Modelos mentales y algoritmos de programación en estudiantes de media técnica en informática

Autores/as

DOI:

https://doi.org/10.35575/rvucn.n69a5

Palabras clave:

Algoritmo, Estudiantes, Modelos mentales, Programación informática, Resolución de problemas, Visualización

Resumen

El presente artículo analiza la asociación entre la tipología de estructuras algorítmicas de programación y los modelos mentales construidos para su resolución. El estudio se inscribe en el paradigma cuantitativo con un diseño cuasi-experimental, y contó con la participación de 95 estudiantes de grado undécimo de media técnica en informática. La metodología implicó evaluar los procesos desarrollados por los estudiantes, a través de los modelos obtenidos en una prueba de resolución de problemas algorítmicos; los resultados fueron sometidos a un análisis descriptivo, con el fin de establecer diferencias estadísticamente significativas entre los niveles de consistencia de los modelos asociados al proceso de resolución y a los tipos de estructuras. Lo anterior, analizado en razón a la verosimilitud Chi-cuadrado, complementado con la magnitud del efecto V de Cramér; también, se aplicó la prueba de Dwass-Steel-Critchlow-Fligner (DSCF), para realizar comparaciones entre las estructuras. Los resultados indicaron modelos más consistentes en la estructura secuencial, en contraste con los modelos inconsistentes y ambiguos predominantes en las estructuras condicionales, cíclicas y anidadas. Las principales conclusiones exponen una relación significativa entre los modelos mentales y la tipología de las estructuras algorítmicas de programación, evidenciando la necesidad de enfocar las estrategias didácticas en la resolución de problemas.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Aggarwal, A., Touretsky, D., & Gardner-McCune, C. (2018). Demonstrating the Ability of Elementary School Students to Reason About Programs [Demostración de la capacidad de los estudiantes de primaria para razonar sobre los programas] [Sesión de conferencia]. https://www.cs.cmu.edu/~dst/pubs/Aggarwal-SIGCSE-2018.pdf

Altadmri, A., & Brown, N. C. (2015). 37 Million Compilations: Investigating Novice Programming Mistakes in Large-Scale Student Data [37 millones de compilaciones: Investigación de errores de programación de novatos en datos de estudiantes a gran escala]. SIGCSE '15: The 46th SIGCSE technical symposium on computer science education. https://doi.org/10.1145/2676723.2677258

Álvarez, V., Torres, T., Gangoso, Z., & Sanjosé, V. (2020). A Cognitive Model to Analyse Physics and Chemistry Problem-Solving Skills: Mental Representations Implied in Solving Actions [Un modelo cognitivo para analizar las habilidades de resolución de problemas de física y química: representaciones mentales implícitas en la resolución de acciones]. Journal of Baltic Science Education, 19(5), 730-746. https://doi.org/10.33225/jbse/20.19.730

Alzahrani, N., Vahid, F., & Edgcomb, A. D. (2019). Manual Analysis of Homework Coding Errors for Improved Teaching and Help [Análisis del manual de errores de codificación de tareas para mejorar la enseñanza y la ayuda] [Sesión de conferencia]. ASEE Annual Conference & Exposition. Tampa, Florida. https://doi.org/10.18260/1-2--33083

Andrzejewska, M., & Skawińska, A. (2020). Examining Students’ Intrinsic Cognitive Load During Program Comprehension – An Eye Tracking Approach [Examen de la carga cognitiva intrínseca de los estudiantes durante la comprensión del programa: un enfoque de seguimiento ocular]. In I. Bittencourt, M. Cukurova, K. Muldner, R. Luckin & E. Millán (Eds.), Artificial Intelligence in Education. Lecture Notes in Computer Science (pp. 25-30). Springer. https://doi.org/10.1007/978-3-030-52240-7_5

Barland, I., Felleisen, M., Fisler, K., Kolaitis, P., & Vardi, M. (2009). Integrating Logic into the Computer Science Curriculum [Integración de la lógica en el plan de estudios de ciencias de la computación]. http://www.cs.utexas.edu/users/csed/formal-methods/docs/iticse-fislervardi.pdf

