Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACIÓN EN EL POSGRADO
MAESTRÍA EN INFORMÁTICA Y
TECNOLOGÍAS COMPUTACIONALES
P R E S E N TA : I. C . C A R L O S S A N D O VA L M E D IN A
C O MI T É T U TO R A L :
T U TO R : D R . C A R L O S A R G E L I O A R É VA L O ME R C A D O
C O T U TO R : D R A . E S T E L A L IZ B E T H M U Ñ O Z A N D R A D E
A S E S O R : M . C . J U L I O R AY M U N D O D E N A G A R Z A
Contenido
Introducción
Estado del arte
Problema de investigación
Marco teórico
Metodología
Resultados
Conclusiones
Introducción
Parte fundamental de los procesos de
negocio.
Tendencia de crecimiento
75.00%
Reprobación Aprobación
73.00%
67.70%
67.00%
53.00%
50.30%
49.70%
47.00%
33.00%
32.30%
27.00%
25.00%
B e nne dse n & Wa t son & L i, 2014 B elt r á n et a l. , Juá r es et a l. , 20 16 Simon e t a l. , 20 19 B e nne dse n &
Ca spe r se n, 2 00 7 (2015) Ca spe r se n, 20 19
Introducción
Reporte índices de reprobación en materias de programación en la Universidad Autónoma de
Aguascalientes periodo 2017-2019:
39.07% 45.65% 27.15%
2017 2019
2018
Programación I Programación científica
Programación I Programación I
Programación II
Lógica de Programación Programación Estructurada
Lógica de Programación
Programación Estructurada
Programación Estructurada
Algoritmos Computacionales
Estructuras de datos
Herramientas de apoyo en el
aprendizaje de la programación.
Teorías de aprendizaje.
Ciencias cognitivas.
Problema de investigación
La mayoría de los estudiantes de las carreras afines a las ciencias computacionales presentan
dificultades en el aprendizaje de la programación, lo que provoca índices de reprobación y
abandono significativos. Lo anterior se ha traducido en una búsqueda constante de soluciones
en materia educativa al problema o dificultad que representa el aprendizaje de la programación
para la mayoría de los estudiantes.
Problema de investigación
Objetivo general:
Diseñar, desarrollar, probar y medir la efectividad de material instruccional para el aprendizaje de la programación de
estudiantes universitarios de ciencias computacionales, utilizando elementos de diseño indicados por el efecto de auto-
explicación de la teoría de carga cognitiva.
Objetivos específicos:
1. Identificar los conceptos de programación a enseñar (objetivos de aprendizaje).
2. Diseñar material didáctico para el aprendizaje de la programación basado en los lineamientos instruccionales
recomendados por el efecto de auto-explicación de la Teoría de Carga Cognitiva.
3. Identificar instrumentos de medición de carga cognitiva apropiados para el estudio del efecto de auto-explicación.
4. Realizar estudios piloto para refinar el material instruccional diseñado y depurar el diseño experimental.
5. Medir la efectividad del material instruccional con enfoque en los objetivos de aprendizaje.
6. Medir la carga cognitiva de los estudiantes del grupo de control que se aplicó el material instruccional, así como de los
estudiantes que se aplicó material instruccional tradicional.
Problema de investigación
Justificación:
Con el desarrollo este material instruccional se pretende contribuir con material pedagógico
basado en la teoría de carga cognitiva mediante el efecto instruccional de auto-explicación con
resultados verificados empíricamente, en busca de:
◦ Mejorar el problema académico y social de reprobación en las materias de programación de las
carreras de sistemas.
◦ Proporcionar evidencia confirmatoria de la validez de los efectos de la teoría de carga cognitiva
utilizados.
◦ Aportar pautas de diseño instruccional para la creación de material didáctico basado en el efecto de
auto-explicación, que ayuden a los profesores de cursos de programación en su proceso de enseñanza.
Teoría de carga
Memoria de trabajo Esquemas
cognitiva (Limitada a 5 a 7 elementos (Grupos de elementos
(Sweller, et. al., Simultáneos. 5 a 10 segundos) almacenados como uno solo)
1980)
Memoria de Largo Plazo
(Sin límites conocidos)
Carga Cognitiva Intrínseca
(Inherente al material
a aprender. “Necesaria”)
Olvido
Sobrecarga cognitiva
(fuera de los límites de la
memoria de trabajo)
Adaptado de: Cognitive Load Theory in Computing (teachcomputing.org)
El efecto de
auto-
explicación.
Ejercicios basados en
Grupo Teoría de Carga
Experimental X X
Cognitiva
Grupo de
Control X --- X
Metodología segundo estudio
Segundo estudio (Abril 2021)
Población
◦ Estudiantes de carreras afines a las ciencias computacionales de la UAA
◦ Muestra:
◦ Grupo, 2º A ISC, grupo experimental (auto-explicación), n= 50
◦ Grupo, 2º B ISC, grupo de control, n=46
◦ Grupo, 2º C ISC, grupo experimental (auto-explicación + ejemplo resuelto[videos]), n=49
Diseño
◦ Diseño cuasiexperimental, no aleatorizado, con 2 grupos experimental y 1 de control. Recolección de datos, ultima semana de Abril
de 2021.
Variables
◦ Dependiente
◦ Aprendizaje de cadenas de caracteres (comparar cadenas, invertir cadena, longitud y copiar cadenas).
◦ Independientes
◦ Tratamiento experimental, práctica con ejercicios de auto-explicación de cadenas grupo experimental 1 y práctica con ejercicios
de auto-explicación + ejemplo resuelto (videos) grupo experimental 2.
◦ Instrucción tradicional basada en ejemplos-ejercicios de práctica.
Medición de carga cognitiva con el cuestionario NASA-TLX adaptado para programación Morrison et al., (2014).
Diseño experimental segundo estudio
Tratamiento
* 1 semana
* Ejercicios Opcionales /
Pre-Test: Obligatorios Post-Test:
Ejercicios basados en
Grupo Teoría de Carga
Experimental 1 X Cognitiva (Auto- X
explicación)
Grupo de
Control X --- X
Ejercicios basados en
Grupo Teoría de Carga
Experimental 2 X X
Cognitiva (Auto-
explicación + ejemplo
resuelto[videos])
Metodología
Medición de la carga cognitiva
Resultados