Content uploaded by Marcos Román-González
Author content
All content in this area was uploaded by Marcos Román-González on Jan 31, 2016
Content may be subject to copyright.
Octubre 14-16, 2015, Madrid, ESPAÑA
III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
Test de Pensamiento Computacional: diseño y psicometría general
Computational Thinking Test: design & general psychometry
Marcos Román-Gonzalez1, Juan Carlos Pérez-González 2, Carmen Jiménez-Fernández 1
mroman@edu.uned.es, jcperez@edu.uned.es, mjimenez@edu.uned.es
1Departamento MIDE I
2Departamento MIDE II
UNED
UNED
Madrid, España
Madrid, España
Resumen- El pensamiento computacional (PC) se viene situando en
el foco de la innovación educativa como un conjunto de habilidades
de solución de problemas que debe ser adquirido por las nuevas
generaciones de estudiantes. Sin embargo, no existe aún consenso
internacional sobre cómo definir el PC, ni tampoco una idea clara
sobre cómo incorporarlo a los sistemas educativos en sus distintas
etapas. Igualmente, hay un enorme vacío sobre cómo medir y evaluar
el PC. En respuesta, presentamos el diseño de un Test de
Pensamiento Computacional dirigido a estudiantes españoles de entre
12 y 13 años (1º y 2º ESO): describimos los principios bajo los cuales
ha sido construido el test, así como su comportamiento psicométrico
general a partir de una aplicación del mismo sobre una muestra de
400 sujetos. Finalmente, se discuten posibles usos y limitaciones de
nuestro test, y sus posibles concurrencias con otras pruebas
internacionales de evaluación del pensamiento computacional.
Palabras clave: pensamiento computacional, test de pensamiento
computacional, codigoalfabetización, educación en ciencias de la
computación.
Abstract- Computational thinking (CT) is being located as focus of
educational innovation as a set of problem solving skills to be
acquired by new generations of students. However, we still lack
international consensus on a definition of CT, nor a clear idea of how
to incorporate CT to our education systems at various levels.
Similarly, there is a striking gap about how to measure and assess
CT. In reply, this paper presents the design of a Computational
Thinking Test aimed at Spanish students between 12 and 13 years old
(grades K-7 & K-8): we describe the guidelines on which our test has
been built and its general psychometric properties from an
application on a sample of 400 subjects. Finally, possible uses and
limitations of the test and possible concurrency of the same with
other international evidence on computational thinking assessment
are discussed.
Keywords: computational thinking, computational thinking test,
code literacy, computer science education.
1. INTRODUCCIÓN
Vivimos inmersos en un ecosistema digital lleno de objetos
programables controlados por software (Manovich, 2013). En
este contexto, ser capaz de manejar el lenguaje de las
computadoras emerge como una habilidad indispensable, un
nuevo alfabetismo que nos permite participar de manera plena
y efectiva en la realidad digital que nos rodea: se trata de
‘programar o ser programado’ (Rushkoff, 2010); de ser ‘app
capacitado o app dependiente’ (Gardner, 2014). El término
‘codigoalfabetización’ (del inglés ‘code-literacy’) ha sido
acuñado recientemente para referirse al proceso de enseñanza-
aprendizaje de la lectoescritura con los lenguajes informáticos
de programación (Román, 2014). Así, se considera que una
persona está codigoalfabetizada cuando es capaz de leer y
escribir en el lenguaje de los ordenadores y otras máquinas, y
de pensar computacionalmente (Belshaw, 2013). Si la
codigoalfabetización alude en última instancia a una nueva
práctica de lectoescritura, el pensamiento computacional (PC)
se refiere al proceso cognitivo subyacente de resolución de
problemas que le da soporte.
