Pedagogía del pensamiento computacional desde la psicología: un pensamiento para resolver problemas

130 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Beatriz Ortega-Ruipérez Universidad Internacional de La Rioja (España) [email protected] http://orcid.org/0000-0002-3822-5745 Resumen: El pensamiento computacional debe entenderse como un pensamiento estratégico para resolver problemas, más allá de su vinculación con la programación. Por ello, es necesario abordar la estructura de este pensamiento, a través de sus procesos cognitivos, para obtener una definición operativa que permita a la pedagogía de este pensamiento abordarlo adecuadamente en las aulas, independiente del recurso que se utilice para su desarrollo. En este artículo se determinan cinco procesos inherentes a este pensamiento, identificando únicamente los que siempre se ven empleados, y se definen de forma operativa desde una perspectiva psicológica y también pedagógica. Estos procesos son abstracción, generalización, evaluación, creación de algoritmos y descomposición del problema. De estos procesos se puede comprobar una relación inherente de los cuatro primeros a la resolución de problemas, mientras que la descomposición se puede considerar no fundamental en la resolución de problemas y, por tanto, propia del pensamiento computacional. Gracias a este análisis y categorización, se comprueba que la descomposición es el proceso clave y central de este pensamiento, con lo que la didáctica del pensamiento computacional debe abordarse siempre desde la descomposición de problemas o tareas que permitan la simplificación del resto de procesos implicados, con diferentes recursos como la programación, el juego, la resolución de problemas, o la creación de proyectos. Abstract: Computational thinking should be understood as problem-solving thinking, beyond its link to programming. Therefore, it is necessary to address this thought’s structure through its cognitive processes to obtain an operational definition that allows this thought’s pedagogy to be adequately addressed in the classroom, regardless its development source. In this article, five processes inherent to this thought are determined, identifying only those that are always used. These processes are operatively defined from a psychological and a pedagogical perspective. The processes are abstraction, generalization, evaluation, creation of algorithms and decomposition of the problem. The first four processes present an inherent relation to problem-solving that can be verified, while, the last one, decomposition, can be considered not fundamental in problem solving and, therefore, linked to computational thinking. The performed analysis and categorization prove that decomposition is the key and central process of computational thinking. Therefore, computational thinking teaching must always be approached from the decomposition of problems or tasks that allow the simplification of the rest of the processes involved. This should involve different resources such as programming, playing games, problem-solving, or the creation of projects. Palabras clave: Pensamiento, resolución de problemas, cognición, pensamiento computacional, lenguaje de programación, estrategias educativas. Keywords: Thinking, problem solving, cognition, computational thinking, programming languages, educational strategies. Recibido: 28/07/2020 | Revisado: 28/09/2020 | Aceptado: 30/09/2020 | Publicado: 22/12/2020 Pedagogy of Computational Thinking from the Psychology: a Problem-Solving Thinking Pedagogía del Pensamiento Computacional desde la Psicología: un Pensamiento para Resolver Problemas 131 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Pedagogía del Pensamiento Computacional desde la Psicología: un Pensamiento para Resolver Problemas Introducción En los últimos años se ha visto la introducción de la programación como materia en la enseñanza obligatoria, o su reclamo como algo necesario, como son los casos en Europa de Reino Unido (Csizmadia et al., 2015), Alemania (Delcker y Ifenthaler, 2017), Francia (Académie des Sciences, 2013), Noruega (Bocconi, Chioccariello y Earp, 2018), o en España, incluida de forma obligatoria en la Comunidad de Madrid (Valverde-Berrocoso, Fernández-Sánchez y Garrido-Arroyo, 2015) como proyecto piloto, entre otros. Este planteamiento de considerar la programación como algo necesario para los alumnos en el siglo XXI, ha