CICLO VI Matemática y Pensamiento Computacional

MATEMÁTICA Y
PENSAMIENTO
COMPUTACIONAL

PRESENTACIÓN
El Módulo tiene como propósito promover que el
estudiante planifique y evalúe aprendizajes
desafiantes y motivadores considerando tiempos,
recursos y evidencias con el fin de desarrollar
aprendizajes en la población objetivo desde una
perspectiva flexible, abierta y dinámica. En este
proceso, vincula con coherencia el aprendizaje, la
evaluación y la planificación para la toma de
decisiones. Desde el enfoque por competencias,
analiza de manera crítica la planificación y
evaluación centrada en los aprendizajes.
El estudiante considera la evaluación formativa para diseñar e
implementar diversas acciones de retroalimentación y
acompañamiento oportuno y de calidad que aseguren
aprendizajes en su población objetivo teniendo en cuenta las
diferencias individuales y los diversos contextos. Incorpora el
uso de una variedad de herramientas tecnológicas y entornos
virtuales para recopilar, analizar e interpretar con regularidad
evidencias sobre los aprendizajes y facilitar la toma de
decisiones oportuna.
Pensamiento
computacional y
pensamiento matemático:
una relación más que
provechosa
El pensamiento matemático (PM) y el
pensamiento computacional (PC) son dos
procesos interrelacionados y complejos. El
primero implica la aplicación de habilidades
matemáticas para resolver problemas
matemáticos (Stacey, 2006). Se deriva y, en
cierta medida, se desencadena a través de
la contradicción, la tensión y la sorpresa; y
se enriquece y se ve favorecido en una
atmósfera de cuestionamiento, desafío y
reflexión (Mason, Burton y Stacey, 2011). El
PC es “un enfoque para resolver problemas
de manera que pueda ser implementado
con una computadora” y va más allá de la
informática (Barr y Stephenson, 2011).

Comparado con el pensamiento
matemático, el pensamiento computacional
es un área de investigación relativamente
nueva y sobre cuya definición aún no existe
un amplio consenso. Algunas definiciones
incluyen procesos como la descomposición
de problemas, la abstracción, el diseño
algorítmico, la depuración, la iteración y la
generalización (Shute, Sun y Asbell-Clarke,
2017). También implica un proceso iterativo
de diseño, refinamiento y reflexión que
resulta fundamental para el pensamiento
creativo (National Research Council, 2011).

QUÉ LES UNE

¿Cuáles son las principales similitudes entre

ambos procesos? Ambos son metodologías
de resolución de problemas, ya que
implican el reconocimiento de patrones en
las estructuras de estos. Como ya hemos
mencionado, ambos involucran también
procesos como la descomposición (división
de los problemas en pasos más pequeños);
el diseño de algoritmos (elaboración de
principios generales a partir de múltiples
ejemplos); y la modelización (traducir
objetos o fenómenos del mundo real en
ecuaciones matemáticas y/o relaciones
informáticas) (Liu & Wang, 2010).

QUÉ LES UNE

También tienen en común algunas
estrategias heurísticas y comportamientos
más generales de la resolución de
problemas, como el pensamiento abstracto
y la metacognición, la prueba y error, la
ambigüedad, la flexibilidad y la capacidad
de considerar y de evaluar múltiples formas
de resolución. Ambos tipos de pensamiento
pueden desarrollarse a cualquier edad y,
cuando los alumnos son lo suficientemente
competentes, pueden practicarse con
mayor independencia (Shute, Sun y Asbell-
Clarke, 2017).
CÓMO SE POTENCIAN

Existe un interés creciente en incluir algunos
aspectos del pensamiento computacional
dentro de los planes de estudio de
matemáticas. El uso de herramientas y
conjuntos de habilidades computacionales
puede profundizar el aprendizaje y la
experiencia de las matemáticas o
proporcionar “nuevas técnicas muy potentes
para emplear las matemáticas de cara a
modelar fenómenos complejos” (National
Research Council, 2011). Así, se han
identificado habilidades propias del
pensamiento computacional como el
reconocimiento y la descomposición de
patrones, el diseño y el uso de la
abstracción, el uso de herramientas
informáticas apropiadas y la definición de
algoritmos, como parte del proceso de
resolución de problemas matemáticos
(Wilensky, 1995).
CÓMO SE POTENCIAN

