pensamiento computacional y la programación en estudiantes de etapas educativas iniciales. Utilizando como recurso didáctico la robótica educativa y la resolución de problemas basados en retos de programación.
Financiación
En cuanto al primer autor, el desarrollo de
esta investigación fue posible gracias a una beca de la Secretaría Nacional de
Ciencia, Tecnología e Innovación (SENACYT) y el Instituto para la Formación y
aprovechamiento de los Recursos Humanos (IFARHU) de la República de Panamá.
Programa de becas IFARHU- SENACYT para la realización de Doctorado en
Investigación.
Referencias
Adell, J. S., Llopis, M. A. N., Esteve, M. F. M. & Valdeolivas, N. M. G. (2019). El debate sobre el pensamiento computacional en educación. RIED. Revista Iberoamericana de Educación a Distancia, 22(1), pp. 171-186. http://dx.doi.org/10.5944/ried.22.1.22303 Alimisis, D. (2013). Educational Robotics: new challenges and trends. Themes in Science and Technology Education, 6(1), 63-71. Bell, T. & Vahrenhold, J. (2018). CS Unplugged—How Is It Used, and Does It Work? In H. J. Böckenhauer, D. Komm and U. W. (Eds.), Adventures Between Lower Bounds and Higher Altitudes. Cham: Springer. https://doi.org/10.1007/978-3-319-98355-4_29 Berrocoso, J., Sánchez, M., & Arroyo, M. (2015). El pensamiento computacional y las nuevas ecologías del aprendizaje. Red, 46, 1-18. https://doi.org/10.6018/red/46/3 Bers, M. U. (2010). The TangibleK Robotics program: Applied computational thinking for young children. Early Childhood Research & Practice, 12(2). Bers, M. U. (2012). Designing digital experiences for positive youth development: From playpen to playground. Oxford University Press. Bers, M. U. (2017). The Seymour test: Powerful ideas in early childhood education. International Journal of Child - Computer Interaction, 14, pp. 10–14. https://doi.org/10.1016/j.ijcci.2017.06.004 Bers, M. U. (2018). Coding and Computational Thinking in Early Childhood: The Impact of Scratch Jr in Europe. European Journal of STEM Education, 3(3), 08. https://doi.org/10.20897/ejsteme/3868 Bers, M. U., Flannery, L., Kazakoff, E. R. & Sullivan, A. (2014). Computational thinking and tinkering: Exploration of an early childhood robotics curriculum. Computers & Education, 72, 145-157. https://doi.org/10.1016/j.compedu.2013.10.020 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 (AERA) (pp. 1-25), Vancouver, Canada. Campbell, D. & Stanley, J. (1993). Diseños experimentales y cuasiexperimentales en la investigación social. Buenos Aires: Amorrortu. Chalmers, C. (2018). International Journal of Child-Computer Interaction Robotics and computational thinking in primary school. International Journal of Child-Computer Interaction, 17, 93–100. https://doi.org/10.1016/j.ijcci.2018.06.005Cheng, Y. W., Sun, P. C. & Chen, N. S. (2018). The essential applications of educational robot: Requirement analysis from the perspectives of experts, researchers and instructors. Computers & education, 126, 399-416. https://doi.org/10.1016/j.compedu.2018.07.020 Di Lieto, M. C., Inguaggiato, E., Castro, E., Cecchi, F., Cioni, G., Dell’Omo, M., ... & Dario, P. (2017). Educational Robotics intervention on Executive Functions in preschool children: A pilot study. Computers in Human Behavior, 71, 16-23. https://doi.org/10.1016/j.chb.2017.01.018. Elkin, M., Sullivan, A., & Bers, M. U. (2016). Programming with the KIBO robotics kit in preschool classrooms. Computers in the Schools, 33(3), 169-186. https://doi.org/10.1080/07380569.2016.1216251 García-Peñalvo, F.J., Rees, A.M., Hughes, J., Jormanainen, I., Toivonen, T. & Vermeersch, J. (2016). A survey of resources for introducing coding into schools. Proceedings of the Fourth International Conference on Technological