Bayman, P., & Mayer, R. (1983). A diagnosis of beginning programmers' misconceptions of BASIC programming statements [Un diagnóstico de los conceptos erróneos de los programadores principiantes sobre las sentencias de programación BASIC]. Communications of the ACM, 26(9), 677-679. http://dx.doi.org/10.1145/358172.358408

Bubica, N., & Boljat, I. (2015). Programming novices'mental models [Programación de modelos mentales de principiantes] [Sesión de conferencia]. 7th International Conference on Education and New Learning Technologies, Barcelona, Spain. https://doi.org/10.13140/RG.2.1.3773.2960

Burkholder, E., Price, A., Flynn, M., & Wieman. C. (2020). Assessing problem-solving in science and engineering programs [Evaluación de la resolución de problemas en programas de ciencia e ingeniería]. In C. Wolf & Bennett (Eds.), 2019 PERC Proceedings (pp. 75-80). American Association of Physics Teachers https://doi.org/10.1119/perc.2019.pr.burkholder

Cairó, O. (2005). Metodología de la Programación. Alfaomega Grupo Editor, S.A.

Chalpartar Nasner, L. T. M., Fernández Guzmán, A. M., Betancourth Zambrano, S., & Gómez Delgado, Y. A. (2022, mayo-agosto). Deserción en la población estudiantil universitaria durante la pandemia, una mirada cualitativa. Revista Virtual Universidad Católica Del Norte, (66), 37-62. https://doi.org/10.35575/rvucn.n66a3

Chang, Y.-H., Yan, Y.-C., & Lu, Y.-T. (2022). Effects of Combining Different Collaborative Learning Strategies with Problem-Based Learning in a Flipped Classroom on Program Language Learning [Efectos de la combinación de diferentes estrategias de aprendizaje colaborativo con el aprendizaje basado en problemas en un aula invertida en el aprendizaje del lenguaje de programación]. Sustainability, 14(9), Article 5282. https://doi.org/10.3390/su14095282

Chaves Torres, A. (2017). Aprenda a diseñar algoritmos. Universidad Nacional Abierta y a Distancia. https://doi.org/10.22490/9789586516228

Cheah, C. S. (2020). Factors contributing to the difficulties in teaching and learning of computer programming: A literature review [Factores que contribuyen a las dificultades en la enseñanza y el aprendizaje de la programación informática: Una revisión de la literatura]. Contemporary Educational Technology, 12(2), Article ep272. https://doi.org/10.30935/cedtech/8247

Cherenkova, Y., Zingaro, D., & Petersen, A. (2014). Identifying challenging CS1 concepts in a large problem dataset [Identificación de conceptos difíciles de CS1 en un gran conjunto de datos de problemas]. In Proceedings of the 45thACM technical symposium on computer science education (pp. 695-700). https://doi.org/10.1145/2538862.2538966

Congreso de la República de Colombia. (1994, 8 de febrero). Ley 115, Ley General de Educación. https://www.mineducacion.gov.co/1621/articles-85906_archivo_pdf.pdf

Congreso de la República de Colombia. (2002, 19 de julio). Ley 749, por la cual se organiza el servicio público de la educación superior en las modalidades de formación técnica profesional y tecnológica, y se dictan otras disposiciones. https://www.mineducacion.gov.co/1621/articles-86432_Archivo_pdf.pdf

Derman, A., Koçak, N., & Eilks, I. (2019). Insights into Components of Prospective Science. Teachers’ Mental Models and Their Preferred Visual Representations of Atoms [Perspectivas sobre los componentes de la ciencia prospectiva. Modelos mentales de los profesores y sus representaciones visuales preferidas de los átomos]. Education Sciences, 9(2), Article 154. https://doi.org/10.3390/educsci9020154

Desoete, A., Roeyers, H., & De Clercq, A. (2003). Can offline metacognition enhance mathematical problem solving? [¿Puede la metacognición fuera de línea mejorar la resolución de problemas matemáticos?]. Journal of Educational Psychology, 95(1), 188-200. https://doi.org/10.1037/0022-0663.95.1.188

