Vol. 13/ Núm. 2 2026 pág. 1142
https://doi.org/10.69639/arandu.v13i2.2251
Desarrollo del Pensamiento Computacional en Adolescentes
Bachilleres
Development of Computational Thinking in High School Adolescents
Carlos Andrés Parrales Villamar
cparralesv4@unemi.edu.ec
https://orcid.org/0009-0002-7353-8680
Universidad Estatal de Milagro – Posgrado
Milagro – Ecuador
Kevin Gabriel Castillo Villegas
kcastillov@unemi.edu.ec
https://orcid.org/0009-0004-1688-5613
Universidad Estatal de Milagro
Milagro – Ecuador
Adriana Margarita Sánchez Caicedo
asanchezc4@unemi.edu.ec
https://orcid.org/0000-0002-1054-9756
Universidad Estatal de Milagro
Milagro – Ecuador
Mirella Azucena Correa Peralta
asanchezc4@unemi.edu.ec
https://orcid.org/0000-0003-1426-0244
Universidad Estatal de Milagro
Milagro – Ecuador
Artículo recibido:18 marzo 2026- Aceptado para publicación:20 abril 2026
Conflictos de intereses: Ninguno que declarar.
RESUMEN
El presente artículo formó parte de un proyecto de vinculación con la sociedad y tuvo como
objetivo analizar el nivel de pensamiento computacional de adolescentes bachilleres en el entorno
social de los estudiantes de la carrera de Tecnología de la Información en línea. La investigación
tuvo un enfoque cuantitativo de tipo experimental y se aplicó el Test de Pensamiento
Computacional (TPC), que evalúa seis conceptos computacionales mediante 28 ítems distribuidos
en cinco dimensiones. El instrumento fue aplicado a una muestra de 96 participantes con edades
comprendidas entre los 14 y 18 años, pertenecientes al nivel de bachillerato en Ecuador, antes y
después de un proceso de capacitación en programación con Scratch. Los resultados evidencian
una mejora promedio del 14,17% en el nivel de pensamiento computacional de los participantes,
con avances notables en los conceptos de Direcciones Básicas (17,45%), Condicional compuesto
if/else (18,77%) y Funciones Simples (14,35%). Los hallazgos mostraron que la inclusión
sistemática de contenidos de programación en los pénsum de bachillerato contribuye
Vol. 13/ Núm. 2 2026 pág. 1143
significativamente al fortalecimiento del razonamiento lógico-matemático, independientemente
del género, entorno socioeconómico o nivel académico previo de los estudiantes.
Palabras clave: pensamiento computacional, adolescentes bachilleres, Scratch,
programación
ABSTRACT
This article is part of a community outreach project and aims to analyze the level of computational
thinking among high school adolescents in the social environment of students enrolled in the
online Information Technology program. The research follows a quantitative-experimental design
based on the Computational Thinking Test (CTT), which assesses six computational concepts
through 28 items distributed across five dimensions. The instrument was administered to a sample
of 96 participants aged 14 to 18, from secondary education institutions in Ecuador, before and
after a programming training process using Scratch. Results show an average improvement of
14.17% in participants' computational thinking levels, with notable gains in Basic Directions
(17.45%), Compound Conditional if/else (18.77%), and Simple Functions (14.35%). The findings
suggest that the systematic integration of programming content into the high school curriculum
significantly strengthens logical-mathematical reasoning, regardless of gender, socioeconomic
background, or prior academic level.
Keywords: computational thinking; high school adolescents; Scratch; programming
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
significativamente al fortalecimiento del razonamiento lógico-matemático, independientemente
del género, entorno socioeconómico o nivel académico previo de los estudiantes.
Palabras clave: pensamiento computacional, adolescentes bachilleres, Scratch,
programación
ABSTRACT
This article is part of a community outreach project and aims to analyze the level of computational
thinking among high school adolescents in the social environment of students enrolled in the
online Information Technology program. The research follows a quantitative-experimental design
based on the Computational Thinking Test (CTT), which assesses six computational concepts
through 28 items distributed across five dimensions. The instrument was administered to a sample
of 96 participants aged 14 to 18, from secondary education institutions in Ecuador, before and
after a programming training process using Scratch. Results show an average improvement of
14.17% in participants' computational thinking levels, with notable gains in Basic Directions
(17.45%), Compound Conditional if/else (18.77%), and Simple Functions (14.35%). The findings
suggest that the systematic integration of programming content into the high school curriculum
significantly strengthens logical-mathematical reasoning, regardless of gender, socioeconomic
background, or prior academic level.
Keywords: computational thinking; high school adolescents; Scratch; programming
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. 13/ Núm. 2 2026 pág. 1144
INTRODUCCIÓN
El pensamiento computacional se ha consolidado como una competencia fundamental en
la educación del siglo XXI. Wing (2006) lo definió originalmente como el proceso de formular
problemas y sus soluciones de manera que puedan ser ejecutadas por una computadora, abarcando
habilidades como la abstracción, la descomposición de problemas, el reconocimiento de patrones
y el diseño de algoritmos. Autores como Barr y Stephenson (2011), Aho (2012) y The Royal
Society (2012) coinciden en que estas capacidades trascienden el ámbito de la informática y son
esenciales para enfrentar los desafíos de una sociedad en constante transformación tecnológica.
En el contexto ecuatoriano, la educación técnica y tecnológica enfrenta el reto de preparar
a los jóvenes no solo con conocimientos disciplinares, sino con habilidades de razonamiento
aplicables a situaciones reales. Las carreras de Tecnología de la Información, tanto presenciales
como en línea, tienen un rol estratégico en este proceso: sus estudiantes, al participar en proyectos
de vinculación con la sociedad, pueden convertirse en agentes de cambio educativo en sus
comunidades.
El modelo de inteligencias múltiples de Gardner (1995) reconoce la inteligencia lógico-
matemática como la capacidad de utilizar eficazmente los números y razonar acertadamente,
desarrollando sensibilidad hacia patrones y relaciones lógicas. Piaget (1969), por su parte,
describió el desarrollo de esta inteligencia en etapas que van desde el estadio sensoriomotor hasta
el pensamiento hipotético-deductivo, el cual se consolida precisamente en la adolescencia —etapa
en la que se encuentran los participantes de esta investigación—, haciendo de este periodo un
momento especialmente propicio para la intervención pedagógica en pensamiento computacional.
Diversos estudios han demostrado la efectividad de herramientas como Scratch para
desarrollar competencias computacionales en población juvenil. Mendoza (2018) reportó una
mejora del 17% en el nivel lógico-matemático de estudiantes de primaria en Perú tras la
introducción de Scratch. Molina Chalacán et al. (2018) documentaron un mejoramiento global
del 30% en rendimiento académico en estudiantes ecuatorianos de básica media al incorporar
programación informática. A nivel de bachillerato, sin embargo, la evidencia empírica sobre
intervenciones sistemáticas en entornos de vinculación universitaria es aún escasa.
