Computational thinking

Computational thinking refers to the thought processes involved in formulating problems so their solutions can be represented as computational steps and algorithms.^[1] In education, computational thinking is a set of problem-solving methods that involve expressing problems and their solutions in ways that a computer could also execute.^[2] It involves automation of processes, but also using computing to explore, analyze, and understand processes (natural and artificial).^[3][4][5]

The history of computational thinking as a concept dates back at least to the 1950s but most ideas are much older.^[6][3] Computational thinking involves ideas like abstraction, data representation, and logically organizing data, which are also prevalent in other kinds of thinking, such as scientific thinking, engineering thinking, systems thinking, design thinking, model-based thinking, and the like.^[7] Neither the idea nor the term are recent: Preceded by terms like algorithmizing, procedural thinking, algorithmic thinking, and computational literacy^[3] by computing pioneers like Alan Perlis and Donald Knuth, the term computational thinking was first used by Seymour Papert in 1980^[8] and again in 1996.^[9] Computational thinking can be used to algorithmically solve complicated problems of scale, and is often used to realize large improvements in efficiency.^[10]

La expresión «pensamiento computacional» cobró relevancia en la comunidad de educación en ciencias de la computación en 2006, a raíz de un ensayo de Jeannette Wing publicado en Communications of the ACM sobre el tema . El ensayo sugiere que el pensamiento computacional es una habilidad fundamental para todos, no solo para los informáticos, y defiende la importancia de integrar ideas computacionales en otras asignaturas escolares. ^{[ 11 ]} El ensayo también afirma que, al aprender a pensar computacionalmente, los niños mejorarán en muchas tareas cotidianas; por ejemplo, menciona preparar la mochila, encontrar los guantes perdidos y saber cuándo es mejor dejar de alquilar y comprar. El espectro de cuestiones relacionadas con el pensamiento computacional en la educación abarca desde la informática para niños de primaria hasta la formación profesional y continua, donde el reto reside en cómo comunicar principios, máximas y formas de pensar profundas entre expertos. ^{[ 3 ]}

Durante los primeros diez años, el pensamiento computacional fue un movimiento centrado en Estados Unidos, y aún hoy se observa ese enfoque inicial en la investigación del campo. ^{[ 12 ]} Los artículos y las personas más citadas del campo participaron activamente en la primera ola de CT en Estados Unidos, y las redes de investigación más activas del campo tienen su sede en Estados Unidos. ^{[ 12 ]} Dominado por investigadores estadounidenses y europeos, no está claro hasta qué punto el corpus de literatura de investigación predominantemente occidental del campo puede satisfacer las necesidades de los estudiantes de otros grupos culturales. ^{[ 12 ]} En la comunidad de Prolog está surgiendo un esfuerzo continuo por globalizar las habilidades de pensamiento efectivo en la vida cotidiana . El Comité de Educación de Prolog, patrocinado por la Asociación para la Programación Lógica ^{[ 13 ],} tiene la misión de "convertir el Pensamiento Computacional y Lógico a través de Prolog y sus sucesores en una materia fundamental en los planes de estudio y más allá, en todo el mundo". ^{[ 14 ]}

Las características que definen el pensamiento computacional son la descomposición , el reconocimiento de patrones / representación de datos , la generalización / abstracción y los algoritmos . ^{[ 15 ] [ 16 ]} Al descomponer un problema, identificar las variables involucradas mediante la representación de datos y crear algoritmos, se obtiene una solución genérica. Esta solución genérica es una generalización o abstracción que puede utilizarse para resolver múltiples variaciones del problema inicial.

