investigación e innovación en la enseñanza...

Investigación e innovación en la Enseñanza Superior

Nuevos contextos, nuevas ideas

Rosabel Roig-Vila (Ed.)

universidad

Rosabel Roig-Vila (Ed.)

Investigación e innovación en la Enseñanza Superior. Nuevos contextos, nuevas ideas

© De la edición: Rosabel Roig-Vila

© Del texto: Las autoras y autores

© De esta edición:

Ediciones OCTAEDRO, S.L. C/ Bailen, 5 – 08010 Barcelona Tel.: 93 246 40 02 – Fax: 93 231 18 68

www.octaedro.com – [email protected]

Investigación e innovación en la Enseñanza Superior. Nuevos contextos, nuevas ideasEdición:

Rosabel Roig-Vila

Comité científico internacionalProf. Dr. Julio Cabero Almenara, Universidad de SevillaProf. Dr. Antonio Cortijo Ocaña, University of California at Santa BarbaraProfa. Dra. Floriana Falcinelli, Università degli Studi di PeruggiaProfa. Dra. Carolina Flores Lueg, Universidad del Bío-BíoProfa. Dra. Chiara Maria Gemma, Università degli studi di Bari Aldo MoroProf. Manuel León Urrutia, University of SouthamptonProfa. Dra. Victoria I. Marín, Universidad de OldenburgoProf. Dr. Enric Mallorquí-Ruscalleda, Indiana University-Purdue University, Indianapolis Prof. Dr. Santiago Mengual Andres, Universitat de ValènciaProf. Dr. Fabrizio Manuel Sirignano, Università degli Studi Suor Orsola Benincasa di Napoli

Comite tecnico:Jordi M. Antolí Martínez, Universidad de AlicanteGladys Merma Molina, Universidad de Alicante

Revisión y maquetación: ICE de la Universidad de Alicante

Primera edición: octubre de 2019

ISBN: 978-84-17667-23-8

Producción: Ediciones Octaedro

Cualquier forma de reproducción, distribución, comunicación pública o transformación de esta obra solo puede ser realizada con la autorización de sus titulares, salvo excepción prevista por la ley. Diríjase a CEDRO (Centro Español de Derechos Reprográficos, www.cedro.org) si necesita fotocopiar o escanear algún fragmento de esta obra.

NOTA EDITORIAL: Las opiniones y contenidos de los textos publicados en esta obra son de responsabilidad exclusiva de los autores.

33. El legado de Seymour Papert: análisis de la usabilidad de seis experiencias de aprendizaje construccionistas en un curso de postgrado sobre Tecnología Educativa

Pamplona, SoniaUniversidad a Distancia de Madrid, UDIMA, [email protected]

RESUMEN

Seymour Papert creó el lenguaje LOGO en 1967 con el propósito de facilitar el aprendizaje de cual-quier disciplina. En este trabajo se analiza el legado de Papert a traves de un estudio de caso que eva-lúa la usabilidad de seis experiencias de aprendizaje llevadas a cabo con LOGO y otras herramientas educativas de programación creadas con un propósito similar. Para ello se utilizó un cuestionario en el que se recogieron datos cuantitativos y cualitativos. En primer lugar, los participantes clasificaron las experiencias de acuerdo a cuatro atributos de usabilidad y despues explicaron los motivos de su clasificación. La triangulación de los datos cuantitativos y cualitativos permite concluir que cada participante se ha sentido más cómodo con unas determinadas herramientas, lo que podría ser debido a diferencias en sus estilos de aprendizaje. Los resultados obtenidos corroboran la tesis central del trabajo de Papert: una de las contribuciones más potentes que puede hacer la tecnología educativa es la creación de medios capaces de soportar una gran variedad de estilos intelectuales.

PALABRAS CLAVE: usabilidad, construccionismo, herramientas de programación visual, Scratch, ScratchJr, LOGO, Coding for Carrots, Lightbot.