El presente trabajo se enmarca en un proyecto de vinculación con la sociedad. A través
de este proyecto, estudiantes universitarios lideraron talleres de programación básica con Scratch
dirigidos a adolescentes bachilleres de sus entornos sociales inmediatos, contribuyendo al
desarrollo de competencias computacionales en una población que normalmente no accede a este
tipo de formación. El objetivo central es analizar el impacto de este proceso de capacitación en el
nivel de pensamiento computacional de los participantes, utilizando como instrumento de
medición el Test de Pensamiento Computacional (TPC) de Román-González et al.(2015)
INTRODUCCIÓN
El pensamiento computacional se ha consolidado como una competencia fundamental en
la educación del siglo XXI. Wing (2006) lo definió originalmente como el proceso de formular
problemas y sus soluciones de manera que puedan ser ejecutadas por una computadora, abarcando
habilidades como la abstracción, la descomposición de problemas, el reconocimiento de patrones
y el diseño de algoritmos. Autores como Barr y Stephenson (2011), Aho (2012) y The Royal
Society (2012) coinciden en que estas capacidades trascienden el ámbito de la informática y son
esenciales para enfrentar los desafíos de una sociedad en constante transformación tecnológica.
En el contexto ecuatoriano, la educación técnica y tecnológica enfrenta el reto de preparar
a los jóvenes no solo con conocimientos disciplinares, sino con habilidades de razonamiento
aplicables a situaciones reales. Las carreras de Tecnología de la Información, tanto presenciales
como en línea, tienen un rol estratégico en este proceso: sus estudiantes, al participar en proyectos
de vinculación con la sociedad, pueden convertirse en agentes de cambio educativo en sus
comunidades.
El modelo de inteligencias múltiples de Gardner (1995) reconoce la inteligencia lógico-
matemática como la capacidad de utilizar eficazmente los números y razonar acertadamente,
desarrollando sensibilidad hacia patrones y relaciones lógicas. Piaget (1969), por su parte,
describió el desarrollo de esta inteligencia en etapas que van desde el estadio sensoriomotor hasta
el pensamiento hipotético-deductivo, el cual se consolida precisamente en la adolescencia —etapa
en la que se encuentran los participantes de esta investigación—, haciendo de este periodo un
momento especialmente propicio para la intervención pedagógica en pensamiento computacional.
Diversos estudios han demostrado la efectividad de herramientas como Scratch para
desarrollar competencias computacionales en población juvenil. Mendoza (2018) reportó una
mejora del 17% en el nivel lógico-matemático de estudiantes de primaria en Perú tras la
introducción de Scratch. Molina Chalacán et al. (2018) documentaron un mejoramiento global
del 30% en rendimiento académico en estudiantes ecuatorianos de básica media al incorporar
programación informática. A nivel de bachillerato, sin embargo, la evidencia empírica sobre
intervenciones sistemáticas en entornos de vinculación universitaria es aún escasa.
El presente trabajo se enmarca en un proyecto de vinculación con la sociedad. A través
de este proyecto, estudiantes universitarios lideraron talleres de programación básica con Scratch
dirigidos a adolescentes bachilleres de sus entornos sociales inmediatos, contribuyendo al
desarrollo de competencias computacionales en una población que normalmente no accede a este
tipo de formación. El objetivo central es analizar el impacto de este proceso de capacitación en el
nivel de pensamiento computacional de los participantes, utilizando como instrumento de
medición el Test de Pensamiento Computacional (TPC) de Román-González et al.(2015)
Vol. 13/ Núm. 2 2026 pág. 1145
El pensamiento computacional puede definirse como una actividad mental que involucra
al computador como herramienta para la solución de problemas de la vida real, utilizando
habilidades como la abstracción, la descomposición del problema, el uso de algoritmos, la
evaluación de soluciones y el pensamiento en generalizaciones (Cuny, Snyder y Wing, 2010;
Selby y Wollard, 2013). Wing (2010) amplió esta definición al enfatizar que el pensamiento
computacional no consiste en programar computadoras, sino en pensar como un científico
computacional, lo que incluye dimensiones cognitivas de alto nivel que son aplicables en todas
las disciplinas.
Desde una perspectiva educativa, Barr y Stephenson (2011) señalaron que llevar el
pensamiento computacional a los niveles K-12 requiere integrar conceptos de ciencias de la
computación en el currículo de manera transversal, no como una asignatura aislada. Esta visión
ha sido adoptada por países como Estados Unidos (desde kindergarten hasta K-12), el Reino
Unido (desde septiembre de 2014) y varios países latinoamericanos que están incorporando el
pensamiento computacional en sus mallas curriculares.
MATERIALES Y MÉTODOS
La presente investigación tuvo un enfoque cuantitativo de tipo experimental con diseño
pre-test / post-test en un solo grupo. Se enmarca dentro del proyecto de vinculación con la
sociedad, cuyo objetivo es transferir conocimientos de programación a la comunidad a través de
los propios estudiantes universitarios como mediadores del aprendizaje.
La muestra estuvo compuesta por 96 adolescentes bachilleres con edades comprendidas
entre los 14 y 18 años, residentes en diferentes cantones del Ecuador. Los participantes pertenecen
al entorno social inmediato de los estudiantes de la carrera de Tecnología de la Información en
línea, quienes facilitaron el acceso a esta población. No se realizó ningún tipo de estratificación
previa por género, nivel socioeconómico o rendimiento académico, con el propósito de evaluar el
impacto de la intervención en condiciones representativas de diversidad.
Se utilizó el Test de Pensamiento Computacional (TPC) de Román-González et al. (2015),
adaptado al contexto ecuatoriano. El instrumento consta de 28 ítems de opción múltiple que
evalúan seis conceptos computacionales de complejidad creciente: direcciones básicas, bucles
(repetir veces y repetir hasta), condicionales (simple y compuesto) y funciones simples. Cada ítem
presenta cuatro opciones de respuesta de las cuales solo una es correcta. Los resultados se
expresan como porcentaje de respuestas correctas por concepto.
La intervención se desarrolló en tres fases:
• Fase 1 – Pre-test: aplicación del TPC a todos los participantes antes de iniciar el proceso
de capacitación, con el fin de establecer la línea base del nivel de pensamiento
computacional.
El pensamiento computacional puede definirse como una actividad mental que involucra
al computador como herramienta para la solución de problemas de la vida real, utilizando
habilidades como la abstracción, la descomposición del problema, el uso de algoritmos, la
evaluación de soluciones y el pensamiento en generalizaciones (Cuny, Snyder y Wing, 2010;
Selby y Wollard, 2013). Wing (2010) amplió esta definición al enfatizar que el pensamiento
computacional no consiste en programar computadoras, sino en pensar como un científico
computacional, lo que incluye dimensiones cognitivas de alto nivel que son aplicables en todas
las disciplinas.
Desde una perspectiva educativa, Barr y Stephenson (2011) señalaron que llevar el
pensamiento computacional a los niveles K-12 requiere integrar conceptos de ciencias de la
computación en el currículo de manera transversal, no como una asignatura aislada. Esta visión
ha sido adoptada por países como Estados Unidos (desde kindergarten hasta K-12), el Reino
Unido (desde septiembre de 2014) y varios países latinoamericanos que están incorporando el
pensamiento computacional en sus mallas curriculares.
MATERIALES Y MÉTODOS
La presente investigación tuvo un enfoque cuantitativo de tipo experimental con diseño
pre-test / post-test en un solo grupo. Se enmarca dentro del proyecto de vinculación con la
sociedad, cuyo objetivo es transferir conocimientos de programación a la comunidad a través de
los propios estudiantes universitarios como mediadores del aprendizaje.
La muestra estuvo compuesta por 96 adolescentes bachilleres con edades comprendidas
entre los 14 y 18 años, residentes en diferentes cantones del Ecuador. Los participantes pertenecen
al entorno social inmediato de los estudiantes de la carrera de Tecnología de la Información en
línea, quienes facilitaron el acceso a esta población. No se realizó ningún tipo de estratificación
previa por género, nivel socioeconómico o rendimiento académico, con el propósito de evaluar el
impacto de la intervención en condiciones representativas de diversidad.
