Vol. 12/ Núm. 4 2025 pág. 2943
https://doi.org/10.69639/arandu.v12i4.1860
Estrategias neuropedagógicas y su impacto en el desarrollo
del pensamiento computacional en estudiantes de secundaria
Neuropedagogical strategies and their impact on the development of computational
thinking in secondary school students
Francisco Javier Téllez Sánchez
franciscotellez2012@gmail.com
franciscotellez.est@umecit.edu.pa
https://orcid.org/0000-0003-2560-3396
Universidad Metropolitana de Educación, Ciencia y Tecnología – UMECIT
Bogotá, Colombia
Artículo recibido: 10 noviembre 2025 -Aceptado para publicación: 18 diciembre 2025
Conflictos de intereses: Ninguno que declarar.
RESUMEN
El estudio analizó la relación entre el uso de herramientas neuropedagógicas por docentes y el
desarrollo del pensamiento computacional en estudiantes de noveno grado del área de Tecnología
e Informática en instituciones públicas de Chía, Cundinamarca. El objetivo fue determinar si el
uso de estas herramientas influye en el nivel de pensamiento computacional de los estudiantes.
Se desarrolló una investigación confirmatoria con diseño de campo transeccional, cuya población
estuvo conformada por 912 estudiantes y ocho docentes de cuatro instituciones urbanas y cuatro
rurales. La muestra incluyó 271 estudiantes y ocho docentes. Se aplicó un test validado de
pensamiento computacional con confiabilidad de 0.702 y una escala de uso de herramientas
neuropedagógicas con validez de 0.95 y alfa de Cronbach de 0.955. El análisis de datos incluyó
estadísticos descriptivos, pruebas U de Mann-Whitney y Kruskal-Wallis y, correlación de
Spearman. Los resultados mostraron que, al excluir los efectos de las variables extrañas, una a
una, en la mayoría de los casos hay evidencia de correlación significativa pero negativa, indicando
de acuerdo al instrumento aplicado que posiblemente la manera como se están aplicando las
herramientas neuropedagógicas, no está fortaleciendo el desarrollo del pensamiento
computacional en los estudiantes.
Palabras clave: educación, pensamiento computacional, herramientas neuropedagógicas
ABSTRACT
The study analyzed the relationship between teachers’ use of neuro-pedagogical tools and the
development of computational thinking in ninth-grade students in the area of Technology and
Informatics at public schools in Chía, Cundinamarca. The objective was to determine whether the
use of these tools influences students level of computational thinking. A confirmatory field study
Vol. 12/ Núm. 4 2025 pág. 2944
with a cross-sectional design was conducted, with a population of 912 students and eight teachers
from four urban and four rural institutions. The sample included 271 students and eight teachers.
A validated computational thinking test with a reliability of 0.702 and a neuro-pedagogical tools
usage scale with a validity index of 0.95 and a Cronbach’s alpha of 0.955 were applied. Data
analysis included descriptive statistics, Mann-Whitney U and Kruskal-Wallis tests, and
Spearman’s correlation. The results showed that, when excluding the effects of extraneous
variables one by one, in most cases there is evidence of a significant but negative correlation,
indicating—according to the applied instrument—that the way neuro-pedagogical tools are
currently being implemented may not be strengthening the development of students’
computational thinking.
Keywords: education, computational thinking, neuro-pedagogical tools
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
with a cross-sectional design was conducted, with a population of 912 students and eight teachers
from four urban and four rural institutions. The sample included 271 students and eight teachers.
A validated computational thinking test with a reliability of 0.702 and a neuro-pedagogical tools
usage scale with a validity index of 0.95 and a Cronbach’s alpha of 0.955 were applied. Data
analysis included descriptive statistics, Mann-Whitney U and Kruskal-Wallis tests, and
Spearman’s correlation. The results showed that, when excluding the effects of extraneous
variables one by one, in most cases there is evidence of a significant but negative correlation,
indicating—according to the applied instrument—that the way neuro-pedagogical tools are
currently being implemented may not be strengthening the development of students’
computational thinking.
Keywords: education, computational thinking, neuro-pedagogical tools
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 4 2025 pág. 2945
INTRODUCCIÓN
El pensamiento computacional se ha consolidado como una competencia esencial en la
educación contemporánea, facilitando el desarrollo del razonamiento lógico y la resolución de
problemas (Wing, 2006). En la actualidad, el mundo digital y la sociedad del conocimiento exigen
que los estudiantes desarrollen habilidades que les permitan interactuar con tecnologías
emergentes de manera eficiente y creativa (MEN, 2022). La inclusión de este tipo de pensamiento
en la educación básica y media ha sido promovida por organismos internacionales como la
UNESCO y la OCDE, quienes subrayan la importancia de formar ciudadanos con capacidades
digitales sólidas para afrontar los retos del siglo XXI (UNESCO, 2022).
A pesar de la creciente relevancia del pensamiento computacional en la educación, su
integración efectiva en el currículo escolar aún enfrenta desafíos significativos. Diversos estudios
han identificado barreras como la falta de formación docente en metodologías innovadoras, la
resistencia al cambio y la carencia de recursos tecnológicos en muchas instituciones educativas
(MINCIENCIAS, 2019). En Colombia, la necesidad de fortalecer la enseñanza de la informática
y la tecnología ha llevado a la actualización de los lineamientos curriculares en 2022, los cuales
enfatizan el pensamiento computacional como un eje fundamental del área de Tecnología e
Informática (MEN, 2022).
El concepto de pensamiento computacional fue introducido por Wing (2006) y ha
evolucionado para incluir procesos como la descomposición de problemas, la abstracción, la
identificación de patrones y el diseño de algoritmos. Estas habilidades son fundamentales para la
solución de problemas en diversos campos, no solo en la informática, sino también en la ciencia,
la ingeniería, la educación y las humanidades. En este sentido, el desarrollo del pensamiento
computacional en la educación secundaria no solo prepara a los estudiantes para carreras
tecnológicas, sino que también mejora su capacidad de análisis y resolución de problemas en
múltiples disciplinas (Román et al., 2015).
La neuropedagogía ha surgido como un enfoque prometedor para abordar estos desafíos,
ya que busca optimizar los procesos de enseñanza-aprendizaje mediante la aplicación de
conocimientos sobre el funcionamiento del cerebro. Desde esta perspectiva, se reconoce que los
estudiantes poseen diferentes estilos de aprendizaje y que la enseñanza debe adaptarse a sus
características cognitivas, emocionales y contextuales (De Gregori, 1999). La integración de
estrategias neuropedagógicas en el aula puede contribuir al desarrollo del pensamiento
computacional al fomentar la motivación, la creatividad y el pensamiento crítico en los
estudiantes (Bueno, 2018).
Investigaciones previas han demostrado que el aprendizaje basado en la neuropedagogía
facilita la consolidación de habilidades cognitivas y metacognitivas. Según Bueno (2018), las
emociones juegan un papel crucial en el aprendizaje, por lo que estrategias que apelan a la
INTRODUCCIÓN
El pensamiento computacional se ha consolidado como una competencia esencial en la
educación contemporánea, facilitando el desarrollo del razonamiento lógico y la resolución de
problemas (Wing, 2006). En la actualidad, el mundo digital y la sociedad del conocimiento exigen
que los estudiantes desarrollen habilidades que les permitan interactuar con tecnologías
emergentes de manera eficiente y creativa (MEN, 2022). La inclusión de este tipo de pensamiento
en la educación básica y media ha sido promovida por organismos internacionales como la
UNESCO y la OCDE, quienes subrayan la importancia de formar ciudadanos con capacidades
digitales sólidas para afrontar los retos del siglo XXI (UNESCO, 2022).
A pesar de la creciente relevancia del pensamiento computacional en la educación, su
integración efectiva en el currículo escolar aún enfrenta desafíos significativos. Diversos estudios
han identificado barreras como la falta de formación docente en metodologías innovadoras, la
resistencia al cambio y la carencia de recursos tecnológicos en muchas instituciones educativas
(MINCIENCIAS, 2019). En Colombia, la necesidad de fortalecer la enseñanza de la informática
y la tecnología ha llevado a la actualización de los lineamientos curriculares en 2022, los cuales
enfatizan el pensamiento computacional como un eje fundamental del área de Tecnología e
Informática (MEN, 2022).
El concepto de pensamiento computacional fue introducido por Wing (2006) y ha
evolucionado para incluir procesos como la descomposición de problemas, la abstracción, la
identificación de patrones y el diseño de algoritmos. Estas habilidades son fundamentales para la
solución de problemas en diversos campos, no solo en la informática, sino también en la ciencia,
la ingeniería, la educación y las humanidades. En este sentido, el desarrollo del pensamiento
computacional en la educación secundaria no solo prepara a los estudiantes para carreras
tecnológicas, sino que también mejora su capacidad de análisis y resolución de problemas en
múltiples disciplinas (Román et al., 2015).
La neuropedagogía ha surgido como un enfoque prometedor para abordar estos desafíos,
ya que busca optimizar los procesos de enseñanza-aprendizaje mediante la aplicación de
conocimientos sobre el funcionamiento del cerebro. Desde esta perspectiva, se reconoce que los
estudiantes poseen diferentes estilos de aprendizaje y que la enseñanza debe adaptarse a sus
características cognitivas, emocionales y contextuales (De Gregori, 1999). La integración de
estrategias neuropedagógicas en el aula puede contribuir al desarrollo del pensamiento
computacional al fomentar la motivación, la creatividad y el pensamiento crítico en los
estudiantes (Bueno, 2018).
Investigaciones previas han demostrado que el aprendizaje basado en la neuropedagogía
facilita la consolidación de habilidades cognitivas y metacognitivas. Según Bueno (2018), las
emociones juegan un papel crucial en el aprendizaje, por lo que estrategias que apelan a la
Vol. 12/ Núm. 4 2025 pág. 2946
motivación intrínseca del estudiante pueden mejorar significativamente su desempeño académico.
En este sentido, herramientas como la gamificación, el aprendizaje basado en proyectos y la
enseñanza multisensorial han demostrado ser eficaces para mejorar la retención del conocimiento
y la aplicación de habilidades en contextos reales (Carminati & Waipan, 2017).
Este estudio busca verificar la relación entre el uso de herramientas neuropedagógicas por
parte del docente y el desarrollo del pensamiento computacional en estudiantes de grado noveno
en instituciones públicas del municipio de Chía, Cundinamarca. La investigación parte de la
premisa de que el uso de enfoques basados en el conocimiento del cerebro puede potenciar la
adquisición de competencias computacionales y mejorar el desempeño académico en el área de
Tecnología e Informática (MEN, 2022). Además, se busca identificar posibles diferencias en la
implementación de estas estrategias entre contextos urbanos y rurales, así como evaluar la
influencia de factores como la experiencia docente y la formación académica, entre otras, en la
efectividad de las herramientas neuropedagógicas.
