Universidad del Zulia
Facultad de Humanidades y Educación
Centro de Estudios Filosócos
“Adolfo García Díaz”
Maracaibo - Venezuela
Esta publicación cientíca en formato digital
es continuidad de la revista impresa
Depósito legal pp 197402ZU34 / ISSN 0798-1171
Dep. Legal ppi 201502ZU4649
Nº 99
2021-3
Septiembre-Diciembre
I. ÉTICA, GLOBALIDAD CRÍTICA Y BIENESTAR HUMANO
II. DIMENSIÓN EPISTÉMICA Y DESARROLLOS CULTURALES
III. LA EDUCACIÓN EN CONTEXTO INTERCULTURAL Y
DECOLONIAL
IV. REPENSAR LA EDUCACIÓN SUPERIOR: TEORÍAS Y
PRÁCTICAS
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Revista de Filosofía
Vol. 38, N°99, (Sep-Dic) 2021-3, pp. 369 - 379
Universidad del Zulia. Maracaibo-Venezuela
ISSN: 0798-1171 / e-ISSN: 2477-9598
Carencias en la evaluación del pensamiento computacional
shortcomings in the evaluation of computational thinking
Jesús Pérez
ORCID: https://orcid.org/0000-0002-6585-2648
Universidad de Los Andes
Mérida – Venezuela
Perezj89@gmail.com
José Castro
ORCID: https://orcid.org/0000-0001-6353-9941
Universidad de los Andes
Mérida - Venezuela
castroj@ula.ve
Oriana Pedroza
ORCID: https://orcid.org/0000-0001-9026-4824
Universidad de los Andes
Mérida – Venezuela
Oriana.p@ula.ve
Resumen
El pensamiento computacional es una competencia que favorece la resolución de problemas tanto en
ciencias de la computación como en las demás disciplinas y la vida cotidiana. Actualmente, es de interés
incluir el pensamiento computacional en los currículos de todos los niveles educativos para mejorar el
desempeño profesional en todas las disciplinas, sin embargo, todavía hay carencias, tales como la
ausencia de herramientas de evaluación en contextos reales y la inexistencia de modelos de aplicación
orientados a cada disciplina. El propósito de este ensayo es mostrar los argumentos que llevaron a
identificar estas carencias. Primero, se presenta una discusión sobre la definición del pensamiento
computacional. Luego, se introduce el marco de referencia que se utiliza comúnmente para diseñar
evaluaciones en ciencias de la computación, y después, se compara con un marco de referencia
utilizado para evaluaciones en el área de la medicina, en aras de contextualizar el origen de las
carencias en la evaluación del pensamiento computacional. El análisis sugiere que las carencias son
causadas por la utilización de la taxonomía de Bloom como marco de referencia.
Palabras clave: evaluación; competencia; pensamiento computacional; resolución de
problemas.
________________________________________
Recibido 30-08-2021 – Aceptado 27-10-2021
Este trabajo está depositado en Zenodo:
DOI: https://doi.org/10.5281/zenodo.5651282
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 370
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Abstract
Computational thinking is a competency that benefits problem solving as in computer
sciences as in the other disciplines and everyday life. Currently, it is of interest to include
computational thinking in the curricula of all educational levels, however, there are
shortcomings such as the lack of evaluation tools in real contexts and the nonexistence of
application models oriented on each discipline. This essay’s goal is to show the arguments
that support these shortcomings. First, we present a discussion about the computational
thinking concept. Later, we introduce a common framework used to design evaluations in
computer sciences. After, to contextualize the causes of the evaluation’s shortcomings on
computational thinking, we compare with a framework used in medicine. The analysis
suggests that the shortcomings are caused by the utilization of Bloom’s taxonomy as the
framework.
Keywords: evaluation; skills; computational thinking; problem solving.