acelerado la aceptación del pensamiento computacional (PC) como un concepto imprescindible en la enseñanza, sin dar tiempo suficiente a su investigación: qué procesos implica este pensamiento, para qué puede ser realmente útil y cómo debemos abordarlo en educación, más allá de enseñar a programar. Además, como se lleva instando estos últimos años, enseñar a programar no implica desarrollar el PC, ya que, de acuerdo con Zapata-Ros (2015), se debe tener en cuenta el enfoque que se adopta: si se trata de un enfoque reproductivo o un enfoque productivo. Por otra parte, no se debe olvidar que este pensamiento se considera como un conjunto de procesos útiles en la resolución de problemas complejos (Barr y Stephenson, 2011; Grover y Pea, 2013; Voogt, Fisser, Good, Mishra y Yadav, 2015), y que por tanto se debe ver como una estrategia o heurístico que se puede aplicar en el proceso de resolución de problemas (Angeli et al., 2016), pero que además se podría utilizar para simplificar la forma que abordamos la representación de este (Kwisthout, 2012; Wing, 2014). Por ello, como pensamiento útil para la resolución de problemas, más allá del contexto informático, se debe tener en cuenta la posibilidad de desarrollar este pensamiento con otros medios, como es el enfoque unplugged, o por medio de proyectos de edición de vídeo, creación de artefactos digitales, etc. (Kong y Abelson, 2019). El objetivo de este artículo es proporcionar un modelo sobre el pensamiento computacional y unas directrices pedagógicas para asegurar el desarrollo del PC a través de actividades de diversa índole que trabajen los procesos implicados. Para ello, en primer lugar, se realiza un análisis desde la psicología diferenciando entre procesos de pensamiento para emplear este pensamiento, y habilidades o competencias. Y así proponer un modelo teórico del pensamiento computacional comprendido desde su relación con la resolución de problemas, pudiendo crear además una definición operativa, algo que todavía no se ha consensuado en torno a este concepto (Bocconi et al., 2016). Por último, se proponen unas directrices pedagógicas para asegurar el trabajo de todos los procesos operativizados en el pensamiento computacional, tanto desde la perspectiva del aprendizaje de la programación, como desde su trabajo desde otras técnicas educativas como la resolución de problemas o la creación de proyectos. Descomponiendo el pensamiento computacional Para delimitar este pensamiento, se han seleccionado los cinco marcos más actuales y relevantes (Tabla 1), marcos que se basan en la revisión de marcos anteriores. Se considera que al seleccionar estos marcos actuales, basados en la revisión de otras propuestas previas, no es necesario analizar más allá de estas cinco, ya que el resto se basan en la revisión de los mismos autores, como la propuesta original y ampliada de Wing (2006, 2014, 2008, 2011), la de Barr y Stephenson (2011), o la de Brennan y Resnick (2012), por citar algunas. El marco conceptual de Selby y Woollard (2013) es la primera propuesta que intenta operativizar los procesos cognitivos incluidos en la definición del PC para conseguir unificar el término, de forma que resulte más fácil abordarlo en la enseñanza. Para ello, recogen algunas propuestas relevantes de años 132 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Beatriz Ortega-Ruipérez anteriores a su publicación, y analizan los términos más frecuentes en las descripciones. En el caso del marco conceptual de Csizmadia et al. (2015), se basan en las definiciones propuestas por Wing (2011), la autora que acuñó el concepto. Por otra parte, la propia autora realiza una actualización reciente (Wing, 2017). Se comprueba que en esta actualización no se ha incluido ningún proceso posterior. Aunque destaca la abstracción como clave del PC. La Sociedad Internacional de Tecnología en Educación (ISTE) por su parte, propuso junto a la Asociación de Maestros de Ciencias de la Computacional de Estados Unidos (CSTA) una definición operativa para conocer los procesos implicados en el pensamiento computacional (ISTE y CSTA, 2011), que ha sido trabajado desde entonces, con lo que se ha logrado una definición posterior (ISTE, 2016), definición que incluye todos los procesos que dicen estar implicados en 2011, a excepción de la simulación y el paralelismo. Bocconi et al. (2016) revisan varias de las propuestas previas más relevantes, como