A nivel internacional, diversos sistemas educativos han incorporado programas de
enseñanza del pensamiento computacional en sus currículos nacionales. Por ejemplo, en países
como Finlandia y el Reino Unido, se han implementado políticas educativas que priorizan el
desarrollo de habilidades digitales desde la educación primaria. En América Latina, países como
Uruguay y Chile han liderado iniciativas que buscan fortalecer el aprendizaje del pensamiento
computacional a través de plataformas digitales y entornos de aprendizaje interactivos (UNESCO,
2022). Sin embargo, en Colombia aún persisten brechas significativas en la implementación de
estas estrategias, especialmente en contextos rurales donde el acceso a la tecnología y la
formación docente son limitados (MINCIENCIAS, 2019).
En este contexto, la presente investigación pretende contribuir al debate académico sobre
la enseñanza del pensamiento computacional y la innovación pedagógica en el ámbito de la
educación secundaria. A través de un enfoque confirmatorio, se analizará la relación entre el uso
de estrategias neuropedagógicas y el desarrollo del pensamiento computacional, con el fin de
generar recomendaciones para la mejora de la práctica docente y la formulación de políticas
educativas orientadas a la modernización del currículo de Tecnología e Informática en Colombia.
La importancia de este estudio radica en su potencial para transformar la enseñanza de la
informática y la tecnología en la educación secundaria, proporcionando herramientas que faciliten
la transición de los estudiantes hacia un mundo cada vez más digitalizado y tecnológicamente
avanzado.
METODOLOGÍA
Enfoque y Diseño de la Investigación
Este estudio se desarrolló bajo una concepción holística de la investigación, la cual permite
analizar la interacción entre eventos educativos desde una perspectiva integradora. Se implementó
motivación intrínseca del estudiante pueden mejorar significativamente su desempeño académico.
En este sentido, herramientas como la gamificación, el aprendizaje basado en proyectos y la
enseñanza multisensorial han demostrado ser eficaces para mejorar la retención del conocimiento
y la aplicación de habilidades en contextos reales (Carminati & Waipan, 2017).
Este estudio busca verificar la relación entre el uso de herramientas neuropedagógicas por
parte del docente y el desarrollo del pensamiento computacional en estudiantes de grado noveno
en instituciones públicas del municipio de Chía, Cundinamarca. La investigación parte de la
premisa de que el uso de enfoques basados en el conocimiento del cerebro puede potenciar la
adquisición de competencias computacionales y mejorar el desempeño académico en el área de
Tecnología e Informática (MEN, 2022). Además, se busca identificar posibles diferencias en la
implementación de estas estrategias entre contextos urbanos y rurales, así como evaluar la
influencia de factores como la experiencia docente y la formación académica, entre otras, en la
efectividad de las herramientas neuropedagógicas.
A nivel internacional, diversos sistemas educativos han incorporado programas de
enseñanza del pensamiento computacional en sus currículos nacionales. Por ejemplo, en países
como Finlandia y el Reino Unido, se han implementado políticas educativas que priorizan el
desarrollo de habilidades digitales desde la educación primaria. En América Latina, países como
Uruguay y Chile han liderado iniciativas que buscan fortalecer el aprendizaje del pensamiento
computacional a través de plataformas digitales y entornos de aprendizaje interactivos (UNESCO,
2022). Sin embargo, en Colombia aún persisten brechas significativas en la implementación de
estas estrategias, especialmente en contextos rurales donde el acceso a la tecnología y la
formación docente son limitados (MINCIENCIAS, 2019).
En este contexto, la presente investigación pretende contribuir al debate académico sobre
la enseñanza del pensamiento computacional y la innovación pedagógica en el ámbito de la
educación secundaria. A través de un enfoque confirmatorio, se analizará la relación entre el uso
de estrategias neuropedagógicas y el desarrollo del pensamiento computacional, con el fin de
generar recomendaciones para la mejora de la práctica docente y la formulación de políticas
educativas orientadas a la modernización del currículo de Tecnología e Informática en Colombia.
La importancia de este estudio radica en su potencial para transformar la enseñanza de la
informática y la tecnología en la educación secundaria, proporcionando herramientas que faciliten
la transición de los estudiantes hacia un mundo cada vez más digitalizado y tecnológicamente
avanzado.
METODOLOGÍA
Enfoque y Diseño de la Investigación
Este estudio se desarrolló bajo una concepción holística de la investigación, la cual permite
analizar la interacción entre eventos educativos desde una perspectiva integradora. Se implementó
Vol. 12/ Núm. 4 2025 pág. 2947
un diseño no experimental, de tipo transeccional y contemporáneo, dado que no se manipularon
variables y los datos fueron recolectados en un solo momento, con el propósito de evaluar la
relación entre el uso de herramientas neuropedagógicas y el desarrollo del pensamiento
computacional.
Desde el punto de vista metodológico, la investigación adopta un enfoque mixto en el
análisis de los datos, combinando métodos cuantitativos y cualitativos. La triangulación
metodológica se utilizó para aumentar la validez del estudio, cruzando información obtenida a
través de diferentes fuentes y herramientas de medición. La aproximación cuantitativa permitió
obtener datos medibles sobre la relación entre variables, mientras que la cualitativa permitió
profundizar en la interpretación de resultados de docentes y estudiantes respecto al impacto de las
estrategias neuropedagógicas en el aprendizaje de informática y tecnología.
Población y Muestra
La población estuvo conformada por 912 estudiantes de grado noveno pertenecientes a
ocho instituciones educativas públicas de Chía, Cundinamarca, distribuidas equitativamente en
zonas urbanas y rurales. Para la selección de la muestra, se utilizó un muestreo probabilístico
estratificado, fragmentando la población en subgrupos de acuerdo con su contexto educativo y
seleccionando aleatoriamente a los participantes.
El cálculo del tamaño de la muestra se realizó con una fórmula de inferencia estadística,
considerando un nivel de confianza del 95% y un margen de error del 5%, lo que resultó en una
muestra final de 271 estudiantes. Se garantizó la representatividad de los diferentes contextos
educativos mediante la inclusión equitativa de participantes de instituciones urbanas y rurales,
asegurando una distribución balanceada que permitiera detectar diferencias contextuales en la
aplicación de estrategias neuropedagógicas.
Además de los estudiantes, se incluyó la participación de docentes de informática y
tecnología de las mismas instituciones, quienes brindaron información sobre las estrategias
neuropedagógicas implementadas en sus clases. La selección de estos docentes se realizó bajo
criterios de inclusión que consideraron su experiencia en la enseñanza de la informática y la
tecnología, así como su disposición para aplicar herramientas neuropedagógicas.
Criterios de Inclusión y Exclusión
Se establecieron criterios de inclusión para asegurar que los participantes pertenecieran a
instituciones públicas, estuvieran matriculados en grado noveno y tuvieran una exposición
mínima de un año a la enseñanza de informática y tecnología. Se excluyeron estudiantes de
instituciones privadas, aquellos que no contaran con acceso a dispositivos tecnológicos básicos y
aquellos cuya asistencia a clases de informática y tecnología fuera intermitente, dado que estos
factores podrían influir en los resultados del estudio.
un diseño no experimental, de tipo transeccional y contemporáneo, dado que no se manipularon
variables y los datos fueron recolectados en un solo momento, con el propósito de evaluar la
relación entre el uso de herramientas neuropedagógicas y el desarrollo del pensamiento
computacional.
Desde el punto de vista metodológico, la investigación adopta un enfoque mixto en el
análisis de los datos, combinando métodos cuantitativos y cualitativos. La triangulación
metodológica se utilizó para aumentar la validez del estudio, cruzando información obtenida a
través de diferentes fuentes y herramientas de medición. La aproximación cuantitativa permitió
obtener datos medibles sobre la relación entre variables, mientras que la cualitativa permitió
profundizar en la interpretación de resultados de docentes y estudiantes respecto al impacto de las
estrategias neuropedagógicas en el aprendizaje de informática y tecnología.
Población y Muestra
La población estuvo conformada por 912 estudiantes de grado noveno pertenecientes a
ocho instituciones educativas públicas de Chía, Cundinamarca, distribuidas equitativamente en
zonas urbanas y rurales. Para la selección de la muestra, se utilizó un muestreo probabilístico
estratificado, fragmentando la población en subgrupos de acuerdo con su contexto educativo y
seleccionando aleatoriamente a los participantes.
El cálculo del tamaño de la muestra se realizó con una fórmula de inferencia estadística,
considerando un nivel de confianza del 95% y un margen de error del 5%, lo que resultó en una
muestra final de 271 estudiantes. Se garantizó la representatividad de los diferentes contextos
educativos mediante la inclusión equitativa de participantes de instituciones urbanas y rurales,
asegurando una distribución balanceada que permitiera detectar diferencias contextuales en la
aplicación de estrategias neuropedagógicas.
Además de los estudiantes, se incluyó la participación de docentes de informática y
tecnología de las mismas instituciones, quienes brindaron información sobre las estrategias
neuropedagógicas implementadas en sus clases. La selección de estos docentes se realizó bajo
criterios de inclusión que consideraron su experiencia en la enseñanza de la informática y la
tecnología, así como su disposición para aplicar herramientas neuropedagógicas.
Criterios de Inclusión y Exclusión
Se establecieron criterios de inclusión para asegurar que los participantes pertenecieran a
instituciones públicas, estuvieran matriculados en grado noveno y tuvieran una exposición
mínima de un año a la enseñanza de informática y tecnología. Se excluyeron estudiantes de
instituciones privadas, aquellos que no contaran con acceso a dispositivos tecnológicos básicos y
aquellos cuya asistencia a clases de informática y tecnología fuera intermitente, dado que estos
factores podrían influir en los resultados del estudio.
Vol. 12/ Núm. 4 2025 pág. 2948
Instrumentos de Recolección de Datos
Se emplearon dos instrumentos principales:
Test de Pensamiento Computacional (TPC): Compuesto por 28 ítems distribuidos en
cuatro dimensiones: descomposición de problemas, identificación de patrones, abstracción y
algoritmización (Román et al. 2015). La estructura del test fue validada previamente en estudios
similares, garantizando su confiabilidad y pertinencia en la medición de las habilidades cognitivas
relacionadas con el pensamiento computacional.
Escala de Uso de Herramientas Neuropedagógicas (EUHN): Diseñada para evaluar la
frecuencia y el tipo de estrategias neuropedagógicas implementadas por los docentes. Se
estructuró en tres dimensiones: estrategias analítico-racionales, estrategias emocional-intuitivas y
uso de recursos tecnológicos.
Ambos instrumentos fueron sometidos a un análisis de confiabilidad mediante el
coeficiente Alfa de Cronbach, obteniendo valores superiores a 0.70, lo que indica una alta
consistencia interna.
