Microrrelatos, codificación robótica,
aplicaciones digitales y realidad aumentada para potenciar el pensamiento
computacional infantil
Micro-stories, Robotic Coding, Digital Applications, and Augmented
Reality to Enhance Children's Computational Thinking
Dra. M. Esther Del-Moral-Pérez. Catedrática de Universidad. Universidad de Oviedo. España
Dra. Nerea
López-Bouzas. Contratada postdoctoral. Universidad de Oviedo. España
Dr. Jonathan
Castañeda-Fernández. Profesor Ayudante
Doctor. Universidad de Oviedo. España
Recibido:
2025/02/13 Revisado 2025/03/01 Aceptado: 2025/05/20 Online First: 2025/05/21 Publicado: 2025/05/24
Cómo citar este artículo:
Del-Moral-Pérez, M.E.,
López-Bouzas, N., & Castañeda-Fernández, J.
(2025). Microrrelatos, codificación robótica, aplicaciones digitales y realidad
aumentada para potenciar el pensamiento computacional infantil [Micro-stories, Robotic Coding, Digital Applications, and
Augmented Reality to Enhance Children's
Computational Thinking]. Pixel-Bit. Revista de Medios y Educación,
73, art.8. https://doi.org/10.12795/pixelbit.115193
RESUMEN
La presente investigación
evalúa la potencialidad de una intervención educativa para desarrollar el
Pensamiento Computacional (PC) en alumnado de Educación Infantil de 4 a 6 años
(N=82). Se trata de una propuesta lúdica apoyada en un relato protagonizado por
un robot, que el alumnado debe codificar para avanzar por un escenario físico y
superar distintos desafíos interactuando con aplicaciones digitales y de
Realidad Aumentada (RA). La investigación es pre-experimental,
adopta una metodología descriptiva y comparativa utilizando un pre-test/post-test que registra
el nivel de PC a partir de sus habilidades plasmadas: pensamiento algorítmico,
generalización, abstracción, descomposición y evaluación. Los resultados
evidencian la contribución de la propuesta para incrementar el PC de la mayoría
del alumnado, independientemente de la variable género y edad. El alumnado con
ACNEAE también ha incrementado su nivel de PC aunque con mayores dificultades.
Todos se iniciaron en la codificación robótica, lo que contribuyó a activar e
impulsar su orientación espacial, lateralidad, capacidad de conteo,
coordinación óculo-manual, razonamiento lógico, etc. A modo de conclusión, se
subraya que la utilización de una narrativa lúdica ha promovido la conexión del
alumnado con la historia y la empatía con los personajes, favoreciendo su engagement con las tareas propuestas y minimizando su
complejidad.
ABSTRACT
This research evaluates the
potential of an educational intervention aimed at developing Computational
Thinking (CT) in preschool students aged 4 to 6 years (N=82). The proposal is a
playful approach based on a story featuring a robot, which students must code
to navigate a physical scenario and overcome various challenges by interacting
with digital applications and Augmented Reality (AR). The study follows a
pre-experimental design with a descriptive and comparative methodology, using a
pre-test/post-test to assess CT levels based on key skills: algorithmic
thinking, generalization, abstraction, decomposition, and evaluation. The
results highlight the effectiveness of the proposal in enhancing CT in most
students, regardless of gender and age. Students with Special Educational Needs
and Disabilities (SEND) also showed an improvement in their CT skills, albeit
with greater challenges. All participants were introduced to robotic coding,
which contributed to strengthening their spatial orientation, laterality,
counting skills, hand-eye coordination, logical reasoning, and more. In
conclusion, the use of a playful narrative fostered students' connection with
the story and empathy with the characters, enhancing their engagement with the
proposed tasks and reducing their complexity.
.
PALABRAS CLAVES· KEYWORDS
Pensamiento
computacional, microrrelatos, app digitales, realidad aumentada, Educación
Infantil.
Computational
Thinking, Micro-stories, Digital Apps, Augmented Reality, Early Childhood
Education.
1. Introducción
Desde el Informe Horizon Report, Teaching and Learning
Edition (Pelletier et al., 2022), junto el Marco de Competencias de los
Docentes en materia de TIC (UNESCO, 2019) se deben impulsar las competencias
digitales tanto del profesorado como del alumnado, pues son imprescindibles
para interactuar en un mundo altamente tecnologizado. Se impone la lógica del
Pensamiento Computacional (PC) para interaccionar con las máquinas, cada vez
más sofisticadas. Por su parte, el DigComp (Vuorikari et al., 2022) considera
el PC como uno de los componentes clave para estimular la competencia digital.
El PC es entendido como la habilidad de los sujetos
para resolver problemas de manera sistemática, creativa y colaborativa, con
apoyo de recursos digitales, abarcando dimensiones como el pensamiento
algorítmico, la generalización, la abstracción y la evaluación (Wing, 2006).
Shute et al. (2017) consideran que se trata una habilidad para resolver
problemas de manera efectiva y eficiente, es decir, algorítmicamente, con o sin
la ayuda de computadoras, utilizando diversos recursos que pueden implementarse
en diferentes contextos. Desde una perspectiva pedagógica, autores como
Montuori et al. (2024) señalan que el PC puede fomentar habilidades cognitivas
fundamentales en la infancia, como el pensamiento lógico, la creatividad y la
autonomía. No obstante, según Yang et al. (2024) existe el riesgo de
instrumentalizar el aprendizaje prematuramente al priorizar los lenguajes de
programación o herramientas tecnológicas por encima del desarrollo integral del
alumnado. Por tanto, el enfoque debe centrarse en proporcionar experiencias
lúdicas y significativas al alumnado que respeten los principios del desarrollo
infantil.
Por su parte, una de las discusiones clave en la
literatura actual sobre el PC gira en torno a si debe ser considerado una
competencia transversal, similar al pensamiento crítico o la resolución de
problemas, como señalan Dagiené et al. (2024) o si constituye una forma de
alfabetización digital avanzada, como argumentan Pajchel et al. (2024). Quienes
apoyan la primera postura indican que el PC puede integrarse en diversas áreas
curriculares como matemáticas, ciencias o incluso aprendizaje de la lengua, favoreciendo
un enfoque interdisciplinar (Ouaazki et al., 2024). Por otro lado, autores como
Akramova et al. (2024) o Yuberti et al. (2024) vinculan el PC con competencias
propias del ámbito STEM y sugieren que su implementación requiere una base
conceptual que puede exceder las capacidades cognitivas del alumnado de las
primeras edades.
Sin embargo, el PC puede estimularse en esta etapa a
través de intervenciones con ayuda de la programación robótica (Canbeldek &
Isikoglu, 2023), lo que supone la planificación de tareas para activar el
robot, codificando sus desplazamientos en el espacio y resolviendo los
problemas que se encuentren de forma lógica y coherente. Esta práctica promueve
la comprensión y abstracción para identificar los distintos botones del robot
con las acciones correspondientes (Zhang et al., 2020). Asimismo, activa la
habilidad de generalización para reproducir patrones que faciliten el
reconocimiento de la secuencia idónea para ejecutar la orden preestablecida
(Silva et al., 2023). Además, la interacción con el robot permite evaluar la
pertinencia de las ejecuciones programadas, informando de sus aciertos y
errores, ofreciendo la posibilidad de reconducirlas.
Dentro del contexto educativo, es frecuente que en
primeras edades se utilicen los relatos como vehículos para favorecer
aprendizajes de distinta índole. Se aprovecha su capacidad inmersiva para
promover la implicación emocional de los menores con los personajes de estas
historias, así como para favorecer el engagement con las tareas a realizar al
convertirse en los protagonistas (Leoste et al., 2021). En este sentido,
existen experiencias sustentadas en robots que protagonizan narrativas de
ficción, abordando contenidos curriculares y promoviendo el PC a partir de
retos lúdicos que contribuyen a motivar a los menores en su proceso de
aprendizaje (Chang et al., 2023; Chen & Lee, 2023).
Por su parte, las aplicaciones digitales y de Realidad
Aumentada (RA) permiten la interacción directa con escenarios y personajes para
resolver problemas tales como identificar elementos de determinadas
características (colores, tamaños, formas, etc.), promoviendo la habilidad de
abstracción y generalización. Asimismo, la visualización de escenarios
inmersivos expande la actividad educativa, estimulando la orientación espacial
del alumnado al sumergirles en entornos de ficción digitales (Işik et al.,
2024). La adopción de distintos roles dentro de narrativas predeterminadas
facilita su implicación en el desarrollo de la historia, al involucrarse en la
resolución de conflictos mediante la ejecución de diversas actividades.
Evidentemente, estas aplicaciones pueden activar el PC en la medida que
propician la estimulación multisensorial en escenarios que invitan a resolver
problemas y ofrecen un feedback inmediato sobre su grado de acierto.
Así pues, la presente investigación se orienta a
constatar si una intervención educativa, donde convergen la programación
robótica, el uso de aplicaciones digitales y de RA vertebradas a partir de
microrrelatos, favorece el desarrollo del PC en alumnado de Educación Infantil.
