Está en la página 1de 9

Espinal, A.

& Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional


en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia

FICHA DIDÁCTICA
Integrando el Pensamiento Computacional en las Ciencias Naturales
Alejandro Espinal Duque, MSc & Camilo Vieira, PhD.
Contacto: cvieira@uninorte.edu.co, espinal@uninorte.edu.co
Universidad del Norte

Objetivo:

Después de la participación en el taller y de un posterior acompañamiento, los docentes de


ciencia naturales estarán en capacidad de integrar el Pensamiento Computacional en
sus ambientes de aprendizaje.

Objetivos de aprendizaje:

1. Definir qué es el Pensamiento Computacional.


2. Explicar cómo el Pensamiento Computacional puede integrarse a diferentes áreas,
específicamente las Ciencias Naturales.
3. Diseñar un proyecto de modelado o representación de un fenómeno de las Ciencias
Naturales con herramientas computacionales.

Palabras clave: Ciencias Naturales, Pensamiento Computacional, Selección Natural.

¿Qué es el Pensamiento Computacional?

El Pensamiento Computacional es un conjunto de prácticas, conceptos y métodos


provenientes de las ciencias de la computación que sirven para resolver problemas y
representar fenómenos en todas las áreas de conocimiento (Wing, 2011). Profesionales de
todas las áreas pueden utilizar conceptos tales como abstracción, descomposición, diseño de
algoritmos, ó automatización, para representar fenómenos de sus disciplinas a través de
modelos y simulaciones, o para resolver problemas a través de la computación (Lee et al.,
2011). Dichas prácticas, integradas en ambientes de aprendizaje pueden apoyar el
aprendizaje en cursos disciplinarios (Lee et al., 2011), a la vez estos proveen un contexto
significativo para aprender sobre computación (Weintrop et al., 2016).

La importancia que tiene el desarrollo del Pensamiento Computacional en todas las


disciplinas ha generado el llamado de académicos y agencias internacionales para integrar
estos conceptos a los currículos de primaria, secundaria y universitarios (Barr & Stephenson,
2011; Lee et al., 2011; NRC, 2011b; Royal Society, 2012). Desde que el término se popularizó
en 2006, diferentes autores han creado definiciones que incluyen la solución de problemas a
través de la computación, el procesamiento de datos y la representación de la realidad a
través del cómputo. Para este contexto, nosotros proponemos que el pensamiento
computacional comprende los conocimientos y habilidades para usar, modificar, crear y
evaluar representaciones computacionales de fenómenos en diferentes áreas del
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia
conocimiento, de tal manera que nos permita entender mejor dichos fenómenos,
predecir comportamientos, y diseñar soluciones a problemas relacionados.

Estos conocimientos y habilidades se pueden aterrizar en tres conjuntos de prácticas


que pueden apoyar el aprendizaje de las ciencias naturales: (1) las prácticas de datos; (2)
las prácticas de modelado y simulación; y (3) las prácticas de resolución computacional de
problemas.

Las prácticas de datos

Todas las áreas del conocimiento cuentan hoy con grandes cantidades de datos que
requieren de la computación para ser recolectadas, procesadas, analizadas y visualizadas.
Las ciencias naturales no son la excepción, y algunos ejemplos de los datos que se podrían
utilizar son: (1) información genética sobre el ADN; (2) datos sobre diversidad de un
ecosistema (ej, el número de individuos de diferentes especies dentro de un ecosistema);
(3) información sobre la cantidad de nutrientes en un alimento; ó (4) información sobre la
efectividad de un mecanismo de control biológico de plagas.

Para visualizar y analizar datos podemos utilizar herramientas de visualización


gráficas como PowerBI o Knight Lab Story Map.

Figura 1 - Power BI - Imagen capturada de https://powerbi.microsoft.com/en-us/

Modelos y Simulaciones

Muchos de los fenómenos que buscamos comprender y explicar hoy en día son difíciles de
experimentar en la vida real, especialmente en un contexto escolar. Cuando esto ocurre,
utilizar modelos y simulaciones puede ser la solución para apoyar el proceso de aprendizaje
de los estudiantes. En ciencias naturales, estos fenómenos pueden ocurrir a escala
microscópica (ej. los procesos en las células o los fenómenos con virus y bacterias) o a una
escala macroscópica pero que la ventana de tiempo en la cual ocurren no permite hacer
experimentos en el entorno escolar (ej. selección natural, o sostenibilidad de un ecosistema
natural).
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia

Figura 2 - Modelo depredador-presa implementado en Netlogo https://ccl.northwestern.edu/netlogo/

Por ejemplo, Netlogo es un lenguaje de programación que permite modelar y simular


fenómenos un entorno basado en agentes. El modelo depredador-presa explora la estabilidad

de un ecosistema donde hay depredadores (ej., lobos) y presas (ej. ovejas), y permite
seleccionar parámetros como la tasa de reproducción de diferentes individuos. Cuando los
estudiantes interactúan con esta simulación pueden evaluar diferentes casos en los que el
ecosistema se vuelve inestable, y cuáles son las variables que permiten asegurar la
estabilidad a largo plazo.

