Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
Sistema de actividades para el desarrollo del pensamiento computacional  
en la asignatura Matemática en primer año de bachillerato  
System of activities for the development of computational thinking in the  
subject of Mathematics in the first year of high school  
Zambrano-Merchán Yenifger Yolanda  
Universidad Bolivariana del Ecuador. Ecuador.  
Correo: yyzambranom@ube.edu.ec  
ORCID ID: https://orcid.org/0009-0001-8692-9026  
Soler-Rodríguez Rosalina  
Universidad Bolivariana del Ecuador. Ecuador.  
Correo: rsolerr@ube.edu.ec  
ORCID ID: https://orcid.org/0000-0001-7046-1273  
Perez-Barrera Hendy Maier  
Universidad Bolivariana del Ecuador. Ecuador.  
Correo: hmperezb@ube.edu.ec  
ORCID ID: https://orcid.org/0000-0003-1989-2136  
RESUMEN  
La presente investigación indaga acerca de las dificultades existentes en el desarrollo  
del pensamiento computacional en estudiantes de primero de bachillerato, desde la  
asignatura Matemática. Para ello, se elaboró un sistema de actividades conectadas y  
desconectadas para potenciar las dimensiones de abstracción, secuenciación y  
algoritmización en el proceso de resolución de problemas matemáticos. La metodología  
adoptada tuvo un enfoque cuantitativo, con un diseño cuasiexperimental, basado en un  
pretest y postest, aplicados a una muestra de 70 estudiantes distribuidos en un grupo  
control (31) y un grupo experimental (39). Se utilizaron instrumentos validados por juicio  
de expertos. Los datos fueron analizados con el software Jamovi mediante estadísticos  
descriptivos, pruebas de normalidad y pruebas t para muestras relacionadas e  
independientes. Los resultados demostraron que el grupo experimental superó  
significativamente al grupo de control en las barreras relacionadas con el bloqueo ante  
los problemas, la confusión al interpretarlos y la dificultad para saber cómo iniciar su  
resolución, con mejoras superiores a 1,5 puntos en promedio en todas las dimensiones.  
Además, las pruebas inferenciales confirmaron diferencias estadísticamente  
significativas (p < .001), Estos resultados permitieron aceptar la hipótesis de  
investigación, concluyéndose que el sistema de actividades diseñado constituye una  
propuesta didáctica eficaz para el desarrollo del pensamiento computacional en el  
proceso de enseñanza-aprendizaje de la asignatura de Matemática.  
Palabras claves: pensamiento computacional, asignatura Matemática, sistemas de  
actividades conectadas y desconectadas.  
ABSTRACT  
This research investigates the difficulties in developing computational thinking among  
first-year high school students in the mathematics course. To this end, a system of  
connected and disconnected activities was developed to enhance the dimensions of  
abstraction, sequencing, and algorithmization in the mathematical problem-solving  
process. The methodology employed a quantitative approach with a quasi-experimental  
Información del manuscrito:  
Fecha de recepción: 06 de enero de 2026.  
Fecha de aceptación: 09 de marzo de 2026.  
Fecha de publicación: 11 de junio de 2026.  
857  
Zambrano-Merchán et al. (2026)  
design, based on a pre-test and post-test, administered to a sample of 70 students  
divided into a control group (31) and an experimental group (39). Instruments validated  
by expert judgment were used. Data were analyzed using Jamovi software with  
descriptive statistics, normality tests, and t-tests for related and independent samples.  
The results demonstrated that the experimental group significantly outperformed the  
control group in overcoming barriers related to getting stuck on problems, confusion in  
interpreting them, and difficulty knowing how to begin solving them, with improvements  
exceeding 1.5 points on average across all dimensions. Furthermore, inferential tests  
confirmed statistically significant differences (p < .001). These results allowed us to  
accept the research hypothesis, concluding that the designed system of activities  
constitutes an effective didactic proposal for the development of computational thinking  
in the teaching-learning process of the subject of Mathematics.  
Keywords: Computational thinking, subject Mathematics, systems of connected and  
disconnected activities.  
1. INTRODUCCIÓN  
En la era digital contemporánea, los sistemas educativos enfrentan el reto de  
incorporar competencias propias del siglo XXI que permitan a los estudiantes  
desenvolverse de manera eficiente ante las exigencias de la sociedad actual.  
Una de estas competencias es el pensamiento computacional, el cual se ha  
posicionado como una habilidad clave para resolver problemas, estructurar  
procesos mentales y aplicar soluciones lógicas mediante el uso de tecnologías  
digitales, especialmente en áreas como la Matemática, donde la abstracción, la  
secuenciación y la resolución de problemas se articulan con naturalidad.  
Según Álvarez et al. (2025), el pensamiento computacional no es exclusivo de la  
informática, sino que constituye una estrategia transversal que favorece el  
desarrollo del razonamiento lógico y crítico en los procesos educativos de  
diversas disciplinas, entre ellas, la Matemática.  
El proceso de enseñanza aprendizaje de la Matemática se define como un  
sistema dinámico y dialéctico donde la interacción entre el docente, el estudiante  
y el objeto de estudio busca la apropiación de estructuras abstractas para la  
resolución de problemas (Friz et al., 2018). En el primer año de bachillerato, este  
proceso no debe limitarse a la ejecución mecánica de algoritmos, sino que debe  
evolucionar hacia una mediación didáctica que promueva el desarrollo de  
capacidades cognitivas superiores. Resultados de investigaciones antecedentes  
confirman que la enseñanza matemática contemporánea exige una transición  
858  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
desde modelos tradicionales hacia enfoques que prioricen el razonamiento  
lógico-formal y la modelación de fenómenos reales (Jimpikit et al., 2024).  
La realidad educativa actual confirma que, el avance acelerado de la tecnología  
digital ha llevado a replantear la manera en que se enseña y aprende. Es por  
esto que la integración de herramientas digitales en la clase de Matemática  
representa una vía para potenciar la enseñanza, tradicionalmente percibidas  
como abstractas y desafiantes para los estudiantes en su aprendizaje.  
Un ejemplo que ilustra lo anterior es la incorporación del lenguaje de  
programación Scratch y de plataformas digitales educativas interactivas no solo  
incentiva la participación activa del estudiante en el aula, sino que contribuye  
significativamente al desarrollo del pensamiento lógico-computacional, estimula  
la creatividad, mejora la comprensión de los procesos matemáticos y fortalece  
habilidades cognitivas como la planificación, la verificación de resultados y la  
toma de decisiones.  
En este contexto, el pensamiento computacional emerge como una competencia  
transversal esencial, definida como el proceso mental de formulación de  
problemas y sus soluciones, de modo que estas últimas puedan ser ejecutadas  
de forma efectiva por un agente de procesamiento de información (Téllez, 2019).  
Esta capacidad se relaciona intrínsecamente con la Matemática, dado que  
ambas disciplinas comparten bases conceptuales como la abstracción, la  
descomposición de problemas complejos y la creación de algoritmos (Quevedo  
et al., 2023). En efecto, el pensamiento computacional actúa como un puente  
que permite al estudiante estructurar el razonamiento matemático mediante la  
lógica de programación y el análisis sistemático.  
Asimismo, la vinculación entre pensamiento computacional y conocimiento  
matemático contribuye a la construcción de una didáctica innovadora en la que  
se promueve la solución de problemas mediante estrategias digitales. Chytas et  
al., (2024) sostienen que la implementación de entornos dinámicos como  
GeoGebra en clases de cálculo aritmético, fortalece las habilidades  
computacionales al fomentar el diseño de soluciones algorítmicas.  
859  
Zambrano-Merchán et al. (2026)  
Estos enfoques también permiten una aproximación más significativa al  
conocimiento matemático, ya que involucran al estudiante en tareas concretas y  
contextualizadas que mejoran la retención del contenido y favorecen el  
aprendizaje significativo. Por tanto, la interacción entre pensamiento  
computacional y Matemáticas es inherente para responder a las demandas  
formativas actuales en los estudiantes que inician sus estudios en el Bachillerato.  
En este mismo orden de ideas, autores como Irawan et al. (2024) destacan que  
existe una tendencia creciente en los estudios que abordan la integración del  
pensamiento computacional en la enseñanza Matemática, especialmente en los  
niveles de secundaria. Esta tendencia se justifica en la capacidad del  
pensamiento computacional para estimular habilidades cognitivas de orden  
superior y para estructurar procesos lógicos que favorezcan la solución de  
problemas complejos. Por ello, se observa cómo la Matemática se convierte en  
un terreno fértil para la aplicación de estrategias propias del pensamiento  
computacional, permitiendo así la formación de estudiantes capaces de enfrentar  
los desafíos del contexto digital actual y del futuro.  