En este nueva realidad invadida por lo digital, no es
sorprendente que haya un renovado interés en muchos países
por introducir el PC como un conjunto de habilidades de
solución de problemas que debe ser adquirido por la nueva
generación de estudiantes; aún más, el PC se está empezando a
considerar como un elemento central de todas las disciplinas
STEM: acrónimo de ‘science, technology, engineering &
mathematics’, es decir ‘ciencia, tecnología, ingeniería y
matemáticas’ (Henderson, Cortina & Wing, 2007). Aunque
aprender a pensar computacionalmente viene siendo
reconocido como relevante desde hace largo tiempo (Papert,
1980), en la medida que la programación y la computación se
han convertido en omnipresentes, acciones que sustentan la
comunicación, la ciencia, la cultura y los negocios en nuestra
sociedad digital (Howland & Good, 2015); el PC es
progresivamente visto como una habilidad esencial que nos
posibilita crear, en vez de sólo consumir, tecnología (Resnick
et al., 2009).
Así, numerosos gobiernos alrededor del mundo están
incorporando la programación informática en sus currículos
educativos nacionales. Desde la propia Comisión Europea se
están promoviendo acciones en esa misma línea para asegurar
la competitividad de las futuras economías de la Unión; y, de
hecho, 9 países europeos ya han incluido el ‘coding’ en sus
centros educativos en menor o mayor medida: Bulgaria,
Chipre, Dinamarca, Estonia, Grecia, Irlanda, Polonia, Portugal
y Reino Unido (European Schoolnet, 2014). La reciente
decisión de introducir las Ciencias de la Computación
(‘Computer Science’) como materia troncal en todas las etapas
obligatorias del sistema educativo de Reino Unido, es el
reflejo más paradigmático del reconocimiento creciente de la
importancia del PC en la formación de las nuevas cohortes de
trabajadores y ciudadanos europeos (Brown et al., 2013).
Octubre 14-16, 2015, Madrid, ESPAÑA
III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
Sin embargo, todavía hay poco consenso sobre una
definición formal del PC, y discrepancias sobre cómo debería
ser integrado en los currículos educativos (Gouws, Bradshaw
& Wentworth, 2013a). Hace casi diez años, en 2006, Jeanette
Wing publicó el artículo fundacional de la disciplina, en el que
se definía que el PC “implica la resolución de problemas, el
diseño de sistemas, y la comprensión de la conducta humana,
haciendo uso de los conceptos fundamentales de la
informática” (Wing, 2006, p. 33). La esencia del PC es pensar
como un científico de la computación cuando uno se enfrenta
a un problema. Pero esta primera definición genérica viene
siendo revisada y especificada en intentos sucesivos a lo largo
de los últimos años, sin llegar aún a un acuerdo generalizado
sobre la misma.
Posteriormente, en 2008 Wing clarificó, “el pensamiento
computacional incluye los procesos de pensamiento
implicados en la formulación de problemas y de sus
soluciones, de tal modo que éstos estén representados de una
manera que pueda ser abordada efectivamente por un agente-
procesador de información” (Wing, 2008, p. 3718), como un
ordenador. Cuatro años más tarde, esta definición es
simplificada por Aho, que declara el PC como el proceso de
pensamiento involucrado en la formulación de problemas de
tal manera que sus soluciones puedan ser representadas como
pasos computacionales discretos y algoritmos (Aho, 2012).
Por otra parte, en 2011 la ‘Computer Science Teachers
Association (CSTA)’ y la ‘International Society for
Technology in Education (ISTE)’ de los Estados Unidos,
desarrollaron una definición operativa del PC que sirve de
marco de trabajo y vocabulario compartido para los profesores
de informática (‘Computer Science Teachers’) en las etapas de
educación secundaria y preuniversitaria estadounidense.
Siguiendo a la CSTA & ISTE (2011), el pensamiento
computacional es un proceso de solución de problemas que
incluye (aunque no está limitado a) las siguientes
características:
Formular problemas de un modo que se haga posible
utilizar un ordenador y otras máquinas en su resolución.
Organizar lógicamente y analizar datos
Representar datos a través de abstracciones tales como
modelos y simulaciones
Automatizar soluciones a través del pensamiento
algorítmico (una serie de pasos discretos y ordenados)
Identificar, analizar e implementar posibles soluciones
con el objetivo de lograr la combinación más efectiva y
eficiente de pasos y recursos
Generalizar y transferir este proceso de solución de
problemas a una amplia variedad de situaciones.
