nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
El mercado laboral actual evoluciona de forma vertiginosa debido a las demandas globales asociadas a los avances científicos y tecnológicos, tales como la digitalización, la automatización, el teletrabajo y la economía colaborativa.
Esta transformación exige que los profesionales adquieran competencias integrales que incluyan conocimientos, actitudes y habilidades de índole técnica, interpersonal, cognitiva y socioemocional (González-Pérez y Ramírez-Montoya, 2022).
En la misma línea, Raitskaya y Tikhonova (2019) y Ozturk (2022) establecieron que la empleabilidad depende de una combinación de habilidades duras y blandas. Esto es, que no basta con el conocimiento técnico, sino con el desarrollo de habilidades como la comunicación, el liderazgo, la inteligencia emocional, la abstracción, el pensamiento crítico y la resolución de problemas de forma creativa.
De igual manera, Christy y Lyau (2022), en el contexto de la cuarta revolución industrial, indican que los estudiantes de educación empresarial necesitan desarrollar un conjunto diverso de competencias para tener éxito en el cambiante mercado laboral. En la Tabla 1 se muestran las competencias críticas identificadas.
Tabla 1 Competencias críticas de los estudiantes de educación empresarial
| Competencias | Descripción |
|---|---|
| Técnicas | Dominio de conocimientos especializados, herramientas digitales y procedimientos normativos de las áreas contable y administrativa, que permiten desenvolverse en el panorama digital y aprovechar la tecnología eficazmente. |
| Metodológicas | Capacidad de aplicación de estrategias lógicas y procesos de resolución de problemas que permiten abordar los desafíos y aprovechar las oportunidades en el cambio constante y los avances tecnológicos. |
| Personales | Conjunto de atributos intrínsecos al individuo, como pensamiento crítico y ética profesional, que desempeñan un papel fundamental en su éxito en el ámbito empresarial. |
| Sociales | Conjunto de habilidades interpersonales que son esenciales para que los estudiantes de negocios prosperen en un entorno laboral colaborativo y dinámico. |
Fuente: Elaboración propia
Dentro de las competencias, el pensamiento computacional se ha consolidado como esencial, pues coadyuva a la resolución de problemas, el diseño de sistemas y la comprensión de los procesos a través de una lógica analítica (Wing, 2006; Korkmaz et al., 2017).
Es importante considerar que el pensamiento computacional se ha estudiado como competencia integral, principalmente en estudiantes de ciencias, tecnología, ingeniería y matemáticas (conocidas como STEM); sin embargo, los conocimientos, habilidades y actitudes que éste integra también son deseables en estudiantes de escuelas de negocios, a quienes se les denomina estudiantes no STEM (López Simó et al., 2020).
En este marco, el presente estudio tiene como objetivo analizar la percepción de las habilidades que son parte del pensamiento computacional en estudiantes de Contaduría de la Universidad Veracruzana, México, considerando su relación con variables académicas y demográficas. El análisis realizado busca contribuir a la comprensión de cómo las materias dentro de los programas de negocios pueden fortalecer las competencias integrales requeridas para los profesionales del siglo XXI.
Revisión de la literatura
Las escuelas de negocios están actualmente a la vanguardia en la integración de tecnologías y metodologías en sus planes de estudio para dotar a los estudiantes de las competencias necesarias para el éxito en el panorama del siglo XXI. Estas competencias pueden implicar una transición hacia métodos de aprendizaje experiencial, donde los estudiantes participan en proyectos reales, simulaciones y prácticas profesionales para desarrollar experiencia práctica en resolución de problemas, colaboración y liderazgo. Este enfoque permite a los estudiantes aplicar sus conocimientos en situaciones prácticas, mejorando su adaptabilidad y capacidad de pensamiento crítico (Gachino y Worku, 2019).
Diversas investigaciones sobre competencias del siglo XXI se fundamentan en el Programa para la Evaluación Internacional de las Competencias de los Adultos (PIAAC) de la OCDE. Este marco evalúa conocimientos, habilidades y actitudes en lectoescritura, aritmética y resolución de problemas en entornos tecnológicos, con el propósito de fortalecer las áreas identificadas como críticas (Al Khateeb et al., 2024; Engelhardt et al., 2021; Kawaguchi y Toriyabe, 2022; Maslov y Zhong, 2022).
