Descarga la aplicación para disfrutar aún más
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
Compartir