En el caso de la educación media, específicamente en primero de bachillerato,  
es indispensable generar experiencias de aprendizaje que integren la tecnología  
digital y el pensamiento computacional de forma efectiva. Esto es aún más  
necesario en asignaturas como la Matemática, donde la abstracción y la lógica  
son esenciales. Según Montero (2025), el desarrollo del pensamiento algorítmico  
en estudiantes de secundaria permite estructurar mejor las secuencias  
Matemáticas, comprender los procesos de solución y aplicar modelos  
transferibles a situaciones del mundo real. Por tanto, incorporar actividades  
diseñadas para potenciar el pensamiento computacional con apoyo tecnológico  
puede tener un impacto significativo en el rendimiento académico y en la  
motivación estudiantil hacia las Matemáticas.  
Pese a la relevancia del área, se observa una marcada deficiencia en la  
transferencia de procesos lógicos hacia la resolución de problemas matemáticos  
complejos. En primer lugar, los estudiantes manifiestan dificultades críticas en la  
descomposición de problemas, tendiendo a abordar los enunciados de forma  
global sin identificar las subproblemas o variables subyacentes; también se  
860  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
evidencia una carencia en el pensamiento algorítmico, donde el alumno es capaz  
de replicar procedimientos mecánicos, pero fracasa al intentar diseñar  
secuencias de pasos lógicas, originales y escalables que conduzcan a una  
solución eficiente (Pinzón, 2023).  
Aunado a lo anterior, existe una limitada capacidad de abstracción y  
reconocimiento de patrones, lo que impide a los jóvenes generalizar soluciones  
o identificar regularidades en funciones y estructuras algebraicas. Esta  
problemática se agudiza por una enseñanza de la Matemática que aún  
permanece desvinculada de la lógica computacional, priorizando la  
memorización sobre la construcción de modelos mentales sistemáticos. La falta  
de un sistema de actividades que integre intencionalmente estos componentes  
genera un vacío pedagógico que dificulta la transición hacia niveles superiores  
de formalización, justificando la necesidad de una intervención didáctica  
estructurada que potencie el pensamiento computacional como eje vertebrador  
del aprendizaje (Vargas & Agramonte, 2024).  
El problema radica en que, a pesar de los múltiples beneficios que conlleva la  
implementación del pensamiento computacional en la enseñanza Matemática,  
aún persisten limitaciones en la integración efectiva de este enfoque en las aulas  
de bachillerato. La primera causa de esta situación problemática es la escasa  
formación docente en pensamiento computacional para su aplicación en la  
enseñanza de la Matemática; esto deriva en una didáctica tradicional basada en  
la memorización de procedimientos y la repetición mecánica, sin oportunidad de  
desarrollar habilidades de razonamiento lógico o creativo (Donoso, 2025). Como  
efecto, los estudiantes presentan un bajo nivel de interés y comprensión en la  
asignatura, lo que repercute directamente en su desempeño académico.  
Una segunda causa es la limitada disponibilidad o uso inadecuado de recursos  
tecnológicos digitales en los centros educativos. Aunque muchas instituciones  
cuentan con herramientas digitales, estas no se emplean de manera estratégica  
para fortalecer el pensamiento computacional, ni se vinculan adecuadamente al  
currículo de Matemáticas; este desajuste entre los recursos disponibles y su  
aplicación pedagógica produce un desfase entre las habilidades que se enseñan  
861  
Zambrano-Merchán et al. (2026)  
y las que realmente se necesitan para desenvolverse en contextos tecnológicos  
actuales (Molina et al., 2024). Como resultado, los estudiantes no logran  
desarrollar la autonomía ni el pensamiento crítico necesarios para enfrentar  
desafíos matemáticos con soluciones innovadoras.  
Una tercera causa está asociada a la ausencia de sistemas de actividades  
estructuradas que fomenten el pensamiento computacional desde tareas  
cotidianas, contextualizadas y progresivas. En la mayoría de los casos, los  
enfoques didácticos tradicionales no contemplan estrategias específicas para  
desarrollar habilidades como la descomposición, la abstracción o el diseño de  
algoritmos, las cuales son claves para integrar la lógica computacional al  
aprendizaje matemático (Mejía et al., 2024). Como efecto de esta carencia, se  
pierde la oportunidad de crear ambientes de aprendizaje significativos en los que  
los estudiantes puedan experimentar, reflexionar y construir conocimiento  
matemático mediante el uso de tecnologías digitales.  
En consecuencia, surge la necesidad imperante de potenciar esta competencia  
en el currículo actual de bachillerato para responder a las demandas de la  
sociedad digital. La integración de un sistema de actividades diseñado  
específicamente para este nivel permite no solo mejorar el rendimiento  
académico, sino también desarrollar el pensamiento crítico y la autonomía (Rojas  
&
Aravena, 2023, Soler, 2024). Por lo tanto, fortalecer el pensamiento  
computacional en la asignatura de Matemática es fundamental para dotar al  
estudiante de herramientas transferibles que faciliten la resolución eficiente de  
desafíos en contextos académicos y profesionales diversos, garantizando una  
formación integral y tecnológicamente pertinente.  
Todas las consideraciones anteriores, justifican la necesidad de realizar una  
investigación orientada a dar respuesta al problema científico planteado, el cual  
se manifiesta en las insuficiencias existentes en el desarrollo del pensamiento  
computacional en la asignatura de Matemática en primero de bachillerato. En tal  
sentido, y con el fin de atender el problema antes expuesto, se establece como  
objetivo general de la investigación diseñar un sistema de actividades dirigido al  
desarrollo del pensamiento computacional en estudiantes de primero de  
862  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
bachillerato, mediante la asignatura de Matemática como eje articulador del  
proceso de enseñanza-aprendizaje.  
El pensamiento computacional se ha consolidado como una competencia  
transversal clave para el razonamiento lógico-matemático. Según Álvarez et al.  
(2025), esta capacidad trasciende la programación, enfocándose en la  
resolución sistemática de problemas, la abstracción y la automatización de  
procesos mentales aplicables a la vida cotidiana.  
Por su parte, Alonso et al. (2024) subrayan que su enseñanza no depende de  
lenguajes complejos; el uso de actividades desconectadas y lúdicas resulta  
eficaz para estimular la secuenciación y creación de algoritmos, especialmente  
en bachillerato. Finalmente, Mejía et al. (2024) destacan su valor  
interdisciplinario, señalando que los docentes que integran esta competencia  
reportan una mejora significativa en la motivación y la calidad del aprendizaje  
estudiantil.  
El pensamiento computacional potencia el razonamiento lógico mediante  
estructuras sistemáticas. Chytas et al. (2024) demostraron, mediante el uso de  
GeoGebra, que este enfoque mejora la comprensión matemática y la capacidad  
para organizar soluciones. Así, actúa como un catalizador del pensamiento  
lógico en lugar de ser un área aislada.  
Por otro lado, Montero (2025) sostiene que el pensamiento algorítmico facilita la  
identificación de patrones y la creación de soluciones transferibles, incluso  
mediante actividades desconectadas combinadas con las actividades  
conectadas (Soler, 2024). Finalmente, Vilchez et al. (2024) confirman que el uso  
de estrategias visuales y computacionales en universitarios optimiza la  
comprensión conceptual, estableciendo un puente sólido entre la abstracción  
matemática y la práctica pedagógica.  
El desarrollo del pensamiento computacional requiere un enfoque que equilibre  
pedagogía con tecnología. Según Donoso (2025), la principal barrera es la falta  
de formación docente; aunque se valora su importancia, la carencia de  
preparación para diseñar actividades específicas limita el impacto de las  
863  
Zambrano-Merchán et al. (2026)  
herramientas digitales, las cuales dependen de una mediación didáctica para  
generar aprendizajes significativos.  
Para superar esto, Castillo et al. (2024) proponen integrar Scratch e inteligencia  
artificial en secundaria, permitiendo que la creación de algoritmos y simulaciones  
potencie la autonomía y el pensamiento crítico. Esta metodología facilita la  
retroalimentación inmediata y el aprendizaje basado en el error, permitiendo que  
los estudiantes construyan sus propios modelos de solución en un entorno  
motivador.  