La Comisión Europea propuso otro marco, el Marco de Competencias Digitales para Ciudadanos (DigComp), que puede ayudar a las personas a evaluar sus competencias digitales, identificar lagunas en sus conocimientos, habilidades y actitudes, y a participar en la sociedad digital (Bartolomé y Garaizar, 2022; Budai et al., 2023; Nguyen et al., 2024; Van Audenhove et al., 2024).
En particular, en el ámbito de las escuelas de negocios, diversas publicaciones analizan métodos de innovación en la enseñanza superior para fortalecer las competencias y, por ende, las habilidades más demandadas por ciudadanos y administradores (Cyphert et al., 2019; Gimenez et al., 2020; Longmore et al., 2018; Ranta et al., 2022a). Algunos estudios se centran en facultades vinculadas al emprendimiento (Pennetta et al., 2023; Peschl et al., 2021; Ranta et al., 2022b), mientras que otros examinan destrezas asociadas al liderazgo (Ngayo Fotso, 2021; Rony et al., 2023).
Sin embargo, el pensamiento computacional se considera una de las competencias más críticas para los estudiantes universitarios del siglo XXI. Estas competencias se estudian principalmente a través de dos enfoques: para estudiantes STEM y estudiantes no STEM. Como se mencionó, este manuscrito se centra en el segundo caso, donde los estudiantes con menos contacto con la informática desarrollan el pensamiento computacional a través de sus asignaturas. En este sentido, se han publicado numerosas investigaciones utilizando diferentes enfoques, por ejemplo, aquellos que se basan en la programación de computadoras (Laura-Ochoa & Bedregal-Alpaca, 2021; Liao et al., 2022a; Wang et al., 2022) y aquellos que miden el nivel del desarrollo del pensamiento computacional considerando las asignaturas que han cursado previamente los estudiantes (De Santo et al., 2022; Jang et al., 2023; Kang et al., 2023; Rodríguez-Abitia et al., 2021).
Este trabajo se sitúa en el segundo enfoque, considerando que, de forma transversal a través de los saberes implícitos en las asignaturas, los estudiantes no STEM, en este caso particular, estudiantes de Contaduría, perciben el desarrollo del pensamiento computacional en su formación profesional.
Materiales y métodos
Diseño del estudio
El presente trabajo se desarrolló como un estudio de caso centrado en el programa de Licenciatura en Contaduría de la Facultad de Contaduría y Administración, región Xalapa, de la Universidad Veracruzana, México, con un enfoque exploratorio y descriptivo, cuyo propósito fue analizar la percepción de las habilidades de pensamiento computacional en los estudiantes.
El presente estudio adoptó un enfoque cuantitativo con alcance descriptivo-correlacional, lo que permitió obtener información detallada sobre un fenómeno poco explorado en el ámbito de las ciencias económico-administrativas. Esta elección se justifica por la necesidad de realizar un tratamiento estadístico robusto de las percepciones, orientado a identificar patrones de comportamiento y asociaciones estadísticas significativas entre las variables analizadas. La investigación se realizó in situ, bajo un diseño no experimental y transversal, debido a que la recopilación de los datos se llevó a cabo en un único momento (Gómez-Escalonilla, 2021).
Población y muestra
Para el presente análisis, la población estuvo compuesta por los estudiantes activos de la Licenciatura en Contaduría de las generaciones que ingresaron entre 2020 y 2023. De acuerdo con los datos proporcionados por el Secretario de la Facultad de Contaduría y Administración, la matrícula disponible se muestra en la Tabla 2.
Tabla 2 Matrícula activa para la licenciatura en Contaduría.
| Año de ingreso | Estudiantes activos |
|---|---|
| 2020 | 177 |
| 2021 | 182 |
| 2022 | 208 |
| 2023 | 225 |
Fuente: Elaboración propia
Para determinar el número de muestra, se realizó un muestreo probabilístico estratificado para poblaciones finitas, asegurando una participación proporcional de cada generación seleccionada al azar. La fórmula empleada para el cálculo fue la siguiente:
Donde Z es el valor de confianza (95%), p es la probabilidad, q es la probabilidad de que el evento no ocurra, N es la población y e es el error de estimación máximo aceptado (5%).
