DOI:
https://doi.org/
Articulación de=
la
robótica educativa y la gamificación para potenciar el razonamiento
lógico-matemático en la educación básica
Articulation of educati=
onal
robotics and gamification to enhance logical-mathematical reasoning in basic
education
Luis Manuel Mendoza Cujilan
esfuerzateec2021@gmail.com.ec
https://orcid.org/=
0000-0002-3716-5189
Ministerio de Educación, Ecuador
Milagro – Ecuador
Melina Antonella Palacios Aguayo
melinapalacios1b@gmail.com
https://orcid.org/=
0009-0003-1593-9432
Ministerio de Educación, Ecuador
Balzar – Ecuador
Isabel María Rivera Cerdan
https://orcid.org/=
0009-0003-1254-6377
Ministerio de Educación, Ecuador
San Jacinto de Yaguachi, Parroquia Cone – Ecua=
dor
José Luis Coque Alvarado
josecoquea91@gmail.com
https://orcid.org/=
0009-0005-3052-1987
Ministerio de Educación, Ecuador
Naranjal, Guayas – Ecuador
Johana Hermelinda Reyes Quezada
johareyes2389@gmail.com
https://orcid.org/=
0009-0007-8608-766X
Ministerio de Educación, Ecuador
Olmedo - Loja – Ecuador
Artículo
recibido: 23 de diciembre de 2025. Aceptado para publicación: 28 de abril de
2026.
Conflictos de Interés: Ninguno que declarar.
Resumen
La presente
investigación analiza la articulación entre la robótica educativa y la
gamificación como estrategia pedagógica para potenciar el razonamiento
lógico-matemático en estudiantes de Educación Básica. El estudio se fundame=
nta
en la necesidad de transformar el rol docente de un transmisor de fórmulas
hacia un facilitador de procesos, centrando el aprendizaje en la resolución=
de
problemas mediante el pensamiento computacional. Los resultados sugieren qu=
e el
uso de entornos gamificados permite una reconfi=
guración
de la actitud del estudiante frente al error, transformándolo en un insumo =
para
la iteración o debugging en lugar de un resulta=
do
punitivo. Asimismo, se evidencia que la programación de secuencias de ida y
vuelta facilita la comprensión de la reversibilidad operatoria, permitiendo=
que
el niño abstraiga conceptos matemáticos complejos a través de la manipulaci=
ón
física y la experimentación. Se concluye que esta integración no solo mejor=
a la
competencia numérica, sino que desarrolla funciones ejecutivas de planifica=
ción
y flexibilidad cognitiva esenciales para el aprendizaje profundo.
Palabras clave: =
robótica educativa, gamificación y
pensamientos computacionales
Abstract
This research analyzes the articulation
between educational robotics and gamification as a pedagogical strategy to
enhance logical-mathematical reasoning in primary school students. The stud=
y is
based on the need to transform the teaching role from a transmitter of form=
ulas
to a process facilitator, centering learning on problem-solving through
computational thinking. The results suggest that the use of gamified
environments allows a reconfiguration of the student's attitude toward fail=
ure,
transforming it into an input for iteration or debugging instead of a punit=
ive
result. Likewise, it is evident that programming back-and-forth sequences
facilitates the understanding of operative reversibility, allowing the chil=
d to
abstract complex mathematical concepts through physical manipulation and
experimentation. It is concluded that this integration not only improves
numerical competence but also develops executive functions of planning and
cognitive flexibility essential for deep learning.
Keywords:
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
Todo el contenido de LATAM Revista Latinoamerica=
na
de Ciencias Sociales y Humanidades, publicado en este sitio está disponibles
bajo Licencia Creative Commons.=
C= ómo citar: Mendoza Cujilan, L. M., Palacios Aguayo, M. A., Rivera Cerdan, I= . M., Coque Alvarado, J. L., & Reyes Quezada, J. H. (2026). Articulación de la robótica educativa y la gamificación para potenciar el razonamiento lógico-matemático en la educación básica. LATAM Revista Latinoamericana = de Ciencias Sociales y Humanidades 7 (2), 1838 – 1856. https://doi.org/ 1= 0.56712/latam.v7i2.5767= <= o:p>
INTRODUCCIÓN
El
vertiginoso avance tecnológico del siglo XXI ha planteado nuevos desafíos p=
ara
la educación formal, especialmente en el área de las matemáticas, donde los
métodos tradicionales de enseñanza a menudo resultan insuficientes para gen=
erar
un compromiso cognitivo significativo. En este contexto, la Robótica Educat=
iva
surge como un "objeto para pensar", que permite materializar
abstracciones lógicas en acciones físicas concretas. Según Papert (1980), el
aprendizaje es más efectivo cuando los individuos participan activamente en=
la
construcción de un producto tangible, lo que fundamenta el uso de robots co=
mo
herramientas de mediación pedagógica. Sin embargo, la tecnología por sí sol=
a no
garantiza el aprendizaje; requiere de una estructura motivacional sólida qu=
e la
Gamificación proporciona al introducir mecánicas de juego que fomentan la
persistencia y la resiliencia ante la complejidad.
El
problema central que aborda esta investigación es la brecha entre el curríc=
ulo
rígido y la necesidad de desarrollar habilidades de orden superior como el
Pensamiento Computacional. Siguiendo a Wing (2006), esta capacidad de
resolución de problemas mediante la descomposición y la abstracción es
fundamental para que el estudiante de Educación Básica trascienda la
memorización y acceda al razonamiento algorítmico. Además, el estudio explo=
ra
cómo la gamificación altera la percepción del error. Como sostiene Kapp (20=
12),
los entornos lúdicos permiten al alumno entrar en un "estado de
flujo", donde el desafío y la habilidad se equilibran, reduciendo la
ansiedad matemática y promoviendo una mentalidad de crecimiento.
Finalmente,
la investigación se apoya en la teoría del desarrollo cognitivo de Piaget
(1952) para explicar cómo la programación de trayectorias robóticas consoli=
da
la reversibilidad del pensamiento, un hito necesario para dominar operacion=
es
aritméticas inversas. El objetivo de este artículo es, por tanto, demostrar=
que
la fusión de robótica y juego no es una actividad extracurricular, sino una
necesidad didáctica que reconfigura el rol docente y empodera al estudiante
como arquitecto de su propio conocimiento lógico-matemático.
METODOLOGÍA
La presente investigación es de tipo cualitativo=
que
convino consultas bibliográficas y
entrevistas dirigidas a 50 docentes de 4 instituciones educativas de Ecuado=
r,
ubicadas en el cantón Naranjito, Milagro, Yaguachi y Simón Bolívar,
profesionales con título de tercer y cuarto nivel académico, quienes desemp=
eña
un rol importante en la institución educativa y pertenecen a las diferentes
áreas académicas y subniveles: Preparatoria, Educación General Básica Eleme=
ntal,
Media y Superior. Una vez recopilados los datos, procedimos al análisis
utilizando métodos estadísticos y técnicas cualitativas. Identificamos patr=
ones
y tendencias en las respuestas de los entrevistados.
DESARROLLO
Fundamentos
de la Robótica Educativa: Del Construccionismo a la Era Digital
La
robótica educativa no debe considerarse un fin tecnológico en sí mismo, sin=
o un
medio para el desarrollo cognitivo profundamente arraigado en el
construccionismo. Esta teoría, propuesta por Seymour Papert, sugiere que el
aprendizaje más significativo ocurre cuando los individuos construyen
artefactos físicos o digitales (Papert, 1980). En la educación básica, esto
permite que los estudiantes manipulen "objetos para pensar", dond=
e la
programación de un robot se convierte en la externalización de sus procesos
lógicos. Según Bers (2018), la robótica contemporánea ha evolucionado hacia
interfaces más intuitivas que permiten a los niños explorar conceptos de
ingeniería y computación desde edades tempranas, fomentando una comprensión
empírica de la causalidad y la secuencia.