1. Introducción
El pensamiento computacional ha surgido por la necesidad de programar las
computadoras, permitiendo nuevas posibilidades para las diferentes disciplinas. Aunque
inicialmente estaba destinado para las ciencias de la computación, actualmente es de interés
para profesionales en las demás disciplinas. Esto se debe a que el pensamiento
computacional, tal como lo expresan Grover, et al. (2017), “es reconocido como un medio
para la resolución creativa de problemas en otras disciplinas”.
Desde las ciencias de la computación, el pensamiento computacional beneficia a los
estudiantes principalmente en tres aspectos: primero, permite la resolución de problemas
mediante la computación; segundo, enseña a identificar los problemas que se pueden
resolver; y tercero, impulsa a investigar modelos computacionales para situaciones que
tradicionalmente no están relacionadas con la computación. De manera general, conforme
con Mohaghegh y McCauley (2016), “el pensamiento computacional beneficia al estudiante
en cualquier disciplina”.
El enfoque de este ensayo atiende a la idea de que el pensamiento computacional
favorece a todas las disciplinas. Esta idea es consistente con lo expresado por Pérez (2019a):
“el pensamiento computacional es fundamental por su carácter transdisciplinario en la
resolución de problemas”. En ese sentido, ha nacido el interés por incorporar formalmente
el pensamiento computacional en los currículos de todos los niveles educativos. Al respecto,
González y Muñoz-Repiso (2020) mencionan que: “los países de gran desarrollo han
decidido modificar sus programas de estudio oficial adoptando estrategias que faciliten el
aprendizaje del pensamiento computacional en los distintos niveles educativos”.
De esta forma, la incorporación del pensamiento computacional se convierte en un
tema de interés para las ciencias de la educación. En ese sentido, Grover, et al. (2017)
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 371
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
mencionan que: “el pensamiento computacional es reconocido como una competencia
fundamental para el éxito en las carreras STEM (Ciencias, Tecnología, Ingeniería y
Matemáticas)”. Además, el pensamiento computacional se considera como una competencia
del siglo XXI, cuyos beneficios también se extienden a la vida cotidiana, implicando mejoras
en la calidad de vida.
En ese orden de ideas, se considera que el pensamiento computacional es una
competencia propia del ámbito de la computación, y que además puede ser aplicada tanto
en otras disciplinas como en la vida cotidiana. Al respecto, Wing (2006) menciona que el
pensamiento computacional “representa una actitud y un conjunto de habilidades
universalmente aplicables que todos, no sólo científicos informáticos, estarían ansiosos por
aprender y usar”. Desde esta perspectiva, la adquisición del pensamiento computacional se
lleva a cabo en el proceso de aprendizaje de la programación de computadoras; este proceso
es ampliamente conocido por las dificultades que presentan los estudiantes.
En concordancia con las características de los nativos digitales expuestas por Pérez
(2019b), se han elaborado varias propuestas que ofrecen alternativas orientadas a facilitar
el aprendizaje de la programación de computadores. Entre las propuestas se incluyen: un
juego para estimular el razonamiento lógico (Pérez y Castro, 2018a), una metodología de
estudio (Pérez y Pedroza, 2018), la inclusión de un robot social en el salón de clases (Pérez
y Castro, 2018b), y una estrategia amistosa de aprendizaje orientada a la motivación (Pérez
y Azuaje, 2019). Aunque cada propuesta genera efectos positivos en los estudiantes, ninguna
representa una solución definitiva. Por lo tanto, es oportuno investigar otras
aproximaciones.
La revisión de aproximaciones orientadas a desarrollar el pensamiento computacional
a través de la programación de computadoras ha permitido encontrar las estrategias
utilizadas actualmente para evaluarlo. El análisis de estas estrategias muestra carencias
relacionadas con el interés de impulsar este pensamiento como una competencia útil para el
desempeño profesional tanto en las ciencias de la computación como en otras disciplinas.