Ecosystems for Enhancing Multiculturality (TEEM’16) (pp.19-26). Salamanca, Spain, November 2-4, 2016. New York: ACM. https://doi.org/10.1145/3012430.3012491 García-Peñalvo, F. J. & Mendes, A. J. (2018). Exploring the computational thinking effects in preuniversity education. Computers in Human Behavior, 80, pp. 407–411. https://doi.org/10.1016/j. chb.2017.12.005.Goodgame, C. (2018). Beebots and Tiny Tots. In E. Langran, & J. Borup (Eds.). Society for Information Technology & Teacher Education International Conference (pp. 1179-1183). Association for the Advancement of Computing in Education (AACE). González-González, C. S. (2019). State of the art in the teaching of computational thinking and programming in childhood education. Education in the Knowledge Society, 20, 17. https://doi.org/10.14201/eks2019_20_a17 González Martínez, J., Estebanell Minguell, M. & Peracaula Bosch, M. (2018). ¿Robots o progra-mación? El concepto de Pensamiento Computacional y los futuros maestros. Education in the Knowledge Society (EKS), 19(2), 29-45. https://doi.org/10.14201/eks20181922945González, Y. A. C., & Muñoz-Repiso, A. G. V.(2018, October). A robotics-basedapproach to foster programming skills andcomputational thinking: Pilot experiencein the classroom of early childhoodeducation. In Proceedings of the SixthInternational Conference on TechnologicalEcosystems for Enhancing Multiculturality (pp.41-45). ACM. https://doi.org/10.1145/3284179.3284188Grover, S. & Pea, R. (2013). Computational Thinking in K-12: A Review of the State of the Field. Educational Researcher, 42(1), 38–43. http://doi.org/10.3102/0013189X12463051Hernández Sampieri, R., Fernández-Collado. C., & Baptista-Lucio. P. (2014). Metodología de la investigación. México: McGraw-Hill Education. Horn, M. & Bers, M. (2019). Tangible Computing. In The Cambridge Handbook of Computing Education Research (S.A. Fincher and A.V. Robins, Eds.). Cambridge University Press. Kalelioğlu, F. (2015). A new way of teaching programming skills to K-12 students: Code.org. Computers in Human Behavior, 52, 200-210. https://doi.org/10.1016/j.chb.2015.05.047Karampinis, T. (2018). Robotics-based learning interventions and experiences from our implementations in the RobESL framework. International Journal of Smart Education and Urban Society, 9(1), 13-24. https://doi.org/cxnt Leidl, K. D., Bers, M. U. & Mihm, C. (2017). Programming with ScratchJr: a review of the first year of user analytics. In S. C. Kong, J. Sheldon and K. Y. Li (Eds.), Conference Proceedings of International Conference on Computational Thinking Education 2017 (pp. 116–121). Hong Kong: The Education University of Hong Kong. Merrill, M. D. (2002). First principles of instruction. Educational technology research and development, 50(3), 43-59. https://doi.org/10.1007/BF02505024 Merrill, M. D. (2009). First principles of instruction. In C. M. Reigeluth and A. A. Carr-Chellman (Eds.), Instructional-design theories and models: Building a common knowledge base (Vol. III, pp. 41-56). New York: RoutledgeMoreno, I., Muñoz, L., Serracín, J. R., Quintero, J., Pittí Patiño, K. & Quiel, J. (2012). La robótica educativa, una herramienta para la enseñanza-aprendizaje de las ciencias y las tecnologías. Teoría de la Educación. Educación y Cultura en la Sociedad de la Información, 13(2). Recuperado de: https://cutt.ly/swmXnwr Muñoz-Repiso, A. G. V., & González, Y. A. C.