2. Aplicaciones
digitales, RA y robótica en microrrelatos para activar el PC
El PC ha emergido como un enfoque clave en la
innovación educativa, especialmente en etapas tempranas, existiendo una
relación con corrientes pedagógicas como el constructivismo, el Aprendizaje
Basado en Retos (ABR) y el enfoque STEAM. Desde la perspectiva del
construccionismo de Papert (1980), el aprendizaje se fortalece cuando el
conocimiento se construye activamente a través de la manipulación de objetos.
Esto está íntimamente ligado con la activación del PC a partir de actividades
lúdicas en las que el alumnado debe interactuar con elementos físicos y/o
digitales para realizarlas. Por otro lado, la incorporación de microhistorias
permite contextualizar retos que invitan a planificar, secuenciar y resolver
problemas, tal como propone el ABR (Nawawi et al., 2024). A su vez, el enfoque
STEAM conecta distintas áreas del conocimiento con experiencias creativas,
colaborativas y significativas, lo que contribuye a una visión integradora del
PC (Yuberti et al., 2024). Sin embargo, es preciso adoptar una mirada crítica
sobre el PC como constructo educativo, diferenciando entre habilidades
cognitivas generales —como la lógica y la resolución de problemas— (Singh y
Kaunert, 2024) y habilidades computacionales específicas —como la programación—
(Canbeldek y Isikoglu, 2023).
Por su parte, la introducción de microhistorias para
activar el PC permite contextualizar las actividades haciéndolas más
comprensibles y emocionalmente atractivas, al facilitar la conexión del
alumnado con sus conocimientos y experiencias previas, ya sea incorporando
robots emocionales como narradores (Antunes et al., 2022), o utilizando
narrativas concretas para favorecer la implicación del alumnado en la trama de
la historia (Yang et al., 2023). Desde las teorías narrativas del aprendizaje
(Bruner, 1990), se entiende que el niño estructura el mundo a través de
historias, por lo que dotar al robot de una misión para resolver un problema/
conflicto en una historia, puede potenciar su motivación y comprensión, dando
sentido a su acción. Además, atendiendo a la teoría del aprendizaje
significativo (Ausubel, 1963), las historias funcionan como organizadores
previos, generando conexiones no arbitrarias entre lo nuevo y lo ya conocido.
Por tanto, la vertebración de actividades para estimular el PC a partir de microhistorias,
no sólo favorece que el alumnado realice esas actividades, sino que las realice
con una finalidad o misión, como puede ser ayudar a un personaje o resolver una
situación concreta, implicándose emocionalmente con sus acciones (Yang, 2024).
Asimismo, la interactividad que ofrecen las
aplicaciones digitales junto a la recreación de escenarios y retos favorece la
inmersión e implicación de los usuarios para realizar diversas tareas o
resolver sencillos problemas dirigidos a estimular el PC (Dorouka et al., 2020;
Shanmugam, et al., 2019). Por su parte, la Realidad Aumentada (RA) permite
superponer elementos virtuales en 3D dentro del mundo real, facilitando la
asimilación de conceptos y procesos complejos, y activando el pensamiento
espacial a través de experiencias multisensoriales, logrando reducir la carga
cognitiva del alumnado al tratarse de elementos tangibles (Işik et al.,
2024). Por otro lado, la utilización conjunta de aplicaciones digitales y de RA
debe armonizarse en torno a una narrativa coherente, lo que exige una selección
previa que la justifique (Dietz et al., 2021; 2023). En este sentido, se puede
apelar a microrrelatos digitales aumentados donde intervengan personajes,
ubicados en escenarios lúdicos, que presenten retos al alumnado buscando su
engagement e implicación emocional con la propia historia (Triantafyllou et
al., 2024).
La empatía del alumnado con los protagonistas de una
historia, en la que deben intervenir para lograr sus objetivos, se incrementa
al tener que interactuar con recursos digitales y de RA que favorezcan el
desarrollo del PC. Sin embargo, no existen muchas aplicaciones lúdicas que
incorporen microrrelatos que puedan implementarse en propuestas educativas para
desarrollar el PC, como sostienen Yadav y Chakraborty (2023). Por ello, se
precisa una selección adecuada de aplicaciones que integren actividades específicas
para estimular las habilidades asociadas al PC (Utesch et al., 2020), es decir,
que propicien la resolución de problemas
a partir de estrategias de abstracción, generalización, pensamiento
algorítmico y evaluación. Del mismo modo, deben permitir analizar los avances y
dificultades que encuentra el alumnado para aprender de los errores.
En particular, el PC puede activarse en alumnado de
Educación Infantil (3-6 años) presentando actividades coherentes con una
narrativa principal que las cohesione y que contribuyan a impulsar, por un
lado, su capacidad de abstracción, invitándoles a realizar puzzles, clasificar
objetos atendiendo a determinadas características como asociarlos con sus
sombras, identificar patrones de colores, forma, tamaño, etc. Por otro lado, la
capacidad de generalización puede desarrollarse mediante actividades de agrupación
de elementos por afinidad, realización de memorys, asociación de iconos,
palabras o imágenes según sus campos semánticos, etc. Asimismo, el pensamiento
algorítmico puede estimularse realizando actividades que requieran seguir unas
fases preestablecidas, así como secuenciar elementos, dar continuidad a series,
señalar distintas soluciones para un mismo problema (elegir el camino más corto
para llegar a la meta, identificar las piezas que encajan en un hueco,
construir bloques, etc.). También se puede estimular su habilidad para
descomponer tareas y evaluar al realizar conteos, sumas y restas, comparar
soluciones e identificar la correcta, actividades de orientación espacial que
permitan modificar la posición y el movimiento de objetos (adelante, atrás, izquierda,
derecha) al seguir unas instrucciones y constatar su idoneidad.
Por otro lado, el uso de robots como protagonistas de
microrrelatos es una práctica que se está generalizando para activar el PC en
primeras edades (Bravo et al., 2021; Hu et al., 2022; Tengler et al. 2021).
Esto requiere que el alumnado programe sus movimientos para avanzar por un
escenario y superar los retos surgidos a lo largo de la historia (Bono et al.,
2022). La programación de robots a través de botones básicos (adelante, atrás,
giro derecha, giro izquierda, etc.) implica el desarrollo del pensamiento
algorítmico, puesto que requiere una planificación inicial de la trayectoria a
seguir para resolver los problemas que se plantean al interactuar con los
recursos digitales (Papadakis, 2022) y/o de RA. Sin duda, esto ejercita el
razonamiento lógico para contar los movimientos a realizar (avance, giro
derecha, izquierda, etc.). Simultáneamente, se estimula su capacidad de
abstracción, tanto para comprender el papel del robot en la narración, como
para orientarse en el espacio e identificar cada movimiento con el botón
correspondiente. Asimismo, se promueve la capacidad de generalización al
activar la memoria para recordar el relato y las tareas a realizar. Este
proceso está abierto a una evaluación continua, permitiendo al alumnado
resolver los problemas que les surgen durante el recorrido y reconducir su
trayectoria.
3. Una intervención
lúdica para estimular el PC: “Limpiando el hogar de la tortuga”
La intervención diseñada integra recursos digitales,
aplicaciones de RA y un robot para estimular el PC en primeras edades a partir
de la interacción con los personajes de un microrrelato ubicados en un tapete
diseñado ad hoc (Figura 1). La historia comienza con Tina, una tortuga
marina que vive en el océano junto a su familia. Un día, Tina se da cuenta de
que su hogar está en peligro: los plásticos contaminan el mar, los corales
pierden su color y algunos de sus amigos marinos enfrentan dificultades. Tina decide
emprender una misión para salvar su hogar y devolver la vida y la belleza al
arrecife. Para lograrlo, necesita la ayuda del alumnado, quienes serán sus
compañeros en esta aventura.
Para introducir el relato, la narrativa parte del
cortometraje de animación “El viaje de las tortugas: nuestros océanos están en
peligro”, una creación de Greenpeace y del galardonado estudio de animación
Aardman (ver en https://cutt.ly/Vw4FHQXR). Este corto
constituye el punto de partida que da origen al juego en el que los menores
tienen la oportunidad de intervenir para recuperar el hábitat de Tina.
La tarea del alumnado se presenta mediante un vídeo
diseñado con la app Powtoon donde Tina les explica su misión y les pide
que la acompañen para resolver los retos y regresar a su hogar. Mientras Tina
avanza, se encuentra con un océano lleno de plásticos que obstaculizan su
camino. En este punto, el alumnado debe utilizar la app de RA Plastic Ocean
(https://bit.ly/3NFxKRL)
para “recoger” los plásticos del océano dentro de un entorno holográfico
mediante la interacción con la tablet, despejando el camino para que Tina pueda
nadar libremente y avanzar en la historia (Figura 2). En concreto, deben
identificar visualmente los plásticos y clicar sobre los mismos, activando su
habilidad de generalización, puesto que los detalles varían (ubicación,
tipo de plástico, especies afectadas), y los usuarios deben reconocer los
patrones comunes para clasificar los residuos.