La población de la Licenciatura en Contaduría se dividió en cuatro estratos correspondientes a las generaciones académicas activas, seleccionando de manera aleatoria a 122 informantes por cohorte hasta completar una muestra total de 488 estudiantes. Este diseño garantiza una representatividad uniforme entre los grupos y se asegura de que los hallazgos reflejen con equidad la evolución del perfil del estudiante a lo largo de las diversas etapas del diseño curricular.
La encuesta se aplicó digitalmente mediante la plataforma Microsoft Forms durante el mes de octubre de 2023, lo que permitió recopilar la información de manera eficiente y garantizar la participación de los estudiantes desde sus propios dispositivos.
Contexto educativo
En el contexto de la Licenciatura en Contaduría de la Universidad Veracruzana, cabe destacar que, si bien el plan de estudios no está directamente relacionado con la informática, incluye asignaturas que, según algunos autores, podrían incidir en el pensamiento computacional.
La literatura identifica diversas áreas curriculares fundamentales para este propósito. En primer lugar, destacan las asignaturas vinculadas al razonamiento matemático, como matemáticas administrativas y estadística (Ersozlu et al., 2023; Kallia et al., 2021; Khoo et al., 2022; Wu & Yang, 2022). En segundo lugar, se encuentran aquellas relacionadas con las ciencias de la computación, específicamente literacidad digital y soluciones tecnológicas aplicables a las organizaciones (Lee et al., 2020; Saad & Zainudin, 2022). Finalmente, se subraya la importancia de experiencias educativas orientadas al pensamiento crítico para la solución de problemas (Lyon & J. Magana, 2020), como eje transversal en la formación profesional.
Instrumento
Para la recolección de datos se utilizó el instrumento propuesto y validado por Korkmaz, Çakir y Özden (2017), conocido como Escalas de Pensamiento Computacional (CTS). El instrumento está compuesto por 29 ítems agrupados en cinco dimensiones, las respuestas se midieron con una escala Likert de 5 puntos, con puntuaciones invertidas en la dimensión de Resolución de problemas, como se detalla en la Tabla 3.
La confiabilidad del instrumento, determinada mediante el coeficiente Alfa de Cronbach, fue de 0.828, lo cual es considerado buena.
Tabla 3 Dimensiones e ítems de las Escalas de Pensamiento Computacional.
| Dimensiones | Ítems | Escala | Puntuación |
|---|---|---|---|
| Creatividad | 8 | Siempre, frecuentemente, a veces, casi nunca y nunca | 5 a 1 |
| Pensamiento algorítmico | 6 | Totalmente de acuerdo, de acuerdo, indeciso, en desacuerdo y totalmente en desacuerdo | 5 a 1 |
| Cooperatividad | 4 | Totalmente de acuerdo, de acuerdo, indeciso, en desacuerdo y totalmente en desacuerdo | 5 a 1 |
| Pensamiento crítico | 5 | Totalmente de acuerdo, de acuerdo, indeciso, en desacuerdo y totalmente en desacuerdo | 5 a 1 |
| Resolución de problemas | 6 | Totalmente de acuerdo, de acuerdo, indeciso, en desacuerdo y totalmente en desacuerdo | 1 a 5 |
| Nota: La dimensión 'Resolución de problemas' presenta una puntuación invertida (1 a 5) debido a que sus ítems fueron redactados en sentido inverso respecto a la escala de actitud, requiriendo un ajuste en el baremo para mantener la consistencia del análisis estadístico. | |||
Fuente: Elaboración propia a partir de Korkmaz, Çakir y Özden, 2017.
Para la caracterización de la muestra, se definieron variables sociodemográficas (edad y género) y académicas (generación de ingreso y acreditación de cursos). En cuanto a estas últimas, se consultó a los informantes sobre la aprobación de las asignaturas de literacidad digital, Pensamiento crítico para la solución de problemas, matemáticas administrativas, estadística y soluciones tecnológicas para las organizaciones.
Dichas experiencias educativas fueron seleccionadas de la matriz curricular de la Licenciatura en Contaduría (Universidad Veracruzana, s.f.) mediante un criterio de asociación de contenidos. Éste consistió en identificar aquellas materias cuyos programas teóricos incluyeran términos clave vinculados a las dimensiones del estudio, tales como Creatividad, Pensamiento algorítmico, innovación, tecnología y Resolución de problemas.
