Computational
thinking and coding in primary education: scientific productivity on SCOPUS
El pensamiento computacional y la codificación en la educación primaria:
la productividad científica en SCOPUS
Dña. Annalisa Piazza agic80700p@istruzione.it
Dr. Santiago Mengual-Andrés santiago.megual@uv.es
1Istituto
Comprensivo “E. Contino” Cattolica
Eraclea (Ag) (Italia)
2Universitat
de València. Dpto. Educación Comparada e Historia de
la Educación. Valencia (España)
Recibido:
05-03-2020 | Revisado: 06-04-2020 | Aceptado: 03-06-2020 | Publicado:
01-09-2020 DOI: https://doi.org/10.12795/pixelbit.79769 | Páginas: 147-181
Cómo citar este artículo:
Piaza, A. & Mengual-Andrés, S. (2020). Computational thinking and coding in primary education: scientific
productivity on SCOPUS. [Computational thinking and coding in primary
education: scientific productivity on SCOPUS]. Pixel-Bit. Revista de Medios y Educación, 59, 147-181.
https://doi.org/10.12795/pixelbit.79769
|
ABSTRACT
|
RESUMEN |
|
In recent decades, computational thinking had a basic role in education and in the regulatory chain of many countries, also receiving great attention from various international organizations that have expressly requested its promotion starting from school education. The present study analyzes scientific productivity on SCOPUS about computational thinking and its diffusion in schools, with specific reference to the K-12 context. The study has been extended to 2006, when Jeannette Wing published the primary article on computational thinking, starting a body of research and projects on the subject, so that to date, in February 2020, there are 1850 citations of its publication on SCOPUS. The data support a global picture on the evolution of the phenomenon, showing an increase of interest, the main promoting countries, the sources, the authors and the most cited works, allowing a good reference for the scientific research sector on the computational thinking phenomenon in education, a theme that is more relevant and significant today than ever before. The present study also represents a tool for reflection on the need to educate the young people of the twenty-first century to computational thinking with the aim of making them achieve the specific skills that today's work market requires. |
En los últimos decenios, el pensamiento computacional ha desempeñado un papel fundamental en la educación y en los procesos legislativos de muchos países, recibiendo también gran atención por parte de diversas organizaciones internacionales que han pedido expresamente que se promueva a partir de la educación escolar. El presente estudio analiza la productividad científica en SCOPUS sobre el pensamiento computacional y su difusión en las escuelas, con referencia específica al contexto
(desde la educación infantil hasta el duodécimo curso). El estudio se ha extendido hasta 2006, cuando Jeannette Wing publicó el artículo principal sobre el pensamiento computacional, iniciando un conjunto de investigaciones y proyectos sobre esta temática, de tal manera que, hasta la fecha, en mayo de 2020, encontramos 1.850 citas de su publicación en SCOPUS. Los datos ofrecen un panorama global sobre la evolución del fenómeno, mostrando un aumento del interés, los principales países promotores; las fuentes, los autores y las obras más citadas, proporcionando así una buena referencia para el sector de la investigación científica acerca del fenómeno del pensamiento computacional en la educación, un tema que hoy es más relevante y significativo que nunca. El presente estudio también representa una herramienta para la reflexión sobre la necesidad de educar a los jóvenes del siglo XXI en el pensamiento computacional con el fin de que adquieran las habilidades específicas que requiere el mercado laboral actual. |
|
KEYWORDS |
PALABRAS CLAVES |
|
Computational
thinking, coding, education, scientific productivity, SCOPUS. |
Pensamiento computacional, codificación, educación, productividad
científica, SCOPUS. |
1.
- Introduction
In our age, technology has become an
integral part of current generations’ everyday life and is trans-forming
knowledge processes. Information and Communication Technologies (ICT) have substan-tially changed social and educational dynamics (Salcines-Talledo, González-Fernández
& Briones, 2020). This change undoubtedly brings
about transformations in education as well (Burkle
& Cobo, 2018). The education system, as a pillar
of growth and inclusion of EU citizens, is called upon to respond to the demand
to prepare citizens to make the most of the opportunities offered by an in-creasingly interconnected and constantly evolving world
where technology is used in a wide variety of sectors, from medical to
industrial and agrifood to transport. Today, ICT and
ICT skill in educa-tion can provide the tools that
students will be able to use in the labour market (Infante-Moro, In-fante-Moro &
Gallardo-Pérez, 2019).
It is important to delve into the knowledge
possessed by the students on the new technological tools. Several initiatives
have been undertaken in this regard, including the design and integration of educa-tional practices for the strengthening of digital
competences (Infante-Moro et al., 2019) such as com-putational thinking and STEM (Science, Technology,
Engineering, Mathematics) (Reinking & Martin,
2018, Calao, Moreno-León, Correa & Robles, 2015)
knowledge areas. To these is added the promotion of positive behaviours for the development of high quality social
skills in students. (Ca-ballero-Gonzalez
García-Valcárcel Muñoz-Repiso
& García-Holgado, 2019) and all those innovative
methodological practices that foster the development of transversal skills (Ávalos, Pérez-Escoda & Monge, 2019).
The idea of proposing new experiences that
exploit the potential of computational thinking which, in recent decades, has
taken on a fundamental role in the educational field so much so that various
international organisations have expressly requested
its promotion starting from school education.
The computational thinking is connected to
recursive thinking that allows to apply a solution
already identified in similar problems to the one being analyzed, to identify
the relevant aspects, to decompose it into simpler sub-problems, to evaluate
the effectiveness of the project and the efficiency of the procedure (Barr,
Harrison & Conery, 2011). The programmer transfers
an algorithm from his brain to the machine and this competence requires a
multiplicity of other skills (Wing, 2006) among which also the rigor in
formalizing procedures, creativity and imagination. The learner learns to
think, to represent and to solve problems that require combining human
cognitive power with computing ability (Kafai &
Burke 2013; Lye & Koh 2014; Sengupta
et al. 2013).
Computational thinking is not only technology;
although closely related to it, it is an important skill that every child
should achieve not only as a technical skill, but mainly as a mental
construction and development of logical thinking across many disciplines.
Recognizing its importance, "computational thinking" is considered by
many to be the fourth basic skill in addition to reading, writing and math, an
essential skill for the development of 21st century literacy (Wing, 2008; Aho, 2012; Grover & Pea, 2013; Shute, Sunand Asbell-Clarke, 2017; Yadav, Hong & Stephenson, 2016).
Coding is a valid promotional tool; it is, in
fact, a fundamental element of education in our times from which all children
can benefit at an early age. In particular, the term coding refers to the phase
of writing code in a specific programming language and therefore represents the
last phase of the software development process. It therefore represents a
strategy that puts programming at the center of a path towards problem solving
(Barr & Stephenson, 2011; Grover & Pea, 2013; Lye & Koh, 2014). In recent years there is a great media
attention around coding, which is seen as a vehicle that approaches to
computational thinking and computer science (Yadav, Krist, Good & Caeli, 2018) so
much so that researchers are interested in studying its different perspectives:
technical, pedagogical, ethical and economic.
It is widely believed that it can be practiced
not only by computer scientists and engineers, but also by children; many
countries have promoted its learning by including it in their school curricula,
in order to bridge the gap between those who simply make use of digital
objects, such as games, soft-ware, apps, and those who, instead, consciously
know how to create and share them. Coding represents a new didactic strategy, a
practice that can be used in class, easily accessible and applicable in contexts
not directly related to programming (Sentance & Csizmadia, 2017; Rees, García-Peñalvo,
Jormanainen, Tuul, & Reimann, 2019).
The importance given to computational thinking
and coding, leads to a lot of questions in order to understand which
competences characterize it, which relationships there are with programming and
how it can be integrated in the school curriculum of all levels of education. (Angeli, 2016; Kalelioglu, 2016; Pugnali et al., 2017; Bocconi et
al., 2016)
If children approach computational thinking
through coding, they learn to program and, at the same time, while programming,
they learn many other things (code to learn) (Resnick.
2013). Coding therefore represents one of the most widely used teaching
practices by teachers in the educational context, starting from the
kindergarten (Grover & Pea, 2013; Kafai &
Burke, 2013).
The interest over the years on computational
thinking is also confirmed by Google Trends, which shows the increase in
searches on the world wide web on the subject on the
Google search engine, a sufficiently large and representative sample. The data
show how the survey extended in the period between the year 2006 and February
2020, in the world, there is an increase in searches carried out in the field
of work and education since 2010 and now on the rise. Research interest is
particularly high in countries such as Singapore, Ireland, New Zealand and
South Korea.
For this work we have chosen to search on
SCOPUS, an abstract and indexing database with full-text links that is produced
by the Elsevier Co. The aim of this work is to provide a global overview of
scientific productivity on the topic of computational thinking in educational
contexts with particular reference to the use of coding as a development tool
(Brennan & Resnick, 2012). The topic has been
researched on SCOPUS, in an overall period between 2006 and the first two
months of 2020, considering as research variables a) the general distribution
of productivity on computational thinking by year and by type of document, b)
the distribution of productivity by thematic area, c) by geographical area, d)
the most cited articles, authors and works.