Díaz, D., Velásquez Sánchez, M. I., Rincón Barreto, D. M., Blanco Belén, O. A., & Correa López, R. A. (2022, enero-abril). Relación entre rasgos de personalidad, toma de decisiones y la permanencia académica. Revista Virtual Universidad Católica Del Norte, (65), 263-283. https://doi.org/10.35575/rvucn.n65a10

Dominguez-Lara, S. A. (2017, marzo-abril). Magnitud del efecto en comparaciones entre 2 o más grupos. Revista de Calidad Asistencial, 32(2), 121-122. https://doi.org/10.1016/j.cali.2016.04.002

Dominguez-Lara, S. A. (2018, julio-agosto). Magnitud del efecto, una guía rápida. Educación Médica, 19(4), 251-254. https://doi.org/10.1016/j.edumed.2017.07.002

Enes da Silveira, P., & Gomes, R. (2019). How to achieve better performance in teaching computer programming: Cases of iterative and recursive programming [Cómo lograr un mejor desempeño en la enseñanza de la programación de computadoras: Casos de programación iterativa y recursiva]. AIP Conference Proceedings, 2116(1), Article 410003. https://doi.org/10.1063/1.5114427

Fujiwara, K., Fushida, K., Tamada, H., Igaki, H., & Yoshida, N. (2012). Why Novice Programmers Fall into a Pitfall?: Coding Pattern Analysis in Programming Exercise [¿Por qué los programadores novatos caen en una trampa?: Análisis de patrones de codificación en el ejercicio de programación] [Sesión de conferencia]. Proceedings of the 2012 Fourth International Workshop on Empirical Software Engineering in Practice, Massachusetts Ave., NW Washington, DC, United States. https://doi.org/10.1109/IWESEP.2012.13

George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference. 11.0 update [SPSS para Windows paso a paso: una guía y referencia sencillas. Actualización 11.0] (4a Ed.). Allyn & Bacon.

Goldson, D., Reeves, S., & Bornat, R. (1993). A review of several programs for the teaching of logic [Una revisión de varios programas para la enseñanza de la lógica.]. The Computer Journal, 36(4), 373–386. https://doi.org/10.1093/comjnl/36.4.373

Goltermann, R., & Höppner, F. (2017). Internalizing a Viable Mental Model of Program Execution in First Year Programming Courses [Internalización de un modelo mental viable de ejecución de programas en cursos de programación de primer año]. Revista Brasileira de Psiquiatria. http://ceur-ws.org/Vol-2015/ABP2017_paper_05.pdf

Hernández, M. (2010). Diseño estructurado de algoritmos, diagramas de flujos y pseudocódigos. Universidad de Teuxtepe.

Inhelder, B., & Piaget, J. (1973). De la lógica del niño a la lógica del adolescente. Paidós.

Insuasti, J. (2016). Problemas de enseñanza y aprendizaje de los fundamentos de programación. Revista Educación y Desarrollo Social, 10(2), 234-246. https://doi.org/10/18359/reds.170

Izu, C., Schulte, C., Aggarwal, A., Cutts, Q., Duran, R., Gutica, M., Heinemann, B., Kraemer, E., Lonati, V., Mirolo, C., & Weeda, R. (2019). Fostering program comprehension in novice programmers - learning activities and learning trajectories [Fomento de la comprensión del programa en programadores novatos: actividades de aprendizaje y trayectorias de aprendizaje] [Sesión de conferencia]. Proceedings of the 2019 ACM Conference on Innovation and Technology in Computer Science Education (ITiCSE ’19), Aberdeen, Scotland. https://doi.org/10.1145/3344429.3372501

Johnson-Laird, P. (1983). Mental models: Towards a cognitive science of language, inference, and consciousness [Modelos mentales: hacia una ciencia cognitiva del lenguaje, la inferencia y la conciencia]. Harvard University Press.