Figura
1
Juego diseñado
Fuente: Elaboración propia
Figura 2
Intervención con la app de RA Plastic Ocean
Fuente: Elaboración propia.
Durante el viaje, Tina se encuentra con varios
animales marinos que necesitan ayuda para desprenderse de la basura que les
rodea. El alumnado debe utilizar la app de RA Ocean 4D+ (https://cutt.ly/7w7ARcz0)
para identificar a los animales. Cada uno de ellos explica sus cualidades, de
qué se alimenta, dónde vive, cómo se reproduce, etc. y cómo la contaminación
marina afecta a sus vidas. Los exploradores describen lo que aprenden, ayudando
a Tina a entender mejor cómo protegerles. Esto estimula su habilidad de
abstracción, puesto que al observar animales en 3D, el alumnado debe reconocer
las formas, colores, tamaños y movimientos de los animales que encuentra,
pudiendo rotarlos, acercarlos, explorarlos y manipularlos para reconocer sus
características (Figura 3).
Figura 3
Intervención con la app de RA Ocean 4D+
Fuente: Elaboración propia
Posteriormente, con la app Marco Polo (https://cutt.ly/0w7ATfzt)
los menores tienen que asociar cada pez o elemento marino con su sombra para
reconstruir el arrecife de coral, con ello estimulan las tres habilidades
principales del PC: 1) abstracción, al asociar correctamente las formas
de los peces o elementos marinos con su silueta independientemente de sus
colores; 2) generalización, al reconocer patrones comunes entre las
formas de los distintos animales y sus sombras, favoreciendo la transferencia
de estrategias a casos similares; 3) pensamiento algorítmico, al establecer
una secuencia lógica de pasos: observar las características de cada animal,
compararlas con las sombras disponibles y seleccionar la que le corresponda,
resolviendo el problema de manera estructurada y eficiente. Esta actividad
desarrolla conjuntamente todas las habilidades del PC de forma lúdica (Figura
4).
Figura
4
Intervención con la app Marco Polo
Fuente: Elaboración propia
Para resolver las actividades descritas, el alumnado
debe desplazar el robot Tale-Bot por la cuadrícula del tapete, siguiendo
un itinerario preestablecido que requiere codificar sus movimientos para llegar
a las distintas actividades. Para ello, deben secuenciar la trayectoria
contando las cuadrículas de avance y utilizando los botones correspondientes
para realizar el avance y los giros necesarios a partir de la codificación del
robot (Figura 5).
Figura
5
Proceso de codificación integrado en el itinerario
Fuente: Elaboración propia
Así pues, con esta intervención se pretende constatar
en qué medida se desarrolla el PC en alumnado de Educación Infantil, al
utilizar como recurso didáctico un microrrelato protagonizado por un robot,
donde los menores deben realizar actividades interactuando con aplicaciones
digitales y de RA para contribuir al desenlace feliz de la historia.
4. Metodología
La presente investigación se enmarca en el proyecto Robot-Digital
StoryTelling: narrativas lúdicas inmersivas protagonizadas por robots
potenciadoras del pensamiento computacional financiado por la Universidad
de Oviedo (2024-2025). Concretamente, se centra en analizar si la intervención
educativa descrita favorece el desarrollo del Pensamiento Computacional (PC) en
las primeras edades. Se trata de un estudio empírico pre-experimental, de tipo
descriptivo y comparativo, con carácter exploratorio y analítico, como tipifica
Cohen et al. (2011). El diseño adoptado utiliza el pre-test/post-test para
medir el nivel de PC del alumnado antes y después de participar en la
intervención, apoyada en un juego donde deben interaccionar con un robot
protagonista de la narrativa descrita.
Este enfoque metodológico se seleccionó por su
idoneidad para evaluar el impacto de una intervención educativa en un contexto
naturalista, donde no era viable la asignación aleatoria ni la conformación de
un grupo control por razones éticas y organizativas. Frente a metodologías más
robustas como los diseños cuasi-experimentales o experimentales, el enfoque
pre-experimental permite obtener evidencias preliminares sobre la eficacia de
la intervención propuesta, facilitando su implementación en entornos reales sin
alterar significativamente la dinámica escolar. Cabe señalar que para minimizar
el sesgo derivado de la ausencia de grupo control, se adoptaron diversas
estrategias: a) triangulación metodológica mediante la combinación de
instrumentos cuantitativos (pre-test/post-test y CT-Robot-DST) y cualitativos
(observación sistemática); b) estandarización del protocolo de intervención
para garantizar la homogeneidad en la aplicación; y, c) análisis estadístico
riguroso con pruebas no paramétricas y regresión múltiple para controlar la
influencia de variables intervinientes.
4.1. Muestra
El muestreo fue intencional, no probabilístico,
condicionado a la participación del alumnado de 4 a 6 años del C.P. La Vallina
(N=82), previa autorización de las familias. El 58,6% son niños y el 41,5%
niñas. Las edades se distribuyen entre los 4 años (24,4%), 5 años (59,7%) y 6
años (15,9%). El 84,1% presenta un desarrollo neurotípico, mientras que el
15,9% es Alumnado con Necesidades Específicas de Apoyo Educativo (ACNEAE): el
12,2% presenta retraso madurativo, el 2,4% tiene diagnosticado Trastorno de Déficit
de Atención e Hiperactividad (TDAH) y un 1,2% presenta Trastorno del Espectro
Autista (TEA).
Hay que resaltar que ningún participante tenía
experiencia previa en el uso de robótica. Después de obtener el permiso del
comité de ética de la Universidad de Oviedo (37_RRI_2024), se explicó el
propósito y los procedimientos a seguir al profesorado y a las familias (Figura
6).
Figura
6
Documento explicativo (https://bit.ly/4ji0rBv)
Fuente: Elaboración propia
4.2. Procedimiento y
técnicas de análisis de datos
Figura
7
Fases de la investigación
Fuente: Elaboración propia
Se ha llevado a cabo un tratamiento estadístico basado
en el análisis descriptivo por medio de porcentaje, media y desviación típica.
Tras efectuar la prueba de Kolmogorov-Smirnov se constató que la muestra no se
ajusta a criterios de normalidad (obteniendo valores p<0,001 en todos los
ítems), de ahí que en los contrastes posteriores se utilizaran pruebas no
paramétricas. El contraste entre los resultados del pre-test y post-test se
efectuaron con la prueba de Wilcoxon. Mientras que los contrastes de medias se
realizaron con la prueba U de Mann-Whitney para las variables nominales
dicotómicas (género y presencia/ausencia de ACNEAE) y la prueba H de
Kruskal-Wallis para las variables nominales politómicas (edad). Finalmente, se
efectuó el análisis de regresión lineal múltiple para constatar la capacidad
que tienen las habilidades activadas durante la intervención para predecir el
PC. Todos los análisis estadísticos han sido realizados con el programa
SPSS-V26.
Para garantizar la neutralidad, estandarización y
validez del procedimiento de recolección de datos, se estableció un protocolo
de intervención que contempló los siguientes aspectos: a) cada sesión
individual tuvo una duración aproximada de 27´30´ minutos; b) se realizaron un
total de 16 sesiones, distribuidas a lo largo de 4 semanas; c) las condiciones
de evaluación fueron estandarizadas, desarrollándose en el aula habitual del
alumnado, sin presencia de ningún agente distractor y con los mismos materiales
y recursos tecnológicos que el alumnado ya conocía y empleaba de forma
habitual; d) los instrumentos fueron aplicados por un único investigador,
garantizando un mayor ajuste en la evaluación, el cual estaba previamente
formado en el uso de los instrumentos y en la dinámica de la intervención,
garantizando así la objetividad en la recogida de datos.
4.3. Instrumentos
4.3.1. Prueba de
evaluación del PC (pre-test/post-test)
El instrumento utilizado para medir el PC del alumnado
de Educación Infantil (3-6 años) integra una serie de actividades adaptadas del
Proyecto Bebras (https://www.bebras.org/) (Zapata et
al., 2024), reduciendo su complejidad, pues el original se dirige a Educación
Primaria (6-12 años). El proceso de construcción del instrumento se realizó en
tres fases: 1) selección de ítems de las pruebas originales que evaluarán
habilidades clave del PC (pensamiento algorítmico, generalización, abstracción,
descomposición y evaluación); 2) rediseño gráfico y narrativo de las
actividades para adecuarlas a las características cognitivas, emocionales,
contextuales, etc. del alumnado de 4 a 6 años, insertándolas en el relato
utilizado en la intervención; 3) validación del contenido mediante juicio de
expertos en Educación Infantil y Tecnología Educativa, quienes evaluaron la
pertinencia, claridad y adecuación de cada ítem; y 4) testeo con un grupo de 2
niños y 2 niñas para garantizar la pertinencia de las actividades, garantizando
su funcionalidad, adecuación a la edad y alineación con los objetivos
educativos de la intervención.
