archivodiapositiva_2023512162314 - Valerie Yánez (4)

Vista previa del material en texto

Pensamiento Computacional
Unidad 1
Introducción al Pensamiento Computacional
Tema 1
Enfoque del Pensamiento Computacional
Pensamiento Computacional
Objetivo
Conocer habilidades de pensamiento lógico y analítico, aplicar el pensamiento
computacional en la resolución de problemas, fomentar la creatividad y la
innovación.
Introducción
❑ El pensamiento computacional busca desarrollar el pensamiento crítico teniendo como base
los conceptos claves de la computación: abstracción, algoritmos, programación y simulación.
❑ Estas habilidades pueden ser desarrolladas y difundidas a nivel general.
❑ Cuando el pensamiento computacional se aplica en situaciones de la vida cotidiana, las
personas empiezan a darse cuenta de la utilidad del pensamiento crítico y de los conceptos de
la computación en el proceso de resolución de problemas.
Subtemas
» Subtemas:
1 Origen y definición del pensamiento computacional.
2 Procesamiento de la información (Entrada – proceso – salida).
3 Lenguajes naturales y formales, lenguajes educativos e industriales.
4 Aprendizaje automático e inteligencia artificial.
Subtema 1: Origen y definición del pensamiento 
computacional
La idea central del
Pensamiento Computacional es
que todas las personas puedan
utilizar habilidades propias del
ámbito de la computación para
la resolución de problemas en
otros ámbitos.
Subtema 1: Origen y definición del pensamiento 
computacional
• El científico de la computación, Seymour Papert, es
considerado el pionero del pensamiento
computacional porque introdujo la idea de que la
programación puede proporcionar a los niños una
habilidad fundamental en la resolución de problemas
y la creatividad.
• Mientras que la teórica informática Jeannette Wing
fue una de las primeras especialistas en utilizar el
término Pensamiento Computacional al querer
describir cómo piensa un científico de computadoras y
lo beneficioso que es para todos pensar de esta forma:
“El pensamiento computacional implica resolver
problemas, diseñar sistemas y comprender el
comportamiento humano, haciendo uso de los
conceptos fundamentales de la informática” (Wing J.,
2006).
Subtema 1: Origen y definición del pensamiento 
computacional
• El Pensamiento Computacional busca generar
una forma de pensamiento que permita
aprender a plantearse problemas y sus
soluciones, cumpliendo una secuencia
determinada de pasos en el proceso y para ello
se de desarrollan habilidades propias de la
computación y del pensamiento crítico, del
pensamiento lateral, entre otros.
• La idea central es que todas las personas
puedan utilizar habilidades propias del ámbito
de la computación para la resolución de
problemas en otros ámbitos.
Subtema 1: Origen y definición del pensamiento 
computacional
Supongamos que debemos hacer un informe sobre animales 
domésticos en Ecuador. ¿Cuáles serían los pasos a seguir?
Actividad en clase:
Subtema 1: Origen y definición del pensamiento 
computacional
1. Particularizo los 
animales
2. Determino las 
fuentes de 
información
3. Investigo los 
temas
4. Determino el 
soporte final
5. Redacto el 
informe
6. Presento el 
informe
Subtema 1: Origen y definición del pensamiento 
computacional
Componentes
1. 
Descomposición
de un problema 
en fases más 
pequeñas
2. 
Reconocimiento
de patrones
repetitivos
3. Abstracción
de información 
irrelevante al 
problema 
propuesto
4. Algoritmos
escritos 
presentados 
para la 
resolución del 
problema
Subtema 1: Origen y definición del pensamiento 
computacional
1. Descomposición de un problema en fases más pequeñas
• Si dividimos un problema en partes más pequeñas
seguramente resolviendo cada parte llegaremos a
la solución final.
• Por lo cual divide y vencerás (nombre de un
algoritmo específico) consiste en la separación de
un sistema o problema complejo en partes más
pequeñas para que así sean más fáciles de
solucionar.
Subtema 1: Origen y definición del pensamiento 
computacional
2. Reconocimiento de patrones repetitivos
• Esta técnica le hemos usado desde la infancia,
buscar lo que siempre se repite o que es
regular.
• Una vez descompuesto el problema complejo
en varios más pequeños, se buscan estándares
de características comunes dentro de la
situación o ver si no lo hemos hecho antes, de
tal manera que encontrar estas semejanzas en
los pequeños problemas descompuestos ayuda
a resolver el sistema de forma más eficiente.
