VI Taller Internacional de Formación para las Ciencias Informáticas
-
Resolución de problemas con Geogebra, utilización en las fases interpretativa y de construcción de modelo
Antonio Rey Roque
-
Ingeniería pedagógica asistida por IA generativa: un enfoque disruptivo para la educación en programación
Marieta Peña Abreu
-
Contribución del Aprendizaje Basado en Proyectos a la gestión metodológica en el colectivo de año
Reina Victoria Estrada Nelson
-
Guía Didáctica para la enseñanza aprendizaje del cálculo diferencial e integral utilizando GeoGebra
Niurys Lázaro Alvarez
-
La Inteligencia Artificial en Educación Superior: análisis de riesgos y oportunidades
Dr. C. José Ortiz Rojas
-
Proyección estratégica y gestión de la calidad en la Universidad de las Ciencias Informáticas
Ernesto Miguel García González
-
Orientaciones metodológicas para la determinación del currículo optativoelectivo de una carrera
Roexcy Vega Prieto
-
Estrategia para el desarrollo de habilidades profesionales en estudiantes de carreras de perfil informático
Dr. C. Ailec Granda Dihigo
-
Gestión de la calidad de los procesos sustantivos en las instituciones de educación superior
Lázaro Valdés Pérez
-
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.