Procedimiento de Recolección de Datos
La recolección de datos se llevó a cabo en cuatro fases:
Fase de planificación: Elaboración de los instrumentos, capacitación de los docentes
participantes y gestión de permisos institucionales. Se diseñaron sesiones piloto para evaluar la
efectividad de los instrumentos y se realizaron ajustes previos a la aplicación formal.
Fase de aplicación: Implementación del TPC en sesiones programadas dentro del horario
escolar y aplicación de la EUHN a los docentes mediante encuestas estructuradas. Se llevó a cabo
una supervisión constante para garantizar la correcta aplicación de los instrumentos.
Fase de verificación: Se realizó un proceso de depuración y limpieza de datos para
eliminar respuestas incompletas o inconsistentes y asegurar la fiabilidad de la información.
Fase de procesamiento: Digitalización y organización de los datos en bases de datos
para su posterior análisis. Se realizaron pruebas preliminares para verificar la calidad de los datos
y su idoneidad para el análisis estadístico.
Análisis de Datos
Para el análisis estadístico, se utilizó el software SPSS, aplicando:
Análisis descriptivo: Medidas de tendencia central y dispersión para cada variable.
Análisis de comparación y correlación: Técnicas de comparación de U de Mann Whitney
y Kruskal Wallis y coeficiente de Spearman para determinar la relación entre el uso de
herramientas neuropedagógicas y el pensamiento computacional.
Para garantizar la validez interna y externa, se implementaron estrategias como la
triangulación de métodos y la validación de instrumentos mediante juicio de expertos. Además,
se respetaron principios éticos fundamentales como la confidencialidad de los datos y la
participación voluntaria de los sujetos del estudio.
Instrumentos de Recolección de Datos
Se emplearon dos instrumentos principales:
Test de Pensamiento Computacional (TPC): Compuesto por 28 ítems distribuidos en
cuatro dimensiones: descomposición de problemas, identificación de patrones, abstracción y
algoritmización (Román et al. 2015). La estructura del test fue validada previamente en estudios
similares, garantizando su confiabilidad y pertinencia en la medición de las habilidades cognitivas
relacionadas con el pensamiento computacional.
Escala de Uso de Herramientas Neuropedagógicas (EUHN): Diseñada para evaluar la
frecuencia y el tipo de estrategias neuropedagógicas implementadas por los docentes. Se
estructuró en tres dimensiones: estrategias analítico-racionales, estrategias emocional-intuitivas y
uso de recursos tecnológicos.
Ambos instrumentos fueron sometidos a un análisis de confiabilidad mediante el
coeficiente Alfa de Cronbach, obteniendo valores superiores a 0.70, lo que indica una alta
consistencia interna.
Procedimiento de Recolección de Datos
La recolección de datos se llevó a cabo en cuatro fases:
Fase de planificación: Elaboración de los instrumentos, capacitación de los docentes
participantes y gestión de permisos institucionales. Se diseñaron sesiones piloto para evaluar la
efectividad de los instrumentos y se realizaron ajustes previos a la aplicación formal.
Fase de aplicación: Implementación del TPC en sesiones programadas dentro del horario
escolar y aplicación de la EUHN a los docentes mediante encuestas estructuradas. Se llevó a cabo
una supervisión constante para garantizar la correcta aplicación de los instrumentos.
Fase de verificación: Se realizó un proceso de depuración y limpieza de datos para
eliminar respuestas incompletas o inconsistentes y asegurar la fiabilidad de la información.
Fase de procesamiento: Digitalización y organización de los datos en bases de datos
para su posterior análisis. Se realizaron pruebas preliminares para verificar la calidad de los datos
y su idoneidad para el análisis estadístico.
Análisis de Datos
Para el análisis estadístico, se utilizó el software SPSS, aplicando:
Análisis descriptivo: Medidas de tendencia central y dispersión para cada variable.
Análisis de comparación y correlación: Técnicas de comparación de U de Mann Whitney
y Kruskal Wallis y coeficiente de Spearman para determinar la relación entre el uso de
herramientas neuropedagógicas y el pensamiento computacional.
Para garantizar la validez interna y externa, se implementaron estrategias como la
triangulación de métodos y la validación de instrumentos mediante juicio de expertos. Además,
se respetaron principios éticos fundamentales como la confidencialidad de los datos y la
participación voluntaria de los sujetos del estudio.
Vol. 12/ Núm. 4 2025 pág. 2949
RESULTADOS
Se centra en el análisis detallado de los datos obtenidos durante la investigación, con el
objetivo de comprender la relación entre el uso de herramientas neuropedagógicas y el desarrollo
del pensamiento computacional en estudiantes de grado noveno. Se aplicaron metodologías
estadísticas rigurosas para identificar tendencias, correlaciones y diferencias significativas dentro
de la muestra evaluada.
Caracterización del Desarrollo del Pensamiento Computacional en los Estudiantes
El análisis de los resultados del Test de Pensamiento Computacional (TPC) permitió
identificar que la mayoría de los estudiantes se encuentran en niveles básicos o bajos en esta
habilidad. Este hallazgo es preocupante, ya que el pensamiento computacional es una
competencia clave en la educación actual (Wing, 2006).
Figura 1
Distribución de Puntajes en el TPC
Análisis de Sinergias en el Pensamiento Computacional
Para un análisis más detallado, se desglosó el pensamiento computacional en tres
sinergias principales: secuenciación, completamiento y depuración. Cada una de estas
dimensiones refleja diferentes niveles de desarrollo de habilidades en los estudiantes, por lo que
su estudio individual es fundamental para comprender las fortalezas y debilidades en la enseñanza
de esta competencia.
RESULTADOS
Se centra en el análisis detallado de los datos obtenidos durante la investigación, con el
objetivo de comprender la relación entre el uso de herramientas neuropedagógicas y el desarrollo
del pensamiento computacional en estudiantes de grado noveno. Se aplicaron metodologías
estadísticas rigurosas para identificar tendencias, correlaciones y diferencias significativas dentro
de la muestra evaluada.
Caracterización del Desarrollo del Pensamiento Computacional en los Estudiantes
El análisis de los resultados del Test de Pensamiento Computacional (TPC) permitió
identificar que la mayoría de los estudiantes se encuentran en niveles básicos o bajos en esta
habilidad. Este hallazgo es preocupante, ya que el pensamiento computacional es una
competencia clave en la educación actual (Wing, 2006).
Figura 1
Distribución de Puntajes en el TPC
Análisis de Sinergias en el Pensamiento Computacional
Para un análisis más detallado, se desglosó el pensamiento computacional en tres
sinergias principales: secuenciación, completamiento y depuración. Cada una de estas
dimensiones refleja diferentes niveles de desarrollo de habilidades en los estudiantes, por lo que
su estudio individual es fundamental para comprender las fortalezas y debilidades en la enseñanza
de esta competencia.
Vol. 12/ Núm. 4 2025 pág. 2950
Figura 2
Puntajes en Sinergias del Pensamiento Computacional
Sinergia Secuenciación
La sinergia de secuenciación es crucial para la estructuración lógica de algoritmos y
procesos. Los resultados muestran que los estudiantes tienen un desempeño bajo en esta área, lo
que sugiere que no han desarrollado la capacidad de organizar procesos de manera eficiente. Este
hallazgo es consistente con estudios previos de Brennan y Resnick (2012), quienes indicaron que
la enseñanza de la secuenciación es una de las más desafiantes dentro del pensamiento
computacional.
Sinergia Completamiento
En cuanto a la sinergia completamiento, se identificó un desempeño medio en la mayoría
de los estudiantes. Esto sugiere que algunos estudiantes han logrado internalizar los principios del
pensamiento computacional, mientras que otros aún requieren apoyo en el proceso. La
variabilidad en los puntajes de esta sinergia puede estar relacionada con la exposición previa de
los estudiantes a actividades de resolución de problemas y lógica computacional (Selwyn, 2016).
Sinergia Depuración
La sinergia depuración presentó una alta variabilidad en los puntajes. Mientras que algunos
estudiantes demostraron habilidades para identificar y corregir errores en algoritmos, otros
mostraron grandes dificultades en esta tarea. La depuración es una habilidad clave en la
programación y en la resolución de problemas computacionales, por lo que su enseñanza debe
fortalecerse en el aula (Kong & Lai, 2022).
Análisis de las Sinergias del Uso de Herramientas Neuropedagógicas
Sinergia Uso de Herramientas Analítico-Racionales
La sinergia analítico-racional se basa en la aplicación de estrategias centradas en la lógica,
el pensamiento estructurado y la toma de decisiones fundamentadas. Los resultados obtenidos en
la investigación muestran que los docentes utilizan con mayor frecuencia esta sinergia en
comparación con las otras dos. Esto coincide con estudios previos (Tokuhama-Espinosa, 2018)
que indican que los docentes suelen preferir enfoques estructurados en la enseñanza de
habilidades cognitivas.
Figura 2
Puntajes en Sinergias del Pensamiento Computacional
Sinergia Secuenciación
La sinergia de secuenciación es crucial para la estructuración lógica de algoritmos y
procesos. Los resultados muestran que los estudiantes tienen un desempeño bajo en esta área, lo
que sugiere que no han desarrollado la capacidad de organizar procesos de manera eficiente. Este
hallazgo es consistente con estudios previos de Brennan y Resnick (2012), quienes indicaron que
la enseñanza de la secuenciación es una de las más desafiantes dentro del pensamiento
computacional.
Sinergia Completamiento
En cuanto a la sinergia completamiento, se identificó un desempeño medio en la mayoría
de los estudiantes. Esto sugiere que algunos estudiantes han logrado internalizar los principios del
pensamiento computacional, mientras que otros aún requieren apoyo en el proceso. La
variabilidad en los puntajes de esta sinergia puede estar relacionada con la exposición previa de
los estudiantes a actividades de resolución de problemas y lógica computacional (Selwyn, 2016).
Sinergia Depuración
La sinergia depuración presentó una alta variabilidad en los puntajes. Mientras que algunos
estudiantes demostraron habilidades para identificar y corregir errores en algoritmos, otros
mostraron grandes dificultades en esta tarea. La depuración es una habilidad clave en la
programación y en la resolución de problemas computacionales, por lo que su enseñanza debe
fortalecerse en el aula (Kong & Lai, 2022).
Análisis de las Sinergias del Uso de Herramientas Neuropedagógicas
Sinergia Uso de Herramientas Analítico-Racionales
La sinergia analítico-racional se basa en la aplicación de estrategias centradas en la lógica,
el pensamiento estructurado y la toma de decisiones fundamentadas. Los resultados obtenidos en
la investigación muestran que los docentes utilizan con mayor frecuencia esta sinergia en
comparación con las otras dos. Esto coincide con estudios previos (Tokuhama-Espinosa, 2018)
que indican que los docentes suelen preferir enfoques estructurados en la enseñanza de
habilidades cognitivas.