Incluso Google ha aportado su propia definición de PC
como “un conjunto de habilidades y técnicas de solución de
problemas, que los ingenieros de software usan para escribir
los programas informáticos que subyacen a las aplicaciones
que usamos a diario (…) las 4 fases específicas del PC son:
Descomposición de un problema o tarea en pasos discretos;
Reconocimiento de patrones (regularidades); Generalización
de dichos patrones y abstracción (descubrir las leyes o
principios que causan dichos patrones); y Diseño algorítmico
(desarrollar instrucciones precisas para resolver el problema y
sus análogos)” (Google for Education, 2015, en línea).
2. CONTEXTO
A pesar de las definiciones formuladas anteriormente, se
reconoce que aún no existe una idea clara sobre cómo
incorporar el PC a los sistemas educativos en sus distintas
etapas; existiendo una enorme variedad y heterogeneidad de
intervenciones educativas al respecto (Lye & Koh, 2014).
Igualmente, hay un enorme vacío sobre cómo medir y evaluar
el PC, hecho que debe ser abordado. Y es que sin la atención
suficiente sobre la medida y evaluación del PC, será muy
difícil que éste se abra camino exitosamente en cualquier
currículum. Aún más, para poder juzgar la efectividad de
cualquier currículum que incorpore el PC, es necesario validar
previamente instrumentos de medida que permitan a los
educadores evaluar en qué grado los estudiantes han
desarrollado esa habilidad de pensamiento (Grover & Pea,
2013).
La investigación más reciente que aborda la problemática
de la medida y evaluación del PC, como el instrumento ‘Fairy
Assessment in Alice’, se ha apoyado tanto en valorar objetos
creados-programados por los estudiantes como en analizar sus
respuestas a reactivos de programación prediseñados; en
ambos casos, para tratar de medir la comprensión y uso de los
estudiantes de la abstracción, la lógica condicional, el
pensamiento algorítmico y otros conceptos del PC que se
aplican para resolver problemas (Werner, Denner, Campe &
Kawamoto, 2012). En Sudáfrica, se ha desarrollado el
‘Computational Thinking Framework (CTF)’, un marco de
trabajo que sirve de referencia para diseñar y evaluar
materiales y recursos de aprendizaje del PC (como, por
ejemplo, Light-Bot), y evaluar a los estudiantes (Gouws,
Bradshaw & Wentworth, 2013a). Este grupo de investigación
ha estudiado igualmente el rendimiento de estudiantes de
primer año de universidad en su ‘Test for Computational
Thinking’ (Gouws, Bradshaw & Wentworth, 2013b): las
preguntas usadas en esta evaluación fueron seleccionadas de
entre el banco de ítems liberados por la ‘Computer Olympiad
Talent Search’ (http://www.olympiad.org.za/talent-search/),
una olimpiada informática cuyo objetivo es detectar y premiar
el talento computacional, y que pretende orientar a los
estudiantes sudafricanos con más aptitudes en PC hacia
carreras técnicas.
En la Universidad de Kentucky, se han examinado las
conexiones entre el PC y el pensamiento crítico en estudiantes
universitarios, desarrollando su propio instrumento de medida
del PC consistente en una combinación de preguntas cortas y
de elección múltiple que trata de evaluar a los estudiantes en
diversos conceptos computacionales; este instrumento aún no
está validado ni resulta suficientemente fiable (Walden, Doyle,
Garns & Hart, 2013). En Taiwán, recientemente se ha
realizado una evaluación del PC a gran escala entre alumnos
de secundaria, bachillerato y formación profesional (Lee, Lin
& Lin, 2014), usando para ello una selección de 15 tareas-
problemas extraídos del ‘International Bebras Contest’
(http://www.bebras.org/): un concurso a nivel internacional
sobre fluidez informática y computacional en edades
escolares.
