Actitudes de los docentes de primaria hacia la programación visual por bloques: diferencias por sexo y edad
DOI:
https://doi.org/10.5944/educxx1.42387Palabras clave:
actitud del profesor, enseñanza primaria, programación, pensamiento computacional, diferencia de sexo, diferencia de edadResumen
En la era actual de la inteligencia artificial, la enseñanza de la programación ha cobrado una mayor relevancia en el currículo educativo de Primaria, especialmente a través de la Programación Visual por Bloques como herramienta para desarrollar el Pensamiento Computacional. Este estudio analiza las actitudes de los docentes de Primaria hacia la Programación Visual por Bloques y examina posibles diferencias según sexo y edad. La investigación adoptó un diseño transversal no experimental con enfoque cuantitativo. Se aplicó una escala con tres dimensiones (Autoeficacia, Relevancia e Interés), cuya estructura fue confirmada mediante un análisis factorial confirmatorio. La muestra estuvo compuesta por 492 docentes de Educación Primaria en España. Se emplearon análisis descriptivos y pruebas estadísticas como t de Student, ANOVA unidireccional y correlación de Pearson, utilizando IBM SPSS y Jamovi para el procesamiento de datos. Cuando no se cumplieron los supuestos paramétricos, se aplicaron métodos no paramétricos. Los resultados indican que los docentes de Primaria muestran una actitud total moderada hacia la Programación Visual por Bloques (3.18), con alta percepción de relevancia (3.65) e interés (3.33), pero baja autoeficacia (2.54). Los docentes varones presentan una autoeficacia significativamente mayor que sus compañeras, aunque ambos sexos comparten la percepción del valor educativo de la Programación Visual por Bloques. Además, los docentes más jóvenes (22-30 años) muestran mayor confianza en su capacidad para enseñarla, mientras que la edad no influye en la relevancia e interés. Estos hallazgos subrayan la necesidad de implementar programas de formación diferenciados que refuercen la autoeficacia en docentes mayores y reduzcan la brecha de sexo, promoviendo una integración más inclusiva y efectiva de la Programación Visual por Bloques en la Educación Primaria.
Descargas
Citas
Acosta, P. M. C. (2021). Pensamiento computacional: habilidades asociadas y recursos didácticos. Innovaciones Educativas, 23 (Especial), 178-189. https://doi.org/10.22458/ie.v23iespecial.3693
Bandura, A. (1987). Pensamiento y Acción. Ediciones Martínez Roca. Bocconi, S., Chioccariello, A., Kampylis, P., Dagiené, V., Wastiau, P., Engelhardt, K., Earp, J., Horvath, M., Jasuté, E., Malagoli, C., Masiulionyté-Dangiené, V., & Stupuriené, G. (2022). Reviewing Computational Thinking in Compulsory Education. Publications Office of the European Union. https://doi.org/10.2760/126955
Boletín Oficial del Estado [BOE]. (2018). Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales.
Boletín Oficial del Estado, 294, de 7 de diciembre de 2018. BOE-A2018-16673. Recuperado de https://www.boe.es/eli/es/lo/2018/12/05/3/con
Boletín Oficial del Estado [BOE]. (2020). Ley Orgánica 3/2020, de 29 de diciembre, por la que se modifica la Ley Orgánica 2/2006, de 3 de mayo, de Educación.
Boletín Oficial del Estado, 340, de 30 de diciembre de 2020, 122868-122953. Recuperado de https://bit.ly/46iano7
Declaración Helsinki. (2017). Declaración de Helsinki de la AMM. Principios éticos para las investigaciones médicas en seres humanos. Asociación Médica Mundial.