Se utilizó el Test de Pensamiento Computacional (TPC) de Román-González et al. (2015),
adaptado al contexto ecuatoriano. El instrumento consta de 28 ítems de opción múltiple que
evalúan seis conceptos computacionales de complejidad creciente: direcciones básicas, bucles
(repetir veces y repetir hasta), condicionales (simple y compuesto) y funciones simples. Cada ítem
presenta cuatro opciones de respuesta de las cuales solo una es correcta. Los resultados se
expresan como porcentaje de respuestas correctas por concepto.
La intervención se desarrolló en tres fases:
• Fase 1 – Pre-test: aplicación del TPC a todos los participantes antes de iniciar el proceso
de capacitación, con el fin de establecer la línea base del nivel de pensamiento
computacional.
Vol. 13/ Núm. 2 2026 pág. 1146
• Fase 2 – Capacitación: talleres de programación con Scratch organizados en niveles
básico e intermedio. Los contenidos abarcaron: revisión de la interfaz de Scratch, código
de programación, control, objetos, videojuegos, historias, características de algoritmos,
partes de pantalla, procedimientos, agregar sprites, operadores, ciclos, condiciones y
bloques completos. La capacitación fue facilitada por estudiantes universitarios de la
carrera de Tecnología de la Información en línea.
• Fase 3 – Post-test: reaplicación del mismo instrumento TPC al concluir la capacitación,
para medir el impacto de la intervención en el nivel de pensamiento computacional.
Scratch como Herramienta Pedagógica
Scratch es un lenguaje de programación visual de bloques desarrollado por el MIT Media
Lab, diseñado específicamente para introducir a niños y jóvenes en los conceptos fundamentales
de la programación de manera lúdica e intuitiva (Balch, Chung y Brennan, 2011). Su interfaz
permite a los usuarios crear proyectos interactivos mediante la combinación de bloques de
instrucciones, evitando la complejidad sintáctica de los lenguajes de programación
convencionales.
La evidencia empírica respalda la efectividad de Scratch para el desarrollo del
pensamiento computacional. Pérez Narváez, Roig Vila y Jaramillo Naranjo (2020) demostraron
su utilidad incluso en educación superior. Para el nivel de bachillerato, Scratch representa una
herramienta de acceso inmediato que permite a estudiantes sin experiencia previa en
programación alcanzar una comprensión funcional de conceptos como secuencias, bucles,
condicionales y funciones en un tiempo reducido.
El Test de Pensamiento Computacional (TPC)
El instrumento utilizado en esta investigación es el Test de Pensamiento Computacional:
diseño y psicometría general, desarrollado por Marcos Román-González, Pérez González y
Jiménez Fernández (2015). Este test está compuesto por 28 ítems de opción múltiple con cuatro
alternativas de respuesta, de las cuales solo una es correcta. Los ítems están alineados con los
estándares de la CSTA (Computer Science Teachers Association) para la educación en ciencias
de la computación y evalúan los siguientes conceptos computacionales organizados en cinco
dimensiones:
Tabla 1
Dimensiones y conceptos evaluados por el Test de Pensamiento Computacional (TPC)
Dimensión Conceptos computacionales
(dificultad creciente)
Cantidad de
ítems
Direcciones básicas 4
Bucles—'repetir veces' 4
Bucles—'repetir hasta' 4
Condicional simple—'if' 4
• Fase 2 – Capacitación: talleres de programación con Scratch organizados en niveles
básico e intermedio. Los contenidos abarcaron: revisión de la interfaz de Scratch, código
de programación, control, objetos, videojuegos, historias, características de algoritmos,
partes de pantalla, procedimientos, agregar sprites, operadores, ciclos, condiciones y
bloques completos. La capacitación fue facilitada por estudiantes universitarios de la
carrera de Tecnología de la Información en línea.
• Fase 3 – Post-test: reaplicación del mismo instrumento TPC al concluir la capacitación,
para medir el impacto de la intervención en el nivel de pensamiento computacional.
Scratch como Herramienta Pedagógica
Scratch es un lenguaje de programación visual de bloques desarrollado por el MIT Media
Lab, diseñado específicamente para introducir a niños y jóvenes en los conceptos fundamentales
de la programación de manera lúdica e intuitiva (Balch, Chung y Brennan, 2011). Su interfaz
permite a los usuarios crear proyectos interactivos mediante la combinación de bloques de
instrucciones, evitando la complejidad sintáctica de los lenguajes de programación
convencionales.
La evidencia empírica respalda la efectividad de Scratch para el desarrollo del
pensamiento computacional. Pérez Narváez, Roig Vila y Jaramillo Naranjo (2020) demostraron
su utilidad incluso en educación superior. Para el nivel de bachillerato, Scratch representa una
herramienta de acceso inmediato que permite a estudiantes sin experiencia previa en
programación alcanzar una comprensión funcional de conceptos como secuencias, bucles,
condicionales y funciones en un tiempo reducido.
El Test de Pensamiento Computacional (TPC)
El instrumento utilizado en esta investigación es el Test de Pensamiento Computacional:
diseño y psicometría general, desarrollado por Marcos Román-González, Pérez González y
Jiménez Fernández (2015). Este test está compuesto por 28 ítems de opción múltiple con cuatro
alternativas de respuesta, de las cuales solo una es correcta. Los ítems están alineados con los
estándares de la CSTA (Computer Science Teachers Association) para la educación en ciencias
de la computación y evalúan los siguientes conceptos computacionales organizados en cinco
dimensiones:
Tabla 1
Dimensiones y conceptos evaluados por el Test de Pensamiento Computacional (TPC)
Dimensión Conceptos computacionales
(dificultad creciente)
Cantidad de
ítems
Direcciones básicas 4
Bucles—'repetir veces' 4
Bucles—'repetir hasta' 4
Condicional simple—'if' 4
Vol. 13/ Núm. 2 2026 pág. 1147
Concepto
computacional abordado
Condicional compuesto—
'if/else'
4
Mientras que—'while' 4
Funciones Simples 4
Dimensión Entorno gráfico o interfaz Cantidad de
ítems
Entorno-Interfaz del
ítem
El laberinto 23
El lienzo 5
Dimensión Estilo de las alternativas Cantidad de
ítems
Estilo de las
alternativas de respuesta
Visual por flechas 8
Visual por bloques 20
Dimensión Existencia / Inexistencia de
anidamiento
Cantidad de
ítems
Existencia o
inexistencia de anidamiento
Existencia de anidamiento 19
Inexistencia de anidamiento 9
Dimensión Tareas cognitivas Cantidad de
ítems
Tarea requerida Secuenciación 14
Completamiento 9
Depuración 5
Nota. Test de Pensamiento Computacional aplicado a adolescentes, elaborado por los autores
El TPC ha sido validado psicométricamente en diversas poblaciones y contextos,
demostrando consistencia interna y validez de constructo satisfactorias (Román González, 2015).
Su aplicabilidad ha sido confirmada independientemente de la ubicación geográfica, cultura,
género, edad y tipo de institución educativa.
RESULTADOS Y DISCUSIÓN
El análisis se realizó mediante estadística descriptiva. Para cada concepto computacional
se calculó mediante Excel el porcentaje promedio de respuestas correctas en el pre-test y en el
post-test, y se determinó la mejora como la diferencia porcentual entre ambos momentos. Se
reportan los resultados por pregunta individual y por concepto computacional, así como el
promedio global de mejora.