Tras este proceso, el instrumento final consta de seis
actividades que se presentan en unas láminas que recrean los elementos y
personajes de la narrativa lúdica descrita. Las actividades engloban tareas
asociadas a las dimensiones teóricas intrínsecas al PC (Vuorikari et al.,
2022), tales como el pensamiento algorítmico (secuencia y comprensión),
generalización y abstracción, junto a la descomposición y evaluación (Figura
8).
Figura 8
Actividades que sirven para evaluar el nivel de PC (pre-test/post-test)
Fuente: elaboración propia.
Para garantizar la validez ecológica de la
intervención se presentaron actividades semejantes a las que el alumnado pueda encontrarse
en su vida cotidiana, y se han presentado insertas en un microrrelato. La
evaluación de las actividades se realizó de forma individualizada, atendiendo a
la rúbrica descrita en la Tabla 1.
Tabla
1
Rúbrica de evaluación de las actividades del pre-test/post-test.
|
Actividad |
Muy Bajo (1) |
Bajo (2) |
Medio (3) |
Alto (4) |
|
A1. Señalar
el recorrido más corto para la tortuga |
Presenta un recorrido errático |
Elige un
camino ordenado pero empieza por el cangrejo |
Sigue el
camino corto pero se salta algún animal |
Señala el
recorrido más corto y empieza por la medusa |
|
A2. Anticipar
la siguiente posición |
No es capaz de anticipar |
Lo anticipa correctamente tras varios intentos |
Lo anticipa correctamente en el segundo intento |
Lo anticipa correctamente en el primer intento |
|
A3.
Identificar la serie (I) |
Señala al pez |
Señala a la
tortuga tras varios intentos |
Señala a la
tortuga al segundo intento |
Señala a la tortuga |
|
A4. Identificar la serie (II) |
Señala a la tortuga o al cangrejo |
Señala al pez tras varios intentos |
Señala al pez al segundo intento |
Señala al pez |
|
A5. Asociar
animales con sus sombras |
No los asocia |
Asocia 1-2
animales con sus sombras |
Asocia 3
animales con sus sombras |
Asocia todos
los animales con sus sombras |
|
A6. Guiar a
la tortuga hacia la tarta |
Realiza una trayectoria diagonal obviando la
cuadrícula |
Avanza linealmente pero no realiza el giro |
Realiza una trayectoria correcta pero larga |
Realiza una trayectoria correcta y corta |
Fuente: elaboración propia
La aplicación del instrumento se realizó de forma
individualizada, en un entorno controlado, con apoyo visual y verbal por parte
del investigador, siguiendo un protocolo estandarizado.
4.3.2. Assessment
instrument for Computational Thinking during an interaction supported by
Robot-DST (CT-Robot-DST)
Para registrar el nivel de PC del alumnado plasmado
durante la ejecución de las actividades lúdicas planteadas en la intervención
con el robot, se diseñó y validó el instrumento CT-Robot-DST. Su
construcción partió de una revisión sistemática de instrumentos previos
utilizados en investigaciones similares, identificando indicadores -mensurables
a partir de la observación- vinculados a las dimensiones del PC. Estos
indicadores se inspiran en los utilizados en otras investigaciones centradas en
la evaluación del PC en primeras edades (Berson et al., 2023; Ching y Hsu,
2023; Yang, 2024; Zeng et al., 2023). Posteriormente, se elaboró una matriz de
operacionalización que permitió definir las variables, categorías y niveles de
desempeño. Así, de forma semejante al procedimiento seguido por Terroba et al.
(2021), las categorías establecidas fueron cuatro: 1=Muy bajo; 2=Bajo; 3=Medio;
4=Alto. Estas categorías sirvieron para identificar los niveles de los sujetos
en cada habilidad (Tabla 2).
Tabla
2
CT-Robot-DST
|
Dimensión |
Variable |
Categorías |
|
Pensamiento algorítmico |
Habilidad para el conteo |
(1) No reconoce las
celdas que pautan el itinerario a seguir (2) Reconoce las
celdas pero comete bastantes errores al contarlas (3) Cuenta las
celdas pero comete algún error (4) Cuenta correctamente
las celdas |
|
Razonamiento lógico
(codificación de las 6 secuencias que debe realizar el robot) |
(1) No codifica
ninguna de las secuencias que debe realizar el robot (2) Codifica correctamente
1-2 secuencias de 6 (3) Codifica
correctamente 3-4 de 6 secuencias (4) Codifica correctamente
5-6 secuencias |
|
|
Orientación espacial |
(1) No sabe mover
los elementos en el entorno físico y digital (2) Sólo sabe mover
los elementos hacia delante (3) Sabe mover los
elementos hacia los lados (4) Sabe mover los
elementos en todas las direcciones |
|
|
Generalización y abstracción |
Coordinación e
interacción óculo-manual |
(1) No reconoce ni interactúa
con los elementos físicos y digitales (2) Reconoce los
elementos pero no sabe interactuar con ellos (3) Tiene
dificultades para interactuar con algunos elementos (4) Correcta
coordinación e interacción óculo-manual |
|
Abstracción
(identificación del botón/acción) |
(1) No identifica
los botones para avanzar el robot (2) Solo identifica
el botón de avance hacia delante (3) Identifica los
botones de giro (izquierda/derecha) pero comete algún error (4) Identifica todos los botones |
|
|
Activación de la memoria |
(1) No recuerda el
relato ni las tareas solicitadas (2) Recuerda el
relato pero no las tareas (3) Recuerda el
relato pero no las instrucciones para ejecutar las tareas (4) Recuerda el
relato y cómo ejecutar las tareas |
|
|
Descomposición y evaluación |
Discriminación de lateralidad |
(1) No tiene la
lateralidad adquirida (2) Comete
bastantes errores al discriminar izquierda/derecha (3) Comete algún
error puntual (4) Tiene la
lateralidad completamente adquirida |
|
Desplaza el robot
por las casillas del tapete constando su efectividad |
(1) Desplaza el
robot sin criterio (2) Desplaza el
robot y no percibe sus errores (3) Desplaza el
robot y percibe sus errores (4) Desplaza el
robot, percibe sus errores y lo reconduce |
|
|
Codifica la
secuencia implicándose en la acción y evalúa su acierto |
(1) No sabe
codificar la secuencia en el robot (2) Codifica el
robot pero no sabe evaluar su acierto (3) Codifica el
robot pero requiere un feedback del
adulto para evaluar su acierto (4) Codifica el
robot implicándose en la acción y evalúa su acierto |
|
|
Se implica en el
relato como un personaje auxiliar |
(1) Permanece ajeno
al relato y a los retos planteados (2) Se centra en
los retos obviando el relato (3) Se centra en los
retos para avanzar en el relato con el robot (4) Entabla
diálogos con el robot co-protagonista para alcanzar el objetivo del relato |
Fuente: elaboración propia
El instrumento se validó mediante un Análisis
Factorial Exploratorio. El test de esfericidad de Bartlett resulta
significativo (p<0,001) y la prueba de adecuación de Kaiser-Meyer Olkin
(KMO) presenta un valor alto (KMO=0,914). Se optó por utilizar el método de
mínimos cuadrados no ponderados (ULS) y los factores obtenidos son rotados de
forma oblicua utilizando el método Oblimin, pues a pesar de tratarse de
variables con suficientes categorías de respuesta, su distribución no es
normalizada según la Prueba de Kolmogorov-Smirnov (KS<0,001). Se constata
que el 74,5% de la varianza se explica a partir de un único factor (Figura 9).
Figura 9
Gráfico de sedimentación
Fuente: elaboración propia
Tomando como referencia las comunalidades de
extracción, todos los ítems explican gran parte de la variabilidad de cada
variable, con valores iguales o superiores a 0,600. Además, según la matriz de
componentes, todos los ítems se agrupan en torno a un único factor, por lo que
se trata de un instrumento unidimensional que mide el PC. Complementariamente,
el coeficiente Alpha de Cronbach obtenido es muy alto (α=0,954), por lo
que la escala presenta un buen nivel de fiabilidad.
La aplicación del CT-Robot-DST se llevó a cabo durante
la intervención, mediante observación directa por parte del investigador, quien
registró las conductas del alumnado en tiempo real, utilizando una rúbrica
previamente consensuada.
5. Resultados
5.1. Diagnóstico inicial del
PC y nivel alcanzado tras la intervención
El análisis de los datos corrobora una mejora
estadísticamente significativa en el nivel de PC del alumnado tras la
intervención, como se observa en las puntuaciones alcanzadas tanto en las
habilidades asociadas al pensamiento algorítmico, como a la generalización y
abstracción, resultando especialmente relevante el incremento en las
habilidades de descomposición y evaluación (x̄: pre-test=2,17 vs. x̄:
post-test=3,40; p <0,001) (Tabla 3).