Vol. 12/ Núm. 4 2025 pág. 2951
Sinergia Uso de Herramientas Emocional-Intuitivas
El uso de herramientas emocional-intuitivas fue significativamente menor en
comparación con las demás sinergias. Esto puede estar relacionado con una menor formación de
los docentes en metodologías que integren elementos emocionales y creativos en la enseñanza.
Investigaciones previas (Shute, Sun & Asbell-Clarke, 2017) han demostrado que el uso de
estrategias basadas en la intuición y la creatividad mejora la motivación y el aprendizaje de los
estudiantes, por lo que se recomienda una mayor integración de estas técnicas en la práctica
docente.
Sinergia Uso de Herramientas Operativo-Factuales
La sinergia operativo-factual se enfoca en el aprendizaje basado en la manipulación, el
uso de herramientas y la realización de actividades prácticas. En este estudio, se encontró que esta
sinergia es utilizada en un nivel medio, pero con una alta variabilidad entre docentes. Esto indica
que algunos docentes logran implementarla de manera efectiva, mientras que otros no integran
estos enfoques de manera significativa en sus prácticas de enseñanza.
Análisis Detallado de las Variables Extrañas
Edad y Género de los Estudiantes
Los resultados mostraron que la edad de los estudiantes en la muestra varía entre 13 y 18
años, con una mediana de 15 años. Este amplio rango de edades puede indicar la presencia de
estudiantes en extraedad, lo que puede afectar la forma en que se enfrentan a las actividades de
pensamiento computacional (Marañón y González, 2021).
Edad y Género de los Docentes
En cuanto a los docentes, se encontró que la mayoría pertenece al género masculino
(88.9%) y tienen una experiencia docente promedio de 15 años. Se identificó que los docentes
con mayor experiencia mostraron un uso más estructurado de herramientas neuropedagógicas,
pero también mayor resistencia a la innovación metodológica.
Contexto Institucional
El estudio incluyó tanto instituciones urbanas como rurales, encontrando que el acceso a
tecnología es un factor clave en el desarrollo del pensamiento computacional. Las instituciones
rurales mostraron mayores dificultades en el acceso a herramientas tecnológicas, lo que afecta la
implementación de estrategias innovadoras (Selwyn, 2016).
Resultados de los Eventos y Análisis de Correlaciones
Correlaciones encontradas
Los análisis estadísticos revelaron que las estrategias analítico-racionales y operativo-
factuales tienen una correlación con el desarrollo del pensamiento computacional, mientras que
las estrategias emocional-intuitivas no mostraron una relación significativa. Estos hallazgos
refuerzan la idea de que los enfoques estructurados generan mejores resultados en el aprendizaje
computacional (Spelke, 2005).
Sinergia Uso de Herramientas Emocional-Intuitivas
El uso de herramientas emocional-intuitivas fue significativamente menor en
comparación con las demás sinergias. Esto puede estar relacionado con una menor formación de
los docentes en metodologías que integren elementos emocionales y creativos en la enseñanza.
Investigaciones previas (Shute, Sun & Asbell-Clarke, 2017) han demostrado que el uso de
estrategias basadas en la intuición y la creatividad mejora la motivación y el aprendizaje de los
estudiantes, por lo que se recomienda una mayor integración de estas técnicas en la práctica
docente.
Sinergia Uso de Herramientas Operativo-Factuales
La sinergia operativo-factual se enfoca en el aprendizaje basado en la manipulación, el
uso de herramientas y la realización de actividades prácticas. En este estudio, se encontró que esta
sinergia es utilizada en un nivel medio, pero con una alta variabilidad entre docentes. Esto indica
que algunos docentes logran implementarla de manera efectiva, mientras que otros no integran
estos enfoques de manera significativa en sus prácticas de enseñanza.
Análisis Detallado de las Variables Extrañas
Edad y Género de los Estudiantes
Los resultados mostraron que la edad de los estudiantes en la muestra varía entre 13 y 18
años, con una mediana de 15 años. Este amplio rango de edades puede indicar la presencia de
estudiantes en extraedad, lo que puede afectar la forma en que se enfrentan a las actividades de
pensamiento computacional (Marañón y González, 2021).
Edad y Género de los Docentes
En cuanto a los docentes, se encontró que la mayoría pertenece al género masculino
(88.9%) y tienen una experiencia docente promedio de 15 años. Se identificó que los docentes
con mayor experiencia mostraron un uso más estructurado de herramientas neuropedagógicas,
pero también mayor resistencia a la innovación metodológica.
Contexto Institucional
El estudio incluyó tanto instituciones urbanas como rurales, encontrando que el acceso a
tecnología es un factor clave en el desarrollo del pensamiento computacional. Las instituciones
rurales mostraron mayores dificultades en el acceso a herramientas tecnológicas, lo que afecta la
implementación de estrategias innovadoras (Selwyn, 2016).
Resultados de los Eventos y Análisis de Correlaciones
Correlaciones encontradas
Los análisis estadísticos revelaron que las estrategias analítico-racionales y operativo-
factuales tienen una correlación con el desarrollo del pensamiento computacional, mientras que
las estrategias emocional-intuitivas no mostraron una relación significativa. Estos hallazgos
refuerzan la idea de que los enfoques estructurados generan mejores resultados en el aprendizaje
computacional (Spelke, 2005).
Vol. 12/ Núm. 4 2025 pág. 2952
Relación entre las variables extrañas y el desarrollo del pensamiento computacional
Se encontró que el acceso a tecnología y la formación docente tienen una influencia
significativa en la relación entre neuropedagogía y pensamiento computacional. Sin embargo,
algunas correlaciones negativas inesperadas sugieren que ciertos factores no previstos pueden
estar afectando los resultados de manera adversa.
Caracterización del desarrollo del pensamiento computacional
El análisis del Test de Pensamiento Computacional (TPC) muestra que la mayoría de los
estudiantes obtuvieron puntuaciones en los niveles más bajos. Esto indica que existe una
deficiencia generalizada en el desarrollo de habilidades computacionales esenciales,
especialmente en áreas rurales donde los estudiantes enfrentan barreras adicionales como menor
acceso a tecnología y formación en informática.
Figura 3
Comparación del desempeño en el TPC por contexto
Descripción del Uso de Herramientas Neuropedagógicas
Se observó que los docentes tienden a usar estrategias analítico-racionales y operativo-
factuales con mayor frecuencia, mientras que las estrategias emocional-intuitivas son menos
implementadas. Esto puede deberse a que los docentes confían más en enfoques estructurados y
secuenciales para la enseñanza de informática, aunque la integración de metodologías más
creativas podría mejorar el aprendizaje y el pensamiento crítico de los estudiantes.
Relación entre las variables extrañas y el desarrollo del pensamiento computacional
Se encontró que el acceso a tecnología y la formación docente tienen una influencia
significativa en la relación entre neuropedagogía y pensamiento computacional. Sin embargo,
algunas correlaciones negativas inesperadas sugieren que ciertos factores no previstos pueden
estar afectando los resultados de manera adversa.
Caracterización del desarrollo del pensamiento computacional
El análisis del Test de Pensamiento Computacional (TPC) muestra que la mayoría de los
estudiantes obtuvieron puntuaciones en los niveles más bajos. Esto indica que existe una
deficiencia generalizada en el desarrollo de habilidades computacionales esenciales,
especialmente en áreas rurales donde los estudiantes enfrentan barreras adicionales como menor
acceso a tecnología y formación en informática.
Figura 3
Comparación del desempeño en el TPC por contexto
Descripción del Uso de Herramientas Neuropedagógicas
Se observó que los docentes tienden a usar estrategias analítico-racionales y operativo-
factuales con mayor frecuencia, mientras que las estrategias emocional-intuitivas son menos
implementadas. Esto puede deberse a que los docentes confían más en enfoques estructurados y
secuenciales para la enseñanza de informática, aunque la integración de metodologías más
creativas podría mejorar el aprendizaje y el pensamiento crítico de los estudiantes.
Vol. 12/ Núm. 4 2025 pág. 2953
Figura 4
Uso de estrategias neuropedagógicas
Influencia de Variables Extrañas en el Desarrollo del Pensamiento Computacional
Las variables extrañas en esta investigación incluyen factores sociodemográficos y
contextuales que pueden influir en la relación entre el uso de herramientas neuropedagógicas y el
desarrollo del pensamiento computacional. Ahora, se proporciona un análisis detallado de estas
variables, con gráficos y su respectiva interpretación.
Variables Extrañas Asociadas a los Estudiantes
Edad de los Estudiantes
La distribución de edad muestra que la mayoría de los estudiantes se encuentran en el
rango de 15 a 16 años, lo que corresponde a la edad esperada para el grado noveno. Sin embargo,
un porcentaje de estudiantes se encuentra en extraedad (17-18 años), lo que puede ser un factor
de riesgo en su aprendizaje. Los estudios de Marañón y González (2021) indican que la extraedad
está asociada con mayores dificultades académicas, lo que podría estar afectando la capacidad de
estos estudiantes para desarrollar habilidades computacionales.
Figura 5
Distribución de Edad de los Estudiantes
La alta concentración de estudiantes en el rango de 15 años indica que la muestra es
representativa de la población escolar regular. No obstante, la presencia de estudiantes de 17-18
Figura 4
Uso de estrategias neuropedagógicas
Influencia de Variables Extrañas en el Desarrollo del Pensamiento Computacional
Las variables extrañas en esta investigación incluyen factores sociodemográficos y
contextuales que pueden influir en la relación entre el uso de herramientas neuropedagógicas y el
desarrollo del pensamiento computacional. Ahora, se proporciona un análisis detallado de estas
variables, con gráficos y su respectiva interpretación.
Variables Extrañas Asociadas a los Estudiantes
Edad de los Estudiantes
La distribución de edad muestra que la mayoría de los estudiantes se encuentran en el
rango de 15 a 16 años, lo que corresponde a la edad esperada para el grado noveno. Sin embargo,
un porcentaje de estudiantes se encuentra en extraedad (17-18 años), lo que puede ser un factor
de riesgo en su aprendizaje. Los estudios de Marañón y González (2021) indican que la extraedad
está asociada con mayores dificultades académicas, lo que podría estar afectando la capacidad de
estos estudiantes para desarrollar habilidades computacionales.
Figura 5
Distribución de Edad de los Estudiantes
La alta concentración de estudiantes en el rango de 15 años indica que la muestra es
representativa de la población escolar regular. No obstante, la presencia de estudiantes de 17-18
Vol. 12/ Núm. 4 2025 pág. 2954
años sugiere que algunos han repetido grados y han dejado sus estudios durante un tiempo, lo que
podría impactar su proceso de aprendizaje en pensamiento computacional.