This work is part of a larger project, not yet
concluded, which aims to explore the effects of the use of coding as a
methodological tool in the teaching of mathematics, and in particular geometry,
and in the learning of Italian primary school students.
2.-Research design
The research plan was prepared by
carrying out a bibliometric analysis on scientific
productivity regarding the diffusion of studies on the concept of
"computational thinking" in school contexts. From an initial analysis
on the subject, it emerges that "coding" represents one of the first
resources that can be introduced at school as a transversal activity, in every
field of knowledge, and, without doubt, in the disciplines of the STEM area. In
fact, one of the approaches to propose transversal activities in STEM education
is to introduce students to computer science through programming or coding to
also develop basic literacy skills and concepts for all students (García-Peñalvo et al. 2016; Sengupta,
Dickes & Farris, 2018).
The research was
limited to studies relating to coding used in schools to develop computational
thinking skills. This vision allows a more direct focus on the purpose of the
study and reflects similar studies in the field of education that have followed
this approach (e.g. Ariza, Granados, Ramiro & Gómez-García, 2011; Jiménez-Fanjul,
Maz-Machado, Torralbo-Rodríguez
& Fernández-Cano, 2014; Aguaded
Gómez, Vázquez-Cano and López-Meneses, 2016; Mengual-Andrés,
Vázquez-Cano & Meneses,
2017; Rodríguez-García, Cáceres
Reche & Alonso García,
S. 2018). The analysis and processing of the data was based through descriptive
statistics and central trend and dispersion meas-urements
(Peritz & Bar-Ilan, 2002;) selecting the international database SCOPUS, that has
been selected considering its scientific relevance. SCOPUS is less restrictive
than WOS, based on the importance and national and international coverage of
the studies (Mengual-Andrés et al., 2017). The re-sults provide a more extensive overview of the topic of
interest.
3.-Procedure and data analysis
In March 2020 the research, collection
and quantification of scientific publications that respond to the topic
computational thinking was conducted. The identification of the documents was
made via SCOPUS database, using boolean
operators and advanced search options. It was decided to carry out to search
through computational thinking AND coding keywords only, obtaining a first
corpus of 3767 documents and then reducing the field of investigation by
putting other keywords. The final sample on which we worked, after the second
search performed by combining the factors in the fol-lowing
way:
(TITLE-ABS-KEY
(computational thinking) AND TITLE-ABS-KEY (coding) AND TITLE-ABS-KEY
(education) AND TITLE-ABS-KEY (K-12)PUBYEAR >2005
AND PUBYEAR
It reduced to 672 the documents from 2006 to 2020. The texts recovered
provided information on:
-
Source;
-
Thematic area;
-
Geographical area;
-
Most cited articles.
Descriptive analyses were carried out on bibliometric
production indicators (authors' productivity, type of documents, years,
citations, etc.) with the SPSS 22 statistical package.
4.-Results and discussion
4.1. - General distribution of
productivity for year
From a first analysis, it can be seen how the
production of documents varies in the periods divided by three years, as shown
in Table 1. Relevant publications on this topic concentrated in the last two
three-year periods 2020/19/18 and 2017/16/15 and, considering that 2020
includes only the first two months, it means an increase of more than 100% in
the last three years. The distribution strongly correlates to the strong push
provided by the academic world and the legislator that has increased its
interest.
Table
1.
Distribution of selected documents by year
and by three-year period on Scopus
|
Articles |
Articles in the
three-year period |
|
|
2020 |
47 |
425 |
|
2019 |
231 |
|
|
2018 |
147 |
|
|
2017 |
100 |
196 |
|
2016 |
56 |
|
|
2015 |
40 |
|
|
2014 |
22 |
43 |
|
2013 |
12 |
|
|
2012 |
9 |
|
|
2011 |
5 |
6 |
|
2010 |
- |
|
|
2009 |
1 |
|
|
2008 |
1 |
2 |
|
2007 |
- |
|
|
2006 |
1 |
Figure 1 shows the percentage distribution of
the documents referenced on SCOPUS in the period 2006/2019 with the exception
of the year 2020 whose available documents refer only to the first two months
(January and February). The graph shows an exponential increase in the
percentage distribu-tion of documents over the years;
the maximum value of 35.6% was reached in 2019 with an ever-increasing
production of documents (n= 213).
Figure 1.
Percentage of documents referenced on SCOPUS by year.
4.2. - General distribution
of productivity by type of document and year
The data collected by SCOPUS shows that
overall the scientific production on the subject focuses mainly on two types of
documents (Table 2). Forty-five percent (45.0%) of these (n= 306) are in the
form of Conference Papers and 281 are Articles published in a scientific
journal and cover 41.8% of the total documents. As far as the chapters of Books
and Books Chapter indexed in SCOPUS it can be noted that they represent a total
of 9.3% (n= 62), these publications being slightly higher in number than the
rest of the documents that represent 3.3% of productivity (review, letters to
the publisher, notes and various documents).
Table
2.
Type of published documents.
|
Type
of document |
N |
% |
|
Conference paper |
306 |
45.0 |
|
Article |
281 |
41.8 |
|
Book Chapter |
32 |
4.8 |
|
Book |
30 |
4.5 |
|
Review |
13 |
1.9 |
|
Editorial |
5 |
.7 |
|
Undefined |
4 |
.6 |
|
Note |
1 |
.1 |
|
Total |
672 |
100.0 |
Analyzing the frequency distribution of the various documents divided by
year on productivity over the last seven years (Table 3), the item relating to
Conference Papers in numerical terms has increased over the years and, at
present, has reached its peak in 2019 (n= 110). A similar comment applies for
the item relating to Articles published in scientific journals for the year
2019 with a total of 113 articles and an increasing percentage over the years.
Table 3.
Type of published documents
by year
|
|
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
|||||||
|
n |
% |
n |
% |
n |
% |
n |
% |
n |
% |
n |
% |
n |
% |
|
|
Conference paper |
6 |
42.9 |
24 |
68.6 |
32 |
60.4 |
64 |
71.6 |
53 |
36.1 |
110 |
48.1 |
9 |
22.6 |
|
Article |
9 |
28.6 |
9 |
20.0 |
17 |
33.3 |
24 |
21.6 |
67 |
45.1 |
113 |
49.0 |
33 |
64.5 |
|
Book Chapter |
1 |
7.1 |
3 |
5.7 |
3 |
4.2 |
3 |
2.3 |
16 |
12.0 |
1 |
0.5 |
3 |
6.5 |
|
Book |
4 |
7.1 |
4 |
5.7 |
3 |
- |
5 |
1.1 |
4 |
0.8 |
1 |
- |
- |
- |
|
Review |
2 |
14.3 |
- |
- |
1 |
2.1 |
4 |
3.4 |
2 |
1.5 |
3 |
1.0 |
- |
- |
|
Editorial |
- |
- |
- |
- |
- |
- |
- |
- |
1 |
0.8 |
2 |
1.0 |
2 |
6.5 |
|
Note |
- |
- |
- |
- |
- |
- |
- |
- |
- |
- |
1 |
0.5 |
- |
- |
|
Undefined |
- |
- |
- |
- |
- |
- |
- |
- |
4 |
3.8 |
- |
- |
- |
- |
4.3. - General
distribution of productivity by thematic area
An analysis of document productivity on SCOPUS has been conducted by
thematic areas. Since SCOPUS allows multi-classification of sources, it may be
likely that some of the recovered documents are classified into at least two
different categories at the same time. The analysis revealed a collection of
1034 documents, which cannot be put in relation with the classification shown
in Table 1, both because in the count the same documents can be considered, as
previously mentioned, several times and because the time span of the search
also varies, which, in this case, is not limited to a precise period. From the
analysis reported in Table 4, there are two fields of knowledge that are
particularly interested in computational thinking in educational contexts; the
computer science sector (Computer Science) emerges with 37.8% (n= 458) and the
social science sector (Social Science) with 433 documents that represent 35.8%
of total productivity. Then, the engineering (Engineering) (n= 102),
mathematics (Mathematics) (n= 54) and psychology (Psychology) (n= 53) sectors
are worthy of note, covering respectively 8.4%, 4.5% and 4.4% of productivity.
In a smaller percentage there are other sectors (Table 3) which together cover
9.3%. It is also noted that about 75% of the classification areas proposed by
SCOPUS have recorded some publications on the topic, highlighting even more its
relevance (Table 4).
Table 4.
