Análisis de la estructura factorial del desafío bebras 2021 en Uruguay y resultados preliminares
Barra lateral del artículo
Contenido principal del artículo
Resumen
Hoy en día la tecnología forma parte de la mayoría de las actividades cotidianas personales. En el ámbito educativo, concretamente, las herramientas tecnológicas son utilizadas como facilitadoras del aprendizaje. Esto, junto a la necesidad de facilitar herramientas variadas para formar a los estudiantes, generando, en muchos países, un cambio del paradigma educativo, pasando de una educación contenidista a una educación por competencias. Por ello el PC ha ganado relevancia a nivel internacional. El Pensamiento Computacional refiere al conjunto de competencias para la expresión y resolución de problemas utilizando la lógica de la programación. En el ámbito educativo la adquisición de estas competencias permitirá a los niños hacer frente a un futuro cada vez más tecnológico. Para conocer el estado de adquisición de estas competencias es necesario tener instrumentos de medida validados. Esta investigación pretende verificar la estructura teórica del desafío Bebras aplicado en Uruguay durante 2021 y a partir de esta realizar un análisis preliminar de la situación. Para ello, a las respuestas de 20,393 participantes en Bebras de 5° y 6° de Educación Pública, se le aplicó un Análisis Factorial Confirmatorio, Pruebas T de Student y ANOVAs. Los principales resultados obtenidos son: La estructura factorial coincide con la definición teórica de cada ítem. Existen diferencias estadísticamente significativas por género (p.valor < .05), grado (p.valor <.01) y nivel sociocultural (F(5, 2730) = 42 ; p.valor <.00). Se puede concluir que existe una estructura factorial que se asemeja a la teórica, esto contradice a las investigaciones que afirman que Bebras no posee la estructura factorial, y que los resultados del análisis de los factores concuerdan con las investigaciones que analizan tanto las diferencias de rendimiento por género como por nivel sociocultural.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons que permite a terceros copiar y redistribuir el material en cualquier medio o formato bajo los siguientes términos: —se debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante (Atribución); — no se puede hacer uso del material con propósitos comerciales (No Comercial); — si se remezcla, transforma o crea a partir del material, no podrá distribuirse el material modificado (Sin Derivadas).
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Citas
Araujo, A. L. S. O., Andrade, W. L., Guerrero, D. D. S., & Melo, M. R. A. (2019). How Many Abilities Can We Measure in Computational Thinking?: A Study on Bebras Challenge. Proceedings of the 50th ACM Technical Symposium on Computer Science Education, 545-551. https://doi.org/10.1145/3287324.3287405
Balanskat, A., & Hengelhard, K. (2015). Computing our future: Computer programming and coding. Priorities, school curricula and initiatives across Europe. European Schoolnet.
Brown, T. A. (2015). Confirmatory factor analysis for applied research (Second edition). The Guilford Press.
Cárcamo, C., Moreno, A., & del Barrio, C. (2020). Diferencias de género en matemáticas y lengua: Rendimiento académico, autoconcepto y expectativas. Suma Psicológica, 27(1). https://doi.org/10.14349/sumapsi.2020.v27.n1.4
Chiazzese, G., Arrigo, M., Chifari, A., Lonati, V., & Tosto, C. (2019). Educational Robotics in Primary School: Measuring the Development of Computational Thinking Skills with the Bebras Tasks. INFORMATICS-BASEL, 6(4). https://doi.org/10.3390/informatics6040043
Cobo, C. (2016). Experiencias evaluativas de tecnologías digitales en la educación. 8.
Cobo, C., & Montaldo, M. (2018). Plan Ceibal in Uruguay: How do you educate in learning to decode the unknown. 16.
Computational Thinking Operational Definition ISTE. (2011). https://cdn.iste.org/wwwroot/Computational_Thinking_Operational_Definition_ISTE.pdf
Dagien , V., & Sentance, S. (2016). It’s Computational Thinking! Bebras Tasks in the Curriculum. En A. Brodnik & F. Tort (Eds.), Informatics in Schools: Improvement of Informatics Knowledge and Perception (Vol. 9973, pp. 28-39). Springer International Publishing. https://doi.org/10.1007/978-3-319-46747-4_3
Denning, P. J. (2017). Remaining trouble spots with computational thinking. Communications of the ACM, 60(6), 33-39. https://doi.org/10.1145/2998438
Echevarria, M., Godoy, J. C., & Olaz, F. (2007). Gender differences in cognitive skills and academic performance in college students. Universitas Psychologica, 6(2), 319-329.
