Efectos de un videojuego en la mejora del pensamiento computacional de estudiantes universitarios

Antecedentes

En las plataformas web se pueden encontrar diversas propuestas relacionadas con VJ y actividades orientadas al Pensamiento Computacional (PC) y la programación gráfica. Por ejemplo, Araujo et al. (2019) presentan una plataforma web llamada micas (https://micas.epl.di.uminho.pt/), diseñada para promover estas habilidades. Por otro lado, Villacís (2014) desarrolla una propuesta enfocada en actividades de videojuego (VJ) dirigidas a estudiantes de K12 (desde nivel preescolar hasta el grado 12), en materias como matemáticas, tecnología e informática. Los Videojuegos son aplicaciones software altamente interactivas en las que una experiencia lúdica se lleva a cabo en un dispositivo informático (Fabregat, 2013). Así mismo, se destacan proyectos que utilizan entornos gráficos como UNITY 3D junto con realidad aumentada (AR) y marcadores, una tendencia en el desarrollo de software educativo, tal como se observa en el trabajo de Alkinformática. La realidad aumentada es un sistema que permite la visualización de una capa virtual superpuesta sobre elementos del mundo real (Azuma, 1997). Lin y Chen (2020) resaltan la importancia de la programación como una herramienta para despertar e inspirar el potencial de los estudiantes. Por su parte, Muñoz et al. (2018) proponen actividades didácticas que fomentan el pensamiento computacional en niños y adolescentes, con un enfoque especial en estudiantes con autismo. Csernoch et al. (2021) presentan un artículo detallando un proyecto de cuatro años que evalúa la eficacia de la enseñanza mediante el uso de hojas de cálculo denominadas Sprego. Estas herramientas, diseñadas con un enfoque en la resolución de problemas conceptuales, demostraron ser más efectivas que los métodos tradicionales, ofreciendo conocimientos más sólidos y duraderos a los estudiantes.

Medir el nivel de desarrollo del PC de un estudiante debe hacerse de forma indirecta ya que es una variable latente y, como tal, no es mensurable de forma directa según lo clasifica Datalab (2003). El trabajo de Mendoza et al. (2023) creó un diagnóstico del PC como una herramienta que puede identificar a estudiantes de 1er año de ingeniería en riesgo. El estudio se realizó con la participación de 469 estudiantes de tres instituciones de Estados Unidos, todos ellos realizaron el diagnóstico. Los análisis factoriales confirmatorios dieron como resultado que 20 ítems generan un buen rango de ajuste del modelo, con un coeficiente de confiabilidad de consistencia interna, α de Cronbach de 0,86. Chai et al. (2019) proponen una nueva forma de evaluación llamada: Sistema dinámico de evaluación ponderada: DWES, por sus siglas en inglés. La propuesta consta, primero, de definir un nuevo criterio de evaluación del PC abordando 8 aspectos. En segundo lugar, con base en los criterios propuestos, se presentó una herramienta de análisis que automáticamente evalúa las habilidades del PC de los proyectos de los alumnos. En tercer lugar, teniendo en cuenta las características de los proyectos, se ajustaron dinámicamente los resultados de la evaluación según los tipos, de modo que ya no se aplique un estándar único. A través del análisis de correlación entre las puntuaciones de DWES para PC y las calificaciones de los expertos, los resultados son que, en comparación con Dr. Scratch, el coeficiente de correlación incrementó. Según Kazimoglu (2020), se necesitan nuevos métodos de motivación para llamar la atención de los estudiantes y adaptarse a sus nuevos patrones de aprendizaje ya que la forma en que las personas aprenden ha cambiado drásticamente en las últimas dos décadas. Para solucionar el problema, el autor propone como principal herramienta de aprendizaje los VJ. En su estudio, 151 de los 190 estudiantes completaron con éxito su VJ diseñado y los hallazgos sugieren que se hayan incrementado la: Motivación, percepción y confianza significativamente después de jugar el VJ.