El propósito de este ensayo es mostrar argumentos que soportan la creencia de que el
marco de referencia para la evaluación del pensamiento computacional ha promovido
carencias. La sección de desarrollo se organiza de la siguiente manera: primero, se presenta
una discusión sobre la definición del pensamiento computacional; segundo, se muestra el
marco de referencia que se utiliza comúnmente para diseñar la evaluación en ciencias de la
computación, resaltando sus carencias; y tercero, se introduce un marco de referencia para
la evaluación del área de medicina, en aras de comparar y resaltar las carencias presentadas.
2. Desarrollo
En la teoría del pensamiento computacional hay varias definiciones que abordan la
misma idea, pero desde distintas perspectivas. Román-González, et al. (2017) distinguen
tres tipos de definiciones: genérica, operacional, y educacional. La definición genérica es
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 372
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
presentada por la precursora del pensamiento computacional Wing (2006), afirmando que:
“involucra resolución de problemas, diseño de sistemas, y comprensión del comportamiento
humano, basado en conceptos fundamentales de las ciencias de la computación”. Esta
definición presenta la premisa principal de aplicar los fundamentos de la computación para
todo.
Por su parte, Aho (2012) presenta una definición operacional: “es el proceso de
pensamiento involucrado en la formulación de problemas, por lo que sus soluciones se
pueden representar como pasos y algoritmos computacionales”. Esta definición hace énfasis
en el proceso de resolución de problemas, implicando dos capacidades fundamentales: la
formulación del problema, y la representación de la solución. En estas capacidades se deben
aplicar los conceptos de la computación, es decir, cuando no se usan conceptos
computacionales para la resolución de un problema, no se aplica el pensamiento
computacional.
Por otra parte, Sondakh, et al. (2020) presentan una definición educacional que
relaciona al pensamiento computacional con once conceptos: abstracción, pensamiento
algorítmico, automatización, descomposición, depuración, evaluación, generalización,
resolución de problemas, trabajo en equipo, comunicación, e inteligencia espiritual. A
excepción de los últimos tres, estos conceptos son bien conocidos en ciencias de la
computación.
Dado que, según Pérez (2021), los estudiantes universitarios perciben el pensamiento
computacional como “el uso de conceptos que se aprenden en el ámbito de la informática
para mejorar la resolución de problemas o la realización de actividades tanto en contextos
universitarios como en la vida cotidiana”, en este ensayo se entiende al pensamiento
computacional como el uso de los conceptos básicos de la computación para la resolución
de problemas en diferentes disciplinas y la vida cotidiana. La discusión que se realiza está
enfocada en la aplicación del pensamiento computacional en el ámbito profesional, sin
embargo, la aplicación en la vida cotidiana pueda ser incluida con los mismos argumentos.
En el diseño de evaluaciones en ciencias de la computación es común encontrar, como
marco de referencia, la aplicación de la dimensión cognitiva de la taxonomía revisada de
Bloom. Esta taxonomía ofrece los objetivos que deben lograrse con la educación formal, los
cuales están clasificados en seis niveles: recordar, comprender, aplicar, analizar, evaluar, y
crear. De acuerdo con Thompson, et al. (2008), cada nivel es aplicado en ciencias de la
computación. A continuación, se presentan ejemplos de aplicación de cada uno de los
niveles.
El nivel recordar consiste en recuperar conocimiento de la memoria. Este nivel se
alcanza cuando se es capaz de: recordar un concepto, identificar un constructo de un
algoritmo, reconocer la implementación de un concepto, o reconocer la descripción
apropiada de un término. El nivel comprender se relaciona con la construcción de
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 373
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
significados, como, por ejemplo, convertir un algoritmo de una representación a otra,
explicar un concepto, o presentar un ejemplo de un algoritmo.
El nivel aplicar se refiere a la utilización de algún procedimiento en una situación dada,
como, por ejemplo, utilizar un algoritmo conocido en un contexto familiar donde cambian
los datos, o aplicarlo a un contexto desconocido. El nivel analizar consiste en descomponer
algo en sus partes constituyentes para determinar cómo se relacionan entre ellas y cómo
forman el todo. Por ejemplo, descomponer un programa en módulos, organizar módulos
para cubrir un objetivo, identificar componentes críticos de desarrollo, e identificar
componentes irrelevantes.