Procedimiento
El proceso de aplicación del instrumento se realizó en formato digital. Los estudiantes fueron invitados a participar voluntariamente mediante un consentimiento informado, el cual garantizó el anonimato y la confidencialidad de sus respuestas en todo momento.
Para determinar la posible relación entre las variables sociodemográficas y académicas con las dimensiones del pensamiento computacional, se asignaron puntuaciones totales por dimensión y se clasificaron en tres niveles: por debajo de la media, en la media y por encima de la media.
Análisis de resultados
Para el análisis de los resultados, se tabularon las sumas de las dimensiones en Microsoft Excel y, posteriormente, los datos se procesaron en el software IBM SPSS Statistics. Se realizaron pruebas de normalidad mediante el método de Shapiro-Wilk y se aplicaron análisis descriptivos basados en medidas de tendencia central y dispersión. Debido a la naturaleza de las variables, se empleó la prueba Chi-cuadrado de Pearson para evaluar las asociaciones significativas entre el género y la puntuación de pensamiento computacional, así como entre la acreditación de asignaturas y la dimensión de Pensamiento crítico. Los resultados con valores de significancia (p < 0.05) fueron interpretados como evidencia de asociaciones estadísticamente significativas, indicando una dependencia entre las variables analizadas.
Resultados
Análisis Descriptivo
Se aplicó la prueba de normalidad de Shapiro-Wilk y el resultado muestra un valor significativo inferior a p < .05, lo que indica que los datos no siguen una distribución normal. En cuanto al análisis sociodemográfico por género, el 50.6 % de las respuestas fueron de mujeres, el 48.8 % de hombres y el 0.6 % prefirió no responder, como se muestra en la Figura 1.
Asimismo, se analizó la distribución por edades de los participantes (ver Figura 2). El grupo de 18 años o menos representó el 17% de la muestra, seguido por el de 19 años, que fue el más numeroso con un 29%. Los estudiantes de 20 y 21 años constituyeron el 20% cada uno, mientras que las categorías de 22, 23 y 24 años o más registraron participaciones del 8%, 2% y 4%, respectivamente.
La Tabla 4 muestra la distribución de las puntuaciones de pensamiento computacional según el género de los participantes. Este análisis permite explorar si existen diferencias entre hombres y mujeres en la autopercepción de las habilidades evaluadas, así como identificar posibles patrones de desempeño asociados al género.
Tabla 4 Tabla de contingencia de género y pensamiento computacional.
| Pensamiento computacional | Total | |||||
|---|---|---|---|---|---|---|
| Por debajo de la media | En la media | Por encima de la media | ||||
| Género | Femenino | Recuento | 129 | 11 | 107 | 247 |
| % del total | 26.4% | 2.3% | 21.9% | 50.6% | ||
| Masculino | Recuento | 101 | 5 | 132 | 238 | |
| % del total | 20.7% | 1.0% | 27.0% | 48.8% | ||
| Prefiero no responder | Recuento | 3 | 0 | 0 | 3 | |
| % del total | 0.6% | 0.0% | 0.0% | 0.6% | ||
| Total | Recuento | 233 | 16 | 239 | 488 | |
| % del total | 47.7% | 3.3% | 49.0% | 100.0% | ||
Fuente: Elaboración propia con el software IBM SPSS
En primer lugar, de las personas que se identifican con el género femenino, el 26.4 % se encuentra por debajo de la media, el 21.9 % por encima de la media y el 2.3 % se encuentra en la media. Respecto a las personas identificadas con el género masculino, el 27 % obtuvo una frecuencia por encima de la media, el 20.7 % por debajo de la media y sólo el 1 % en la media. En cuanto a quienes prefirieron no responder sobre el género, el 0.6 % se encontraba por debajo de la media.
De las personas que respondieron a la encuesta, el 49 % se encontraba por encima de la media, el 47.7 % por debajo de la media y el 3.3 % en la media en la puntuación de pensamiento computacional.
La Tabla 5 detalla los resultados del pensamiento computacional mediante el recuento de estudiantes (n) y su distribución porcentual, segmentados por generación de ingreso. El análisis tiene como objetivo determinar si el avance en la trayectoria académica se asocia con un mayor desarrollo de las competencias computacionales, clasificando a los participantes en tres categorías según su posición respecto a la media aritmética: debajo, en, y por encima de la media.