Subtema 1: Origen y definición del pensamiento 
computacional
3. Abstracción de información irrelevante al problema propuesto
• Centrarse en la información importante,
dejando de lado aquellas características
irrelevantes e innecesarias.
• Es aquí donde se analiza, cuáles son las
características generales y comunes a cada
una de las partes.
• Una vez que se cuenta con las características
generales, se procede a la creación de un
"modelo" del problema, el cual es la idea
general del problema que se intenta resolver.
Subtema 1: Origen y definición del pensamiento 
computacional
4. Algoritmos escritos presentados para la resolución del problema
• Se comienza con el desarrollo de las instrucciones
paso a paso o plantear las reglas a seguir para
resolver cada uno de estos problemas a través de
la programación de una computadora, es decir,
crear los algoritmos.
• Un algoritmo es un conjunto de pasos para
resolver un problema que pueden ser creados a
través de diagramas de flujos o usando
pseudocódigos.
Procesamiento de la información
• Es una teoría surgida en los años 60 como síntesis
de otras predecesoras, como una explicación
psicológica del aprendizaje.
• Esta teoría, de corte científico – cognitiva,
considera al hombre como un procesador de
información y utiliza a la computadora como
modelo de funcionamiento de la mente humana.
• Tiene influencia de la Informática y las teorías de
la Comunicación.
• Este proceso describe cómo trabajan los sistemas
computacionales para producir resultados útiles.
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
Elementos
La mente humana desarrolla una operación secuencial y sucesiva que inicia con:
- La entrada de la información (input),
- El proceso que abarca el almacenamiento y la interpretación que permite producir una
respuesta.
- La salida de dicha respuesta (output).
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
Procesamiento de datos - Entrada 
• Este proceso describe cómo trabajan los
sistemas computacionales para producir
resultados útiles.
• Es todo insumo necesario para el
procesamiento de datos.
• Los datos son ingresados en el sistema a
través de diferentes fuentes, como
dispositivos de entrada, sensores,
teclados, micrófonos, cámaras, entre
otros. La entrada puede ser en forma de
texto, imágenes, sonido, videos, datos
numéricos, etc.
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
Actividad en clase:
Un usuario presiona las teclas de su calculadora (5-3) y luego = sale 2
¿Cuáles son: la entrada, proceso y salida? 
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
Procesamiento de datos - Proceso 
• Una vez que los datos han sido ingresados, el
siguiente paso es procesarlos.
• Esto implica la manipulación de los datos para
transformarlos en información útil.
• El procesamiento puede incluir la organización de los
datos, la clasificación, el análisis, la comparación, la
búsqueda, la edición y la transformación.
• Las entradas pueden variar o simplemente llevar sus
valores a otro dato para que sea entregado a otro
proceso o como resultado final.
• Por ejemplo, un proceso es una operación aritmética,
ya sea suma, resta, multiplicación o división.
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
Procesamiento de datos - Salida
• Es el resultado final del procesamiento de la
información.
• Los resultados pueden ser en forma de
informes, gráficos, tablas, imágenes, videos,mensajes de texto, entre otros.
• La salida se presenta en diferentes
dispositivos de salida, como pantallas,
impresoras, altavoces, entre otros.
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
Ejemplo:
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)
• Entrada: El usuario ingresa los números y operaciones que
desea realizar a través del teclado de la calculadora. Estos datos
ingresados son la entrada al proceso.
• Proceso: La calculadora procesa los datos ingresados por el
usuario. Realiza las operaciones matemáticas correspondientes,
ya sea sumar, restar, multiplicar o dividir. Este proceso de
cálculo se realiza internamente en el procesador de la
calculadora.
• Salida: Finalmente, la calculadora muestra el resultado de la
operación realizada en la pantalla. El resultado es la salida del
proceso de la calculadora.
Lenguajes naturales
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales
• El lenguaje natural es el que usamos para interactuar con las
personas a través de la comunicación escrita, oral o no verbal.
Por ejemplo: los idiomas.
• La tecnología en el lenguaje natural es diferente. El
procesamiento del lenguaje natural va de la mano con los
desarrollos tecnológicos en Inteligencia Artificial y están
diseñados para generar un proceso comunicativo entre las
computadoras y humanos. Así, la Inteligencia Artificial puede
entender, procesar y aprender el lenguaje humano para crear
un proceso comunicacional.