las Barr y Stephenson (2011), Grover y Pea (2013) y Selby y Woollard (2013), entre otras. Estas propuestas han sido utilizadas en muchos de los estudios y experiencias que se han realizado sobre el pensamiento computacional, y que gracias a Bocconi et al. (2016) han sido integradas. Por su parte, Shute, Sun, y Asbell-Clarke (2017) crean su propia definición partiendo de dos propuestas muy relevantes, como son la propuesta de Brennan y Resnick (2012), quienes diferenciaban entre conceptos, prácticas y perspectivas del pensamiento computacional, y la propuesta de Weintrop et al. (2016). Desde 2013 se ha intentado consensuar los procesos de este pensamiento a través de revisiones de la literatura. Sin embargo, en la actualidad cada autor que investiga sobre pensamiento computacional elige la propuesta que más le encaja, asumiendo que existe un vacío entorno a la definición operativa de este pensamiento. Tabla 1 Procesos del pensamiento computacional según las revisiones teóricas más relevantes sobre el concepto Autoría Habilidades del pensamiento computacional Selby y Woollard (2013) Abstracción, descomposición, algoritmización, evaluación, generalización. Csizmadia et al. (2015) Algoritmización, descomposición, generalización (patrones), abstracción (representaciones), evaluación. ISTE (2016) Abstracción, algoritmización, recogida de datos, análisis de datos, representación de datos, descomposición de problemas, automatización. Bocconi et al. (2016) Abstracción, algoritmización, automatización, descomposición, depuración, generalización. Shute, Sun y Asbell-Clarke (2017) Descomposición, abstracción, diseño de algoritmos, depurar, iteración, generalización. Fuente. Elaboración propia. Procesos inherentes al pensamiento computacional El pensamiento, según Carretero y Asensio (2004), es aquello que contiene un conjunto de operaciones intelectuales como el razonamiento, abstraer, hacer generalizaciones, con el objetivo de la representación de la realidad, toma de decisiones o resolución de problemas. Siguiendo esta definición, y teniendo en cuenta los procesos superiores de pensamiento (Smith y Kosslyn, 2008), se deben diferenciar de forma clara los procesos de pensamiento incluidos en las propuestas sobre el pensamiento computacional y otros procesos y habilidades los cuales, aunque pueden formar parte de este pensa- 133 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Pedagogía del Pensamiento Computacional desde la Psicología: un Pensamiento para Resolver Problemas miento y se pueden trabajar de forma simultánea, no podrían ser considerados componentes básicos del PC. Por ello, se deben descartar los componentes que no puedan ser catalogados como procesos de pensamiento (Tabla 2). Tabla 2 Análisis de procesos para seleccionar procesos de pensamiento y evaluar su solapamiento Procesos Aparición Proceso superior Solapamiento con otros procesos superiores Abstracción 100% (5/5) SÍ Recogida y análisis datos Algoritmización 100% (5/5) SÍ Descomposición 100% (5/5) NO Generalización 80% (4/5) SÍ Representación datos Evaluación 40% (2/5) SÍ Recogida, análisis, representación datos Automatización 40% (2/5) NO Depurar 40% (2/5) NO Iteración 20% (1/5) NO Recogida de datos 20% (1/5) SÍ Abstracción y evaluación Análisis de datos 20% (1/5) SÍ Abstracción y evaluación Representación de datos 20% (1/5) SÍ Evaluación y Generalización Fuente. Elaboración propia. Como se puede apreciar, se encuentran cuatro de los procesos que no se pueden considerar procesos superiores de pensamiento: descomposición, automatización, depurar e iteración. En cuanto a la descomposición, aparece en todas las propuestas analizadas, mostrando su importancia como estrategia dentro del pensamiento computacional. Según Ortega-Ruipérez (2018), la descomposición resulta ser un proceso fundamental del pensamiento computacional, ya que la clave de este pensamiento reside en descomponer un gran problema en pequeñas partes computacionalmente abordables, incluyendo cómo se aborda y representa el problema. Por tanto, la descomposición es una estrategia para facilitar los procesos superiores de pensamiento empleados en la resolución de problemas. Respecto a la automatización, parece una destreza que se puede incluir al emplear este pensamiento, al estar además relacionado con las Ciencias de la Computación, pero no se puede concluir que sea algo necesario e inherente al pensamiento computacional, ya