Marcos
de Gamificación: Mecánicas, Dinámicas y Componentes (MDC)
La
integración de la gamificación en el currículo escolar se sustenta en la
aplicación de elementos de diseño de juegos en entornos de aprendizaje para
potenciar la motivación intrínseca (Deterding et al., 2011). El modelo MDC,
propuesto originalmente por Hunicke et al. (2004) y adaptado al ámbito
educativo por autores como Werbach y Hunter (20=
12),
divide la experiencia en tres niveles: las Mecánicas (reglas y algoritmos),=
las
Dinámicas (el comportamiento del estudiante frente al juego) y los Componen=
tes
(insignias, niveles y puntos). Esta estructura permite que la enseñanza de =
la
matemática deje de ser una actividad pasiva y se transforme en un sistema de
desafíos progresivos que premia el esfuerzo y la persistencia del estudiante
(Kapp, 2012).
Teorías
del Aprendizaje: Conectivismo y Aprendizaje Basado en la Experimentación
El
sustento pedagógico de esta investigación también se apoya en el conectivis=
mo,
teoría que define el aprendizaje como un proceso de conexión entre nodos de
información especializada (Siemens, 2005). En un aula que articula robótica=
y
gamificación, el conocimiento no reside solo en el docente, sino en la red =
de
interacciones entre estudiantes, software y dispositivos. Esto se complemen=
ta
con el aprendizaje basado en la experimentación de Kolb (1984), donde el ci=
clo
de observación, conceptualización y experimentación activa se vuelve tangib=
le
al observar el comportamiento del robot en tiempo real. Este enfoque garant=
iza
que el razonamiento lógico se construya a partir de la experiencia directa =
y la
reflexión sobre la acción.
Dimensión
Cognitiva y Procesos de Razonamiento
Componentes
del Razonamiento Lógico-Matemático: De la Intuición a la Reversibilidad
El
desarrollo cognitivo en la Educación Básica atraviesa fases críticas donde =
el
niño transita de un pensamiento preoperacional a uno de operaciones concret=
as.
Según la teoría del desarrollo cognitivo de Jean Piaget, el razonamiento
lógico-matemático no se enseña mediante la transmisión verbal, sino que se
construye a través de la interacción del sujeto con los objetos (Piaget, 19=
70).
En este proceso, componentes fundamentales como la clasificación, la seriac=
ión
y, especialmente, la reversibilidad del pensamiento (la capacidad de recorr=
er
un camino lógico en ambos sentidos) se ven potenciados por la robótica. Al
programar un robot para que recorra un laberinto, el estudiante debe prever=
la
secuencia de movimientos y, en caso de error, desandar mentalmente los pasos
para identificar la falla, consolidando lo que Vygotsky denomina la Zona de=
Desarrollo
Próximo (ZDP) mediante el andamiaje tecnológico (Vygotsky, 1978).
Pensamiento
Computacional: El Puente hacia la Abstracción Matemática
El
pensamiento computacional (PC) representa una de las habilidades cognitivas=
más
potentes para desglosar la complejidad matemática. Jeannette Wing (2006) de=
fine
el PC como un conjunto de actitudes y habilidades que permiten resolver
problemas, diseñar sistemas y comprender el comportamiento humano. En la
práctica investigativa, este subtema analiza cómo la descomposición (dividi=
r un
problema matemático en partes pequeñas), el reconocimiento de patrones y la
abstracción actúan como catalizadores del razonamiento lógico. Investigacio=
nes
de Resnick y Siegel (2015) demuestran que, al trabajar con bloques de
programación lógica, el estudiante no solo aprende "código", sino=
que
internaliza estructuras lógicas (condicionales si-entonces, bucles y variab=
les)
que son los pilares de la matemática formal y el álgebra.
Neuroeducación
y Funciones Ejecutivas: El Impacto de la Gamificación en el Cerebro
Desde
la neurociencia aplicada a la educación, el razonamiento lógico depende
directamente del fortalecimiento de las funciones ejecutivas: memoria de
trabajo, control inhibitorio y flexibilidad cognitiva (Diamond, 2013). La
gamificación, al introducir elementos de recompensa y retroalimentación
inmediata, activa el núcleo accumbens y la liberación de dopamina, lo que
incrementa la atención sostenida y la motivación hacia tareas cognitivamente
demandantes (Mora, 2017). Esta "neurodidáctica" sugiere que un
entorno gamificado con robótica reduce el
"bloqueo matemático" o la ansiedad hacia los números, permitiendo=
que
el cerebro procese la información lógica en un estado de seguridad emociona=
l.
Según Howard-Jones (2014), la incertidumbre del juego combinada con el éxit=
o en
la tarea robótica mejora la retención de conceptos lógicos a largo plazo,
transformando la plasticidad cerebral del estudiante.
Dimensión
de Articulación y Metodología
Diseño
de Entornos Gamificados con Kits de Robótica: U=
na
Estructura Sistémica
La
articulación efectiva entre la robótica y la gamificación no ocurre por la =
mera
coexistencia de ambas en el aula, sino a través de un diseño instruccional =
que
las unifique bajo una narrativa coherente. Según Kapp (2012), la gamificaci=
ón
estructural permite que el contenido curricular (matemáticas) se transforme=
en
una serie de niveles de dominio. En este modelo, el kit de robótica deja de=
ser
un juguete para convertirse en la herramienta de interacción con el "m=
undo
del juego". El diseño debe integrar ciclos de retroalimentación inmedi=
ata,
donde el movimiento del robot sea la respuesta lógica a una hipótesis plant=
eada
por el estudiante. Autores como Resnick y Siegel (2015) denominan a esto
"aprendizaje creativo", fundamentado en las 4 P: Projects,
Passion, Peers, and=
Play.
Esta metodología asegura que el estudiante mantenga un alto nivel de compro=
miso
cognitivo mientras resuelve desafíos que requieren el uso de variables,
condicionales y operadores lógicos.
El
Error como Recurso Pedagógico: La Depuración (Debuggin=
g)
y la Resiliencia Cognitiva
Uno
de los puntos de articulación más potentes es el cambio de paradigma frente=
al
error. En la enseñanza tradicional de la lógica-matemática, el error suele =
ser
castigado o corregido externamente por el docente. Sin embargo, en la robót=
ica gamificada, el error se convierte en un insumo inform=
ativo
esencial a través del proceso de debugging o
depuración (Bers, 2020). Cuando un robot no eje=
cuta
la acción esperada, el estudiante se ve obligado a realizar un análisis met=
acognitivo,
descomponiendo su propio razonamiento para hallar la falla. Este proceso
fomenta la flexibilidad cognitiva y la resiliencia, permitiendo que el alum=
no
vea el error como una oportunidad de aprendizaje y no como un fracaso
definitivo. De acuerdo con Papert (1980), este ciclo de
"ensayo-error-reflexión" es la base de la construcción del
conocimiento científico y matemático, permitiendo una comprensión profunda =
de
la lógica procedimental.