El nivel evaluar consiste en hacer juicios basados en criterios y estándares, como, por
ejemplo, determinar si un algoritmo satisface los requerimientos, o criticar su calidad.
Finalmente, el nivel crear consiste en unir elementos de forma coherente o funcional. Por
ejemplo, crear un algoritmo que permita solucionar un problema, o encontrar una nueva
estrategia para aplicar algoritmos conocidos.
Para mostrar el estado del arte de la evaluación del pensamiento computacional, se
presenta un ejemplo de cada tipo según la clasificación realizada por Román-González, et al.
(2019): herramientas de diagnóstico, herramientas formativas-iterativas, herramientas de
procesamiento de datos, herramientas de transferencia de habilidades, herramientas de
evaluación sumativa, escalas de percepciones-actitudes, y evaluación de vocabulario.
Las herramientas de diagnóstico se enfocan en medir el nivel de aptitud del estudiante
y se pueden emplear con estudiantes sin experiencia previa. Este tipo se puede aplicar antes
y después de una intervención educativa para verificar si el nivel de aptitud ha tenido algún
cambio. Además, puede ser usado en cualquier área, tanto de forma presencial como no
presencial. Un ejemplo de este tipo lo presenta Román-González (2015) a través de un
cuestionario vía Internet de selección múltiple. Como su enfoque es diagnosticar, por lo
general este tipo de herramientas proporcionan información sobre cómo los estudiantes
recuerdan y comprenden los conceptos, es decir, este tipo cubre los niveles recordar y
comprender de la taxonomía de Bloom.
Las herramientas formativas-iterativas se enfocan en proporcionar
retroalimentación al estudiante, generalmente de forma automática, para desarrollar y
mejorar sus habilidades. Este tipo no evalúa a la persona, sino a sus productos de
aprendizaje, que generalmente son proyectos de programación creados tanto dentro como
fuera de las aulas de clases. Un ejemplo de este tipo lo presentan Moreno-León, et al. (2015)
con Dr. Scratch, el cual permite evaluar proyectos construidos con la herramienta de
programación visual por bloques Scratch, en términos de las habilidades del pensamiento
computacional utilizadas en su elaboración. Dado que los proyectos son productos que
requieren predominantemente la unión de elementos de forma funcional, este tipo de
herramientas se ubican en el nivel crear de la taxonomía de Bloom.
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 374
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Las herramientas de procesamiento de datos están enfocadas en el proceso de
aprendizaje, por lo tanto, registran y recuperan la actividad del estudiante en tiempo real.
Este tipo de herramientas proporcionan datos valiosos para el análisis del aprendizaje que
permite inferir los procesos cognitivos del sujeto, y son especialmente útiles para detectar
conceptos computacionales erróneos. Por ejemplo, Grover, et al. (2017) interpretan los
registros (tipos de acciones llevadas a cabo, cantidad de veces que se repite una acción, entre
otros) de los estudiantes para medir su nivel de aprendizaje y comprensión del proceso. En
este tipo de herramientas predomina el nivel aplicar de la taxonomía de Bloom porque se
hace énfasis al procedimiento.
Las herramientas de transferencia de habilidades se enfocan en evaluar en qué
medida los estudiantes pueden transferir sus habilidades a diferentes tipos de problemas,
contextos y situaciones. Este tipo de herramientas pueden ser diseñadas para uso digital o
desconectado. Un ejemplo lo representan los ejercicios de Bebras (Dagiene, y Futschek,
2008), los cuales se centran en medir la transferencia de habilidades del pensamiento
computacional a planteamientos de problemas de la vida real. Los planteamientos pueden
incluir una gran variedad de problemas que requieren aplicar uno o varios de los niveles de
la taxonomía, dependiendo de su complejidad. Por lo tanto, este tipo de herramientas abarca
todos los niveles de la taxonomía de Bloom.