Johnson-Laird, P. (2010). Mental models and human reasoning [Modelos mentales y razonamiento humano]. Proceedings of the National Academy of Sciences, 107(43), 18243-18250. https://doi.org/10.1073/pnas.1012933107

Johnson-Laird, P., Byrne, R. M., & Schaeken, W. (1992). Propositional reasoning by model. Psychological Review, 99(3), 418-439. https://doi.org/10.1037/0033-295X.99.3.418

Joyanes Aguilar, L. (2008). Fundamentos de programación: Algoritmos, estructura de datos y objetos. McGraw-Hill.

Katz, M. H. (2006). Multivariable analysis [Análisis multivariable] (2a ed.). Cambridge University Press.

Khemlani, S., Mackiewicz, R., Bucciarelli, M., & Johnson-Laird, P. (2013). Kinematic mental simulations in abduction and deduction [Simulaciones mentales cinemáticas en abducción y deducción]. Proceedings of the National Academy of Sciences, 110(42), 16766-16771. https://doi.org/10.1073/pnas.1316275110

Khemlani, S., & Johnson-Laird, P. (2017). Illusions in Reasoning [Ilusiones en el razonamiento]. Minds & Machines, 27, 11-35. https://doi.org/10.1007/s11023-017-9421

Khemlani, S., & Johnson-Laird, P. (2022). Reasoning About Properties: A Computational Theory [Razonamiento sobre propiedades: una teoría computacional]. Psychological Review, 129(2), 289-312. https://doi.org/10.1037/rev0000240

Kirçali, A.Ç., & Özdener, N. (2022). Comparison of Plugged and Unplugged Tools in Teaching Algorithms at the K-12 Level for Computational Thinking Skills [Comparación de herramientas conectadas y desconectadas en la enseñanza de algoritmos en el nivel K-12 para habilidades de pensamiento computacional]. Technology, Knowledge and Learning. https://doi.org/10.1007/s10758-021-09585-4

Kwon, K. (2017). Novice programmer´s misconception of programming reflected on problem-solving plans [El concepto erróneo del programador novato sobre la programación reflejado en los planes de resolución de problemas]. International Journal of Computer Science Education in Schools, 1(4), 14-24. https://doi.org/10.21585/ijcses.v1i4.19

Liénardy, S., Donnet, B., & Leduc, L. (2021). Promoting Engagement in a CS1 Course with Assessment for Learning [Promoción de la participación en un curso CS1 con evaluación para el aprendizaje]. Student Success, 12(1), 102-111. https://doi.org/10.5204/ssj.1668

Lonati, V., & Morpurgo, A. (2021). Fostering Strategic Knowledge and Program Comprehension Skills in Students Struggling with CS1 [Fomentar el conocimiento estratégico y las habilidades de comprensión del programa en estudiantes que luchan con CS1] [Sesión de conferencia]. SIGCSE ‘21: The 52nd ACM Technical Symposium on Computer Science Education, United States. https://doi.org/10.1145/3408877.3439632

Ma, N., Qian, J., & Gong, K. (2023). Promoting programming education of novice programmers in elementary schools: A contrasting cases approach for learning programming [Fomento de la enseñanza de la programación a programadores novatos en la escuela primaria: Un enfoque de casos contrastados para el aprendizaje de la programación]. Education and Information Technologies. https://doi.org/10.1007/s10639-022-11565-9

Muñoz-Campos, V., Franco-Mariscal, A. J., & Blanco-Lopez, A. (2018). Modelos mentales de estudiantes de educación secundaria sobre la transformación de la leche en yogur. Revista Eureka sobre Enseñanza y Divulgación de las Ciencias, 15(2), Artículo 2106. http://dx.doi.org/10.25267/Rev_Eureka_ensen_divulg_cienc.2018.v15.i2.21067

Oviedo, E. (2005). Lógica de Programación. Ecoe Ediciones.

Peel, A., Sadler, T. D., & Friedrichsen, P. (2022). Algorithmic Explanations: an Unplugged Instructional Approach to Integrate Science and Computational Thinking [Explicaciones algorítmicas: un enfoque didáctico para integrar la ciencia y el pensamiento computacional]. Journal of Science Education and Technology, 31(4), 428-441. https://doi.org/10.1007/s10956-022-09965-0

Polya, G. (2004). How to solve it: a new aspect of mathematical method [Cómo resolverlo: un nuevo aspecto del método matemático]. Princeton University Press.