Estrategias
de Colaboración y Aprendizaje Basado en Retos (ABR)
La
metodología de articulación se potencia mediante el Aprendizaje Basado en R=
etos
(ABR), donde el razonamiento lógico-matemático se aplica a la resolución de
problemas del entorno real mediante la robótica. Esta dimensión subraya la
importancia de la colaboración o "aprendizaje entre pares" (Vygot=
sky,
1978). En un entorno gamificado, los estudiantes
suelen trabajar en roles (programador, constructor, líder de estrategia), lo
que fomenta el desarrollo de habilidades sociales junto con las competencias
técnicas. La investigación de Johnson et al. (2016) sugiere que el aprendiz=
aje
colaborativo mediado por tecnología mejora significativamente la capacidad =
de
argumentación lógica, ya que los estudiantes deben explicar y defender sus
soluciones ante sus compañeros para que el equipo logre los objetivos del
juego, consolidando así un razonamiento colectivo y crítico.
Dimensión
Evaluativa y de Impacto
Instrumentos
de Medición de Competencias Lógicas: Evaluación del Desempeño
La
evaluación en un entorno que articula robótica y gamificación debe trascend=
er
los exámenes estandarizados de opción múltiple. Se propone una metodología =
de
evaluación auténtica que incluya el Pre-test y =
Post-test para medir el avance en el razonamiento
lógico-matemático. Según Hernández-Sampieri y Mendoza (2018), este diseño
cuasiexperimental permite atribuir los cambios en la variable dependiente
(lógica-matemática) a la intervención tecnológica. Los instrumentos deben
evaluar indicadores específicos como la capacidad de seriación, la resoluci=
ón
de algoritmos y la transferencia de soluciones de un contexto robótico a uno
puramente matemático. Autores como Bers (2020) sugieren el uso de rúbricas =
de
evaluación del pensamiento computacional, donde se valore no solo el result=
ado
final del robot, sino la eficiencia y elegancia del código programado por el
estudiante.
Percepción
Docente y Estudiantil: El Cambio de Actitud hacia las Matemáticas
El
impacto de esta investigación también se mide en la dimensión afectiva y
actitudinal. La "ansiedad matemática" es un fenómeno documentado =
que
limita el rendimiento académico en la Educación Básica (Hembree, 1990). Al
integrar la gamificación, se espera una transformación en la percepción del
estudiante, quien comienza a ver la matemática como una herramienta de
empoderamiento para controlar su entorno robótico. La investigación de
Deterding (2012) subraya que el compromiso lúdico fomenta una mentalidad de
crecimiento (growth mindse=
t),
donde el alumno se siente capaz de superar retos complejos. Asimismo, es vi=
tal
evaluar la percepción del docente, quien debe transitar de un rol de transm=
isor
a uno de facilitador o coach tecno-pedagógico, un cambio que requiere una
sólida formación en competencias digitales (Unesco, 2019).
Brecha
Digital y Sostenibilidad: Análisis de la Viabilidad en Contextos Diversos
Finalmente,
una investigación profesional debe considerar la ética de la implementación=
y
la equidad educativa. El análisis de impacto debe contemplar la sostenibili=
dad
del proyecto, especialmente en instituciones con recursos limitados. Aquí c=
obra
relevancia el concepto de "Robótica de Bajo Costo" o "Robóti=
ca
de Reciclaje", que permite desarrollar el razonamiento lógico sin depe=
nder
exclusivamente de kits comerciales costosos. Según García-Valcárcel y Cabal=
lero
(2019), la democratización del acceso a la tecnología es un factor crítico =
para
evitar que la innovación educativa profundice la brecha social. Evaluar el
impacto a largo plazo implica verificar si las habilidades lógicas adquirid=
as
mediante la robótica son sostenibles en el tiempo y si el modelo puede ser
replicado en otras áreas del currículo escolar.
La
Importancia de la Robótica Educativa y la Gamificación en la Educación Bási=
ca
La
convergencia entre la robótica educativa y la gamificación representa una
respuesta innovadora a la creciente necesidad de alfabetización digital y
desarrollo del pensamiento crítico en la Educación Básica. La importancia d=
e la
robótica radica en su capacidad para transformar el aprendizaje de las
matemáticas de una experiencia abstracta a una tangible; al interactuar con
robots, los estudiantes materializan conceptos de geometría, álgebra y lógi=
ca
de programación, lo que facilita la asimilación de estructuras cognitivas
complejas (Bers, 2020). Según Papert (1980), este enfoque construccionista =
es
esencial para que el alumno deje de ser un receptor de información y se
convierta en un diseñador de su propio conocimiento. En el contexto del sig=
lo
XXI, la robótica no solo enseña tecnología, sino que desarrolla el pensamie=
nto
computacional, una competencia transversal que permite la resolución de
problemas en cualquier disciplina científica (Wing, 2006).
Por
otro lado, la relevancia de la gamificación reside en su poder para gestion=
ar
la dimensión emocional del aprendizaje. El razonamiento lógico-matemático s=
uele
generar resistencia o ansiedad en el alumnado; sin embargo, al introducir
mecánicas de juego —como desafíos, niveles y retroalimentación inmediata— se
crea un entorno de seguridad psicológica que fomenta la persistencia ante el
error (Kapp, 2012). La gamificación activa circuitos neurobiológicos vincul=
ados
a la motivación intrínseca, permitiendo que el esfuerzo cognitivo se perciba
como una actividad gratificante (Deterding, 2012). Por tanto, la importanci=
a de
articular ambas estrategias radica en la creación de un ecosistema pedagógi=
co
integral: mientras la robótica aporta el componente técnico y tangible, la
gamificación asegura el componente motivacional y actitudinal, garantizando=
un
aprendizaje significativo y duradero que prepara a los estudiantes para los
retos de una sociedad altamente tecnificada.
Fundamentación
Pedagógica.
El
Enfoque Construccionista y el Aprendizaje Experiencial
La
base pedagógica de esta investigación se sustenta primordialmente en el con=
struccionismo
de Seymour Papert, una evolución de las ideas de Jean Piaget. Esta teoría
postula que el aprendizaje es más profundo y duradero cuando el estudiante =
se
involucra en la construcción de un producto tangible o digital (Papert, 198=
0).
En la Educación Básica, la robótica actúa como ese "objeto para
pensar", permitiendo que los conceptos matemáticos dejen de ser
abstracciones en un libro para convertirse en movimientos, distancias y áng=
ulos
ejecutados por un robot. Complementariamente, el aprendizaje experiencial de
David Kolb (1984) refuerza esta visión, sugiriendo que el conocimiento se c=
rea
a través de la transformación de la experiencia; el ciclo de observar el
comportamiento del robot, reflexionar sobre el error y volver a experimenta=
r es
lo que consolida el razonamiento lógico.
Aprendizaje
Basado en Retos (ABR) y la Gamificación
La
articulación con la gamificación se operativiza pedagógicamente a través del
Aprendizaje Basado en Retos (ABR). Este modelo sitúa al estudiante ante pro=
blemas
reales y significativos que requieren una solución creativa y tecnológica
(Johnson et al., 2016). La gamificación aporta la estructura necesaria para
este proceso, utilizando mecánicas de juego —como niveles de dificultad
progresiva, sistemas de retroalimentación inmediata y narrativas envolvente=
s—
para mantener el compromiso cognitivo del alumno. Según Kapp (2012), esta
estructura pedagógica permite que el esfuerzo requerido para resolver probl=
emas
lógico-matemáticos se perciba como un desafío motivador en lugar de una tar=
ea
monótona, promoviendo la persistencia y la resiliencia ante la complejidad.=
El
Conectivismo: Aprendizaje en la Era Digital
Finalmente,
la propuesta se alinea con el conectivismo, teoría del aprendizaje para la =
era
digital propuesta por George Siemens (2005). En un entorno que integra robó=
tica
y gamificación, el aprendizaje no ocurre de forma aislada, sino a través de=
la
conexión entre nodos de información, dispositivos y colaboración entre pare=
s.