Productivity by thematic
area
|
Thematic area |
N |
% |
|
Computer Science |
458 |
37.8 |
|
Social Science |
433 |
35.8 |
|
Engineering |
102 |
8.4 |
|
Mathematics |
54 |
4.5 |
|
Psycology |
53 |
4.4 |
|
Arts and Humanities |
35 |
2.9 |
|
Decision Sciences |
20 |
1.7 |
|
Business, Management and
Accounting |
13 |
1.1 |
|
Energy |
6 |
.5 |
|
Medicine |
6 |
.5 |
|
Psysics and Astronomy |
6 |
.5 |
|
Agricultural and
Biological Sciences |
5 |
.4 |
|
Biochemistry, Genetics and
Molecular Biology |
5 |
.4 |
|
Material Sciences |
5 |
.4 |
|
Enviromental Science |
5 |
.4 |
|
Chemical Engineering |
1 |
.1 |
|
Hearth and Planetary
Sciences |
1 |
.1 |
|
Multidisciplinary |
1 |
.1 |
|
Neuroscience |
1 |
.1 |
|
Pharmacology, Toxicology
and Pharmaceutics |
1 |
.1 |
|
Totale |
1.034 |
100.0 |
4.4. - General distribution
of productivity by subject area
The analysis of productivity on computational
thinking and coding in K-12 education has also been addressed to the research
of which countries in the world show, through the various scientific
publications, a certain sensitivity and interest in these topics. Reading
figure 2 it is possible to note that the United States represent the highest
percentage of production (43.3%) followed by Spain (11.6%) and Italy (7.2%). It
is worth noting, however, the result obtained by summing the productivity of
the European Union member countries that together represent 38.0% of global
productivity, showing attention to these arguments.
Figure
2.
Productivity by geographic area.
4.5. - General
distribution of productivity by affiliation.
The data showed that only three institutions
had a range from 15 to 25 publications: (a) Universidad de Salamanca (n=25),
(b) Utah State University (n=21), (c) Universidad Rey Juan Carlos (n=19) and
(c) University of Pennsylvania (n= 17). Following this group we would find
those affiliations that have a production of 10 to 14 works, namely Tufts
University, Universidad Nacional de Education a Distancia, Norges Teknisk-Naturvitenskapelige Universitet
and Purdue University. The following data show a good presence of universities
on European territory. Data on documents with numbers between 5 and 9 show the
constant presence of European Universities
4.6. - General
distribution of periodic publications with more contributions
After a global analysis of the most productive
periodicals on the subject of interest, the first 15 sources are presented. The
46.7% (n=7) corresponds to specialized journals while the remaining part (n=8)
that is 53.3% concerns other publications and conference proceedings.
Table 5.
Productivity by periodicals
|
Thematic area |
N |
|
ACM
International Conference Proceeding Series |
63 |
|
Lecture
Notes in Computer Science Including Subseries Lecture Notes in Artificial
Intelligence and Lecture Notes in Bioinformatics |
23 |
|
Proceedings
Frontiers in Education Conference Fie |
19 |
|
Computers
and Education |
17 |
|
Education
and Information Technologies |
15 |
|
Computers
in Human Behavior |
14 |
|
Computer
Science Education |
11 |
|
IEEE
Global Engineering Education Conference Educon |
11 |
|
Advances
In Intelligent Systems And Computing |
9 |
|
Informatics
In Education |
9 |
|
Interactive
Learning Enviroments |
9 |
|
Journal
Of Sciece Education And Technology |
9 |
|
ACM
Transactions On Computing Education |
8 |
|
Teachtrends |
8 |
|
Computational
Thinking In The Stem Diciplines Foundations And Research Highlights |
7 |
4.7. - General
distribution of productivity by most cited articles
Finally, the journals (excluding those relating to the proceedings of
conventions and conferences under the heading Proceeding) that had the highest
number of citations were selected, highlighting in particular the eight most
cited works based on SCOPUS data (Table 6).
Table 6.
Most cited articles, authors
and work
|
Article title |
Authors |
Review |
Year |
Citations |
|
58(1), pp. 240-249 |
2012 |
151 |
||
|
41, pp. 51-61 |
2014 |
273 |
||
|
ACM Transactions on Computing Education 14(1),1 |
2014 |
85 |
||
|
ITiCSE-WGR 2014 - Working Group Reports of the 2014 Innovation
and Technology in Computer Science Education Conference pp. 1-29 |
2014 |
61 |
||
|
Constructionist Gaming: Understanding
the Benefits of Making Games for Learning |
50(4), pp. 313-334 |
2015 |
79 |
|
|
97, pp. 129-141 |
2016 |
100 |
||
|
Empirical studies on the
Maker Movement, a promising approach to learning: A literature review |
18, pp. 57-78 |
2017 |
70 |
|
|
22, pp. 142-158 |
2017 |
64 |
Following is a description of the three most
cited articles.
The article by Lye and Koh
entitled "Review on teaching and learning of computational thinking
through programming: What is next for K-12?" has the highest number of
citations (n= 268) and was published in 2014 in Computers in Human Behavior, an academic journal dedicated to examining the
use of computers from a psychological perspective. The authors, with this
article, recommend re-searchers to conduct studies on the theme of
computational thinking. They analyze articles published since 2009, when the
National Research Council (NRC) organized a workshop on computational thinking,
until 2014. The aim is to respond to the need for more clarity on how to
integrate computational thinking in the K-12 context, in light of the positive
results obtained in previous works.
The other two most cited articles are
published in Computers and Education, a journal which gives space to studies
concerning the pedagogical uses of digital technology.
Denner, Werner and Ortiz have obtained on SCOPUS n= 151 citations for the
article of 2012, entitled “Computer games created by middle school girls: Can
they be used to measure understanding of computer science concepts?”, in which
they present a strategy for coding student games created by middle school girls
in an after school class. The article demonstrates that coding activities can
support the learning of computer science concepts.
In third place, in order of number of
citations (n= 100), is the article entitled “Visual programming languages
integrated across the curriculum in elementary school: A two year case study
using "scratch" in five schools” (Sáez-López.,
Román-González & Vázquez-Cano,
2016). The authors show the importance of implementing visual programming
languages, such as Scratch, from primary education. Students are more
motivated, have fun, engage, are enthusiastic, and show improvements in
computational thinking and computational practices. For this reason, they
invite teachers to implement such concepts with a transversal method in
teaching primary school subjects.
Finally, the authors who have worked on this
issue by publishing more documents in the period 2006-2020 have been
researched. In table 7 we read that Gregorio Robles with n=10 publications is
the first author and, afterwards, there are authors who have published 9, 7 and
6 works. Most of the publications have been published since 2012.
Table 7.
Authors and pubblished documents on SCOPUS
|
Author |
N |
|
Robles, G. |
10 |
|
Manilla, L. |
9 |
|
García-Peñalvo,
F. J. |
7 |
|
Wong, G.K.W. |
7 |
|
Kafai, Y.B. |
6 |
|
Moreno-León, J |
6 |
6. – Conclusions
This work analyzed the
scientific productivity around computational thinking from 2006 to 2020 based
on data obtained from the SCOPUS database. The work demonstrates a global
vision on the evolution, starting from 2006, when Janette Wing published an
article, which will resonate in subse-quent studies:
computational practices are seen as activators of mental processes closely
related to the effective resolution of problems (Wing, 2008, Brennan & Resnick, 2012; Durak & Sarıtepeci, 2017). In the same year the European
Parliament and the Council of the European Union published the Recommendation
2006/962/EC of 18/12/2006 in which they defined the key competences for
lifelong learning, necessary for personal fulfilment
and development, active citizenship, social inclu-sion
and employment. Among these, digital competence is one of the eight competences
identified in the document and correlated to the concept of computational
thinking considered, by J. Wing before and by many other authors after, as a
shortcut that leads to thinking like a computer scientist, focus-ing not so much on the safe use of technology but on the
understanding of its fundamental concepts (Wing, 2008; Grover & Pea, 2013; Bocconi et al., 2016).
The research was
based on similar studies found in the literature with reference to issues
related to the concept of computational thinking related to the world of
education, the different definitions and the tools and strategies used,
including coding (Lye & Koh, 2011; Kalelioglu, Gulbahar & Kukul, 2016; Shute et al., 2017).
Particular attention
has been paid to the use of coding, which indicates the didactic use of visual
block programming tools and methods to foster the development of computational
thinking in school contexts. The documents searched therefore include work on
coding practices used or usable in education and related to the development of
computational thinking.
The number of
publications in the last three years, shows a
remarkable productivity, confirming the relevance and importance given, in
recent years, to computational thinking and the use of coding in school
contexts. The highest production refers to Conference papers (n= 305) and
Articles (n= 281) which in total cover 86.8% of the documents, demonstrating
that they are the tools that convey more studies on the subject in question.
With reference to the three years 2014/2016 and 2017/2019, it can be seen that
the most productive years for the publication of the work of the Conference are
2017 and 2019, while for the Articles they are 2018 and 2019.
The sectors that are
most interested in the dissemination of concepts and practices related to compu-tational thinking at school are Computer Science and
Social Sciences, having produced respectively 37.8% and 35.8% of the total of
the thematic areas dealing with the topic. The two countries with the highest
productivity are the United States with 43.3% and Spain with 11.6% of the
total; in third place Italy with 7.2%. Is the second EU country sensitive to
the issues following Spain.