1. INTRODUCCIÓNSeymour Papert, discípulo de Piaget, acuñó el termino construccionismo en los años 80. Mientras que el constructivismo de Piaget describe el proceso de construcción del conocimiento en la men-te del que aprende, el construccionismo de Papert (1993) sugiere que la mejor forma de asegurar tal construcción es a traves de la creación de algo tangible en el mundo. De acuerdo con esta teo-ría, Papert, creó en 1967 junto con Cinthia Solomon un nuevo lenguaje de programación llamado LOGO cuyo propósito principal fue facilitar el aprendizaje de cualquier disciplina (Papert, 1980). LOGO fue diseñado para tener una forma de interacción natural que podríamos identificar hoy en día con un alto grado de usabilidad (Shneiderman & Plaisant, 2009), aunque en su nacimiento to-davía no existía este constructo. El lenguaje LOGO ha dado lugar a los lenguajes de programación visual de los que disponemos en la actualidad, cuyo máximo representante es Scratch. Las ideas de Papert con respecto al aprendizaje con la ayuda de la tecnología supusieron un cambio de pen-samiento tan radical que todavía no han logrado una difusión y adopción generalizada hoy en día.

Este trabajo analiza una parte del legado de Papert mediante la evaluación de la usabilidad de seis experiencias de aprendizaje construccionistas y el análisis de la presencia de las ideas de Seymour Papert en los procesos de aprendizaje asociados. Para ello se han evaluado actividades con cinco herramientas de programación visual que requieren el uso de dispositivos electrónicos: Coding for Carrots, Lightbot, LOGO, ScratchJr y Scratch. Además, se ha incluido en el estudio una actividad, My Robotic Friends (Thinkersmith, 2018) que sólo usa lápiz, papel y vasos de plástico.

355Resultados de investigación sobre la docencia en la Educación Superior

Hasta donde alcanza nuestro conocimiento no existe ningún trabajo realizado con este mismo propósito. Uno de los motivos podría ser que se trata de un área de investigación interdisciplinar y reciente, en la que se entrelazan interacción persona-computador, educación y tecnología educativa, y en la que existen todavía pocos investigadores.

En cuanto a los trabajos relacionados con este estudio, una revisión de literatura concluye que existen escasos estudios acerca de la evaluación de la usabilidad de aplicaciones móviles educativas (Kumar & Mohite, 2017). Como ejemplo, existe un estudio que ha evaluado las percepciones de la usabilidad de la las herramientas Google Apps for Educación (Brown & Hocutt, 2015). Existen tam-bien algunos trabajos acerca de metodos de evaluación de la usabilidad de aplicaciones educativas (Kumar & Goundar, 2019; Sun, 2017). Por último, son también destacables dos estudios realizados con niños. Uno de ellos compara las interfaces tangibles con las gráficas (Sapounidis, Demetriadis, Papadopoulos, & Stamovlasis, 2019) y otro estudia el impacto de las interfaces de ScratchJr y el ro-bot KIBO (Pugnali, Sullivan, & Umashi Bers, 2017). Ambos trabajos se desarrollan con actividades similares a las de este estudio. El presente estudio se diferencia de estos dos en que los participantes del estudio son adultos en lugar de niños y en que está más orientado al análisis de los procesos de aprendizaje en lugar de al estudio de la usabilidad.

El objetivo de este estudio es doble. En primer lugar, se evalúa la usabilidad de las seis experien-cias de aprendizaje construccionistas descritas. En segundo, se analizan las ideas clave de Seymour Papert presentes en estas experiencias

2. MÉTODO Dados los objetivos del estudio, se ha adoptado el estudio de caso como enfoque metodológico por las razones que se exponen a continuación. Por una parte, la usabilidad es un constructo dependiente de contexto (usuario, tareas y entorno) y por tanto el estudio de caso resulta idóneo para su estudio pues permite interpretar un fenómeno en el contexto en el que tiene lugar (Hochheiser, Heidi, & Lazar, 2017). Por otra parte existe una razón epistemológica, el estudio de caso es una metodología que nos permite generar conocimiento científico concreto (Stake, 1978), un tipo de conocimiento necesario y útil en la investigación educativa (Papert, 1993).

2.1. Descripción del contexto y de los participantesLos participantes del estudio, 13 en total, han sido los estudiantes de la asignatura Herramientas de Programación Visual para el Aprendizaje de un máster en Tecnología Educativa dirigido al profeso-rado de todos los niveles educativos y desarrollado en el curso 2018-2019 en una universidad online. Se presentan datos de 11 estudiantes, ya que dos fueron eliminados del estudio, uno por abandono del curso y otro por no cumplimentar de forma íntegra el cuestionario de recogida de datos. A continua-ción, se describe brevemente cada una de las experiencias.