Espino Espino, E. E., & González González, C. S. (2015). Estudio sobre diferencias de género en las competencias y las estrategias educativas para el desarrollo del pensamiento computacional. Revista de Educación a Distancia (RED), 46. Recuperado de https://revistas.um.es/red/article/view/240171
Fagerlund, J., Leino, K., Kiuru, N., & Niilo-Rämä, M. (2022). Finnish teachers’ and students’ programming motivation and their role in teaching and learning computational thinking. Frontiers in Education, 7. https://doi.org/10.3389/feduc.2022.948783
Fang, Z. (1996). A review of research on teacher beliefs and practices. Educational Research, 38(1), 47–65. https://doi.org/10.1080/0013188960380104
Finnish National Agency of Education (2016). National core curriculum for basic education. Helsinki: Finnish National Board of Education.
García-Ruiz, R., Buenestado-Fernández, M., & Ramírez-Montoya, M. S. (2023). Evaluación de la Competencia Digital Docente: instrumentos, resultados y propuestas. Revisión sistemática de la literatura. Educación XX1, 26(1), 273-301. https://doi.org/10.5944/educxx1.33520
González-Cervera, A., Martín-Carrasquilla, O., & González-Arechavala, Y. (2024). Validación de contenido de una escala sobre actitudes hacia la programación y el pensamiento computacional en docentes de Primaria a partir del método Delphi. Pixel-Bit. Revista de Medios y Educación, 70, 61–79. https://doi.org/10.12795/pixelbit.103692
Hestness, E., Ketelhut, D. J., McGinnis, J. R., & Plane, J. (2018). Professional knowledge building within an elementary teacher professional development experience on computational thinking in science education. Journal of Technology and Teacher Education, 26, 411–435. https://www.learntechlib.org/primary/p/181431/
Jaipal-Jamani, K., & Angeli, C. (2017). Effect of robotics on elementary preservice teachers’ self-efficacy, science learning, and computational thinking. Journal of Science Education and Technology, 26(2), 175–192. https://doi.org/10.1007/s10956-016-9663-z
Jiang, B., & Li., Z. (2021). Effect of Scratch on computational thinking skills of Chinese primary school students. Journal of Computers in Education, 8(4), 505–525. https://doi.org/10.1007/s40692-021-00190-z
Jung, U., Lee, J., Choi, J., Yim, H., & Lee, M. (2023). Future service robot scenarios in South Korea. Sustainability, 15(22), 15679. https://doi.org/10.3390/su152215679
K–12 Computer Science Framework. (2016). K-12 computer science framework. Recuperado de http://www.k12cs.org
Kiliç, S. (2022). Tendencies towards Computational Thinking: A Content Analysis Study. Participatory Educational Research, 9(5), 288–304. https://doi.org/10.17275/per.22.115.9.5
Liu, J., Li, Q., Sun, X., Zhu, Z., & Xu, Y. (2021). Factors influencing programming self-efficacy: an empirical study in the context of Mainland China. Asia Pacific Journal of Education, 43(3), 835–849. https://doi.org/10.1080/02188791.2021.1985430
Marcelino, M. J., Pessoa, T., Vieira, C., Salvador, T., & Mendes, A. J. (2018). Learning computational thinking and Scratch at a distance. Computers in Human Behaviour, 80, 470–477. https://doi.org/10.1016/j.chb.2017.09.025
Mason, S. L., & Rich, P. J. (2019). Preparing elementary school teachers to teach computing, coding, and computational thinking. Contemporary Issues in Technology and Teacher Education, 19(4), 790–824. https://www.learntechlib.org/primary/p/184723/
Ministerio de Educación, Formación Profesional y Deportes [MEFD]. Igualdad en cifras. MEFD 2024. Secretaria General Técnica. https://bit.ly/4iEQ4Y7
Negrini, L. (2020). Teachers’ attitudes towards educational robotics in compulsory school. Italian Journal of Educational Technology, 28(1), 77–90. https://doi.org/10.17471/2499-4324/1136
Ortuño, G., & Serrano, J. L. (2024). Implementación y formación del profesorado de educación primaria en pensamiento computacional: una revisión sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 255-287. https://doi.org/10.5944/ried.27.1.37572
Papert, S. (1980). Mindstorms. Children, computers and powerful ideas. Basic books.