In conclusion, the
work carried out has provided a reference framework on the most cited authors
and works concerning computational thinking and its application in educational
contexts through coding, a particularly versatile didactic mediation tool (Lye
& Koh, 2014; Sáez-López,
Román-González & Vázquez-Cano,
2016; Rees,et al., 2016). It is considered that the
present study shows the relevance of the subject matter which is presented, in
the school context, as a tool for the promotion of skills and competences
transversal to teaching disciplines. The limitations are due to the fact that
data up to February 2020 have been analyzed and do not take into account
subsequent updates as well as refer exclusively to SCOPUS and have not been
compared with other databases such as WOS. In any case, bibliometric
studies such as these can be useful for those who want to undertake a study on
computational thinking, as the initial starting point of the theoretical study
that underlies any scientific research.
El pensamiento
computacional y la codificación en la educación primaria: la productividad científica
en SCOPUS
1. –Introducción
En nuestra época, la tecnología
se ha convertido en parte integral de la vida cotidiana de las actuales
generaciones y está transformado los procesos de conocimiento. Las Tecnologías
de la Información y la Comunicación (TIC) han modificado de forma sustancial
las dinámicas sociales y educativas (Salcines-Talledo,
González-Fernández & Briones, 2020). Sin duda, este cambio trae consigo
transformaciones en la educación también (Burkle
& Cobo, 2018). Del sistema educativo, en tanto que pilar del crecimiento y
la inclusión de los ciudadanos de la UE, se debe esperar que responda a la
demanda de preparar a los ciudadanos para aprovechar al máximo las
oportunidades que ofrece un mundo cada vez más interconectado y en constante evolución
en el que se emplea la tecnología en una amplia gama de sectores, desde el
ámbito médico al industrial, y desde el sector agroalimentario al del
transporte. Hoy en día, las TIC y, más concretamente, las destrezas en TIC en
la educación pueden proporcionar las herramientas que los estudiantes tendrán
la oportunidad de usar en el mercado laboral (Infante-Moro, Infante-Moro &
Gallardo-Pérez, 2019).
Es importante profundizar en el
conocimiento que atesoran los alumnos acerca de las nuevas herramientas tecnológicas.
Se han emprendido varias iniciativas en este sentido, entre ellas el diseño y
la integración de prácticas educativas para fortalecer las competencias
digitales (Infante-Moro et al., 2019), tales como el pensamiento computacional
y las áreas de conocimiento STEM (siglas en inglés que corresponden a Ciencia,
Tecnología, Ingeniería y Matemáticas) (Reinking &
Martin, 2018, Calao, Moreno-León, Correa &
Robles, 2015). A éstas se añade la promoción de los comportamientos positivos
para el desarrollo de destrezas sociales de alta calidad entre los estudiantes
(Caballero-Gonzalez García-Valcárcel Muñoz-Repiso &
García-Holgado, 2019) y todas aquellas prácticas metodológicas innovadoras que
fomentan el desarrollo de destrezas transversales (Ávalos, Pérez-Escoda &
Monge, 2019).
La idea de proponer nuevas experiencias
que exploten el potencial del pensamiento computacional que, en décadas
recientes, ha asumido un papel fundamental en el terreno educativo hasta el
punto que diversas organizaciones han pedido expresamente que se promueva desde
la educación escolar.
El pensamiento computacional está
conectado con el pensamiento recursivo que permite aplicar una solución ya identificada
en problemas similares a aquél que se está analizando, identificar los aspectos
relevantes, descomponerlo en subproblemas más
sencillos y evaluar la eficacia del proyecto y la eficiencia del procedimiento
(Barr, Harrison & Conery,
2011). El programador transfiere un algoritmo desde su cerebro a la máquina y
esta competencia requiere muchas otras destrezas (Wing,
2006) entre las que figura también el rigor a la hora de formalizar los procedimientos,
la creatividad y la imaginación. El alumno (aprendiz) aprende a pensar, a representar
y a resolver problemas que precisan de combinar la potencia cognitiva del ser
humano con la capacidad de computación (Kafai & Burke 2013; Lye & Koh 2014; Sengupta et al. 2013).
El pensamiento computacional no
es exclusivamente tecnología; si bien guarda una estrecha relación con ella, se
trata de una destreza importante que todos los niños deberían adquirir no sólo
como una destreza técnica, también principalmente como una construcción mental
y el desarrollo del pensamiento lógico a través de muchas disciplinas. Reconociendo
su importancia, muchos consideran que el “pensamiento computacional” es la
cuarta destreza básica además de la lectura, la escritura y las matemáticas, una
destreza esencial para el desarrollo de la alfabetización en el siglo XXI (Wing, 2008; Aho, 2012; Grover & Pea, 2013; Shute, Sun and Asbell-Clarke, 2017; Yadav, Hong & Stephenson,
2016).
La codificación es una
herramienta promocional válida; se trata, de hecho, de un elemento fundamental de
la educación en nuestros días del que todos los niños pueden beneficiarse a una
edad temprana. En particular, el término codificación se refiere a la fase de
escribir código en un lenguaje de programación concreto y por tanto constituye
la última fase del proceso de desarrollo de software. Así pues, representa una
estrategia que coloca la programación en el centro del camino hacia la
resolución de los problemas (Barr & Stephenson, 2011; Grover &
Pea, 2013; Lye & Koh,
2014). En los últimos años, se ha prestado mucha atención por parte de los
medios a la codificación, que se ve como un vehículo que nos acerca al
pensamiento computacional y a la informática (Yadav, Krist, Good & Caeli, 2018), hasta tal punto que los investigadores están
interesados en estudiar sus distintas dimensiones: técnica, pedagógica, ética y
económica.
A juicio de muchos, la pueden
practicar no sólo los científicos e ingenieros informáticos, sino también los
niños; numerosos países han promovido su aprendizaje incluyéndola en sus
currículos escolares, con el fin de reducir la brecha entre quienes simplemente
hacen uso de objetos digitales, tales como juegos, software y apps, y los que, por el contrario, saben conscientemente
cómo crearlos y compartirlos. La codificación representa una nueva estrategia didáctica,
una práctica que puede utilizarse en clase, de fácil acceso y aplicable en
contextos no directamente relacionados con la programación (Sentance
& Csizmadia, 2017; Rees,
García-Peñalvo, Jormanainen,
Tuul, & Reimann, 2019).
La importancia asignada al
pensamiento computacional y la codificación lleva a muchas preguntas para
entender qué competencias los caracterizan, qué relaciones existen con la
programación y cómo se puede integrar todo ello en el currículo escolar de
todos los niveles educativos (Angeli, 2016; Kalelioglu, 2016; Pugnali et al.,
2017; Bocconi et al., 2016; Roig-Vila & Moreno-Isac, 2020).
Si los niños se acercan al
pensamiento computacional a través de la codificación, aprenden a programar y,
al mismo tiempo, mientras programan, aprenden muchas otras cosas (codificar
para aprender) (Resnick. 2013). La codificación
constituye, pues, una de las prácticas docentes más ampliamente utilizadas por
los profesores en el contexto educativo, empezando desde el jardín de infancia
(Grover & Pea, 2013; Kafai
& Burke, 2013).
El interés en el pensamiento
computacional a lo largo del tiempo queda confirmado también por Google Trends, que muestra el incremento de las búsquedas sobre
ese tema en la red en el motor de búsqueda de Google, una muestra suficientemente
grande y representativa. Los datos revelan que el estudio se ha prolongado en
el tiempo durante el período comprendido entre el año 2006 y febrero de 2020; en
el mundo, hay un aumento de las búsquedas realizadas en el campo del trabajo y
la educación desde 2010 y ahora están creciendo. El interés por parte de los
investigadores es particularmente acusado en países como Singapur, Irlanda, Nueva
Zelanda y Corea del Sur.
Para este trabajo, hemos
decidido buscar en SCOPUS, una base de datos de resúmenes e indexación con
enlaces de texto completo producida por Elsevier Co. El objetivo del presente trabajo consiste en ofrecer
una visión global sobre la productividad científica sobre el tema del
pensamiento computacional en los contextos educativos haciendo referencia
especialmente al empleo de la codificación como herramienta para el desarrollo
(Brennan & Resnick,
2012). El tema ha sido objeto de investigación en SCOPUS, durante un período
total que abarca desde 2006 hasta los dos primeros meses de 2020, considerando
como variables de investigación: a) la distribución general de la productividad
en materia de pensamiento computacional por año y por tipo de documento; b) la distribución
de la productividad por área temática; c) por zona geográfica; d) los
artículos, los autores y las obras más citadas.
El presente trabajo forma parte
de un proyecto más amplio, todavía sin concluir, que tiene como objetivo
explorar los efectos que produce el uso de la codificación como herramienta metodológica
en la enseñanza de las matemáticas, y en particular de la geometría, y en el
aprendizaje de los alumnos italianos de educación primaria.