Pero aún existe una ausencia notable de tests diseñados para
la etapa de educación secundaria que hayan sido sometidos a
un proceso completo de validación. Para contribuir a paliar
este vacío, en este artículo se presenta el diseño del ‘Test de
Pensamiento Computacional’ dirigido a estudiantes españoles
de entre 12 y 13 años (1º y 2º ESO): describiremos los
Octubre 14-16, 2015, Madrid, ESPAÑA
III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
principios bajo los cuales ha sido construido el test en su
conjunto y cada uno de sus ítems, así como su
comportamiento psicométrico general a partir de una
aplicación del mismo sobre una muestra de 400 sujetos.
3. DESCRIPCIÓN
Nuestro ‘Test de Pensamiento Computacional’ (a partir de
ahora, TPC) fue diseñado inicialmente (versión 1.0, de octubre
de 2014) con una longitud de 40 ítems de elección múltiple.
Tras un proceso de validación de contenido a través del
procedimiento ‘juicio de expertos’, dicha versión inicial fue
depurada a una versión final de 28 ítems de longitud (Román,
2015a); que está construida bajo los siguientes principios:
Objetivo: el TPC pretende medir el nivel de aptitud-
desarrollo del pensamiento computacional en el sujeto.
Definición operativa del constructo medido: el
pensamiento computacional es la capacidad de formular
y solucionar problemas apoyándose en los conceptos
fundamentales de la computación, y usando la lógica-
sintaxis de los lenguajes informáticos de programación:
secuencias básicas, bucles, iteraciones, condicionales,
funciones y variables.
Población objetivo: dirigido a población escolar
española de entre 12 y 13 años (1º y 2º ESO).
Tipo de instrumento: prueba objetiva de elección
múltiple con 4 opciones de respuesta (sólo 1 correcta).
Longitud: 28 ítems.
Tiempo máximo de realización: 45 minutos.
Cada uno de los ítems está diseñado y caracterizado en las
siguientes cinco dimensiones:
Concepto computacional abordado: cada ítem aborda
uno o más de los siguientes 7 conceptos
computacionales, ordenados en dificultad creciente:
Direcciones básicas (4 ítems); Bucles–‘repetir veces’ (4
ítems); Bucles–‘repetir hasta’ (4 ítems); Condicional
simple–‘if’ (4 ítems); Condicional compuesto–‘if/else’ (4
ítems); Mientras que–‘while’ (4 ítems); Funciones
simples (4 ítems). Estos conceptos están alineados con
los estándares que fija la CSTA para la educación en
ciencias de la computación en estas edades (CSTA,
2011).
Entorno-Interfaz del ítem: los ítems del TPC se
presentan en alguno de los siguientes dos entornos
gráficos o interfaces: ‘El Laberinto’ (23 ítems); ‘El
Lienzo’ (5 ítems).
Estilo de las alternativas de respuesta: en cada ítem,
las alternativas de respuesta se pueden presentar en
alguno de estos dos estilos: ‘Visual por flechas’ (8
ítems); ‘Visual por bloques’ (20 ítems).
Existencia o inexistencia de anidamiento: dependiendo
de si la solución del ítem involucra una secuencia de
comandos-órdenes con (19 ítems) o sin (9 ítems)
conceptos computacionales anidados (un concepto
embebido en otro concepto en un orden de jerarquía
superior).
Tarea requerida: dependiendo de cuál de las siguientes
tareas cognitivas es necesaria para la resolución del ítem:
‘Secuenciación’, enunciar de manera ordenada una serie
de comandos-órdenes (14 ítems); ‘Completamiento’,
completar un conjunto incompleto de comandos
previamente dado (9 ítems); ‘Depuración’, depurar
(‘debug’) un conjunto incorrecto de comandos
previamente dado (5 ítems).
En las siguientes Figuras 1, 2 y 3 se pueden ver ejemplos
de algunos de los ítems diseñados, detallándose sus
especificaciones en las distintas dimensiones.
Figura 1. Ítem 6 del TPC: Bucle–‘repetir veces’; ‘Laberinto’;
‘Visual por flechas’; Sin anidamiento; ‘Completamiento’.
Figura 2. Ítem 7 del TPC: Bucle–‘repetir veces’; ‘Lienzo’;
‘Visual por bloques’; Sin anidamiento; ‘Depuración’.