que no aparece de forma general en las propuestas, sino que más bien se trataría de una forma opcional de facilitar la resolución de problemas con este pensamiento. Por su parte, la depuración y la iteración serían más bien prácticas muy relacionadas con la programación informática, prácticas que requieren de los procesos de pensamiento ya incluidos, ya sea la abstracción, evaluación y generalización; o los procesos relativos al tratamiento de datos. Con este análisis, se puede comprobar que de los cuatro procesos excluidos, sólo uno de ellos se puede considerar fundamental en el pensamiento computacional: la descomposición. Por la otra parte, sólo se consideran los procesos superiores de pensamiento, es decir, abstracción, evaluación, generalización, recopilación de datos, análisis de datos, representación de datos y creación de algoritmos. Sin embargo, se ve cómo existe un solapamiento entre los procesos superiores de pensamiento propuestos, ya que por una parte tenemos abstracción, generalización y evaluación; y por otra recogida, análisis y representación de datos. Los primeros procesos aparecerían de forma combinada en los procesos relativos al tratamiento de datos (recogida, análisis y representación). 134 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Beatriz Ortega-Ruipérez Adicionalmente, existen otros intentos de definir el pensamiento computacional desde las habilidades cognitivas que incluye, como la que proponen Román-González, Pérez-González y Jiménez-Fer- nández (2017). Sin embargo, en esta propuesta se mezclan procesos superiores (razonamiento) con procesos básicos (procesamiento visual y memoria a corto plazo). En este caso, se entiende que se refiere al razonamiento lógico, pues existen muchos tipos como el informal, analógico, proposicional, etc. (Carretero y Asensio, 2008). El pensamiento computacional en la resolución de problemas Bassok y Novick (2012) definen la representación de un problema como el modelo construido con los componentes del problema que la persona ha captado o entendido. Incluyen el estado inicial del problema y el estado objetivo. Esto permite elaborar el proceso para la resolución, lo que implica la creación de un algoritmo que avance por los estados del problema hasta su estado objetivo o solución. El pensamiento computacional facilita estos procesos al descomponer ese gran problema en problemas sencillos. Sin embargo, hay que tener en cuenta que resolver varios problemas simples no equivalen a la resolución de problemas complejos, tal y como sostienen Funke, Fischer y Holt (2017), y que el PC pretende descomponer un problema complejo, pero siempre con una interrelación significativa entre todos los pequeños problemas. Como recogen Dörner y Funke (2017), la resolución de problemas complejos es un proceso dinámico con diferentes fases dentro de la adquisición del conocimiento y la aplicación de éste, ya que requiere una colección de procesos psicológicos superiores y autorregulados, que se emplean de forma recursiva entre la adquisición del conocimiento, que corresponde a la representación del problema, y la aplicación del conocimiento, correspondiente al proceso de resolución del problema (Herde, Wüstenberg y Greiff, 2016). Esta interacción entre la adquisición y la aplicación del conocimiento sobre el problema, se puede considerar, según Fischer, Greiff y Funke (2017) similar a la idea de tratamiento de información, concretamente a la generación de información y la reducción de información, ya que una aplicación efectiva del conocimiento requiere una adquisición adecuada, es decir, una reducción y generación de información eficaz. Se opta por los procesos de abstracción, evaluación y generalización, al haber conocido su relación con el tratamiento de datos, confirmando que el pensamiento computacional está compuesto de los procesos superiores de pensamiento: abstracción, evaluación, generalización y algoritmización, que se emplean en la solución de problemas independientemente de utilizar una estrategia computacional, y la descomposición, que resulta una estrategia clave para facilitar cómo se aborda un problema complejo, coincidiendo con lo que proponen otros autores como Looi, How, Longkai, Seow y Liu (2018). Modelo teórico del pensamiento computacional Se parte de la consideración de que la descomposición del problema es el aspecto clave que proporciona emplear este pensamiento, lo