Con base en Liu et al. (2023), las habilidades de PC generalmente se consideran una habilidad básica para la resolución de problemas que se van ampliando gradualmente filtrándose a grupos de edad más jóvenes. Diseñó un proyecto basado en un juego para investigar la motivación de aprendizaje de los estudiantes y el desempeño de VJ en diferentes entornos de programación de un total de 108 estudiantes de quinto grado. Los hallazgos sugieren que el aprendizaje basado en juegos puede mejorar sustancialmente el interés por aprender. Según Piaget, la Cuarta etapa de desarrollo de los estudiantes, llamada etapa de operaciones formales, está establecida a partir de los 12 años y durante toda su vida adulta (Eligeeducar, 2019). El estudio de Chang et al. (2023) es particularmente importante porque representa el primer intento sistemático de desarrollar ciencia, tecnología, ingeniería, artes y matemáticas (STEAM, por sus siglas en inglés), integrando el Aprendizaje Basado en Proyectos (ABP), como método de enseñanza transdisciplinario para fomentar la creatividad y las habilidades del PC de los estudiantes. Los resultados de este enfoque incluyen mejoras significativas en varias dimensiones de la vida de los estudiantes: Creatividad, fluidez, flexibilidad, originalidad, elaboración y habilidades PC mejoradas. El estudio involucró a 54 estudiantes de secundaria, alumnos de séptimo grado, con 28 estudiantes en el grupo experimental y 26 estudiantes en el grupo de comparación. El grupo experimental demostró mejoras significativas en la creatividad mientras que el grupo de comparación no mostró cambios significativos.

El problema de la falta de competencias desarrolladas en PC no se reduce solo al área académica, a nivel industrial existen proyectos para realizar programación de robots industriales con lentes de AR. El proyecto de Guhl et al. (2017) es un desarrollo que permite programar los robots industriales de las líneas de las fábricas. Los cambios en estas líneas de producción son complejos y costosos además del tiempo que se tarda, esta innovación permite ejecutar los cambios sin estar presente y realizando pruebas de manera anticipada. Propuestas con AR orientados a la pedagogía especialmente a la programación como referencia se observan a niveles básicos como propuesta al desarrollo del PC como el caso de Gardeli y Vosinakis (2019), está diseñado para estudiantes de colegio de 9 a 10 años y un tablero que funciona como mapa y marcador al mismo tiempo, cada estudiante tiene las instrucciones y a su vez son las instrucciones que los estudiantes tienen para desarrollar la actividad, con el celular ellos capturan las instrucciones y observa las animaciones para obtener su resultado y verificar si fue correcto. El proyecto de Nikaido y Ventura (2016) es una estrategia de programación gráfica que facilita e induce a los nuevos estudiantes de sistemas.