Las herramientas de evaluación sumativa se enfocan en evaluar si el estudiante ha
logrado aprender lo suficiente del contenido y es capaz de desempeñarse adecuadamente
después de recibir alguna capacitación. El principal uso de este tipo es posterior a una
intervención educativa. Un ejemplo lo presentan Meerbaum-Salant y McCauley (2013), a
través de un cuestionario especialmente diseñado para medir el aprendizaje mediante
Scratch. Este tipo de herramientas, al igual que el tipo anterior, puede abarcar todos los
niveles de la taxonomía de Bloom según los problemas que se utilicen.
Las escalas de percepciones-actitudes están enfocadas en evaluar las percepciones y
las actitudes de los estudiantes. En este tipo no sólo se abarca el pensamiento
computacional, sino que también se abarcan temas relacionados como las computadoras, la
informática, la programación de computadoras, o la alfabetización digital. Estas escalas
pueden ser aplicadas antes o después de una intervención educativa. Un ejemplo lo
presentan Korkmaz, et al. (2017), mediante la incorporación de ítems sobre pensamiento
crítico, resolución de problemas, y aprendizaje cooperativo, para estudiar el nivel de
habilidades del pensamiento computacional de los estudiantes. Por lo general, este tipo de
herramientas no evalúan procesos cognitivos, por lo tanto, no se incluyen en la taxonomía
de Bloom.
La evaluación de vocabulario está relacionada con medir varios elementos sobre el
uso del lenguaje cuando el estudiante se expresa verbalmente. En este enfoque el lenguaje
es esencial para el desarrollo del pensamiento computacional. Grover (2011) presenta un
ejemplo donde evalúan el lenguaje de los estudiantes para determinar su apropiación del
pensamiento computacional. Dado que este tipo de herramientas no se enfocan
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 375
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
precisamente en la aplicación del pensamiento computacional, sino en la expresión de los
estudiantes, tampoco se incluye en la taxonomía de Bloom.
De manera general, se puede apreciar que tanto las herramientas de transferencia de
habilidades como las herramientas de evaluación sumativa, pueden abarcar todos los niveles
de la taxonomía de Bloom porque permiten la posibilidad de incluir cualquier tipo de
problema. A diferencia, las herramientas de diagnóstico, formativas-iterativas, y de
procesamiento de datos, predominan en alguno de los niveles: recordar y comprender, crear,
y aplicar, respectivamente. Por otro lado, las herramientas de escalas de percepciones-
actitudes y evaluación de vocabulario no se incluyen en la taxonomía de Bloom porque no
están orientadas a los procesos cognitivos. Es importante mencionar que, aunque Román-
González, et al. (2019) proporcionan una apreciación diferente, no se discute ni se compara
porque las diferencias relacionadas con la ubicación de los tipos de herramientas en la
taxonomía de Bloom no son relevantes para el objetivo de este ensayo.
Las herramientas presentadas para evaluar el pensamiento computacional no están
diseñadas para ser utilizadas en contextos reales, sino que son propuestas a través de
enunciados y simulaciones. Este hecho es inconsistente con la idea de fomentar el
pensamiento computacional en aras de mejorar el desempeño profesional en las demás
disciplinas, porque no se considera este aspecto en la evaluación, sino que se apela a la
esperanza de que el estudiante pueda transferir las habilidades por cuenta propia de manera
satisfactoria. En este ensayo se atribuye esta debilidad al marco de referencia utilizado, es
decir, a la taxonomía de Bloom. Para mostrar argumentos de este planteamiento, a
continuación, se presenta un marco de referencia utilizado en la medicina, denominado
pirámide de Miller.