que conlleva que se aborde el problema de forma más sencilla, y por lo que tanto, se simplifique el esfuerzo cognitivo que supone trabajar con los datos de forma simultánea. Se entiende por tanto, que al tratar los datos de forma computacional, divididos en cómputos con significado independiente, se simplifica el esfuerzo cognitivo asociado a cada uno de estos procesos. Por tanto, en la Figura 1 se han representado los procesos siempre presentes el proceso de resolución de problemas, aunque no se aplique el PC, suponiendo para la ejemplificación de la representación, un problema con 10 datos (D1-D10). En la Figura 2 se ve cómo sería este proceso incluyendo la pieza clave: la descomposición, observando así la diferencia entre resolver el problema sin aplicar o aplicando el PC. 135 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Pedagogía del Pensamiento Computacional desde la Psicología: un Pensamiento para Resolver Problemas Figura 1 Representación simplificada de los procesos superiores de pensamiento en la resolución de problemas sin aplicar el pensamiento computacional (descomposición) Fuente. Elaboración propia. Figura 2 Representación simplificada de los procesos superiores de pensamiento en la resolución de problemas aplicando el pensamiento computacional Fuente. Elaboración propia. En el caso en el que se emplea la descomposición, la abstracción permite abordar diferentes conjuntos de datos con un significado conjunto. Esto además facilita la evaluación de los conjuntos de datos, frente a la evaluación de todos los datos como un gran conjunto. Al evaluar cada conjunto, se generalizan pequeñas representaciones, a la vez de crear una representación conjunta para asegurar que el objetivo se mantiene, como se aprecia en la flecha que asciende del recuadro verde. Con la representación del problema se puede generar un algoritmo general de resolución, pero lo verdaderamente útil de crear estas representaciones, es que se pueden crear varios algoritmos, y cada algoritmo centrarse en resolver cada parte. La puesta en práctica de cada uno de los algoritmos puede evaluarse de forma computacional para, en el caso de que falle uno de los algoritmos, sólo se revisa esa parte del problema, sin afectar al resto. Además debe darse una evaluación general de cómo está avanzando el problema por los diferentes estados, por si hiciese falta una revisión general. Definición operativa del pensamiento computacional Como definición operativa del pensamiento computacional se obtiene que es una estrategia basada en la descomposición, que facilita la resolución de problemas complejos, y en particular los 136 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Beatriz Ortega-Ruipérez procesos de abstracción, evaluación, generalización y pensamiento algorítmico. En la Tabla 3 están las definiciones de cada proceso para su aplicación en este pensamiento. Tabla 3 Definición de los procesos definidos operativamente en el pensamiento computacional Habilidad Definición Descomposición Permite dividir un gran problema o tarea en partes más simples e independientes que se pueden abordar individualmente. Abstracción Permite simplificar un concepto, identificando una idea a través del análisis de datos para desprender la idea general de los detalles. Generalización Permite la representación de un concepto o problema al establecer conexiones entre datos e identificar patrones comunes. Evaluación Permite analizar datos e ideas, a través de comparaciones lógicas que ayudan a verificar las ideas y acciones elaboradas. Pensamiento Algorítmico Permite la planificación de una secuencia lógica y limitada de acciones que conducen al logro de una tarea determinada. Fuente. Elaboración propia. Por otra parte, en la Tabla 4 se proponen cinco niveles de adquisición para cada uno de estos procesos. Con la creación de esta rúbrica se pretende facilitar la forma de abordar el pensamiento computacional en el aula, al permitir diseñar actividades que incluyan acciones para trabajar cada uno de los procesos implicados en el nivel que se quiera trabajar. Tabla 4 Niveles de adquisición de los procesos del pensamiento computacional Habilidad 1 2 3 4 Descomposición Detecta dos grandes ideas en un mismo problema o tarea Detecta las distintas partes e identifica un dato de cada idea Detecta las distintas partes e identifica casi todos los datos Detecta las partes de una tarea y los datos