Figura 3. Ítem 8 del TPC: Bucle–‘repetir veces’; ‘Laberinto’;
‘Visual por bloques’; Con anidamiento; ‘Secuenciación’.
El TPC está siendo actualmente aplicado en amplias
muestras de la población objetivo a través de un formulario en
línea (Román, 2015b), programado con la tecnología de
Google Drive Forms; y que puede navegarse a través del
siguiente enlace: http://goo.gl/IYEKMB
Octubre 14-16, 2015, Madrid, ESPAÑA
III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
4. RESULTADOS
Se presentan unos análisis generales del comportamiento
psicométrico de nuestro TPC a partir de su reciente aplicación
sobre una muestra de 400 sujetos (n=400) de la población
objetivo. Las características de la muestra en lo relativo a las
variables ‘sexo’ y ‘curso’ se ilustran en la Tabla 1.
Tabla 1. Características de la muestra.
Curso
Total
1º ESO
2º ESO
Sexo
Chico
170
91
261
Chica
105
34
139
Total
275
125
400
El procedimiento de muestreo utilizado es intencional y no
probabilístico, dado que el instrumento es aplicado en los
centros que posteriormente van a seguir el programa-curso ‘K8
Intro to Computer Science’ (Code.org, 2015), sirviendo así de
prueba pre-test para la evaluación de dicho programa. Los
centros participantes son 9 institutos de las tres provincias de
la Comunidad Valenciana, que están previamente integrados
en la red de innovación ‘IT Teaching’ cuyo objetivo es la
enseñanza en inglés de la asignatura de informática; esta
asignatura es optativa, así pues, el desequilibrio de género en
la muestra es atribuible a la elección diferencial de la
informática que aún existe entre chicos y chicas.
Adicionalmente, se aplica el instrumento en 2 colegios
privados en los que pudimos comprobar ‘in situ’ su validez
aparente (correcta visibilidad y navegabilidad del instrumento)
En la Figura 4 se muestra la tasa de acierto por ítem,
expresada en tanto por uno, confirmándose empíricamente la
progresiva dificultad del instrumento; que fue ya anticipada
por los expertos durante el proceso de validación de contenido
(Román, 2015a). La tasa de acierto promedio a lo largo de los
28 ítems es de 0,59 (índice de dificultad medio); oscilando
entre el valor 0,13 (índice de dificultad muy alto) del ítem 23 y
el valor 0,96 (índice de dificultad muy bajo) del ítem 1.
Figura 4. Tasa de acierto por ítem, expresada en tanto por uno.
La fiabilidad, como consistencia interna, del TPC en su
conjunto arroja un valor de α = 0,74; que puede considerarse
un valor aceptable. La puntuación total de cada sujeto en el
TPC se calcula como suma de aciertos a lo largo de los 28
ítems del instrumento. En la Tabla 2 se muestran los
descriptivos relativos a las puntuaciones totales de nuestros
sujetos en el TPC; y en la Figura 5 se aporta un histograma
con la distribución de dichas puntuaciones totales.
Tabla 2. Descriptivos relativos a la puntuación total en el TPC
N
Válidos
400
Perdidos
0
Media
16,46
Error típico de la media
,213
Mediana
16,00
Moda
18
Desviación típica
4,266
Varianza
18,199
Asimetría
,050
Rango
21
Mínimo
6
Máximo
27
Percentiles
10
11,00
20
13,00
30
14,00
40
15,00
50
16,00
60
17,00
70
18,00
80
20,00
90
22,00
Figura 5. Histograma de puntuaciones totales en el TPC.
Para estudiar la normalidad de dicha distribución, se calculó
la Z de Kolmogorov-Smirnov que arrojó un valor de Zk-
s=1,235 con una probabilidad asociada de p=0,094>0,05.
Podemos pues asegurar el ajuste de nuestra distribución a la
curva normal.
En la Tabla 3 se muestra la puntuación total promedio en el
TPC en función del curso; hallándose diferencias muy
significativas a favor de 2º ESO (t = 4,75; p (t)= ,000 < ,01). En
la Tabla 4 se muestra la puntuación total promedio en el TPC
en función del sexo; no hallándose diferencias significativas
entre chicos y chicas (t = 0,67; p (t)= ,502 > ,01)
Tabla 3. Puntuación total en el TPC según curso.