Lo que se busca es incentivar a los alumnos a programar con retos pequeños incrementado la dificultad de manera progresiva, de esta manera los estudiantes encuentran el manejo de instrucciones sencillas, ciclos entre otros, en planos 2D en un programa para desarrollar la lógica de programación. Apaza et al., (2019) realizan un trabajo donde propone un nuevo marco de diseño de contenidos de alto nivel de AR. El proyecto contó con la implementación del framework usando el motor de creación de AR llamado UNITY y la extensión “Vuforia”, para la creación de aplicaciones que usan “marcadores” (entendiendo marcadores, como los puntos de referencia sobre la imagen del entorno real para superponer una imagen digital AR). Los resultados de las pruebas de usabilidad basadas en ISO 9241-11 muestran que la propuesta es efectiva porque todos los usuarios pudieron completar todas las tareas, es eficiente porque los usuarios pudieran crear aplicaciones de AR en menos de 5 minutos y verificaron la satisfacción del usuario con una alta puntuación promedio en el cuestionario: System Usability Scale, cuyo resultado fue “altamente aceptable”. Un estudio realizado por Yang (2019), propone un sistema de aprendizaje de robótica educativa virtual basado en AR, llamado: “AR Bot”, que tiene como objetivo apoyar las actividades de aprendizaje de PC y educación: STEM. El sistema consta de dos elementos principales: La tarjeta AR Bot y la aplicación AR Bot. La tarjeta AR Bot es un activador de AR para mostrar materiales de aprendizaje y cuestionarios, se pueden usar teléfonos inteligentes con la aplicación AR Bot para escanear las tarjetas AR Bot y luego ingresar a las unidades de aprendizaje que utilizan el editor de programación visual en bloques para practicar diversas tareas del robot. Los movimientos del robot virtual se pueden demostrar en escenas auténticas con tecnología AR a través de dispositivos móviles. El sistema AR Bot está diseñado para facilitar PC y la educación STEM en escuelas K-12. Según Comber et al. (2019), aprender a codificar mediante la creación de VJ promete una gran motivación, compromiso y diversión para los estudiantes. En este estudio, se utilizó el entorno de desarrollo de juegos usando el motor de creación de AR: UNITY, una herramienta ampliamente difundida entre desarrolladores de juegos profesionales para enseñar a los estudiantes de secundaria a desarrollar sus propios VJ. La investigación se basó en la enseñanza del diseño de VJ acompañado de una combinación de tutorías, explicaciones de los profesores, apoyo y colaboración entre los estudiantes. Los resultados confirmaron la hipótesis de que el desarrollo de VJ era atractivo para la mayoría de los jóvenes estudiantes.

El Pensamiento computacional (PC)

Rijo-García (2022) y Snalune (2015) coinciden en que el PC exige en el individuo el desarrollo de seis habilidades: 1) Descomposición: dividir el problema en partes más pequeñas. 2) Reconocimiento de patrones: encontrar similitudes dentro o fuera de la situación problemática. 3) Abstracción: simplificar un problema complejo centrándose solo en los detalles relevantes. 4) Crear un algoritmo: definir los pasos necesarios para resolver el problema. 5) Codificación: desarrollar un programa en un lenguaje que la computadora entienda según el algoritmo. 6) Depuración: corregir errores o mejorar el programa. El PC utiliza las funciones ejecutivas del ser humano para lograr su objetivo. Según Bauermeister (2008), las funciones ejecutivas del ser humano son actividades mentales complejas, necesarias para planificar, organizar, guiar, revisar, regularizar y evaluar el comportamiento necesario para adaptarse eficazmente al entorno y para alcanzar metas.

Contraste de las hipótesis para muestras dependientes

Según Tejedor y Murgiondo (2006), cuando a una muestra se le aplica un tratamiento y se desean contrastar las hipótesis para determinar si existe una diferencia significativa por causa de la aplicación del tratamiento a esa muestra, a este tipo de prueba se le conoce como: Prueba de hipótesis para muestras relacionadas o dependientes. La prueba “t” de Student para contrastar la diferencia significativa de las diferencias entre los datos de las muestras dependientes se calcula con la siguiente fórmula, según coinciden Dietrichson (2019) y Datalab (2023):

Donde las variables de entrada para las ecuaciones 1 y 2 se definen como: x- diff = Promedio de las diferencias de los datos entre los grupos, antes y después del tratamiento N = Tamaño de la muestra, Sdiff= Desviación standard de las diferencias de los datos antes y después del tratamiento, Sx- = Error típico estimado de la media. La prueba “†” de Student es válida para valores muestrales de hasta 30 datos en la mayoría de los casos, sin embargo, según algunos autores puede usarse con una muy buena aproximación a 60 datos, incluso las tablas contemplan valores de grados de libertad que equivalen al número de datos menos 1 hasta el infinito. Se adjunta la tabla 1 (parcial) de los valores de la distribución “†”. Se puede usar en una hoja de cálculo de: Google Docs usando la función: “inv.T.2C (0.01,37)” para aplicar un 95 % de confianza, un 5% de significancia con 38 -1 = 37 grados de libertad para 38 datos recolectados en las muestras pareadas, el valor crítico calculado en la hoja de cálculo es una interpolación entre los datos de † = 50 y † =30 cuyo resultado es: 2,02.

