Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles

Coordinadores: Rafael Porlán Ángel Francisco Villarejo-Ramos CICLOS DE MEJORA EN EL AULA Curso 2023-24 Ciclos de mejora en el aula. Curso 2023-24 Experiencias de Innovación Docente de la Universidad de Sevilla Sevilla 2024 Ángel Francisco Villarejo-Ramos, Rafael Porlán, Gabriela Delord y Begoña Blandón-González (coordinadores) Colección Ciencias de la Educación Núm.: 45 Esta obra se distribuye con la licencia Creativa Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0) © Instituto de Ciencias de la Educación Secretariado de Innovación Educativa - Universidad de Sevilla 2024 Avda. Ramón y Cajal, 1. Planta Baja. Facultad de CC. Económicas y Empresariales - 41018 Sevilla. Tfnos.: 954 556 791 Correo electrónico: ic[email protected] Web: <https://sfep.us.es> © Editorial Universidad de Sevilla 2024 C/ Porvenir, 27 - 41013 Sevilla. Tfnos.: 954 487 447; 954 487 451 Correo electrónico: inf[email protected] Web: <https://editorial.us.es> © Ángel Francisco Villarejo-Ramos, Rafael Porlán, Gabriela Delord y Begoña Blandón-González, coordinadores, 2024 © De los textos, los autores 2024 ISBN-e: 978-84-472-2763-1 DOI: http://dx.doi.org/10.12795/9788447227631 Maquetación y edición digital: Dosgraphic s.l. ([email protected]) 831 Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Antonio Martínez Rojas Esta obra se distribuye con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0.) Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Improvement Cycles in Classroom in the subject of Analysis and Design of Data and Algorithms: Complexity and Trees Antonio Martínez Rojas ORCID: https://orcid.org/0000-0002-2782-9893 Universidad de Sevilla Departamento de Lenguajes y Sistemas Informáticos amr[email protected] DOI: http://dx.doi.org/10.12795/9788447227631.058 Pp.: 831-843 832 833 Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Antonio Martínez Rojas Esta obra se distribuye con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0.) Resumen En esta contribución se aborda la mejora de la docencia en la asignatura de Análisis y Diseño de Datos y Algoritmos (ADDA) mediante la implementación de un Ciclo de Mejora en el Aula (CIMA). Este ciclo se aplica promoviendo el aprendizaje activo y colaborativo. La metodología incluye la presentación de problemas prácticos, debates abiertos y actividades de contraste, seguidos de la exposición de conceptos teóricos y la implementación de soluciones. Los resultados indican una mayor implicación y motivación de los estudiantes, quienes mejoraron significativamente su comprensión de conceptos complejos. No obstante, se enfrentaron desafíos como la resistencia inicial a participar y la necesidad de supervisión constante durante las actividades independientes. Aun así, la implementación del CIMA demostró ser efectiva, resultando en una mejora sustancial en la enseñanza y el aprendizaje de AD-DA. La experiencia y las lecciones aprendidas proporcionan una base para futuras mejoras en estrategias educativas. Palabras clave: Análisis y diseño de datos y algoritmos, Ingeniería del software, docencia universitaria, desarrollo profesional docente. Abstract This contribution addresses the improvement of teaching in the Analysis and Data Design and Algorithms (ADDA) course through the implementation of a Improvement Cycles in Classroom (ICIC). This cycle is applied by promoting active and collaborative learning. The methodology includes the presentation of practical problems, open debates, and contrast activities, followed by the exposition of theoretical concepts and the implementation of solutions. The results indicate increased involvement and motivation among students, who significantly improved their understanding of complex concepts. However, challenges such as initial resistance to participation and the need for constant supervision during independent activities were encountered. Nevertheless, the implementation of ICIC proved to be effective, resulting in a substantial improvement in the teaching and learning of ADDA. The experience and lessons learned provide a foundation for future improvements in educational strategies. Keywords: Analysis and Data Design and Algorithms, Software Engineering, University teaching, Teacher professional development. 