2. – Diseño de la
investigación
El plan de investigación se
preparó realizando un análisis bibliométrico acerca
de la productividad científica por lo que respecta a la difusión de los
estudios sobre el concepto de “pensamiento computacional” en entornos
escolares. De un análisis inicial sobre el tema se desprende que la
“codificación” surge como uno de los primeros recursos que se pueden introducir
en la escuela como una actividad transversal, en todos los campos de
conocimiento y, sin duda, en las disciplinas del ámbito STEM. De hecho, uno de
los planteamientos para proponer actividades transversales en la formación STEM
consiste en introducir a los estudiantes en la informática mediante la
programación o la codificación para desarrollar asimismo destrezas y conceptos
de alfabetización básicos para todos los alumnos (García-Peñalvo
et al. 2016; Sengupta, Dickes
& Farris, 2018).
La investigación se limitó a
estudios relacionados con la codificación que se emplea en las escuelas para
desarrollar las destrezas de pensamiento computacional. Esta visión permite
centrarse de forma más directa en el objetivo del estudio y refleja estudios
similares en el terreno de la educación que han seguido este enfoque (por
ejemplo, Ariza, Granados, Ramiro & Gómez-García,
2011; Jiménez-Fanjul, Maz-Machado, Torralbo-Rodríguez & Fernández-Cano, 2014; Aguaded Gómez, Vázquez-Cano and López-Meneses, 2016; Mengual-Andrés, Vázquez-Cano & Meneses, 2017;
Rodríguez-García, Cáceres Reche & Alonso García,
S. 2018). El análisis y procesado de los datos se llevó a cabo tomando como
base las estadísticas descriptivas y las mediciones de tendencias centrales y
dispersión (Peritz & BarIlan,
2002;) seleccionando la base de datos internacional SCOPUS, que se ha escogido
teniendo en cuenta su relevancia científica. SCOPUS es menos restrictiva que
WOS, que se basa en la importancia y la cobertura nacional e internacional de
los estudios (Mengual-Andrés et al., 2017). Los
resultados ofrecen un panorama más amplio del tema que nos ocupa.
3. – Procedimiento y análisis de datos
La investigación, la recogida
y la cuantificación de las publicaciones científicas que versan sobre el tema
“pensamiento computacional” se realizaron en marzo de 2020. La identificación
de los documentos se hizo mediante la base de datos SCOPUS, utilizando
operadores booleanos y opciones de búsqueda avanzada. Se decidió llevar a cabo
una búsqueda únicamente a través de las palabras “pensamiento computacional” Y
“codificación”, obteniéndose un primer corpus de 3.767 documentos y reduciendo
después el campo de investigación al poner otras palabras clave. La muestra
final sobre la que trabajamos, tras la segunda búsqueda realizada combinando
los factores de la siguiente manera:
(TITLE-ABS-KEY (pensamiento computacional) AND
TITLE-ABS-KEY (codificación) AND TITLE-ABS-KEY (educación) AND TITLE-ABS-KEY (K-12)PUBYEAR
>2005 AND PUBYEAR
Redujo a 672 los documentos
desde 2006 hasta 2020. Los textos recuperados proporcionaron información sobre:
-
la fuente;
-
el área temática;
-
la zona geográfica;
y;
-
los artículos más
citados.
Se realizaron análisis
descriptivos tomando como referencia indicadores bibliométricos
de producción (productividad de los autores, tipo de documentos, años, citas,
etc.) con el paquete de software estadístico SPSS 22.
4. – Resultados y
discusión
4.1.
- Distribución general de la productividad por año
A partir de un primer análisis
se puede comprobar que la producción de documentos varía en los períodos
divididos por tres años, como se muestra en la Tabla 1. Las publicaciones
relevantes acerca de este tema se han concentrado en los dos últimos trienios
—2020/19/18 y 2017/16/15— y teniendo en cuenta que en 2020 únicamente se
incluyen los dos primeros meses, supone un aumento de más del 100% en los
últimos tres años. La distribución muestra una estrecha correlación con el
fuerte impulso que dieron tanto el mundo académico como el legislador, lo que
se ha traducido en un mayor interés por este tema.
Tabla 1.
Distribución de los documentos
seleccionados por año y por períodos de tres años en Scopus
|
Año |
Artículos |
Artículos en el trienio |
|
2020 |
47 |
425 |
|
2019 |
231 |
|
|
2018 |
147 |
|
|
2017 |
100 |
196 |
|
2016 |
56 |
|
|
2015 |
40 |
|
|
2014 |
22 |
43 |
|
2013 |
12 |
|
|
2012 |
9 |
|
|
2011 |
5 |
6 |
|
2010 |
- |
|
|
2009 |
1 |
|
|
2008 |
1 |
2 |
|
2007 |
- |
|
|
2006 |
1 |
La Figura 1 muestra la
distribución porcentual de los documentos referenciados en SCOPUS durante el
período 2006/2019 con la excepción del año 2020, para el que los documentos
disponibles se corresponden únicamente con los dos primeros meses (enero y
febrero). El gráfico revela un incremento exponencial en la distribución
porcentual de los documentos a lo largo de los años; el valor máximo de 35,6%
se alcanzó en 2019 con una producción de documentos en constante aumento (n=
213).
Figura 1. . Porcentaje de documentos
referenciados en SCOPUS por año
4.2.
- Distribución
general de la productividad por tipo de documento y año
Los datos recopilados mediante
SCOPUS muestran que, en general, la producción científica sobre el tema se
centra principalmente en dos tipos de documentos (Tabla 2). Un cuarenta y cinco
por ciento (45,0%) de ellos (n= 306) se presentan en el formato de Trabajos
presentados en congresos y 281 son Artículos publicados en una revista
científica y suponen un 41,8% del total de documentos. Por lo que respecta a
Capítulos de Libros y Libros indexados en SCOPUS, cabe destacar que representan
en conjunto un 9,3% (n= 62), apareciendo estas publicaciones en un número
ligeramente superior al del resto de documentos que alcanzan un 3,3% de la
productividad (reseñas, cartas al editor, notas y diversos documentos).
Tabla 2.
Tipo de documentos publicados
|
Tipo de documento |
N |
% |
|
Trabajo
presentado en un congreso |
306 |
45,0 |
|
Artículo |
281 |
41,8 |
|
Capítulo
de Libro |
32 |
4,8 |
|
Libro |
30 |
4,5 |
|
Reseña |
13 |
1,9 |
|
Editorial |
5 |
,7 |
|
Sin definir |
4 |
,6 |
|
Nota |
1 |
,1 |
|
Total |
672 |
100,0 |
Analizando la distribución de
frecuencias de los diversos documentos dividida por años en relación con la
productividad durante los últimos siete años (Tabla 3), el apartado relativo a
Trabajos presentados en congresos ha aumentado en términos numéricos a lo largo
de los años y, en la actualidad, ha alcanzado su máximo en 2019 (n= 110). Se
puede realizar un comentario similar acerca del apartado correspondiente a
Artículos publicados en revistas científicas en el año 2019 con un total de 113
artículos y un porcentaje creciente con el paso de los años.
Tabla 3.
Tipo de documentos publicados por año
|
|
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
|||||||
|
n |
% |
n |
% |
n |
% |
n |
% |
n |
% |
n |
% |
n |
% |
|
|
Trabajo
presentado en un congreso |
6 |
42,9 |
24 |
68,6 |
32 |
60,4 |
64 |
71,6 |
53 |
36,1 |
110 |
48,1 |
9 |
22,6 |
|
Artículo |
9 |
28,6 |
9 |
20,0 |
17 |
33,3 |
24 |
21,6 |
67 |
45,1 |
113 |
49,0 |
33 |
64,5 |
|
Capítulo
de libro |
1 |
7,1 |
3 |
5,7 |
3 |
4,2 |
3 |
2,3 |
16 |
12,0 |
1 |
0,5 |
3 |
6,5 |
|
Libro |
4 |
7,1 |
4 |
5,7 |
3 |
- |
5 |
1,1 |
4 |
0,8 |
1 |
- |
- |
- |
|
Reseña |
2 |
14,3 |
- |
- |
1 |
2,1 |
4 |
3,4 |
2 |
1,5 |
3 |
1,0 |
- |
- |
|
Editorial |
- |
- |
- |
- |
- |
- |
- |
- |
1 |
0,8 |
2 |
1,0 |
2 |
6,5 |
|
Nota |
- |
- |
- |
- |
- |
- |
- |
- |
- |
- |
1 |
0,5 |
- |
- |
|
Sin
definir |
- |
- |
- |
- |
- |
- |
- |
- |
4 |
3,8 |
- |
- |
- |
- |
4.3.