Resolución Computacional de Problemas

En este conjunto de prácticas se incluye la programación, depuración y validación de


soluciones computacionales, pero también la selección de programas existentes que nos
permitan entender fenómenos y dar soluciones a un problema dado. En ciencias naturales
podríamos por ejemplo automatizar tareas repetitivas que no sean necesarias para el
aprendizaje (ej., ciertos procesos de recolección de datos biológicos cuando debemos tomar
muestras cada cierto período de tiempo) o podemos seleccionar herramientas como el SIATA
en Medellín para entender cómo cambia la calidad del aire en la ciudad.

Figura 3 - Sistema de Información de Alertas Tempranas SIATA - Imagen capturada de


https://siata.gov.co/siata_nuevo/
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia

Secuencia Pedagógica

Para integrar actividades del pensamiento computacional, vamos a utilizar una secuencia
llamada Usa-Modifica-Crea (Lee et al., 2011). Esta secuencia permite que los estudiantes
desarrollen las habilidades necesarias antes de enfrentarse a resolver problemas por sí
mismos. Primero, los estudiantes Usan una simulación, prediciendo los resultados o
explicándola a sus compañeros. Luego, los estudiantes podrán hacer modificaciones
sencillas a la simulación y validar los resultados. Una vez los estudiantes tengan los
conocimientos necesarios, podemos integrar actividades en las que ellos mismos Creen las
simulaciones. No siempre es necesario llegar hasta Crear, pero si es necesario seguir la
secuencia cuando los estudiantes no tiene experiencia.

Figura 4 - Progresión Usa-Modifica-Crea, adaptada y traducida de Lee et al., (2011)

Utilizando NetTango para Modelar la Selección Natural

NetTango es una versión de NetLogo que nos permite crear simulaciones sencillas
utilizando un lenguaje de programación por bloques.

Objetivos de Aprendizaje
Al finalizar esta actividad, estarás en
capacidad de:
• Describir los efectos que pueden tener
la variación, la herencia y la selección en el
proceso de selección natural
• Modelar comportamientos de especies
para comprender las implicaciones de
diferentes variaciones en la supervivencia
de diferentes especies

Nota: Esta actividad está basada en Frog Pond, una actividad sobre selección natural que
utiliza NetTango, disponible en: https://tidal.northwestern.edu/nettango/
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia

Contexto
¿Por qué hay tantas especies diferentes en el mundo?

Charles Darwin escribió su obra maestra “El origen de las Especies” en el siglo XIX, donde
describió la selección natural como el principio a través del cual cada pequeña variación, si
es útil, se mantiene. Estos cambios no son cosas que le ocurren a un individuo durante su
vida, sino que son cambios que ocurren a través de generaciones, y que pueden ser
heredadas de padres a hijos.

Tres conceptos claves aquí son:

(a) Variación en una población de organismos vivos


(b) Herencia de rasgos o características de una generación a la siguiente
(c) Selecciones que actúan en una población y hace que algunos individuos tengan
mayor probabilidad de sobrevivir y reproducir que otros. Este no es un proceso
aleatorio, ya que se da por condiciones del entorno y las características mismas del
organismo.

Actividad

Usar
Vamos a comenzar por explorar la
simulación con la que vamos a trabajar
el fenómeno de selección natural. En la
simulación tenemos tres ranas de
diferentes tamaños y algunas libélulas
volando a su alrededor. Para nuestro
propósito, quienes salten por fuera de
la hoja verde, morirán.

Enlace de acceso:
https://tidal.northwestern.edu/nettango/

Cada rana puede saltar de un lugar a otro, girar, cazar libélulas, y hacer sonidos (en inglés,
chirp). Estos son los comportamientos que les podemos asignar a través de las diferentes
instrucciones que tenemos en la barra de abajo, y que debemos arrastrar hasta el bloque
Start para que las ejecuten.

Por ejemplo, con la instrucción cada rana saltará una vez por ciclo de la
simulación. Si queremos que no salten directamente por fuera de la hoja, sino que también
giren y se alimenten, podemos usar el siguiente conjunto de instrucciones:
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia

Preguntas:
¿En qué orden van muriendo las ranas?

¿Qué pasa si lo repites varias veces?

