En los últimos años me he encontrado con docentes que están interesados en utilizar los robots y desarrollar el pensamiento computacional con sus estudiantes. Sin embargo, tienen problemas para saber por dónde empezar. Muchos lo hicieron con Scratch y otros compraron robots lo primero. Estas dos estrategias no son las más acertadas. Es cierto que uno de los interrogantes por resolver en la investigación sobre pensamiento computacional está relacionado con la falta de estudios sobre las estrategias y metodologías más adecuadas para su desarrollo. Puede que una vez más, la experiencia práctica vaya por delante de la investigación. En cualquier caso, desde la tecnología educativa sí tenemos bastantes más respuestas en las que apoyarnos.
En este artículo voy a presentar los principios pedagógicos comunes de las diversas estrategias, metodologías y marcos de referencia más utilizados en los estudios publicados hasta el momento sobre pensamiento computacional. Me detendré en esta ocasión en uno de los marcos de referencia más utilizados: el aprendizaje basado en juegos. En el eBook (descarga) “Cómo activar el pensamiento computacional en educación” desarrollo el resto: construccionismo y constructivismo, aprendizaje basado en problemas, ABP, aprendizaje-servicio, etc.
El ábanico metodológico parece amplio. Sin embargo, los matices entre algunas metodologías son mínimos. Diferentes nombres para hablar casi de lo mismo. Por este motivo, dedico el siguiente apartado a los principios comunes que sustentan practicamente a todas la metodologías eficientes. Esto es útil para después no caer ni en la confusión ni en el fanatismo de un método, estrategia o herramienta.
Aprender pensando
Diversas son las metodologías y estrategias didácticas que parten de los principios del aprendizaje activo y experiencial. Con sus matices, todas ellas ponen en el centro del proceso de aprendizaje al estudiante. El docente crea las condiciones, guía y supervisa en todo momento, pero es el aprendiz quien aprende pensando y haciendo. Es decir, reflexionando sobre su propio proceso y experiencias basadas en situaciones de la vida real.
Héctor Ruiz explica en su libro “¿Cómo aprendemos?” y en varias entrevistas (podcast) lo que significa “aprender pensando”. Los principios que a continuación voy a compartir son los que más éxito parecen tener en la enseñanza y el aprendizaje en general y no solo en el desarrollo del pensamiento computacional. No importa tanto usar una u otra metodología, la clave es activar un aprendizaje en el que el estudiante piense mientras programa y utiliza un robot.
Aprendizaje activo
Ver o escuchar algo -aunque sea repetidas veces- no garantiza que vayamos a convertirlo en conocimiento o que lo podamos recordar posteriormente. Pensar y reflexionar sobre ello sí mejorará nuestra capacidad de recordarlo. Esto supone, por ejemplo, buscar relaciones y activar conocimientos previos relevantes que conecten con el objeto de aprendizaje. Cuantas mayores sean esas relaciones, más sólida será la asimilación de información y creación de conocimientos. Estas son las bases del denominado aprendizaje activo, muy presente en todas las metodologías y estrategias utilizadas en el desarrollo del pensamiento computacional.
No es solo aprender haciendo o haciendo cosas. Una lectura o una clase magistral pueden ser parte de un método de aprendizaje activo siempre y cuando el estudiante busque relaciones y lo contraste con sus conocimientos previos. Y al contrario puede suceder con actividades en las que el estudiante está “haciendo cosas”. Por ejemplo, una práctica con un robot en la que sigue unas instrucciones cerradas. Esta tarea no le provoca realmente “pensar” en los términos vistos en líneas anteriores. Una de las claves reside en si el estudiante reflexiona sobre su aprendizaje.
Según Ruiz (2020), los métodos de aprendizaje activo han sido ampliamente documentados desde la investigación educativa, mostrando también excelentes resultados cuando las reflexiones se realizan en grupo. Parece que los efectos positivos sobre el aprendizaje también surgen cuando se ofrece a los estudiantes “la oportunidad de compartir, contrastar y discutir sus ideas con sus compañeros y con el docente, en un ambiente distendido” (p.55).
Aprendizaje experiencial
La reflexión sobre el hacer es precisamente el elemento que define el aprendizaje experiencial. Kolb (1984) enfatizó el papel relevante de la experiencia tras analizar los modelos de aprendizaje de Dewey, Lewin y Piaget. El autor define el aprendizaje como el “proceso mediante el cual el conocimiento se crea a través de la transformación de la experiencia” (p. 38). En los aprendizajes experienciales, el aprendiz debe reflexionar sobre su experiencia usando habilidades analíticas y tomando decisiones para la resolución de problemas basadas en experiencias previas.
Aprendizaje basado en juegos
El aprendizaje basado en juegos (ABJ) es uno (junto con el construccionismo) de los marcos de referencia más utilizados en proyectos de desarrollo del pensamiento computacional (Kaleli̇Oğlu et al., 2016). Según la definición proporcionada por Tang et al. (2009) recogida en Hainey et al. (2016), el ABJ es un enfoque del aprendizaje derivado de los juegos de ordenador con valor educativo o aplicaciones de software diseñadas para el aprendizaje y la enseñanza.
En Qian & Clark (2016) se define el ABJ como un entorno en el que el contenido y las mecánicas del juego mejoran los conocimientos y las habilidades para adquirirlos. Las actividades del juego implica resolución de problemas y desafíos que proporcionan a los jugadores/estudiantes la sensación de poder lograr cosas.