833 Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Antonio Martínez Rojas Esta obra se distribuye con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0.) Introducción Esta contribución busca mejorar la docencia en la asignatura de Análisis y Diseño de Datos y Algoritmos (ADDA). ADDA enseña a los estudiantes a diseñar algoritmos eficaces y optimizar el uso de recursos (Toro, 2023). Se imparte en el segundo curso del Grado de Ingeniería Informática – Ingeniería del Software, en clases de 1 hora y 50 minutos. Estas se dividen en sesiones teóricas con 60 alumnos y prácticas con 30, donde los estudiantes aplican los conceptos aprendidos. Para mejorar la docencia, se desarrolla un Ciclo de Mejora en el Aula (CIMA), basado en Delord, Hamed y otros (2020). El CIMA comienza en la sexta semana de la asignatura, cubriendo análisis de complejidad de algoritmos y uso de árboles como estructura de datos en tres sesiones de teoría y tres de práctica, totalizando 330 minutos cada una. El objetivo de este CIMA es mejorar la comprensión teórica y práctica, fomentar el aprendizaje activo y colaborativo, y motivar a los estudiantes a participar dinámicamente. El capítulo se estructura en tres secciones principales: «Diseño previo del CIMA», que incluye mapas de contenidos y problemas clave, el modelo metodológico y las secuencias de actividades; «Aplicación del CIMA», que abarca un relato resumido de las sesiones y la evaluación del aprendizaje de los estudiantes; «Evaluación del CIMA», que presenta objetivos y rúbricas de evaluación, análisis del CIMA y aspectos a mantener o cambiar en futuros CIMA; y termina con una sección de conclusiones. Diseño previo del CIMA Para el diseño del CIMA se emplea el aprendizaje basado en la investigación (Santana-Vega y otros, 2020), que desafía el conocimiento de los estudiantes y promueve su compromiso, pensamiento crítico y aprendizaje significativo. Por ello, las clases presentan casos prácticos en forma de problemas que los estudiantes deben resolver, con estos se les dirige a desarrollar por ellos mismos el contenido relevante de la asignatura. A continuación, se detalla el mapa de los contenidos y problemas clave a resolver, describiendo una secuencia de actividades para integrar teoría y práctica. Estos problemas serán cercanos y atractivos para los alumnos, con el objetivo de aumentar su interés y participación (Villarejo-Ramos, 2020). 835 834 Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Antonio Martínez Rojas Esta obra se distribuye con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0.) Mapas de contenidos y problemas claves El mapa de contenidos del CIMA representa visualmente los tipos de contenido y sus interrelaciones. El contenido se desarrolla incrementalmente a partir del conjunto de «problemas», construyendo cada nuevo concepto sobre conocimientos previos, lo que permite una progresión lógica en el aprendizaje. Los elementos se categorizan en cuadrados para el contenido conceptual (conocimientos teóricos), círculos para el contenido procedimental (métodos y procesos), y rectángulos naranjas para las actitudes y valores (como la abstracción y la resolución de problemas). Las conexiones entre los elementos, representadas por líneas, indican las relaciones y dependencias entre conceptos, procedimientos y actitudes. Por ejemplo, el diseño de algoritmos, ubicado en el centro del diagrama, se conecta con el análisis de complejidad y la secuenciación de algoritmos, y, a través del modelado de problemas, con la selección de estructuras de datos. El mapa utiliza colores para agrupar conceptos en los dos grandes bloques temáticos de la asignatura: Algoritmia en verde y Estructura de Datos en azul. Esta diferenciación cromática facilita la identificación de áreas de estudio y su interrelación. Los problemas clave, como el análisis de la complejidad de algoritmos, el modelado de problemas y la selección de estructuras de datos, están diseñados para desafiar y mejorar las competencias de los estudiantes en áreas críticas de ADDA. Modelo metodológico y secuencias de actividades La figura 2 ilustra el modelo metodológico que se aplicará en el CIMA. Este modelo se estructura en una serie de fases secuenciales, diseñadas para maximizar la interacción y el compromiso de los estudiantes con los contenidos y actividades. Consiste en lo siguiente: — Situación Cotidiana (SC): El proceso se inicia con la exposición de un problema basado en una situación cotidiana, relevante y familiar para los estudiantes. Esta fase tiene como objetivo captar el interés de los alumnos mediante la presentación de desafíos prácticos que requieren la aplicación de teoría a situaciones del mundo real. La contextualización del problema facilita la conexión entre los conocimientos teóricos y su aplicación práctica. — Debate Abierto (DA): Tras la presentación del problema, se fomenta un debate abierto entre los estudiantes. Esta etapa promueve la generación de posibles soluciones o hipótesis a través de una discusión activa y una lluvia de ideas, valorando diversas perspectivas y enfoques. 