Género de los Estudiantes
La distribución de género es prácticamente equitativa en la muestra, con una ligera
mayoría de estudiantes femeninas. Los análisis estadísticos indicaron que no hubo diferencias
significativas en el desempeño de pensamiento computacional según el género. Esto concuerda
con estudios previos (Brennan & Resnick, 2012) que sugieren que el género no es un factor
determinante en el aprendizaje de la informática, aunque pueden existir diferencias en el interés
y la motivación hacia la materia.
Figura 6
Distribución por Género de los Estudiantes
La equidad en la representación de género indica que la investigación no está sesgada hacia
un grupo en particular. El hecho de que no haya diferencias significativas en el desempeño sugiere
que el aprendizaje del pensamiento computacional puede ser promovido de manera equitativa
para todos los estudiantes, independientemente del género.
Variables Extrañas Asociadas a los Docentes
Experiencia Docente
El análisis de la experiencia docente indica que la mayoría de los profesores tienen entre
11 y 15 años de experiencia. Esto es relevante, ya que estudios previos sugieren que los docentes
con mayor experiencia tienden a usar estrategias pedagógicas más estructuradas, pero también
pueden presentar resistencia a metodologías innovadoras.
años sugiere que algunos han repetido grados y han dejado sus estudios durante un tiempo, lo que
podría impactar su proceso de aprendizaje en pensamiento computacional.
Género de los Estudiantes
La distribución de género es prácticamente equitativa en la muestra, con una ligera
mayoría de estudiantes femeninas. Los análisis estadísticos indicaron que no hubo diferencias
significativas en el desempeño de pensamiento computacional según el género. Esto concuerda
con estudios previos (Brennan & Resnick, 2012) que sugieren que el género no es un factor
determinante en el aprendizaje de la informática, aunque pueden existir diferencias en el interés
y la motivación hacia la materia.
Figura 6
Distribución por Género de los Estudiantes
La equidad en la representación de género indica que la investigación no está sesgada hacia
un grupo en particular. El hecho de que no haya diferencias significativas en el desempeño sugiere
que el aprendizaje del pensamiento computacional puede ser promovido de manera equitativa
para todos los estudiantes, independientemente del género.
Variables Extrañas Asociadas a los Docentes
Experiencia Docente
El análisis de la experiencia docente indica que la mayoría de los profesores tienen entre
11 y 15 años de experiencia. Esto es relevante, ya que estudios previos sugieren que los docentes
con mayor experiencia tienden a usar estrategias pedagógicas más estructuradas, pero también
pueden presentar resistencia a metodologías innovadoras.
Vol. 12/ Núm. 4 2025 pág. 2955
Figura 7
Distribución de la Experiencia Docente
La mayoría de los docentes tienen una trayectoria considerable en la enseñanza, lo que
puede favorecer la implementación de metodologías consolidadas. Sin embargo, el desafío radica
en fomentar la adopción de herramientas neuropedagógicas innovadoras en aquellos docentes con
más de 15 años de experiencia, quienes podrían estar más arraigados a enfoques tradicionales.
Variables Extrañas Asociadas a las Instituciones Educativas
Contexto Institucional
La distribución de instituciones muestra que la mayoría de los estudiantes provienen de
entornos urbanos, donde se espera un mejor acceso a tecnología y recursos educativos. Sin
embargo, la proporción de estudiantes en contextos rurales es significativa, lo que resalta la
necesidad de analizar la brecha digital en el desarrollo del pensamiento computacional (Selwyn,
2016).
Figura 8
Distribución de Instituciones según Contexto
La mayor proporción de estudiantes en instituciones urbanas puede explicar los mejores
resultados en el pensamiento computacional en este grupo. En contraste, los estudiantes de
instituciones rurales pueden enfrentar barreras tecnológicas y metodológicas que limitan su
desarrollo en esta competencia.
Correlaciones entre Variables Extrañas y el Pensamiento Computacional
El análisis de correlaciones en esta investigación permite identificar qué variables
externas influyen en el desarrollo del pensamiento computacional de los estudiantes. Para ello, se
Figura 7
Distribución de la Experiencia Docente
La mayoría de los docentes tienen una trayectoria considerable en la enseñanza, lo que
puede favorecer la implementación de metodologías consolidadas. Sin embargo, el desafío radica
en fomentar la adopción de herramientas neuropedagógicas innovadoras en aquellos docentes con
más de 15 años de experiencia, quienes podrían estar más arraigados a enfoques tradicionales.
Variables Extrañas Asociadas a las Instituciones Educativas
Contexto Institucional
La distribución de instituciones muestra que la mayoría de los estudiantes provienen de
entornos urbanos, donde se espera un mejor acceso a tecnología y recursos educativos. Sin
embargo, la proporción de estudiantes en contextos rurales es significativa, lo que resalta la
necesidad de analizar la brecha digital en el desarrollo del pensamiento computacional (Selwyn,
2016).
Figura 8
Distribución de Instituciones según Contexto
La mayor proporción de estudiantes en instituciones urbanas puede explicar los mejores
resultados en el pensamiento computacional en este grupo. En contraste, los estudiantes de
instituciones rurales pueden enfrentar barreras tecnológicas y metodológicas que limitan su
desarrollo en esta competencia.
Correlaciones entre Variables Extrañas y el Pensamiento Computacional
El análisis de correlaciones en esta investigación permite identificar qué variables
externas influyen en el desarrollo del pensamiento computacional de los estudiantes. Para ello, se
Vol. 12/ Núm. 4 2025 pág. 2956
han examinado relaciones entre variables sociodemográficas, contextuales y pedagógicas,
evaluando su impacto en los resultados obtenidos.
Impacto del Acceso a Tecnología en el Pensamiento Computacional
El acceso a tecnología se identificó como una de las variables con mayor influencia
positiva en el desarrollo del pensamiento computacional. Los estudiantes que contaban con mayor
disponibilidad de dispositivos electrónicos, software educativo y conexión a internet en su
institución presentaron mejores puntajes en el Test de Pensamiento Computacional (TPC). Esto
concuerda con estudios previos de Selwyn (2016) y UNESCO (2021), donde se resalta la relación
entre la infraestructura digital y la capacidad de resolución de problemas computacionales.
Sin embargo, se observó una brecha tecnológica significativa entre los estudiantes de
instituciones urbanas y rurales. Mientras que en las zonas urbanas el acceso a computadoras y
programas de codificación es habitual, en zonas rurales los estudiantes dependen en gran medida
de dispositivos móviles y tienen un acceso limitado a laboratorios de informática. Esta diferencia
se reflejó en los resultados del TPC, donde los estudiantes urbanos superaron a sus pares rurales
en un 25% en promedio.
Relación entre la formación docente y el pensamiento computacional
Otro factor determinante en el desarrollo del pensamiento computacional fue el nivel de
formación docente. Los docentes se ubicaron en nivel pregrado, especialización, maestría y
doctorado. El nivel de maestría es el más representativo. Esto respalda las afirmaciones de
Tokuhama-Espinosa (2018), quien señala que la formación especializada en educación permite
una mejor adaptación de las metodologías al desarrollo cognitivo de los estudiantes.
Los resultados de correlación mostraron que los docentes con posgrados en maestría
lograron mejores resultados en sus estudiantes, en comparación con aquellos que tenían
especialización. Sin embargo, también se identificó un grupo de docentes con alta resistencia al
uso de herramientas neuropedagógicas, lo que limitó el impacto positivo de estas estrategias en
sus clases.
Correlaciones negativas inesperadas
Si bien la mayoría de las correlaciones fueron consistentes con la hipótesis del estudio,
se encontraron algunas correlaciones negativas inesperadas. Por ejemplo, en algunos casos, los
docentes con mayor experiencia presentaron estudiantes con puntajes más bajos en el TPC. Esto
podría estar relacionado con una posible resistencia metodológica, donde los docentes con más
años de servicio tienden a recurrir a enfoques tradicionales en lugar de adoptar metodologías
innovadoras basadas en la neuropedagogía.
Otro hallazgo inesperado fue la baja correlación entre el uso de estrategias emocional-
intuitivas y el desempeño en pensamiento computacional. Aunque estudios previos (Shute, Sun
& Asbell-Clarke, 2017) indican que las estrategias basadas en la motivación y la creatividad
han examinado relaciones entre variables sociodemográficas, contextuales y pedagógicas,
evaluando su impacto en los resultados obtenidos.
Impacto del Acceso a Tecnología en el Pensamiento Computacional
El acceso a tecnología se identificó como una de las variables con mayor influencia
positiva en el desarrollo del pensamiento computacional. Los estudiantes que contaban con mayor
disponibilidad de dispositivos electrónicos, software educativo y conexión a internet en su
institución presentaron mejores puntajes en el Test de Pensamiento Computacional (TPC). Esto
concuerda con estudios previos de Selwyn (2016) y UNESCO (2021), donde se resalta la relación
entre la infraestructura digital y la capacidad de resolución de problemas computacionales.
Sin embargo, se observó una brecha tecnológica significativa entre los estudiantes de
instituciones urbanas y rurales. Mientras que en las zonas urbanas el acceso a computadoras y
programas de codificación es habitual, en zonas rurales los estudiantes dependen en gran medida
de dispositivos móviles y tienen un acceso limitado a laboratorios de informática. Esta diferencia
se reflejó en los resultados del TPC, donde los estudiantes urbanos superaron a sus pares rurales
en un 25% en promedio.
Relación entre la formación docente y el pensamiento computacional
Otro factor determinante en el desarrollo del pensamiento computacional fue el nivel de
formación docente. Los docentes se ubicaron en nivel pregrado, especialización, maestría y
doctorado. El nivel de maestría es el más representativo. Esto respalda las afirmaciones de
Tokuhama-Espinosa (2018), quien señala que la formación especializada en educación permite
una mejor adaptación de las metodologías al desarrollo cognitivo de los estudiantes.
Los resultados de correlación mostraron que los docentes con posgrados en maestría
lograron mejores resultados en sus estudiantes, en comparación con aquellos que tenían
especialización. Sin embargo, también se identificó un grupo de docentes con alta resistencia al
uso de herramientas neuropedagógicas, lo que limitó el impacto positivo de estas estrategias en
sus clases.
Correlaciones negativas inesperadas
Si bien la mayoría de las correlaciones fueron consistentes con la hipótesis del estudio,
se encontraron algunas correlaciones negativas inesperadas. Por ejemplo, en algunos casos, los
docentes con mayor experiencia presentaron estudiantes con puntajes más bajos en el TPC. Esto
podría estar relacionado con una posible resistencia metodológica, donde los docentes con más
años de servicio tienden a recurrir a enfoques tradicionales en lugar de adoptar metodologías
innovadoras basadas en la neuropedagogía.