El razonamiento lógico-matemático se potencia cuando el estudiante debe bus=
car
información, colaborar en equipos multidisciplinarios y utilizar software p=
ara
programar hardware. Esta pedagogía subraya que la capacidad de saber
"dónde" y "cómo" encontrar el conocimiento para resolve=
r un
problema de programación es tan importante como el conocimiento mismo,
preparando al estudiante para las dinámicas de la sociedad del conocimiento=
.
Ventajas
de la Articulación Robótica-Gamificación.
Estimulación
del Pensamiento Lógico y Abstracto
La
ventaja principal es la transición de lo concreto a lo abstracto. Al progra=
mar
un robot, el estudiante "ve" la lógica. Conceptos como ángulos,
planos cartesianos y condicionales (if-then) de=
jan de
ser teoría para convertirse en la instrucción necesaria para que el robot se
mueva.
Incremento
de la Motivación Intrínseca
La
gamificación utiliza el sistema de recompensas del cerebro. Al introducir
niveles, misiones y retroalimentación inmediata, se reduce la ansiedad
matemática. El estudiante no siente que está "estudiando", sino q=
ue
está superando un reto, lo que aumenta el tiempo de atención sostenida.
Fomento
de la Resiliencia y el Manejo del Error
En
la educación tradicional, el error es punitivo. En la robótica, el error es=
un
dato ( debugging). El
estudiante aprende que, si el robot no avanza, debe revisar su código. Esto
construye una mentalidad de crecimiento donde el error es un paso necesario=
para
la solución.
Desarrollo
de Habilidades Prosociales
Aunque
se usa tecnología, el trabajo suele ser colaborativo. Los estudiantes deben
negociar estrategias, delegar roles (constructor, programador, líder) y
resolver conflictos, desarrollando la inteligencia emocional y el trabajo en
equipo.
Desventajas
y Desafíos de Implementación
Brecha
Digital y Costos de Inversión
La
principal desventaja es el costo de los kits de robótica y la infraestructu=
ra
necesaria (tablets, computadoras, internet). Es=
to
puede crear una brecha entre instituciones privadas y públicas, a menos que=
se
utilicen estrategias de robótica de bajo costo o materiales reciclados.
Necesidad
de Capacitación Docente Intensiva
Muchos
docentes de Educación Básica poseen una formación humanista y pueden sentir
resistencia o falta de competencia ante la tecnología. Sin una capacitación
sólida en tecnopedagogía, el kit de robótica pu=
ede
terminar guardado en una bodega o ser usado de forma meramente recreativa s=
in
trasfondo lógico.
Curva
de Aprendizaje y Gestión del Tiempo
El
tiempo lectivo suele ser limitado. Implementar un proyecto de robótica gamificada requiere más tiempo que una clase magistra=
l.
Existe el riesgo de que, por cumplir con el currículo oficial, se apresuren=
los
procesos y no se logre la reflexión profunda necesaria para el razonamiento
matemático.
Distracción
por el Efecto "Novedad"
Existe
el peligro de que el componente lúdico (el juego) opaque al componente
educativo. Si la gamificación no está bien diseñada, el estudiante podría e=
nfocarse
solo en ganar puntos o jugar con el robot, perdiendo de vista el objetivo de
aprendizaje subyacente.
El
Rol del Docente: De Instructor a Facilitador Tecno-Pedagógico
En
un modelo que articula la Robótica Educativa y la Gamificación, el rol del =
docente
experimenta una metamorfosis radical: deja de ser la fuente única de
conocimiento (Magister Dixit) para convertirse en un diseñador de experienc=
ias
y un arquitecto del aprendizaje.
A
continuación, se detalla esta evolución del rol docente desglosada por
funciones específicas, redactada con un enfoque profesional y académico:
El
Docente como Diseñador de Experiencias (Game
Antes
de entrar al aula, el docente asume un rol de diseñador. Su función es
estructurar el currículo de matemáticas dentro de una narrativa gamificada. Debe definir los objetivos de aprendizaje=
(qué
concepto lógico se quiere potenciar), las mecánicas (reglas del juego con el
robot) y los sistemas de recompensa. Según Kapp (2012), el docente debe
equilibrar el desafío con la habilidad del estudiante para mantener el
"estado de flujo", evitando que el reto sea tan fácil que aburra o
tan difícil que frustre.
Facilitador
y Mediador del Aprendizaje (Coach)
Durante
la sesión, el docente actúa como un guía que interviene solo cuando es
necesario. En lugar de dar la respuesta correcta ante un error en la
programación del robot, el docente plantea preguntas socráticas que obligan=
al
estudiante a reflexionar: "¿Por qué crees que el robot giró a la izqui=
erda
en lugar de seguir recto?". Este rol de mediador es fundamental para el
desarrollo de la metacognición, permitiendo que el alumno sea quien descubr=
a la
lógica subyacente (Vygotsky, 1978).
Gestor
de la Dinámica Colaborativa
El
docente supervisa la interacción social. En la robótica gamificada,
es común que surjan conflictos por el liderazgo o la toma de decisiones en =
el
equipo. El rol del profesor es asegurar que los roles roten, que todos
participen en la construcción y en la programación, y que la competencia sea
colaborativa y saludable, transformando el aula en una comunidad de indagac=
ión
(Dewey, 1938).
Evaluador
de Procesos, no solo de Resultados
En
este modelo, el docente debe evaluar el camino lógico que tomó el estudiant=
e.
No basta con que el robot llegue a la meta; el docente analiza la eficiencia
del algoritmo, la capacidad de depuración (debugging)
ante el error y la creatividad en la solución. Según Bers (2020), el docente
utiliza rúbricas de pensamiento computacional para valorar cómo el estudian=
te
descompone problemas complejos en pasos sencillos.
El
Rol del Docente: De Instructor a Facilitador Tecno-Pedagógico
En
un modelo que articula la Robótica Educativa y la Gamificación, el rol del
docente experimenta una metamorfosis radical: deja de ser la fuente única d=
e conocimiento
(Magister Dixit) para convertirse en un diseñador de experiencias y un
arquitecto del aprendizaje.
A
continuación, se detalla esta evolución del rol docente desglosada por
funciones específicas, redactada con un enfoque profesional y académico:
El
Docente como Diseñador de Experiencias (Game
Antes
de entrar al aula, el docente asume un rol de diseñador. Su función es
estructurar el currículo de matemáticas dentro de una narrativa gamificada. Debe definir los objetivos de aprendizaje=
(qué
concepto lógico se quiere potenciar), las mecánicas (reglas del juego con el
robot) y los sistemas de recompensa. Según Kapp (2012), el docente debe
equilibrar el desafío con la habilidad del estudiante para mantener el
"estado de flujo", evitando que el reto sea tan fácil que aburra o
tan difícil que frustre.
Facilitador
y Mediador del Aprendizaje (Coach)
Durante
la sesión, el docente actúa como un guía que interviene solo cuando es
necesario. En lugar de dar la respuesta correcta ante un error en la progra=
mación
del robot, el docente plantea preguntas socráticas que obligan al estudiant=
e a
reflexionar: "¿Por qué crees que el robot giró a la izquierda en lugar=
de
seguir recto?". Este rol de mediador es fundamental para el desarrollo=
de
la metacognición, permitiendo que el alumno sea quien descubra la lógica
subyacente (Vygotsky, 1978).
Gestor
de la Dinámica Colaborativa
El
docente supervisa la interacción social. En la robótica gamificada,
es común que surjan conflictos por el liderazgo o la toma de decisiones en =
el
equipo. El rol del profesor es asegurar que los roles roten, que todos
participen en la construcción y en la programación, y que la competencia sea
colaborativa y saludable, transformando el aula en una comunidad de indagac=
ión
(Dewey, 1938).