Un enfoque didáctico pertinente en adolescentes de secundaria para el  
desarrollo del pensamiento computacional, es analizado por Soler (2024) al  
combinar actividades conectadas y desconectadas para desarrollar habilidades  
como la descomposición, el reconocimiento de patrones, la abstracción y la  
secuenciación. Las actividades desconectadas resultan especialmente eficaces  
al introducir conceptos algorítmicos de forma accesible, lúdica y contextualizada,  
sin depender obligatoriamente de dispositivos tecnológicos.  
En este sentido, Alonso et al. (2024) evidencian que este tipo de actividades  
tiene un impacto significativo en el desarrollo del pensamiento computacional, ya  
que facilita la comprensión de procesos complejos mediante dinámicas simples  
y motivadoras. De forma complementaria, Zúñiga et al., (2025) resaltan la  
importancia de diseñar actividades escalonadas, inclusivas y adaptadas al perfil  
de los estudiantes, las cuales pueden desarrollarse tanto en entornos digitales  
como a través de simulaciones, dramatizaciones o juegos analógicos que  
fortalecen la lógica y el pensamiento secuencial.  
Ochoa y Vijay (2025) demuestran que el uso de Scratch es más efectivo si se  
precede de actividades desconectadas de planificación, como organizar  
secuencias o dramatizar algoritmos antes de programarlos. Esta articulación  
entre lo analógico y lo digital evidencia que el pensamiento computacional se  
construye gradualmente mediante una adecuada secuenciación  
intencionalidad pedagógica.  
e
864  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
La relación entre el pensamiento computacional y la Matemática es una de las  
más estudiadas debido a que comparten estructuras como el razonamiento  
lógico, la abstracción y la descomposición de problemas. Esta sinergia es  
confirmada por Mejía et al. (2024), quienes muestran que el uso de artefactos  
computacionales aumenta la motivación y profundidad del aprendizaje; dicha  
combinación metodológica conecta el currículo formal con las experiencias del  
estudiante, facilitando una comprensión contextualizada y significativa de la  
disciplina.  
2. METODOLOGÍA  
La presente investigación se enmarca en un enfoque cuantitativo, dirigida a  
medir de manera objetiva la efectividad de un sistema de actividades,  
conectadas y desconectadas, diseñado para el desarrollo del pensamiento  
computacional en estudiantes de primero de bachillerato en la asignatura de  
Matemática.  
En cuanto al diseño de investigación, se adoptó uno cuasiexperimental con grupo  
control y grupo experimental, ya que se trabajó con dos paralelos de estudiantes  
pertenecientes a la misma institución educativa. Uno de los grupos, conformado  
por 39 estudiantes, recibió la intervención pedagógica mediante la aplicación del  
sistema de actividades diseñado; mientras que, en el otro grupo, con 31  
estudiantes, no le fue implementado el aporte práctico. Este tipo de diseño se  
justifica porque permite establecer comparaciones entre dos grupos similares,  
con condiciones de enseñanza distintas, lo que posibilita valorar el efecto  
específico de la variable independiente, la implementación del sistema de  
actividades.  
Respecto al tipo de investigación, se catalogó como descriptiva y explicativa. Es  
descriptiva porque detalla las características actuales de los estudiantes en  
relación con el nivel de desarrollo de su pensamiento computacional al inicio del  
proceso, mediante un diagnóstico realizado con instrumentos estandarizados. Al  
mismo tiempo, es explicativa porque busca identificar las causas y efectos  
derivados de la aplicación del sistema de actividades, evaluando el impacto en  
865  
Zambrano-Merchán et al. (2026)  
la mejora del rendimiento académico y las competencias lógicas de los  
estudiantes en Matemáticas.  
El método seleccionado fue de carácter inductivo-deductivo, dado que se partió  
del análisis de los resultados diagnósticos iniciales (inductivo) para diseñar  
estrategias específicas y, posteriormente, se comprobó mediante la aplicación  
de un postest si las actividades diseñadas lograban el efecto esperado  
(deductivo). Este método se complementa con un enfoque matemático en el  
análisis de los datos, ya que se aplicaron pruebas estadísticas para determinar  
la validez de las diferencias entre el grupo experimental y el grupo control.  
En lo que respecta a las técnicas de investigación, se implementó el uso de  
pruebas pedagógicas diagnósticas y evaluativas pretest y postest. El pretest  
permitió diagnosticar el nivel inicial de desarrollo del pensamiento computacional  
en los estudiantes, a partir de dimensiones como la capacidad de  
descomposición de problemas, secuenciación, la abstracción de patrones y el  
diseño de algoritmos.  
Posteriormente, tras la implementación del sistema de actividades propuesto, se  
aplicó el postest con el fin de evaluar los avances logrados como resultado de la  
intervención pedagógica. Este diseño de evaluación resulta idóneo para valorar  
la efectividad de la propuesta, ya que permite comparar el desempeño inicial y  
final de los estudiantes bajo condiciones controladas.  
El instrumento principal fue un examen de validación de conocimientos,  
elaborado con base en indicadores derivados de la operacionalización de  
variables. Este examen incluyó preguntas de selección múltiple, resolución de  
problemas y ejercicios de diseño algorítmico que permitieron evaluar de manera  
integral las habilidades en el pensamiento computacional aplicadas a la  
Matemática.  
Para asegurar la rigurosidad metodológica, se elaboró un formato estandarizado  
de evaluación que contempló distintos niveles de dificultad y se aplicó de manera  
homogénea tanto al grupo control como al grupo experimental.  
866  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
Resultado de la aplicación de la prueba pedagógica (pretest)  
El diagnóstico inicial se aplicó a la muestra total de la investigación, conformada  
por 70 estudiantes (39 del grupo experimental y 31 del grupo control). Los  
resultados obtenidos en el pretest evidenciaron un nivel predominantemente bajo  
en las dimensiones del pensamiento computacional. De manera general (incluye  
ambos grupos), el 67,14% de los estudiantes mostró dificultades severas para  
descomponer problemas matemáticos complejos en partes más sencillas para el  
análisis, limitándose a intentar resolver los ejercicios de forma mecánica sin una  
estructura lógica previa.  
Por su parte, los resultados relacionados con la secuenciación evidenciaron que  
el 62,86% de los estudiantes presentó dificultades para organizar de manera  
lógica y ordenada los pasos necesarios en la resolución de problemas  
matemáticos. Un 24,29% alcanzó un nivel medio, mostrando capacidad parcial  
para estructurar procedimientos, aunque con omisiones o errores en el orden  
lógico; mientras que únicamente el 12,85% demostró un dominio adecuado en  
la construcción de secuencias coherentes y funcionales para la solución de  
ejercicios planteados.  
Estos resultados reflejan que, si bien existe una ligera mejora en comparación  
con la dimensión de descomposición, la mayoría de los estudiantes aún presenta  
debilidades en la estructuración lógica de procesos, lo cual afecta directamente  
la correcta aplicación de procedimientos matemáticos. La dificultad en la  
secuenciación repercute en la ejecución ordenada de algoritmos y limita la  
consolidación de un pensamiento sistemático.  
En cuanto a la abstracción y el diseño de algoritmos, se identificó que solo el  
14,26% de la muestra total fue capaz de identificar patrones o proponer una  
secuencia de pasos lógicos para resolver problemas de lógica matemática. La  
mayoría de los estudiantes (85.74%) presentó confusión al momento de trasladar  
un enunciado verbal a una representación esquemática o algorítmica, lo que  
confirma una carencia significativa en el pensamiento procedimental necesario  
para el primer año de bachillerato.  
867  
Zambrano-Merchán et al. (2026)  
Estas inferencias demuestran que existe una brecha significativa entre las  
competencias exigidas por el currículo y el estado real de los estudiantes. Los  
resultados del pretest confirman el problema científico declarado, la insuficiencia  
en el desarrollo del pensamiento computacional limita la capacidad de resolución  
de problemas matemáticos. Esta situación justifica la necesidad de implementar  
una solución que se concibe mediante el sistema de actividades propuesto, para  
transformar el estado inicial de los sujetos investigados.  