Otro hallazgo inesperado fue la baja correlación entre el uso de estrategias emocional-
intuitivas y el desempeño en pensamiento computacional. Aunque estudios previos (Shute, Sun
& Asbell-Clarke, 2017) indican que las estrategias basadas en la motivación y la creatividad
Vol. 12/ Núm. 4 2025 pág. 2957
pueden mejorar el aprendizaje en otras áreas, en este caso no se evidenció un impacto significativo
en la resolución de problemas computacionales.
El análisis de correlaciones confirma que, aunque existe relación, en varios casos son
negativas; relaciones inesperadas que sugieren que otros factores, como la resistencia
metodológica y el contexto institucional, pueden influir en los resultados. Se recomienda seguir
investigando estas correlaciones para comprender mejor cómo optimizar la enseñanza del
pensamiento computacional en distintos entornos educativos.
DISCUSIÓN
Análisis del Desarrollo del Pensamiento Computacional en los Estudiantes
El análisis del test de pensamiento computacional (TPC) evidencia que los estudiantes de
grado noveno presentan dificultades significativas en la adquisición de esta habilidad. Estos
hallazgos concuerdan con estudios previos como los de Román et al. (2015) y Brennan & Resnick
(2012), quienes resaltan la falta de estrategias pedagógicas efectivas para la enseñanza del
pensamiento computacional en contextos escolares tradicionales. En particular, se identificó que
la sinergia de secuenciación es la más deficitaria, lo que sugiere problemas en la organización
lógica y estructuración de algoritmos.
La comparación entre contextos urbanos y rurales mostró diferencias significativas en el
desempeño de los estudiantes. Los estudiantes de zonas urbanas obtuvieron puntajes más altos en
promedio, lo que se relaciona con un mayor acceso a tecnologías digitales y programas educativos
innovadores (Kong & Lai, 2022). Sin embargo, estos resultados también destacan la necesidad de
implementar estrategias específicas para fortalecer el pensamiento computacional en entornos
rurales, donde la falta de recursos tecnológicos limita el aprendizaje.
Uso de herramientas neuropedagógicas por los docentes
El análisis del uso de herramientas neuropedagógicas indica que los docentes prefieren
estrategias analítico-racionales y operativo-factuales, mientras que las estrategias emocional-
intuitivas son menos implementadas. Esta tendencia es coherente con los hallazgos de Tokuhama-
Espinosa (2018), quien destaca la predilección de los docentes por metodologías estructuradas en
la enseñanza de habilidades cognitivas. No obstante, la baja aplicación de estrategias emocional-
intuitivas podría limitar el desarrollo de la creatividad y la motivación en los estudiantes, aspectos
clave en el aprendizaje (Shute, Sun & Asbell-Clarke, 2017).
En términos generales, la implementación de herramientas neuropedagógicas varió según
la experiencia del docente. Los docentes con más de 10 años de experiencia mostraron un uso
más estructurado y frecuente de estas estrategias, lo que concuerda con lo señalado por De Gregori
(1999) sobre la importancia de la experiencia en la aplicación de metodologías neuropedagógicas.
Sin embargo, este mismo grupo de docentes también presentó mayor resistencia al cambio
metodológico, lo que sugiere la necesidad de capacitaciones continuas para actualizar las prácticas
pueden mejorar el aprendizaje en otras áreas, en este caso no se evidenció un impacto significativo
en la resolución de problemas computacionales.
El análisis de correlaciones confirma que, aunque existe relación, en varios casos son
negativas; relaciones inesperadas que sugieren que otros factores, como la resistencia
metodológica y el contexto institucional, pueden influir en los resultados. Se recomienda seguir
investigando estas correlaciones para comprender mejor cómo optimizar la enseñanza del
pensamiento computacional en distintos entornos educativos.
DISCUSIÓN
Análisis del Desarrollo del Pensamiento Computacional en los Estudiantes
El análisis del test de pensamiento computacional (TPC) evidencia que los estudiantes de
grado noveno presentan dificultades significativas en la adquisición de esta habilidad. Estos
hallazgos concuerdan con estudios previos como los de Román et al. (2015) y Brennan & Resnick
(2012), quienes resaltan la falta de estrategias pedagógicas efectivas para la enseñanza del
pensamiento computacional en contextos escolares tradicionales. En particular, se identificó que
la sinergia de secuenciación es la más deficitaria, lo que sugiere problemas en la organización
lógica y estructuración de algoritmos.
La comparación entre contextos urbanos y rurales mostró diferencias significativas en el
desempeño de los estudiantes. Los estudiantes de zonas urbanas obtuvieron puntajes más altos en
promedio, lo que se relaciona con un mayor acceso a tecnologías digitales y programas educativos
innovadores (Kong & Lai, 2022). Sin embargo, estos resultados también destacan la necesidad de
implementar estrategias específicas para fortalecer el pensamiento computacional en entornos
rurales, donde la falta de recursos tecnológicos limita el aprendizaje.
Uso de herramientas neuropedagógicas por los docentes
El análisis del uso de herramientas neuropedagógicas indica que los docentes prefieren
estrategias analítico-racionales y operativo-factuales, mientras que las estrategias emocional-
intuitivas son menos implementadas. Esta tendencia es coherente con los hallazgos de Tokuhama-
Espinosa (2018), quien destaca la predilección de los docentes por metodologías estructuradas en
la enseñanza de habilidades cognitivas. No obstante, la baja aplicación de estrategias emocional-
intuitivas podría limitar el desarrollo de la creatividad y la motivación en los estudiantes, aspectos
clave en el aprendizaje (Shute, Sun & Asbell-Clarke, 2017).
En términos generales, la implementación de herramientas neuropedagógicas varió según
la experiencia del docente. Los docentes con más de 10 años de experiencia mostraron un uso
más estructurado y frecuente de estas estrategias, lo que concuerda con lo señalado por De Gregori
(1999) sobre la importancia de la experiencia en la aplicación de metodologías neuropedagógicas.
Sin embargo, este mismo grupo de docentes también presentó mayor resistencia al cambio
metodológico, lo que sugiere la necesidad de capacitaciones continuas para actualizar las prácticas
Vol. 12/ Núm. 4 2025 pág. 2958
pedagógicas. Cabe indicar también que los docentes con experiencia en tecnología diferente a la
académica, obtuvieron mejores resultados que los demás. Esta experiencia previa o alterna del
docente puede ser un punto de partida para futuras investigaciones.
Impacto de las Variables Extrañas en la Relación Principal
Las variables extrañas analizadas incluyeron la edad y género de los estudiantes, la edad
y género de los docentes, sus años de experiencia, formación académica y profesión; en cuanto a
las instituciones se tuvo en cuenta el contexto rural o urbano. Se asume que el acceso a tecnología
debe tener impacto significativo en el desarrollo del pensamiento computacional de los
estudiantes, confirmando los hallazgos de Selwyn (2016) sobre la importancia de la
infraestructura digital en el aprendizaje. Sin embargo, también se evidenció que la falta de
formación docente en herramientas neuropedagógicas limita la efectividad de la enseñanza en
contextos con mejor equipamiento.
Además, se identificó que diferencias en la aplicación de estrategias neuropedagógicas
según el género del docente pueden repercutir en los resultados. Los docentes de género
masculino pueden tener mayor preferencia por enfoques operativo-factuales, mientras que las
docentes de género femenino pueden ser dadas a integrar estrategias emocional-intuitivas con
mayor frecuencia. Estos resultados reflejan la importancia de considerar la diversidad en los
enfoques pedagógicos y la necesidad de equilibrar las estrategias utilizadas para maximizar el
aprendizaje de los estudiantes.
Correlaciones entre neuropedagogía y pensamiento computacional
Los análisis de correlación revelaron una relación inexistente entre el uso de herramientas
neuropedagógicas con el desarrollo del pensamiento computacional a nivel global. Parece que,
para el escenario de estudio con los instrumentos aplicados el uso de las herramientas no aporta
positiva ni negativamente. Por otro lado, las estrategias emocional-intuitivas no mostraron una
correlación significativa con el desarrollo del pensamiento computacional, lo que sugiere que
estos enfoques podrían ser más efectivos en el fortalecimiento de habilidades socioemocionales
que en la resolución de problemas lógicos.
Uno de los hallazgos más inesperados fue la correlación negativa entre el uso de
herramientas neuropedagógicas y el desarrollo del pensamiento computacional en contextos
urbanos. Esto indica que, en algunos casos, la implementación de estrategias neuropedagógicas
podría no estar alineada con las necesidades específicas de los estudiantes o que su aplicación es
inconsistente. Estos resultados sugieren la necesidad de evaluar no solo la presencia de estas
estrategias en el aula, sino también su calidad y adecuación a los procesos de aprendizaje.
Implicaciones teóricas y prácticas
Desde una perspectiva teórica, este estudio contribuye al campo de la neuroeducación al
demostrar la importancia de las estrategias neuropedagógicas en el desarrollo del pensamiento
computacional. Se respalda la noción de que los enfoques analítico-racionales y operativo-
pedagógicas. Cabe indicar también que los docentes con experiencia en tecnología diferente a la
académica, obtuvieron mejores resultados que los demás. Esta experiencia previa o alterna del
docente puede ser un punto de partida para futuras investigaciones.
Impacto de las Variables Extrañas en la Relación Principal
Las variables extrañas analizadas incluyeron la edad y género de los estudiantes, la edad
y género de los docentes, sus años de experiencia, formación académica y profesión; en cuanto a
las instituciones se tuvo en cuenta el contexto rural o urbano. Se asume que el acceso a tecnología
debe tener impacto significativo en el desarrollo del pensamiento computacional de los
estudiantes, confirmando los hallazgos de Selwyn (2016) sobre la importancia de la
infraestructura digital en el aprendizaje. Sin embargo, también se evidenció que la falta de
formación docente en herramientas neuropedagógicas limita la efectividad de la enseñanza en
contextos con mejor equipamiento.
Además, se identificó que diferencias en la aplicación de estrategias neuropedagógicas
según el género del docente pueden repercutir en los resultados. Los docentes de género
masculino pueden tener mayor preferencia por enfoques operativo-factuales, mientras que las
docentes de género femenino pueden ser dadas a integrar estrategias emocional-intuitivas con
mayor frecuencia. Estos resultados reflejan la importancia de considerar la diversidad en los
enfoques pedagógicos y la necesidad de equilibrar las estrategias utilizadas para maximizar el
aprendizaje de los estudiantes.
Correlaciones entre neuropedagogía y pensamiento computacional
Los análisis de correlación revelaron una relación inexistente entre el uso de herramientas
neuropedagógicas con el desarrollo del pensamiento computacional a nivel global. Parece que,
para el escenario de estudio con los instrumentos aplicados el uso de las herramientas no aporta
positiva ni negativamente. Por otro lado, las estrategias emocional-intuitivas no mostraron una
correlación significativa con el desarrollo del pensamiento computacional, lo que sugiere que
estos enfoques podrían ser más efectivos en el fortalecimiento de habilidades socioemocionales
que en la resolución de problemas lógicos.