La pirámide de Miller es muy utilizada para la evaluación de competencias en el área
de la medicina. De acuerdo con Fernández (2011), esta pirámide abarca cuatro niveles:
saber, saber cómo, demuestra cómo, y hace. El nivel saber, comprende el dominio de
conocimientos teóricos, y se evalúa principalmente con preguntas escritas, siendo las
preguntas de selección múltiple muy empleadas porque se consideran válidas y fiables. El
nivel saber cómo, consiste en aplicar los conocimientos teóricos adquiridos como si se
tuvieran que poner en práctica en un contexto particular con el objetivo de obtener una
visión previa de la práctica profesional. Este nivel se evalúa con los clásicos exámenes orales
y las pruebas escritas (cortas o largas).
El nivel demuestra cómo, se enfoca en una demostración cercana a la realidad de los
conocimientos. Esta evaluación se basa fundamentalmente en simulaciones que intentan
reproducir situaciones similares a las de la vida real, y permite que los observadores puedan
analizar las actuaciones específicas que se pretenden evaluar. Finalmente, el nivel hace,
tiene el objetivo de aplicar los conocimientos adquiridos en la práctica profesional, es decir,
es una actuación real en una situación profesional de desempeño.
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 376
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
La pirámide de Miller tiene similitudes con la taxonomía de Bloom. El nivel saber es
similar al nivel recordar porque ambos abarcan los conocimientos teóricos. Los niveles
saber cómo y demuestra cómo se relacionan con los niveles restantes (comprender, aplicar,
analizar, evaluar, y crear) de la taxonomía de Bloom porque se refieren a la aplicación del
conocimiento. A diferencia, el nivel hace no se relaciona con los niveles de la taxonomía de
Bloom, porque en este nivel se requiere una actuación real en una situación de desempeño
profesional, y en la taxonomía de Bloom esto no está contemplado.
En el nivel hace de la pirámide de Miller, se considera que la evaluación en los niveles
anteriores no es transferible automáticamente a escenarios clínicos en la vida real, y por esa
razón es importante continuar con el proceso de evaluación en el espacio de trabajo. De
acuerdo con Thampy, et al. (2019), esta evaluación habitualmente la realizan los profesores
a través de la observación, según alguna lista de pasos secuenciales que incluye
principalmente elementos como la recopilación de datos, resumen de las características del
caso, generación de diagnósticos diferenciales, aplicación de conocimientos previos, y
diagnóstico final.
En ese orden de ideas, si se quieren ofrecer los beneficios del pensamiento
computacional a todas las disciplinas, también es necesaria la evaluación en un entorno real
de desempeño profesional. Además, en cada disciplina se debe conocer cómo aplicarlo
adecuadamente según el nivel de complejidad de las actividades que realizan. La cobertura
de esas dos carencias podría aumentar la probabilidad de que el pensamiento computacional
sea aplicado en las diferentes disciplinas. Finalmente, considerando que también se desean
obtener los beneficios de este pensamiento en la vida cotidiana, es necesaria la evaluación
de éste en la cotidianidad.
3. Conclusiones
El pensamiento computacional fue entendido en este ensayo como el uso de los
conceptos básicos de la computación, que son aprendidos a través de la programación de
computadoras, para la resolución de problemas tanto en ciencias de la computación como
en las demás disciplinas, incluyendo a la vida cotidiana. Dada la inconsistencia con la idea
de incorporar el pensamiento computacional en los distintos niveles educativos, con la
ausencia de herramientas de evaluación para contextos reales y la inexistencia de modelos
de aplicación orientados a cada disciplina, se presentaron argumentos que sugieren que la
causa de estas carencias está relacionada con la utilización de la taxonomía de Bloom como
marco de referencia para el diseño de las evaluaciones.
Por un lado, la ausencia de herramientas de evaluación para contextos reales promueve
que la evaluación se limite a contextos netamente educativos. Por otro lado, la inexistencia
de modelos de aplicación orientados a cada disciplina promueve que los profesionales
apliquen el pensamiento computacional de acuerdo con sus propios criterios sin la
posibilidad de recibir una guía o retroalimentación. Estas carencias ponen de manifiesto que
los profesores deben asumir que las habilidades del pensamiento computacional son
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 377
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
transferibles automáticamente a contextos de la vida real, y que deben limitarse a mantener
la esperanza de que los estudiantes apliquen adecuadamente el pensamiento computacional
en otras disciplinas, en vez de orientarlos durante su ejecución.
