Relación entre el pensamiento computacional y las habilidades de metamemoria en niños de quinto de primaria
DOI:
https://doi.org/10.15517/ap.v40i140.63072Palabras clave:
Pensamiento computacional, metamemoria, metacognición, infantes de primariaResumen
Objetivo. Este estudio pretendió examinar la relación entre las habilidades de pensamiento computacional y las habilidades metacognitivas en infantes de educación primaria. Método. Participaron 73 estudiantes de 9 a 10 años, los cuales fueron asignados a un grupo con entrenamiento en pensamiento computacional (n = 43) o a otro con clases tradicionales (n = 30). Se evaluaron el pensamiento computacional y la metamemoria mediante pruebas estandarizadas, y se aplicaron análisis de mediación y modelos de regresión multivariada. Resultados. El grupo experimental obtuvo puntajes significativamente superiores en pensamiento computacional (M = 16.42) en comparación con el grupo control (M = 10.63). También, presentó un menor número de errores totales en metamemoria (M = 4.67) frente al de control (M = 7.70). La correlación entre pensamiento computacional y metamemoria fue significativa (r = -.579, p < .001), y el modelo explicó el 52.3% de la variabilidad. Además, el género de la persona participante influyó en el desempeño en el pensamiento computacional, mientras que la escolaridad materna predijo el rendimiento en metamemoria. En conclusión, el estudio aporta evidencia empírica sobre la interacción entre el pensamiento computacional y los procesos metacognitivos en la infancia.
Descargas
Referencias
Arfé, B., Vardanega T., Montuori, C., & Lavanga, M. (2019). Coding in primary grades boosts children’s executive functions. Frontiers in Psychology, 10, Article 2713. https://doi. org/10.3389/fpsyg.2019.02713
Cetin, I., Sendurur, E., & Sendurur, P. (2014). Assessing the impact of meta-cognitive training on students’ understanding of introductory programming concepts. Journal of Educational Computing Research, 50(4), 507-524. https://doi.org/10.2190/EC.50.4.d
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE.
Flores-Lázaro, J. C., Otrosky-Shejet, F., & Lozano- Gutierrez, A. (2014). Batería de funciones frontales y ejecutivas: presentación. Revista Neuropsicología, Neuropsiquiatría y Neurociencia, 8(1), 141-158. http:// revistaneurociencias.com/index.php/RNNN/ article/view/233
Resolución 8430 de 1993. Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud. Octubre 4 de 1993. DO. N° 41131.
Markandan, N., Osman, K., & Halim, L. (2022). Integrating computational thinking and empowering metacognitive awareness in Stem education. Frontiers in Psychology, 13, Article 872593. https://doi.org/10.3389/ fpsyg.2022.872593
Montuori, C., Gambarota, F., Altoé, G., & Arfé, B. (2024). The cognitive effects of computational thinking: A systematic review and meta-analytic study. Computers & Education, 210, Article 104961. https://doi.org/10.1016/j. compedu.2023.104961
Murphy, L., Lewandowski, G., McCauley, R., Simon, B., Thomas, L., & Zander, C. (2008). Debugging: The good, the bad, and the quirky—A qualitative analysis of novices’ strategies. ACM SIGCSE Bulletin, 40(1), 163-167. https:// doi.org/10.1145/1352322.1352191
Nelson, T., & Narens, L. (1990). Metamemory: A theoretical framework and new findings. The Psychology of Learning and Motivation, 26, 125-173. https://doi.org/10.1016/S0079- 7421(08)60053-5
Ocak, C., Yadav, A., & Macann, V. (2023). Using Computational Thinking as a Metacognitive Tool in the Context of Plugged Vs. Unplugged Computational Activities. En J. D. Slotta & E. S. Charles (Eds.), Proceedings of the 17th International Conference of the Learning Sciences - ICLS 2023 (pp. 545-552). International Society of the Learning Sciences. https://doi.org/10.22318/icls2023.474441
Perfect, T. J., & Schwartz, B. L. (2002). Applied metacognition. Cambridge University Press.
Robledo-Castro, C., Castillo-Ossa, L. F., & Hederich-Martínez, C. (2023). Effects of a computational thinking intervention program on executive functions in children aged 10 to 11. International Journal of Child-Computer Interaction, 35, Article 100563. https://doi.org/10.1016/j.ijcci.2022.100563
Robledo-Castro, C., Rodríguez-Rodríguez, L. H., & Bonilla-Santos, G. (2025). El pensamiento computacional y su impacto sobre las habilidades metacognitivas de los niños de primaria. Revista EIA, 22(43), 1-21. https://doi.org/10.24050/reia.v22i43.1825
Román-González, M. (2015). Computational thinking test: Design guidelines and content validation. In Conference Proceedings of the 7th Annual International Conference on Education and New Learning Technologies - EDULEARN15 (pp. 2436-2444). IATED Academy.
Román-González, M., Pérez-González, J. C., & Jiménez-Fernández, C. (2017). Which cognitive abilities underlie computational thinking? Criterion validity of the Computational Thinking Test. Computers in Human Behavior, 72, 678-691. https://doi.org/10.1016/j. chb.2016.08.047
Román-González, M., Pérez-González, J. C., Moreno-León, J., & Robles, G. (2018). Can computational talent be detected? Predictive validity of the Computational Thinking Test. International Journal of Child- Computer Interaction, 18, 47-58. https://doi.org/10.1016/j.ijcci.2018.06.004
Scherer, R., Siddiq, F., & Sánchez-Viveros, B. (2019). The cognitive benefits of learning computer programming: A meta-analysis of transfer effects. Journal of Educational Psychology, 111(5), 764-792. https://doi.org/10.1037/edu0000314
Schwartz, B., & Metcalfe, J. (2017). Metamemory: An update of critical findings. In J. H. Byrne (Ed.), Learning and Memory: A Comprehensive Reference (2nd ed., pp. 423-432). Academic Press. https://doi.org/10.1016/B978-0-12- 809324-5.21056-0
Schwartz, B. L., & Díaz, F. (2014). Quantifying human metacognition for the neurosciences. In S. Fleming & C. Frith (Eds.), The Cognitive Neuroscience of Metacognition (pp. 9-23). Springer. https://doi.org/10.1007/978-3- 642-45190-4_2
Schwartz, B. L., & Efklides, A. (2012). Metamemory and memory efficiency: Implications for student learning. Journal of Applied Research in Memory and Cognition, 1(3), 145-151. https://doi.org/10.1016/j.jarmac.2012.06.002
Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking. Educational Research Review, 22, 142-158. https://doi.org/10.1016/j.edurev.2017.09.003
Tang, X., Yin, Y., Lin, Q., Hadad, R., & Zhai, X. (2020). Assessing computational thinking: A systematic review of empirical studies. Computers & Education, 148, Article 103798. https://doi.org/10.1016/j. compedu.2019.103798
Volet, S. E., & Lund, C. P. (1994). Metacognitive instruction in introductory computer-programming: A better explanatory construct for performance than traditional factors. Journal of Educational Computing Research, 10(4), 297-328. https://doi/10.2190/9A08-Y2Q0-6AER-6KLQ
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215
Yadav, A., Connolly, C., Berges, M., Chytas, C., Franklin, C., Hijón-Neira, R., Macann, V., Margulieux, L., Ottenbreit-Leftwich, A., & Warner, J. R. (2022). A review of international models of computer science teacher education. In ITiCSE-WGR ‘22: Proceedings of the 2022 Working Group Reports on Innovation and Technology in Computer Science Education (pp. 62-93). Association for Computing Machinery. https://doi.org/10.1145/3571785.3574123
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Unported.
Cómo citar