Curso
N
Media
Desv.
típica
Error típ.
de la media
Puntuación
TPC
1ºESO
275
15,80
4,017
,242
2ºESO
125
17,93
4,445
,398
Octubre 14-16, 2015, Madrid, ESPAÑA
III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
Tabla 4. Puntuación total en el TPC según sexo.
Sexo
N
Media
Desv.
típica
Error típ. de
la media
Puntuación
TPC
Chico
261
16,57
4,318
,267
Chica
139
16,27
4,175
,354
Adicionalmente, al final del TPC se les planteó a los sujetos
un par de cuestiones sobre percepción de autoeficacia en su
rendimiento en el test (“De 0 a 10, ¿cómo consideras que te
ha salido el Test?”); y en su nivel de competencia informática
(“De 0 a 10, ¿cómo consideras que se te dan los ordenadores
y la informática?”). En la Tabla 5 se muestran las
correlaciones (r), para el total de la muestra, entre la
puntuación total en el TPC y las dos preguntas de autoeficacia.
Tabla 5. Correlación entre TPC y cuestiones de autoeficacia.
¿Cómo
consideras que
te ha salido el
Test?
¿Cómo consideras que
se te dan los
ordenadores y la
informática?
Puntuación
TPC
r
Pearson
,324**
,128*
Sig.
(bilateral)
,000
,010
N
400
400
Por último, se encontró una diferencia significativa a favor
de los chicos frente a las chicas en la cuestión sobre
autoeficacia del rendimiento en el test (X chicos= 7,46; X chicas =
6,99; t = 3,07; p (t)= ,002 < ,01)
5. CONCLUSIONES
Así pues, en este artículo se ha presentado el proceso de
diseño de nuestro ‘Test de Pensamiento Computacional’
(TPC), y su comportamiento psicométrico general a partir de
una aplicación sobre una muestra de 400 sujetos de 1º y 2º
ESO. Podemos extraer las siguientes conclusiones:
El TPC presenta un grado de dificultad adecuado (medio)
para la población objetivo, con una dificultad creciente a
lo largo de sus ítems; tal y como se recomienda en el
diseño de pruebas de aptitud.
Las puntuaciones totales en el TPC se distribuyen
normalmente, y de manera simétrica, presentando una
buena variabilidad que permite la construcción de
baremos adecuados para la población de referencia.
La fiabilidad del TPC (α=0,74) es suficiente para ser una
prueba de aptitud. En muestras adicionales que recién
han realizado el TPC a través de tabletas (en vez de a
través de ordenador fijo como hizo la muestra principal)
hemos encontrado valores preliminares de fiabilidad
α≈0,85, sugiriendo que la precisión de nuestro test
aumenta cuando se aplica sobre dispositivos móviles
(quizás porque permiten al sujeto girar la pantalla a un
lado y a otro, reduciendo la excesiva carga ‘espacial’ de
los ítems del test).
El rendimiento en el TPC se incrementa con el curso
académico, algo coherente con nuestra hipótesis de que
el PC es una aptitud cognitiva de solución de problemas
que, por tanto, está vinculada con el desarrollo
madurativo-evolutivo de los sujetos.
El rendimiento en el TPC no está afectado por el sexo del
sujeto; sin embargo, las chicas muestran
significativamente menor confianza que los chicos sobre
su respuesta al test. Este débil percepción de autoeficacia
en tareas relacionadas con el PC podría afectar
negativamente a las chicas al afrontar el aprendizaje de la
programación, y podría disuadirlas de elecciones
académicas y profesionales vinculadas a la informática;
tal y como ya se ha sugerido en estudios previos de
género (Soe & Yakura, 2008).