Otra caracterización del pensamiento computacional es el proceso iterativo de las "tres A", basado en tres etapas:

1. Abstracción : Formulación del problema;
2. Automatización : Expresión de la solución;
3. Análisis : Ejecución y evaluación de la solución. ^{[ 17 ]}

Al igual que Seymour Papert , Alan Perlis y Marvin Minsky antes que ellos, Jeannette Wing vislumbró que el pensamiento computacional se convertiría en una parte esencial de la educación de cada niño. ^{[ 11 ]} Sin embargo, la integración del pensamiento computacional en el currículo de K-12 y la educación en ciencias de la computación ha enfrentado varios desafíos, incluyendo el acuerdo sobre la definición de pensamiento computacional, ^{[ 22 ] [ 23 ]} cómo evaluar el desarrollo de los niños en él, ^{[ 7 ]} y cómo distinguirlo de otros "pensamientos" similares como el pensamiento sistémico, el pensamiento de diseño y el pensamiento de ingeniería. ^{[ 7 ]} Actualmente, el pensamiento computacional se define ampliamente como un conjunto de habilidades cognitivas y procesos de resolución de problemas que incluyen (pero no se limitan a) las siguientes características ^{[ 23 ] [ 24 ]} (pero hay argumentos de que pocas, si acaso alguna, de ellas pertenecen específicamente a la computación, en lugar de ser principios en muchos campos de la ciencia y la ingeniería ^{[ 3 ] [ 5 ]} )

• Utilizar abstracciones y reconocimiento de patrones para representar el problema de maneras nuevas y diferentes.
• Organizar y analizar datos de forma lógica
• Dividir el problema en partes más pequeñas
• Abordar el problema utilizando técnicas de pensamiento programático como la iteración, la representación simbólica y las operaciones lógicas.
• Reformular el problema en una serie de pasos ordenados (pensamiento algorítmico)
• Identificar, analizar e implementar posibles soluciones con el objetivo de lograr la combinación más eficiente y efectiva de pasos y recursos.
• Generalizar este proceso de resolución de problemas a una amplia variedad de problemas.

La integración actual del pensamiento computacional en el currículo de K-12 se presenta de dos formas: directamente en las clases de ciencias de la computación o a través del uso y la evaluación de técnicas de pensamiento computacional en otras materias. Los docentes en aulas centradas en ciencia, tecnología, ingeniería y matemáticas ( STEM ) que incluyen el pensamiento computacional, permiten a los estudiantes practicar habilidades de resolución de problemas como el ensayo y error . ^{[ 25 ]} Valerie Barr y Chris Stephenson describen patrones de pensamiento computacional en diversas disciplinas en un artículo de ACM Inroads de 2011. ^{[ 22 ]} Sin embargo, Conrad Wolfram ha argumentado que el pensamiento computacional debería enseñarse como una materia independiente. ^{[ 26 ]}

Existen instituciones en línea que ofrecen un plan de estudios y otros recursos relacionados para desarrollar y fortalecer las habilidades de pensamiento computacional, análisis y resolución de problemas de los estudiantes preuniversitarios.

La Universidad Carnegie Mellon de Pittsburgh cuenta con un Centro de Pensamiento Computacional. La actividad principal del Centro consiste en realizar PROBEs o Exploraciones Orientadas a Problemas. Estas PROBEs son experimentos que aplican conceptos computacionales novedosos a problemas para demostrar el valor del pensamiento computacional. Un experimento PROBE suele ser una colaboración entre un científico informático y un experto en el campo de estudio. El experimento generalmente dura un año. Por lo general, una PROBE busca encontrar una solución a un problema de amplia aplicación y evita cuestiones específicas. Algunos ejemplos de experimentos PROBE son la logística óptima para trasplantes de riñón y cómo crear fármacos que no generen virus resistentes. ^{[ 27 ]}

El concepto de pensamiento computacional ha sido criticado por ser demasiado vago, ya que rara vez se aclara en qué se diferencia de otras formas de pensamiento. ^{[ 6 ] [ 28 ]} La inclinación entre los científicos informáticos a imponer soluciones computacionales a otros campos se ha denominado "chovinismo computacional". ^{[ 29 ]} Algunos científicos informáticos se preocupan por la promoción del pensamiento computacional como sustituto de una educación más amplia en ciencias de la computación, ya que el pensamiento computacional representa solo una pequeña parte del campo. ^{[ 30 ] [ 7 ]} Otros se preocupan de que el énfasis en el pensamiento computacional anime a los científicos informáticos a pensar de forma demasiado limitada sobre los problemas que pueden resolver, evitando así las implicaciones sociales, éticas y ambientales de la tecnología que crean. ^{[ 31 ] [ 6 ]} Además, como casi toda la investigación en CT se realiza en EE. UU. y Europa, no está claro qué tan bien funcionan esas ideas educativas en otros contextos culturales. ^{[ 12 ]}

