Para un problema, una

solución lógica.
 Pensamiento Computacional

Unidad 1
Introducción al Pensamiento Computacional

Tema 1
Enfoque del 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:

» 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

Actividad en clase pensamiento Computacional:

Supongamos que debemos hacer un informe

sobre animales domésticos en Ecuador.
¿Cuáles serían los pasos a seguir?
Subtema 1: Origen y definición del pensamiento computacional

2. Determino las
1. Particularizo 3. Investigo los
fuentes de
los animales temas
información

6. Presento el 5. Redacto el 4. Determino el

informe informe soporte final
Subtema 1: Origen y definición del pensamiento computacional

Componentes
4. Algoritmos
escritos
3. Abstracción de presentados
información
irrelevante al
para la
2. problema resolución del
Reconocimiento propuesto problema
de patrones
1. repetitivos
Descomposición
de un problema en
fases más
pequeñas
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.
Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)

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).

Entrada Proceso Salida

Subtema 2: Procesamiento de la información (Entrada – Proceso – Salida)

EMISOR RECEPTOR

REGISTRO MEMORIA A
PROCESAMIENTO LARGO PLAZO
SENSORIAL

Entrada de la Memoria de trabajo (interpreta y Almacenamiento y

información (INPUT) elabora una respuesta) salida de la respuesta
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:

• 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.
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales

Lenguajes naturales • 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.
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales

Lenguajes formales
• 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.
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales

Lenguajes educativos • 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.
Subtema 3: Lenguajes naturales y formales, lenguajes educativos e industriales

Lenguajes 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.
Subtema 4: Aprendizaje automático e inteligencia artificial

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

Máquinas reactivas Memoria limitada

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.
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 Autoconciencia

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.
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