Diseño del sistema de actividades para el desarrollo del pensamiento  
computacional  
Tomando como base los resultados obtenidos en la prueba pedagógica inicial  
(pretest), los cuales evidenciaron niveles insuficientes en la estructuración lógica  
y resolución de problemas, se diseñó un sistema de actividades específicamente  
orientado a mitigar las falencias detectadas en la muestra investigada. Este  
sistema de actividades responde al currículo de Matemática de primer año de  
bachillerato, que se alinea con las dimensiones críticas del pensamiento  
computacional donde los estudiantes mostraron mayores debilidades, estas son  
la algoritmización, abstracción y secuenciación.  
En coherencia con el enfoque del estudio y el diseño cuasiexperimental, la  
intervención se estructuró a través de dos tipologías de actividades:  
desconectadas (unplugged) y conectadas.  
a. Actividades Desconectadas. Estas consisten en tareas de aprendizaje  
que no requieren el uso de dispositivos digitales o computadoras. Su  
objetivo es trabajar los conceptos fundamentales de la computación y la  
lógica matemática mediante juegos físicos, retos de movimiento, uso de  
material concreto o resolución de acertijos en papel. Estas permiten que  
el estudiante se concentre en la lógica del pensamiento y la secuenciación  
de pasos sin la distracción de la sintaxis técnica o el manejo del hardware.  
b. Actividades Conectadas. Son aquellas que integran el uso de  
herramientas tecnológicas y entornos de programación (como Scratch,  
GeoGebra o calculadoras programables). En estas, el estudiante aplica la  
lógica previamente desarrollada en las actividades desconectadas para  
868  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
crear modelos matemáticos funcionales, automatizar procesos y verificar  
resultados en tiempo real, facilitando el tránsito del pensamiento abstracto  
a la ejecución tangible.  
Para garantizar una aplicación ordenada y sistemática, la propuesta se organizó  
en cinco fases pedagógicas, que describen el proceso de intervención desde el  
diagnóstico inicial hasta la etapa de verificación mediante el postest.  
Propuesta de intervención por fases  
Fase 1: Diagnóstico inicial y motivación  
a. Actividades:  
•
Aplicación del pretest estructurado en tres dimensiones del  
pensamiento computacional: descomposición de problemas,  
secuenciación y abstracción/diseño de algoritmos, con el propósito de  
identificar el nivel inicial de desempeño de los estudiantes. Análisis  
colectivo de situaciones cotidianas, orientado a reconocer la  
importancia de la organización lógica de acciones en la vida diaria.  
Conversatorio motivacional sobre cómo se organizan las actividades  
de la vida cotidiana.  
•
•
Actividad inicial desconectada: “El todo y sus partes” → los estudiantes  
descomponen tareas diarias (por ejemplo, cepillarse los dientes) en  
pasos secuenciados.  
•
Actividad conectada breve: visualización de una simulación sencilla o  
animación en Scratch donde un personaje que realiza una tarea  
cotidiana siguiendo una secuencia de pasos, para que identifiquen el  
orden lógico de las acciones.  
b. Evaluación: Registro en rúbrica y coevaluación entre pares.  
Fase 2: Introducción a la secuenciación  
a. Actividades  
•
Apertura: Proyección de un video documental sobre robótica industrial  
y educativa, con el objetivo de despertar el interés hacia la  
automatización de procesos y la importancia del orden lógico en la  
869  
Zambrano-Merchán et al. (2026)  
ejecución de instrucciones. Se busca que el estudiante identifique que  
un robot no "piensa", sino que ejecuta una secuencia predefinida.  
Actividad central desconectada: “Programo un robot humano”. En  
parejas, los estudiantes asumen los roles de “programador” y “robot”.  
El programador debe guiar al robot a través de un tablero de mosaicos  
dibujado en el piso del aula, utilizando únicamente comandos verbales  
específicos.  
•
•
•
Codificación simbólica: Los estudiantes trasladan la experiencia física  
a una guía de interaprendizaje, donde elaboran algoritmos utilizando  
una simbología flechas y figuras geométricas en lugar de frases,  
introduciendo el concepto de sintaxis y código.  
Actividad conectada: Representación del recorrido del “robot humano”  
en el entorno de Scratch. Se utilizan específicamente los bloques de  
la categoría “Movimiento” (mojar, girar) y “Eventos” (al presionar  
bandera verde). El objetivo es que el estudiante compare la precisión  
de la secuencia física con la ejecución inmediata en la interfaz digital.  
b. Evaluación: Coevaluación de los algoritmos diseñados  
y
heteroevaluación del docente.  
Fase 3: Comprensión de la repetición y ciclos  
a. Actividades  
•
Actividad central desconectada: “Haciendo ciclos”. Los estudiantes  
identifican instrucciones repetidas dentro de algoritmos entregados en  
guías de trabajo impresas; utilizando lápices de colores, encierran las  
secuencias idénticas y las sustituyen por estructuras de repetición (ej.  
“repetir 4 veces [mover paso]”).  
•
•
Socialización en grupos: Análisis de cómo los ciclos simplifican  
procesos y reducen el error humano en la escritura de instrucciones.  
Actividad conectada: Implementación de los algoritmos previos en  
Scratch, utilizando específicamente los bloques de control “repetir” y  
“por siempre”. Los estudiantes comparan visualmente la extensión de  
un código lineal frente a uno con bucles para verificar la eficiencia del  
programa.  
b. Evaluación: Ejercicios prácticos de optimización de algoritmos, validados  
870  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
mediante la ejecución de scripts en Scratch y evaluados mediante una  
rúbrica de desempeño grupal.  
Fase 4: Aplicación en problemas matemáticos  
a. Actividades:  
•
•
Diseño desconectado: Elaboración de algoritmos para resolver  
operaciones paso a paso. Esta representación se realizará mediante  
organizadores gráficos (diagramas de flujo) dibujados en papelotes,  
donde cada figura geométrica represente una acción o decisión lógica.  
Actividad aplicada: Representar la resolución de una ecuación de  
primer grado o el cálculo del mínimo común múltiplo (MCM). Los  
estudiantes desglosan el proceso en una hoja de trabajo estructurada  
que separa los datos de entrada, el proceso de cálculo y la salida del  
resultado.  
•
Actividad conectada central: Simulación de los algoritmos en el  
software GeoGebra, utilizando la herramienta de “Protocolo de  
Construcción” y “Deslizadores” Esto permite que el programa muestre  
paso a paso el procedimiento geométrico o algebraico y el resultado  
final, permitiendo verificar la validez del algoritmo construido.  
b. Evaluación: Resolución de problemas matemáticos, verificación del  
funcionamiento del programa en GeoGebra y exposición grupal de la  
lógica aplicada.  
Fase 5: Consolidación y verificación  
a. Actividades:  
•
•
Aplicación del postest: Tras finalizar la intervención, se aplica  
nuevamente el instrumento diagnóstico (mediante Google Forms) para  
medir los avances cuantitativos en la abstracción, secuenciación y  
pensamiento algorítmico.  
Reflexión grupal: Foro de discusión sobre la utilidad de descomponer  
problemas complejos en la asignatura de Matemática.  
•
Actividad conectada de cierre: Presentación de proyectos finales  
en Scratch utilizando el recurso de “Compartir Proyecto", donde los  
estudiantes integran variables y operadores matemáticos para  
871  
Zambrano-Merchán et al. (2026)  
crear una calculadora lógica o un juego de retos numéricos.  
b. Evaluación: Análisis comparativo de resultados mediante estadística  
descriptiva (pretest vs postest), coevaluación del proceso y valoración  
de los productos digitales finales.  
Estructura del instrumento de evaluación  
En correspondencia con las dimensiones trabajadas en la propuesta de  
intervención y con los objetivos de la investigación, el instrumento evaluativo fue  
estructurado en función de indicadores específicos para cada dimensión del  
pensamiento computacional. A continuación (Tabla 1), se presenta un ejemplo  
de la organización del test aplicado a ambos grupos.  
Tabla 1. Elementos del test al grupo experimental y de control  
Dimensión  
Indicador  
Ejemplo de ítem  
Un estudiante debe resolver una ecuación  
“
Identifica partes de un  
problema complejo  
Descomposición  
con fracciones. ¿Qué pasos debe realizar  
primero?”  
“
Organiza en el orden correcto los pasos para  
Ordena pasos de un  
algoritmo matemático  
Secuenciación  
Abstracción  
calcular el mínimo común múltiplo de dos  
números.”  
Reconoce patrones y  
relaciones  
“Si una figura aumenta de 2 en 2 en cada  
paso, ¿cuál será la regla general del patrón?”  
Construye instrucciones  
lógicas  
“Escribe un algoritmo en pasos para dividir  
dos números y obtener el cociente exacto.”  
