Inteligencia Artificial Generativa y el procesos de descomposición en la programación del Robot Spike
Barra lateral del artículo
Contenido principal del artículo
Resumen
El pensamiento computacional es una habilidad esencial en el siglo XXI y la descomposición, la habilidad de dividir problemas complejos en partes más pequeñas y manejables, es uno de sus fundamentos. Este artículo tiene como objetivo analizar cómo el uso de herramientas de Inteligencia Artificial Generativa (IAG) como asistentes cognitivos afecta el proceso de enseñanza y aprendizaje de la descomposición en niños de primaria que usan el kit de robótica educativa LEGO Spike Essential. Se desarrolló e implementó un taller práctico con un grupo de estudiantes enfrentando un desafío robótico. Un grupo empleó métodos tradicionales de planificación, mientras que el grupo experimental utilizó un asistente de IA basado en texto para formular preguntas y dividir el problema en subtareas lógicas. Los resultados, evaluados mediante rúbricas de análisis, observación directa y encuestas de percepción, muestran que el uso guiado de la IA mejora significativamente la capacidad de los estudiantes para estructurar su pensamiento, ya que al menos el 78% logró planificar su código de manera más modular y aumentar su autonomía en la resolución de problemas. Se concluye que la IA, cuando se usa como una herramienta de apoyo y no como un solucionador directo, tiene un alto potencial para desarrollar habilidades cognitivas superiores en la educación tecnológica temprana, lo que lo distingue de otros estudios, es que marca un precedente en la literatura por el uso de IAG para la descomposición temprana de problemas de programación en estudiantes de nivel primaria.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Alqarni, A. S. (2025). Network dynamics and the impact of gamification on computational thinking skills in programming education. Journal of Educational Computing Research, 63(5), 1186–1204. https://doi.org/10.1177/07356331251337628
Bers, M. U. (2020). Coding as a playground: Programming and computational thinking in the early childhood classroom. Routledge. https://doi.org/10.4324/9781003022602
Grover, S., & Pea, R. (2018). Computational Thinking in K–12: A Review of the State of the Field. Educational Researcher, 47(1), 38–43. https://doi.org/10.3102/0013189X12463051
Gu, P., Wu, J., Cheng, Z., Xia, Y., & Cheng, M. (2025). Scaffolding self-regulation in project-based programming learning through intelligent feedback systems. Education and Information Technologies, 30(12), 16243–16261. https://doi.org/10.1007/s10639-025-13367-1
Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kotsopoulos, D., Floyd, L.A., Khan, S., Namukasa, I.K., Somanath, S., Weber, J.K., & Yiu, C.K. (2017). A Pedagogical Framework for Computational Thinking. Digital Experiences in Mathematics Education, 3, 154 - 171.
Maloney, J., Resnick, M., Rusk, N., Silverman, B., & Eastmond, E. (2010). The Scratch programming language and environment. ACM Transactions on Computing Education, 10(4), 1-15. https://doi.org/10.1145/1868358.1868363
Moreno, Palma, N., Berral ,Ortiz, B., Fernández, Fernández, C. R., & Victoria Maldonado, J. J. (2025). Pensamiento Computacional en la Educación Básica a través de la Robótica Educativa: Una Revisión Sistemática. European Public & Social Innovation Review, 10, 1–20. https://doi.org/10.31637/epsir-2025-1099
Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., y Garro-Aburto, L. L. (2019). Inteligencia artificial y sus implicaciones en la educación superior. Propósitos Y Representaciones, 7(2), 536–568. https://doi.org/10.20511/pyr2019.v7n2.274
Papert, S., & Harel, I. (Eds.). (1991). Constructionism. Ablex Publishing.
Resnick, M., Maloney, J., Monroy-Hernández, A., Rusk, N., Eastmond, E., Brennan, K., ... & Kafai, Y. (2009). Scratch: Programming for all. Communications of the ACM, 52(11), 60–67. https://doi.org/10.1145/1592761.1592779
Simons, H. (2011). El estudio de caso: Teoría y práctica. Morata.
Sunday, A. O., Agbo, F. J., Suhonen, J., & Jormanainen, I. (2025). Co-designing to develop computational thinking and coding skills in African K-12 education through AI-assisted learning environments. Education and Information Technologies, 30(11), 14925–14944. https://doi.org/10.1007/s10639-025-13386-y
Sweller, J. (2011). Cognitive load theory. Psychology of Learning and Motivation, 55, 37–76. https://doi.org/10.1016/B978-0-12-387691-1.00002-8
UNESCO. (2022). Computational thinking in schools: A framework for action. https://unesdoc.unesco.org/ark:/48223/pf0000383341
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215
Zhang, L., Jiang, Q., Xiong, W., & Zhao, W. (2025). Effects of ChatGPT-based human–computer dialogue on students’ computational thinking and learning motivation in programming education. Journal of Educational Computing Research, 63(4), 988–1006. https://doi.org/10.1177/07356331251333874
Zhao, G., Yang, L., Hu, B., & Wang, J. (2025). A generative artificial intelligence (AI)-based collaborative approach to programming education: Human–computer partnership for learning. Journal of Educational Computing Research, 63(5), 1059–1078. https://doi.org/10.1177/07356331251336154