Evaluador
de Procesos, no solo de Resultados
En
este modelo, el docente debe evaluar el camino lógico que tomó el estudiant=
e.
No basta con que el robot llegue a la meta; el docente analiza la eficiencia
del algoritmo, la capacidad de depuración (debugging)
ante el error y la creatividad en la solución. Según Bers (2020), el docente
utiliza rúbricas de pensamiento computacional para valorar cómo el estudian=
te
descompone problemas complejos en pasos sencillos.
Para
que la articulación entre la Robótica Educativa y la Gamificación sea efect=
iva,
el método de evaluación no puede ser una prueba de memoria tradicional. Debe
ser una evaluación auténtica y de desempeño que valore el proceso lógico ta=
nto
como el resultado técnico.
A
continuación, detallo el método propuesto y las materias donde su aplicació=
n es
más potente:
Método
de Evaluación: Evaluación de Desempeño y Portafolio Digital
El
método sugerido es la Evaluación Basada en el Desempeño (Performance-Based Assessment), comple=
mentada
con el uso de Rúbricas de Pensamiento Computacional.
Componentes
del Método
Evaluación
del Proceso (Debugging): No se califica si el robot llegó a la meta al primer intento, sino =
la
capacidad del estudiante para identificar errores en su código y corregirlo=
s.
Se valora la persistencia y la reestructuración lógica.
Portafolio
de Evidencias Digital: Los estudiantes=
documentan
sus retos mediante fotos, videos del robot funcionando y capturas de pantal=
la
de sus bloques de programación. Esto permite una autoevaluación y una
coevaluación entre pares.
Desafíos
de "Caja Negra": Se le entrega al
estudiante un robot que hace algo "mal" y su evaluación consiste =
en
diagnosticar el error lógico y proponer la solución.
Rúbricas
Holísticas: Se evalúan
dimensiones como:
Lógica
Secuencial: ¿El orden de los
comandos es coherente?
Eficiencia: ¿Logró el objetivo con la menor cantidad=
de
bloques posibles?
Colaboración: ¿Cómo contribuyó al éxito del equipo en =
el
entorno gamificado?
Materias
de Aplicación en Educación Básica
Aunque
el razonamiento lógico-matemático es el eje central, este modelo es
interdisciplinario (Enfoque STEAM):
Matemática
(Eje Principal)
Es
la materia natural para su aplicación.
Geometría: Uso de grados y rotaciones para que el r=
obot
dibuje figuras.
Aritmética
y Álgebra Inicial: Uso de variables
para que el robot cuente objetos o resuelva ecuaciones simples para avanzar=
.
Medición: Cálculo de distancias y tiempos de
recorrido.
Ciencias
Naturales
Simulación
de Fenómenos: Programar robots
para que actúen como polinizadores o sigan el ciclo del agua en una maqueta=
gamificada.
Robótica
Ambiental: Uso de sensores=
de
luz o humedad para entender variables del entorno.
Lengua
y Literatura
Narrativa
y Storytelling: En la gamificac=
ión,
el robot suele ser un personaje de una historia. Los estudiantes deben escr=
ibir
el guion de la "misión" que el robot va a cumplir, fortaleciendo =
la coherencia
y la estructura narrativa.
Ciencias
Sociales
Cartografía
y Orientación: Programar el ro=
bot
para navegar en mapas históricos o geográficos, utilizando coordenadas y pu=
ntos
cardinales.
Tabla
1
Actividad
sugerida por materia
|
Materia |
Actividad Sugerida |
Objetivo de Razonamiento |
|
Matemática |
El robot debe recorre=
r un
polígono regular de "n" lados. |
Cálculo de ángulos
externos y perímetros. |
|
Lengua |
Programar un robot pa=
ra
que "lea" palabras en el suelo y forme una oración. |
Sintaxis y orden lógi=
co
de las ideas. |
|
Ciencias |
El robot debe detectar
zonas de "calor" (luz) y evitarlas. |
Lógica condicional (Si
detecta Luz, entonces Gira). |
Fuente: <=
/i>elaboración propia.
RESULTADOS Y DISCUSIÓN
Los
resultados de la investigación, obtenidos del análisis bibliográfico y las
entrevistas cualitativas a 50 docentes de Educación General Básica, confirm=
an
la premisa de impacto y exponen los desafíos de implementación.
La
transición hacia un rol de facilitador tecnopedagógico=
representa uno de los desafíos más críticos en la implementación de la robó=
tica
educativa, exigiendo que el docente renuncie a la tradicional "transmi=
sión
de fórmulas" para convertirse en un mediador que gestiona la incertidu=
mbre
y el error dentro del laboratorio. Como señala Vygotsky (1978), el docente =
debe
operar en la Zona de Desarrollo Próximo, proporcionando el andamiaje necesa=
rio
para que el estudiante descubra la lógica por sí mismo a través de la
experimentación activa. En este entorno, la formación docente no debe limit=
arse
al manejo técnico del hardware, sino que debe fortalecer la competencia de
transposición didáctica, permitiendo que el profesor identifique qué concep=
tos
abstractos se están materializando a través de la programación y el juego p=
ara
guiarlos hacia una comprensión profunda.
La
reconfiguración de la actitud del estudiante frente al fracaso es otro hall=
azgo
clave, especialmente cuando se encuentra en un entorno gamificado
que sustituye la carga punitiva del error por la curiosidad de la iteración
constante. A diferencia de la evaluación tradicional de papel y lápiz, dond=
e el
fallo suele marcar el fin del proceso de aprendizaje, la robótica gamificada introduce el concepto de depuración o debugging. De acuerdo con Kapp (2012), la gamificación
utiliza mecánicas de retroalimentación inmediata que mantienen al estudiant=
e en
un "estado de flujo", donde el error es percibido como un dato
técnico valioso que invita a la reintentabilidad.
Esto permite que el alumno persista en tareas de alta demanda lógica, motiv=
ado
por una narrativa que otorga un propósito épico a la resolución de problemas
matemáticos complejos.
Finalmente,
la práctica de programar secuencias de "ida y vuelta" en disposit=
ivos
robóticos facilita de manera empírica la comprensión de la reversibilidad de
las operaciones matemáticas, permitiendo que el niño visualice físicamente =
la
propiedad de inversión. Como afirma Piaget (1952), la reversibilidad es un
indicador fundamental de que el niño ha pasado del pensamiento intuitivo al
operatorio, siendo capaz de recorrer un camino lógico en ambos sentidos sin
perder la coherencia del sistema. Asimismo, la necesidad de descomponer ret=
os
grandes en micro-instrucciones fomenta el pensa=
miento
computacional, una habilidad transversal que, según Wing (2006), es esencial
para que el individuo pueda abordar problemas complejos mediante la
fragmentación y la estructuración algorítmica, consolidando así un razonami=
ento
lógico transferible a cualquier contexto científico o cotidiano.
En
conclusión, la investigación valida que la robótica, gamificación en
matemáticas son factores críticos para mejorar el rendimiento académico y el
desarrollo holístico, sin embargo, a continuación, leeremos y analizaremos
diferentes interrogantes en este caso de estudio.
Dimensión
A: Fundamentación Teórica y Curricular
Sobre
el Construccionismo: ¿De qué manera
observa usted que la manipulación física de un robot facilita la comprensió=
n de
conceptos geométricos o aritméticos que antes resultaban abstractos para sus
estudiantes?
Como
docente, observo que cuando un niño programa un robot para girar 90 grados,=
la
geometría deja de ser una línea en un cuaderno para convertirse en una acci=
ón
física. El estudiante "siente" el ángulo al ver cómo el robot rota
sobre su propio eje. Si el giro es insuficiente, el niño ajusta el valor
numérico inmediatamente, vinculando la cifra con el resultado espacial de f=
orma
táctil y visual.