Algoritmización  
Nota: Elaboración propia  
Validación del pretest y postest  
Para garantizar la validez y confiabilidad del instrumento, se aplicaron dos  
procesos de validación:  
1
. Validación por juicio de expertos: El instrumento fue sometido a la  
revisión de cinco (5) expertos con grado de Magíster y Doctorado,  
especializados en las áreas de Matemática, Didáctica de la Matemática y  
Tecnología Educativa. Los evaluadores calificaron la pertinencia, claridad  
y nivel de dificultad de los ítems mediante una matriz de validación. Sus  
observaciones, centradas principalmente en el ajuste del lenguaje técnico  
872  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
para estudiantes de bachillerato, fueron incorporadas en la versión final  
del instrumento.  
Nota: Se calculó el coeficiente de validez de contenido para asegurar que  
los ítems midieran efectivamente las dimensiones propuestas.  
2. Validación teórica: Se efectuó una validación basada en la literatura  
científica reciente (Tabla 2). Cada dimensión del pensamiento  
computacional (descomposición,  
abstracción,  
secuenciación  
y
algoritmos) fue contrastada con estudios previos, lo que permitió sustentar  
teóricamente la estructura del instrumento (Álvarez et al., 2025; Castillo et  
al., 2024; Montero, 2025).  
Tabla 2. Validación teórica de ejes evaluados  
Dimensión  
Eje evaluado  
Referencia teórica  
Identificación de pasos en la resolución  
Matemática  
Descomposición  
Montero (2025)  
Ordenamiento de instrucciones en algoritmos  
matemáticos  
Secuenciación  
Abstracción  
Chytas et al. (2024)  
Reconocimiento de patrones numéricos y  
geométricos  
Irawan et al. (2024)  
Castillo et al. (2024)  
Algoritmización Creación de soluciones estructuradas y lógicas  
Nota: Esta tabla permitió vincular el diseño del instrumento con el marco conceptual de la  
investigación, garantizando que los reactivos midan de manera efectiva el desarrollo del  
pensamiento computacional del estudiante en el contexto de la asignatura de Matemática.  
Recorrido pedagógico del estudio  
a. El proceso metodológico se estructuró en tres fases principales:  
Fase de diagnóstico: aplicación del pretest a ambos grupos.  
b. Fase de intervención: aplicación del sistema de actividades al grupo  
experimental, mientras el grupo control continuó con la metodología  
tradicional.  
c. Fase de verificación: aplicación del postest y procesamiento  
estadístico de los datos.  
El análisis de los datos se realizó mediante el software estadístico Jamovi. Se  
aplicaron análisis descriptivos y pruebas inferenciales, en particular la prueba t  
de Student para muestras relacionadas, con el fin de comparar los resultados del  
pretest y el postest.  
873  
Zambrano-Merchán et al. (2026)  
Se planteó: Hipótesis de investigación (H₁): El sistema de actividades mejora  
significativamente el desarrollo del pensamiento computacional en los  
estudiantes de primero de bachillerato en la asignatura de Matemática.  
Hipótesis nula (H₀): El sistema de actividades no genera diferencias significativas  
en el desarrollo del pensamiento computacional en los estudiantes de primero  
de bachillerato en la asignatura de Matemática.  
La validación rigurosa del instrumento, el trabajo diferenciado entre grupo control  
y experimental, y el análisis estadístico con Jamovi otorgan robustez al proceso  
investigativo. Este enfoque permite no solo comprobar la hipótesis planteada,  
sino también generar evidencias aplicables para futuras intervenciones en  
contextos similares.  
3. RESULTADOS Y DISCUSIÓN  
Una vez aplicada la intervención pedagógica basada en el sistema de  
actividades, se procedió a la aplicación del postest a los grupos control y  
experimental, con el fin de evaluar los cambios producidos en el desarrollo del  
pensamiento computacional, teniendo en cuenta que solo el grupo experimental  
recibió la intervención propuesta del sistema de actividades anteriormente  
descrita; el grupo control siguió con la intervención tradicional.  
Los análisis descriptivos evidencian un incremento en los puntajes de todas las  
dimensiones evaluadas, siendo este aumento considerablemente mayor en el  
grupo experimental en comparación con el grupo control. En términos generales,  
las medias del grupo experimental evidenciaron incrementos moderados,  
ubicándose en rangos cercanos al nivel alto (8–10).  
En la dimensión de abstracción, los resultados del postest mostraron un avance  
significativo en el grupo experimental, pasando de una media de 6,63 en el  
pretest a 8.27 en el postest, lo que representa un incremento sustancial superior  
a 1.6 puntos. Este resultado sugiere una mejora notable en la capacidad de los  
estudiantes del grupo experimental para reconocer patrones y establecer  
relaciones matemáticas.  
874  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
En la dimensión de secuenciación, el grupo de control presentó un aumento de  
6
.43 a 6.99, en tanto que el grupo experimental incrementó su media de 6.51 a  
.17. Este resultado evidencia un fortalecimiento significativo en la capacidad de  
8
organizar pasos lógicos para la resolución de problemas matemáticos en los  
estudiantes que participaron en la intervención.  
En cuanto a la dimensión de algoritmización, el grupo de control pasó de 6.32 a  
7.00, mientras que el grupo experimental avanzó de 6.45 a 8.00. Este incremento  
superior a 1.5 puntos en el grupo experimental indica un progreso importante en  
la formulación y aplicación de procedimientos lógicos y estructurados.  
Las pruebas de normalidad de Shapiro-Wilk indicaron que, si bien en algunos  
casos los datos del pretest presentaron leves desviaciones de la normalidad, en  
el postest ambos grupos mostraron distribuciones normales (p > .05), lo que  
permitió la aplicación de pruebas estadísticas paramétricas para el análisis  
inferencial.  
En conjunto, los resultados obtenidos (Tabla 3 y Figura 1) confirman que el  
sistema de actividades aplicado tuvo un efecto positivo y significativo en el  
desarrollo del pensamiento computacional de los estudiantes del grupo  
experimental, cuyos puntajes superaron de manera consistente a los del grupo  
de control en todas las dimensiones evaluadas.  
Tabla 3. Estadísticas descriptivas  
Shapiro-Wilk  
Median  
a
Mínim  
o
Máxim  
o
Paralelo  
Media  
DE  
W
p
Descomposición_Pr  
e
6.1  
0
0.29  
0
0.95  
8
0.24  
1
Control  
6.08  
6.00  
6.00  
6.20  
6.85  
6.92  
7.60  
Experiment  
al  
6.1  
8
0.30  
5
0.94  
9
0.11  
8
6.17  
Descomposición_P  
ost  
6.8  
5
0.34  
0
0.97  
2
0.51  
2
Control  
6.84  
Experiment  
al  
8.0  
5
0.42  
0
0.98  
4
0.70  
1
8
.03  
7.10  
6.00  
8.90  
6.97  
Abstracción_Pre  
Abstracción_Post  
Control  
6.44  
6.63  
6.43  
6.65  
0.26  
0
0.96  
5
0.38  
9
Experiment  
al  
0.32  
8
6.04  
6.42  
7.76  
7.94  
0.93  
2
0.02  
1
Control  
7.15  
7.15  
0.36  
5
0.98  
5
0.93  
0
875  
Zambrano-Merchán et al. (2026)  
Shapiro-Wilk  
Median  
a
Mínim  
o
Máxim  
o
Paralelo  
Media  
DE  
W
p
Experiment  
al  
8.27  
8.28  
0.44  
8
7.00  
9.16  
0.97  
8
0.63  
3
Secuenciación_Pre  
Control  
6.43  
6.51  
6.43  
6.52  
0.25  
7
6.00  
6.00  
6.87  
7.14  
0.96  
4
0.37  
9
Experiment  
al  
0.27  
5
0.98  
5
0.88  
3
Secuenciación_Pos  
t
Control  
6.99  
8.17  
6.99  
8.14  
0.38  
6
6.23  
7.61  
7.99  
8.94  
0.96  
5
0.38  
5
Experiment  
al  
0.30  
1
0.98  
1
0.72  
6
Algoritmos_Pre  
Algoritmos_Post  
Control  
6.32  
6.45  
6.37  
6.41  
0.30  
8
6.00  
6.00  
7.18  
7.28  
0.87  
9
0.00  
2
Experiment  
al  
0.33  
7
0.93  
8
0.03  
2
Control  
7.00  
8.00  
7.04  
8.02  
0.39  
3
6.42  
7.15  
7.99  
8.75  
0.95  
2
0.17  
9
Experiment  
al  
0.41  
0
0.98  
2
0.75  
9
Nota: Elaboración propia  
Representación visual de los resultados  
Figura 1. Comprobación visual de los resultados estadísticos  
Abstracción_Pre  
Abstracción_Post  
Secuenciación_Pre  
Secuenciación_Post  
876  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
Algoritmos_Pre  
Algoritmos_Post  
Figura 2. Comprobación de los resultados estadísticos como indicador de capacidad  
SECUENCIACIÓN  
Abstracción y diseño de algoritmos  
Secuenciación  
Descomposición de problemas  
0
,00 10,00 20,00 30,00 40,00 50,00 60,00 70,0080,00 90,00  
Descomposición de  
problemas  
Abstracción y diseño  
de algoritmos  
Secuenciación  
Nivel Alto (%)  
Nivel Medio (%)  
Nivel bajo (%)  
11,43  
21,43  
67,14  
12,86  
24,29  
62,86  
4,29  
10,00  
85,71  
Análisis de la T de Student  
Los análisis comparativos entre las mediciones de Pretest y Postest (Tabla 4),  
revelan diferencias altamente significativas en todas las dimensiones evaluadas  
del pensamiento computacional. La comparación entre Descomposición_Pre y  
Descomposición_Post arroja un estadístico t de –15.2, con 69 grados de libertad  
y un valor de p < .001. Este resultado indica que la diferencia entre las medias  
antes y después de la intervención no es producto del azar, sino que representa  
un cambio real y significativo en la capacidad de los estudiantes para  
descomponer problemas matemáticos en partes más simples.  
