El documento presenta una introducción al pensamiento computacional y su aplicación a la hidrología. Brevemente define el pensamiento computacional como la aplicación de conceptos de la ciencia de la computación como la abstracción y resolución de problemas. Luego, motiva el uso de la computación para aprender matemáticas de forma más efectiva mediante la transformación de problemas del mundo real a formulaciones matemáticas y computacionales. Finalmente, concluye que el desarrollo del pensamiento computacional es clave para enfrentar los desafíos científicos actuales y aprove
1. Presentación 1: CI69E
Javier Rovegno Campos
Trabajo de Título:
Estudio y desarrollo del pensamiento
computacional aplicado a la hidrología.
Prof. Guía: James McPhee
2. Introducción
¿Qué es pensamiento computacional?:
“Se basa en conceptos fundamentales de las ciencias de la
computación como la abstracción, solución de
problemas, diseño de sistemas y comprensión del
comportamiento humano.”
- Jeannette M. Wing -
3. Sondeo
¿Alguna vez habían escuchado sobre pensamiento
computacional?
¿Conocimiento de programación?
¿Recuerdan conceptos como algoritmo iterativo, recursivo,
etc.?
4. Motivación
Aprender matemáticas a través de la
computación:
Plantear las preguntas adecuadas
Transformar problema real -> formulación
matemática
Computar
formulación matemática ---> al mundo real
(Verificación)
Conrad Wolfram
5. Motivación
Aprender matemáticas a través de la
computación:
Plantear las preguntas adecuadas
Transformar problema real -> formulación
matemática
Computar (cálculo, álgebra, procedimientos,
etc.)
formulación matemática ---> al mundo real
(Verificación)
Conrad Wolfram
6. Desarrollo de habilidades
Ser capaz de escribir y leer pequeños programas.
Ampliar el vocabulario con las herramientas
computacionales.
Aprender las capacidades y limitaciones
fundamentales de la computación.
Una habilidad estratégica es la habilidad de
transformar problemas del ambiente científico en
problemas del ambiente computacional.
Prof. Eric Grimson
7. Desafío
“Si usted escoge una respuesta al azar para esta pregunta,
¿cual es la probabilidad de que sea correcta?
A) 25%
B) 50%
C) 60%
D) 25%”
8. Desafío
“Si usted escoge una respuesta al azar para esta pregunta,
¿cual es la probabilidad de que sea correcta?
A) 25%
B) 50%
C) 60%
D) 25%”
9. Respuesta
La pregunta es auto referente, es una meta pregunta,
recuerden, que dice: “si usted escoge una respuesta a
esta pregunta al azar”.
Resulta que esta pregunta tiene 2 respuestas que dicen
25% A y D.
Entonces la probabilidad en esta pregunta es 2 sobre 4
(porque cada respuesta es independiente una de otra),
o sea 50%.
Entonces la respuesta
sería B: 50%.
“Si usted escoge una respuesta al azar para esta
pregunta, ¿cual es la probabilidad de que sea
correcta?
A) 25%
B) 50%
C) 60%
D) 25%”
11. Campos de la ciencia
Divide y vencerás:
Resolver un problema difícil, dividiéndolo en partes más simples tantas
veces como sea necesario, hasta que la resolución de las partes se torna
obvia
12. Pero el mundo real es complejo y
existe un cuello de botella
13. Espacios transdisciplinarios
"The saddest aspect of life right now is that science gathers
knowledge faster than society gathers wisdom."
(Isaac Asimov)
"Sabemos muchísimo, pero entendemos muy poco..."
(Manfred Max-Neef)
14. ¿Como desarrollar el
entendimiento humano?
Espacios transdisciplinarios
Lenguaje
Matemáticas
Computación
Cuando las disciplinas desarrollan en conjunto su
trabajo en redes de cooperación.
20. Además podemos aprender de su
forma de trabajo
Agilidad en el desarrollo
de software.
La calidad en el desarrollo
de software.
21. Conclusiones
Desarrollar el pensamiento computacional es clave para
prepararnos a los actuales desafíos científicos
La apertura a un nuevo paradigma científico nos abre un
mundo de nuevas alternativas.
Las computadoras nos permiten enfocarnos en
desarrollar al máximo las capacidades humanas.
22. Referencias
1.The Fourth Paradigm “Data-Intensive Scientific Discovery” Microsoft
Research (2009).
2.Introduction to Computer Science and Programming, Fall 2008. Prof.
Grimson Eric, Prof. Guttag John, MIT Course Number 6.00, level
Undergraduate.
3.Artículo “Computational Thinking” Communications of the ACM, Marzo 2006.
Volumen 49, Número 3. Wing Jeanette, 2006.
4.Software quality in climate modelling, Jon Pipitone, Graduate Department
of Computer Science, University of Toronto, 2010.
5.Un modelo empírico de enseñanza de las metodologías ágiles: El caso del
curso CC62V – Taller de metodologías ágiles de desarrollo de software.
Villena Agustín, Marzo 2008, Universidad de Chile.
6.El Desafío, http://www.lnds.net/blog/2011/11/desafio.html
Editor's Notes
Transformar problema real -> formulación matemática(Abstracción)