Praisri, A., & Faikhamta, C. (2020). Enhancing Students’ Mental Models of Chemical. Equilibrium Through Argumentation within Model-based Learning [Mejorar los modelos mentales de los estudiantes de química. Equilibrio a través de la argumentación dentro Aprendizaje basado en modelos]. International Journal of Learning, Teaching and Educational Research, 19(7), 121-142. https://doi.org/10.26803/ijlter.19.7.7

Prayekti, N., Nusantara, T., Sudirman, Susanto, H., & Rofiki, I. (2020). Students’ mental models in mathematics problem-solving [Modelos mentales de los estudiantes en la resolución de problemas matemáticos]. Journal of Critical Reviews, 7(12), 468-470. https://dx.doi .org/10.31838/jcr.07.12.83

Rapp, D. N. (2005). Mental Models: Theoretical Issues for Visualizations in Science Education [Modelos mentales: aspectos teóricos de las visualizaciones en la enseñanza de las ciencias]. In J. K. Gilbert (Ed.), Models and Modeling in Science Education (Vol. 1 pp. 43-60). Springer. https://doi.org/10.1007/1-4020-3613-2_4

Sambe, G., Dramé, K., & Basse, A. (2021). Towards a Framework to Scaffold Problem-solving Skills in Learning Computer Programming [Hacia un marco de andamiaje para las habilidades de resolución de problemas en el aprendizaje de la programación informática]. Proceedings of the 13th International Conference on Computer Supported Education, 1, 323-330. https://doi.org/10.5220/0010446503230330

Saxena, A., Lo, C. K., Hew, K. F., & Wong, G. K. W. (2020). Designing unplugged and plugged activities to cultivate computational thinking: An exploratory study in early childhood education [Diseño de actividades conectadas y desconectadas para cultivar el pensamiento computacional: Un estudio exploratorio en educación infantil]. Asia-Pacific Education Researcher, 29(1), 55-66. https://doi.org/10.1007/s40299-019-00478-w

Scapin, E., & Mirolo, C. (2020). An Exploratory Study of Students' Mastery of Iteration in the High School [Un estudio exploratorio sobre el dominio de la iteración por parte de los estudiantes en la escuela secundaria] [Sesión de conferencia]. Proceedings of the International Conference on Informatics in School: Situation, Evaluation and Perspectives. Tallinn, Estonia. https://ceur-ws.org/Vol-2755/paper4.pdf

Slapničar, M., Tompa, V., Glažar, S. A., & Devetak, I. (2018). Fourteen-year-old students’ misconceptions regarding the sub-micro and symbolic levels of specific chemical concepts [Conceptos erróneos de estudiantes de catorce años sobre los niveles submicro y simbólico de conceptos químicos específicos]. Journal of Baltic Science Education, 17(4), 620-632. https://doi.org/10.33225/JBSE/18.17.620

Solomon, D. H., Finkelstein, J. S., Polinski, J. M., Arnold, M., Licari, A., Cabral, D., Canning, C., Avorn, J., & Katz, J. N. (2006). A randomized controlled trial of mailed osteoporosis education to older adults [Un ensayo controlado aleatorizado de educación sobre osteoporosis enviada por correo a adultos mayores]. Osteoporosis International, 17(5), 760-767. https://doi.org/10.1007/s00198-005-0049-y

Spangsberg, T., Fincher, S., & Dziallas, S. (2018). Non-Traditional Novices’ Perceptions of Learning to Program: A Framework of Developing Mental Models [Percepciones de los novatos no tradicionales sobre el aprendizaje de la programación: un marco para el desarrollo de modelos mentales] [Sesión de conferencia]. Conference: 2018 IEEE Frontiers in Education Conference (FIE), San José, Estados Unidos. https://doi.org/10.1109/FIE.2018.8659301

Sukirman, Dias Aziz, P., Aziz, A., & Utaminingsih. (2022). Block-Based Visual Programming as a Tool for Learning the Concepts of Programming for Novices [La programación visual basada en bloques como herramienta para el aprendizaje de los conceptos de programación para novatos]. International Journal of Information and Education Technology, 12(5), 365-371. https://doi:10.18178/ijiet.2022.12.5.1628