Tabla 5 Dimensiones del pensamiento computacional y tabla de contingencia de generación.
| Generación | |||||||
|---|---|---|---|---|---|---|---|
| 2020 | 2021 | 2022 | 2023 | ||||
| Dimensiones | Creatividad | Por debajo de la media | Recuento (n) | 55 | 38 | 53 | 48 |
| % del total | 11.3% | 7.8% | 10.9% | 9.8% | |||
| En la media | Recuento (n) | 13 | 15 | 12 | 12 | ||
| % del total | 2.7% | 3.1% | 2.5% | 2.5% | |||
| Por encima de la media | Recuento (n) | 54 | 69 | 57 | 62 | ||
| % del total | 11.1% | 14.1% | 11.7% | 12.7% | |||
| Pensamiento algorítmico | Por debajo de la media | Recuento (n) | 52 | 49 | 54 | 57 | |
| % del total | 10.7% | 10.0% | 11.1% | 11.7% | |||
| En la media | Recuento (n) | 21 | 13 | 17 | 15 | ||
| % del total | 4.3% | 2.7% | 3.5% | 3.1% | |||
| Por encima de la media | Recuento (n) | 49 | 60 | 51 | 50 | ||
| % del total | 10.0% | 12.3% | 10.5% | 10.2% | |||
| Cooperatividad | Por debajo de la media | Recuento (n) | 63 | 59 | 70 | 57 | |
| % del total | 12.9% | 12.1% | 14.3% | 11.7% | |||
| En la media | Recuento (n) | 15 | 15 | 13 | 20 | ||
| % del total | 3.1% | 3.1% | 2.7% | 4.1% | |||
| Por encima de la media | Recuento (n) | 44 | 48 | 39 | 45 | ||
| % del total | 9.0% | 9.8% | 8.0% | 9.2% | |||
| Pensamiento crítico | Por debajo de la media | Recuento (n) | 34 | 32 | 49 | 39 | |
| % del total | 7.0% | 6.6% | 10.0% | 8.0% | |||
| En la media | Recuento (n) | 23 | 18 | 15 | 22 | ||
| % del total | 4.7% | 3.7% | 3.1% | 4.5% | |||
| Por encima de la media | Recuento (n) | 65 | 72 | 58 | 61 | ||
| % del total | 13.3% | 14.8% | 11.9% | 12.5% | |||
| Resolución de problemas | Por debajo de la media | Recuento (n) | 62 | 55 | 53 | 45 | |
| % del total | 12.7% | 11.3% | 10.9% | 9.2% | |||
| En la media | Recuento (n) | 5 | 10 | 10 | 18 | ||
| % del total | 1.0% | 2.0% | 2.0% | 3.7% | |||
| Por encima de la media | Recuento (n) | 55 | 57 | 59 | 59 | ||
| % del total | 11.3% | 11.7% | 12.1% | 12.1% | |||
| Total Suma | Pensamiento computacional | Por debajo de la media | Recuento (n) | 68 | 49 | 62 | 54 |
| % del total | 13.9% | 10.0% | 12.7% | 11.1% | |||
| En la media | Recuento (n) | 2 | 6 | 2 | 6 | ||
| % del total | 0.4% | 1.2% | 0.4% | 1.2% | |||
| Por encima de la media | Recuento (n) | 52 | 67 | 58 | 62 | ||
| % del total | 10.7% | 13.7% | 11.9% | 12.7% | |||
Fuente: Elaboración propia con el software IBM SPSS
En cuanto a la distribución por dimensiones, se observan los siguientes hallazgos basados en la frecuencia de estudiantes (n):
Creatividad: El mayor recuento de estudiantes por encima de la media se localiza en la generación 2021 (n = 69), mientras que la frecuencia más alta por debajo de la media pertenece a la generación 2020 (n = 55).
Pensamiento algorítmico: La generación 2021 registra el mayor número de alumnos por encima de la media (n = 60). En contraste, el grupo con mayor cantidad de estudiantes por debajo de la media es la generación 2022 (n = 54).
Cooperatividad: La frecuencia más alta por encima de la media se presenta en la generación 2021 (n = 48), mientras que el recuento más elevado por debajo de la media se observa en la generación 2022 (n = 70).