My Robotic Friends es una experiencia de aprendizaje en la que no se usa ningún dispositivo elec-trónico. Para llevarla a cabo son necesarios vasos de plástico, hojas de papel, lapiceros y gomas de borrar. La actividad consiste en escribir secuencias de instrucciones con el objetivo de llevar a cabo distintos tipos de construcciones con los vasos de plástico.

Lightbot es un juego diseñado para aprender a programar. En este juego se van presentado las distintas instrucciones de forma progresiva y se ponen en práctica resolviendo rompecabezas cuyo objetivo es que un robot recorra un itinerario encendiendo unas baldosas determinadas. Cuando se superan los rompecabezas se desbloquean más niveles del juego para seguir avanzando en el aprendizaje.356 Investigación e innovación en la Enseñanza Superior. Nuevos contextos, nuevas ideas

Coding for Carrots es un doodle de Google publicado en diciembre de 2017 para conmemorar el 50 aniversario de la programación para niños. Se puede ejecutar desde cualquier navegador y dispone de rompecabezas similares a los proporcionados por la herramienta Lighbot. En esta ocasión el objetivo es que conejo recorra itinerarios en los que tiene que recoger zanahorias.

Scratch es una aplicación informática creada por el MIT Media Lab con el objetivo de desarrollar las habilidades informáticas en jóvenes de 10 a 18 años pertenecientes a comunidades económica-mente desfavorecidas y con diversidad cultural. Está basado en los trabajos de Seymour Papert y Alan Key (Maloney et al., 2008). La programación se realiza mediante construcción de bloques que encajan cuando la sintaxis es correcta. ScratchJr es una aplicación para tabletas similar a Scratch pero dirigida a niños de entre 5 y 7 años.

Por último, LOGO es un lenguaje creado por Papert. Se ha usado una implementación actual de este lenguaje llamada papert a la que se puede acceder mediante una aplicación web.

2.2. InstrumentosPara recoger los datos se ha utilizado un cuestionario en el que los estudiantes debían clasificar las seis experiencias educativas de acuerdo a cuatro atributos de usabilidad. Además, tenían que justificar la clasificación realizada, explicar sus motivos. De esta forma, se han recogido datos cuantitativos y cualitativos.

Con el objetivo de poder comparar las distintas experiencias de aprendizaje se ha usado un marco teórico propio de la disciplina Interacción Persona-Computador con el que se evalúan los siguientes los atributos clásicos de usabilidad establecidos por Nielsen: facilidad de aprendizaje, eficiencia en uso, tasa de errores y experiencia de usuario (Nielsen & Jakob, 1993). La facilidad de aprendizaje se mide por el tiempo que un usuario novel emplea para aprender a usar una herramienta. La eficiencia en uso está relacionada con la velocidad, con el número de transacciones por unidad de tiempo que el usuario puede realizar utilizando la herramienta. La tasa de errores se refiere al número de errores co-metidos por el usuario mientras realiza una determinada tarea. La experiencia de usuario se refiere a la percepción del usuario con respecto a una herramienta, incluyendo las sensaciones que les produce más allá de la utilidad inmediata.

2.3. ProcedimientoA continuación, se detalla el proceso de análisis de datos. El instrumento de recogida de datos ha permitido obtener datos tanto cuantitativos como cualitativos. Los datos cuantitativos, que hacen re-ferencia a la clasificación de las herramientas, se han visualizado mediante gráficos de burbujas reali-zadas con el software de análisis de datos R (Figura 1, Figura 2, Figura 3 y Figura 4). A continuación, se describe el procedimiento de creación de los gráficos presentados.

En el eje de abscisas se representan las seis experiencias de aprendizaje objeto de estudio, que aparecen en mismo orden en el que se han presentado en la asignatura. En el eje de ordenadas se representan los seis puestos de la clasificación. Para que la lectura del gráfico resulte más natural, en la parte superior aparece el primer puesto, el que supone un mayor grado de usabilidad. En cada uno de los puntos de intersección de los puestos de la clasificación con las experiencias de aprendi-zaje aparece una burbuja que índica el número de estudiantes que han clasificado cada experiencia en cada uno de los puestos. El tamaño de la burbuja es proporcional al número que aparece en ella de manera que una burbuja más grande indica que un mayor número de estudiantes ha seleccionado esa opción.