Cálculo de la muestra para una población finita

Según Vivanco (2005), la ecuación 3 puede ayudar a encontrar el tamaño de la muestra sobre una población finita para realizar un estudio sobre la misma:

Donde: N es el tamaño de la población, p y q: son las probabilidades de éxito y fracaso de encontrar un individuo en la población con las características necesarias. Al ser desconocido este valor, puede asumirse q = p = 0,5 que maximiza el tamaño de la muestra con la probabilidad del 50 % para cada caso e= Porcentaje de error esperado en los resultados obtenidos, se digita de forma decimal. Estos valores suelen ser generalmente menor o igual a 5 % = 0,05, Z= Corresponde al valor de la variable normalizada de confianza en la campana de Gauss. El valor de Z está asociado al valor de confianza deseado, de forma común, suele usarse Z= 1,96 para una confianza del 95%.

Coeficiente de Kuder-Richardson

Cuando se desea medir una variable cualitativa que no es mensurable directamente tal como el nivel de inteligencia, capacidad de escritura, inclinación hacia la compra de un producto o nivel de PC, pueden usarse variables cuantitativas que si sean mensurables dentro de una prueba con el fin de determinar la variable cualitativa. Surge la necesidad de que las preguntas de la prueba diseñada deben estar lo más relacionadas entre sí para poder obtener al final una idea correcta de la medida de la variable latente y que los resultados obtenidos sean resultados fiables. Según Aiken (2003), existen 2 coeficientes importantes para evaluar el nivel de consistencia interna de la prueba diseñada según las respuestas obtenidas después de aplicar, estos coeficientes son el de Cronbach y Kuder-Richardson. Aunque el coeficiente de Cronbach es muy utilizado en estudios asociados a la educación como lo considera Cutumisu et al. (2022), Aiken (2003) propone que cuando una prueba realizada a estudiantes se caracteriza por tener preguntas cuyas respuestas son del tipo dicotómicas, es decir, binarias, falso o verdadero, correcto o incorrecto, se debe calcular el coeficiente de Kuder-Richardson para determinar qué tan consistente es la prueba a nivel interno, es decir, qué tan relacionadas están las preguntas entre sí para que los resultados sean fiables y que la interpretación de los mismos sea acorde con el modelamiento de la realidad. El coeficiente de Cronbach es bastante útil para evaluar la fiabilidad interna de las pruebas que tienen varias opciones de respuestas usando la escala de Likert (Morales et al., 2003), por otro lado, si las pruebas tienen opciones de respuestas dicotómicas (Correcto - incorrecto), se debe usar la fórmula de Kuder-Richardson para determinar la fiabilidad de la prueba. Cualquiera de los dos coeficientes calcula en porcentaje el nivel de fiabilidad. La fórmula de Kuder-Richardson también es conocida como “kR20” o “r20” y utiliza información de la dificultad de cada pregunta para poder ser calculado ya que se basa en el número de preguntas correctas contestadas en la prueba, además de tener en cuenta la suma de sus varianzas y la varianza total de las respuestas de la prueba.

A continuación, se escribe la fórmula del coeficiente de Kuder-Richardson para el cálculo de la fiabilidad interna de la prueba de respuestas dicotómicas:

Donde: K = Es el número de preguntas del instrumento de evaluación (número de preguntas de la prueba), p = Porcentaje en fracción del número de personas que responden correctamente cada pregunta de la prueba. A cada pregunta de la prueba debe calcularse el porcentaje de personas que acertaron, q = Porcentaje en fracción del número de personas que responden correctamente cada pregunta de la prueba. Es importante que a cada pregunta de la prueba debe calcularse el porcentaje de personas que NO acertaron. Este valor puede calcularse como 1 - p para cada pregunta de la prueba. σ = Desviación estándar de los datos del instrumento de evaluación. En la mayoría de los estudios, aunque depende del investigador, suele atribuirse a un buen nivel de fiabilidad a valores del coeficiente de Kuder-Richardson superiores a 0,6, sin embargo, otros autores consideran excelente la fiabilidad para valores superiores a 0.7 hasta 1.0 (Cutumisu et al., 2022). Puede asumirse una baja fiabilidad en la prueba para valores entre cero y 0.6 (Aiken, 2003). Puede utilizarse una hoja de cálculo para facilitar la determinación del valor del “r20”.