835 Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Antonio Martínez Rojas Esta obra se distribuye con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0.) Figura 1. Mapa de contenidos 836 837 Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Antonio Martínez Rojas Esta obra se distribuye con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0.) El debate abierto es crucial para desarrollar habilidades de comunicación, colaboración y pensamiento crítico. — Actividades de Contraste (AC): El docente introduce actividades de contraste para guiar y profundizar el debate. Estas actividades están diseñadas para ayudar a los estudiantes a evaluar críticamente las ideas propuestas y considerar diferentes enfoques. La intervención del profesor en esta fase es fundamental para dirigir la discusión hacia objetivos de aprendizaje específicos y asegurar que los estudiantes exploren todas las dimensiones del problema. — Conceptos Básicos (CB): En esta etapa, el profesor interviene para explicar los conceptos básicos necesarios para la implementación de las soluciones propuestas. Esta fase proporciona la base teórica y técnica indispensable para la siguiente etapa de implementación. La explicación de los conceptos básicos asegura que los estudiantes cuenten con los conocimientos necesarios para abordar los problemas de manera efectiva. — Implementación de Propuestas (IP): Los estudiantes proceden a implementar las soluciones discutidas utilizando el lenguaje de programación Java. Esta fase permite a los alumnos aplicar los conceptos básicos y las ideas generadas durante el debate, consolidando así sus conocimientos y habilidades prácticas. La implementación de propuestas facilita la transición de la teoría a la práctica. — Puesta en Común (PC): Después de la implementación, se realiza una puesta en común de las diferentes soluciones desarrolladas por los estudiantes. Durante esta fase, se discuten las conclusiones positivas y negativas de cada propuesta, y el profesor evalúa tanto las soluciones como el proceso seguido por los estudiantes. Esta etapa es esencial para la retroalimentación y el aprendizaje colectivo. — Conclusiones (C): A partir del análisis crítico de las propuestas implementadas, se extraen conclusiones que resumen los aprendizajes y las perspectivas clave. Esta fase permite a los estudiantes reflexionar sobre su propio proceso de aprendizaje y las soluciones propuestas, promoviendo una comprensión más profunda y un pensamiento crítico. — Evaluación (E): Finalmente, se lleva a cabo una evaluación por parte del profesor, revisando las soluciones presentadas por los grupos de estudiantes y proporcionando retroalimentación basada en su desempeño y contribuciones durante todo el proceso. La evaluación continua y reflexiva es crucial para identificar áreas de mejora y reforzar los aprendizajes. 843 Ciclo de Mejora en el Aula en la asignatura de Análisis y Diseño de Datos y Algoritmos: Complejidad y árboles Antonio Martínez Rojas Esta obra se distribuye con la licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0.) continua mediante cuestionarios y la escalera de aprendizaje ha facilitado la identificación de áreas de mejora. La supervisión constante y la atención personalizada, aunque demandantes, son esenciales para el éxito de esta metodología. Para futuras implementaciones, se recomienda continuar utilizando problemas prácticos y atractivos, mantener los debates abiertos y las exposiciones finales breves. La experiencia adquirida y las lecciones aprendidas servirán de base para mejorar las estrategias educativas en esta y otras asignaturas, demostrando la efectividad de métodos pedagógicos innovadores y la necesidad de una adaptación continua. Referencias bibliográficas Toro Bonilla, M. (2023). Análisis y diseño de algoritmos y tipos de datos. Editorial Universidad de Sevilla (Colección Manuales de Informática del Instituto de Ingeniería Informática, n.º 3). Martínez-Rojas, A. (2024): Cuestionario inicial-final y relación con escalera de aprendizaje para la evaluación de un CIMA aplicado a Análisis y Diseño de Datos y Algoritmos. Zenodo. https://doi.org/10.5281/zenodo.12690457 Delord, G.; Hamed, S.; Porlán, R. y De Alba, N. (2020). Los Ciclos de Mejora en el Aula. En N.De Alba y R. Porlán (Coords.), Docentes universitarios. Una formación centrada en la práctica (pp. 128-162). Morata. Santana-Vega, L. E., Suárez-Peromo, A. y Feliciano-García, L. (2020). El aprendizaje basado en la investigación en el contexto universitario. Revista Española de Pedagogía, 78 (277), 519-538. Villarejo-Ramos, A. F. (2020). Descubriendo el valor al cliente en empresas de servicios desde un modelo de aprendizaje basado en problemas. En R. Porlán y E. Navarro (Coords.), Ciclos de mejora en el aula. Año 2019. Experiencias de innovación docente de la Universidad de Sevilla (pp. 1678-1704). Editorial de la Universidad de Sevilla. http://dx.doi.org/10.12795/9788447221912.073