A partir de estos gráficos hemos realizado distintos tipos de análisis. Con el examen del gráfico por filas hemos visualizado las herramientas que los estudiantes han clasificado en cada uno de los puestos. El examen del gráfico por columnas nos ha permitido visualizar los puestos en los que han sido clasificadas cada una de las experiencias. También hemos examinado cada gráfico en su conjunto para comprobar la homogeneidad del tamaño de las burbujas o la falta de ella. que indican a su vez las herramientas y los puestos más o menos seleccionados por los estudiantes.

En cuanto a los datos cualitativos, hemos usado la herramienta ATLAS.ti para su análisis. En pri-mer lugar, se ha realizado una reducción de datos creando códigos que sintetizaran las intervenciones más significativas de los estudiantes. Posteriormente se han agrupado estos códigos para identifi-carlos con los factores que han intervenido en las clasificaciones realizadas por los estudiantes. Por último, se han creado códigos con ideas de Seymour Papert y se han relacionado con los factores obtenidos en el paso anterior.

1. RESULTADOSA continuación, se presentan los resultados del estudio. Se estudian por separado las clasificaciones que han realizado los estudiantes con respecto a cada atributo de usabilidad. En primer lugar, se muestra un gráfico resumen de los datos cuantitativos y posteriormente se interpretan los resultados de acuerdo con los factores identificados en el análisis cualitativo.

Figura 1. Clasificación de las experiencias de mayor a menor facilidad de aprendizaje

La Figura 1 muestra la clasificación de las experiencias de mayor a menor facilidad de aprendiza-je. El análisis de las experiencias mejor valoradas (primer puesto) y peor valoradas en facilidad de aprendizaje (sexto puesto) permite comprobar que sólo tres experiencias han sido seleccionadas en el primer puesto: My Robotics Friends, Coding for Carrots y Lightbot. Por otra parte, sólo dos expe-riencias han sido seleccionadas en último puesto: LOGO y Scratch.

Si analizamos el gráfico por columnas, se comprueba que las experiencias que tienen más densidad de burbujas en la parte superior del gráfico son My Robotics Friends, Coding for Carrots y Lightbot. Estas herramientas ocupan los primeros puestos de la clasificación y son las mejor consideradas por los estudiantes en cuanto a facilidad de aprendizaje. Las experiencias con mayor densidad de burbujas en la parte inferior del gráfico son LOGO y Scratch, consideradas por los estudiantes con la menor

358 Investigación e innovación en la Enseñanza Superior. Nuevos contextos, nuevas ideas

facilidad de aprendizaje. En una posición intermedia, aparece la herramienta ScratchJr que es consi-derada más difícil de aprender que My Robotics Friends, Coding for Carrots y Lightbot, pero menos que LOGO y Scratch.

El análisis cualitativo de las respuestas de los estudiantes nos ha permitido descubrir los factores que han influido en la clasificación de las herramientas. Estos factores son los siguientes: detección automática de errores, número de instrucciones de cada herramienta, uso de iconos en lugar de texto y prueba paso a paso del código. Se explican a continuación cada uno de ellos.

La experiencia My Robotic Friends ha sido considerada por la mayoría de los estudiantes como la más fácil de aprender. Sin embargo, también hay estudiantes que la han clasificado en los últimos puestos. El motivo que han argumentado dichos estudiantes es la falta de tecnología que te indique dónde están los errores, ya que la experiencia se realiza con vasos de plástico. A continuación, se muestran las palabras de un estudiante con respecto a esta idea:

E09: “tiene la dificultad que la forma de determinar el error es que el robot que corra el algorit-mo sepa leerlo correctamente, de lo contrario no tenemos la tecnología que nos indique donde cometimos el error.”