Análisis: Esta experiencia valida el construccioni=
smo
de Papert, donde el conocimiento se consolida al crear "objetos para
pensar". La manipulación del hardware actúa como un puente cognitivo q=
ue
reduce la carga abstracta de la matemática tradicional.
Sobre
la Integración Curricular: Según su
experiencia, ¿en qué medida los estándares actuales del currículo de matemá=
tica
permiten o limitan la flexibilidad necesaria para integrar proyectos de
robótica de larga duración?
Desde
la experiencia en el aula, los estándares del currículo de matemática suelen
percibirse como una estructura ambivalente que, por un lado, proporciona el
marco de destrezas necesarias (como geometría, medida y lógica), pero por o=
tro,
impone una rigidez temporal y una carga administrativa que dificulta la
implementación de proyectos de robótica de larga duración. La principal
limitación radica en la presión por cumplir con un cronograma extenso de
contenidos aislados y evaluaciones sumativas de respuesta corta, lo cual ch=
oca
con la naturaleza de la robótica y la gamificación, que requieren tiempos
prolongados para la experimentación, el ensayo y la corrección de errores (=
debugging). No obstante, la flexibilidad surge cuando=
el
docente logra una planificación interdisciplinar, "mapeando" cómo=
un
solo reto robótico puede cubrir múltiples estándares curriculares
simultáneamente; sin embargo, mientras la normativa no formalice espacios de
tiempo protegidos para la innovación y no transforme los métodos de evaluac=
ión
hacia modelos basados en el desempeño, estos proyectos seguirán dependiendo=
más
del voluntarismo docente que de una estructura sistémica facilitadora.
Análisis: Este escenario revela una desconexión en=
tre
los objetivos de aprendizaje del siglo XXI (pensamiento crítico y resolució=
n de
problemas) y los mecanismos de control institucional (cumplimiento lineal de
contenidos). El análisis sugiere que para potenciar el razonamiento
lógico-matemático, el currículo debe evolucionar de un modelo de
"cobertura de temas" a uno de "desarrollo de competencias
transversales", donde la robótica no sea un anexo, sino el eje integra=
dor
que permita profundizar en los estándares matemáticos a través de la prácti=
ca
situada y el aprendizaje basado en retos.
Dimensión
B: Desarrollo Cognitivo y Razonamiento
Sobre
el Pensamiento Computacional: Al enfrentarse a un error de programación en =
el
robot (debugging), ¿qué procesos de razonamiento
lógico ha observado que el estudiante activa para descomponer el problema en
partes más pequeñas?
En
el aula de Educación Básica, observo que, ante un desafío de robótica compl=
ejo,
el estudiante activa naturalmente el proceso de descomposición algorítmica,=
el
cual comienza con una fase de identificación de hitos donde el niño fragmen=
ta
la meta final (ej. "llevar medicina a un hospital") en micro-acciones secuenciales (avanzar, girar, detectar
obstáculos, detenerse). Posteriormente, el estudiante pone en marcha la
abstracción, filtrando los detalles irrelevantes de la maqueta para enfocar=
se
solo en las variables matemáticas críticas, como la distancia en centímetro=
s o
los grados de giro necesarios; este proceso culmina en la evaluación lógica=
de
dependencias, donde el alumno comprende que una parte del problema no puede
ejecutarse sin que la anterior sea exitosa, desarrollando así una estructur=
a mental
de "paso a paso" que es la base fundamental del razonamiento
algebraico y la resolución de problemas de la vida real.
Análisis: Este comportamiento evidencia la transic=
ión
del pensamiento sincrético (ver el problema como un todo inabarcable) al pe=
nsamiento
analítico (entender las partes que lo componen), una de las funciones
ejecutivas más elevadas según la neuropsicología educativa. El análisis sug=
iere
que la robótica no solo enseña a programar máquinas, sino que
"programa" la mente del estudiante para utilizar la lógica de
control, permitiéndole abordar la complejidad matemática no mediante la
memorización de fórmulas, sino mediante la arquitectura de soluciones
fragmentadas y verificables, lo que consolida un aprendizaje profundo y
transferible a cualquier área del conocimiento.
Sobre
la Reversibilidad y Lógica: ¿Cómo influye la
necesidad de programar secuencias de ida y vuelta en un robot en la capacid=
ad
del niño para comprender la reversibilidad de las operaciones matemáticas (=
ej.
suma/resta)?
En
la práctica pedagógica, la programación de secuencias de ida y vuelta actúa
como una manifestación física de la propiedad de inversión, donde el niño
descubre que para deshacer una acción en el espacio (un desplazamiento de 5=
0 cm
hacia adelante), debe aplicar una operación de igual magnitud, pero de sent=
ido
opuesto (50 cm hacia atrás). Este ejercicio obliga al estudiante a abandona=
r el
pensamiento lineal para adoptar una estructura mental bidireccional,
permitiéndole visualizar que la resta no es solo "quitar", sino el
camino de regreso al estado inicial, y que el signo negativo o la dirección
inversa son componentes de un sistema de equilibrio lógico. Al coordinar es=
tas
acciones, el alumno deja de memorizar que $5 + 3 =3D 8$ y $8 - 3 =3D 5$ com=
o hechos
aislados, para entender que ambos son parte de una misma relación espacial y
numérica que puede ser recorrida en ambos sentidos sin perder la coherencia=
del
sistema.
Análisis
Pedagógico
Este
proceso representa la consolidación de la reversibilidad operatoria, un hito
del desarrollo cognitivo descrito por Piaget como la capacidad de ejecutar =
una
acción en dos sentidos con la conciencia de que se trata de la misma acción=
. El
análisis sugiere que la robótica proporciona el "andamio" concreto
necesario para que el cerebro infantil transite del pensamiento concreto al
pensamiento operacional, facilitando la comprensión de la aritmética y el
álgebra inicial, ya que el estudiante no solo opera con símbolos abstractos=
en
un papel, sino que valida la lógica de la inversión mediante la comprobación
empírica del movimiento del robot.
Dimensión
C: Gamificación y Motivación
Sobre
la Gestión del Error: En un entorno gamificado =
con
retos y recompensas, ¿cómo cambia la actitud del estudiante frente al
"fracaso" en comparación con una evaluación tradicional de papel y
lápiz?
En
el contexto del aula, la gamificación transforma la percepción del
"fracaso" al despojarlo de su carga punitiva y convertirlo en un
insumo informativo necesario para el progreso, sustituyendo la frustración =
del
error definitivo por la curiosidad de la iteración constante. Mientras que =
en
una evaluación tradicional de papel y lápiz el error suele marcar el fin del
proceso de aprendizaje con una calificación estática e irreversible, en un
entorno gamificado con retos y recompensas el e=
rror
se redefine como un "nivel no superado" que invita a la reintentabilidad inmediata. Esta dinámica fomenta una
mentalidad de crecimiento, donde el estudiante entiende que el éxito no es =
la
ausencia de fallos, sino el resultado de un proceso de depuración lógica (<=
span
class=3DSpellE>debugging); así, la recompensa actúa no solo como un =
premio
al acierto, sino como un motor de persistencia que mantiene al alumno en un
estado de compromiso cognitivo, permitiéndole ver el desafío matemático no =
como
una amenaza a su capacidad, sino como un obstáculo superable mediante el aj=
uste
de su estrategia.