Pensamiento crítico: La generación 2021 destaca con el mayor número de estudiantes por encima de la media (n = 72). El recuento superior por debajo de la media corresponde a la generación 2022 (n = 49).
Resolución de problemas: Las generaciones 2022 y 2023 presentan la mayor frecuencia por encima de la media (n = 59 cada una), mientras que el recuento más alto por debajo de la media se sitúa en la generación 2020 (n = 62).
Finalmente, en la total suma de Pensamiento computacional, la generación 2021 muestra el mayor recuento de estudiantes por encima de la media (n = 67), mientras que la generación 2020 registra la frecuencia más significativa por debajo de la media (n = 68).
La Tabla 6 detalla la relación entre las dimensiones del pensamiento computacional y la acreditación de asignaturas vinculadas con competencias analíticas, tecnológicas y críticas. El análisis busca identificar si la aprobación de experiencias educativas específicas se asocia con la distribución de los estudiantes en los niveles de desempeño (debajo, en o por encima de la media).
Tabla 6 Distribución porcentual por acreditación de asignaturas y nivel de dimensión.
| Literacidad digital | Pensamiento crítico | Matemáticas administrativas | Soluciones tecnológicas para organizaciones | Estadística | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Sí (n,%) | No (n,%) | Sí (n,%) | No (n,%) | Sí (n,%) | No (n,%) | Sí (n, %) | No (n,%) | Sí (n,%) | No (n,%) | ||
| Creatividad | Por debajo de la media | 29.90% | 9.80% | 29.90% | 9.80% | 29.90% | 9.80% | 19.10% | 20.70% | 29.90% | 9.80% |
| En el medio | 8.20% | 2.50% | 8.20% | 2.50% | 8.20% | 2.50% | 5.70% | 4.90% | 8.20% | 2.50% | |
| En la media | 37.10% | 12.50% | 37.10% | 12.50% | 37.10% | 12.50% | 25.20% | 24.40% | 37.10% | 12.50% | |
| Pensamiento algorítmico | Por debajo de la media | 31.80% | 11.70% | 31.80% | 11.70% | 31.80% | 11.70% | 20.70% | 22.70% | 31.80% | 11.70% |
| En el medio | 10.50% | 3.10% | 10.50% | 3.10% | 10.50% | 3.10% | 7.00% | 6.60% | 10.50% | 3.10% | |
| En la media | 33.00% | 10.00% | 33.00% | 10.00% | 33.00% | 10.00% | 22.30% | 20.70% | 33.00% | 10.00% | |
| Cooperatividad | Por debajo de la media | 39.30% | 11.70% | 39.30% | 11.70% | 39.30% | 11.70% | 25.00% | 26.00% | 39.30% | 11.70% |
| En el medio | 9.00% | 3.90% | 9.00% | 3.90% | 9.00% | 3.90% | 6.10% | 6.80% | 9.00% | 3.90% | |
| En la media | 26.80% | 9.20% | 26.80% | 9.20% | 26.80% | 9.20% | 18.90% | 17.20% | 26.80% | 9.20% | |
| Pensamiento crítico | Por debajo de la media | 23.60% | 8.00% | 23.60% | 8.00% | 23.60% | 8.00% | 13.50% | 18.00% | 23.60% | 8.00% |
| En el medio | 11.50% | 4.50% | 11.50% | 4.50% | 11.50% | 4.50% | 8.40% | 7.60% | 11.50% | 4.50% | |
| En la media | 40.20% | 12.30% | 40.20% | 12.30% | 40.20% | 12.30% | 28.10% | 24.40% | 40.20% | 12.30% | |
| Resolución de problemas | Por debajo de la media | 34.80% | 9.20% | 34.80% | 9.20% | 34.80% | 9.20% | 24.00% | 20.10% | 34.80% | 9.20% |
| En el medio | 5.10% | 3.70% | 5.10% | 3.70% | 5.10% | 3.70% | 3.10% | 5.70% | 5.10% | 3.70% | |
| En la media | 35.20% | 11.90% | 35.20% | 11.90% | 35.20% | 11.90% | 23.00% | 24.20% | 35.20% | 11.90% | |
| Nota: La Tabla 6 detalla la relación entre las dimensiones del pensamiento computacional y la acreditación de asignaturas vinculadas con competencias analíticas, tecnológicas y críticas. El análisis busca identificar si la aprobación de experiencias educativas específicas se asocia con la distribución de los estudiantes en los niveles de desempeño (debajo, en o por encima de la media) | |||||||||||
Fuente: Elaboración propia con el software IBM SPSS.