En cuanto a las herramientas de programación visual exploradas por los estudiantes, la mayoría las clasifican de mayor a menor facilidad de aprendizaje en el siguiente orden: Coding for Carrots, Lightbot, ScratchJr, Scratch y LOGO. Una explicación plausible para estos resultados es el número de instrucciones de cada lenguaje de programación. Cada una de las herramientas de la lista mencio-nada tiene menos instrucciones que la siguiente. Es decir, Coding for Carrots es la herramienta con un menor número de instrucciones y LOGO es la herramienta con mayor número de instrucciones. Cada instrucción requiere un tiempo de aprendizaje y por tanto a mayor número de instrucciones mayor tiempo de aprendizaje requerirá la herramienta. A continuación, se muestra un conjunto de respuestas de los estudiantes que muestran esta idea:

E02 (con respecto a ScratchJr): “Lo que quizás la haga algo más complicada es la gran variedad de bloques y opciones que tiene. Se necesita mucho más tiempo para probar y conocer el signi-ficado de todas las opciones”

E02 (con respecto a Scratch): “El hecho de que haya tantas pestañas y opciones la hace más complicada”.

Otro factor a tener en cuenta es que en las experiencias My Robotics Friends, Coding for Carrots, Lightbot y ScratchJr las instrucciones disponibles son iconos que no tienen ningún texto asociado, lo que puede contribuir tambien a la facilidad de aprendizaje. A continuación, se reproduce una respues-ta que representa esta idea:

E10: “Además, los bloques son más fáciles de entender porque las imágenes son más fáciles de recordar que las palabras.”

Otra característica de las herramientas que ha influido en la facilidad de aprendizaje es la presenta-ción de ejercicios de dificultad progresiva junto con tutoriales guiados que ejemplifican el uso de cada una de las instrucciones. A continuación, se muestra esta idea en palabras de los estudiantes:

E05 (con respecto a Lightbot): “su dificultad es progresiva y no deja avanzar hasta que has apren-dido el paso previo, por lo que avanzas con seguridad y sabiendo cómo hacerlo”.


E03 (con respecto a Lightbot): “Es fácil saber cómo funciona porque te ejemplifica los pasos básicos, como move forward, turn left, right, etc, en los niveles bajos para que sepas posterior-mente emplearlos en los niveles superiores.

E03 (con respecto a Coding for Carrots): “el aprendizaje con esta aplicación también resulta sencillo porque antes de empezar cualquier partida aparece un pequeño vídeo explicativo donde se introducen los nuevos comandos”.

Por último, los estudiantes mencionan como característica importante para el aprendizaje que las herramientas permitan probar paso a paso el código que han creado.

E03 (con respecto a Lightbot): “tienes la opción de experimentar cada paso para verificar si has conseguido tu objetivo con los fragmentos de comandos creado para ello”.

Figura 2. Clasificación de las experiencias de mayor a menor eficiencia en uso

La Figura 2 muestra la clasificación de las experiencias de mayor a menor eficiencia en uso. La densidad de burbujas en las diferentes áreas del gráfico nos permite llegar a las siguientes conclusio-nes. Las herramientas Coding for Carrots y Lightbot son las mejor consideradas por los participantes del estudio en cuanto a eficiencia en uso. La herramienta LOGO ha sido considerada con la peor eficiencia en uso. Otra herramienta considerada con una baja eficiencia en uso es Scratch, 9 de 11 estudiantes la han clasificado en el penúltimo puesto.

Las experiencias de aprendizaje My Robotics Friends y ScratchJr han sido consideradas de formas más desigual por los estudiantes, y estarían en una posición intermedia en cuanto a eficiencia en uso.

El análisis de las respuestas de los estudiantes nos ha sugerido que los resultados de la clasificación se podrían explicar atendiendo al estilo de interacción de las herramientas.

Podríamos agrupar tres estilos de interacción. Las herramientas Coding for Carrots, Lightbot y ScratchJr tienen una interacción mediante una pantalla táctil, que es más natural para los usuarios que la interacción con un ratón. Las tres herramientas tienen instrucciones que se identifican con un icono en lugar de con un texto, lo que también simplifica la interacción y además basta con arrastrar y soltar bloques para construir un programa. La diferencia de ScratchJr con respecto a las otras dos es que tiene más instrucciones y no están todas a la vista, hay que explorarlas, lo que requiere más tiempo.


La experiencia My Robotic Friends no usa ningún dispositivo electrónico, sólo vasos de plástico, lápiz y papel. Como se ha mencionado antes, la detección de errores no es automática y por tanto requiere más tiempo.