A continuación, se presentan los resultados obtenidos por concepto computacional,
comparando los niveles de desempeño antes y después de la capacitación.
Concepto Computacional: Direcciones Básicas (Preguntas 1-4)
Las preguntas 1 a 4 evaluaron el concepto computacional de Direcciones Básicas. Se
observó una mejora global del 17,45% entre el pre-test y el post-test, siendo este uno de los
conceptos con mayor ganancia porcentual en la muestra.
Concepto
computacional abordado
Condicional compuesto—
'if/else'
4
Mientras que—'while' 4
Funciones Simples 4
Dimensión Entorno gráfico o interfaz Cantidad de
ítems
Entorno-Interfaz del
ítem
El laberinto 23
El lienzo 5
Dimensión Estilo de las alternativas Cantidad de
ítems
Estilo de las
alternativas de respuesta
Visual por flechas 8
Visual por bloques 20
Dimensión Existencia / Inexistencia de
anidamiento
Cantidad de
ítems
Existencia o
inexistencia de anidamiento
Existencia de anidamiento 19
Inexistencia de anidamiento 9
Dimensión Tareas cognitivas Cantidad de
ítems
Tarea requerida Secuenciación 14
Completamiento 9
Depuración 5
Nota. Test de Pensamiento Computacional aplicado a adolescentes, elaborado por los autores
El TPC ha sido validado psicométricamente en diversas poblaciones y contextos,
demostrando consistencia interna y validez de constructo satisfactorias (Román González, 2015).
Su aplicabilidad ha sido confirmada independientemente de la ubicación geográfica, cultura,
género, edad y tipo de institución educativa.
RESULTADOS Y DISCUSIÓN
El análisis se realizó mediante estadística descriptiva. Para cada concepto computacional
se calculó mediante Excel el porcentaje promedio de respuestas correctas en el pre-test y en el
post-test, y se determinó la mejora como la diferencia porcentual entre ambos momentos. Se
reportan los resultados por pregunta individual y por concepto computacional, así como el
promedio global de mejora.
A continuación, se presentan los resultados obtenidos por concepto computacional,
comparando los niveles de desempeño antes y después de la capacitación.
Concepto Computacional: Direcciones Básicas (Preguntas 1-4)
Las preguntas 1 a 4 evaluaron el concepto computacional de Direcciones Básicas. Se
observó una mejora global del 17,45% entre el pre-test y el post-test, siendo este uno de los
conceptos con mayor ganancia porcentual en la muestra.
Vol. 13/ Núm. 2 2026 pág. 1148
Tabla 2
Resultados del concepto computacional: Direcciones Básicas
Direcciones
Básicas
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 1 85,4 93,8 +8,4
Pregunta 2 71,9 81,3 +9,4
Pregunta 3 49,0 72,9 +23,9
Pregunta 4 22,9 51,0 +28,1
Promedio 57,3 74,75 +17,45
Los resultados muestran una tendencia de mejora creciente conforme aumenta la
complejidad de la pregunta, con ganancias más notables en las preguntas 3 y 4. Las preguntas 1
y 2, con ayuda visual de tipo Pacman, ya mostraban niveles elevados de respuesta correcta en el
pre-test (85,4% y 71,9% respectivamente), lo que explica sus menores márgenes de mejora.
Concepto Computacional: Bucles – 'Repetir Veces' (Preguntas 5-8)
Las preguntas 5 a 8 evaluaron el concepto de bucles con la estructura 'repetir veces'. La
mejora global fue del 12,80%, con variaciones significativas entre preguntas según su nivel de
dificultad y representación visual.
Tabla 3
Resultados del concepto computacional: Bucles – 'Repetir Veces'
Bucles –
'Repetir Veces'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 5 74,0 86,5 +12,5
Pregunta 6 65,6 82,3 +16,7
Pregunta 7 42,7 54,2 +11,5
Pregunta 8 33,3 43,8 +10,5
Promedio 53,9 66,7 +12,80
La mejora fue consistente en las cuatro preguntas de este bloque, con valores superiores
en las preguntas con apoyo visual directo. Este comportamiento refleja la influencia positiva del
tipo de representación gráfica en la comprensión de los bucles por parte de los adolescentes.
Concepto Computacional: Bucles – 'Repetir Hasta' (Preguntas 9-12)
Las preguntas 9 a 12 abordaron el concepto de bucles condicionales con la estructura
'repetir hasta'. La mejora global fue de 10,375%, con resultados heterogéneos que reflejan la
mayor complejidad abstracta de este tipo de bucle en comparación con el anterior.
Tabla 2
Resultados del concepto computacional: Direcciones Básicas
Direcciones
Básicas
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 1 85,4 93,8 +8,4
Pregunta 2 71,9 81,3 +9,4
Pregunta 3 49,0 72,9 +23,9
Pregunta 4 22,9 51,0 +28,1
Promedio 57,3 74,75 +17,45
Los resultados muestran una tendencia de mejora creciente conforme aumenta la
complejidad de la pregunta, con ganancias más notables en las preguntas 3 y 4. Las preguntas 1
y 2, con ayuda visual de tipo Pacman, ya mostraban niveles elevados de respuesta correcta en el
pre-test (85,4% y 71,9% respectivamente), lo que explica sus menores márgenes de mejora.
Concepto Computacional: Bucles – 'Repetir Veces' (Preguntas 5-8)
Las preguntas 5 a 8 evaluaron el concepto de bucles con la estructura 'repetir veces'. La
mejora global fue del 12,80%, con variaciones significativas entre preguntas según su nivel de
dificultad y representación visual.
Tabla 3
Resultados del concepto computacional: Bucles – 'Repetir Veces'
Bucles –
'Repetir Veces'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 5 74,0 86,5 +12,5
Pregunta 6 65,6 82,3 +16,7
Pregunta 7 42,7 54,2 +11,5
Pregunta 8 33,3 43,8 +10,5
Promedio 53,9 66,7 +12,80
La mejora fue consistente en las cuatro preguntas de este bloque, con valores superiores
en las preguntas con apoyo visual directo. Este comportamiento refleja la influencia positiva del
tipo de representación gráfica en la comprensión de los bucles por parte de los adolescentes.
Concepto Computacional: Bucles – 'Repetir Hasta' (Preguntas 9-12)
Las preguntas 9 a 12 abordaron el concepto de bucles condicionales con la estructura
'repetir hasta'. La mejora global fue de 10,375%, con resultados heterogéneos que reflejan la
mayor complejidad abstracta de este tipo de bucle en comparación con el anterior.
Vol. 13/ Núm. 2 2026 pág. 1149
Tabla 4
Resultados del concepto computacional: Bucles – 'Repetir Hasta'
Bucles –
'Repetir Hasta'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 9 80,2 85,4 +5,2
Pregunta 10 16,7 17,7 +1,0
Pregunta 11 43,8 69,8 +26,0
Pregunta 12 41,7 51,0 +9,3
Promedio 45,6 55,975 +10,375
La pregunta 11 registró la mejora individual más alta de este bloque (26,0%), mientras
que la pregunta 10 mostró una variación mínima, posiblemente atribuible a su alto nivel de
abstracción y la ausencia de referentes visuales directos. Destaca que la pregunta 9 ya presentaba
un nivel alto de aciertos en el pre-test (80,2%), lo que limita el margen de mejora observable.
Concepto Computacional: Condicional Simple – 'if' (Preguntas 13-16)
Las preguntas 13 a 16 evaluaron el condicional simple. La mejora global fue de 15,375%,
constituyéndose en uno de los conceptos con avance más sostenido. Todas las preguntas
mostraron incremento positivo.