Las matemáticas también proporcionan un
contexto significativo (y un conjunto de
problemas) para aplicar el pensamiento
computacional. El pensamiento
computacional y el pensamiento
matemático pueden cruzarse, por ejemplo,
en la aplicación de software en el aula de
matemáticas y/o de informática (Hickmott
et al, 2018; Sung et al y Rohaeti & Bernard,
2018).
CÓMO SE POTENCIAN

Al aplicar un concepto matemático al
software, tanto el pensamiento
computacional como el pensamiento
matemático se utilizan para descomponer
el problema matemático, pensar de manera
abstracta, producir o elegir un algoritmo
adecuado al problema y depurar los errores
que puedan surgir. Se pueden encontrar
ejemplos en probabilidad, estadística,
medición y funciones, en las que
aplicaciones de software como Excel,
Scratch o calculadoras gráficas
involucrarán pensamiento computacional.
Los documentos de planificación del plan
de estudios, como el nuevo marco PISA
2021, están comenzando a hacer referencia
al uso del pensamiento computacional en
matemáticas como parte de la
competencia matemática (PISA, 2019).

EN QUÉ SE DIFERENCIAN

Mientras el pensamiento matemático se
limita a la resolución de problemas
matemáticos con componentes
matemáticos, existe cada vez más
evidencia de que el pensamiento
computacional se aplica de manera más
amplia a los procesos y relaciones
complejas en las artes y las ciencias (Mason
et al, 2011 y Shute et al, 2017).

EN QUÉ SE DIFERENCIAN

Sin embargo, aunque es posible utilizar el
PC de forma más amplia que el PM para
resolver problemas tanto teóricos como
prácticos (Shute et al, 2017), este debe
tener en cuenta las limitaciones físicas del
hardware informático y del mundo real,
mientras que el pensamiento matemático
tiende más hacia una estructura abstracta.
Un modelo simplista que consideró las
diferencias entre ambos destacó aspectos
como la minería de datos, las redes y la
robótica como singulares para el
pensamiento computacional, y la aritmética,
el álgebra y la geometría para el
pensamiento matemático (Sneider et al,
2014).
CONCLUSIONES:
APROVECHANDO SINERGIAS

Comparado con el pensamiento
matemático, el pensamiento
computacional es un dominio
relativamente nuevo que requiere de
más investigación para poder
comprender sus implicaciones y su
lugar en el aula y en los planes de
estudio nacionales.
CONCLUSIONES:

La información compartida sobre
ambos procesos ayuda a los
estudiantes a ver las conexiones
entre ellos. Por ello, es útil que los
profesores de matemáticas conozcan
el pensamiento computacional y que
los profesores de informática
conozcan el pensamiento
matemático.
CONCLUSIONES:

Los procesos comunes a ambos
pueden incluir la descomposición,
el diseño de algoritmos y la
modelización. Su aplicación ayuda
a los estudiantes a sentirse
cómodos con el ensayo y error, la
ambigüedad y la flexibilidad.
CONCLUSIONES:

Tanto el pensamiento matemático
como el pensamiento
computacional son formas de
participar en la resolución de
problemas y ambos pueden
mejorarse mediante la práctica a
través de la reflexión; pueden
desarrollarse a cualquier edad y
permiten que los estudiantes se
conviertan en aprendices más
independientes.
CONCLUSIONES:

El pensamiento matemático se
puede practicar en el contexto
de herramientas y conjuntos de
habilidades computacionales; el
pensamiento computacional se
puede aplicar en el contexto de
las matemáticas.
RELACIÓN DEL PENSAMIENTO
COMPUTACIONAL Y EL
PENSAMIENTO MATEMÁTICO

Partamos recordando las habilidades
que STEM busca desarrollar en los
estudiantes. Estas son: Investigación,
Pensamiento Crítico, Solución de
Problemas, Creatividad, Comunicación
y Colaboración. Como un subgrupo de
habilidades se encuentra el
Pensamiento Computacional, una
práctica intelectual muy importante en
el desarrollo de los estudiantes y que
hace parte de las habilidades para una
sociedad eminentemente tecnológica.
Y otra habilidad es pensamiento
matemático como una nueva manera
de ver y entender el mundo actual.