Por último, en la experiencia con LOGO, la interacción es muy distinta, pues para usar una instruc-ción no basta con arrastrar y soltar, es necesario escribir cada instrucción de forma correcta y por tanto antes de escribirla hay que saber que existe o bien conociendola de antemano o consultándola en una referencia del lenguaje LOGO. A continuación, se muestran algunas respuestas de los estudiantes que representan la interpretación proporcionada:

E02 (con respecto a ScratchJr): “el hecho de que sea una herramienta táctil hace que adquieras soltura más rápidamente.”

E02 (con respecto a LOGO): “el hecho de que tengas que escribir es lo que la hace menos efi-ciente, pues no basta que pulsar botones, sino que tienes que emplear tiempo en escribir tu len-guaje y sin tener ningún error en la escritura.”

E05: “Explore esta herramienta mientras iba en el metro, de camino al trabajo, y antes de llegar casi había llegado al final de los niveles.”

E02: “Desde mi punto de vista, esta actividad tiene una eficiencia en uso baja. No se trata de un Software, sino que hay que utilizar papel, lápiz y goma. Por ejemplo, si te equivocas, no basta con un simple “click” para eliminar ese movimiento, sino que tiene que acudir a la goma para borrarlo y volver a escribir encima el nuevo movimiento”

Figura 3. Clasificación de las experiencias de menor a mayor tasa de errores

La Figura 3 muestra la clasificación de las experiencias de menor a mayor tasa de errores. A conti-nuación, se exponen las conclusiones obtenidas.

En las herramientas Coding for Carrots, Lightbot y ScratchJr las burbujas se concentran en la parte superior del gráfico, lo que quiere decir que los estudiantes han considerado que tienen una tasa de error baja. Por el contrario, en las herramientas LOGO y Scratch las burbujas se concentran en la parte inferior del gráfico, lo que indica que han sido consideradas con una tasa de error más alta que el resto de herramientas.


La experiencia My Robotics Friends destaca por haber sido clasificada de forma muy distinta por los estudiantes. Seis estudiantes la clasifican en el primer puesto, con el menor número de errores. Sin embargo, cinco estudiantes la clasifican en los tres últimos puestos porque han percibido que los erro-res no se detectan de forma automática en esta experiencia, ya que no hay dispositivos electrónicos, sólo personas. A continuación, se muestras las reflexiones de dos de estos estudiantes.

E02: “De todos modos, al ser una actividad manual, en la que no se emplea ninguna herramienta, los errores pueden no detectarse tan fácilmente”

E09: “no tiene una tecnología aplicada que nos indique donde cometimos el error. Como errar es de humanos, es obvio que esta sería la herramienta con la mayor tasa de error”

Es decir, estos estudiantes han realizado una reflexión acerca de la importancia de la detección y recuperación de errores. Estos dos procesos aparecen en la interacción con cualquier de las herra-mientas presentadas y como veremos más adelante pueden ser muy importantes para el aprendizaje. A continuación se muestra la respuesta de un estudiante que reflexiona acerca de los errores y el aprendizaje.

E05 (con respecto a ScratchJr): “Estos errores permiten corregir e interiorizar mejor las funcio-nalidades y las posibles acciones o tareas que se quieren programar.”

Figura 4. Clasificación de las experiencias de mejor a peor experiencia de usuario

La Figura 4 muestra la clasificación de las experiencias de mejor a mayor peor experiencia de usuario. A continuación, se exponen las conclusiones obtenidas con respecto al atributo experiencia de usuario.

Las herramientas que destacan en el gráfico son Lightbot y LOGO. Lightbot ha sido clasificada por 4 de 11 estudiantes (36%) como la mejor experiencia de usuario y LOGO ha sido clasificada por 8 de 11 (73%) estudiantes como la peor experiencia de usuario. El análisis del resto del gráfico confirma que Lightbot ha sido en general la experiencia mejor valorada y LOGO la peor.


El resto de herramientas están bastante igualadas con respecto a la experiencia de usuario. Es destacable que todas las experiencias excepto LOGO han sido seleccionadas en primera posición por algún estudiante.

De acuerdo con los comentarios de los estudiantes los factores que han influido en la valoración de la experiencia de usuario han sido: la diversión, la motivación para seguir interaccionando y la dificultad percibida.