Los hallazgos indican que, entre los estudiantes que acreditaron las asignaturas analizadas (columna 'Sí'), existe una frecuencia porcentual predominante de participantes situados por encima de la media en la dimensión de Pensamiento crítico, con valores que alcanzan el 40.2% del total de la muestra en la mayoría de las materias. Por el contrario, en la dimensión de Cooperatividad, se observa que la mayor concentración de alumnos que aprobaron dichas experiencias educativas se ubica por debajo de la media, representando aproximadamente el 39.3% de la muestra global.
Asociaciones estadísticas
Las asociaciones muestran la relación de dependencia entre las variables categóricas del estudio. Se utilizó la prueba de Chi-cuadrado de Pearson para determinar la existencia de asociación estadística significativa entre los factores sociodemográficos, académicos y los niveles de desempeño en pensamiento computacional.
La Tabla 7 muestra los elementos incluidos: las variables de género y la puntuación total en pensamiento computacional. El análisis permite identificar los factores con mayor incidencia en el desarrollo de las habilidades del siglo XXI entre los estudiantes de Contaduría. Al aplicar la prueba esta arrojó un valor significativo de 0.022, menor a 0.05, lo que determinaría la existencia de una dependencia entre ambas variables. Por otro lado, aprobar la asignatura de literacidad digital y la puntuación en la dimensión de Pensamiento crítico se asociaron positivamente con un valor significativo menor a 0.05, al igual que acreditar las asignaturas de Pensamiento crítico, matemáticas administrativas y estadística con el resultado obtenido en la dimensión de Pensamiento crítico con un valor significativo de 0.023.
Tabla 7 Asociaciones entre variables y el nivel de pensamiento computacional.
| Elemento | Significancia asintótica |
|---|---|
| Género y puntuación total de pensamiento computacional | 0.022 |
| Edad y puntuación total de pensamiento computacional | 0.104 |
| Asignatura de literacidad digital completada y puntuación en la dimensión Pensamiento crítico | 0.023 |
| Asignatura de Pensamiento crítico completada y puntuación en la dimensión Pensamiento crítico | 0.023 |
| Asignatura de matemáticas administrativas completada y puntuación en la dimensión Pensamiento crítico | 0.023 |
| Asignatura de estadística completada y puntuación en la dimensión Pensamiento crítico | 0.023 |
Fuente: Elaboración propia con el software IBM SPSS
Respecto al elemento edad y puntuación total de pensamiento computacional, la prueba muestra un valor de significancia asintótica de 0.104, mayor que 0.05, por lo que no se observó asociación estadísticamente significativa.
Discusión
Los hallazgos deben analizarse a la luz de la premisa de que un modelo educativo basado en el desarrollo del pensamiento computacional permite a los estudiantes desplegar habilidades para el siglo XXI (Buitrago-Flórez et al. 2021; Gretter & Yadav 2016; Yadav et al. 2016).
De acuerdo con los resultados del estudio de caso, el nivel en pensamiento computacional se asocia con diversos aspectos, como las asignaturas acreditadas y el género. También se observa que existen elementos en los que no se observó asociación estadísticamente significativa con el resultado, como la edad y la generación de origen de los estudiantes, lo que influye únicamente en el período académico en que se encuentran actualmente. Por ejemplo, al analizar la Tabla 5, no se observan variaciones significativas entre los porcentajes de los niveles por encima o por debajo de la media; el número de estudiantes con puntuación final de todas las generaciones varía apenas entre un 10,7% y un 13,7%.
En cuanto al género, las pruebas realizadas muestran una asociación significativa, ya que quienes se identifican con el género masculino reportaron un 27% de puntuaciones por encima de la media frente al 21.9% de las mujeres; además, hay menos hombres por debajo de la media (20.7%) que mujeres (26.4%). El contraste con Rodríguez-Abitia et al. (2021) muestra coincidencias en la heterogeneidad de los resultados, atribuible al perfil similar de estudiantes no-STEM. No obstante, las diferencias en género y el entorno familiar sugieren variaciones en el contexto institucional o socioeconómico. Asimismo, la falta de asociación con la edad indica que, sin una intervención pedagógica específica, el avance en la carrera no garantiza estas habilidades.