Tabla 5
Resultados del concepto computacional: Condicional Simple – 'if'
Condicional
Simple – 'if'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 13 34,4 58,3 +23,9
Pregunta 14 28,1 47,9 +19,8
Pregunta 15 30,2 43,8 +13,6
Pregunta 16 32,3 36,5 +4,2
Promedio 31,25 46,625 +15,375
Es importante destacar que este bloque partió de niveles bajos en el pre-test (promedio
31,25%), lo que indica que los conceptos condicionales representaban un área de oportunidad
significativa para la muestra. La capacitación permitió elevar estos niveles de manera consistente,
con la mayor ganancia registrada en la pregunta 13 (+23,9%).
Concepto Computacional: Condicional Compuesto – 'if/else' (Preguntas 17-20)
Las preguntas 17 a 20 evaluaron el condicional compuesto 'if/else'. Este concepto
presentó la mejora global más alta del estudio, con un incremento de 18,775%. Todas las
preguntas del bloque mostraron avances significativos.
Tabla 4
Resultados del concepto computacional: Bucles – 'Repetir Hasta'
Bucles –
'Repetir Hasta'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 9 80,2 85,4 +5,2
Pregunta 10 16,7 17,7 +1,0
Pregunta 11 43,8 69,8 +26,0
Pregunta 12 41,7 51,0 +9,3
Promedio 45,6 55,975 +10,375
La pregunta 11 registró la mejora individual más alta de este bloque (26,0%), mientras
que la pregunta 10 mostró una variación mínima, posiblemente atribuible a su alto nivel de
abstracción y la ausencia de referentes visuales directos. Destaca que la pregunta 9 ya presentaba
un nivel alto de aciertos en el pre-test (80,2%), lo que limita el margen de mejora observable.
Concepto Computacional: Condicional Simple – 'if' (Preguntas 13-16)
Las preguntas 13 a 16 evaluaron el condicional simple. La mejora global fue de 15,375%,
constituyéndose en uno de los conceptos con avance más sostenido. Todas las preguntas
mostraron incremento positivo.
Tabla 5
Resultados del concepto computacional: Condicional Simple – 'if'
Condicional
Simple – 'if'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 13 34,4 58,3 +23,9
Pregunta 14 28,1 47,9 +19,8
Pregunta 15 30,2 43,8 +13,6
Pregunta 16 32,3 36,5 +4,2
Promedio 31,25 46,625 +15,375
Es importante destacar que este bloque partió de niveles bajos en el pre-test (promedio
31,25%), lo que indica que los conceptos condicionales representaban un área de oportunidad
significativa para la muestra. La capacitación permitió elevar estos niveles de manera consistente,
con la mayor ganancia registrada en la pregunta 13 (+23,9%).
Concepto Computacional: Condicional Compuesto – 'if/else' (Preguntas 17-20)
Las preguntas 17 a 20 evaluaron el condicional compuesto 'if/else'. Este concepto
presentó la mejora global más alta del estudio, con un incremento de 18,775%. Todas las
preguntas del bloque mostraron avances significativos.
Vol. 13/ Núm. 2 2026 pág. 1150
Tabla 6
Resultados del concepto computacional: Condicional Compuesto – 'if/else'
Condicional
Compuesto – 'if/else'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 17 34,4 54,2 +19,8
Pregunta 18 41,7 59,4 +17,7
Pregunta 19 38,5 62,5 +24,0
Pregunta 20 42,7 56,3 +13,6
Promedio 39,325 58,1 +18,775
La pregunta 19 alcanzó el mayor avance individual del bloque (+24,0%). Los niveles de
partida del pre-test en este concepto (promedio 39,325%) fueron superiores a los del condicional
simple, sugiriendo que la presentación de alternativas compuestas puede resultar más intuitiva
para los estudiantes. La capacitación potenció esta disposición inicial de manera notable.
Concepto Computacional: Mientras Que – 'while' (Preguntas 21-24)
Las preguntas 21 a 24 evaluaron el concepto del bucle 'while'. La mejora global fue de
14,05%, con comportamientos heterogéneos entre las preguntas, reflejando la complejidad
inherente a este tipo de estructura iterativa.
Tabla 7
Resultados del concepto computacional: Mientras Que – 'while'
Mientras Que
– 'while'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 21 30,2 40,6 +10,4
Pregunta 22 29,2 32,3 +3,1
Pregunta 23 26,0 38,5 +12,5
Pregunta 24 42,7 72,9 +30,2
Promedio 32,025 46,075 +14,05
La pregunta 24 registró la mejora individual más elevada de este bloque (+30,2%),
mientras que la pregunta 22 mostró el avance más discreto (+3,1%). Esta variabilidad sugiere que
algunos aspectos del bucle 'while' requieren un mayor tiempo de exposición o estrategias
pedagógicas complementarias para ser internalizados de forma eficiente.
Concepto Computacional: Funciones Simples (Preguntas 25-28)
Las preguntas 25 a 28 evaluaron el concepto de funciones simples. La mejora global fue
de 14,35%, con todos los ítems del bloque mostrando avance positivo.
Tabla 8
Resultados del concepto computacional: Funciones Simples
Funciones
Simples
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 25 26,0 44,8 +18,8
Tabla 6
Resultados del concepto computacional: Condicional Compuesto – 'if/else'
Condicional
Compuesto – 'if/else'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 17 34,4 54,2 +19,8
Pregunta 18 41,7 59,4 +17,7
Pregunta 19 38,5 62,5 +24,0
Pregunta 20 42,7 56,3 +13,6
Promedio 39,325 58,1 +18,775
La pregunta 19 alcanzó el mayor avance individual del bloque (+24,0%). Los niveles de
partida del pre-test en este concepto (promedio 39,325%) fueron superiores a los del condicional
simple, sugiriendo que la presentación de alternativas compuestas puede resultar más intuitiva
para los estudiantes. La capacitación potenció esta disposición inicial de manera notable.
Concepto Computacional: Mientras Que – 'while' (Preguntas 21-24)
Las preguntas 21 a 24 evaluaron el concepto del bucle 'while'. La mejora global fue de
14,05%, con comportamientos heterogéneos entre las preguntas, reflejando la complejidad
inherente a este tipo de estructura iterativa.
Tabla 7
Resultados del concepto computacional: Mientras Que – 'while'
Mientras Que
– 'while'
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 21 30,2 40,6 +10,4
Pregunta 22 29,2 32,3 +3,1
Pregunta 23 26,0 38,5 +12,5
Pregunta 24 42,7 72,9 +30,2
Promedio 32,025 46,075 +14,05
La pregunta 24 registró la mejora individual más elevada de este bloque (+30,2%),
mientras que la pregunta 22 mostró el avance más discreto (+3,1%). Esta variabilidad sugiere que
algunos aspectos del bucle 'while' requieren un mayor tiempo de exposición o estrategias
pedagógicas complementarias para ser internalizados de forma eficiente.
Concepto Computacional: Funciones Simples (Preguntas 25-28)
Las preguntas 25 a 28 evaluaron el concepto de funciones simples. La mejora global fue
de 14,35%, con todos los ítems del bloque mostrando avance positivo.