Para la simulación ten en cuenta las siguientes consideraciones:

(a) Las ranas tienen diferentes tamaños, lo que puede ser considerado variabilidad en
la población.
(b) Las ranas más grandes tienden a saltar más largo, lo que hace que sean más
propensas a caer
(c) Las ranas más grandes tienen lenguas más grandes, lo que hace que son mejores
cazadoras
(d) Las ranas pequeñas usan menos energía, lo que hace que necesiten alimentarse
menos para sobrevivir.

Modificar
Ranas que Nacen y Mueren
Vamos ahora a incluir una opción a la
simulación para que las ranas se
puedan reproducir si han comido lo
suficiente, y que mueran cuando no han
podido cazar.
En el siguiente enlace encontrarás esta
nueva simulación, donde podrás
modificar tanto los parámetros iniciales
(ej. número de libélulas en la simulación
y cantidad de energía que gana una
rana cuando come una libélula), como el
comportamiento de las ranas a través de los bloques de programación:
https://tidal.northwestern.edu/nettango/challenge1

En el programa puedes ver que ahora estamos agregando el siguiente bloque, que verifica
si la Rana ha comido lo suficiente (¿Está full?), y en ese caso se
reproduce (en inglés, Hatch). Debido a la variabilidad que puede
surgir al nacer una nueva rana, ésta tendrá un tamaño un poco
menor o un poco mayor que su madre.

Ahora vamos a modificar esta simulación. Agrega otra pregunta al programa para que
cuando la rana está muriendo de hambre (en inglés, Starving), en realidad muera (en
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia
inglés, Die). Luego, intenta modificar los parámetros de la simulación para ver si logras
llegar a tener una población de 50 ranas. ¿Qué parámetros te permitieron lograrlo?

Crear
Selección Direccional
Una forma de selección natural que puede ocurrir en el mundo real es la selección
direccional: los organismos de una característica específica tienden a sobrevivir mejor a un
entorno dado y por ende, tienden a pasar sus características a generaciones futuras.

El reto entonces es crear una


simulación donde se beneficie a las
ranas más pequeñas, y que, como
resultado en el largo plazo, la mayoría
de las ranas en el ecosistema sean
pequeñas. Ten en cuenta las
características que pueden hacer
que una rana pequeña sobreviva
mejor en este entorno en
comparación con las ranas
grandes.

Crea tu simulación en el siguiente enlace: https://tidal.northwestern.edu/nettango/challenge2

Preguntas:
De acuerdo a tu simulación:
• ¿En qué tipos de entornos crees que sobrevivirían mejor las ranas pequeñas? ¿Por
qué?
• ¿Cómo deberías cambiar tu simulación si lo que buscáramos fuera un entorno que
favoreciera la supervivencia de las ranas más grandes?

Reflexión

Los objetivos de aprendizaje de esta actividad eran los siguientes:


• Describir los efectos que pueden tener la variación, la herencia y la selección en el
proceso de selección natural
• Modelar comportamientos de especies para comprender las implicaciones de
diferentes variaciones en la supervivencia de diferentes especies

Actividad

1. Describe los conceptos de variación, herencia y selección según lo trabajado en la


simulación.
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia
2. Describe por qué los modelos y simulaciones pueden ser útiles para entender
fenómenos naturales.
Espinal, A. & Vieira, C (2020) Ficha Didáctica – Integrando el Pensamiento Computacional
en las Ciencias Naturales. Programa de Desarrollo Profesional Docente en Pensamiento
Computacional. Antioquia, Colombia

Referencias

Barab, S., & Squire, K. (2004). Design-based research: Putting a stake in the ground. The
journal of the learning sciences, 13(1), 1-14.
Barr, V., & Stephenson, C. (2011). Bringing computational thinking to K-12: what is Involved
and what is the role of the computer science education community? Acm
Inroads, 2(1), 48-54.
Basu, S., Biswas, G., Sengupta, P., Dickes, A., Kinnebrew, J. S., & Clark, D. (2016).
Identifying middle school students’ challenges in computational thinking-based
science learning. Research and Practice in Technology Enhanced Learning, 11(1),
13.
Royal Society (2012). Shut Down Or Restart?: The Way Forward for Computing in UK
Schools. Royal Society
Lee, I., Martin, F., Denner, J., Coulter, B., Allan, W., Erickson, J., ... & Werner, L. (2011).
Computational thinking for youth in practice. Acm Inroads, 2(1), 32-37.
Vieira, C., Magana, A.J., Garcia, R.E., Jana, A., and Krafcik, M. (2018) Integrating
computational science tools into a Thermodynamics course. Journal of Science
Education and Technology (JOST) 27(1) 1-12 DOI: 10.1007/s10956-017-9726-9
UNESCO. (2017). Cracking the code: Girls’ and women’s education in science, technology,
engineering and mathematics (STEM). Paris.
Peter, J,. Tedre, M. (2019) Computational Thinking. The MIT Press Essential Knowledge
Series.

También podría gustarte