VI Taller Internacional de Formación para las Ciencias Informáticas
-
Método para evaluar la satisfacción de los estudiantes del proceso de culminación de estudio utilizando 2-tuplas lingüísticas
Yoisbel Tabares León
-
Ingeniería pedagógica asistida por IA generativa: un enfoque disruptivo para la educación en programación
Marieta Peña Abreu
-
Propuesta de transformación digital de La Lisa desde la Práctica Profesional
Niurvis Legrá Pérez
-
Panel: La Inteligencia Artificial en la Educación Superior
Dr. C. José Ortiz Rojas
-
Desarrollo de habilidades profesionales mediante el implementación del aprendizaje basado en proyecto en la facultad de Tecnologías Libres
Hubert Viltres Salas
-
Estrategia para el desarrollo de habilidades profesionales en estudiantes de carreras de perfil informático
Dr. C. Ailec Granda Dihigo
-
Competencias mediáticas en la formación inicial docente con el uso de la inteligencia artificial
Odiel Estrada Molina
-
Orientaciones metodológicas para la determinación del currículo optativoelectivo de una carrera
Roexcy Vega Prieto
-
Diagnóstico de habilidades profesionales para trabajo en equipos de desarrollo de software en carreras informáticas
Yamilka Gómez León
-
Procedimientos para el uso de Recursos Educativos Abiertos como fuentes de conocimiento histórico-social
Luis Augusto Arias Verdecia
En este trabajo se analizó la efectividad de combinar pedagogía activa e inteligencia artificial en la enseñanza de estructuras de datos lineales en Java, dirigido a estudiantes de segundo año de Ingeniería en Ciencias Informáticas en la Universidad de las Ciencias Informáticas. El objetivo incluyó superar las dificultades identificadas en los estudiantes, como la falta de aplicación práctica, errores en implementaciones y problemas de abstracción, mediante un enfoque innovador que integró aprendizaje basado en proyectos, visualización interactiva y retroalimentación automatizada con IA. La metodología empleó un diseño cuasi-experimental con un grupo experimental que recibió la intervención propuesta y un grupo de control que continuó con métodos tradicionales. Los instrumentos de recolección de datos abarcaron pruebas teóricas y prácticas, análisis de código, encuestas de percepción y registros de interacción con la plataforma de IA. Los resultados mostraron mejoras significativas en el grupo experimental, con promedios de 4.2 en evaluación teórica y 4.0 en práctica, frente a 3.1 y 2.8 del grupo de control, además de una reducción notable en errores como NullPointerException y recursividad infinita. Los estudiantes valoraron positivamente la utilidad de la visualización interactiva y la claridad del feedback automatizado. La investigación concluyó que la combinación de aprendizaje basado en proyectos, visualización e IA no sólo mejoró el rendimiento académico, sino que también redujo la brecha entre teoría y práctica, preparando mejor a los estudiantes para las demandas de la industria. Estos resultados respaldan la necesidad de adoptar enfoques innovadores en la enseñanza de estructuras de datos.