- Distribución
general de la productividad por área temática
Se ha llevado a cabo un
análisis de la productividad de documentos en SCOPUS por áreas temáticas. Dado
que SCOPUS permite una clasificación múltiple de fuentes, es probable que
algunos de los documentos recuperados queden clasificados en al menos dos
categorías diferentes al mismo tiempo. El análisis mostró una colección de
1.034 documentos, que no se puede poner en relación con la clasificación
recogida en la Tabla 1, por dos motivos; (1) en el recuento, como se ha
mencionado con anterioridad, se pueden considerar varias veces los mismos
documentos; y (2), el intervalo de tiempo de la búsqueda varía también, que en
este caso no se limita a un período concreto. A partir del análisis del que se
da cuenta en la Tabla 4, hay dos campos de conocimiento donde el pensamiento
computacional en contextos educativos suscita un interés especial; el sector de
la informática (Informática) aparece con un 37,8% (n= 458) así como el ámbito
de las ciencias sociales (Ciencias sociales) con 433 documentos que representan
un 35,8% de la productividad total. Después cabe mencionar los sectores de
ingeniería (Ingeniería) (n= 102), matemáticas (Matemáticas) (n= 54) y
psicología (Psicología) (n= 53), que se corresponden respectivamente con un
8,4%, un 4,5% y un 4,4% de la productividad. Con un porcentaje menor,
encontramos otros sectores (Tabla 3) que juntos abarcan un 9,3%. También es
digno de resaltar que aproximadamente un 75% de las áreas de clasificación propuestas
por SCOPUS han registrado algunas publicaciones sobre el tema, lo que pone de
manifiesto su relevancia todavía más (Tabla 4).
Tabla 4.
Productividad por área temática
|
Área
temática |
N |
% |
|
Informática |
458 |
37,8 |
|
Ciencias
Sociales |
433 |
35,8 |
|
Ingeniería |
102 |
8,4 |
|
Matemáticas |
54 |
4,5 |
|
Psicología |
53 |
4,4 |
|
Artes
y Humanidades |
35 |
2,9 |
|
Ciencias
de la Decisión |
20 |
1,7 |
|
Empresas,
Administración y Contabilidad |
13 |
1,1 |
|
Energía |
6 |
,5 |
|
Medicina |
6 |
,5 |
|
Física
y Astronomía |
6 |
,5 |
|
Ciencias
Agrícolas y Biológicas |
5 |
,4 |
|
Bioquímica,
Genética y Biología Molecular |
5 |
,4 |
|
Ciencias
de los Materiales |
5 |
,4 |
|
Ciencias
Medioambientales |
5 |
,4 |
|
Ingeniería
Química |
1 |
,1 |
|
Ciencias
de la Tierra y Planetarias |
1 |
,1 |
|
Ámbitos
multidisciplinares |
1 |
,1 |
|
Neurociencia |
1 |
,1 |
|
Farmacología,
Toxicología y Farmacéutica |
1 |
,1 |
|
Total |
1.034 |
100,0 |
4.4.
- Distribución
general de la productividad por ámbito temático
El análisis de la productividad
en los ámbitos del pensamiento de computacional y la codificación en K-12
(hasta el duodécimo curso) se ha centrado asimismo en ver qué países demuestran
en su investigación un cierto interés y sensibilidad en relación con estos
temas a través de las diversas publicaciones científicas. Al observar la Figura
2, se puede comprobar que Estados Unidos atesora el porcentaje más elevado de
producción (43,3%), seguido por España (11,6%) e Italia (7,2%). Merece la pena
destacar, no obstante, el resultado que se obtiene al sumar la productividad de
los países miembros de la Unión Europea, que conjuntamente representan un 38,0%
de la productividad a nivel global, lo que demuestra la atención que suscitan
estos argumentos.
Figura 2. . Productividad por zonas geográficas
4.5.
- Distribución
general de la productividad por afiliación
Los datos revelaron que sólo
tres instituciones alcanzaban un rango de entre 15 y 25 publicaciones: (a)
Universidad de Salamanca (n=25), (b) Utah State University (n=21), (c) Universidad Rey Juan Carlos (n=19) y
(d) University of Pennsylvania (n= 17). Tras este grupo,
encontraríamos las afiliaciones que cuentan con una producción de 10 a 14
trabajos, concretamente: Tufts University,
Universidad Nacional de Educación a Distancia, Norges
Teknisk-Naturvitenskapelige Universitet
y Purdue University. Los
datos siguientes muestran una importante presencia de universidades en el
territorio europeo. Los datos sobre documentos con cifras entre 5 y 9
atestiguan la presencia constante de universidades europeas.
4.6.
- Distribución general de las publicaciones periódicas con
más contribuciones
Tras un análisis global de las
publicaciones periódicas más productivas sobre el tema que nos interesa aquí,
se presentan las primeras 15 fuentes. Un 46,7% (n=7) corresponde a revistas
especializadas, mientras que la parte restante (n=8) —es decir, un 53,3%— lo
representan otras publicaciones y actas de congresos.
Tabla 5.
Productividad por publicaciones periódica
|
Área Temática |
N |
|
ACM International Conference Proceeding Series [Series de Actas de
los Congresos Internacionales de ACM] |
63 |
|
Lecture Notes in Computer Science Including
Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in
Bioinformatics [Notas de Conferencias en Informática incluida la subserie Notas de
Conferencias en Inteligencia Artificial y Notas de Conferencias en
Bioinformática] |
23 |
|
Proceedings Frontiers in Education (FIE) Conference [Actas del Congreso
FIE —Fronteras en la Educación—] |
19 |
|
Computers and Education [Ordenadores y Educación] |
17 |
|
Education and Information Technologies [Educación y
Tecnologías de la Información] |
15 |
|
Computers in Human Behavior [Los Ordenadores en el
Comportamiento Humano] |
14 |
|
Computer Science Education [Formación en
Informática] |
11 |
|
IEEE Global Engineering Education Conference Educon [Congreso Global de
IEEE sobre Educación en Ingeniería] |
11 |
|
Advances In Intelligent Systems And Computing [Avances en Sistemas
Inteligentes y Computación] |
9 |
|
Informatics In Education [La Informática en la
Educación] |
9 |
|
Interactive Learning Enviroments [Entornos de
Aprendizaje Interactivo] |
9 |
|
Journal Of Science Education And Technology [Revista de Ciencias
de la Educación y Tecnología] |
9 |
|
ACM Transactions On Computing Education [Anales sobre la
Formación en Computación] |
8 |
|
Teachtrends [Tendencias docentes] |
8 |
|
Computational Thinking In The STEM Diciplines
Foundations And Research Highlights [El Pensamiento
Computacional en las Disciplinas STEM, Fundamentos e Investigaciones Destacadas] |
7 |
4.7.
- Distribución
general de la productividad por los artículos más citados
Por último, se seleccionaron
las revistas (sin contar las relacionadas con las actas de convenciones y
congresos bajo el epígrafe Actas) que tenían un número más alto de citas, destacando
en particular los ocho trabajos más citados basándose en los datos de SCOPUS
(Tabla 6).
Tabla 6.
Artículos, autores y obras más citados
|
Título del artículo |
Autores |
Reseña |
Año |
Citas |
|
Computer games created by middle school girls: Can
they be used to measure understanding of computer science concepts? [Juegos de ordenador creados por chicas de secundaria:
¿Pueden utilizarse para evaluar la comprensión de los conceptos informáticos?] |
58(1), pp. 240-249 |
2012 |
151 |
|
|
Review on teaching and learning of computational
thinking through programming: What is next for K-12? [Revisión sobre la enseñanza y el aprendizaje del
pensamiento computacional a través de la programación: ¿Qué es lo siguiente
para el K-12? (desde educación infantil hasta el duodécimo curso)] |
41, pp. 51-61 |
2014 |
273 |
|
|
A crafts-oriented approach to computing in high school: Introducing computational concepts, practices, and perspectives with electronic textiles [Una aproximación a la
computación en el instituto orientada hacia la artesanía: Introduciendo los
conceptos, las prácticas y las perspectivas computacionales con los tejidos
electrónicos] |
ACM Transactions on Computing Education 14(1),1 |
2014 |
85 |
|
|
Computational thinking in K-9 education [El pensamiento computacional en la educación en K-9 (hasta
el noveno curso)] |
ITiCSE-WGR 2014 - Working Group Reports of the 2014 Innovation
and Technology in Computer Science Education Conference pp. 1-29 |
2014 |
61 |
|
|
Constructionist Gaming: Understanding the Benefits
of Making Games for Learning [Juegos construccionistas: Entender los beneficios de hacer juegos para aprender] |
50(4), pp. 313-334 |
2015 |
79 |
|
|
Visual programming languages integrated across the curriculum in elementary school: A two-year case study using "scratch" in five schools [Lenguajes de
programación visual integrados a lo largo del currículo de la escuela elemental:
Un estudio de caso de dos años utilizando Scratch
en cinco escuelas] |
97, pp. 129-141 |
2016 |
100 |
|
|
Empirical studies on the Maker
Movement, a promising approach to learning:
A literature review [Estudios Empíricos
sobre el Movimiento Maker, una aproximación
prometedora al aprendizaje: Una revisión de la literatura] |
18, pp. 57-78 |
2017 |
70 |
|
|
Demystifying computational thinking [Desmitificando el pensamiento computacional] |
22, pp. 142-158 |
2017 |
64 |
A continuación, se ofrece una
descripción de los tres artículos más citados.