Se encuentra una correlación significativa, positiva y de
intensidad moderada entre la puntuación total en el TPC
y la percepción de autoeficacia sobre el rendimiento en el
mismo (r =,324); es decir, aunque los sujetos no tenían
experiencia previa en pruebas de medida del PC, sí
perciben de manera moderada que responden al test
siguiendo una cierta lógica. En contraste, hay una
correlación baja, aunque estadísticamente significativa,
con la percepción de autoeficacia sobre su nivel general
de competencia informática, posiblemente porque
relacionan dicha competencia con usos-consumos
pasivos de la tecnología en vez de con tareas activas y
creativas como las que involucran la programación y PC.
De manera complementaria, estamos sometiendo al TPC a
un proceso completo para estudiar su fiabilidad y validez.
Como fuentes de validez concurrente del TPC estamos
utilizando dos tipos de medidas: a) medidas ya validadas
relativas a variables supuestamente próximas al PC, tales
como ‘razonamiento lógico’, ‘resolución de problemas’ o
‘aptitudes perceptuales-atencionales’; b) medidas alternativas
de PC, tales como selecciones de ítems y tareas que vienen
siendo utilizados en concursos internacionales de promoción
del talento computacional. Como fuentes de validez
predictiva, pretendemos correlacionar las puntuaciones en el
TPC de nuestros sujetos con sus medidas de desempeño en el
programa ‘K-8 Intro to Computer Science’ (Code.org, 2015), y
con la calidad de sus proyectos de final de curso realizados
con Scratch medidos objetivamente con la herramienta
analítica en desarrollo por Moreno & Robles (2014), Dr.
Scratch (http://drscratch.programamos.es/)
Algunos de los usos a los que podría destinarse el TPC una
vez completada su validación podrían ser: medidas pre-test del
nivel inicial en PC de los estudiantes; detección temprana de
estudiantes con altas aptitudes para tareas de programación
informática; evaluación de currículums que tengan como
objetivo la enseñanza-aprendizaje del PC; orientación
académica y profesional de estudiantes hacia disciplinas
STEM. Finalmente, aplicando el ‘Computational Thinking
Framework (CTF)’ (Gouws, Bradshaw & Wentworth, 2013a)
a nuestro instrumento, se hacen evidentes las siguientes
limitaciones de nuestro TPC: al estar compuesto en su
totalidad por ítems de elección múltiple y cerrada, sólo estaría
midiendo el PC en sus niveles más bajos de complejidad
cognitiva (‘reconocer’ y ‘comprender’). Un instrumento
destinado a medir el PC también en sus niveles más altos de
complejidad (‘aplicar’ y ‘asimilar’) deberá incluir
adicionalmente ítems que soliciten no sólo reconocer sino
también evocar el algoritmo correcto (como de hecho sugirió
uno de nuestros expertos); y también problemas complejos y
abiertos cuya resolución exija al estudiante transferir de
manera creativa los conceptos del PC a diversos ámbitos.
Octubre 14-16, 2015, Madrid, ESPAÑA
III Congreso Internacional sobre Aprendizaje, Innovación y Competitividad (CINAIC 2015)
REFERENCIAS
Aho, A. V. (2012). Computation and computational thinking.
The Computer Journal, 55(7), 832-835.
Belshaw, D. (2013). This is Why Kids Need to Learn to Code
[Mensaje en un blog]. Recuperado de
http://dmlcentral.net/blog/doug-belshaw/why-kids-need-
learn-code
Brown, N. C. C., Kölling, M., Crick, T., Peyton Jones, S.,
Humphreys, S., & Sentance, S. (2013). Bringing
computer science back into schools: Lessons from the
UK. Proceeding of the 44th ACM Technical Symposium
on Computer Science Education, 269-274.
Code.org (2015). K-8 Intro to Computer Science [Curso en
línea]. Recuperado de http://studio.code.org/s/20-hour
CSTA (2011). K–12 Computer Science Standards (Level 2)
[Documento en línea]. Recuperado de
http://csta.acm.org/Curriculum/sub/CurrFiles/CSTA_K-
12_CSS.pdf
CSTA & ISTE (2011). Operational Definition of
Computational Thinking for K–12 Education
[Documento en línea]. Recuperado de
http://csta.acm.org/Curriculum/sub/CurrFiles/CompThin
kingFlyer.pdf
European Schoolnet (2014). Computing our future. Computer
programming and coding: priorities, school curricula
and initiatives across Europe [Technical report].