Tabla 3
Contraste entre las puntuaciones alcanzadas en las dimensiones que definen
el PC
|
|
Pre-test |
Post-test |
Rxy |
Z |
p |
||
|
Actividad (A) |
x̄ |
DT |
x̄ |
DT |
|||
|
A1. Pensamiento Algorítmico |
3,59 |
0,888 |
3,76 |
0,658 |
0,817 |
-2,81 |
0,005 |
|
A2. Pensamiento Algorítmico |
3,09 |
0,834 |
3,41 |
0,702 |
0,803 |
-5,014 |
<0,001 |
|
A3. Pensamiento Algorítmico |
2,89 |
1,122 |
3,15 |
1,044 |
0,899 |
-4,200 |
<0,001 |
|
A4. Pensamiento Algorítmico |
2,33 |
1,267 |
2,70 |
1,437 |
0,889 |
-4,388 |
<0,001 |
|
A5. Generalización y Abstracción |
3,41 |
0,816 |
3,54 |
0,706 |
0,895 |
-2,887 |
0,004 |
|
A6. Descomposición y Evaluación |
2,17 |
0,979 |
3,40 |
0,814 |
0,672 |
-7,343 |
<0,001 |
|
TOTAL: PENSAMIENTO
COMPUTACIONAL |
2,94 |
1,070 |
3,38 |
0,855 |
0,875 |
-5,840 |
<0,001 |
Fuente: elaboración propia
Los contrastes posteriores no muestran diferencias estadísticamente
significativas en relación a la edad ni al género. A pesar de ello, cabe
destacar que las niñas muestran valores superiores en las distintas habilidades
y, por ende, en el PC (Tabla 4).
Tabla 4
Contraste entre puntuaciones alcanzadas en PC según el género
|
|
Pre-test |
Post-test |
||||
|
Actividad (A) |
Niño |
Niña |
p |
Niño |
Niña |
p |
|
A1. Pensamiento Algorítmico |
3,54 |
3,65 |
0,567 |
3,67 |
3,88 |
0,259 |
|
A2. Pensamiento Algorítmico |
3,04 |
3,15 |
0,603 |
3,35 |
3,50 |
0,475 |
|
A3. Pensamiento Algorítmico |
2,83 |
2,97 |
0,660 |
3,06 |
3,26 |
0,492 |
|
A4. Pensamiento Algorítmico |
2,31 |
2,35 |
0,917 |
2,63 |
2,79 |
0,564 |
|
A5. Generalización y Abstracción |
3,40 |
3,44 |
0,756 |
3,48 |
3,62 |
0,406 |
|
A6. Descomposición y Evaluación |
2,15 |
2,21 |
0,690 |
3,33 |
3,50 |
0,617 |
|
TOTAL: PENSAMIENTO
COMPUTACIONAL |
2,90 |
3,00 |
0,700 |
3,29 |
3,50 |
0,431 |
Fuente: elaboración propia.
En base a estos resultados se ha calculado el PC
general del alumnado estableciendo cuatro niveles de desempeño: muy bajo: 0,00-0,99;
bajo: 1,00-1,99; medio: 2,00-2,99; alto: 3,00-4,00. La Figura 10 muestra la
distribución del alumnado según el nivel de PC alcanzado antes y después de la
intervención, donde se observan los notables incrementos.
Figura 10
Distribución porcentual del alumnado según el nivel de PC alcanzado
Fuente: elaboración propia
Así, en la Tabla 5 se observa que el 17,1% mantiene su
nivel de PC de partida después de la intervención, mientras que el 42,7%
incrementa uno o, incluso, dos niveles. El 40,2% restante, que ya se encontraba
en el nivel más alto de dominio antes de la intervención, se mantiene en el
mismo. En cuanto al alumnado con ACNEAE, se observa que seis sujetos con nivel
“muy bajo” promocionan al “bajo”, uno del nivel “bajo” se mantiene en el mismo
y los dos que tenían nivel “alto” permanecen en él (uno con TDAH y otro con
TEA). Así pues, de los 12 alumnos con ACNEAE, la mitad incrementa su PC con la
intervención. Aunque, cuatro de estos alumnos (uno con TDAH y tres con retraso
madurativo) se mantienen en el nivel de partida “muy bajo” o “bajo”.
Tabla 5
Distribución de los sujetos según su nivel de PC e incremento tras la
intervención
|
Nivel |
Pre-test |
Post-test |
Se mantiene
el nivel |
Incremento de un nivel |
Incremento de dos niveles |
|||||
|
Con ACNEAE |
Sin ACNEAE |
Con ACNEAE |
Sin ACNEAE |
Con ACNEAE |
Sin ACNEAE |
Con ACNEAE |
Sin ACNEAE |
Con ACNEAE |
Sin ACNEAE |
|
|
|
N(%) |
N(%) |
N(%) |
N(%) |
N(%) |
N(%) |
N(%) |
N(%) |
N(%) |
N(%) |
|
Muy bajo |
9(11,0) |
2(2,4) |
3(3,7) |
0(0,0) |
3(3,7) |
0(0,0) |
6(7,3) |
1(1,2) |
0(0,0) |
1(1,2) |
|
Bajo |
1(1,2) |
15(18,3) |
7(8,5) |
3(3,7) |
2(2,4) |
2(2,4) |
0(0,0) |
12(14,6) |
0(0,0) |
0(0,0) |
|
Medio |
0(0,0) |
22(26,3) |
0(0,0) |
20(24,4) |
0(0,0) |
7(8,5) |
0(0,0) |
15(18,3) |
0(0,0) |
0(0,0) |
|
Alto |
2(2,4) |
31(37,8) |
2(2,4) |
46(56,1) |
- |
- |
- |
- |
- |
- |
Fuente: elaboración propia
5.2. Efecto de la
intervención en el incremento del PC
Durante la intervención descrita -apoyada en la narrativa
lúdica protagonizada por un robot- se midieron las habilidades intrínsecas a
las dimensiones del PC que el alumnado plasmó en sus ejecuciones, asociadas al
avance y logro del objetivo del relato protagonizado por la tortuga. Para ello
se utilizó el instrumento CT-Robot-DST, que permitió evaluar las
habilidades activadas por los sujetos, distribuyéndolos en cuatro niveles de
desempeño (Tabla 6).
Las puntuaciones más altas alcanzadas por el alumnado
se registran en la habilidad “Generalización y Abstracción” (x̄=3,30) y en
el “Pensamiento Algorítmico” (x̄=3,16), seguidas de la “Descomposición y
Evaluación” (x̄=2,95). Por su parte, el nivel de PC obtenido por los
sujetos es medio-alto (x̄=3,22) (Figura 11).
Figura
11
Distribución porcentual de la muestra según el nivel de PC plasmado durante
la intervención
Fuente: elaboración propia
Tabla 6
Estadísticos descriptivos de los niveles alcanzados por el alumnado en las
habilidades del PC
|
Habilidades del PC |
Variables |
Muy bajo |
Bajo |
Medio |
Alto |
x̄ |
DT |
|
N(%) |
N(%) |
N(%) |
N(%) |
||||
|
Pensamiento algorítmico |
Habilidad para el conteo |
0(0,0) |
6(7,3) |
12(14,6) |
64(78,0) |
3,71 |
0,598 |
|
Razonamiento lógico |
13(16,0) |
15(18,5) |
23(28,4) |
30(37,0) |
2,86 |
1,093 |
|
|
Orientación espacial |
7(8,5) |
19(23,2) |
18(22,0) |
38(46,3) |
3,06 |
1,023 |
|
|
Subtotal |
- |
- |
- |
- |
3,16 |
1,024 |
|
|
Generalización y Abstracción |
Coordinación e interacción óculo-manual |
3(3,7) |
16(19,5) |
24(29,3) |
39(47,6) |
3,21 |
0,885 |
|
Abstracción |
5(6,1) |
13(15,9) |
17(20,7) |
47(57,3) |
3,29 |
0,949 |
|
|
Activación de la memoria |
11(13,4) |
15(18,3) |
18(22,0) |
38(46,3) |
3,01 |
1,094 |
|
|
Subtotal |
- |
- |
- |
- |
3,30 |
1,002 |
|
|
Descomposición y evaluación |
Discriminación de la lateralidad |
4(4,9) |
11(13,4) |
20(24,4) |
47(57,3) |
3,34 |
0,892 |
|
Desplaza el robot por las casillas del tapete constatando su efectividad |
2(2,4) |
10(12,2) |
22(26,8) |
48(58,5) |
3,41 |
0,800 |
|
|
Codifica la secuencia implicándose en la acción y evalúa su acierto |
13(15,9) |
21(25,6) |
13(15,9) |
35(42,7) |
2,85 |
1,145 |
|
|
Se implica en el relato como un personaje auxiliar |
17(20,7) |
12(14,6) |
16(19,5) |
37(45,1) |
2,89 |
1,197 |
|
|
Subtotal |
- |
- |
- |
- |
2,95 |
1,065 |
|
|
TOTAL: PENSAMIENTO COMPUTACIONAL |
3,22 |
1,006 |
|||||
Fuente: elaboración propia
El posterior contraste
de medias atendiendo a la variable edad no arroja diferencias estadísticamente
significativas. Sin embargo, al comparar las puntuaciones alcanzadas por el
alumnado en función del género se constata que las niñas tienen un mejor
desempeño que sus compañeros, aunque estas diferencias sólo son
estadísticamente significativas respecto a la capacidad para descomponer tareas
y evaluarlas (x̄: niño=2,71 vs. x̄: niña=3,29; p=0,021). En concreto,
ellas destacan al codificar y evaluar la secuencia de los movimientos del robot
requeridos para desplazarlo por el tapete. Se muestran más autocríticas y se
implican más en la acción. También sobresalen por su inmersión en el relato al
asumir el papel de personaje auxiliar, preocupadas por alcanzar el objetivo
final de los retos, en este caso, encontrar el hogar de la tortuga (Tabla 7).