En la dimensión de Abstracción, la prueba t de Student arrojó un valor de t (69)  
=
−16.0, p < .001, lo que indica que los estudiantes obtuvieron puntajes  
significativamente más altos en el postest en comparación con el pretest. Este  
877  
Zambrano-Merchán et al. (2026)  
hallazgo confirma que la intervención tuvo un efecto sustancial en la capacidad  
de identificar patrones y abstraer información Matemática.  
De forma similar, en la dimensión de Secuenciación se obtuvo t (69) = −14.9, p  
<
.001, evidenciando un incremento significativo en la habilidad de los  
estudiantes para organizar instrucciones y pasos lógicos tras la aplicación del  
sistema de actividades. La magnitud de esta diferencia sugiere una mejora  
generalizada en la estructuración del pensamiento algorítmico.  
En la dimensión de Algoritmos, la prueba arrojó t (69) = −14.4, p < .001, lo que  
confirma que los estudiantes desarrollaron de manera significativa la  
competencia para formular y aplicar procedimientos lógicos en la resolución de  
problemas matemáticos. El patrón de resultados consistente en las cuatro  
dimensiones refuerza la validez del efecto de la intervención.  
En conjunto, estos hallazgos permiten concluir que el sistema de actividades  
diseñado, apoyado en tecnología digital, generó un impacto positivo y  
estadísticamente significativo en el desarrollo del pensamiento computacional en  
los estudiantes de primero de bachillerato. La dirección de los valores negativos  
de t indica que los puntajes en el postest fueron sistemáticamente superiores a  
los obtenidos en el pretest, confirmando así la hipótesis de mejora planteada en  
la investigación.  
Tabla 4. Prueba t para Muestras Pareadas  
Estadístico gl  
-15.2 69.0  
p
T
de  
<.001  
Descomposición_Pre Descomposición_Post  
Student  
Abstracción_Pre  
Secuenciación_Pre  
Algoritmos_Pre  
Abstracción_Post  
Secuenciación_Post  
Algoritmos_Post  
T
de -16.0  
69.0  
69.0  
69.0  
<.001  
<.001  
<.001  
Student  
T
de -14.9  
Student  
T
de -14.4  
Student  
Nota. Hₐ μMedida 1 - Medida 2 ≠ 0  
Comprobación de la hipótesis  
Los análisis descriptivos evidencian que el grupo experimental presentó medias  
más altas en todas las dimensiones tras la intervención (Descomposición = 8.07,  
878  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
Abstracción = 8.27; Secuenciación = 8.17; Algoritmos = 8.00), Estas diferencias,  
superiores a 1.5 puntos en promedio, confirman que la intervención tuvo un  
impacto sustancial en el desarrollo del pensamiento computacional. Dado que  
las pruebas de normalidad respaldaron la validez de los análisis paramétricos,  
los resultados apoyan la hipótesis de investigación (H₁), rechazando la hipótesis  
nula (H₀).  
Asimismo, las pruebas t para muestras pareadas demostraron diferencias  
significativas entre el pretest y el postest en las cuatro dimensiones:  
Descomposición (t(69) = −15.2, p<.001), Abstracción (t(69) = −16.0, p < .001),  
Secuenciación (t(69) = −14.9, p < .001) y Algoritmos (t(69) = −14.4, p < .001).  
Estos hallazgos refuerzan la conclusión de que el sistema de actividades  
contribuyó directamente al fortalecimiento del pensamiento computacional,  
validando nuevamente la hipótesis de investigación.  
En síntesis, la evidencia estadística y descriptiva converge en la misma  
dirección, el sistema de actividades propuesto produjo un efecto didáctico  
positivo y significativo en los estudiantes del grupo experimental. Por lo tanto, se  
acepta la hipótesis de investigación (H₁) y se rechaza la hipótesis nula (H₀).  
Correlaciones  
Las correlaciones calculadas entre las dimensiones del pensamiento  
computacional resultaron positivas y estadísticamente significativas. Por  
ejemplo, la dimensión Descomposición presentó correlaciones positivas, fuertes  
y estadísticamente significativas con las otras tres dimensiones del pensamiento  
computacional: Descomposición y Secuenciación mostraron una asociación  
elevada (r = 0.83, p < .001), lo que indica que los estudiantes que lograron dividir  
un problema en partes manejables también fueron capaces de organizar de  
manera lógica los pasos necesarios para resolverlo. Esta relación es esperable,  
ya que la secuenciación depende directamente de la claridad con la que se  
identifican y ordenan los subcomponentes de un problema.  
Descomposición y Algoritmos presentaron la correlación más alta dentro de esta  
dimensión (r = 0.86, p < .001). Esto sugiere que la habilidad para descomponer  
problemas constituye un pilar esencial para la construcción de algoritmos  
completos y coherentes. Cuando los estudiantes comprenden la estructura  
879  
Zambrano-Merchán et al. (2026)  
interna de un problema, pueden traducirla con mayor facilidad en un  
procedimiento algorítmico.  
Descomposición y Abstracción también mostraron una relación fuerte (r = 0.78,  
p < .001). Aunque ligeramente menor que las correlaciones anteriores, esta  
asociación evidencia que la capacidad de identificar los elementos esenciales de  
un problema se ve favorecida cuando el estudiante puede descomponerlo  
previamente en partes más simples. La abstracción se apoya en la  
descomposición para distinguir patrones y eliminar información irrelevante.  
Abstracción y Secuenciación mostraron una asociación fuerte (r = 0.82, p < .001),  
lo cual indica que los estudiantes que alcanzaron mayores niveles de abstracción  
también lograron organizar mejor las secuencias de resolución de problemas.  
Del mismo modo, Secuenciación y Algoritmos presentaron la correlación más  
alta (r = 0.85, p < .001), evidenciando que la capacidad de organizar pasos está  
estrechamente vinculada con la formulación de algoritmos completos.  
En conjunto, estas correlaciones respaldan la hipótesis teórica de que el  
pensamiento computacional es un constructo integral, donde las dimensiones se  
fortalecen mutuamente en el contexto de la enseñanza de las Matemáticas  
(Tabla 5).  
Tabla 5. Correlaciones  
Descomposición_Post  
Dimensión  
Abstracción_Post  
Secuenciación_Post Algoritmos_Post  
Descomposición_Post  
—
0.78***  
0.83***  
0.86***  
0.78***  
0.83***  
0.86***  
Abstracción_Post  
—
0.82***  
—
0.79***  
0.85***  
—
Secuenciación_Post  
Algoritmos_Post  
0.82***  
0.79***  
0.85***  
Nota: valores *** p < .001  
Discusión  
Los hallazgos de esta investigación confirman que el sistema de actividades  
conectadas y desconectadas generó mejoras significativas en las cuatro  
dimensiones del pensamiento computacional.  