Los estudiantes han clasificado con mejor experiencia de usuario las herramientas con las que más se han divertido. A continuación, se muestran algunos comentarios al respecto:

E04 (sobre Lightbot): “Esta experiencia es la que más me ha satisfecho debido a su diversión”

E06 (sobre ScratchJr): “su uso no me ha resultado divertido ni atractivo”

Otro factor que ha influido en las clasificaciones realizadas por los estudiantes es la motivación provocada por las distintas herramientas. Se menciona la motivación para seguir usando la herra-mienta y tambien para seguir aprendiendo a programar por otros medios. A continuación, se muestran dos comentarios sobre la motivación producida por las herramientas Scratch y Lightbot.

E05 (sobre Scratch): “me ha motivado y hecho confiar en mi capacidad para poder aprender programación, ya que los conocimientos relacionados con ciencias y matemáticas, y los concep-tos más tecnicos, suelen resistírseme.”

E09 (sobre Lighbot): “Fue una experiencia adictiva. Cada nivel te lleva a desarrollar un nivel de pensamiento y de cálculo mayor que otro”

Por último, los estudiantes mencionan en sus evaluaciones la dificultad percibida de cada una de las herramientas. A cada estudiante le motiva un grado determinado de dificultad como se puede com-probar en las siguientes respuestas:

E03 (sobre My Robotic Friends): “esta experiencia ha sido grata puesto que es sencilla y te mo-tiva a seguir descubriendo más. Es importante mencionar que al no cometer muchos errores es motivador para seguir superándose”

E04 (sobre Scratch): “Se complica más que la anterior y empieza a perder interés para mí”

2. DISCUSIÓN Y CONCLUSIONESEn primer lugar, se discute la presencia de las ideas de Seymour Papert en los resultados de la evalua-ción de las seis experiencias de aprendizaje construccionistas. Estos ponen de manifiesto dos impor-tantes ideas de Seymour Papert: la construcción de objetos para pensar y la posibilidad de que tenga lugar un aprendizaje significativo antes de saber leer y escribir.

Papert, cuando inventó la tortuga de LOGO manifestó que su objetivo era crear objetos que sirvieran para pensar, como si estos fueran una ampliación de la mente (Papert, 1980). En todas las experiencias analizadas hemos tenido distintos objetos que han cumplido esta función. En la experiencia My Robo-tics Friends la interacción se produce con una persona que actúe como robot e interprete la secuencia de órdenes. Esta interacción ayuda al proceso de pensamiento, pero podría ser algo lenta debido a que la detección de errores no es inmediata, tiene que ser realizada por una persona. Sin embargo, en el


resto de experiencias las herramientas informáticas proporcionan una interacción ágil que ofrece una respuesta inmediata con cada acción del usuario de la herramienta. De esta forma la interacción con las herramientas facilita el pensamiento, no hay que construir el pensamiento en el interior de nuestra mente, sino que tenemos la posibilidad de ver, manipular y hasta tocar nuestros pensamientos. De esta forma, la interacción con estas herramientas facilita el pensamiento y el aprendizaje.

Por otra parte, discutiremos otra idea clave de Seymour Papert: la posibilidad de que exista un aprendizaje significativo antes de leer y escribir. Papert criticó la primacía de la lectura en nuestra cul-tura como vía esencial hacia el conocimiento (Papert, 1993). Consideró que hasta ese momento sólo había habido dos medios para la transmisión de información e ideas, el habla y la escritura. Y decidió considerar a los medios informatizados como el próximo avance significativo. Las experiencias de aprendizaje analizadas en este estudio muestran que la lectura no es imprescindible para conocer las bases de la programación informática, ya que cuatro de las seis experiencias se pueden llevar a cabo sin hacer uso de la lectura y en la totalidad de ellas el aprendizaje se produce mediante la interacción con la herramienta en la que la lectura ocupa una cantidad de tiempo muy pequeña.

Con respecto a la evaluación de la usabilidad de las seis experiencias de aprendizaje, podemos hacer dos grupos de resultados. El primer grupo estaría formado por los atributos facilidad de apren-dizaje, eficiencia en uso y tasa de errores y el segundo grupo estaría formado por la experiencia de usuario.