Tabla
7
Contraste de medias según el género
|
Habilidades del PC |
Variables |
Niño |
Niña |
p |
d |
|
Pensamiento algorítmico |
Habilidad para el conteo |
3,63 |
3,82 |
0,312 |
0,096 |
|
Razonamiento lógico |
2,89 |
2,82 |
0,653 |
0,057 |
|
|
Orientación espacial |
3,13 |
2,97 |
0,303 |
0,126 |
|
|
Subtotal |
3,29 |
3,06 |
0,514 |
0,079 |
|
|
Generalización y Abstracción |
Coordinación e interacción óculo-manual |
3,25 |
3,15 |
0,361 |
0,111 |
|
Abstracción |
3,23 |
3,38 |
0,796 |
0,031 |
|
|
Activación de la memoria |
2,94 |
3,12 |
0,681 |
0,051 |
|
|
Subtotal |
3,23 |
3,41 |
0,554 |
0,067 |
|
|
Descomposición y Evaluación |
Discriminación de la lateralidad |
3,42 |
3,24 |
0,092 |
0,196 |
|
Desplaza el robot por las casillas del tapete constatando su
efectividad |
3,31 |
3,56 |
0,243 |
0,135 |
|
|
Codifica la secuencia implicándose en la acción y evalúa su acierto |
2,58 |
3,24 |
0,010 |
0,317 |
|
|
Se implica en el relato como un personaje auxiliar |
2,58 |
3,32 |
0,008 |
0,327 |
|
|
Subtotal |
2,71 |
3,29 |
0,021 |
0,287 |
|
|
TOTAL: PENSAMIENTO
COMPUTACIONAL |
3,15 |
3,32 |
0,552 |
0,071 |
|
Fuente: elaboración propia.
Como era de esperar, dadas
las dificultades del alumnado con ACNEAE, al contrastar las medias de las
puntuaciones alcanzadas en el PC con las del resto de sus compañeros se
constatan diferencias significativas (x̄: con ACNEAE=1,69 vs. x̄: sin
ACNEAE=3,51; p<0,001). En la Figura 12 se observa que aquel alumnado con
mayores dificultades se encuentra en los niveles más bajos.
Figura 12
Percentaje distribution of the sample with
and without SEN according to their CT level
Fuente: elaboración propia
La evolución del PC tras la intervención es positiva
como se constata al comparar las medias alcanzadas en el constructo Pensamiento
Computacional por el alumnado, donde se registra un incremento de 0,44. Y, en
particular, destaca el aumento de 1,23 puntos en la habilidad “Descomposición y
Evaluación” (Figura 13).
Figura
13
Evolución de las medias del PC y sus habilidades antes, durante y después de
la intervención
Fuente: elaboración propia
Finalmente, para comprobar en qué medida las
habilidades activadas con la intervención influyen sobre el nivel de PC
alcanzado en el postest, se ha realizado un análisis de regresión lineal
múltiple, donde se constata que todas ellas influyen en el nivel de PC del
alumnado (Tabla 8).
Tabla
8
Modelo
de regresión múltiple entre las habilidades intrínsecas al PC activadas durante
la intervención
|
Modelo |
Coeficientes no estandarizados |
Coeficientes estandarizados |
t |
Sig. |
|
|
B |
Desv. Error |
Beta |
|||
|
(Constante) |
-0,120 |
0,119 |
- |
-1,009 |
0,317 |
|
Habilidad para el conteo |
0,042 |
0,051 |
0,089 |
0,820 |
0,415 |
|
Razonamiento lógico |
0,055 |
0,039 |
0,216 |
1,402 |
0,165 |
|
Orientación espacial |
0,009 |
0,045 |
0,033 |
0,197 |
0,844 |
|
Coordinación e interacción óculo-manual |
0,026 |
0,054 |
0,083 |
0,484 |
0,630 |
|
Abstracción |
-0,006 |
0,042 |
-0,020 |
-0,138 |
0,890 |
|
Activación de la memoria |
0,124 |
0,036 |
0,490 |
3,464 |
0,001 |
|
Discriminación de la lateralidad |
-0,022 |
0,039 |
-0,072 |
-0,575 |
0,567 |
|
Desplaza el robot por las casillas del tapete
constatando su efectividad |
0,051 |
0,036 |
0,146 |
1,435 |
0,156 |
|
Codifica la secuencia implicándose en la acción
y evalúa su acierto |
-0,016 |
0,027 |
-0,066 |
-0,599 |
0,551 |
|
Se implica en el relato como un personaje
auxiliar |
0,018 |
0,019 |
0,080 |
0,989 |
0,326 |
Fuente: elaboración propia
Se observa que el conjunto de habilidades activadas
con la intervención alcanza una alta tasa explicativa del PC, ya que predice el
78,3% de los resultados de los sujetos (R2=0,783). Especialmente, la activación
de la memoria -asociada al recuerdo del relato y las tareas solicitadas-
resulta estadísticamente significativa. La recta de regresión muestra la
relación existente entre los valores obtenidos por los sujetos en las
habilidades analizadas (variables independientes en el eje de abscisas) y su
vinculación con el PC (variable dependiente en el eje de ordenadas) (Figura
14).
Figura 14
Diagrama de dispersión y análisis de regresión lineal múltiple
Fuente: elaboración propia
Discusión y
conclusiones
A la vista de los resultados, se constata que la
intervención -apoyada en el relato de la búsqueda del hogar para la tortuga-,
que requería la codificación de un robot y la realización de actividades
digitales, físicas y aumentadas, ha contribuido al incremento del PC del
alumnado de Educación Infantil. Esta práctica innovadora ha obtenido resultados
positivos, de forma similar a las experiencias realizadas por Berson et al.
(2023) y Terroba et al. (2021) quienes también apostaron por integrar el juego
dentro de intervenciones con robótica en este nivel educativo para estimular el
pensamiento algorítmico, así como las habilidades para la generalización, la
abstracción, la descomposición y la evaluación, propias del PC.
La intervención contribuyó a la activación de diversas
habilidades asociadas al PC. Por un lado, se les pedía que contasen las
casillas por las que debía avanzar el robot, también debían secuenciar las
tareas, orientarse espacialmente en el tapete y dentro del entorno digital
(tablet) para realizar las actividades indicadas, asociando personajes marinos
con su hábitat, rotando animales en 3D para discernir sus cualidades, etc. La
experiencia también requería de la coordinación e interacción óculo manual tanto
para interactuar con los elementos del entorno físico, como el tapete, el robot
o la propia tortuga, así como las actividades inmersivas planteadas a partir de
app. Sin duda, la utilización de microrrelatos insertos en escenarios
inmersivos apoyados en RA contribuye a desarrollar la orientación espacial del
alumnado, al sumergirles en entornos de ficción digitales. Asimismo, la
interacción con elementos físicos y aumentados, genera experiencias
multisensoriales que reducen la carga cognitiva que supone la secuenciación y
resolución de problemas, tal como señalan Işik et al. (2024).
Durante la intervención, el
alumnado registró valores susceptiblemente inferiores en la habilidad de
abstracción a los alcanzados en el pre-test y el post-test, dada la novedad y complejidad de la actividad
propuesta, pues debían codificar los movimientos del robot asociando cada botón
con su acción correspondiente para alcanzar su objetivo. Además, la ejecución
de la secuencia de actividades integradas en el relato,requería
la activación de la memoria para recordar las indicaciones para realizarlas.
Respecto a las habilidades del PC incrementadas tras la experiencia lúdica,
destaca la mejora en la habilidad para la “Descomposición y Evaluación”, lo
cual quizá pueda deberse al atractivo del relato que sustenta la actividad
solicitada al alumnado: señalar el camino más corto para llegar a la tarta de
cumpleaños de la tortuga, donde se pueden ver reflejados al tratarse de una
actividad gratificante para ellos. Esta habilidad se encuentra íntimamente
relacionada con la segmentación de las actividades de codificación del robot
para avanzar y la constatación de la adecuación a lo solicitado (“¡Me he
quedado por detrás!”, “Me he pasado, casi me salgo del camino”, etc.), así como
la posibilidad de repetir sus acciones (“Voy a tener que repetirlo…”, “¿Puedo
probar otra vez?”, etc.).