En la dimensión Descomposición, el grupo experimental mostró una mejora  
sustancial tras la intervención, alcanzando niveles de desempeño claramente  
superiores a los del grupo control. En el postest, los estudiantes del grupo  
880  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
experimental obtuvieron puntuaciones considerablemente más altas, lo que  
evidencia que el sistema de actividades implementado fortaleció de manera  
efectiva su capacidad para descomponer problemas matemáticos en partes más  
simples y manejables, por lo que esta habilidad es esencial dentro del  
pensamiento computacional, pues constituye el punto de partida para la  
secuenciación, la abstracción y el diseño de algoritmos.  
La diferencia observada entre ambos grupos refleja que los estudiantes  
expuestos a la intervención desarrollaron una mayor habilidad para identificar los  
componentes esenciales de un problema, organizar la información y estructurar  
su razonamiento de forma lógica. Este avance coincide con lo reportado por  
investigaciones recientes, como la de Castillo et al. (2024), quienes señalan que  
el uso de entornos de programación visual, como Scratch, favorece la  
comprensión estructural de los problemas y promueve estrategias cognitivas  
asociadas a la descomposición.  
En la Abstracción, el grupo experimental alcanzó una media de 8.27 en el  
postest, en contraste con el grupo control que obtuvo 7.15. Esto implica una  
diferencia de más de 1.6 puntos, lo que respalda la eficacia de la intervención  
para potenciar la identificación de patrones y la generalización de conceptos  
matemáticos. Estos resultados son coherentes con lo reportado por Castillo et  
al. (2024), quienes demostraron que el uso del lenguaje de programación Scratch  
favorece el pensamiento lógico y la abstracción en la resolución de problemas  
matemáticos.  
En la Secuenciación, la mejora fue también evidente: el grupo experimental pasó  
de 6.51 a 8.17, mientras que el grupo control solo alcanzó 6.99. Esta diferencia  
se alinea con lo planteado por Montero (2025), quien sostiene que el  
pensamiento algorítmico permite estructurar secuencias lógicas que mejoran la  
resolución de problemas en Matemáticas. Además, coincide con lo encontrado  
por Mejía et al. (2024), quienes observaron que el trabajo con artefactos  
computacionales y actividades progresivas aumenta la motivación y la calidad  
del aprendizaje, especialmente en tareas de organización y secuenciación.  
En cuanto a la dimensión de Algoritmos, los resultados muestran que el grupo  
experimental avanzó de 6.45 a 8.00, mientras que el grupo control pasó de 6.32  
881  
Zambrano-Merchán et al. (2026)  
a 7.00. La diferencia de 1 punto confirma que la propuesta fortaleció de manera  
significativa la capacidad para formular procedimientos lógicos en la resolución  
Matemática. Este hallazgo coincide con Donoso (2025), quien identificó que la  
formación docente insuficiente limita el trabajo algorítmico en Matemáticas, pero  
que al introducir actividades específicas los estudiantes mejoran de forma  
notable sus competencias computacionales. Asimismo, se relaciona con los  
planteamientos de Grizioti et al. (2024), quienes demostraron que el uso de  
modelos programables en 3D potencia la comprensión de procesos algorítmicos  
al vincular abstracción con acción digital.  
Las pruebas de normalidad (Shapiro-Wilk) confirmaron que la mayoría de los  
datos se ajustaban a distribuciones normales (p > .05), salvo en algunos pretest  
donde se detectaron desviaciones. Esto justifica el uso de pruebas paramétricas  
y no paramétricas complementarias, tal como recomiendan Irawan et al. (2024),  
quienes en su revisión bibliométrica subrayan la necesidad de aplicar análisis  
estadísticos robustos para garantizar la validez de las investigaciones sobre  
pensamiento computacional.  
Las pruebas t de Student para muestras pareadas confirmaron diferencias  
altamente significativas en las cuatro dimensiones: Descomposición (t(69) =  
−
−
15.2, p<.001), Abstracción (t(69) = −16.0, p < .001), Secuenciación (t(69) =  
14.9, p < .001) y Algoritmos (t(69) = −14.4, p < .001). Estos hallazgos refuerzan  
la hipótesis de investigación (H₁), que establece que la intervención mejora  
significativamente el pensamiento computacional en Matemáticas, y permiten  
rechazar la hipótesis nula (H₀). Este resultado concuerda con las evidencias de  
Lecca (2025), quien reportó que los estudiantes de secundaria que trabajaron  
con pensamiento computacional obtuvieron logros académicos superiores en  
resolución de problemas en comparación con quienes siguieron métodos  
tradicionales.  
En términos pedagógicos, los resultados muestran que el grupo experimental  
superó consistentemente al grupo control en más de 1.5 puntos en promedio,  
ubicándose en un rango alto de desempeño cognitivo. Esto respalda la  
afirmación de Alonso et al. (2024), quienes señalaron que tanto las actividades  
desconectadas como las actividades conectadas mediadas por tecnología son  
efectivas para estimular procesos de descomposición, secuenciación y  
882  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
algoritmización. Asimismo, concuerda con lo expuesto por Mullo et al. (2025),  
quienes sostienen que la integración interdisciplinaria de la Matemática con el  
pensamiento computacional genera aprendizajes más significativos y  
contextualizados.  
En conjunto, la evidencia obtenida en este estudio se alinea con la literatura  
revisada y aporta un elemento adicional: la validación empírica de un sistema de  
actividades específico para estudiantes de primero de bachillerato. Al integrar  
recursos digitales a las actividades conectadas y las estrategias desconectadas,  
el sistema logró mejoras sustanciales en todas las dimensiones del pensamiento  
computacional, confirmando lo que Guerra y Cruz (2025) destacan: que el uso  
estratégico de herramientas digitales fortalece no solo el aprendizaje  
matemático, sino también competencias transversales de razonamiento lógico y  
resolución de problemas.  
4. CONCLUSIONES  
La implementación del sistema de actividades demostró ser una estrategia  
pedagógica eficaz para el fortalecimiento del pensamiento computacional en los  
estudiantes de primero de bachillerato en la asignatura de Matemática. Los  
resultados estadísticos evidenciaron mejoras significativas en las cuatro  
dimensiones evaluadas (descomposición, abstracción, secuenciación y  
algoritmos), con incrementos que oscilaron entre 1.5 y 1.8 puntos en promedio  
en el grupo experimental, lo que confirma la efectividad de la intervención.  
El análisis comparativo entre el grupo control y el grupo experimental permite  
afirmar que el sistema de actividades propuesto tuvo un impacto positivo y  
diferencial. Mientras el grupo control alcanzó únicamente mejoras moderadas, el  
grupo experimental mostró avances sustanciales en todas las dimensiones del  
pensamiento computacional, ubicándose en niveles altos de desempeño. Este  
hallazgo valida la hipótesis de investigación (H₁) y permite rechazar la hipótesis  
nula (H₀), confirmando que la propuesta incide directamente en la calidad del  
aprendizaje matemático.  
883  
Zambrano-Merchán et al. (2026)  
La evidencia obtenida se alinea con estudios previos que destacan la relevancia  
de integrar actividades conectadas y desconectadas para potenciar el  
pensamiento computacional en la educación Matemática (Castillo et al., 2024;  
Montero, 2025; Alonso-García et al., 2024). La consistencia entre los hallazgos  
de esta investigación y los aportes teóricos revisados refuerza la validez interna  
del estudio y aporta un modelo replicable para contextos similares.  
Desde una perspectiva pedagógica, el sistema de actividades diseñado  
contribuyó no solo a la mejora del rendimiento académico en Matemática, sino  
también al desarrollo de competencias cognitivas de orden superior, como el  
razonamiento lógico, la resolución sistemática de problemas y la construcción de  
algoritmos. Estos resultados demuestran que la integración del pensamiento  
computacional en el currículo fortalece la autonomía, la motivación y la  
capacidad crítica de los estudiantes.  
En términos prácticos, la propuesta elaborada constituye una herramienta  
didáctica innovadora para ser implementada en el aula como modelo de  
enseñanza-aprendizaje. Su carácter flexible y adaptativo permite atender las  
necesidades de estudiantes con diferentes ritmos de aprendizaje, facilitando un  
proceso inclusivo y participativo. Al mismo tiempo, responde a las exigencias de  
la educación actual, donde el pensamiento computacional se ha consolidado  
como una competencia clave para la ciudadanía digital.  