COMPUTACIONAL Y EL

Desde hace ya varios años los
educadores de todo el mundo han
tenido la inquietud de incluir el
pensamiento computacional dentro
de sus clases ya sea de ciencias,
de tecnología e inclusive de
matemáticas.
COMPUTACIONAL Y EL

Al aplicar la educación STEM se
espera que los estudiantes
desarrollen también actitudes
nuevas y activas hacia el estudio y
se despierte la pasión sobre el
conocimiento que están
adquiriendo. Por eso demandamos
de ellos que incluyan o involucren
en su proceso de aprendizaje el
hecho de llegar a conclusiones
basadas en la evidencia y para ello
deben adquirir herramientas que
les ayuden a esto.

COMPUTACIONAL Y EL

El pensamiento matemático y el
pensamiento computacional
deberán ser habilidades
cotidianas para vida de un
profesional del siglo XXI. No
harán parte únicamente de
especialistas en programación o
sistemas.
COMPUTACIONAL Y EL


COMPUTACIONAL Y EL

El pensamiento matemático y el
pensamiento computacional se
desarrollan mediante actividades
propias de cada área del
conocimiento. En matemáticas
tenemos conocimientos y
experiencias de conteo, aritmética,
álgebra, geometría, cálculo, teoría
de conjuntos y topología y por su
lado en las actividades de ciencias
e ingeniería que incluyen prácticas
de desarrollo de pensamiento
computacional incluyen la
simulación,
COMPUTACIONAL Y EL

el desarrollo de redes, la
recolección de datos automática, el
desarrollo de juegos, razonamiento
algorítimico, los laboratorios de
robótica (que andan tan de moda
hoy) y las actividades de
programación .
COMPUTACIONAL Y EL

Todas estas actividades debe estar
funcionando de una manera
integrada con el resto de las
asignaturas para que le den sentido
a lo que aprenden los estudiantes y
mucho mejor si son actividades para
buscar solución a problemas de la
vida diaria.
COMPUTACIONAL Y EL

Vemos claramente que al hacer
integrada la educación se traslapan
las actividades de cada uno y esto a
su vez desarrolla nuevas habilidades
en los niños tales como la solución
de problemas, el modelamiento, el
análisis e interpretación de datos
así como asuntos de estadística y
probabilidad.
COMPUTACIONAL Y EL

Pensemos en un caso típico de
educación STEM integrada y
supongamos que tenemos a
estudiantes desarrollando un
proyecto que involucra a ciencias,
lenguaje, ciencias sociales, artes y
que durante su desarrollo hacen
investigaciones y conducen
experimentos que arrojan volúmenes
de datos de un tamaño apreciable.

COMPUTACIONAL Y EL

Un sistema de educación STEM
totalmente integrado aporta
ciencias, uso de tecnología
seleccionada, procesos de
ingeniería, modelos matemáticos
pero también involucra todo el
panorama de asignaturas que son
parte del currículo con el objetivo
de darle sentido a lo que aprende y
conectar estos conocimientos con
situaciones de la vida real.

COMPUTACIONAL Y EL

Estos estudiantes deben conocer
cómo usar la tecnología para la
toma de datos, cómo tabularlos,
luego generar una base de datos, a
continuación deben "indagar,
husmear, rebuscar" en estas bases
de datos de tal manera que
encuentren patrones de datos y
luego tengan que encontrar una
expresión matemática que les
ayude a generar un programa de
computador para poder compensar
los datos que no se pudo tomar o de
situaciones inesperadas.
COMPUTACIONAL Y EL

Recuredo cómo durante mis
estudios de pregrado nos tomaba
más del 90% del tiempo el proceso
de toma de datos y su tabulación y
al final, que es donde se marca la
diferencia y se debe hacer un
análisis detallado de la situación en
estudio, se nos acababa el tiempo y
entregábamos un informe con
resulados estándar o dentro del
promedio de la carrera. Nunca
hicimos la diferencia con resultados
extraordinarios.
COMPUTACIONAL Y EL

Los nuevos estándares de ciencias
NGSS se apoyan en el conocimiento
obtenido por los estudiantes de K-8
en el uso de los siguientes
aprendizajes y experiencias para
aportarle a las nuevas experiencias
de 9-12:
PENSAMIENTO ALGEBRAICO Y ANÁLISIS.
FUNCIONES LINEALES Y NO LINEALES (Y
ESPECIALMENTE NO LINEALES).
FUNCIONES EXPONENCIALES Y LOGARÍTIMCAS.
USO DE HERRAMIENTAS DE ANÁLISIS ESTADÍSTICO
PARA REPRESENTAR Y MODELAR DATOS.