Hay que subrayar que si bien
el alumnado participante no había utilizado la robótica educativa previamente,
todos se han beneficiado de la intervención, independientemente de la variable
género y edad. Del mismo modo sucede con el alumnado con ACNEAE, aunque solo la
mitad de ellos ha incrementado su nivel de PC, el resto, con mayores
dificultades, se ha mantenido en sus valores iniciales. Sin duda, integrar
microrrelatos digitales aumentados en escenarios lúdicos donde intervienen un
robot como protagonista, constituye una propuesta innovadora -y eficaz- para
estimular el PC. Además, la integración de la codificación robótica como medio
para contribuir en el desenlace feliz de una historia permite que el alumnado
se inicie en la programación y desarrolle otras habilidades asociadas como la
orientación espacial, la lateralidad, el conteo, la coordinación óculo-manual,
el razonamiento lógico, etc. El avance del robot por un escenario lúdico e
inmersivo que invita a superar y resolver distintas actividades integradas en
una historia, incrementa el PC del alumnado al tiempo que su implicación
emocional con las tareas propuestas.
El diseño de la intervención responde a una visión
constructivista del aprendizaje, donde el alumnado construye conocimientos a
partir de experiencias significativas y contextualizadas, en este caso, dentro
de microhistorias. A su vez, la experiencia se enmarca en un enfoque de
aprendizaje situado, al vincular las actividades con el entorno inmediato del
alumnado, el entorno marino, favoreciendo así la transferencia del
conocimiento. Además, el enfoque STEAM está presente al hacer converger la
tecnología, la narrativa y el PC, permitiendo promover de forma conjunta áreas
como Ciencia, Tecnología, Ingeniería, Arte y Matemáticas. Todo ello permite
interpretar los resultados no solo desde su eficacia práctica, sino también
desde una base conceptual sólida, lo que refuerza la validez de las
conclusiones alcanzadas. Por tanto, los hallazgos de esta investigación se
sustentan en principios pedagógicos consolidados que aportan solidez teórica a
la propuesta.
Como limitaciones del
estudio, hay que señalar que los resultados se refieren a un contexto escolar
determinado con alumnado de 4 a 6 años. También cabe reconocer posibles sesgos
debidos a que la selección de la muestra no fue aleatoria y la ausencia de grupo
control. Además, sería interesante ampliar la muestra en un futuro y/o realizar
la intervención con alumnado de otras edades. Igualmente, se podría adaptar la
narrativa a centros de interés acordes al contexto de los participantes,
integrando otras aplicaciones y actividades que requieran activar las
habilidades asociadas al PC. Por otro lado, los instrumentos diseñados y la
propia narrativa pueden traducirse a otro idioma, favoreciendo su réplica en
otros contextos.
En cuanto a futuras líneas
de investigación, sería pertinente realizar comparaciones con otros enfoques
metodológicos para activar el PC -con o sin la utilización de dispositivos
digitales-, explorar la aplicación de las micro-historias
en diferentes áreas curriculares y llevar a cabo estudios longitudinales para
evaluar la sostenibilidad del aprendizaje en el tiempo.
Contribución de los autores
Conceptualización, M. Esther Del-Moral-Pérez, Nerea
López-Bouzas; curación de datos, Jonathan Castañeda-Fernández; análisis formal,
M. Esther Del-Moral-Pérez, Nerea López-Bouzas y Jonathan Castañeda-Fernández;
adquisición de financiación, M. Esther Del-Moral-Pérez; investigación, M.
Esther Del-Moral-Pérez, Nerea López-Bouzas y Jonathan Castañeda-Fernández;
metodología, M. Esther Del-Moral-Pérez, Nerea López-Bouzas y Jonathan
Castañeda-Fernández; administración del proyecto, M. Esther Del-Moral-Pérez; recursos,
Nerea López-Bouzas; software, Nerea López-Bouzas; supervisión, M. Esther
Del-Moral-Pérez; validación, Jonathan Castañeda-Fernández; visualización, Nerea
López-Bouzas; redacción del borrador original, M. Esther Del-Moral-Pérez, Nerea
López-Bouzas y Jonathan Castañeda-Fernández; redacción, revisión y edición, M.
Esther Del-Moral-Pérez, Nerea López-Bouzas y Jonathan Castañeda-Fernández.
Financiación
Esta investigación no ha recibido
financiación externa
Disponibilidad de datos
El conjunto de datos
utilizados en este estudio están disponibles previa solicitud razonable al
autor de correspondencia
Aprobación ética
La intervención se llevó a
cabo tras obtener el permiso del Comité de Ética de la Universidad de Oviedo
(37\_RRI\_2024). Además, se explicó el propósito y los procedimientos al
personal docente y a las familias (ver documento explicativo en:
[https://cutt.ly/geue42E1](https://cutt.ly/geue42E1). El tratamiento, la comunicación y la
transferencia de datos se realizaron de acuerdo con el Reglamento (UE) 2016/679
del Parlamento Europeo y del Consejo, de 27 de abril de 2016, relativo a la
protección de las personas físicas en lo que respecta al tratamiento de datos
personales y a la libre circulación de estos datos (RGPD), así como con la Ley
Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y
garantía de los derechos digitales (LOPDGDD). El equipo de investigación
conserva los datos anonimizados para garantizar la confidencialidad.
Consentimiento de publicación
No se aplica
Conflicto de interés
El/Los autor/es/as declaran no tener conflictos de
interés
Derechos y permisos
Open Access. Este artículo
está licenciado bajo una Licencia
Creative Commons Atribución 4.0 Internacional, que permite el
uso, intercambio, adaptación, distribución y reproducción en cualquier medio o
formato, siempre y cuando se otorgue el crédito correspondiente al autor
original y a la fuente, se proporcione un enlace a la licencia Creative Commons y se indique si se realizaron cambios
Referencias
Akramova, G., Ma’murov,
B., Akramova, S., Qo’ldoshev,
R., & Shodmonova, A. (2024). Methods of using
STEAM technologies in the development of pupils’ computational thinking. In E3S
Web of Conferences, 538, 05034. EDP Sciences. https://doi.org/10.1051/e3sconf/202453805034
Antunes, C., Neto, I., Correia, F., Paiva, A.,
& Nicolau, H. (2022). Inclusive'r'stories: An inclusive
storytelling activity with an emotional robot. In 2022 17th ACM/IEEE
International Conference on Human-Robot Interaction (HRI) (pp. 90-100).
IEEE. http://doi.org/10.1109/HRI53351.2022.9889502
Ausubel, D.G. (1963). Cognitive structure and the
facilitation of meaningful verbal learning. Journal of teacher education,
14(2), 217-222. https://doi.org/10.1177/0022487163014002
Berson, I.R., Berson, M.J., McKinnon, C., Aradhya, D.,
Alyaeesh, M., Luo, W., & Shapiro, B.R. (2023). An
exploration of robot programming as a foundation for spatial reasoning and
computational thinking in preschoolers’ guided play. Early Childhood Research Quarterly, 65, 57-67. https://doi.org/10.1016/j.ecresq.2023.05.015
Bono, A., Augello, A., Pilato, G., Vella, F., &
Gaglio, S. (2020). An ACT-R based humanoid social robot to manage storytelling
activities. Robotics, 9(2),
25. https://doi.org/10.3390/robotics9020025
Bravo, F.A., Hurtado, J.A.,
& González, E. (2021). Using robots with storytelling and drama activities in
science education. Education Sciences,
11(7), 329. https://doi.org/10.3390/educsci11070329
Bruner, J. (1990). Acts of meaning: Four lectures
on mind and culture. Harvard University Press.
Canbeldek, M., & Isikoglu, N. (2023). Exploring the effects of “productive
children: coding and robotics education program” in early childhood education. Education and Information Technologies, 28(3), 3359-3379. https://doi.org/10.1007/s10639-022-11315-x
Chang, C.C., Hwang, G.J., & Chen, K.F. (2023).
Fostering professional trainers with robot-based digital storytelling: A
brainstorming, selection, forming and evaluation model for training guidance. Computers & Education, 202, 104834. https://doi.org/10.1016/j.compedu.2023.104834
Chen, J., & Lee, J.S. (2023). Digital storytelling
outcomes, emotions, grit, and perceptions among EFL middle school learners:
Robot-assisted versus PowerPoint-assisted presentations. Computer Assisted Language Learning, 36(5-6), 1088-1115. https://doi.org/10.1080/09588221.2021.1969410
Ching, Y.H., & Hsu, Y.C. (2023). Educational
robotics for developing computational thinking in young learners: A systematic
review. TechTrends,
1-12. https://doi.org/10.1007/s11528-023-00841-1
Cohen, L., Manion, L., & Morrison, K. (2011). Research methods in education.
Routledge.
Dagienė, V., Kampylis, P., Giannoutsou, N.,
Engelhardt, K., Malagoli, C., & Bocconi, S.