Los resultados son similares para el primer grupo de atributos. Las experiencias Coding for Carrots y Lightbot han sido consideradas como las de mayor usabilidad. Por el contrario, las experiencias con LOGO y Scratch han sido consideradas como las de peor usabilidad. Por otra parte, las expe-riencias My Robotics Friends y ScratchJr han ocupado posiciones intermedias. Los factores que los estudiantes han tenido en cuenta para realizar su clasificación han sido los siguientes: número de ins-trucciones, identificación de instrucciones mediante un icono en lugar de mediante texto, dificultad, detección y depuración de errores y estilo de interacción.

Los resultados son sin embargo sorprendentes para el atributo experiencia de usuario. Los factores que los estudiantes han tenido en cuenta para evaluar la experiencia de usuario han sido muy distintos a los del resto de atributos. En particular, los estudiantes han tenido en cuenta la diversión, la moti-vación y la dificultad percibida. Estos tres factores dependen mucho de las características personales de cada usuario. Sin embargo, los factores tenidos en cuenta para el resto de atributos dependen de cada una de las herramientas. Como en el resto de atributos, las herramientas Lightbot y LOGO han sido consideradas como las de mayor y menor grado de usabilidad respectivamente. Sin embargo, el resto de herramientas han ocupado posiciones muy distintas para cada uno de los usuarios. Estas di-ferencias individuales sugieren que los resultados obtenidos corroboran la tesis central del trabajo de Papert: una de las contribuciones más potentes que puede hacer la tecnología educativa es la creación de medios capaces de soportar una gran variedad de estilos intelectuales.

3. REFERENCIAS Brown, M. E., Germanna C. C., & Hocutt, D. L. (University of R. (2015). Learning to use, useful

for learning: A usability study of google apps for education. Journal of Usability Studies, 10(4), 160–181. Recuperado de http://uxpajournal.org/wp-content/uploads/pdf/JUS_Brown_15_Aug2015.pdf

Hochheiser, H., Heidi, J., & Lazar, J. (2017). Research Methods in Human-Computer Interaction (2nd Ed.). Cambridge, MA: Morgan Kaufmann.


Kumar, B. A., & Goundar, M. S. (2019). Usability heuristics for mobile learning applications. Ed-ucation and Information Technologies, 24(2), 1819–1833. doi:https://doi.org/10.1007/s10639-019-09860-z

Kumar, B. A., & Mohite, P. (2017). Usability of mobile learning applications: a systematic literature review. Journal of Computers in Education, 5(1), 1–17. doi: https://doi.org/10.1007/s40692-017-0093-6

Maloney, J. H., Peppler, K., Kafai, Y., Resnick, M., Rusk, N., Maloney, J. H., … Rusk, N. (2008). Programming by choice: urban youth learning programming with S cratch. Proceedings of the 39th SIGCSE technical symposium on Computer science education - SIGCSE ’08 (Vol. 40, pp. 367). New York, New York, USA: ACM Press. doi: https://doi.org/10.1145/1352135.1352260

Nielsen, J., & Jakob. (1993). Usability engineering. San Francisco, CA, USA: Morgan Kaufmann Publishers.

Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. New York: Basic Books.Papert, S. (1993). The children’s machine: Rethinking school in the age of the computer. New York:

BasicBooks.Pugnali, A., Sullivan, A., & Umashi Bers, M. (2017). The impact of user interface on young chil-

dren’s computational thinking. Journal of Information Technology Education: Innovations in Practice, 16(1), 171–193. doi: https://doi.org/10.28945/3768

Sapounidis, T., Demetriadis, S., Papadopoulos, P. M., & Stamovlasis, D. (2019). Tangible and graph-ical programming with experienced children: A mixed methods analysis. International Journal of Child-Computer Interaction, 19(1), 67–78. https://doi.org/10.1016/j.ijcci.2018.12.001

Shneiderman, B., & Plaisant, C. (2009). Designing the user interface: Strategies for effective hu-man-computer interaction. Boston, MA, USA: Addison-Wesley Longman Publishing Co., Inc.

Stake, R. E. (1978). The case study method in social inquiry 1. Educational Researcher, 7(2), 5–8.Sun, J. (2017). usability evaluation approach of educational resources software using mixed intel-

ligent optimization. Mathematical Problems in Engineering, 2017(1), 1–12. doi:https://doi.org/10.1155/2017/2926904

Thinkersmith (2018). My robotics friends. Recuperado de https://curriculum.code.org/csf-1718/cour-seb/6/


investigación e innovación en la enseñanza...

Documents