relativos a cada una Abstracción Extrae las ideas a través de un proceso guiado que ayuda a desechar detalles Es capaz de extraer varias ideas por si mismo, desechando datos superficiales Extrae casi todas las ideas, eliminando los detalles menos importantes Extrae todas las ideas esenciales desprendiendo todos los detalles Generalización Representa ideas si ve claramente las conexiones entre los datos de cada una Representa la idea general de la tarea o problema con fallos no determinantes Crea representación del problema o tarea conectando la mayoría de ideas La representación creada conecta de forma óptima todas las ideas extraídas Evaluación Es capaz de analizar datos sin relacionar unos con otros El análisis de datos permite relacionar unos con otros Analiza la mayoría de relaciones entre los datos relevantes Analiza todas las relaciones entre los datos más relevantes Pensamiento Algorítmico Crea un algoritmo general e identifica cada subalgoritmo al alcanzar esa fase Crea un algoritmo general y divide el trabajo en varias fases u objetivos Puede crear los subalgoritmos de cada parte y evaluar si encajan entre sí Crea un algoritmo general que guía los subalgoritmos de cada parte/subtarea Fuente. Elaboración propia. 137 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Pedagogía del Pensamiento Computacional desde la Psicología: un Pensamiento para Resolver Problemas Directrices pedagógicas para desarrollar el PC Relación entre el pensamiento computacional y la programación Programar implica muchos de los procesos superiores que componen el pensamiento computacional, por lo que programación resulta un recurso ideal para desarrollarlo, si se trabaja de una manera productiva y no reproductiva (Zapata-Ros, 2015). Como afirma Bers (2017), la programación no es lo mismo que el pensamiento computacional, pero la programación recoge los objetivos y etapas que se emplean en el PC. Para empezar, la programación debe abordarse desde una necesidad a resolver, desde la necesidad de que un programa automatizado nos facilite la realización de una tarea. Duncan, Magnuson y Votruba-Drzal (2014) denominan este tipo de programación como codificación, y proponen que debe basarse en plantear soluciones mediante un lenguaje de programación. Por tanto, la relación se da entre la codificación y el pensamiento computacional; y no con programación (González-González, 2018). Así, el primer paso para la codificación es el diseño de un programa informático, el cual requiere un estudio de las diferentes funcionalidades que debe cumplir, y este aspecto es clave para asegurar que se trabaja desde una perspectiva computacional, ya que el diseño requiere una descomposición del gran programa en todas estas funcionalidades fundamentales para que funcione. La programación consiste en la creación de un algoritmo, estableciendo todos los pasos necesarios para que el programa cumpla con sus objetivos, y que se puede representar a través de un diagrama de flujo que indique la relación y secuencia de las instrucciones incluidas. Por otra parte, el programa diseñado ha de contar con elementos básicos que se permiten automatizar las instrucciones, como el uso de variables para guardar datos, el uso de funciones para guardar pequeños algoritmos recurrentes, o el uso de instrucciones de control, tanto condicionales como bucles. Además, el desarrollo de un programa requiere de una constante monitorización que permite detectar errores y solventarlos, práctica conocida como depuración. En la Tabla 5 se propone la relación en los procedimientos habituales en programación y los procesos del pensamiento computacional con mayor implicación en estos procedimientos. Esto no quiere decir que los procesos del pensamiento computacional que se relacionan con cada procedimiento o práctica de programación se empleen únicamente en dicha práctica, sino que en esa práctica lo primordial es emplear el proceso superior de pensamiento relacionado. Tabla 5 Procedimientos habituales en programación y su relación con el pensamiento computacional Programación Pensamiento computacional Estudio de funcionalidades Descomposición Creación de un algoritmo Pensamiento algorítmico Diagrama de flujo Abstracción, generalización Variables Abstracción Funciones Generalización Condicionales Evaluación Bucles Evaluación Depuración Evaluación, abstracción, generalización Fuente. Elaboración propia. Más allá de la programación, el pensamiento computacional se relaciona habitualmente con habilidades digitales, ya que se ha considerado un pensamiento fundamental para abordar cuestiones complejas relacionadas con la digitalización. Diversas organizaciones lo incluyen en la revisión de habilidades que proponen como necesarias en el siglo XXI, especialmente en el contexto digital. 