Formichella, M. M., & Alderete, M. V. (2018). TIC en la escuela y rendimiento educativo: El efecto mediador del uso de las TIC en el hogar. Cuadernos de Investigación Educativa, 9(1), 75-93. https://doi.org/10.18861/cied.2018.9.1.2822
Fraillon, J., Ainley, J., Schulz, W., Duckworth, D., & Friedman, T. (2019). IEA International Computer and Information Literacy Study 2018 Assessment Framework. Springer International Publishing. https://doi.org/10.1007/978-3-030-19389-8
Halpern, D. F., Benbow, C. P., Geary, D. C., Gur, R. C., Hyde, J. S., & Gernsbacher, M. A. (2007). The Science of Sex Differences in Science and Mathematics. Psychological Science in the Public Interest, 8(1), 1-51. https://doi.org/10.1111/j.1529-1006.2007.00032.x
Hubwieser, P., Giannakos, M. N., Berges, M., Brinda, T., Diethelm, I., Magenheim, J., Pal, Y., Jackova, J., & Jasute, E. (2015). A Global Snapshot of Computer Science Education in K-12 Schools. Proceedings of the 2015 ITiCSE on Working Group Reports, 65-83. https://doi.org/10.1145/2858796.2858799
Huise, S. L. (2015). La resolución de problemas matemáticos en el contexto de los proyectos de aprendizaje. 39, 24.
Hyde, J. S. (2014). Gender Similarities and Differences. Annual Review of Psychology, 65(1), 373-398. https://doi.org/10.1146/annurev-psych-010213-115057 JASP TEAM. (2022). JASP (Version 0.16.1). K–12 Computer Science Framework. (2016). https://www.k12cs.org
Kline, R. B. (2015). Principles and Practice of Structural Equation Modeling (Fourth edition). The Guilford Press.
Koleszar, V., Clavijo, D., Pereiro, E., & Urruticoechea, A. (2021). Análisis preliminares de los resultados del desafío BEBRAS 2020 en Uruguay. Revista INFAD de Psicología. International Journal of Developmental and Educational Psychology., 1(2), 17-24. https://doi.org/10.17060/ijodaep.2021.n2.v1.2153
Kong, S.-C., & Abelson, H. (Eds.). (2019). Computational Thinking Education. Springer Singapore. https://doi.org/10.1007/978-981-13-6528-7
Lin, S. -Y., Chien, S. -Y., Hsiao, C. -L., Hsia, C. -H., & Chao, K. -M. (2020). Enhancing Computational Thinking Capability of Preschool Children by Game-based Smart Toys. ELECTRONIC COMMERCE RESEARCH AND APPLICATIONS, 44. https://doi.org/10.1016/j.elerap.2020.101011
Lizitza, N., & Sheepshanks, V. (2020). Educación por competencias: Cambio de paradigma del modelo de enseñanza-aprendizaje. RAES, 12(20), 89-107.
Loh, C. E., Sun, B., & Majid, S. (2020). Do girls read differently from boys? Adolescents and their gendered reading habits and preferences. English in Education, 54(2), 174-190. https://doi.org/10.1080/04250494.2019.1610328
Mason, J., Burton, L., & Stacey, K. (1989). Pensar matemáticamente. Labor. https://books.google.com.ec/books?id=XmGENAAACAAJ
Meinck, S., & Brese, F. (2019). Trends in gender gaps: Using 20 years of evidence from TIMSS. Large-Scale Assessments in Education, 7(1), 8. https://doi.org/10.1186/s40536-019-0076-3
Merino-Armero, J. M., González-Calero, J. A., & Cózar-Gutiérrez, R. (2020). Computational thinking in K-12 education. An insight through meta-analysis. Journal of Research on Technology in Education, 1-26. Academic Search Complete.
Mühling, A., Ruf, A., & Hubwieser, P. (2015). Design and First Results of a Psychometric Test for Measuring Basic Programming Abilities. Proceedings of the Workshop in Primary and Secondary Computing Education, 2-10. https://doi.org/10.1145/2818314.2818320
Prat, C. S., Madhyastha, T. M., Mottarella, M. J., & Kuo, C. -H. (2020). Relating Natural Language Aptitude to Individual Differences in Learning Programming Languages. Scientific Reports, 10(1), 3817. https://doi.org/10.1038/s41598-020-60661-8
Román-Gonzalez, M., Pérez-González, J. C., & Jiménez-Fernández, C. (2015). Test de Pensamiento Computacional: Diseño y psicometría general. 7.
Rosseel, Y. (2012). lavaan: An R Package for Structural Equation Modeling. Journal of Statistical Software, 48(2). https://doi.org/10.18637/jss.v048.i02
Scherer, R., & Siddiq, F. (2019). The relation between students’ socioeconomic status and ICT literacy: Findings from a meta-analysis. Computers & Education, 138, 13-32. https://doi.org/10.1016/j.compedu.2019.04.011
Senkbeil, M., Ihme, J. M., & Wittwer, J. (2013). The Test of Technological and Information Literacy (TILT) in the National Educational Panel Study: Development, empirical testing, and evidence for validity. https://doi.org/10.25656/01:8428
Sullivan, A., & Umaschi Bers, M. (2016). Girls, Boys, and Bots: Gender Differences in Young Children’s Performance on Robotics and Programming Tasks. Journal of Information Technology Education: Innovations in Practice, 15, 145-165. https://doi.org/10.28945/3547
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215
Winters, T., & Payne, T. (2005). What do students know?: An outcomes-based assessment system. Proceedings of the 2005 International Workshop on Computing Education Research - ICER ’05, 165-172. https://doi.org/10.1145/1089786.1089802
Zhu, Z. (2007). Gender differences in mathematical problem solving patterns: A review of literature. 17.