Tabla 8
Resultados del concepto computacional: Funciones Simples
Funciones
Simples
Pre-Test (%) Post-Test (%) Mejora (%)
Pregunta 25 26,0 44,8 +18,8
Vol. 13/ Núm. 2 2026 pág. 1151
Pregunta 26 55,2 61,5 +6,3
Pregunta 27 44,8 59,4 +14,6
Pregunta 28 47,9 65,6 +17,7
Promedio 43,475 57,825 +14,35
La pregunta 25 partió del nivel más bajo del bloque en el pre-test (26,0%) pero logró la
mayor mejora relativa (+18,8%). La pregunta 26 ya contaba con un nivel de aciertos relativamente
alto en el pre-test (55,2%), lo que limitó su margen de crecimiento posterior.
Resumen Global de Resultados
El análisis global de los siete conceptos computacionales evaluados evidencia una mejora
promedio del 14,17% entre el pre-test y el post-test, lo que confirma el impacto positivo de la
capacitación con Scratch en el desarrollo del pensamiento computacional de los adolescentes
bachilleres participantes.
Tabla 9
Resumen global de resultados: mejora por concepto computacional
Concepto
Computacional
Pre-Test (%) Post-Test (%) Mejora (%)
Direcciones
Básicas
57,30 74,75 +17,45
Bucles –
'Repetir Veces'
53,90 66,70 +12,80
Bucles –
'Repetir Hasta'
45,60 55,98 +10,38
Condicional
Simple – 'if'
31,25 46,63 +15,38
Condicional
Compuesto – 'if/else'
39,33 58,10 +18,78
Mientras Que
– 'while'
32,03 46,08 +14,05
Funciones
Simples
43,48 57,83 +14,35
PROMEDIO
GENERAL
43,27 57,44 +14,17
El concepto con mayor mejora fue el Condicional Compuesto – 'if/else' (+18,78%),
seguido de Direcciones Básicas (+17,45%) y Condicional Simple – 'if' (+15,38%). El concepto
con menor avance fue Bucles – 'Repetir Hasta' (+10,38%), posiblemente debido a su mayor nivel
Pregunta 26 55,2 61,5 +6,3
Pregunta 27 44,8 59,4 +14,6
Pregunta 28 47,9 65,6 +17,7
Promedio 43,475 57,825 +14,35
La pregunta 25 partió del nivel más bajo del bloque en el pre-test (26,0%) pero logró la
mayor mejora relativa (+18,8%). La pregunta 26 ya contaba con un nivel de aciertos relativamente
alto en el pre-test (55,2%), lo que limitó su margen de crecimiento posterior.
Resumen Global de Resultados
El análisis global de los siete conceptos computacionales evaluados evidencia una mejora
promedio del 14,17% entre el pre-test y el post-test, lo que confirma el impacto positivo de la
capacitación con Scratch en el desarrollo del pensamiento computacional de los adolescentes
bachilleres participantes.
Tabla 9
Resumen global de resultados: mejora por concepto computacional
Concepto
Computacional
Pre-Test (%) Post-Test (%) Mejora (%)
Direcciones
Básicas
57,30 74,75 +17,45
Bucles –
'Repetir Veces'
53,90 66,70 +12,80
Bucles –
'Repetir Hasta'
45,60 55,98 +10,38
Condicional
Simple – 'if'
31,25 46,63 +15,38
Condicional
Compuesto – 'if/else'
39,33 58,10 +18,78
Mientras Que
– 'while'
32,03 46,08 +14,05
Funciones
Simples
43,48 57,83 +14,35
PROMEDIO
GENERAL
43,27 57,44 +14,17
El concepto con mayor mejora fue el Condicional Compuesto – 'if/else' (+18,78%),
seguido de Direcciones Básicas (+17,45%) y Condicional Simple – 'if' (+15,38%). El concepto
con menor avance fue Bucles – 'Repetir Hasta' (+10,38%), posiblemente debido a su mayor nivel
Vol. 13/ Núm. 2 2026 pág. 1152
de abstracción y la disponibilidad limitada de tiempo en la capacitación para abordar sus
variaciones más complejas.
Los resultados obtenidos en este estudio son coherentes con los hallazgos reportados en
investigaciones previas sobre el impacto de la programación con Scratch en el desarrollo del
pensamiento computacional. La mejora promedio del 14,17% es comparable a la registrada por
Barahona-Rojas et al. (2022) en una intervención similar con niños de primaria en Loja (15,96%),
y al 17% reportado por Mendoza (2018) para el mismo nivel educativo en Perú, aunque en nuestro
caso la población corresponde al nivel de bachillerato.
Un hallazgo relevante es el comportamiento diferenciado según el tipo de representación
visual de los ítems. Las preguntas con apoyo gráfico de tipo Pacman (laberinto) o con
representaciones intuitivas del entorno Scratch mostraron consistentemente mejores porcentajes
de respuesta en el post-test, en comparación con aquellas que presentaban el código en forma de
bloques abstractos. Este patrón, también identificado por Barahona-Rojas et al. (2022), confirma
la importancia pedagógica de utilizar herramientas con interfaz visual para la enseñanza inicial
de la programación.
El caso del condicional simple – 'if' merece una atención especial. En el estudio de
referencia de Loja se registró una disminución en este concepto (-7,43%), fenómeno que no se
reprodujo en nuestra muestra, donde se observó una mejora de +15,38%. Esta diferencia podría
explicarse por la mayor madurez cognitiva de los adolescentes bachilleres (14-18 años) en
comparación con los niños de primaria (7-11 años), quienes se encuentran en el estadio de
operaciones formales de Piaget y poseen mayor capacidad para el razonamiento hipotético-
deductivo que requiere la comprensión de las estructuras condicionales.
Desde la perspectiva del proyecto de vinculación, los resultados sugieren que los
estudiantes universitarios de la carrera de Tecnología de la Información en línea pueden
desempeñar un papel efectivo como mediadores del aprendizaje computacional en sus
comunidades. Esta modalidad de transmisión de conocimiento no solo beneficia a los
adolescentes participantes, sino que también refuerza las competencias pedagógicas y de
comunicación técnica de los propios estudiantes universitarios, generando un impacto
bidireccional positivo.
En cuanto a las limitaciones del estudio, cabe señalar que el diseño pre-test / post-test sin
grupo control impide atribuir con certeza absoluta la mejora observada exclusivamente a la
intervención educativa. Asimismo, la duración de la capacitación (número de horas académicas)
podría haberse ampliado para abordar con mayor profundidad los conceptos de mayor
complejidad, como los bucles 'repetir hasta' y el 'while'. Futuras investigaciones deberían
considerar el seguimiento longitudinal de los participantes y la incorporación de grupos de control
para fortalecer la validez interna de los hallazgos.
de abstracción y la disponibilidad limitada de tiempo en la capacitación para abordar sus
variaciones más complejas.
Los resultados obtenidos en este estudio son coherentes con los hallazgos reportados en
investigaciones previas sobre el impacto de la programación con Scratch en el desarrollo del
pensamiento computacional. La mejora promedio del 14,17% es comparable a la registrada por
Barahona-Rojas et al. (2022) en una intervención similar con niños de primaria en Loja (15,96%),
y al 17% reportado por Mendoza (2018) para el mismo nivel educativo en Perú, aunque en nuestro
caso la población corresponde al nivel de bachillerato.
Un hallazgo relevante es el comportamiento diferenciado según el tipo de representación
visual de los ítems. Las preguntas con apoyo gráfico de tipo Pacman (laberinto) o con
representaciones intuitivas del entorno Scratch mostraron consistentemente mejores porcentajes
de respuesta en el post-test, en comparación con aquellas que presentaban el código en forma de
bloques abstractos. Este patrón, también identificado por Barahona-Rojas et al. (2022), confirma
la importancia pedagógica de utilizar herramientas con interfaz visual para la enseñanza inicial
de la programación.