• Para entenderlo mejor, podemos asociarlo a los Chats Bots,
que son canales interactivos donde el humano habla con un
robot para saber sobre algo o alguien.
Lenguajes formales
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales
• Son aquellos que están centrados en las matemáticas y
disciplinas como la robótica o la computación.
• A diferencia de los lenguajes naturales, no están centrados en
la comunicación humana habitual, sino en la definición y
aplicación de una serie de reglas en un entorno específico.
• Se caracterizan por su precisión y rigurosidad en la sintaxis y
semántica.
• Un ejemplo de lenguaje formal es el lenguaje matemático que
usa símbolos y reglas específicas para expresar conceptos de
manera rigurosa, clara y precisa.
• Entre los ejemplos de lenguajes de programación encontramos
XML, SQL y PHP que tienen relación con el funcionamiento
adecuado de un sitio web.
Lenguajes educativos
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales
• Son lenguajes diseñados para la enseñanza y aprendizaje de
programación.
• Se caracterizan por tener una sintaxis más sencilla y fácil de
aprender.
• Suelen ser utilizados en los primeros niveles de enseñanza de
programación, como por ejemplo: Scratch, Logo, Alice y Python
Turtle.
• Scratch utiliza bloques de código que se pueden arrastrar y
soltar para crear programas. Cada bloque representa una
acción o comando específico, y se pueden combinar de
diferentes maneras para crear programas complejos.
• Scratch también utiliza una interfaz gráfica de usuario que hace
que sea fácil para los principiantes visualizar lo que están
programando.
Lenguajes industriales
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales
• Son lenguajes utilizados en el desarrollo de aplicaciones y
sistemas en la industria.
• Suelen ser más complejos que los lenguajes educativos y se
utilizan para desarrollar aplicaciones en áreas como la banca, la
salud, el transporte y la manufactura.
• Ejemplos de lenguajes industriales son Java, C++, C#, Python,
Ruby y JavaScript.
• C++ es un lenguaje formal que utiliza una sintaxis y semántica
específicas para expresar algoritmos y procesos
computacionales. Se utiliza para desarrollar aplicaciones de
software que se ejecutan en una variedad de sistemas
operativos, desde sistemas de escritorio hasta sistemas
embebidos.
Aprendizaje automático
• Machine Learning o aprendizaje automático de máquina
/ aprendizaje automatizado es una ciencia que busca
hacer que las computadoras aprendan sin ser
programadas explícitamente.
• El aprendizaje automático es un campo que nació de la
inteligencia artificial (IA).
• Se desarrolló como una nueva capacidad para
ordenadores y hoy está presente en muchos segmentos
de la industria y ciencia básica como por ejemplo en la
detección de fraudes, análisis de mercado, diagnósticos
médicos, procesamiento de imágenes, creación de arte,
entre otros.
Subtema 4: Aprendizaje automático e inteligencia artificial
Aprendizaje automático
Probablemente lo utilizamos decenas de veces al día sin darnos
cuenta:
• Cada vez que realizas una búsqueda en la red con
Google o Bing, funciona bien porque su software de
Aprendizaje Automático ha aprendido a indexar las
páginas.
• Cuando Facebook o las aplicaciones de Apple reconocen
a tus amigos en fotos, usan aprendizaje automático.
• Cada vez que lees tu correo electrónico y un filtro de
spam evita que tengas que leer cientos de correos no
deseados, es porque tu computadora ha aprendido a
distinguir entre correo deseado y no deseado.
Subtema 4: Aprendizaje automático e inteligencia artificial
Inteligencia artificial (IA)
• Se la considera una disciplina de la Informática que tiene
por objetivo elaborar máquinas y sistemas que puedan
imitar capacidades y tareas que requieren inteligencia
humana.
• Abarcan procesos como aprendizaje, razonamiento y
autocorrección.
• El aprendizaje automático y el aprendizaje profundo son dos
esferas de la IA.
Subtema 4: Aprendizaje automático e inteligencia artificial
Inicios de la Inteligencia artificial (IA)
• En 1936, el matemático británico Alan Turing publicó
su concepto de máquina universal que describía el
algoritmo informático y una computadora.
• En 1950 formalizó el inicio de la IA con una
prueba que define si una máquina es o no inteligente:
El Test de Turing.