El artículo de Lye y Koh titulado “Revisión
sobre la enseñanza y el aprendizaje del pensamiento computacional a través de
la programación: ¿Qué es lo siguiente para el K-12? [desde
educación infantil hasta el duodécimo curso]” es el que tiene la cifra más alta
de citas (n= 268) y se publicó en 2014 en Computers
in Human Behavior [Los
Ordenadores en el Comportamiento Humano], una revista académica dedicada a
examinar el uso de los ordenadores desde una perspectiva psicológica. Con este
artículo, los autores recomiendan a los investigadores que lleven a cabo
estudios sobre el tema del pensamiento computacional. Analizan artículos
publicados desde 2009, cuando el National Research Council (NRC) [Consejo Nacional de Investigación]
organizó un taller dedicado al pensamiento computacional, hasta 2014. El
objetivo es responder a la necesidad de mayor claridad sobre cómo integrar el
pensamiento computacional en el contexto K-12, en vista de los resultados
positivos obtenidos en trabajos anteriores.
Los otros dos artículos más
citados están publicados en Computers and Education [Ordenadores y Educación], una revista que ofrece
un espacio para los estudios referentes a los usos pedagógicos de la tecnología
digital.
Denner, Werner y Ortiz han obtenido en SCOPUS n= 151 citas
para el artículo de 2012 titulado “Juegos de ordenador creados por chicas de
secundaria: ¿Pueden utilizarse para evaluar la comprensión de los conceptos
informáticos?”, en el que presentan una estrategia para codificar juegos de estudiantes
creados por chicas de secundaria en una actividad extracurricular (después de
clase). El artículo demuestra que las actividades de codificación pueden servir
de apoyo para el aprendizaje de los conceptos informáticos.
En tercer lugar por orden de
número de citas (n= 100) se halla el artículo titulado “Lenguajes de programación
visual integrados a lo largo del currículo de la escuela elemental: Un estudio
de caso de dos años utilizando Scratch en cinco
escuelas” (Sáez-López., Román-González & Vázquez-Cano, 2016). Sus autores
explican la importancia que tiene poner en práctica lenguajes de programación
como Scratch desde la educación primaria. Los
estudiantes están más motivados, se divierten, se implican, hacen gala de su
entusiasmo y muestran mejoras tanto en el pensamiento computacional como en las
prácticas computacionales. Por esta razón, animan a los docentes a aplicar
dichos conceptos mediante un método transversal en la enseñanza de asignaturas
de primaria.
Finalmente, han sido objeto de
investigación los autores que han trabajado en este número publicando más
documentos en el período 2006-2020. En la Tabla 7, leemos que Gregorio Robles
con n=10 publicaciones es el primer autor y, después, hay autores que han publicado
9, 7 y 6 trabajos. La mayoría de las publicaciones datan de 2012.
Tabla 7.
Autores y documentos publicados
en SCOPUS
|
Autor |
N |
|
Robles, G. |
10 |
|
Manilla, L. |
9 |
|
García-Peñalvo,
F. J. |
7 |
|
Wong, G.K.W. |
7 |
|
Kafai, Y.B. |
6 |
|
Moreno-León, J |
6 |
5. – Conclusiones
El presente trabajo ha
analizado la productividad científica en torno al pensamiento computacional
desde 2006 a 2020 basándose en datos obtenidos de la base de datos SCOPUS. Este
trabajo proporciona una visión global sobre la evolución, que se inició a
partir de 2006, cuando Janette Wing
publicó un artículo, que se reflejará en estudios posteriores: las prácticas
computacionales se ven como activadoras de procesos mentales íntimamente
relacionados con la resolución eficaz de los problemas (Wing,
2008, Brennan & Resnick,
2012; Durak & Sarıtepeci,
2017). Ese mismo año, el Parlamento Europeo y el Consejo de la Unión Europea publicaron
la Recomendación 2006/962/CE del 18/12/2006 en la que definían las competencias
clave para el aprendizaje permanente (a lo largo de toda la vida), necesario
para la realización y el desarrollo personal, la ciudadanía activa, la
inclusión social y el empleo. Entre ellas, la competencia digital es una de las
ocho competencias que se identifican en el documento y que se ponen en
correlación con el pensamiento computacional considerado, antes por J. Wing y después por muchos otros estudiosos, como un atajo
que lleva a pensar como un científico informático, centrándose no sólo en la
utilización segura de la tecnología sino también en la comprensión de sus
conceptos fundamentales (Wing, 2008; Grover & Pea, 2013; Bocconi
et al., 2016).
La investigación tomó como
base estudios similares disponibles en la literatura referentes a temas
relacionados con el pensamiento computacional ligados al mundo de la educación,
las distintas definiciones, así como las herramientas y las estrategias
empleadas, incluida la codificación (Lye & Koh, 2011; Kalelioglu, Gulbahar & Kukul, 2016; Shute et al., 2017).
Se ha prestado atención en
particular al uso de la codificación, ilustrativo de la utilización con fines
didácticos de las herramientas y métodos de programación visual por bloques de
cara a fomentar el desarrollo del pensamiento computacional en los contextos
escolares. Entre los documentos investigados figuran trabajos sobre prácticas
de codificación que se han utilizado o son susceptibles de utilizarse en la educación
y relacionadas con el desarrollo del pensamiento computacional.
La cifra de publicaciones
durante los últimos tres años deja constancia de una destacable productividad,
confirmando así la relevancia y la importancia que se ha dado en años recientes
al pensamiento computacional y al empleo de la codificación en los contextos
escolares. El nivel de producción más elevado se corresponde con Trabajos
presentados en congresos (n= 305) y Artículos (n= 281) que, en total, copan un
86,8% de los documentos, lo que demuestra que son las herramientas que aparecen
en más estudios sobre el tema que nos ocupa. En referencia a los trienios
2014/2016 and 2017/2019, se puede ver que los años más productivos para la
publicación de Trabajos presentados en congresos son 2017 y 2019, mientras que
para los Artículos lo son 2018 and 2019.
Los sectores más interesados
en la difusión de prácticas y conceptos relacionados con el pensamiento
computacional en la escuela son Informática y Ciencias Sociales, responsables
respectivamente de la producción de un 37,8% y un 35,8% del total de las áreas
temáticas que abordan el tema. Los dos países que registran una mayor
productividad son Estados Unidos, con un 43,3%, y España, con un 11,6% del
total; el tercer lugar lo ocupa Italia con un 7,2% —es el segundo país de la
UE, después de España, en términos de sensibilidad hacia estas cuestiones.
En conclusión, la labor
realizada ha proporcionado un marco de referencia acerca de los autores y los
trabajos más citados en relación con el pensamiento computacional y su
aplicación en los contextos educativos a través de la codificación, un
instrumento de mediación didáctica particularmente versátil (Lye & Koh, 2014; Sáez-López,
Román-González & Vázquez-Cano, 2016; Rees et al.,
2016). Consideramos que el presente estudio demuestra la relevancia del
contenido que se presenta, en el entorno escolar, como una herramienta para
promover destrezas y competencias que son transversales a las disciplinas
docentes. Las limitaciones se deben al hecho de que se han analizado datos
hasta febrero de 2020 y no se tienen en cuenta novedades posteriores, y también
a que se refieren exclusivamente a SCOPUS y no se han comparado con otras bases
de datos como WOS. En cualquier caso, este tipo de estudios bibliográficos
pueden resultar de utilidad para quienes desean emprender un estudio acerca del
pensamiento computacional, como punto de partida inicial para el análisis
teórico que subyace a cualquier investigación científica.
References / Referencias
bibliográficas
Aho, A. V. (2012). Computation and
computational thinking. The Computer Journal, 55(7), 832-835. https://doi.org/10.1093/comjnl/bxs074
Angeli, C., Voogt, J., Fluck, A., Webb, M., Cox, M., Malyn-Smith,
J., & Zagami, J. (2016). A K-6 computational
thinking curriculum framework: Implications for teacher knowledge. Journal of Educational Technology &
Society, 19(3), 47-57.
Ariza, T., Granados, M. R., Ramiro, M. T., & Gómez-García, A. (2011a). Una
década de la revista es pañola de orientación y psicopedagogía:
Un análisisbibliométrico de su evolución. Revista
Española De Orientación Y Psicopedagogía, 22(1), 38-57. https://doi.org/10.5944/reop.vol.22.num.1.2011.76
Ávalos, C., Pérez-Escoda, A., & Monge, L. (2019). Lean Startup as a Learning Methodology for Developing Digital
and Research Competencies. Journal of New Approaches in Educational Research, 8(2) 227-242, https://doi.org/10.7821/naer.2019.7.438
Barr, D.,
Harrison, J., & Conery, L. (2011). Computational thinking: A
digital age skill for everyone. Learning
& Leading with Technology, 38(6), 20-23.