Análisis: Este cambio de actitud evidencia la
transición de la motivación extrínseca basada en el miedo (evitar la nota b=
aja)
hacia una motivación intrínseca basada en la competencia (querer resolver el
reto). El análisis sugiere que la gamificación protege la autoeficacia del
estudiante, permitiendo que el razonamiento lógico-matemático se desarrolle=
en
un entorno de seguridad emocional donde el cerebro procesa el error como una
brecha de información y no como un fracaso de identidad; esto es fundamental
para el desarrollo de las funciones ejecutivas de flexibilidad y control
inhibitorio, ya que el alumno aprende a regular su frustración y a persisti=
r en
la búsqueda de soluciones alternativas ante la complejidad.
Sobre
la Motivación Intrínseca: ¿Qué elementos =
de
la gamificación (niveles, narrativa, insignias) considera usted que generan=
un
mayor compromiso cognitivo sostenido en tareas de alta demanda lógica?
Desde
la práctica pedagógica, el elemento que genera el mayor compromiso cognitivo
sostenido no es la recompensa superficial, sino la narrativa vinculada a la
progresión de niveles, ya que esta dota de un propósito épico al esfuerzo
mental y transforma una serie de ejercicios lógicos en una "misión de
rescate" o una "exploración espacial". Mientras que las insi=
gnias
funcionan como un refuerzo de reconocimiento social a corto plazo, la
estructura de niveles permite aplicar el concepto de andamiaje cognitivo, d=
onde
cada nuevo reto es apenas un poco más difícil que el anterior, manteniendo =
al
estudiante en un estado de concentración profunda o "flujo". En
tareas de alta demanda lógica, como la programación de un sensor ultrasónic=
o,
la narrativa permite que el alumno soporte la frustración del error porque =
su
objetivo no es solo "que el robot no choque", sino "salvar a=
la
tripulación de un asteroide", convirtiendo la complejidad matemática en
una herramienta necesaria para el éxito de la historia y garantizando que el
compromiso no decaiga ante la primera dificultad técnica.
Análisis: Esta observación docente se sustenta en =
la
Teoría de la Autodeterminación, donde la narrativa satisface la necesidad de
significado y los niveles satisfacen la necesidad de competencia. El anális=
is
sugiere que para potenciar el razonamiento lógico-matemático, la gamificaci=
ón
no debe entenderse como un sistema de puntos (puntos por tareas), sino como=
un
diseño instruccional lúdico que proteja la carga cognitiva del estudiante; =
al
fragmentar la complejidad en niveles narrativos, el cerebro procesa la info=
rmación
en dosis manejables, evitando el colapso por saturación y promoviendo una
atención ejecutiva sostenida, esencial para la resolución de problemas de
algoritmos y estructuras de control en la Educación Básica.
Dimensión:
Rol Docente y Formación
Sobre
la Mediación Pedagógica: ¿Cuál es el may=
or
desafío que enfrenta un docente al intentar transitar del rol de
"transmisor de fórmulas" al de "facilitador de procesos"=
; en
un laboratorio de robótica?
Desde
la experiencia directa en el aula, el mayor desafío para el docente es la
gestión de la incertidumbre y la cesión del control cognitivo, ya que trans=
itar
hacia un rol de facilitador implica renunciar a la respuesta única y
preestablecida para permitir que el caos creativo del laboratorio dicte el
ritmo del aprendizaje. Mientras que como "transmisor de fórmulas"=
el
profesor mantiene una zona de seguridad basada en el dictado y la repetició=
n,
en la robótica educativa debe desarrollar la tolerancia a la frustración aj=
ena,
resistiendo la tentación de intervenir prematuramente cuando un estudiante =
se
equivoca en un algoritmo. Este cambio de identidad profesional requiere que=
el
docente se convierta en un observador analítico que, en lugar de corregir el
error, plantea la pregunta mediadora exacta que activa la reflexión del alu=
mno,
enfrentándose muchas veces al miedo de no tener la respuesta técnica inmedi=
ata
ante un fallo del hardware o del código, lo que transforma la autoridad bas=
ada
en el saber enciclopédico en una autoridad basada en el acompañamiento y la=
co-indagación.
Análisis: Este desafío representa la ruptura con el
paradigma de la educación bancaria de Freire, donde el conocimiento se depo=
sita
en el alumno, para pasar a un modelo de mediación soci=
oconstructivista.
El análisis sugiere que la transición al rol de "facilitador" no =
es
solo una cuestión de dominar la tecnología, sino de una reconfiguración
epistemológica del docente, quien debe aceptar que el aprendizaje es un pro=
ceso
no lineal y ruidoso; para potenciar el razonamiento lógico-matemático, el
maestro debe actuar como un "andamio" invisible que se retira
conforme el estudiante gana autonomía, lo que demanda una alta capacidad de
gestión emocional y competencia tecnopedagógica=
para
transformar el laboratorio en un entorno de descubrimiento y no en una simp=
le
réplica de instrucciones.
Sobre
la Formación Continua: Más allá del ma=
nejo
técnico del software, ¿qué competencias pedagógicas considera usted que son
urgentes fortalecer en los docentes para una articulación efectiva entre ju=
ego
y tecnología?
Desde
la práctica en el aula, la competencia más urgente a fortalecer es el Diseño
Tecno-Pedagógico con Enfoque Lúdico, la cual permite que el docente deje de=
ver
la tecnología y el juego como "recompensas de viernes" y los inte=
gre
como el núcleo mismo de la construcción del conocimiento matemático. No bas=
ta
con saber encender un robot o conocer las reglas de un juego; el maestro
necesita desarrollar la capacidad de transposición didáctica digital, que
consiste en saber exactamente qué concepto lógico (como una variable o un
condicional) se está activando a través de una mecánica de juego específica.
Además, es crítico fortalecer la gestión de entornos de aprendizaje activos,
donde el docente aprenda a evaluar procesos en lugar de resultados,
desarrollando una sensibilidad pedagógica para intervenir mediante preguntas
mediadoras en lugar de dar instrucciones directas, transformando así el
laboratorio en un espacio de indagación donde la tecnología es un lenguaje =
y el
juego es el motor de la persistencia cognitiva.
Análisis: Esta necesidad de formación subraya que =
la
brecha principal no es tecnológica (acceso a equipos), sino metodológica y =
de
diseño instruccional. El análisis sugiere que para potenciar el razonamiento
lógico-matemático, la formación docente debe migrar del aprendizaje de
herramientas (saber usar Scratch) al desarrollo del Pensamiento Computacion=
al
Pedagógico, donde el maestro comprenda la arquitectura cognitiva del
aprendizaje; esto implica que el docente debe ser capaz de "orquestar&=
quot;
la carga cognitiva de los estudiantes, asegurando que la gamificación no se=
a un
distractor, sino un andamiaje que proteja y estimule las funciones ejecutiv=
as
de planificación y resolución de problemas en entornos digitales.
Dimensión:
Inclusión y Evaluación
Sobre
la Equidad y Brecha: En contextos con recursos limitados, ¿qué estrategias =
de
"robótica desconectada" o de bajo costo ha implementado o sugerir=
ía
para no excluir el desarrollo del pensamiento lógico?
Desde
la práctica docente en entornos con restricciones presupuestarias, la
estrategia más efectiva es la implementación de la Robótica Desconectada (<=
span
class=3DSpellE>Unplugged Robotics), la c=
ual
demuestra que el desarrollo del pensamiento lógico no depende del hardware
costoso, sino de la arquitectura de los algoritmos mentales. En el aula, es=
to
se traduce en transformar al propio estudiante en un "robot" que =
debe
seguir instrucciones precisas de sus compañeros (programadores) para navegar
por una cuadrícula dibujada en el suelo, utilizando comandos flecha, bucles=
y condicionales
de cartón. Esta metodología se complementa con el uso de materiales de bajo
costo o reciclados para construir autómatas mecánicos (como manos hidráulic=
as
con jeringas o circuitos de papel con cinta de cobre), donde el desafío lóg=
ico
reside en entender la transmisión de movimiento y la energía; de este modo,=
se
garantiza que la brecha económica no se convierta en una brecha cognitiva,
permitiendo que el alumno abstraiga los mismos principios de secuenciación y
resolución de problemas que usaría con un kit de alta gama, pero aplicados =
a su
realidad inmediata.