• En 1956, el término IA fue acuñado por los expertos
informáticos John McCarthy, Newell Simon y Marvin
Minsky, durante una conferencia en Darmouth,
Estados Unidos.
• Minsky, considerado uno de los padres de la IA, la
definió como: “La ciencia de hacer que las máquinas
hagan cosas que requerirían inteligencia si las hubiera
hecho un humano”.
Subtema 4: Aprendizaje automático e inteligencia artificial
Tipos de Inteligencia artificial (IA) según Aron Hindze, profesor U. Estatal de 
Michigan
Subtema 4: Aprendizaje automático e inteligencia artificial
Máquinas reactivas
Se basan en decisiones sobre el 
presente. No tienen memoria y no 
pueden mirar al pasado para aprender 
de experiencias. Ejemplo: Deep Blue, 
ordenador que ganó al ajedrez al 
campeón Kasparov. 
Memoria limitada
Son capaces de mirar al pasado de 
forma limitada. Almacenan 
información que añaden a su 
programación para crear nuevos 
patrones de comportamiento y 
respuesta. Ejemplo: vehículos 
autónomos o ChatGPT. 
Teoría de la mente
Sistemas o máquinas cuya IA les 
permite entender cómo funciona su 
entorno. Capaces de aprender en 
base a comportamientos y deducir 
cuáles gustos, necesidades, deseos o 
hasta cómo esperamos ser tratados. 
Aún no existe.
Autoconciencia
Aún no existe. Se trataría de una IA 
capaz de reconocerse como una 
entidad independiente, que puede 
tomar decisiones. Sería el primer paso 
en lo que ha denominado la 
singularidad de la tecnológica.
Bibliografía
» JOYANES AGUILAR LUIS. (2003). FUNDAMENTOS DE PROGRAMACIÓN. MEXICO: MC GRAW HILL.
» NOSICH, GERALD M.. (2003). APRENDER A PENSAR PENSAMIENTO ANALÍTICO PARA ESTUDIANTES. MADRID:
PRENTICE HALL.
» FORERO MARTHA. (2003). DESARROLLO DE LAS INTELIGENCIAS HABILIDADES DEL PENSAMIENTO,
INTELIGENCIAS MULTIPLES Y APRENDIZAJES. : REZZA EDITORES.
» HIDALGO MATOS MENIGNO. (1994). LA COMPUTACIÓN EN LA EDUCACIÓN. : INADEP.
» 2022, COMPETENCIAS DIGITALES,PENSAMIENTO CRÍTICO E INNOVACIÓN: MAPEO SISTEMÁTICO,
https://uctunexpo.autanabooks.com/index.php/uct/article/view/615
» Polanco Padrón, N. D.,Ferrer Planchart, S. C., & Fernández Reina, M. (2021). Aproximación a una definición de
pensamiento computacional. RIED. Revista Iberoamericana de Educación a Distancia.
» BORDIGNON, F. R. A., & IGLESIAS, A. A. (2020). INTRODUCCIÓN AL PENSAMIENTO COMPUTACIONAL.
UNIVERSIDAD PEDAGÓGICA NACIONAL Y EDUCARSE.
» Torrijos Díaz A. M. (1995). GIMENO SACRISTÁN, J.; PÉREZ GÓMEZ, A. I. (1993). Comprender y transformar la
enseñanza. Revista Complutense de Educación, 6(1), 236.
https://revistas.ucm.es/index.php/RCED/article/view/RCED9595120236B
https://revistas.ucm.es/index.php/RCED/article/view/RCED9595120236B
	Diapositiva 1
	Diapositiva 2
	Diapositiva 3
	Diapositiva 4
	Diapositiva 5
	Diapositiva 6
	Diapositiva 7
	Diapositiva 8
	Diapositiva 9
	Diapositiva 10
	Diapositiva 11
	Diapositiva 12
	Diapositiva 13
	Diapositiva 14
	Diapositiva 15
	Diapositiva 16
	Diapositiva 17
	Diapositiva 18
	Diapositiva 19
	Diapositiva 20
	Diapositiva 21
	Diapositiva 22
	Diapositiva 23
	Diapositiva 24
	Diapositiva 25
	Diapositiva 26
	Diapositiva 27
	Diapositiva 28
	Diapositiva 29
	Diapositiva 30
	Diapositiva 31
	Diapositiva 32