En las corrientes pedagógicas actuales, el ABJ cuenta con una excelente reputación en cualquier etapa del sistema educativo. Sus adeptos no dejan de aumentar y las experiencias y estudios realizados son numerosos (Qian & Clark, 2016). Seguro que te suenan las Escape room educativas, los breakout edu o el uso del Kahoo! (el artículo más descargado en la prestigiosa revista Computers & Education es sobre Kahoo!).
El ABJ es percibido por los docentes como una excelente manera de mejorar el proceso educativo haciéndolo más atractivo. Es especialmente utilizado en la educación física, las matemáticas, las ciencias, los idiomas y las ciencias sociales. Sin embargo, y a pesar de su excelente reconocimiento y utilización, todavía existe una importante falta de evidencia empírica que lo respalde como un enfoque efectivo. Así concluye la revisión sistemática realizada por Hainey et al. (2016) que analiza estudios publicados de alta calidad desde el año 2000 hasta el año 2013. Según este estudio, el ABJ se utilizó principalmente para promover la adquisición y comprensión de contenidos.
Sin embargo, en el estudio de Wouters & van Oostendorp (2013) los investigadores concluyen que el ABJ es más efectivo para desarrollar habilidades de aprendizaje que para la adquisición de conocimientos. Retomando el trabajo de Hainey et al. (2016), el ABJ también es útil para desarrollar aspectos afectivos, motivacionales y cambios de comportamiento. En cualquier caso, se repite la historia en la investigación educativa: la práctica va por delante de la investigación.
Para Wouters & van Oostendorp (2013) el ABJ promueve entornos de aprendizajes complejos en los que el apoyo educativo del docente es fundamental para aprovechar la capacidad del aprendiz de centrarse en actividades o detalles relevantes para el aprendizaje, como por ejemplo, la reflexión.
En el estudio de Qian & Clark (2016) los autores seleccionaron 29 estudios para analizar el impacto del ABJ en las habilidades del siglo XXI. El estudio revela que la efectividad del ABJ depende del diseño de los juegos. En concreto, aquellos que combinan diversas teorías del aprendizaje con los elementos de diseño han demostrado tener más probabilidades de conducir a un aprendizaje efectivo. Esta investigación concluye indicando que hay razones para ser optimistas sobre el potencial de utilizar el ABJ para promover el desarrollo de habilidades del siglo XXI.
Probablemente, la conexión más directa con el pensamiento computacional y el ABJ la encontramos con la resolución de problemas que permanentemente aparecerá en cualquier juego. Esta puede ayudar a docentes y estudiantes a explorar nuevos caminos para entender y explicar la resolución de problemas (Zaibon & Yunus (2019).
El poder de la variedad, el equilibrio y la paciencia
Parece que nuestro cuerpo suele esperar variedad en muchos de sus sistemas para equilibrarse continuamente y estar sano. La variedad de estímulos nos suele hacer progresar. Algunos ejemplos. En general, es más saludable comer una importante variedad de alimentos que comer unos pocos (por muy nutritivos que sean). Esta es una de las claves de la dieta seguida en Ogimi, la llamada aldea de los centenarios situada en Japón. Los maratonianos realizan distintos tipos de entrenamiento variando las intensidades de estos. Combinar trabajar intenso con largos descansos también es otro ejemplo de estrategia para mejorar nuestra creatividad. Y así podría ir citando más ejemplos en los que se muestra que nuestro cuerpo se beneficia del contraste, la variedad y lo polarizado. Este símil nos puede ayudar a entender por qué es importante la complementariedad metodológica.
No es eficiente cerrarse a un solo método, por mucho que nos guste y esté de moda. La variedad y la complementariedad metodológica puede darnos mejores resultados. Los estudios sobre enfoques de enseñanza y aprendizaje para el pensamiento computacional no aportan demasiadas evidencias. Sin embargo, desde la tecnología educativa sí. El robot o el lenguaje de programación no es lo más determinante. La clave en cualquier estrategia será que los estudiantes aprendan pensando mientras programan o montan los robots.
La clásica frase de “lo importante no es la tecnología es la metodología” tiene sus matices. Realmente la metodología seguida se verá determinada por el contexto que rodea al alumnado (y al profesorado), sus circunstancias, su personalidad, su motivación, los objetivos de aprendizaje, cómo evaluamos o el nivel de autoeficacia percibida…
En resumen, desarrollar el pensamiento computacional con el uso de robots será más eficiente si tenemos en cuenta diversas variables del contexto, de los estudiantes y de los docentes. Aunque parece que el aprendizaje basado en el juego y el aprendizaje basado en problemas son las metodologías que más se aproximan al objetivo de desarrollar el pensamiento computacional en educación, será la complementariedad metodológica (basada en aprender pensando) la que mejores resultados provoque.
Tanto en la elección del robot como en la metodología a seguir, no te dejes convencer por los grandes “vendedores” (desde ponentes hasta comerciales de empresas tecnológicas) de disrupción educativa con promesas infundadas. Activa el pensamiento crítico y busca cambios progresivos con calma. Como dice Martin Weller en uno de sus libros: “la tecnología educativa no es juego para impacientes”.
Notas: habitualmente pongo enlaces o las referencias completas al final. Al incoporar numerosas referencias en el artículo, he optado por no seguir ninguna de las dos opciones y así no cargar más el contenido del artículo. En cualquier caso, si necesitas las referencias completas puedes ponerte en contacto conmigo desde AQUÍ. Disculpa las molestias. Parte del contenido de este artículo está extraído del eBook “Cómo activar el pensamiento computacional en educación“.