Asimismo, es pertinente subrayar que la mayoría de los trabajos publicados sobre la percepción o el desarrollo del pensamiento computacional en contextos no STEM que fueron revisados primero instruyen a los estudiantes a través de cursos y luego miden su desarrollo (De Santo et al., 2022; Jang et al., 2023; Liao et al., 2022; Prado Ortega et al., 2023). Algunos de los trabajos revisados consideran directamente las asignaturas cursadas y su impacto en el desarrollo de esta competencia (Camargo Pérez & Munar Ladino, 2021; Kang et al., 2023; Rodríguez-Abitia et al., 2021). En este sentido, el presente estudio se diferencia al evaluar la relación entre las experiencias educativas propias del plan de estudios de Contaduría y el pensamiento computacional.
Adicionalmente, las asociaciones obtenidas refuerzan la relevancia de ciertas experiencias educativas: la dimensión de Pensamiento crítico mostró una asociación estadísticamente positiva con las asignaturas de literacidad digital, Pensamiento crítico, matemáticas administrativas y estadística (valor sig. p = .023), siendo además la dimensión con mayor número de estudiantes por encima de la media (más del 40%). Esto coincide con lo reportado por Rahman (2019) quien destaca que la resolución de problemas, habilidad estrechamente vinculada al pensamiento crítico analizado, implica seleccionar procedimientos innovadores y analizar objetivamente la información.
Las experiencias educativas analizadas presentan tendencias descriptivas con las dimensiones del estudio. En primer lugar, la Creatividad se vincula con soluciones tecnológicas aplicadas a organizaciones y matemáticas administrativas, lo que fomenta la generación de propuestas innovadoras en las organizaciones. En segundo lugar, el Pensamiento crítico para la resolución de problemas permite la evaluación efectiva de alternativas para la resolución de problemas. En tercer lugar, la materia de estadística se asocia con la Resolución de problemas, proporcionando herramientas cuantitativas para la toma de decisiones. Finalmente, en literacidad digital, el uso de software fortalece tanto el Pensamiento crítico como el Pensamiento algorítmico, lo que coincide con lo señalado por Rahman (2019) respecto al papel de estas competencias en el fortalecimiento de habilidades del siglo XXI.
Conclusiones
De acuerdo con los resultados y la discusión, el estudio permite concluir que el pensamiento computacional en estudiantes de Contaduría se asocia con el género y las asignaturas acreditadas, mientras que con la edad y la generación no se observó asociación estadísticamente significativa.
Asimismo, los resultados obtenidos sugieren que las experiencias educativas del plan de estudios se vinculan con el desarrollo del pensamiento computacional.
La dimensión de Pensamiento crítico resultó el área con mayor nivel de desempeño, con más del 40% de estudiantes de la muestra total (N=488) por encima de la media, lo que resalta su valor estratégico en la formación profesional. Las asignaturas como literacidad digital, Pensamiento crítico para la solución de problemas, matemáticas administrativas y estadística se asocian con el desarrollo del pensamiento computacional, confirmando la relevancia de su incorporación en programas académicos no STEM.
Los resultados obtenidos permitieron que se cumpla el objetivo de la investigación de
El estudio cumplió su objetivo al demostrar que factores demográficos y académicos influyen en la percepción del pensamiento computacional en estudiantes de Contaduría. Los hallazgos revelaron diferencias significativas por género en las puntuaciones globales, así como una asociación directa entre la acreditación de asignaturas específicas y las dimensiones de Pensamiento crítico y Resolución de problemas. Estos resultados confirman que el diseño curricular en áreas de negocios (contextos no STEM) es determinante para el fortalecimiento de las competencias esenciales del siglo XXI.
Futuras líneas de investigación
Derivado de los hallazgos, se plantean las siguientes líneas de investigación: en primer lugar, aplicar los instrumentos en otras carreras no STEM para explorar la relación del currículo en el pensamiento computacional. Por otro lado, es conveniente también realizar estudios comparativos y longitudinales que permitan observar la evolución de las competencias a lo largo de la trayectoria académica. Por último, se considera diseñar intervenciones o cursos de apoyo enfocados en fortalecer habilidades del siglo XXI para posteriormente evaluar su efectividad.