La exposición de estas carencias en la evaluación del pensamiento computacional es
importante como directriz para construir un marco de referencia más completo. La
aplicación de la taxonomía de Bloom promueve que estas carencias no se consideren, es
decir, guiarse netamente por esta taxonomía es limitante. Si bien es cierto que éstas se
presentan como una debilidad de la taxonomía de Bloom, también es cierto que no se
favorece por completo a la pirámide de Miller, porque ésta tiene deficiencias de otros tipos.
No obstante, para el enfoque de este ensayo la pirámide de Miller sí considera la carencia
que se ha detectado en la taxonomía de Bloom.
En ese orden de ideas, quizás sea suficiente con unir ambos enfoques para solventar
las carencias presentadas en este ensayo. De manera general, los trabajos futuros deben
dirigirse a proponer un modelo de referencia más completo que la taxonomía de Bloom,
orientado a la evaluación del pensamiento computacional, y, además, promover el diseño de
modelos para cada disciplina y la vida cotidiana.
Referencias bibliográficas
Aho, A. (2012). Computation and computational thinking. The Computer Journal, 55(7),
832-835. https://doi.org/10.1093/comjnl/bxs074
Dagiene, V., & Futschek, G. (2008). Bebras international contest on informatics and
computer literacy: Criteria for good tasks. In International Conference on
Informatics in Secondary Schools-Evolution and Perspectives, 19-30.
https://doi.org/10.1007/978-3-540-69924-8_2
Fernández, J. T. (2011). La evaluación de las competencias en contextos no formales:
dispositivos e instrumentos de evaluación. Revista de educación, (354), 341-342.
https://doi.org/10.4438/1988-592X-RE-2011-354-018
González, Y. A. C., & Muñoz-Repiso, A. G. V. (2020). Fortaleciendo el pensamiento
computacional y habilidades sociales mediante actividades de aprendizaje con
robótica educativa en niveles escolares iniciales. Píxel-Bit. Revista de Medios y
Educación, (58), 117-142. https://doi.org/10.12795/pixelbit.75059
Grover, S. (2011). Robotics and engineering for middle and high school students to develop
computational thinking. In Annual Meeting of the American Educational Research
Association, New Orleans, LA.
Grover, S., Basu, S., Bienkowski, M., Eagle, M., Diana, N., & Stamper, J. (2017). A framework
for using hypothesis-driven approaches to support data-driven learning analytics in
measuring computational thinking in block-based programming environments. ACM
Transactions on Computing Education (TOCE), 17(3), 1-25.
https://doi.org/10.1145/3105910
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 378
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Korkmaz, Ö., Cakir, R., & Özden, M. Y. (2017). A validity and reliability study of the
computational thinking scales (CTS). Computers in Human Behavior, 72, 558-569.
https://doi.org/10.1016/j.chb.2017.01.005
Meerbaum-Salant, O., Armoni, M., & Ben-Ari, M. (2013). Learning computer science
concepts with scratch. Computer Science Education, 23(3), 239-264.
https://doi.org/10.1145/1839594.1839607
Mohaghegh, M., & McCauley, M. (2016). Computational Thinking: The Skill Set of the 21st
Century. International Journal of Computer Science and Information Technologies,
7(3), 1524-1530.
https://www.researchbank.ac.nz/handle/10652/3422
Moreno-León, J., Robles, G., & Román-González, M. (2015). Dr. Scratch: Automatic analysis
of scratch projects to assess and foster computational thinking. RED. Revista de
Educación a Distancia, 15(46), 1-23.
https://www.um.es/ead/red/46/moreno_robles.pdf
Pérez, J. (2021). Percepción de estudiantes universitarios sobre el pensamiento
computacional. REDU. Revista de Docencia Universitaria, 19(1), 111-127.