(2019). Robótica para desarrollar el pensamiento computacional en Educación Infantil. Comunicar: Revista científica iberoamericana de comunicación y educación, (59), 63-72. https://doi.org/10.3916/C59-2019-06 Papadakis, S., Kalogiannakis, M. & Zaranis, N. (2016). Developing fundamental programming concepts and computational thinking with ScratchJr in preschool education: a case study. International Journal of Mobile Learning and Organization, 10(3), 187. https://doi.org/10.1504/ijmlo.2016.077867 Ramírez, P. A. L. & Sosa, H. A. (2013). Aprendizaje de y con robótica, algunas experiencias. Revista Educación, 37(1), 43-63. Reigeluth, C. M. (2016). Teoría instruccional y tecnología para el nuevo paradigma de la educación. RED. Revista de Educación a Distancia, 50. https://doi.org/10.6018/red/50/1a Resnick, M., & Rosenbaum, E. (2013). Designing for tinkerability. Design, Make, Play: Growing the Next Generation of STEM Innovators, 163–181. https://doi.org/10.4324/9780203108352 Rico Lugo, M. J. & Bosagain Olabe X. (2018). Pensamiento computacional: rompiendo brechas digitales y educativas. EDMETIC, Revista de Educación Mediática y TIC, 7(1), pp. 26-42. https://doi.org/10.21071/edmetic.v7i1.10039 Sánchez, F. Á. B. & Guzmán, A. F. (2012). La robótica como un recurso para facilitar el aprendizaje y desarrollo de competencias generales. Education in the Knowledge Society, 13(2), 120-136. Recuperado de: https://cutt.ly/owmHZ50 Santoya–Mendoza, A., Díaz–Mercado, A., Fontalvo–Caballero, F., Daza–Torres, L., Avendaño– Bermúdez, L., Sánchez–Noriega, L., Ramos–Bernal, P., Barrios–Martínez, E., López–Daza, M., Osorio–Cervantes, G., Rodríguez–Pertuz, M. & Moreno–Polo, V. (2018). Robótica educativa desde la investigación como estrategia pedagógica apoyada en tic en la escuela. Cultura. Educación y Sociedad 9(3), 699-708. http://dx.doi.org/10.17981/cultedusoc.9.3.2018.82 Strawhacker, A. & Bers, M. U. (2018). Promoting Positive Technological Development in a Kindergarten Makerspace: A Qualitative Case Study. European Journal of STEM Education, 3(3), 09. https://doi.org/10.20897/ejsteme/3869Sullivan, A. & Bers, M. U. (2016). Robotics in the early childhood classroom: learning outcomes from an 8-week robotics curriculum in pre-kindergarten through second grade. International Journal of Technology and Design Education, 26(1), 3–20. https://doi.org/10.1007/s10798-015-9304-5 Sullivan, A. A., Bers, M. U. & Mihm, C. (2017). Imagining, playing, and coding with KIBO: using robotics to foster computational thinking in young children. Siu-cheung KONG The Education University of Hong Kong, Hong Kong, 110. Sullivan, A., Strawhacker, A. & Bers, M. U. (2017). Dancing, Drawing, and Dramatic Robots: Integrating Robotics and the Arts to Teach Foundational STEAM Concepts to Young Children. In M. S. Khine (Ed.), Robotics in STEM Education: Redesigning the Learning Experience (pp. 231–260). Springer International Publishing. http://doi.org/10.1007/978-3-319-57786-9_10 Sullivan, A. & Bers, M. U. (2018). Dancing robots: integrating art, music, and robotics in Singa-pore’s early childhood centers. International Journal of Technology and Design Education, 28(2), 325-346. http://doi.org/10.1007/s10798-017-9397-0 Szurmak, J. & Mindy, T. (2013). Tell me a story: The use of narrative as a tool for instruction. In Imagine, Innovate, Inspire: The Proceedings of the ACRL 2013 Conference (pp. 546-552). Indianapolis, IN, USA: ACRL. Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://bit.ly/2ASUK9Q Wing, J. M. (2008). Computational thinking and thinking about computing. IPDPS Miami 2008 -Proceedings of the 22nd IEEE International Parallel and Distributed Processing Symposium, Program and CD-ROM, (July), 3717-3725. https://doi.org/10.1109/IPDPS.2008.4536091 Zapata-Ros, M. (2015). Pensamiento computacional: Una nueva alfabetización digital. Red, 46, 1-47. https://doi.org/10.6018/red/45/4 Zapata-Ros, M. (2019). Computational Thinking Unplugged [Pensamiento computacional desenchufado]. Education in the Knowledge Society, 20, 1-29. https://doi.org/10.14201/eks2019_20_a18