Recuperado de
http://www.eun.org/publications/detail?publicationID=4
81
Gardner, H. (2014). La generación APP: Cómo los jóvenes
gestionan su identidad, su privacidad y su imaginación
en el mundo digital. Barcelona: Paidós.
Google for Education (2015). Exploring Computational
Thinking [Página web]. Recuperado de
https://www.google.com/edu/resources/programs/explori
ng-computational-thinking/
Gouws, L. A., Bradshaw, K., & Wentworth, P. (2013a).
Computational thinking in educational activities: An
evaluation of the educational game light-bot.
Proceedings of the 18th ACM Conference on Innovation
and Technology in Computer Science Education, 10-15.
Gouws, L., Bradshaw, K., & Wentworth, P. (2013b). First
year student performance in a test for computational
thinking. Proceedings of the South African Institute for
Computer Scientists and Information Technologists
Conference, 271-277.
Grover, S., & Pea, R. (2013). Computational thinking in K–
12. A review of the state of the field. Educational
Researcher, 42(1), 38-43.
Henderson, P. B., Cortina, T. J., & Wing, J. M. (2007).
Computational thinking. ACM SIGCSE Bulletin, 39(1),
195-196.
Howland, K., & Good, J. (2015). Learning to communicate
computationally with flip: A bi-modal programming
language for game creation. Computers & Education, 80,
224-240. doi:
http://dx.doi.org/10.1016/j.compedu.2014.08.014
Lee, G., Lin, Y., & Lin, J. (2014). Assessment of
computational thinking skill among high school and
vocational school students in Taiwan. World Conference
on Educational Multimedia, Hypermedia and
Telecommunications, 2014(1), 173-180.
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. doi:
http://dx.doi.org/10.1016/j.chb.2014.09.012
Manovich, L. (2013). Software takes command. New York:
Bloomsbury.
Moreno, J., & Robles, G. (2014). Automatic detection of bad
programming habits in scratch: A preliminary
study. Frontiers in Education Conference (FIE), 2014
IEEE, 1-4. doi:10.1109/FIE.2014.7044055
Papert, S. (1980). Mindstorms: Children, computers, and
powerful ideas. New York; Basic Books.
Resnick, M., Maloney, J., Monroy-Hernández, A., Rusk, N.,
Eastmond, E., Brennan, K., et al. (2009). Scratch:
Programming for all. Communications of the ACM,
52(11), 60-67.
Román, M. (2014). Aprender a programar ‘apps’ como
enriquecimiento curricular en alumnado de alta
capacidad. Bordón. Revista de Pedagogía, 66(4), 135-
155.
Román, M. (2015a). Computational Thinking Test: Design
Guidelines and Content Validation. 7th annual
International Conference on Education and New
Learning Technologies. IATED, Barcelona.
Román, M. (2015b). Test de Pensamiento Computacional
[Test en línea]. Recuperado de http://goo.gl/IYEKMB
Rushkoff, D. (2010). Program or be programmed. New York:
OR Books.
Soe, L., & Yakura, E. K. (2008). What's wrong with the
pipeline? Assumptions about gender and culture in IT
work. Women's Studies, 37(3), 176-201.
Walden, J., Doyle, M., Garns, R., & Hart, Z. (2013). An
informatics perspective on computational thinking.
Proceedings of the 18th ACM Conference on Innovation
and Technology in Computer Science Education, 4-9.
Werner, L., Denner, J., Campe, S., & Kawamoto, D. C.
(2012). The fairy performance assessment: Measuring
computational thinking in middle school. Proceedings of
the 43rd ACM Technical Symposium on Computer
Science Education, 215-220.
Wing, J. M. (2006). Computational thinking. Communications
of the ACM, 49(3), 33-35.
Wing, J. M. (2008). Computational thinking and thinking
about computing. Philosophical Transactions. Series A,
Mathematical, Physical, and Engineering Sciences,
366(1881), 3717-3725. doi:
http://dx.doi.org/10.1098/rsta.2008.0118