https://doi.org/10.4995/redu.2021.15491
Pérez, J. (2019a). El pensamiento computacional en la vida cotidiana. Revista Scientific,
4(13), 293-306. https://doi.org/10.29394/Scientific.issn.2542-
2987.2019.4.13.15.293-306
Pérez, J. (2019b). DINADI: una estrategia para el diagnóstico de nativos digitales en el
ámbito universitario. Revista Paradigma, 40(1), 56-75.
http://revistaparadigma.online/ojs/index.php/paradigma/article/view/719
Pérez, J. & Azuaje, M. (2019) LE1: una estrategia amistosa para un curso introductorio de
programación. Revista Educación En Ingeniería, 14(28), 45-53.
https://doi.org/10.26507/rei.v14n28.998
Pérez, J., & Castro, J. (2018a). Estímulo del razonamiento lógico mediante el juego
Millonario en C para la asignatura “Programación 1”. Revista Tekhné, 21(3), 8-15.
http://revistasenlinea.saber.ucab.edu.ve/temas/index.php/tekhne/article/view/38
04
Pérez, J., & Castro, J. (2018b). LRS1: Un robot social de bajo costo para la asignatura
“Programación 1”. Revista Colombiana de Tecnologías de Avanzada, 2(32), 68-77.
http://revistas.unipamplona.edu.co/ojs_viceinves/index.php/RCTA/article/view/3
028
Pérez, J., & Pedroza, O. (2018). LM1: una metodología de estudio para la asignatura
“Programación 1”. Educere, 22(73), 635-648.
http://erevistas.saber.ula.ve/index.php/educere/article/view/13496
Pérez, J., Castro, J., Pedroza, O. Revista de Filosofía, Nº 99, 2021-3, pp. 369 – 379 379
Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional
(CC BY-SA 4.0)
https://creativecommons.org/licenses/by/4.0/deed.es
Román-González, M. (2015). Computational thinking test: Design guidelines and content
validation. In Proceedings of the 7th Annual International Conference on Education
and New Learning Technologies (EDULEARN 2015), 2436-2444.
http://doi.org/10.13140/RG.2.1.4203.4329
Román-González, M., Moreno-León, J., & Robles, G. (2019). Combining Assessment Tools
for a Comprehensive Evaluation of Computational Thinking Interventions.
Computational Thinking Education, 79-98. https://doi.org/10.1007/978-981-13-
6528-7_6
Román-González, M., Pérez-González, J. C., & Jiménez-Fernández, C. (2017). Which
cognitive abilities underlie computational thinking? Criterion validity of the
Computational Thinking Test. Computers in Human Behavior, 72, 678-691.
https://doi.org/10.1016/j.chb.2016.08.047
Sondakh, D. E., Osman, K., & Zainudin, S. (2020). A Proposal for Holistic Assessment of
Computational Thinking for Undergraduate: Content Validity. European Journal of
Educational Research, 9(1), 33-50. https://doi.org/10.12973/eu-jer.9.1.33
Thampy, H., Willert, E. & Ramani, S. (2019). Assessing Clinical Reasoning: Targeting the
Higher Levels of the Pyramid. Journal of general internal medicine, 34(8), 1631-
1636. https://doi.org/10.1007/s11606-019-04953-4
Thompson, E., Luxton-Reilly, A., Whalley, J. L., Hu, M., & Robbins, P. (2008). Bloom's
taxonomy for CS assessment. In Proceedings of the tenth conference on Australasian
computing education, 78, 155-161.
https://dl.acm.org/doi/10.5555/1379249.1379265
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.
https://doi.org/10.1145/1118178.1118215
www.luz.edu.ve
www.serbi.luz.edu.ve
wwwproduccioncienticaluz.org
REVISTA DE
FILOSOFÍA
Esta revista fue editada en formato digital y publicada
en octubre de 2021, por el Fondo Editorial Serbiluz,
Universidad del Zulia. Maracaibo-Venezuela
Nº 99-3
