Sistemas inteligentes aplicados a la enseñanza de la programación en ingeniería

Este proyecto se desarrolla en la Facultad de Ciencias Exactas, Físicas y Naturales de la Universidad Nacional de Córdoba mediante subsidio de la Secretaría de Ciencia y Tecnología de esta Universidad en la convocatoria 2012-2013 de proyectos I+D e implementado en Laboratorio de Educación Virtual. La aplicación de la psicología cognitiva para el aprendizaje de los principios fundamentales de la Programación de Computadoras, ha tenido dificultades para alcanzar el cambio conceptual deseado en los estudiantes de estos cursos (Carretero, 2005). Además, la detección temprana de las capacidades de los estudiantes para obtener buenos rendimientos en el aprendizaje de la programación ha sido reflejado como factor significativo en (Dehnadi y Bornat, 2006) y posteriormente en (Dehnadi y Bornat, y Hamilton, 2008). En la FCEFyN se observó que, si bien el conocimiento previo de lógica formal puede utilizarse como predictor del éxito académico, el escaso desempeño sistemático en las evaluaciones desalientan luego a continuar con los estudios (Bartó, 2010). Pero la tendencia universal, revela que la gran dificultad reside en la naturaleza formal de los lenguajes de programación, que los distancia de los lenguajes naturales y su enseñanza. En los cursos de Introducción a la Programación se centró la estrategia de mejora en la elección de un lenguaje de programación que mantuviera al pensamiento concreto como un factor crítico (Bartó y Weber, 2008) y en la programación de robots, se incorporaron evaluaciones permanentes sobre la comprensión de textos escritos en el lenguaje Python o C++ y la traducción de la solución de un problema dado como especificaciones en un castellano técnico al lenguaje de programación, habiéndose producido sólo algunas mejoras en los cursos de programación (Cebollada y Verdaguer, Eschoyez y Bartó, 2010) y también en (Díaz, Algorry y Natali, 2011). Ante estos problemas se han seleccionado Sistemas Tutores Inteligentes (STI) que permitan su implementación sin necesidad de programación a bajo nivel. Algunos están disponibles como servicios web y otros se pueden instalar en la plataforma Moodle. En los sistemas seleccionados, ASPIRE (Mitrovic, Martin y Suraweera, 2007) y SIETTE (Guzmán, Conejo y Pérez de la Cruz, 2007) solo es necesario desarrollar los conocimientos del tutor en lenguajes de alto nivel y relacionar las evaluaciones con una adecuada retro alimentación. Para la enseñanza basada en respuestas visibles y concretas se usaron el robot virtual RUR-PLE para Python del cual se dispone además un STI asociado (des Jardins, Ciavolino, Deloatch y Feasley, 2011) y kits de LEGO Mindstorms (Blais, 2010). Durante los dos cuatrimestres del ciclo lectivo de 2012 se ha realizado un estudio en profundidad de las evaluaciones conceptuales y se han seleccionado dos grupos de estudiantes para poder elegir un conjunto de preguntas a implementar luego en SIETTE durante 2013. También se ha estudiado el impacto en dichos grupos de las técnicas de programación de robots tanto virtuales como físicos.

Saved in:
Bibliographic Details
Main Authors: Bartó, Carlos Alberto, Díaz, Laura Cecilia, Cebollada y Verdaguer, Marcelo, Eschoyez, Maximiliano, Nicanor, Romero Venier
Format: Fil: Fil: Bartó, Carlos Alberto. Universidad Nacional de Córdoba. Facultas de Ciencias Exactas, Físicas y Naturales. Departamento de Computación. Laboratorio de Educación Virtual; Argentina. biblioteca
Language:spa
Published: 2013
Subjects:Sistemas Tutores Inteligentes, Robótica, Modelos Mentales, Psicología cognitiva,
Online Access:http://hdl.handle.net/11086/28665
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Este proyecto se desarrolla en la Facultad de Ciencias Exactas, Físicas y Naturales de la Universidad Nacional de Córdoba mediante subsidio de la Secretaría de Ciencia y Tecnología de esta Universidad en la convocatoria 2012-2013 de proyectos I+D e implementado en Laboratorio de Educación Virtual. La aplicación de la psicología cognitiva para el aprendizaje de los principios fundamentales de la Programación de Computadoras, ha tenido dificultades para alcanzar el cambio conceptual deseado en los estudiantes de estos cursos (Carretero, 2005). Además, la detección temprana de las capacidades de los estudiantes para obtener buenos rendimientos en el aprendizaje de la programación ha sido reflejado como factor significativo en (Dehnadi y Bornat, 2006) y posteriormente en (Dehnadi y Bornat, y Hamilton, 2008). En la FCEFyN se observó que, si bien el conocimiento previo de lógica formal puede utilizarse como predictor del éxito académico, el escaso desempeño sistemático en las evaluaciones desalientan luego a continuar con los estudios (Bartó, 2010). Pero la tendencia universal, revela que la gran dificultad reside en la naturaleza formal de los lenguajes de programación, que los distancia de los lenguajes naturales y su enseñanza. En los cursos de Introducción a la Programación se centró la estrategia de mejora en la elección de un lenguaje de programación que mantuviera al pensamiento concreto como un factor crítico (Bartó y Weber, 2008) y en la programación de robots, se incorporaron evaluaciones permanentes sobre la comprensión de textos escritos en el lenguaje Python o C++ y la traducción de la solución de un problema dado como especificaciones en un castellano técnico al lenguaje de programación, habiéndose producido sólo algunas mejoras en los cursos de programación (Cebollada y Verdaguer, Eschoyez y Bartó, 2010) y también en (Díaz, Algorry y Natali, 2011). Ante estos problemas se han seleccionado Sistemas Tutores Inteligentes (STI) que permitan su implementación sin necesidad de programación a bajo nivel. Algunos están disponibles como servicios web y otros se pueden instalar en la plataforma Moodle. En los sistemas seleccionados, ASPIRE (Mitrovic, Martin y Suraweera, 2007) y SIETTE (Guzmán, Conejo y Pérez de la Cruz, 2007) solo es necesario desarrollar los conocimientos del tutor en lenguajes de alto nivel y relacionar las evaluaciones con una adecuada retro alimentación. Para la enseñanza basada en respuestas visibles y concretas se usaron el robot virtual RUR-PLE para Python del cual se dispone además un STI asociado (des Jardins, Ciavolino, Deloatch y Feasley, 2011) y kits de LEGO Mindstorms (Blais, 2010). Durante los dos cuatrimestres del ciclo lectivo de 2012 se ha realizado un estudio en profundidad de las evaluaciones conceptuales y se han seleccionado dos grupos de estudiantes para poder elegir un conjunto de preguntas a implementar luego en SIETTE durante 2013. También se ha estudiado el impacto en dichos grupos de las técnicas de programación de robots tanto virtuales como físicos.