REFERENCIAS  
Alonso, S., Rodríguez, A.-V., Navas, M., & Victoria, J. (2024). Enhancing  
computational thinking in early childhood education with educational  
robotics:  
A
meta-analysis.  
Heliyon,  
10(13),  
e33249.  
https://doi.org/10.1016/j.heliyon.2024.e33249  
Álvarez, J., Chiappe, A., Boude, O., & Sáez, F. (2025). Cultivando mentes para  
la era digital: Una revisión sistemática del pensamiento computacional y  
crítico. Profesorado, Revista de Currículum y Formación del Profesorado,  
29(2), pp. 1-28. https://doi.org/10.30827/profesorado.v29i2.30889  
Castillo, G., Corrales, M., López, E., & Reatiqui, N. E. A. (2024). Integración de  
la Inteligencia Artificial y Scratch en la enseñanza de matemáticas en  
secundaria: Innovación en pensamiento computacional y resolución de  
884  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
problemas. Polo del Conocimiento, 9(10), pp. 1756-1773.  
https://doi.org/10.23857/pc.v9i10.8205  
Chytas, C., Van Borkulo, S., Drijvers, P., Barendsen, E., & Tolboom, J. L. J.  
(2024). Computational thinking in secondary mathematics education with  
GeoGebra: Insights from an intervention in calculus lessons. Digital  
Experiences in Mathematics Education, 10(2), pp. 228-259.  
https://doi.org/10.1007/s40751-024-00141-0  
Donoso, G. (2025). Futuros profesores chilenos de matemática: ¿se sienten  
preparados para impartir pensamiento computacional y programación?  
Fides et Ratio, 29(29), pp. 43-78. https://doi.org/10.55739/fer.v29i29.163  
Friz, M., Panes, R., Salcedo, P., & Sanhueza, S. (2018). El proceso de  
enseñanza y aprendizaje de las Matemáticas. Concepciones de los  
futuros profesores del sur de Chile. Revista electrónica de investigación  
educativa, 59-68.  
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1607-  
0412018000100059&lng=es&tlng=es  
20(1),  
pp.  
4
Grizioti, M., Kynigos, C., & Milrad, M. (2024). Computational thinking in the  
service of mathematics education: The case of animating programmable  
3D  
models  
in  
MaLT2.  
Quadrante,  
33(2),  
pp.  
110-129.  
https://doi.org/10.48489/quadrante.37379  
Guerra, L., & Cruz, J. (2025). Potenciando el pensamiento computacional en la  
básica secundaria a través de herramientas digitales. Estudios y  
Perspectivas Revista Científica y Académica, 5(2), pp. 457-477.  
https://doi.org/10.61384/r.c.a.v5i2.1134  
Irawan, E., Rosjanuardi, R., & Prabawanto, S. (2024). Research trends of  
computational thinking in mathematics learning: A bibliometric analysis  
from 2009 to 2023. Eurasia Journal of Mathematics, Science and  
Technology  
Education,  
20(3),  
em2417.  
https://doi.org/10.29333/ejmste/14343  
Jimpiki, E., Cerpa, J., Padilla, K., & Pino, J. (2024). Estrategias de aprendizaje  
activo en matemáticas: promoviendo el pensamiento crítico y la resolución  
de  
problemas.  
Revista  
Social  
Fronteriza,  
4(2),  
e42237.  
https://doi.org/10.59814/resofro.2024.4(2)237  
Lecca, C. (2025). Pensamiento computacional y la resolución de problemas de  
matemática en estudiantes del VII ciclo de la Institución Educativa  
Andahuasi, 2024 [Tesis de pregrado/posgrado, Universidad Nacional José  
Faustino Sánchez Carrión]. Repositorio Institucional UNJFSC.  
885  
Zambrano-Merchán et al. (2026)  
https://repositorio.unjfsc.edu.pe/handle/20.500.14067/11636  
Mejía, F., Dávila, A., & Barrios, M. (2024). Integración del pensamiento  
computacional: Diseño de artefactos por profesores de bachillerato para  
resolver tareas matemáticas. LATAM Revista Latinoamericana de  
Ciencias  
Sociales  
y
Humanidades,  
5(5),  
pp.  
69-85.  
https://doi.org/10.56712/latam.v5i5.2604  
Molina, Á., Adamuz, N., Bracho, R., & Torralbo, M. (2024). Computational  
thinking with Scratch: A tool to work on geometry in the fifth grade of  
primary  
education.  
Sustainability,  
16(1),  
110.  
https://doi.org/10.3390/su16010110  
Montero, N. (2025). Pensamiento algorítmico en la enseñanza de matemáticas  
del nivel secundario: Retos, estrategias y oportunidades. Sciencevolution,  
4(3), pp. 47-60. https://doi.org/10.61325/ser.v4i3.206  
Mullo, G., Guzmán, L., Loachamin, J., & Herrera, D. (2025). El rol del  
pensamiento computacional en la resolución de problemas matemáticos:  
Un enfoque interdisciplinario. Estudios y Perspectivas Revista Científica y  
Académica, 5(1), 635-659. https://doi.org/10.61384/r.c.a.v5i1.872  
Ochoa, A., & Vijay, N. (2025). Uso de Scratch como recurso didáctico para  
desarrollar el pensamiento computacional en estudiantes de séptimo año  
de Educación General Básica en la asignatura de Matemática [Trabajo de  
titulación, Universidad Nacional de Educación]. Repositorio UNAE.  
https://repositorio.unae.edu.ec/handle/56000/3699  
Pinzón, D., Román, M., & González, E. (2023). El pensamiento algorítmico como  
estrategia didáctica para el desarrollo de habilidades de resolución de  
problemas en el contexto de la educación básica secundaria. Revista de  
Educación a Distancia (RED), 23(73). https://doi.org/10.6018/red.542111  
Quevedo, J; Lijó, R.; Quevedo, E. (2023). El pensamiento computacional en el  
currículo de Matemáticas de la Enseñanza Básica y la formación del  
profesorado: ¡Una segunda oportunidad! Formación del Profesorado e  
Investigación en Educación Matemática XV, (15), pp. 203-226.  
https://dialnet.unirioja.es/descarga/articulo/9504898.pdf  
Rojas, S., & Aravena, M. (2023). Pensamiento computacional (PC) en la  
educación: aprendizajes y desempeño académico Revista Franz Tamayo,  
5, (13), pp. 9-26. Universidad Adventista de Bolivia, Estado Plurinacional  
de Bolivia. https://www.redalyc.org/pdf/7605/760579090003.pdf  
Soler, R. (2024). El desarrollo del pensamiento computacional de los  
adolescentes, nativos digitales, de la educación secundaria básica, en  
886  
Revista Científica Multidisciplinaria HEXACIENCIAS. Vol. 6, Núm. 11. (ene - jun 2026) ISSN: 3028-8657  
Sistema de actividades para el desarrollo del pensamiento computacional en la asignatura Matemática  
en primer año de bachillerato.  
Cuba. 8vo Congreso Internacional de Ciencias Pedagógicas del Ecuador:  
6-7-8  
de  
diciembre  
2024.  
https://dialnet.unirioja.es/servlet/articulo?codigo=10497467  
Téllez, M. (2019). Pensamiento computacional: una competencia del siglo XXI.  
Educación Superior, 6(1), pp. 23-32.  
http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2518-  
2832019000100007&lng=es&tlng=es  
8
Vargas, E., & Agramonte, R. (2024). Desafíos en el desarrollo de competencias  
matemáticas en la Educación Básica: Un enfoque desde la teoría y la  
práctica. Polo del Conocimiento, 9(11), pp. 1893-1902. ISSN: 2550 -682X.  
http://polodelconocimiento.com/ojs/index.php/es  
Vilchez, J., Ramón, J., Vilchez, J., & Ramón, J. (2024). Influencia del  
pensamiento computacional y visual en el aprendizaje de la matemática  
en estudiantes universitarios. Información Tecnológica, 35(4), pp. 13-24.  
https://doi.org/10.4067/s0718-07642024000400013  
Zúñiga, A., Zúñiga, M., & Hodelin, N. (2025). Herramientas digitales de  
matemáticas para estudiantes con trastorno de déficit de atención e  
hiperactividad del segundo año. Maestro y Sociedad, 22(1), pp. 683-691.  
https://maestroysociedad.uo.edu.cu/index.php/MyS/article/view/6838  
887