El caso del condicional simple – 'if' merece una atención especial. En el estudio de
referencia de Loja se registró una disminución en este concepto (-7,43%), fenómeno que no se
reprodujo en nuestra muestra, donde se observó una mejora de +15,38%. Esta diferencia podría
explicarse por la mayor madurez cognitiva de los adolescentes bachilleres (14-18 años) en
comparación con los niños de primaria (7-11 años), quienes se encuentran en el estadio de
operaciones formales de Piaget y poseen mayor capacidad para el razonamiento hipotético-
deductivo que requiere la comprensión de las estructuras condicionales.
Desde la perspectiva del proyecto de vinculación, los resultados sugieren que los
estudiantes universitarios de la carrera de Tecnología de la Información en línea pueden
desempeñar un papel efectivo como mediadores del aprendizaje computacional en sus
comunidades. Esta modalidad de transmisión de conocimiento no solo beneficia a los
adolescentes participantes, sino que también refuerza las competencias pedagógicas y de
comunicación técnica de los propios estudiantes universitarios, generando un impacto
bidireccional positivo.
En cuanto a las limitaciones del estudio, cabe señalar que el diseño pre-test / post-test sin
grupo control impide atribuir con certeza absoluta la mejora observada exclusivamente a la
intervención educativa. Asimismo, la duración de la capacitación (número de horas académicas)
podría haberse ampliado para abordar con mayor profundidad los conceptos de mayor
complejidad, como los bucles 'repetir hasta' y el 'while'. Futuras investigaciones deberían
considerar el seguimiento longitudinal de los participantes y la incorporación de grupos de control
para fortalecer la validez interna de los hallazgos.
Vol. 13/ Núm. 2 2026 pág. 1153
Finalmente, la ausencia de diferencias sustanciales en el desempeño por género confirma
lo señalado por Barahona-Rojas et al. (2022): el aprendizaje computacional no está determinado
por el género, y las intervenciones bien diseñadas son igualmente efectivas para hombres y
mujeres. Esto es especialmente relevante en el contexto ecuatoriano, donde la brecha de género
en carreras tecnológicas es un desafío pendiente.
CONCLUSIONES
El presente estudio demuestra que una intervención pedagógica estructurada con Scratch,
facilitada por estudiantes universitarios en el marco de un proyecto de vinculación con la
sociedad, produce una mejora estadísticamente relevante en el nivel de pensamiento
computacional de adolescentes bachilleres ecuatorianos. La capacitación con Scratch generó una
mejora promedio del 14,17% en el pensamiento computacional de los 96 participantes, con
avances positivos en los siete conceptos computacionales evaluados. El mayor incremento se
registró en el condicional compuesto – 'if/else' (+18,78%) y el menor en bucles – 'repetir hasta'
(+10,38%).
El modelo de vinculación universitaria estudiante-comunidad demostró ser una vía
efectiva y sostenible para extender el acceso a la educación computacional a poblaciones que no
cuentan con esta formación en su currículo escolar regular. Se recomienda la incorporación formal
del pensamiento computacional en el currículo de bachillerato ecuatoriano, articulada con los
proyectos de vinculación de las carreras tecnológicas, como estrategia de equidad educativa y
preparación para el mundo del trabajo digital.
Los ítems con representación visual intuitiva (entorno de laberinto tipo Pacman)
favorecen una comprensión más rápida y profunda de los conceptos computacionales, validando
la elección de Scratch como herramienta pedagógica para poblaciones sin experiencia previa en
programación. Se propone ampliar la duración de las capacitaciones para abordar niveles
intermedio y avanzado, realizar estudios longitudinales que permitan evaluar la retención de los
aprendizajes, y explorar el impacto diferenciado en función de variables como el tipo de
institución educativa, el área geográfica y el acceso previo a tecnología.
Finalmente, la ausencia de diferencias sustanciales en el desempeño por género confirma
lo señalado por Barahona-Rojas et al. (2022): el aprendizaje computacional no está determinado
por el género, y las intervenciones bien diseñadas son igualmente efectivas para hombres y
mujeres. Esto es especialmente relevante en el contexto ecuatoriano, donde la brecha de género
en carreras tecnológicas es un desafío pendiente.
CONCLUSIONES
El presente estudio demuestra que una intervención pedagógica estructurada con Scratch,
facilitada por estudiantes universitarios en el marco de un proyecto de vinculación con la
sociedad, produce una mejora estadísticamente relevante en el nivel de pensamiento
computacional de adolescentes bachilleres ecuatorianos. La capacitación con Scratch generó una
mejora promedio del 14,17% en el pensamiento computacional de los 96 participantes, con
avances positivos en los siete conceptos computacionales evaluados. El mayor incremento se
registró en el condicional compuesto – 'if/else' (+18,78%) y el menor en bucles – 'repetir hasta'
(+10,38%).
El modelo de vinculación universitaria estudiante-comunidad demostró ser una vía
efectiva y sostenible para extender el acceso a la educación computacional a poblaciones que no
cuentan con esta formación en su currículo escolar regular. Se recomienda la incorporación formal
del pensamiento computacional en el currículo de bachillerato ecuatoriano, articulada con los
proyectos de vinculación de las carreras tecnológicas, como estrategia de equidad educativa y
preparación para el mundo del trabajo digital.
Los ítems con representación visual intuitiva (entorno de laberinto tipo Pacman)
favorecen una comprensión más rápida y profunda de los conceptos computacionales, validando
la elección de Scratch como herramienta pedagógica para poblaciones sin experiencia previa en
programación. Se propone ampliar la duración de las capacitaciones para abordar niveles
intermedio y avanzado, realizar estudios longitudinales que permitan evaluar la retención de los
aprendizajes, y explorar el impacto diferenciado en función de variables como el tipo de
institución educativa, el área geográfica y el acceso previo a tecnología.
Vol. 13/ Núm. 2 2026 pág. 1154
REFERENCIAS
Aho, A. V. (2012). Computation and computational thinking. The Computer Journal, 57(7), 832-
835. https://doi.org/10.1093/comjnl/bxs074
Balch, C., Chung, M., & Brennan, K. (2011). Computación creativa con Scratch 3.0: Guía
curricular. Eduteka. http://eduteka.icesi.edu.co/articulos/hgse-scratch-computacion-
creativa
Balladares Burgos, J. A., Avilés Salvador, M. R., & Pérez Narváez, H. O. (2016). Del
pensamiento complejo al pensamiento computacional. Dialnet, (2), 143-159.
https://dialnet.unirioja.es/servlet/articulo?codigo=5973042
Barahona-Rojas, S. E., Muñoz Pilozo, A. G., Sanmartín-Zhingre, P. N., Yunga-Benítez, A. E., &
Torres-Berrú, Y. M. (2022). Fortalecimiento del pensamiento computacional en niños y
adolescentes de la ciudad de Loja. Dom. Cien., 8(3), 657-676.
http://dx.doi.org/10.23857/dc.v8i3
Barr, V., & Stephenson, C. (2011). Bringing computational thinking to K-12: What is involved
and what is the role of the computer science education community? ACM Inroads, 2(1),
48-54. https://doi.org/10.1145/1929887.1929905
CSTA. (2011). K-12 computer science standards (Level 2). Computer Science Teachers
Association. http://csta.acm.org/Curriculum/sub/CurrFiles/CSTA_K12_CSS.pdf
Cuny, J., Snyder, L., & Wing, J. M. (2010). Demystifying computational thinking for non-
computer scientists. Unpublished manuscript.