Uno de los hallazgos más inesperados fue la correlación negativa entre el uso de
herramientas neuropedagógicas y el desarrollo del pensamiento computacional en contextos
urbanos. Esto indica que, en algunos casos, la implementación de estrategias neuropedagógicas
podría no estar alineada con las necesidades específicas de los estudiantes o que su aplicación es
inconsistente. Estos resultados sugieren la necesidad de evaluar no solo la presencia de estas
estrategias en el aula, sino también su calidad y adecuación a los procesos de aprendizaje.
Implicaciones teóricas y prácticas
Desde una perspectiva teórica, este estudio contribuye al campo de la neuroeducación al
demostrar la importancia de las estrategias neuropedagógicas en el desarrollo del pensamiento
computacional. Se respalda la noción de que los enfoques analítico-racionales y operativo-
Vol. 12/ Núm. 4 2025 pág. 2959
factuales son más efectivos en este tipo de aprendizaje, mientras que las estrategias emocional-
intuitivas podrían desempeñar un papel complementario en la motivación y el compromiso del
estudiante.
En términos prácticos, los resultados sugieren la necesidad de capacitaciones específicas
para los docentes en pensamiento computacional y su enseñanza y en la implementación efectiva
de herramientas neuropedagógicas. Asimismo, se recomienda la optimización del acceso a
tecnología en entornos rurales y el diseño de estrategias diferenciadas según el contexto
educativo. Finalmente, se enfatiza la importancia de una evaluación continua de las metodologías
empleadas para garantizar que realmente contribuyan al desarrollo del pensamiento
computacional en los estudiantes.
CONCLUSIONES
El presente estudio ha permitido identificar la relación entre el uso de herramientas
neuropedagógicas por parte de los docentes y el desarrollo del pensamiento computacional en
estudiantes de grado noveno en instituciones educativas públicas del municipio de Chía,
Cundinamarca. A lo largo del análisis, se evidenció que esta relación, aunque existente, no se dio
de manera homogénea ni en la dirección esperada, lo que abre nuevas líneas de investigación y
reflexión sobre la implementación de estrategias pedagógicas innovadoras en el aula.
Los resultados del test de pensamiento computacional (TPC) evidenciaron que los
estudiantes presentan dificultades considerables en el desarrollo de esta competencia. Esto se
alinea con estudios previos de Brennan y Resnick (2012), quienes identificaron deficiencias
similares en contextos donde la enseñanza del pensamiento computacional no se integra de
manera estructurada dentro del currículo. Además, se observó una brecha significativa entre
estudiantes de entornos urbanos y rurales, lo que concuerda con lo expuesto por Kong & Lai
(2022), quienes destacan que el acceso a tecnología influye directamente en el aprendizaje de
competencias computacionales.
Uso de herramientas neuropedagógicas por los docentes
El estudio reveló que los docentes de la muestra emplean en mayor medida estrategias
analítico-racionales y operativo-factuales, mientras que el uso de estrategias emocional-intuitivas
es limitado. Estos hallazgos coinciden con los de Tokuhama-Espinosa (2018), quien resalta la
preferencia de los docentes por enfoques estructurados en la enseñanza de habilidades cognitivas.
Sin embargo, Shute, Sun y Asbell-Clarke (2017) han demostrado que la inclusión de estrategias
emocional-intuitivas mejora la motivación de los estudiantes y, por ende, su desempeño
académico. Por lo tanto, se recomienda una mayor integración de este tipo de estrategias en el
aula.
factuales son más efectivos en este tipo de aprendizaje, mientras que las estrategias emocional-
intuitivas podrían desempeñar un papel complementario en la motivación y el compromiso del
estudiante.
En términos prácticos, los resultados sugieren la necesidad de capacitaciones específicas
para los docentes en pensamiento computacional y su enseñanza y en la implementación efectiva
de herramientas neuropedagógicas. Asimismo, se recomienda la optimización del acceso a
tecnología en entornos rurales y el diseño de estrategias diferenciadas según el contexto
educativo. Finalmente, se enfatiza la importancia de una evaluación continua de las metodologías
empleadas para garantizar que realmente contribuyan al desarrollo del pensamiento
computacional en los estudiantes.
CONCLUSIONES
El presente estudio ha permitido identificar la relación entre el uso de herramientas
neuropedagógicas por parte de los docentes y el desarrollo del pensamiento computacional en
estudiantes de grado noveno en instituciones educativas públicas del municipio de Chía,
Cundinamarca. A lo largo del análisis, se evidenció que esta relación, aunque existente, no se dio
de manera homogénea ni en la dirección esperada, lo que abre nuevas líneas de investigación y
reflexión sobre la implementación de estrategias pedagógicas innovadoras en el aula.
Los resultados del test de pensamiento computacional (TPC) evidenciaron que los
estudiantes presentan dificultades considerables en el desarrollo de esta competencia. Esto se
alinea con estudios previos de Brennan y Resnick (2012), quienes identificaron deficiencias
similares en contextos donde la enseñanza del pensamiento computacional no se integra de
manera estructurada dentro del currículo. Además, se observó una brecha significativa entre
estudiantes de entornos urbanos y rurales, lo que concuerda con lo expuesto por Kong & Lai
(2022), quienes destacan que el acceso a tecnología influye directamente en el aprendizaje de
competencias computacionales.
Uso de herramientas neuropedagógicas por los docentes
El estudio reveló que los docentes de la muestra emplean en mayor medida estrategias
analítico-racionales y operativo-factuales, mientras que el uso de estrategias emocional-intuitivas
es limitado. Estos hallazgos coinciden con los de Tokuhama-Espinosa (2018), quien resalta la
preferencia de los docentes por enfoques estructurados en la enseñanza de habilidades cognitivas.
Sin embargo, Shute, Sun y Asbell-Clarke (2017) han demostrado que la inclusión de estrategias
emocional-intuitivas mejora la motivación de los estudiantes y, por ende, su desempeño
académico. Por lo tanto, se recomienda una mayor integración de este tipo de estrategias en el
aula.
Vol. 12/ Núm. 4 2025 pág. 2960
Impacto de variables extrañas
El análisis de las variables extrañas demostró para el estudio que algunas variables tienen
un impacto significativo pero negativo en la relación entre el uso de herramientas
neuropedagógicas y pensamiento computacional. En particular, la correlación global entre los dos
eventos resultó ser inexistente. Asimismo, se encontró que los docentes con mayor experiencia
aplican herramientas neuropedagógicas de manera más estructurada, pero también presentan
mayor resistencia a los cambios metodológicos.
La presencia de correlaciones negativas en contextos urbanos plantea interrogantes sobre
la calidad y pertinencia de la implementación de estas estrategias, sugiriendo la necesidad de
ajustes metodológicos. Para el estudio, la pertenencia a contextos urbanos no garantiza que se el
desarrollo del pensamiento computacional en los estudiantes sea positivo, aun contando con
infraestructura tecnológica adecuada. La edad, genero, profesión y tiempo de servicio, tampoco
lo son. Por el contrario, la experiencia diferente a la académica en aspectos tecnológicos por parte
del docente da indicios de mejora en los resultados.
Teniendo en cuenta los objetivos del estudio se puede concluir en primera instancia que
los estudiantes de la muestra se encuentran por debajo del nivel esperado en la habilidad de
pensamiento computacional. En segunda medida, la mayoría de los docentes se ubican en niveles
medio y alto en cuanto al uso de herramientas neuropedagógicas. En tercer lugar, en cuanto la
descripción de algunas características de los estudiantes, docentes e instituciones del estudio, se
encontraron varios casos de extraedad en los estudiantes, la distribución de hombre y mujeres en
los estudiantes es similar, la mayoría de los docentes son de género masculino, se ubican más en
nivel de maestría y en cuanto a pregrado, la mayoría se ubican en profesiones relacionadas con
sistemas.
En el mismo sentido, en cuarta instancia, se encontraron algunas correlaciones negativas.
Solo variables extrañas como edad del estudiante y género, años de experiencia, profesión y
formación académica de los docentes evidenciaron relación significativa como también ocurrió
con el contexto de las instituciones; debido a esto, estas variables se tuvieron en cuenta en el
último objetivo que es confirmatorio en donde las hipótesis se corroboraron parcialmente, pero
contrario a lo esperado con grado de correlación negativa, al parecer indicando entonces que el
uso de las herramientas neuropedagógicas no está fortaleciendo el desarrollo de pensamiento
computacional en los estudiantes.
Recomendaciones
Mejoras en la enseñanza del pensamiento computacional
Para fortalecer el desarrollo del pensamiento computacional en los estudiantes, se
recomienda aparte del uso de herramientas neuropedagógicas, incorporar estrategias activas como
el aprendizaje basado en proyectos y el enfoque STEM. La UNESCO (2021) y Wing (2006) han
enfatizado que estos enfoques fomentan la resolución de problemas y el pensamiento crítico.
Impacto de variables extrañas
El análisis de las variables extrañas demostró para el estudio que algunas variables tienen
un impacto significativo pero negativo en la relación entre el uso de herramientas
neuropedagógicas y pensamiento computacional. En particular, la correlación global entre los dos
eventos resultó ser inexistente. Asimismo, se encontró que los docentes con mayor experiencia
aplican herramientas neuropedagógicas de manera más estructurada, pero también presentan
mayor resistencia a los cambios metodológicos.
La presencia de correlaciones negativas en contextos urbanos plantea interrogantes sobre
la calidad y pertinencia de la implementación de estas estrategias, sugiriendo la necesidad de
ajustes metodológicos. Para el estudio, la pertenencia a contextos urbanos no garantiza que se el
desarrollo del pensamiento computacional en los estudiantes sea positivo, aun contando con
infraestructura tecnológica adecuada. La edad, genero, profesión y tiempo de servicio, tampoco
lo son. Por el contrario, la experiencia diferente a la académica en aspectos tecnológicos por parte
del docente da indicios de mejora en los resultados.
Teniendo en cuenta los objetivos del estudio se puede concluir en primera instancia que
los estudiantes de la muestra se encuentran por debajo del nivel esperado en la habilidad de
pensamiento computacional. En segunda medida, la mayoría de los docentes se ubican en niveles
medio y alto en cuanto al uso de herramientas neuropedagógicas. En tercer lugar, en cuanto la
descripción de algunas características de los estudiantes, docentes e instituciones del estudio, se
encontraron varios casos de extraedad en los estudiantes, la distribución de hombre y mujeres en
los estudiantes es similar, la mayoría de los docentes son de género masculino, se ubican más en
nivel de maestría y en cuanto a pregrado, la mayoría se ubican en profesiones relacionadas con
sistemas.
En el mismo sentido, en cuarta instancia, se encontraron algunas correlaciones negativas.