Supriyadi, M., Waremra, R. S., Hidayati, R. N., Masyur, J., Novia, M., & Kusrini, M. (2018). Students’ Mental-Modeling Ability (MMA) in Concept Understanding of Vector [Capacidad de modelado mental (MMA) de los estudiantes en la comprensión conceptual del vector]. Proceedings of the 1st International Conference on Social Sciences (ICSS 2018), 1435-1438. https://doi.org/10.2991/icss-18.2018.302

Swidan, A., Hermans, F., & Marileen, S. (2018). Programming Misconceptions for School Students [Sesión de conferencia]. ICER '18: Proceedings of the 2018 ACM Conference on International Computing Education Research. https://doi.org/10.1145/3230977.3230995

Teichert, M., Tien, L., Dysleski, L., & Rickey, D. (2017). Thinking Processes Associated with Undergraduate Chemistry Students’ Success at Applying a Molecular-Level Model in a New Context [Procesos de pensamiento asociados con el éxito de los estudiantes de química de pregrado en la aplicación de un modelo de nivel molecular en un nuevo contexto]. Journal of Chemical Education, 94(9), 1195-1208. https://doi.org/10.1021/acs.jchemed.6b00762

Tomczak, M., & Tomczak, E. (2014). The need to report effect size estimates revisited. An overview of some recommended measures of effect size [Revisión de la necesidad de informar las estimaciones del tamaño del efecto. Una descripción general de algunas medidas recomendadas del tamaño del efecto]. Trends in Sport Sciences, 1(21), 19-25.

https://www.researchgate.net/publication/303919832_The_need_to_report_effect_size_estimates_revisited_An_overview_of_some_recommended_measures_of_effect_size

Twigg, S. Lynne, B., & Emil, W. (2019). Using children's literature to introduce computing principles and concepts in primary schools: work in progress [Utilización de la literatura infantil para introducir principios y conceptos informáticos en la escuela primaria: trabajo en curso]. Proceedings of the 14th Workshop in Primary and Secondary Computing Education. https://doi.org/10.1145/3361721.3362116

University of Cambridge. (2021). Rules of thumb on magnitudes of effect sizes [Reglas generales sobre las magnitudes de los tamaños del efecto]. https://imaging.mrc-cbu.cam.ac.uk/statswiki/FAQ/effectSize

Vrachnos, E., & Jimoyiannis, A. (2017). Secondary education students’ difficulties in algorithmic problems with arrays: An analysis using the SOLO taxonomy [Dificultades de estudiantes de educación secundaria en problemas algorítmicos con arreglos: un análisis utilizando la taxonomía SOLO]. Themes in Science & Technology Education, 10(1), 31-52. https://api.semanticscholar.org/CorpusID:59463886

Weng, C., Matere, I.M., Hsia, C.-H., Wang, M.-Y., & Weng, A. (2022). Effects of LEGO robotic on freshmen students' computational thinking and programming learning attitudes in Taiwan [Efectos de la robótica LEGO en el pensamiento computacional y las actitudes de aprendizaje de la programación de los estudiantes de primer año en Taiwán]. Library Hi Tech, 40(4), 947-962. https://doi.org/10.1108/LHT-01-2021-0027

Zúñiga, R., Hurtado, J., & Paderewsky, P. (2016). Discovering the mechanisms of abstraction in the performance of work teams in children to solve computational problems [Descubriendo los mecanismos de abstracción en el desempeño de equipos de trabajo en niños para resolver problemas computacionales]. Sistemas & Telemática, 14(36), 69-87. https://www.redalyc.org/articulo.oa?id=411545767002

Publicado

2023-05-09

Cómo citar

Cifuentes Osorio, Y. E., Torres Pardo, I. D., & González Gil, M. (2023). Modelos mentales y algoritmos de programación en estudiantes de media técnica en informática. Revista Virtual Universidad Católica Del Norte, (69), 98–134. https://doi.org/10.35575/rvucn.n69a5

Número

Sección

Artículos de Investigación