Pérez-Calderón, E., Prieto-Ballester, J., & Miguel-Barrado, V. (2021). Analysis of Digital Competence for Spanish Teachers at Pre-University Educational Key Stages during COVID-19. International Journal of Environmental Research and Public Health, 18(15), 8093. https://doi.org/10.3390/ijerph18158093
Piedade, J. M. N. (2021). Pre-service and in-service teachers’ interest, knowledge, and self-confidence in using educational robotics in learning activities. EDUCAÇÃO & FORMAÇÃO, 6(1), e3345. https://doi.org/10.25053/redufor.v6i1.3345
Rich, P. J., Browning, S. F., Perkins, M., Shoop, T., Yoshikawa, E., & Belikov, O. M. (2019). Coding in K-8: International trends in teaching elementary/primary computing. TechTrends, 63(3), 311–329. https://doi.org/10.1007/s11528-018-0295-4
Rich, P. J., Larsen, R. A., & Mason, S. L. (2020). Measuring Teacher Beliefs about Coding and Computational Thinking. Journal of Research on Technology in Education, 53(3), 296-316. https://doi.org/10.1080/15391523.2020.1771232
Román-González, M., Pérez-González, J., & Jiménez-Fernández, C. (2017). Which cognitive abilities underlie computational thinking? Criterion validity of the Computational Thinking Test. Computers in Human Behaviour, 72, 678. https://doi.org/10.1016/j.chb.2016.08.047
Sun, L., & Liu, J. (2024). A gender differential analysis of educational robots’ effects on primary teachers’ computational thinking: Mediating effect of programming attitudes. Education and Information Technologies, 29, 19753-19782. https://doi.org/10.1007/s10639-024-12655-6
Sun, L., & Zhou, D. (2023). K-12 teachers’ programming attitudes among different disciplines: Analysis of influential factors. Journal of Computer Assisted Learning, 40(2), 375-930. https://doi.org/10.1111/jcal.12895
Torres-Torres, Y.-D., Román-González, M., & Perez-González, J.-C. (2024). Didactic strategies for the education of computational thinking from a gender perspective: A systematic review. European Journal of Education, 59(e12640). https://doi.org/10.1111/ejed.12640
UNESCO. (2019). Educación de niñas y mujeres en STEM: Un estudio sobre el impacto de género en el acceso y la participación en la educación STEM. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000366649
Vasconcelos, L., Ari, F., Arslan-Ari, I., & Lamb, L. (2022). Female preservice teachers stereotype computer scientists as intelligent and overworked. White individuals wearing glasses. Computers & Education, 187, 104563. https://doi.org/10.1016/j.compedu.2022.104563
Villalustre, L., & Cueli, M. (2023). Assessing the Computational Thinking of Pre-Service Teachers: A Gender and Robotics Programming Experience Analysis. Education Sciences, 13, 1032. https://doi.org/10.3390/educsci13101032
Wijnen, F., Walma Van Der Molen, J., & Voogt, J. (2024). Measuring primary school teachers’ attitudes towards new technology use: development and validation of the TANT questionnaire. SN Social Sciences, 4(32). https://doi.org/10.1007/s43545-024-00836-6
Wing, J. M. (2006). Computational Thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215
Young, D. M., Rudman, L. A., Buettner, H. M., & McLean, M. C. (2013). The Influence of Female Role Models on Women’s Implicit Science Cognitions. Psychology of Women Quarterly, 37(3), 283-292. https://doi.org/10.1177/0361684313482109
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Ana Gonzalez Cervera, Olga Martín-Carrasquilla, Yolanda González-Arechavala
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La revista Educación XX1 se publica bajo licencia Creative Commons Reconocimiento-NoComerciaL 4.0 (CC BY-NC 4.0). Se permite la generación de obras derivadas siempre que no se haga un uso comercial. Tampoco se puede utilizar la obra original con finalidades comerciales.