Solo variables extrañas como edad del estudiante y género, años de experiencia, profesión y
formación académica de los docentes evidenciaron relación significativa como también ocurrió
con el contexto de las instituciones; debido a esto, estas variables se tuvieron en cuenta en el
último objetivo que es confirmatorio en donde las hipótesis se corroboraron parcialmente, pero
contrario a lo esperado con grado de correlación negativa, al parecer indicando entonces que el
uso de las herramientas neuropedagógicas no está fortaleciendo el desarrollo de pensamiento
computacional en los estudiantes.
Recomendaciones
Mejoras en la enseñanza del pensamiento computacional
Para fortalecer el desarrollo del pensamiento computacional en los estudiantes, se
recomienda aparte del uso de herramientas neuropedagógicas, incorporar estrategias activas como
el aprendizaje basado en proyectos y el enfoque STEM. La UNESCO (2021) y Wing (2006) han
enfatizado que estos enfoques fomentan la resolución de problemas y el pensamiento crítico.
Vol. 12/ Núm. 4 2025 pág. 2961
Además, se sugiere diseñar programas de intervención específicos para estudiantes en contextos
rurales, con el objetivo de cerrar la brecha de desempeño observada.
Fortalecimiento del uso de herramientas neuropedagógicas
Es esencial que los docentes reciban formación en el uso de herramientas
neuropedagógicas que equilibren estrategias analítico-racionales y emocional-intuitivas. Se
recomienda la implementación de talleres de capacitación en pensamiento computacional y apoyo
en neuroeducación en redes de aprendizaje de docentes en donde interactúen maestros
experimentados y nuevos, siguiendo las propuestas de Martínez et al. (2018) sobre formación
continua en neuroeducación. Además, el uso de tecnologías digitales, como simulaciones y
entornos interactivos, puede potenciar la efectividad de estas herramientas.
Capacitación docente y acceso a recursos
Se recomienda el desarrollo de programas de formación permanente en neuropedagogía
y pensamiento computacional para los docentes. Estos programas deben centrarse en
metodologías activas y en la personalización de estrategias según el contexto de los estudiantes.
Además, es crucial mejorar el acceso a tecnología en las instituciones educativas, especialmente
en zonas rurales, para reducir la brecha digital y asegurar oportunidades de aprendizaje
equitativas.
Dado que esta investigación es de carácter confirmatorio, se sugiere realizar estudios
explicativos que analicen nuevas variables como factores motivacionales y estilos de aprendizaje
en la enseñanza del pensamiento computacional. Asimismo, futuras investigaciones pueden
explorar el impacto de la formación docente en la resistencia al cambio metodológico y en la
integración de estrategias innovadoras en el aula (Caballero, 2021).
Para el análisis de los datos de la investigación se acudió a técnicas de comparación de U
de Man Whitney y Kruskal Wallis y de correlación con Spearman. Se recomienda la aplicación
de otros análisis como el de correspondencias múltiples como el que ofrece SPAD y que involucre
los ítems, las sinergias y los eventos de la data para profundizar más y así, obtener más
información que permita comprender más el fenómeno.
Además, se sugiere diseñar programas de intervención específicos para estudiantes en contextos
rurales, con el objetivo de cerrar la brecha de desempeño observada.
Fortalecimiento del uso de herramientas neuropedagógicas
Es esencial que los docentes reciban formación en el uso de herramientas
neuropedagógicas que equilibren estrategias analítico-racionales y emocional-intuitivas. Se
recomienda la implementación de talleres de capacitación en pensamiento computacional y apoyo
en neuroeducación en redes de aprendizaje de docentes en donde interactúen maestros
experimentados y nuevos, siguiendo las propuestas de Martínez et al. (2018) sobre formación
continua en neuroeducación. Además, el uso de tecnologías digitales, como simulaciones y
entornos interactivos, puede potenciar la efectividad de estas herramientas.
Capacitación docente y acceso a recursos
Se recomienda el desarrollo de programas de formación permanente en neuropedagogía
y pensamiento computacional para los docentes. Estos programas deben centrarse en
metodologías activas y en la personalización de estrategias según el contexto de los estudiantes.
Además, es crucial mejorar el acceso a tecnología en las instituciones educativas, especialmente
en zonas rurales, para reducir la brecha digital y asegurar oportunidades de aprendizaje
equitativas.
Dado que esta investigación es de carácter confirmatorio, se sugiere realizar estudios
explicativos que analicen nuevas variables como factores motivacionales y estilos de aprendizaje
en la enseñanza del pensamiento computacional. Asimismo, futuras investigaciones pueden
explorar el impacto de la formación docente en la resistencia al cambio metodológico y en la
integración de estrategias innovadoras en el aula (Caballero, 2021).
Para el análisis de los datos de la investigación se acudió a técnicas de comparación de U
de Man Whitney y Kruskal Wallis y de correlación con Spearman. Se recomienda la aplicación
de otros análisis como el de correspondencias múltiples como el que ofrece SPAD y que involucre
los ítems, las sinergias y los eventos de la data para profundizar más y así, obtener más
información que permita comprender más el fenómeno.
Vol. 12/ Núm. 4 2025 pág. 2962
REFERENCIAS
Alcaldía de Chía. (2020). Plan Estratégico de Tecnologías de la Información 2020-2023.
Recuperado de https://www.chia-cundinamarca.gov.co
Bers, M., Flannery, L., Kazakoff, E., & Sullivan, A. (2014). Computational thinking and young
children: ScratchJr in the classroom. Computers & Education, 78, 1-15.
Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development
of computational thinking. Annual Meeting of the American Educational Research
Association.
Bueno, D. (2018). Neuroeducación: Cómo aplica la neurociencia en el aula. Barcelona: Ediciones
Paidós.
Caballero, C. (2021). Resistencia docente ante metodologías innovadoras en educación
secundaria. Revista de Pedagogía, 42(1), 89-110.
Carminati, F., & Waipan, P. (2017). The role of multisensory learning in computational education.
Computational Education Journal, 25(3), 55-72.
De Gregori, R. (1999). Metodología neuropedagógica y resistencia docente al cambio. Educación
y Sociedad, 15(3), 35-47.
Departamento Nacional de Planeación DNP. (2018). Estado de la educación tecnológica en
Colombia. Ministerio de Ciencia, Tecnología e Innovación.
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014). Metodología de la
investigación (6ª ed.). McGraw-Hill.
Hurtado, J. (2012). Metodología de la investigación, guía para la comprensión holística de la
ciencia. Bogotá-Caracas: Quirón.
Kong, S. C., & Lai, M. (2022). The impact of computational thinking education on student
learning outcomes: A meta-analysis. Journal of Educational Computing Research, 60(4),
1254-1278.
Martínez, J., Pérez, R., & Gómez, S. (2018). Neuroeducación en la enseñanza del pensamiento
computacional: Aplicaciones y desafíos. Neurociencia Educativa, 12(3), 115-140.
MEN. (2019). Políticas de educación y TIC en Colombia. Ministerio de Educación Nacional de
Colombia.
Marañón, D., & González, P. (2021). Efectos de la extraedad en el aprendizaje de pensamiento
computacional. Revista Latinoamericana de Educación, 30(2), 65-78.
Román, J., Rodríguez, C., & Pérez, A. (2015). Evaluación del pensamiento computacional en
educación secundaria. Revista de Tecnología Educativa, 19(2), 87-102.
Selwyn, N. (2016). Education and technology: Key issues and debates. Bloomsbury Publishing.
Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking.
Educational Research Review, 22, 142-158.
REFERENCIAS
Alcaldía de Chía. (2020). Plan Estratégico de Tecnologías de la Información 2020-2023.
Recuperado de https://www.chia-cundinamarca.gov.co
Bers, M., Flannery, L., Kazakoff, E., & Sullivan, A. (2014). Computational thinking and young
children: ScratchJr in the classroom. Computers & Education, 78, 1-15.
Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development
of computational thinking. Annual Meeting of the American Educational Research
Association.
Bueno, D. (2018). Neuroeducación: Cómo aplica la neurociencia en el aula. Barcelona: Ediciones
Paidós.
Caballero, C. (2021). Resistencia docente ante metodologías innovadoras en educación
secundaria. Revista de Pedagogía, 42(1), 89-110.
Carminati, F., & Waipan, P. (2017). The role of multisensory learning in computational education.
Computational Education Journal, 25(3), 55-72.
De Gregori, R. (1999). Metodología neuropedagógica y resistencia docente al cambio. Educación
y Sociedad, 15(3), 35-47.
Departamento Nacional de Planeación DNP. (2018). Estado de la educación tecnológica en
Colombia. Ministerio de Ciencia, Tecnología e Innovación.
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014). Metodología de la
investigación (6ª ed.). McGraw-Hill.
Hurtado, J. (2012). Metodología de la investigación, guía para la comprensión holística de la
ciencia. Bogotá-Caracas: Quirón.
Kong, S. C., & Lai, M. (2022). The impact of computational thinking education on student
learning outcomes: A meta-analysis. Journal of Educational Computing Research, 60(4),
1254-1278.
Martínez, J., Pérez, R., & Gómez, S. (2018). Neuroeducación en la enseñanza del pensamiento
computacional: Aplicaciones y desafíos. Neurociencia Educativa, 12(3), 115-140.
MEN. (2019). Políticas de educación y TIC en Colombia. Ministerio de Educación Nacional de
Colombia.
Marañón, D., & González, P. (2021). Efectos de la extraedad en el aprendizaje de pensamiento
computacional. Revista Latinoamericana de Educación, 30(2), 65-78.
Román, J., Rodríguez, C., & Pérez, A. (2015). Evaluación del pensamiento computacional en
educación secundaria. Revista de Tecnología Educativa, 19(2), 87-102.
Selwyn, N. (2016). Education and technology: Key issues and debates. Bloomsbury Publishing.
Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking.
Educational Research Review, 22, 142-158.
Vol. 12/ Núm. 4 2025 pág. 2963
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology and Distance Learning, 2(1), 3-10.
Spelke, E. (2005). Sex differences in intrinsic aptitude for mathematics and science? A critical
review. American Psychologist, 60(9), 950-958.
Tokuhama-Espinosa, T. (2018). Neuromyths: Debunking false ideas about the brain. Academic
Press.
UNESCO. (2021). Desarrollo del pensamiento computacional en la educación básica. Informe
técnico global sobre educación y tecnología.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of
Instructional Technology and Distance Learning, 2(1), 3-10.
Spelke, E. (2005). Sex differences in intrinsic aptitude for mathematics and science? A critical
review. American Psychologist, 60(9), 950-958.
Tokuhama-Espinosa, T. (2018). Neuromyths: Debunking false ideas about the brain. Academic
Press.
UNESCO. (2021). Desarrollo del pensamiento computacional en la educación básica. Informe
técnico global sobre educación y tecnología.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.