Mejorando la educación en programación con un plan de aprendizaje activo y la integración de inteligencia artificial
Resumen
La Inteligencia Artificial (IA) está transformando la educación superior, trayendo consigo desafíos y oportunidades. Para equipar a los estudiantes para el mundo laboral del futuro, es esencial inculcar habilidades para utilizar eficazmente la IA. Esto demanda un giro desde los métodos pedagógicos convencionales hacia un aprendizaje activo que priorice la resolución de problemas, el trabajo colaborativo y la incorporación de herramientas de IA. Un Plan de Aprendizaje Activo (PAA) propuesto aborda estos requisitos. Este plan abarca investigación, solución de problemas, validación de pseudocódigo con herramientas de IA como ChatGPT, documentación detallada del código, colaboración grupal y evaluación. El PAA se sumerge en la relación entre IA y educación superior. Desafía a los alumnos a encontrar soluciones manuales, redactar pseudocódigo, documentarlo y luego validarlo mediante ChatGPT. Además, promueve la colaboración, alentando la formación de grupos de cinco para desarrollar cuestionarios sobre el tema central, utilizados posteriormente para medir el aprendizaje. Es esencial que los estudiantes reflexionen sobre su experiencia, reconociendo fortalezas, debilidades y áreas de mejora. La metodología adoptada no solo se centra en la resolución de problemas y la colaboración, sino que también permite a los estudiantes interactuar con tecnologías vanguardistas, adquiriendo habilidades vitales. La evaluación de este enfoque se basó en el coeficiente alfa de Cronbach, arrojando un valor de 1.99016, señalando una notable consistencia interna. Al analizar los resultados, el 74% superó la puntuación de 4.1, el 18% aprobó, mientras que solo el 8% no alcanzó el mínimo requerido. La implementación de este PAA demuestra ser una herramienta efectiva para preparar a los estudiantes para un mundo laboral en evolución constante.
Palabras clave
Aprendizaje de la programación, Aprendizaje hibrido, Inteligencia artificial y programación, aprendizaje e inteligencia artificial, aprendizaje activo de la programación.
Biografía del autor/a
Ariel-Adolfo Rodríguez-Hernández
Profesional en Ingeniería de Sistemas, Experto en Formación en Tutoría Virtual, Magister en Software Libre con énfasis en administración Web y sistemas de comercio electrónico. Magister en Gestión Pedagógica.
Investigador Junior reconocido por Colciencias; con experiencia de cinco años en docencia y dirección de trabajos de grado a nivel posgradual en maestrías y especializaciones en áreas de informática, TIC y tecnología.
Experiencia en docencia en pregrado en áreas de ingeniera de sistemas y TIC en programas presenciales, en e-learning y a distancia. Habilidades en manejo y administración de plataformas y entornos aprendizaje en línea. Diseño de rubricas y acompañamiento tutorial en línea.
Experiencia en coordinación de proyectos de investigación y en consultoría en modernización tecnológica e incorporación de TIC en educación superior; en diseño y desarrollo de software.
Experiencia en dirección y administración de programas de investigación, extensión y docencia, coordinando equipos de trabajo orientados al cumplimiento de objetivos, direccionando estratégicamente centros de investigación y escuelas de pregrado. Dirigiendo procesos de diseño de programas de educación superior.
Par evaluador de Colciencias, Ministerio de Educación Nacional y de revistas científicas. Director del grupo de investigación TICA: Tecnología, Investigación y Ciencia Aplicada. Conferencista a nivel nacional e internacional en temas de TIC e e-learning.
Referencias
- Ministerio de Educación Nacional, Resumen de indicadores de educación superior, 2020. https://snies.mineducacion.gov.co/portal/Informes-e-indicadores/Resumen-indicadores-Educacion-Superior/
- Ministerio de Educación Nacional, Encuesta de percepción del MEN v.2, 2021. https://www.mineducacion.gov.co/1780/articles-351276_recurso_20.pdf
- Y. González, O. Manzano, M. Torres, “Tecnologías disruptivas en Educación virtual,” Revista Boletín Redipe, vol. 10, no. 7, pp. 185-200. https://doi.org/10.36260/rbr.v10i7.1357
- B. J. Garner, E. Tsui, D. Lukose, “Artificial intelligence (AI) in blended learning,” Knowledge-Based Systems, vol. 22, no. 4, pp 247-248, 2009. https://doi.org/10.1016/j.knosys.2009.03.001
- J. H. Berssanette, A. C. de Francisco, “Active learning in the context of the teaching/learning of computer programming: A systematic review,” Journal of Information Technology Education: Research, vol. 20, pp. 201-220. https://doi.org/10.28945/4767
- W. Yang, “Artificial Intelligence education for young children: Why, what, and how in curriculum design and implementation," Computer and education: Artificial Intelligence, vol. 3, pp. 555-575, 2022. https://doi.org/10.1016/j.caeai.2022.100061
- J. C. Arroyo, D. M. Díaz, D. S. González, “Inteligencia artificial en educación: un panorama de la situación actual,” Educación XXI, vol. 23, no. 1, pp. 13-34, 2020.
- Y. Ocaña-Fernández, L. A. Valenzuela-Fernández, L. L. Garro-Aburto, “Inteligencia artificial y sus implicaciones en la educación superior,” Revista de psicología educativa Propósitos y Representaciones, vol. 7, no. 2, pp. 536-568, 2019. https://doi.org/10.20511/pyr2019.v7n2.274
- R. M. Clark, S. J. Dickerson, “A Case Study of Post-Workshop Use of Simple Active Learning in an Introductory Computing Sequence," IEEE Transactions on Education, vol. 61, no. 3, pp. 167-176, 2018. https://doi.org/10.1109/TE.2018.2808274
- E. Eaton, S. Koenig, C. Schulz, F. Maurelli, J. Lee, J. Eckroth, T. Williams, “Blue sky ideas in artificial intelligence education from the EAAI 2017 new and future AI educator program,” AI Matters, vol. 3, no. 4, pp. 23-31, 2018. https://doi.org/10.1145/3175502.3175509
- J. Ma, H. G. Okuno, “A personalized active learning framework for programming education,” Journal Computer Education, vol. 116, pp. 122-136, 2018.
- P. Shekhar, M. Borrego, M. DeMonbrun, C. Finelli, C. Crockett, K. Nguyen, “Negative Student Response to Active Learning in STEM Classrooms: A Systematic Review of Underlying Reasons,” Journal of College Science Teaching, vol. 49, no. 6, pp. 45-54, 2020.
- J. H., Berssanette, A. C. de Francisco, "Cognitive load theory in the context of teaching and learning computer programming; A systematic review,” IEEE Transaction on education, vol. 65, no. 3, pp. 440-449, 2022. https://doi.org/10.1109/TE.2021.3127215
- R. Moreno Padilla, “La llegada de la inteligencia artificial a la educación,” Revista de investigación en tecnologías de la información RITI, vol. 7, no. 14, e22, 2019. https://doi.org/10.36825/riti.07.14.022
- J. Bergmann, A. SamsLa, “Flip Your Classroom. Reach Every Student in Every Class Every,” in International Society for Technology in Education (ISTE), 2012.