Capacitación previa en operaciones formales

Los 38 estudiantes con edades entre 17 y 20 años fueron seleccionados de manera aleatoria de una población de estudiantes del mismo nivel educativo (Primer semestre de ingenierías). Se asignaron a sus respectivos grupos de intervención y de control utilizando un proceso aleatorio. A la muestra de 38 estudiantes se les realizó, primero, una clase virtual de nivelación y repaso de las operaciones aritméticas básicas usando calculadora: Casio fx82ES o similar, esto con el fin de confirmar el dominio en su uso y el dominio de la solución de problemas que involucran operaciones básicas matemáticas como: adición, sustracción, multiplicación, división y cálculos de porcentajes usando reglas de 3. Esta muestra constituyó el grupo de control y se le aplicó una prueba de 5 preguntas que requieren PC.

Diseño del experimento

Con base en Domínguez y Castaño (2016), cualquier experimento que se vaya a realizar debe tener en cuenta 3 aspectos: factores, niveles y tratamientos. Los factores hacen referencia a la cantidad de variables independientes que intervienen en el experimento, los niveles hacen referencia al valor que se le van a asignar a cada variable dentro del experimento, los tratamientos hacen referencia a la mezcla de factores con los niveles. El experimento más sencillo sería el de 1 factor con 2 niveles, conocido como experimento unifactorial. Los experimentos unifactoriales, en donde todos los errores experimentales que pueda haber por causa de otros factores que no se han tenido en cuenta por que se asume que sus aportes de error son muy pequeños, se le conocen como experimentos completamente aleatorizados (Dominguez, 2016). El autor propone que a estos experimentos se les puede modelar mediante estadística inferencial usando un estadístico de prueba para verificar con cierto nivel de confianza y significancia la hipótesis nula o la alternativa usando dos colas usando los valores de la distribución “†” de Student o bien, la distribución “z” si es el caso, que para un factor con dos niveles podrían definirse así: hipótesis nula: no hay efectos diferentes en los dos tratamientos. Hipótesis alternativa: los tratamientos tienen un valor significativamente diferente.

Diseño del cuestionario

Las preguntas tanto de la prueba 1 y las de la prueba 2, que son iguales en contenido, pero con diferente retórica, corresponden a 5 preguntas seleccionadas del examen de 50 preguntas que realiza el estado en Colombia en el área de matemáticas a los estudiantes de último año de educación media: SABER 11.

Este examen está validado y es homologable con otros exámenes de países tales como: Alemania, Australia, Bolivia, Brasil, Bulgaria, Canadá, Chile, Estados Unidos, España, México, Suiza, entre otros, según informa el MEN (2006). El reporte de gestión del MEN 2018-2022, entre las páginas 64 y 90, deja claro que el SABER 11 tiene por objetivo evaluar varias competencias del individuo, entre ellas, el PC (ICFES, 2018). Cuando se diseña un examen, deben considerarse múltiples variables que pueden influir en su duración y asignarle el número de preguntas correcto. Un estudio realizado por Trauzettel-Klosinski y Dietz (2012) para 17 idiomas, incluido el español, determinó que la velocidad media de lectura comprensible para una persona de 10 años en adelante es de 1,42 ± 0,13 textos/min (±Desviación Estándar), 184 ± 29 palabras/min, 370 ± 80 sílabas/min y 863 ± 234 caracteres/min. De esta manera, puede estimarse el tiempo correcto por cada pregunta. Con base en estos datos, el MEN asigna para el SABER 11 aproximadamente 2,2 minutos por cada pregunta, sin embargo, en el diseño de nuestro cuestionario, se asignó tiempo indefinido con el fin de no presionar al estudiante y que se concentrará en seguir los algoritmos propuestos por cada pregunta.