Análisis: Esta estrategia se fundamenta en la Teor=
ía
del Pensamiento Computacional Desconectado, que sostiene que los conceptos
fundamentales de la informática (algoritmos, patrones, abstracción) son ind=
ependientes
de la máquina. El análisis sugiere que la "robótica de bajo costo"
democratiza el acceso al razonamiento lógico-matemático al eliminar la barr=
era
del "miedo al equipo caro", fomentando una creatividad resiliente=
. Al
trabajar sin dispositivos, el cerebro se ve obligado a realizar una simulac=
ión
mental más intensa, lo que fortalece la memoria de trabajo y la capacidad de
anticipación, demostrando que la verdadera innovación pedagógica radica en =
la
mediación del docente y no en la sofisticación del recurso tecnológico.
Sobre
la Evaluación de Desempeño: ¿Qué indicadores
específicos utiliza o propondría para evaluar el progreso del razonamiento
lógico de un estudiante, más allá de que el robot logre o no cumplir la meta
física?
Desde
la práctica docente, el indicador más revelador es la eficiencia y coherenc=
ia
de la estructura algorítmica, la cual permite observar cómo el estudiante
organiza sus pensamientos antes de que el robot ejecute cualquier acción. En
lugar de centrarme en si el robot llegó a la meta, propongo evaluar la
capacidad de depuración (debugging), midiendo c=
uántas
veces el alumno logra identificar la línea exacta de código que causó un er=
ror
y qué razonamiento utiliza para corregirla, así como la abstracción de
variables, donde se observa si el niño puede generalizar una solución (ej. =
usar
un bucle en lugar de repetir 10 veces el mismo comando). Otros indicadores
críticos incluyen la descomposición de problemas complejos en pasos manejab=
les
y la transferencia de lógica, es decir, si el estudiante es capaz de aplicar
una estructura que funcionó en un reto de geometría para resolver un proble=
ma
de sensores; de esta forma, la evaluación se desplaza del producto físico (=
el
robot moviéndose) hacia la arquitectura mental, validando el desarrollo de
funciones ejecutivas como la planificación, la flexibilidad cognitiva y el
control inhibitorio.
Análisis: Este enfoque
evaluativo se fundamenta en la Evaluación Auténtica de Procesos, que priori=
za
el "saber cómo" sobre el "saber qué". El análisis sugie=
re
que para potenciar el razonamiento lógico-matemático, los indicadores deben
medir el Pensamiento Computacional como una competencia cognitiva transvers=
al;
al evaluar la elegancia del código, la persistencia ante el error y la
capacidad de abstracción, el docente está midiendo en realidad la formación=
de
estructuras mentales superiores. Esto garantiza que el aprendizaje sea prof=
undo
y no accidental, permitiendo que el estudiante desarrolle una metacognición
sólida que le servirá para abordar problemas matemáticos abstractos con la
misma rigurosidad con la que programa un autómata.
REFERENCIAS
Bers, M. U. (20=
18).
Coding as a Playground: Programming and Computational Thinking in the Early
Childhood Classroom. Routledge.
Bers, M. U. (20=
20).
Coding as a Playground: Programming and Computational Thinking in the Early
Childhood Classroom. (2nd ed.). Routledge.
Deterding, S. (2012). Gamificat=
ion:
Designing for Motivation. Interactions, 19(4), 14-17. https://doi.org/10.1145/2212877.2212883
Deterding, S., Dixon, D., Khale=
d,
R., & Nacke, L. (2011). From game design
elements to gamefulness: defining gamification.
Proceedings of the 15th International Academic MindTr=
ek
Conference.
Dewey, J. (1938=
).
Experience and Education. Kappa Delta Pi.
Diamond, A. (20=
13).
Executive Functions. Annual Review of Psychology, 64, 135-168.
García-Valcárcel,
A., & Caballero, Y. (2019). Robótica para desarrollar el pensamiento
computacional en Educación Infantil. Comunicar: Revista Científica de Comunicación y Educación.
Hembree, R. (1990). The Natur=
e,
Effects, and Relief of Mathematics Anxiety. Journal for Research in
Mathematics Education.
Hernández-Sampieri,
R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta. McGraw-Hill.
Howard-Jones, P=
. A.
(2014). Neuroscience and Education: Myths and Messages. Nature Reviews
Neuroscience, 15(12), 817-824.
Hunicke, R., LeBlanc, M., &am=
p; Zubek, R. (2004). MDA: A formal approach to game des=
ign
and game research. Proceedings of the AAAI Workshop on Challenges in Game =
AI.
Johnson, L., Ad=
ams
Becker, S., Cummins, M., Estrada, V., Freeman, A., & Hall, C. (2016). =
NMC Horizon Report: 2016 Higher Education Edition. T=
he New
Media Consortium.
Kapp, K. M. (20=
12).
The Gamification of Learning and Instruction. Pfeiffer.
Kapp, K. M. (20=
12).
The Gamification of Learning and Instruction: Game-based Methods and
Strategies. Pfeiffer.
Kolb, D. A. (19=
84).
Experiential Learning: Experience as the Source of Learning and Developmen=
t. Prentice-Hall.
Mora,
F. (2017). Neuroeducación: solo se puede aprender aquello que se ama. Alianza
Editorial.
Papert, S. (1980). Mindstorm=
s:
Children, Computers, and Powerful Ideas. Basic Books.
Piaget, J. (197=
0).
Genetic Epistemology. Columbia University Press.
Resnick, M., &a=
mp;
Siegel, D. (2015). A Different Approach to Coding. International Journal of
People-Oriented Programming (IJPOP).
Siemens, G. (20=
05).
Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology<=
/span>
and Distance Learning.
UNESCO
(2019). Marco de competencias de los docentes en materia de TIC. Organizac=
ión
de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
Vygotsky, L. S.
(1978). Mind in Society: The Development of Higher Psychological Processes.
Harvard University Press.
Werbach, K., &a=
mp;
Hunter, D. (2012). For the Win: How Game Thinking Can Revolutionize Your
Business. Wharton Digital Press.
Wiggins, G., &a=
mp;
McTighe, J. (2005). Understanding by Design. Association for Supervision a=
nd
Curriculum Development (ASCD).
Wing, J. M. (20=
06).
Computational Thinking. Communications of the ACM, 49(3), 33-35.
Zapata-Ros,
M. (2015). Pensamiento computacional: Una nueva alfabetización digital.
Revista de Educación a Distancia (RED), (46).
Todo el contenido de LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades, publicados en este sitio
está disponibles bajo Licencia Creative
Commons
<=
o:p> =
LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción,
Paraguay. ISSN
en línea: 2789-3855, agosto, 2022, Volumen 3, Número 2, p. 1
ISSN en línea: 2789-3855, abril, 2026, Volumen
VII, Número 2 p 1835 LATAM Revista Latinoamer=
icana de
Ciencias Sociales y Humanidades, Asunción, Paraguay. ISSN en líne=
a:
2789-3855, mes, 2023, Volumen 4, Número 2, p PAGE 1 <=
o:p> =
<=
o:p> =
PAGE 59