IFCT0054 – COMPUTATIONAL THINKING – INTRODUCCIÓN AL PENSAMIENTO COMPUTACIONAL

MÓDULO DE FORMACIÓN 1: Conceptos Fundamentales
1.1. Comprensión y reconocimiento de distintos tipos de datos (ISTE 3B, 5B)
1.2. Datos estructurados y no estructurados
1.3. Diferentes tipos de datos como texto, numéricos, datos/tiempo, imagen y audio
1.4. Codificación de datos (asciio, binario, mapeo de caracteres)
1.5. Reconocimiento y aplicación el razonamiento lógico (ISTE 3A, 5B)
1.6. Operadores booleanos y lógicos
1.7. El razonamiento inductivo
1.8. La ambigüedad en un problema de razonamiento lógico
1.9. Razonamiento deductivo
1.10. Identificación del pensamiento algorítmico (ISTE 5A, 5D)
1.11. La finalidad del pensamiento algorítmico
1.12. La finalidad de la abstracción y la construcción de modelos
1.13. La finalidad y las capacidades de la automatización
MÓDULO DE FORMACIÓN 2: Identificar y recoger datos
2.1. Evaluación de las necesidades de datos y los datos disponibles (ISTE 3B, 5B, 5C)
2.2. Los datos necesarios para resolver un problema
2.3. La relevancia de los conjuntos de datos existentes
2.4. La brecha entre los datos existentes y las necesidades de datos
2.5. Identificación de la calidad de los datos (ISTE 3B, 5B)
2.6. Validez
2.7. Fiabilidad
2.8. Limpieza de datos en conjuntos de datos
2.9. Recopilación de los datos necesarios para resolver un problema (ISTE 1D, 2B, 3B, 3C, 5B) y los datos relevantes utilizando las fuentes de datos existentes
2.9.1. Incluyendo la selección de herramientas adecuadas para recopilar, analizar y procesar datos
2.9.2. Incluyendo la recuperación de información de una fuente de datos, tales como una lista, una tabla, una infografía, etc.
2.10. Elección de un método para crear conjuntos de datos originales, como una observación o una encuesta
2.11. Métodos de validación de entrada
2.12. Las dimensiones legales y éticas de la recogida de datos
MÓDULO DE FORMACIÓN 3: Aplicación de la abstracción
3.1. Identificación de patrones y aplicar la abstracción a los datos (ISTE 5A, 5B, 5C)
3.2. Patrones de datos
3.3. Los datos según modelos como tablas, gráficos y gráficos
3.4. Los datos según criterios relevantes
3.5. Semejanzas, diferencias y subconjuntos en un conjunto de datos
3.6. Predicciones de patrones
3.7. Reconocimiento, creación e interpretación de modelos abstractos (ISTE 5C, 5D)
3.8. Representación abstracta: modelo, variable, función o procedimiento
3.9. Modelo abstracto: comprender sistemas complejos y facilitar la resolución de problemas
3.10. Diagrama de flujo de proceso
MÓDULO DE FORMACIÓN 4: Especificación de una solución
4.1. Definición y descomposición de un problema (ISTE 4B, 5A, 5C)
4.2. Enunciado del problema adecuado a partir de la información proporcionada
4.3. El alcance y las limitaciones de un problema
4.4. Toma de decisiones, colaboradores y público objetivo
4.5. Componentes de la descomposición
4.6. Identificación de los requisitos (ISTE 4A, 4B, 6A)
4.7. Diseño iterativo o incremental
4.8. Requisitos previos para una solución
4.9. Posibles resultados de una solución
4.10. Las herramientas adecuadas para desarrollar una solución, como diagramas de flujo, hojas de cálculo, pseudocódigo, encuestas
MÓDULO DE FORMACIÓN 5: Presentación y mejora de una solución
5.1. Utilización de una secuencia de pasos en algoritmos (ISTE 5B, 5D)
5.2. Secuencia de pasos
5.3. El resultado de una secuencia de pasos
5.4. Pasos en procedimientos y funciones reutilizables
5.5. Automatización de tareas repetitivas mediante la iteración (ISTE 5D)
5.6. La iteración
5.7. Bucles imbricados
5.8. Resultado de un algoritmo que utiliza la iteración
5.9. Algoritmo que utilice la iteración
5.10. Utilización de enunciados de selección en algoritmos (ISTE 5D)
5.11. Enunciados de selección
5.12. La nidificación en las declaraciones de selección
5.13. El resultado de un algoritmo que utiliza enunciados de selección
5.14. Un algoritmo que utilice sentencias de selección
5.15. Utilización de variables en algoritmos (ISTE 5D)
5.16. Variables
5.17. Resultado de un algoritmo que utiliza variables
5.18. Algoritmo que utilice variables
5.19. Producción de un artefacto computacional para presentar una solución a un público objetivo (ISTE 6A, 6C, 6D)
5.20. Medio eficaz para comunicar una solución a un público objetivo (incluye vídeo, diagrama de flujo, pdf, prototipo html, gráfico, infografía, diagrama, gráfico)
5.21. Artefacto computacional original para comunicar una solución a un público objetivo
5.22. Colaboración entre artefactos computacionales (ISTE 1C, 7B)
5.23. Diseño para un artefacto computacional
5.24. Comentarios sobre un diseño para un artefacto computacional
5.25. Retroalimentación colaborativa en un artefacto computacional
5.26. Realización de un diseño iterativo en una solución automatizada (ISTE 1D, 4C, 5C, 5D)
5.27. Prototipo para evaluar la efectividad de una solución automatizada
5.28. Eficiencia de múltiples soluciones posibles
5.29. Solución automatizada
5.30. Pruebas iterativas para mejorar una solución automatizada