Un artículo de 2019 argumenta que el término "pensamiento computacional" (PC) debería usarse principalmente como una forma abreviada de transmitir el valor educativo de la informática, de ahí la necesidad de enseñarla en la escuela. ^{[ 32 ]} El objetivo estratégico es que la informática sea reconocida en la escuela como una materia científica autónoma, más que intentar identificar un "cuerpo de conocimiento" o "métodos de evaluación" para el PC. Es particularmente importante destacar que la novedad científica asociada con el PC es el cambio de la "resolución de problemas" de las matemáticas a la "resolución de problemas" de la informática. Sin el "agente efectivo", que ejecuta automáticamente las instrucciones recibidas para resolver el problema, no habría informática, sino solo matemáticas. Otra crítica en el mismo artículo es que centrarse en la "resolución de problemas" es demasiado limitado, ya que "resolver un problema es solo un ejemplo de una situación en la que se quiere alcanzar un objetivo específico". Por lo tanto, el artículo generaliza las definiciones originales de Cuny, Snyder y Wing ^{[ 33 ]} y Aho ^{[ 1 ]} de la siguiente manera: "El pensamiento computacional son los procesos de pensamiento involucrados en modelar una situación y especificar las formas en que un agente de procesamiento de información puede operar eficazmente dentro de ella para alcanzar un conjunto de objetivos especificados externamente".

Muchas definiciones de CT lo describen solo a nivel de habilidad porque el impulso detrás de su crecimiento proviene de su promesa de impulsar la educación STEM. Y, el movimiento más reciente en la educación STEM se basa en sugerencias (de teorías del aprendizaje) de que enseñemos a los estudiantes los hábitos mentales de los expertos. Así, ya sea pensamiento computacional, pensamiento científico o pensamiento de ingeniería, la motivación es la misma y el desafío también es el mismo: enseñar los hábitos mentales de los expertos a los principiantes es inherentemente problemático debido al conocimiento previo del contenido y las habilidades prácticas necesarias para involucrarlos en los mismos procesos de pensamiento que los expertos. Solo cuando vinculamos los hábitos mentales de los expertos con procesos cognitivos fundamentales podemos entonces reducir sus conjuntos de habilidades a competencias más básicas que se pueden enseñar a los principiantes. Ha habido solo unos pocos estudios que realmente abordan la esencia cognitiva del CT. Entre ellos, Yasar (Communications of ACM, Vol. 61, No. 7, julio de 2018) ^{[ 34 ]} describe el CT como el pensamiento que es generado/facilitado por un dispositivo computacional, ya sea biológico o electrónico. Por consiguiente, todo el mundo utiliza el pensamiento computacional, no solo los informáticos, y este puede mejorarse mediante la formación y la experiencia.

La lógica computacional es un enfoque de la computación que incluye tanto el pensamiento computacional como el pensamiento lógico. Se basa en la concepción de la computación como la aplicación del razonamiento lógico de propósito general al conocimiento específico de un dominio, expresado en términos lógicos.

Los materiales didácticos para la lógica computacional como lenguaje informático para niños se desarrollaron a principios de la década de 1980. ^{[ 35 ] [ 36 ] [ 37 ]} Los textos de nivel universitario para estudiantes no informáticos se desarrollaron a principios de la década de 2010. ^{[ 38 ] [ 39 ]} Más recientemente, se han desarrollado diversos materiales didácticos nuevos para cerrar la brecha entre las disciplinas académicas STEM y no STEM. ^{[ 40 ] [ 41 ] [ 42 ]}

• Matemáticas basadas en computadora
• Inteligencia artificial
• Toma de decisiones
• Educación
• Aprendizaje automático
• Ciencia de datos
• Pensamiento basado en datos
• Alfabetización computacional
• Lista de software educativo
• Lista de recursos educativos en línea
• Programación lógica