Con relación al número adecuado de preguntas, los resultados de 2 estudios realizados por Sarrias-Ramis et. al. (2010) a estudiantes de 2 universidades de Barcelona, España, concluyen que la cantidad correcta de preguntas que debe tener una prueba para evaluar una asignatura completa debe ser de 100, sin embargo, el estudio mostró que la fiabilidad de los resultados no es significativamente diferente cuando los exámenes tienen la mitad de las preguntas. Su conclusión general es que la evaluación del rendimiento académico no dependería fundamentalmente del número de preguntas y que sería más importante buscar la representatividad y relevancia de éstas (Sarrias-Ramis et. al., 2010).

En Colombia se diseñan las preguntas de los exámenes SABER 11 con base en MEN (2006). El MEN clasifica las competencias obtenidas por un estudiante desde grado 1 hasta grado 11 en 5 estándares básicos por competencias, la primera, grado 1 a 3, la segunda, grado 4 y 5, la tercera, grado 6 y 7, la cuarta, grado 8 y 9, quinta, grado 10 y 11. Un análisis realizado al documento del MEN (2006) muestra que, si se aplica la propuesta de 100 preguntas de Sarrias-Ramis et. al. (2010), un examen de estado en el ámbito de matemáticas debería contener 100 preguntas que evaluarán los 5 estándares de competencias, 20 preguntas por cada estándar, pero esto en la práctica sería muy extenso. Ya que la fiabilidad no disminuye significativamente con la mitad de las preguntas, el examen cuenta con 50 en total para matemáticas, 10 para cada competencia estándar. Esto puede apreciarse en los cambios que ha experimentado el examen de estado después del año 2000 en Colombia, pues ya no se llama examen ICFES sino SABER 11 y ya no se presenta los días sábado y domingo sino solo el domingo, naturalmente, posee aproximadamente la mitad de las preguntas que antes.

Con base en MEN (2006) puede verificarse que grados 8 a 11 desarrollan 2 de las 5 competencias estándar y dentro de estas 2, se desarrollan en total 56 competencias específicas que se agrupan en: Pensamiento numérico y sistemas numéricos nivel 1 y 2, Pensamiento espacial y sistemas geométricos nivel 1 y 2, Pensamiento métrico y sistemas de medidas nivel 1 y 2, Pensamiento aleatorio y sistemas de datos nivel 1 y 2 y Pensamiento variacional y sistemas algebraicos-analíticos nivel 1 y 2. De esta manera, el examen debe abordar 20 preguntas de temas relacionados desde el grado 8 al grado 11 y evaluar las 56 competencias específicas de los temas impartidos, por esta razón, el SABER 11 mezcla competencias en una sola pregunta. Al analizar el listado de 56 competencias específicas del examen puede verse que 14 están relacionados con el PC, aplicando una regla de 3, se explica por qué la prueba de SABER 11 2018 utilizó 5 preguntas para evaluar el PC de los estudiantes en simultáneo a otras competencias.

Condicionamiento previo del estudiante a la prueba 1

Al utilizar como modelo de cálculo a la estadística inferencial asumiendo la evaluación de la hipótesis a dos colas, esta investigación asume que el grupo de control no contaba con ningún entrenamiento previo en PC, sin embargo, debe tenerse en cuenta que así como dentro del grupo pueden haber estudiantes que presentaron su examen de estado hace muchos años (en tiempos donde el PC no se evaluaba), es de esperarse que la mayoría de los estudiantes del grupo haya presentado recientemente el examen de estado SABER 11, probablemente en 2023, esto significa que no se puede asegurar que los estudiantes tengan o no un condicionamiento previo implícito. Como el último examen SABER 11 del año en Colombia se presenta en el mes de agosto, en este caso, agosto de 2023, y esta investigación se realizó en enero de 2024, se limita la validez del precondicionamiento nulo en preguntas que incluyen PC para el grupo de control en los últimos 4 meses.

