Análisis preliminares de los resultados del desafío BEBRAS 2020 en Uruguay
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Аннотация
La tecnología está presente en la mayoría de actividades humanas, tanto en los ámbitos sociales, laborales, como en los educativos. En el ámbito educativo concretamente ha empezado a agarrar fuerza el Pensamiento Computacional, concepto que se cree debería convertirse en una nueva competencia a desarrollar en el aula. En este sentido, Plan Ceibal trabaja desde 2017 para acercar a las aulas el Pensamiento Computacional, impulsando así aprendizajes propios de la ciencia, tecnología, ingeniería y matemáticas y en 2020 participó por primera vez en el Desafío Bebras, el objetivo del desafío es difundir y promover el Pensamiento Computacional en las escuelas y mide las dimensiones propias del Pensamiento Computacional (encontrar patrones, secuenciar algoritmos, abstracción y evaluación). El objetivo general de esta investigación es describir los resultados del Desafío internacional Bebras 2020 obtenidos en la edición de Uruguay, de este objetivo general se desprenden los siguientes objetivos específicos: analizar las puntuaciones por dimensión. Examinar las relaciones entre las dimensiones evaluadas en el Desafío Bebras. Y, Estudiar la diferencia en las puntuaciones pornivel sociocultural, sexo y lugar de procedencia (urbano/rural). Para alcanzar los objetivos, se utilizaron las respuestas de 2759 estudiantes del desafío Bebras Uruguay 2020, realizando análisis descriptivos, bivariantes y multivariantes. Como principales resultados se obtuvo que: a) Existen dimensiones fáciles (Patrones) y difíciles (Evaluación). b) Las mayores diferencias de desempeño se dan por quintil sociocultural, teniendo el quintil 5 las mayores puntuaciones y el quintil 1 las menores. c) Si bien hay diferencias por sexo y por localidad estás no muestran un tamaño de efecto grande. Estos resultados apoyan la idea de que los niños poseen un desempeño mejor que las niñas en algunas tareas específicas del PC y ahondan en la necesidad de seguir investigando en la evaluación del Pensamiento Computacional para obtener instrumentos de medida confiables.
Скачивания
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
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.
Библиографические ссылки
Abshire, S., Anderson, B., Block, J., Chapman, G., Cooper, S., Denner, J., Einhorn, C., Erlinger, M., Frederick, B., Fuller, C., Garret, P., Gerry, J., Hartley, G., Hayden, K., Hill-Seifman, M., Hutton, M., Johnson, M., Kelly, P., Kmoch, J., … Westbrook, S. (2011). Computational Thinking leadership toolkit. Computer Science Teachers Association (CSTA) and the International Society for Technology in Education (ISTE).
Alano, J., Babb, D., Bell, J., Booker-Dwyer, T., DeLyser, L. A., Dooley, C. M., Franklin, D., Frost, D., Gruwell, M. A., Israel, M., Jones, V., Kick, R., Lageman, H., Lash, T., Lee, I., Lyman, C., Moix, D., O’Grady-Cunniff, D., Owen, A. A., … Weintrop, D. (2016). K 12 Computer Science Framework. K–12 Computer Science Framework.
Angeli, C., & Giannakos, M. (2020). Computational thinking education: Issues and challenges. Computers in Human Behavior, 105, 106185. https://doi.org/10.1016/j.chb.2019.106185
Brian D. Gane, Maya Israel, Noor Elagha, Wei Yan, Feiya Luo & James W. Pellegrino (2021). Design and validation of learning trajectory-based assessments for computational thinking in upper elementary grades. Computer Science Education, 31:2, 141-168, https://doi.org/10.1080/08993408.2021.187422
Dagien , V., Sentance, S., & Stupurien , G. (2017). Developing a Two-Dimensional Categorization System for Educational Tasks in Informatics. Informatica, 28(1), 23-44. https://doi.org/10.15388/Informatica.2017.119
Dagien , V., & Stupurien , G. (2016). Bebras—A Sustainable Community Building Model for the Concept Based Learning of Informatics and Computational Thinking. Informatics in Education, 15(1), 25-44. https://doi.org/10.15388/infedu.2016.02
Denning, P. J. (2017). Remaining trouble spots with computational thinking. Communications of the ACM, 60(6), 33-39. https://doi.org/10.1145/2998438
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
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
Kong, S.-C., & Abelson, H. (Eds.). (2019). Computational Thinking Education. Springer Singapore. https://doi.org/10.1007/978-981-13-6528-7
Lopera-Zuluaga, E. C., Marín-Ochoa, B. E., & García-Franco, L. J. (2021). Aprendizajes digitales construidos junto a niñas y niños en situación de segregación escolar socioeconómica. Revista Iberoamericana de Educación, 85(1), 135-157. https://doi.org/10.35362/rie8514100
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, https://doi.org/10.1080/15391523.2020.1870250
National Research Council. (2010). Report of a workshop on the scope and nature of computational thinking. Washington, DC: The National Academies Press. https://doi.org/10.17226/12840
Selby, C., & Woollard, J. (2013). Computational thinking: The developing definition January 2013. Special Interest Group on Computer Science Education (SIGCSE).
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
Vernazza, E., Urruticoechea, A., Del Callejo Canal, D., Canal Martínez, M., & Álvarez Vaz, R. (2020). ¿Con qué factores se asocia el rendimiento académico de escolares de cuarto de primaria? Revista INFAD de Psicología. International Journal of Developmental and Educational Psychology., 1(1), 183-190. https://doi.org/10.17060/ijodaep.2020.n1.v1.1774
Weintrop, D., Beheshti, E., Horn, M., Orton, K., Jona, K., Trouille, L., & Wilensky, U. (2016). Defining Computational Thinking for Mathematics and Science Classrooms. Journal of Science Education and Technology, 25(1), 127-147. https://doi.org/10.1007/s10956-015-9581-5
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215X