138 ISSN 0213-7771 - e-ISSN 2443-9991 https://doi.org/10.12795/CP.2020.i29.v2.10 Cuestiones Pedagógicas, 2(29), 2020, pp.130-144 Beatriz Ortega-Ruipérez La Unión Europea propone la Competencia Digital, una competencia básica en la que se incluye el aprendizaje de la programación, relacionándolo con el pensamiento computacional como una habilidad para la expresión digital (Vuorikari, Punie, Carretero y Van Den Brande, 2016). Por otra parte, la UNESCO incluyó el pensamiento computacional como parte de la Alfabetización Informacional y Mediática, de forma que las personas participen de forma activa y reflexiva de la cultura y la información digital (Gretter y Yadav, 2016). En este sentido, autores como Adell, Llopis, Esteve y Valdeolivas (2019) muestran cómo la competencia digital puede desarrollarse al trabajar el pensamiento computacional a través de la tecnología. Sin embargo, hay que tener en cuenta que trabajar programación, simplemente con tecnología, no garantiza su desarrollo. Para ello, se deben identificar qué procesos requieren las actividades, fundamentalmente la descomposición. Desarrollo del PC a través de la codificación La programación puede abordarse desde dos aproximaciones didácticas, de acuerdo con Moreno-Léon, Román-González y Robles (2017). Por una parte, se puede trabajar el refuerzo de conceptos teóricos más concretos. En este caso, las actividades son tipo puzles o retos guiados, en las que se trabaja de forma independiente cada concepto del pensamiento computacional, pero no de forma relacionada entre conceptos. Por otra parte, en un segundo nivel, los alumnos proponen soluciones a retos más generales para la construcción de programas. Estas soluciones tienen que establecerse a partir del empleo de los procesos superiores del pensamiento computacional. En este caso, las actividades deben ser creativas y con un enfoque global, como la creación de prototipos. Aprender a codificar resulta más sencillo en los últimos años gracias a los entornos de programación por bloques. Estos entornos de pseudocódigo facilitan la creación de programas al centrarse en la lógica de programación y no en las características de un lenguaje. Además de que puede utilizarse con múltiples fines. En cuanto a las técnicas de instrucción, se encuentra el uso de proyectos o la resolución de problemas. La creación de un proyecto de código debe abarcar diferentes fases que implican desde el diseño inicial hasta las pruebas finales, fases que se ven facilitadas si se aplica un pensamiento computacional. Yang, Swasnon, Chittoori y Baek (2018) proponen cómo trabajar los elementos básicos que componen un proyecto STEM de forma que se adopte una perspectiva computacional. En primer lugar, se debe elaborar una descripción del proyecto. En segundo lugar, hay que establecer una pregunta guía para la investigación, y dividir esta pregunta en preguntas más simples; las cuales corresponden al objetivo del problema y a su descomposición en subproblemas. Esta manera permite abordar un proyecto STEM con un enfoque de resolución de problemas. Entre las temáticas más habituales para realizar proyectos de programación, un proyecto puede tener como objetivo crear un cuento animado, o Storytelling. Algunos entornos de programación por bloques están orientados a ello, como Alice (Werner, Denner, Bliesner y Rex, 2009) o Scratch (Burke y Kafai, 2012). Otra temática atractiva es el diseño y desarrollo de videojuegos (Repenning, Webb y Ioannidou, 2010; Lee et al., 2011), ya que se trata de proyectos complejos en los que debe aplicarse una estrategia computacional para abordar todas las mecánicas y dinámicas para que funcione. La robótica es otra opción para la creación de proyectos, ya que además de codificar sus funcionalidades, deben tener en cuenta la parte física del proyecto, es decir, deben conocer todos los componentes electrónicos para determinar qué componentes necesitan y cómo se van a relacionar unos con otros. Este ámbito puede resultar más complejo de aplicar por la necesidad de adquirir más recursos,