Condiciones de ejecución del experimento

Las prepruebas y postpruebas se realizaron en condiciones controladas. Los estudiantes estuvieron bajo supervisión durante todo el proceso para garantizar que no recibieran ayuda externa. La prueba 1 se realizó con las siguientes condiciones: el estudiante debe resolver todas las preguntas sin límite de tiempo. El entorno de la prueba debió permitir que el estudiante respondiera de manera concentrada (sin distractores como celulares, mascotas, peluches, almohadas, ruidos externos, otras personas, elementos de oficina que sean inútiles, entre otros), que no seleccionara respuestas al azar y que respondiera según considerase correcto a partir de sus análisis y conocimientos. Podía usar calculadora tipo Casio fx-82ES o similar y una hoja en blanco. Se verificaron calculadoras con suficiente batería y lapicero con suficiente tinta. Se utilizó un cronómetro para cada estudiante y se daba inicio en el momento justo que comenzaba a leer la primera pregunta, la finalización del conteo se realizó justo en el momento que el estudiante terminaba la última pregunta de la prueba.

Diseño del Video Juego (VJ) de Realidad Aumentada (AR) para el desarrollo del Pensamiento Computacional (PC) del estudiante después de aplicarle la prueba 1

Este trabajo de investigación incluye la creación de un juego de AR programado para Android y Windows, generado con el motor de videojuegos: UNITY, el cual puede ejecutarse en un oculus quest 2, descargable en celular. El VJ consiste en entrenar en pensamiento computacional (PC) al estudiante, realizando una serie de pasos hasta lograr una tarea principal que se le asigna en el juego.

Figura 1: Captura de imagen de introducción Videojuego de PC diseñado para el tratamiento de PC

El juego enseña principios básicos de programación de forma divertida e interactiva. Los jugadores controlan un personaje en un entorno 3D isométrico, usando secuencias, bucles y funciones para resolver desafíos. Con niveles progresivos y disponible en varias plataformas, es una herramienta popular para aprender lógica de programación y pensamiento algorítmico. Después de la prueba 1 se aplicó 10 veces consecutivas el juego al grupo de control. Se esperaron 30 minutos para abordar la prueba 2.

Figura 2: Captura de imágenes de los diferentes escenarios del Videojuego de pc, en total son 25 escenarios

El proyecto tendrá 3 escenarios, cada uno con tres niveles de complejidad, los marcadores indicarán el nivel y el escenario que se desea jugar para un total de 9 marcadores. Estos niveles de complejidad están relacionados con las etapas de razonamiento para facilitar la introducción a la programación. Las preguntas de la segunda prueba fueron cambiadas de orden y se escribieron palabras diferentes con el fin que el estudiante no descubriera que se trataba de la misma prueba 1. La pregunta 3 no tuvo ninguna variación con respecto a la de la prueba 1. Con la prueba 2 se pudieron recolectar nuevamente datos de tiempo y efectividad en la respuesta correcta a las preguntas y se analizaron los resultados.

Figura 3: Escenarios y módulos del Videojuego. Los aciertos permiten continuar con el siguiente nivel, de lo contrario el jugador se enfrenta al mismo nivel con cambios en el escenario

Limitaciones de la investigación

Con el ánimo de ser lo suficientemente rigurosos, se plantean las siguientes limitaciones:

Los estudiantes contaban con diferentes niveles de exposición previa al pensamiento computacional y al uso de videojuegos educativos, lo que podría haber afectado su desempeño en las pruebas.

Aunque los resultados de esta investigación son estadísticamente significativos, la muestra de 38 estudiantes es relativamente pequeña. Se pueden necesitar más estudios con muestras más grandes para confirmar estos hallazgos en diferentes contextos educativos.