Bocconi, S., Chioccariello, A., Dettori,
G., Ferrari, A., & Engelhardt, K. (2016). Developing Computational Thinking in Compulsory Education-Implications
for Policy and Practice,Sevilla: Joint Research Centre. http://doi.
org/10.2791/792158.
Bracho, R., Jiménez-Fanjul, N., Maz-Machado, A.,
Torralbo-Rodríguez, M., & Fernández-Cano, A.
(2014). Produccióncientíficasobre narrativa en educaciónmatemática en la web of science.
Bolema: Boletim
De EducaciónMatemática, 28(49), 744-761. https://doi.org/10.1590/1980-4415v28n49a14
Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development of
computational thinking. Paper presented at theProceedings
of the 2012 Annual Meeting of the American Educational Research Association, Vancouver,
Canada,1-25.
Burkle, M., & Cobo, C. (2018). Redefining
Knowledge in the Digital Age. Journal of New Approaches in
Educational Research, 7(2), 79-80. http://dx.doi.org/10.7821/naer.2018.7.294
Caballero-Gonzalez, Y., Muñoz-Repiso, A. G.,
& García-Holgado, A. (2019). Learning computational thinking and social skills development
in young children through problem solving with educational robotics. Paper presented at the Proceedings of the
Seventh International Conference on Technological Ecosystems for Enhancing Multiculturality, 19-23. https://doi.org/10.1145/3362789.3362874
Calao, L. A., Moreno-León, J., Correa, H. E., & Robles, G. (2015). Developing mathematical thinking
with scratch. Design for teaching and learning in a networked world, 17-27)
Springer. Cham. https://doi.org/10.1007/978-3-319-24258-3_2
Denner, J., Werner, L., & Ortiz, E.
(2012). Computer
games created by middle school girls: Can they be used to measure understanding
of computer science concepts?. Computers & Education,58(1), 240-249. https://doi.org/10.1016/j.compedu.2011.08.006
Durak, H. Y., & Saritepeci,
M. (2018). Analysis of the relation between computational thinking skills and
various variables with the structural equation model. Computers & Education, 116, 191-202.
https://doi.org/10.1016/j.compedu.2017.09.004
García-Peñalvo, F. J., & Mendes, A. J. (2018). Exploring the
Computational Thinking Effects in Pre-University Education, Computers in
Human Behavior 80, 407-411. https://doi.org/10.1016/j.chb.2017.12.005
Gómez, I. A., Vázquez-Cano, E., & López-Meneses, E. (2016). El
impacto bibliométrico del movimiento MOOC en la comunidadcientíficaespañola. Educación XX1,19(2), 77-103. https://doi.org/10.5944/educXX1.13217
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%2F0013189X12463051
Infante-Moro, A., Infante-Moro, J., & Gallardo-Pérez, J. (2019). The Importance of ICTs for
Students as a Competence for their Future Professional Performance: the Case of
the Faculty of Business Studies and Tourism of the University of Huelva. Journal
of New Approaches in Educational Research, 8(2), 201-213. http://dx.doi.org/10.7821/naer.2019.7.434
Kafai, Y. B., & Burke, Q. (2015). Constructionist gaming: Understanding the benefits
of making games for learning. Educational Psychologist,50(4),
313-334. https://doi.org/10.1080/00461520.2015.1124022
Kafai, Y. B., Lee, E., Searle, K.,
Fields, D., Kaplan, E., & Lui, D. (2014). A crafts-oriented approach to computing in high
school: Introducing computational concepts, practices, and perspectives with
electronic textiles. ACM Transactions on Computing Education (TOCE),14(1), 1-20. https://doi.org/10.1145/2576874
Kalelioglu, F., Gulbahar, Y., & Kukul,
V. (2016). A framework for computational
thinking based on a systematic research review. Baltic Journal of Modern
Computing,4(3), 583.
Lockwood, J., & Mooney, A.
(2017).
Computational thinking in education: Where does it fit? A
systematic literary review. ArXiv
Preprint arXiv:1703.07659, (under review).
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, 51-61. https://doi.org/10.1016/j.chb.2014.09.012
Mannila, L., Dagiene, V., Demo,
B., Grgurina, N., Mirolo,
C., Rolandsson, L., & Settle, A. (2014). Computational thinking in K-9 education. Paper presented at
the Proceedings of the Working Group Reports of the 2014 on Innovation &
Technology in Computer Science Education Conference, 1-29. https://doi.org/10.1145/2713609.2713610
Mengual-Andrés, S., Vázquez-Cano, E., & Meneses, E. L. (2017). La
productividad científica sobre MOOC: Aproximación bibliométrica
2012-2016 a través de SCOPUS. RIED. RevistaIberoamericana De Educación a Distancia,20(1), 39-58. http://dx.doi.org/10.5944/ried.20.1.16662
Miller, J. (2019). STEM education in the primary
years to support mathematical thinking: Using coding to identify mathematical
structures and patterns. Zdm,51(6), 915-927. https://doi.org/10.1007/s11858-019-01096-y
Papavlasopoulou, S., Giannakos, M. N., & Jaccheri, L. (2017). Empirical
studies on the maker movement, a promising approach to learning: A literature
review. Entertainment Computing,18, 57-78. https://doi.org/10.1016/j.entcom.2016.09.002
Peritz, B., & Bar-Ilan, J. (2002). The
sources used by bibliometrics-scientometrics as
reflected in references. Scientometrics, 54(2),
269-284.
Pugnali, A., Sullivan, A., & Bers, M. U. (2017). The impact of user interface on young children's computational
thinking. Journal of Information
Technology Education: Innovations in Practice, 16, 171-193. Informing Science Institute. Retrieved from https://www.learntechlib.org/p/180753/
Recommendation of the Eurepean
Parliament and of the council of 18 December 2006 on key competences for
lifelong learning (2006, 18 December) Retrieved from https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A32006H0962
Rees, A., García-Peñalvo, F. J., Jormanainen, I., Tuul, M., & Reimann, D. (2016). An overview of the most relevant literature on
coding and computational thinking with emphasis on the relevant issues for
teachers.
Reinking, A., & Martin, B. (2018). The gender gap in STEM fields: Theories, movements, and ideas to engage
girls in STEM. Journal of New Approaches in Educational Research, 7(2), 148-153. https://doi.org/10.7821/naer.2018.7.271
Resnick, M. (2013). Learn to code,
code to learn. EdSurge, May.
Rodríguez-García, A.-M., Cáceres Reche, M. P.,
& Alonso García, S. (2018). The digital competence of the future teacher: bibliometric
analysis of scientific productivity indexed in Scopus. IJERI: International
Journal of Educational Research and Innovation, (10), 317-333. Retrieved
from https://www.upo.es/revistas/index.php/IJERI/article/view/2960
Sáez-López, J., Román-González, M., &Vázquez-Cano, E. (2016). Visual programming languages integrated across the
curriculum in elementary school: A two year case study using “Scratch” in five
schools. Computers & Education, 97, 129-141. https://doi.org/10.1016/j.compedu.2016.03.003
Salcines-Talledo, I., González-Fernández, N., & Briones, E. (2020). The Smartphone
as a Pedagogic Tool. Student Profiles as related to its Use and Knowledge. Journal of New
Approaches in Educational Research, 9(1), 91-109. http://dx.doi.org/10.7821/naer.2020.1.454
Sengupta, P., Dickes,
A., & Farris, A. (2018). Toward a phenomenology of computational thinking in STEM education.
arXiv Preprint
arXiv:1801.09258, In M. S. Khine (Ed.),
Computational Thinking in STEM: Foundations and Research Highlights. Springer, Cham. https://doi.org/10.1007/978-3-319-93566-9_4
Sentance, S., & Csizmadia,
A. (2017). Computing in the curriculum: Challenges and strategies from a
teacher’s perspective. Education
and Information Technologies, 22(2), 469-495. https://doi.org/10.1007/s10639-016-9482-0
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. (2018). Assessing computational thinking: A systematic review of the
literature. Paper presented at the Poster Presented at the 2018
Annual Meeting of the American Educational Research Association (AERA), New York.
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: Mathematical, Physical and Engineering
Sciences, 366(1881), 3717-3725. https://doi.org/10.1098/rsta.2008.0118
Yadav, A., Hong, H., & Stephenson,
C. (2016).
Computational thinking for all: Pedagogical approaches to embedding 21st century
problem solving in K-12 classrooms. TechTrends,60(6),
565-568. https://doi.org/10.1007/s11528-016-0087-7
Yadav, A., Krist,
C., Good, J., & Caeli, E. N. (2018). Computational thinking in elementary classrooms:
Measuring teacher understanding of computational ideas for teaching science. Computer Science Education, 28(4),
371-400. https://doi.org/10.1080/08993408.2018.1560550
Zhang, L., & Nouri, J. (2019). A systematic review of learning computational thinking through
scratch in K-9. Computers & Education, 141, 103607. https://doi.org/10.1016/j.compedu.2019.103607