Ferrándiz, C., Bermejo, R., Sainz, M., Ferrando, M., & Prieto, M. D. (2008). Estudio del
razonamiento lógico-matemático desde el modelo de las inteligencias múltiples. Anales
de Psicología, 24(2), 213-222. https://revistas.um.es/analesps/article/view/42731
Gardner, H. (1995). Multiple intelligences as a catalyst. The English Journal, 84(8), 16-18.
https://www.jstor.org/stable/821182
Medina Hidalgo, M. I. (2018). Estrategias metodológicas para el desarrollo del pensamiento
lógico-matemático. Dialnet, 125-132.
https://dialnet.unirioja.es/servlet/articulo?codigo=6595073
Mendoza Aguirre, M. (2018). Software de programación "Scratch" en el desarrollo del
pensamiento lógico matemático de estudiantes de una institución educativa primaria,
Chincha – 2017 [Tesis de licenciatura]. Universidad César Vallejo.
https://hdl.handle.net/20.500.12692/29889
Molina Chalacán, L. J., Jalón Aria, E. J., & Albarracín Zambrano, L. O. (2018). Inclusión de la
programación informática como herramienta para el desarrollo del razonamiento lógico
y abstracto en el pensamiento de los niños de educación general básica, nivel medio.
Dilemas Contemporáneos: Educación, Política y Valores, 28, 1-18.
REFERENCIAS
Aho, A. V. (2012). Computation and computational thinking. The Computer Journal, 57(7), 832-
835. https://doi.org/10.1093/comjnl/bxs074
Balch, C., Chung, M., & Brennan, K. (2011). Computación creativa con Scratch 3.0: Guía
curricular. Eduteka. http://eduteka.icesi.edu.co/articulos/hgse-scratch-computacion-
creativa
Balladares Burgos, J. A., Avilés Salvador, M. R., & Pérez Narváez, H. O. (2016). Del
pensamiento complejo al pensamiento computacional. Dialnet, (2), 143-159.
https://dialnet.unirioja.es/servlet/articulo?codigo=5973042
Barahona-Rojas, S. E., Muñoz Pilozo, A. G., Sanmartín-Zhingre, P. N., Yunga-Benítez, A. E., &
Torres-Berrú, Y. M. (2022). Fortalecimiento del pensamiento computacional en niños y
adolescentes de la ciudad de Loja. Dom. Cien., 8(3), 657-676.
http://dx.doi.org/10.23857/dc.v8i3
Barr, V., & Stephenson, C. (2011). Bringing computational thinking to K-12: What is involved
and what is the role of the computer science education community? ACM Inroads, 2(1),
48-54. https://doi.org/10.1145/1929887.1929905
CSTA. (2011). K-12 computer science standards (Level 2). Computer Science Teachers
Association. http://csta.acm.org/Curriculum/sub/CurrFiles/CSTA_K12_CSS.pdf
Cuny, J., Snyder, L., & Wing, J. M. (2010). Demystifying computational thinking for non-
computer scientists. Unpublished manuscript.
Ferrándiz, C., Bermejo, R., Sainz, M., Ferrando, M., & Prieto, M. D. (2008). Estudio del
razonamiento lógico-matemático desde el modelo de las inteligencias múltiples. Anales
de Psicología, 24(2), 213-222. https://revistas.um.es/analesps/article/view/42731
Gardner, H. (1995). Multiple intelligences as a catalyst. The English Journal, 84(8), 16-18.
https://www.jstor.org/stable/821182
Medina Hidalgo, M. I. (2018). Estrategias metodológicas para el desarrollo del pensamiento
lógico-matemático. Dialnet, 125-132.
https://dialnet.unirioja.es/servlet/articulo?codigo=6595073
Mendoza Aguirre, M. (2018). Software de programación "Scratch" en el desarrollo del
pensamiento lógico matemático de estudiantes de una institución educativa primaria,
Chincha – 2017 [Tesis de licenciatura]. Universidad César Vallejo.
https://hdl.handle.net/20.500.12692/29889
Molina Chalacán, L. J., Jalón Aria, E. J., & Albarracín Zambrano, L. O. (2018). Inclusión de la
programación informática como herramienta para el desarrollo del razonamiento lógico
y abstracto en el pensamiento de los niños de educación general básica, nivel medio.
Dilemas Contemporáneos: Educación, Política y Valores, 28, 1-18.
Vol. 13/ Núm. 2 2026 pág. 1155
Moravec, J. W. (2013). Knowmad society: The "new" work and education. On the Horizon, 21(2),
79-83. https://doi.org/10.1108/10748121311322978
Pérez González, J., Román González, M., & Jiménez Fernández, C. (2015). Test de pensamiento
computacional: Diseño y psicometría general. III Congreso Internacional sobre
Aprendizaje, Innovación y Competitividad (CINAIC), 1-7.
Pérez Narváez, H., Roig Vila, R., & Jaramillo Naranjo, L. (2020). Uso de SCRATCH en el
aprendizaje de programación en educación superior. Catedra, 3(1), 28-45.
https://doi.org/10.29166/catedra.v3i1.2006
Piaget, J., & Berth, E. W. (2013). Mathematical epistemology and psychology. Springer Science
& Business Media.
Román González, M. (2015). Test de pensamiento computacional: Principios de diseño,
validación de contenido y análisis de ítems [Comunicación]. CINAIC 2015.
Selby, C., & Woollard, J. (2013). Computational thinking: The developing definition. University
of Southampton. https://eprints.soton.ac.uk/356481
Vilanova, G. E. (2018). Tecnología educativa para el desarrollo del pensamiento computacional.
Sistemas, Cibernética e Informática, 15(3), 25-32.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.
https://doi.org/10.1145/1118178.1118215
Wing, J. M. (2010). Computational thinking: What and why? Carnegie Mellon University.
https://www.cs.cmu.edu/~CompThink/resources/TheLinkWing.pdf
Moravec, J. W. (2013). Knowmad society: The "new" work and education. On the Horizon, 21(2),
79-83. https://doi.org/10.1108/10748121311322978
Pérez González, J., Román González, M., & Jiménez Fernández, C. (2015). Test de pensamiento
computacional: Diseño y psicometría general. III Congreso Internacional sobre
Aprendizaje, Innovación y Competitividad (CINAIC), 1-7.
Pérez Narváez, H., Roig Vila, R., & Jaramillo Naranjo, L. (2020). Uso de SCRATCH en el
aprendizaje de programación en educación superior. Catedra, 3(1), 28-45.
https://doi.org/10.29166/catedra.v3i1.2006
Piaget, J., & Berth, E. W. (2013). Mathematical epistemology and psychology. Springer Science
& Business Media.
Román González, M. (2015). Test de pensamiento computacional: Principios de diseño,
validación de contenido y análisis de ítems [Comunicación]. CINAIC 2015.
Selby, C., & Woollard, J. (2013). Computational thinking: The developing definition. University
of Southampton. https://eprints.soton.ac.uk/356481
Vilanova, G. E. (2018). Tecnología educativa para el desarrollo del pensamiento computacional.
Sistemas, Cibernética e Informática, 15(3), 25-32.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.
https://doi.org/10.1145/1118178.1118215
Wing, J. M. (2010). Computational thinking: What and why? Carnegie Mellon University.
https://www.cs.cmu.edu/~CompThink/resources/TheLinkWing.pdf