Uno de los artículos que más nos llamó la atención de la última edición de ITiCSE, celebra en Aberdeen el pasado verano, fue el pubicado por nuestro amigo Peter Rich junto a otros investigadores de la Brigham Young University de Utah.
El artículo analiza las diferentes herramientas que existen actualmente para medir el pensamiento computacional -como Dr. Scratch– , centrándose específicamente en cómo miden la descomposición.
La descomposición se define como el proceso de descomponer un problema en sus subcomponentes. Y aunque la mayoría de las definiciones de pensamiento computacional incluyen descomposición, pocas descomponen -valga la redundancia- el proceso de descomposición más allá de la definición básica.
Los autores consideran que sería muy importante comprender mejor las diversas maneras en que se produce la descomposición, qué métodos son más efectivos y bajo qué condiciones, si queremos medir correctamente el pensamiento computacional.
Para ello, tras estudiar la evidencia del proceso de descomposición en una conjunto de diferentes disciplinas, los autores tratan de describir lo que hay dentro de «la caja negra de descomposición», describiéndola como un proceso de:
- (1) categorizar elementos potenciales identificando
- (a) elementos sustantivos
- (b) relaciones entre elementos
- (2) emplear diferentes estrategias para ejecutar una descomposición elegida (p. ej., medios-fin, ascendente, multivariante)
- (3) evaluar iterativamente la utilidad de una descomposición específica
Los autores defienden que este marco puede ayudar a los educadores a preparar mejor a los estudiantes para resolver problemas complejos. No obstante este es un marco que acaba de proponerse y está claro que necesita más exploración. Pero al resaltar estos procesos, es cierto que es posible hacer preguntas sobre qué tipos de categorizaciones o estrategias utilizan los expertos frente a los novatos, o cómo podemos operacionalizar la descomposición con mayor determinación. Y al responder estas preguntas, los autores esperan poder formular métodos más holísticos para medir el pensamiento computacional de manera más precisa.
Seguiremos atentos a su trabajo, desde luego, porque es un enfoque muy interesante.
La imagen de cabecera es de
Alexander Andrews en Unsplash.
Deja tu comentario