Desarrollo del Pensamiento Computacional a través del Álgebra: Representación Simbólica del Lenguaje Natural en Estudiantes de Bachillerato.
DOI:
https://doi.org/10.70577/r0jrn354Palabras clave:
Pensamiento computacional, álgebra, traducción simbólica, sistemas de ecuaciones, Tecnologías de la Información y la Comunicación, bachilleratoResumen
El presente artículo desarrolla un análisis teórico-descriptivo sobre la integración del pensamiento computacional en la enseñanza del álgebra en estudiantes de bachillerato, con énfasis en la representación simbólica del lenguaje natural como eje central del proceso de modelación matemática. Se parte del reconocimiento de que una de las principales dificultades en el aprendizaje algebraico radica en la brecha cognitiva entre los enunciados verbales de los problemas y su traducción a estructuras formales de ecuaciones y sistemas simbólicos. Desde un enfoque interdisciplinar que articula principios de la didáctica de la matemática, la ingeniería de sistemas y el uso pedagógico de las Tecnologías de la Información y la Comunicación (TIC), se propone una estrategia didáctica denominada “Compila tu ecuación”, la cual concibe la resolución de sistemas de ecuaciones como un proceso análogo al diseño, ejecución y depuración de algoritmos. Esta analogía permite estructurar el aprendizaje en fases secuenciales: identificación de datos, declaración de variables, traducción algebraica, aplicación de métodos de resolución y verificación de resultados. El análisis teórico evidencia que el pensamiento computacional fortalece la precisión en la simbolización, promueve la reducción de errores recurrentes —denominados “bugs algebraicos”— y favorece el desarrollo de habilidades metacognitivas asociadas a la reflexión sobre los procedimientos matemáticos. Asimismo, se destaca el rol mediador de herramientas digitales como GeoGebra, Desmos y entornos de programación en la visualización, comprobación y validación de los modelos algebraicos. Se concluye que la integración del pensamiento computacional en el aprendizaje del álgebra no constituye únicamente una innovación metodológica, sino una reorganización epistemológica que potencia la comprensión del lenguaje algebraico como un sistema formal, lógico y estructurado, contribuyendo al desarrollo de aprendizajes más significativos y rigurosos en el nivel de bachillerato.
Descargas
Referencias
Arcavi, A. (1994). Symbol sense: Informal sense-making in formal mathematics. For the Learning of Mathematics, 14(3), 24–35.
Blum, W., & Leiß, D. (2007). How do students and teachers deal with modelling problems? En W. Blum, P. L. Galbraith, H.-W. Henn, & M. Niss (Eds.), Modelling and applications in mathematics education (pp. 222–231). Springer.
Bruner, J. S. (1966). Toward a theory of instruction. Harvard University Press.
Drijvers, P. (2019). Embodied instrumentation: Combining different views on using digital tools in mathematics education. Mathematics Education Research Journal, 31(4), 455–472. https://doi.org/10.1007/s13394-019-00272-x
Duval, R. (2006). A cognitive analysis of problems of comprehension in learning of mathematics. Educational Studies in Mathematics, 61(1–2), 103–131.
Grover, S., & Pea, R. (2013). Computational thinking in K–12: A review of the state of the field. Educational Researcher, 42(1), 38–43. https://doi.org/10.3102/0013189X12463051
Kieran, C. (2007). Learning and teaching algebra. En F. K. Lester Jr. (Ed.), Second handbook of research on mathematics teaching and learning (pp. 707–762). Information Age Publishing.
Mason, J., Graham, A., & Johnston-Wilder, S. (2010). Developing thinking in algebra. Paul Chapman Publishing.
Ministerio de Educación del Ecuador. (2016). Currículo de Matemática para Bachillerato General Unificado. MinEduc.
Moreno-Armella, L., Hegedus, S., & Kaput, J. (2008). From static to dynamic mathematics: Historical and representational perspectives. Educational Studies in Mathematics, 68(2), 99–111.
Noss, R., & Hoyles, C. (2017). Computational thinking and mathematics education. Springer.
OECD. (2021). Computational thinking in education: Policies and practices. OECD Publishing.
Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books.
Polya, G. (1957). How to solve it: A new aspect of mathematical method (2nd ed.). Princeton University Press.
Schoenfeld, A. H. (2016). Learning to think mathematically: Problem solving, metacognition, and sense making in mathematics. Journal of Education, 196(2), 1–38.
Selby, C., & Woollard, J. (2013). Computational thinking: The developing definition. University of Southampton.
Tall, D., & Vinner, S. (1981). Concept image and concept definition in mathematics. Educational Studies in Mathematics, 12(2), 151–169.
Valverde, J., Fernández, M., & Garrido, M. (2015). El pensamiento computacional y las nuevas alfabetizaciones digitales. Revista de Educación a Distancia, 46, 1–18.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215
Zbiek, R. M., Heid, M. K., Blume, G. W., & Dick, T. P. (2007). Research on technology in mathematics education. En F. K. Lester Jr. (Ed.), Second handbook of research on mathematics teaching and learning (pp. 1169–1207). Information Age Publishing.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista Científica Multidisciplinaria Tsafiki
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