COMPUTACIONAL Y EL

Con esto se espera lograr que los estudiantes
puedan:
Crear, revisar modelos computacionales o
simular fenómenos, diseñar dispositivos,
procesos o sistemas.
Utilizar representaciones matemáticas,
computacionales y/o algorítimcas o
diseñar soluciones para describir o apoyar
explicaciones.
Aplicar técnicas de algebra y funciones
para representar y resolver problemas de
ciencia e ingeniería.
Aplicar proporciones, porcentajes y
conversión de unidades.
SIMULACIÓN
Las simulaciones no son simple animaciones,
que hoy por hoy se pueden lograr con
programas de fácil acceso en internet. Estos
deben ser modelos dinámicos que permitan a
los estudiantes modificar condiciones y
observar nuevos comportamientos y resultados.
Los mejores ejemplos a aquellas que sean
usadas después de las experiencias en
fenómenos físicos. En estos casos son mucho
más efectivas, estas simulaciones, cuando los
estudiantes pueden simular casos de "y que
pasa si".
ACTIVIDADES
1. Que es el pensamiento
matemático.
2. que entiendes por pensamiento
computacional.
3. explica brevemente ¿Cuáles son las
principales similitudes entre ambos
procesos?
4. que son habilidades
computacionales.
5. realiza un cuadro comparativo
entre pensamiento computacional
y pensamiento matemático.
6. realiza un mapa conceptual sobre
la temática desarrollada.
7. cuales son las ideas principales del
tema.

CICLO VI Matemática y Pensamiento Computacional

Cargado por

Copyright:

Formatos disponibles

CICLO VI Matemática y Pensamiento Computacional

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CICLO VI Matemática y Pensamiento Computacional

Cargado por

Copyright:

Formatos disponibles

MATEMÁTICA Y

estudiante planifique y evalúe aprendizajes

desafiantes y motivadores considerando tiempos,

recursos y evidencias con el fin de desarrollar

aprendizajes en la población objetivo desde una

perspectiva flexible, abierta y dinámica. En este

proceso, vincula con coherencia el aprendizaje, la

evaluación y la planificación para la toma de

decisiones. Desde el enfoque por competencias,

analiza de manera crítica la planificación y

evaluación centrada en los aprendizajes.

El estudiante considera la evaluación formativa para diseñar e

implementar diversas acciones de retroalimentación y

acompañamiento oportuno y de calidad que aseguren

aprendizajes en su población objetivo teniendo en cuenta las

diferencias individuales y los diversos contextos. Incorpora el

uso de una variedad de herramientas tecnológicas y entornos

virtuales para recopilar, analizar e interpretar con regularidad

evidencias sobre los aprendizajes y facilitar la toma de

pensamiento computacional (PC) son dos

procesos interrelacionados y complejos. El

primero implica la aplicación de habilidades

matemáticas para resolver problemas

matemáticos (Stacey, 2006). Se deriva y, en

cierta medida, se desencadena a través de

la contradicción, la tensión y la sorpresa; y

se enriquece y se ve favorecido en una

atmósfera de cuestionamiento, desafío y

reflexión (Mason, Burton y Stacey, 2011). El

PC es “un enfoque para resolver problemas

de manera que pueda ser implementado

con una computadora” y va más allá de la

informática (Barr y Stephenson, 2011).

matemático, el pensamiento computacional

es un área de investigación relativamente

nueva y sobre cuya definición aún no existe

un amplio consenso. Algunas definiciones

incluyen procesos como la descomposición

de problemas, la abstracción, el diseño

algorítmico, la depuración, la iteración y la

generalización (Shute, Sun y Asbell-Clarke,

2017). También implica un proceso iterativo

de diseño, refinamiento y reflexión que

resulta fundamental para el pensamiento

creativo (National Research Council, 2011).

¿Cuáles son las principales similitudes entre

de resolución de problemas, ya que

implican el reconocimiento de patrones en

las estructuras de estos. Como ya hemos

mencionado, ambos involucran también

procesos como la descomposición (división

de los problemas en pasos más pequeños);

el diseño de algoritmos (elaboración de

principios generales a partir de múltiples

ejemplos); y la modelización (traducir

objetos o fenómenos del mundo real en

ecuaciones matemáticas y/o relaciones

informáticas) (Liu & Wang, 2010).

También tienen en común algunas