(2024). Fostering computational thinking in compulsory education in Europe: a
multiple case study. Baltic journal of modern computing., 12(2),
189-221. http://doi.org/10.22364/bjmc.2024.12.2.05
Dietz, G., Le, J.K., Tamer, N., Han, J., Gweon, H.,
Murnane, E.L., & Landay, J.A. (2021). Storycoder:
Teaching computational thinking concepts through storytelling in a voice-guided
app for children. In Proceedings of the
2021 CHI Conference on Human Factors in Computing Systems (pp. 1-15). http://doi.org/10.1145/3411764.3445039
Dietz, G., Tamer, N.,
Ly, C., Le, J.K., & Landay,
J.A. (2023). Visual StoryCoder: A
Multimodal Programming Environment for Children’s Creation of Stories. In Proceedings of the 2023 CHI Conference on
Human Factors in Computing Systems (pp. 1-16). http://doi.org/10.1145/3544548.3580981
Dorouka, P., Papadakis, S., & Kalogiannakis,
M. (2020). Tablets and apps for promoting robotics, mathematics, STEM education
and literacy in early childhood education. International
Journal of Mobile Learning and Organisation, 14(2), 255-274. https://doi.org/10.1504/IJMLO.2020.106179
González-González, C.S. (2019). State of the art in
the teaching of computational thinking and programming in childhood education. Education in the Knowledge Society, 20, 1-15. https://doi.org/10.14201/eks2019_20_a17
Hu, C.C., Chen, M.H., Yuadi,
I., & Chen, N.S. (2022). The effects of constructing robot-based
storytelling system on college students' computational thinking skill and
technology comprehension. In 2022 24th
International Conference on Advanced Communication Technology (ICACT) (pp.
496-500). IEEE. https://doi.org/10.23919/ICACT53585.2022.9728803
Işik, İ., Kert, S.B., & Tonbuloğlu, İ. (2024). Think together, design
together, code together: the effect of augmented reality activity designed by
children on the computational thinking skills. Education and Information Technologies, 29(7), 8493-8522. https://doi.org/10.1007/s10639-023-12153-1
Leoste, J., Pastor, L., López, J.S.Garre, C., Seitlinger, P.,
Martino, P., & Peribáñez, E. (2021). Using robots for
digital storytelling. A game design framework for teaching human rights to
primary school students. In Robotics in
education: Methodologies and technologies (pp. 26-37). Springer. https://doi.org/10.1007/978-3-030-67411-3_3
Montuori, C., Gambarota,
F., Altoé, G., & Arfé, B. (2024). The cognitive
effects of computational thinking: A systematic review and meta-analytic study.
Computers & Education, 210, 104961. https://doi.org/10.1016/j.compedu.2023.104961
Nawawi, S., Johari, A., Siburian,
J., & Anggereini, E. (2024). The Transformative
Power of Challenge-Based Learning in Cultivating 21st-Century Skills. Indonesian
Journal of Educational Research and Review, 7(3), 679-693. https://doi.org/10.23887/ijerr.v7i3.84243
Ouaazki, A., Bergram, K., Farah, J. C., Gillet, D., & Holzer, A.
(2024). Generative AI-Enabled Conversational Interaction to Support
Self-Directed Learning Experiences in Transversal Computational Thinking. In Proceedings
of the 6th ACM Conference on Conversational User Interfaces (pp. 1-12). https://doi.org/10.1145/3640794.3665542
Pajchel, K., Mifsud,
L., Frågåt, T., Rehder, M.
M., Juuti, K., Bogar, Y., ... & Rognes, A.
(2024). Sign of the Times: The Framing of Computational Thinking in Danish,
Finnish, and Norwegian Curricula. Nordic Journal of Comparative and
International Education (NJCIE), 8(4). https://doi.org/10.7577/njcie.5744
Papadakis, S. (2022). Apps to promote computational
thinking concepts and coding skills in children of preschool and pre-primary
school age. In Research anthology on
computational thinking, programming, and robotics in the classroom (pp.
610-630). IGI Global. http://doi.org/10.4018/978-1-6684-2411-7.ch028
Papert, S. (1980). Children, computers, and
powerful ideas. Harvester.
Pelletier, K., McCormack, M., Reeves, J., Robert, J., Arbino, N., Al-Freih, M., Dickson, C., Guevara, C., Koster,
L., Sánchez, M., Skallerup, L., & Stine, J. (2022). Horizon Report, Teaching and Learning Edition. EDUCAUSE.
Shanmugam, L., Yassin, S.F., & Khalid, F. (2019).
Enhancing students’ motivation to learn computational thinking through mobile
application development module (M-CT). International
Journal of Engineering and Advanced Technology, 8(5), 1293-1303.
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
Silva, B., Rodriguez, C., & Neris, V.
(2023). Buttons, Devices, and Adults: How Preschool Children
Designed an IoT Programming Tool. Interacting
with Computers, 35(2), 301-314. https://doi.org/10.3390/electronics13112086
Singh, B., & Kaunert, C.
(2024). Computational Thinking for Innovative Solutions and Problem-Solving
Techniques: Transforming Conventional Education to Futuristic Interdisciplinary
Higher Education. In Revolutionizing Curricula Through Computational
Thinking, Logic, and Problem Solving (pp. 60-82). IGI Global. http://doi.org/10.4018/979-8-3693-1974-1.ch004
Tengler, K., Kastner-Hauler, O., & Sabitzer, B.
(2021). Enhancing Computational Thinking Skills using Robots and Digital
Storytelling. In CSEDU (pp. 157-164). http://doi.org/10.5220/0010477001570164
Terroba, M., Ribera, J.M., Lapresa,
D., & Anguera, M.T. (2021). Propuesta de intervención mediante un robot de suelo
con mandos de direccionalidad programada: análisis observacional del desarrollo
del pensamiento computacional en educación infantil. Revista de psicodidáctica, 26(2), 143-151. https://doi.org/10.1016/j.psicod.2021.03.001
Triantafyllou, S. A., Sapounidis,
T., & Farhaoui, Y. (2024). Gamification and
computational thinking in education: a systematic literature review. Salud,
Ciencia y Tecnologia-Serie de Conferencias, 3,
659-659. http://doi.org/10.56294/sctconf2024659
UNESCO (2019). Marco de competencias de los docentes en
materia de TIC. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000371024
Utesch, M.C., Faizan, N.D., Krcmar, H., &
Heininger, R. (2020). Pic2Program-An educational android application teaching
computational thinking. In 2020 IEEE
Global Engineering Education Conference (EDUCON) (pp. 1493-1502). IEEE. https://doi.org/10.1109/EDUCON45650.2020.9125087
Vuorikari R., Kluzer S., & Punie, Y. (2022) DigComp 2.2: The Digital Competence Framework for Citizens-With new examples
of knowledge, skills and attitudes. Publications Office of the European
Union. http://doi.org/10.2760/490274
Wing, J.M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215
Yadav, S., & Chakraborty, P. (2023). Introducing
schoolchildren to computational thinking using smartphone apps: A way to
encourage enrollment in engineering education. Computer Applications in Engineering Education, 31(4), 831-849. https://doi.org/10.1002/cae.22609
Yang, W. (2024). Coding with robots or tablets?
Effects of technology-enhanced embodied learning on preschoolers’ computational
thinking and social-emotional competence. Journal of Educational Computing
Research, 62(4), 938-960. https://doi.org/10.1177/07356331241226459
Yang, W., Ng, D.T. & Su, J. (2023). The impact of
story-inspired programming on preschool children's computational thinking: A
multi-group experiment. Thinking skills and creativity, 47,
101218. https://doi.org/10.1016/j.tsc.2022.101218
Yang, W., Ng, D.T., & Gao, H. (2022). Robot
programming versus block play in early childhood education: Effects on
computational thinking, sequencing ability, and self‐regulation. British
Journal of Educational Technology, 53(6),
1817-1841. https://doi.org/10.1111/bjet.13215
Yang, W., Su, J., & Li, H. (2024). Demystifying
early childhood computational thinking: An umbrella review to upgrade the
field. Future in Educational Research, 2(4), 458-477. https://doi.org/10.1002/fer3.38
Yuberti, Diani, R.,
Suryani, Y., Latifah, S., Jamaluddin, W., & Widiawati,
N. (2024). PjBL model with the STEAM approach: A
solution to improve computational thinking ability. In AIP Conference
Proceedings, 3058(1), 020003. AIP Publishing LLC. https://doi.org/10.1063/5.0201264
Zapata, M., Marcelino, P.,
El-Hamamsy, L., & Martín, E. (2024). A Bebras Computational Thinking (ABC-Thinking) program for
primary school: Evaluation using the competent computational thinking test. Education and
Information Technologies,
29, 14969–14998. https://doi.org/10.1007/s10639-023-12441-w
Zeng, Y., Yang, W., & Bautista, A. (2023).
Computational thinking in early childhood education: Reviewing the literature
and redeveloping the three-dimensional framework. Educational Research Review, 39,
100520. https://doi.org/10.1016/j.edurev.2023.100520
Zhang, F., Lai, C. Y., Simic, M., & Ding, S.
(2020). Augmented reality in robot programming. Procedia Computer Science, 176,
1221-1230. https://doi.org/10.1016/j.rcim.2024.102770