RESUMEN
El presente estudio: “Programa Pseint para mejorar la lógica computacional en estudiantes de Computación e Informática del Instituto de Educación Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I - 2016“, se planteó el objetivo: Aplicar el programa Pseint para mejorar la lógica computacional en los estudiantes de Computación e Informática del Instituto Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I – 2016, , asimismo la hipótesis de investigación: La aplicación del programa Pseint mejora significativamente la lógica computacional en los estudiantes de Computación e Informática del Instituto Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I – 2016. La investigación es del tipo experimental, la población de estudio estuvo conformada por 80 estudiantes de la carrera profesional de Computación e Informática del Instituto de Educación Superior Tecnológico Privado “Santa Lucía” de Tarma y el tamaño de la muestra fue de 12 estudiantes del tercer
semestre de la carrera profesional de Computación e Informática de la misma institución, se empleó la técnica de encuestas y como instrumento un cuestionario referido al conocimiento de lógica computacional y algorítmico; se realizó el proceso estadístico interpretativo para determinar la influencia del programa frente al dominio de la lógica computacional. Como resultado de esta investigación se ha demostrado con un nivel de significancia del 95% y una r de Pearson = 0,000 se demuestra que el programa Pseint mejora significativamente la lógica computacional.
Palabras claves: Lógica computacional, algoritmos, pseudocódigos y diagramas de flujo.
9
ABSTRACT
This study: "Pseint Program to improve computational logic in i n students of Computing and Informatics I nformatics Institute of Higher Education Technology Private Santa Lucía de Tarma semester I - 2016," the goal was raised: Apply the Pseint program to improve computational logic in students of Computing and Informatics Technology Private Saint Lucia Institute of Tarma semester I - 2016, also the research hypothesis: the application of Pseint program significantly improves computational logic in students of Computing and Informatics Technology Institute Saint Lucia Tarma private academic semester I - 2016. Research is the experimental type, the study population consisted of 80 students of the career of Computing and Informatics Institute of Higher Education Technology Private "Saint Lucia" of Tarma and the sample size was 12 students of the third semester career of Computer and Information in the same institution, the survey technique was used as instrument a questionnaire based on the knowledge of computational and algorithmic logic; Interpretive statistical process was performed to determine the influence of the program against the domain of computational logic. As a result of this research has been demonstrated with significance level of 95% and a Pearson r = 0.000 is shown that the program Pseint significantly improves computational logic.
Keywords: computational logic, algorithms, pseudocode and flowcharts.
10
CAPITULO I INTRODUCCIÓN Nuestra tesis titulada “ Programa Pseint para mejorar la lógica computacional en estudiantes de
Computación e Informática del Instituto de Educación Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I - 2016 “, tiene como antecedentes en el ámbito internacional a Blanco Menéndez (Oviedo 2009), en su tesis doctoral: El pensamiento lógico desde la perspectiva de las neurociencias cognitivas, llego a las siguientes conclusiones: Los procesos de pensamiento lógico pueden ser caracterizados teóricamente, y sometidos a investigación científica y filosófica, en función de sus analogías con las funciones lingüísticas, principalmente. El cerebro humano y, posiblemente el de otras especies animales, puede ser conceptualizado como un sistema de procesamiento de la información que opera según principios lógico-matemáticos y estadísticos, semejantes a los que integran los computadores digitales y/o las redes neuronales artificiales. Las lesiones cerebrales que afectan al cerebro humano, en particular, y al encéfalo en su conjunto, en general, pueden causar diversas alteraciones en los procesos de pensamiento lógico, dependiendo de su estructura formal, y de la localización de las lesiones consideradas, además del tipo de material (icónico o verbal) que se emplee para la investigación de estos procesos. Las consideraciones relativas al desarrollo cognoscitivo humano resultan de interés para la caracterización de la relación entre lenguaje, pensamiento y procesos lógicos. Por otro lado tenemos a López García (Cali 2014), realizó su trabajo de grado: Actividades en el aula con Scratch que favorecen el uso del pensamiento algorítmico en el caso del grado 3º en el INSA, en la Universidad ICESI. En su investigación llegó a las siguientes conclusiones:
11
Se identificaron tres dimensiones de las actividades de aula que inciden directa o indirectamente en el desarrollo del pensamiento algorítmico: a) conceptos del pensamiento algorítmico que al usarlos frecuente y sistemáticamente se espera potencien su desarrollo; b) interacciones docenteestudiante(s) que en un entorno de solución de problemas promueven el uso de los conceptos del pensamiento algorítmico; y, c) interacciones entre pares que favorecen la solución de problemas con Scratch. En el ámbito nacional podemos considerar Jara Loayza (Lima diciembre de 2013 ), en su tesis: Entorno de desarrollo para la ejecución y traducción de pseudocódigo, en la Pontificia Universidad Católica del Perú. En su trabajo de tesis expresa las siguientes conclusiones: Es importante tener una buena representación de código intermedio (tabla de código y símbolos) esto permite un sencillo recorrido para la ejecución, y además permite, dependiendo de los tokens añadidos, la traducción a diferentes lenguajes de programación del pseudocódigo. Si se mantiene independencia entre los elementos que se desarrollan se pueden integran diferentes tecnologías sin aparentemente mucha dificultad, como es el caso del intérprete desarrollado en Java qu e es invocado por un entorno de desarrollo en C#. Para el manejo de variables y el flujo de procedimientos y funciones se utilizó una tabla de código y símbolos diferentes. Esto no permite el paso de parámetros por referencia, lo cual no fue implementado para mantener una sintaxis sencilla en el pseudocódigo y para tener la capacidad de traducir a lenguajes como Java donde los datos de tipo primitivo no pueden pasar por referencia. No es indispensable, pero es bueno manejar los lexemas o palabras reservadas en un archivo aparte para permitir que los valores cambien sin necesidad de tener que modificar el código del intérprete directamente. De igual forma con las equivalencias para la traducción de código. También es importante considerar a Hirs Martínez (Lima 2007), en tu tesis expresa la siguiente conclusión: “una sintaxis simple y directa que no es obstáculo alguno para el alumno; sino una forma de orientar sus procedimientos hacia la solución problemas computacionales”.
A nivel local, solo hemos podido recopilar información referente a ejemplos de lógica computacional y lógica de programación en el nivel básico. A la vez el desarrollo de la tesis se justifica legalmente para obtener el grado de Licenciado en Educación según las normas de la Universidad Cesar Vallejo, a la vez metodológicamente me permite mejorar el pensamiento computacional de los estudiantes del Instituto Santa Lucía, en lo práctico permite a los estudiantes desarrollar aplicaciones en cualquier lenguaje de programación.
12
CAPITULO II MARCO METODOLÓGICO 2.1. Variables: En torno a las variables (Hernández, Fernández, & Baptista, 2010, p. 93) señala que: “Una variable es una propiedad que puede fluctuar y cuya variación es susceptible de medirse u observarse”.
Efectivamente la manipulación de las variables permitirá al investigador medir los resultados para demostrar significatividad de la hipótesis. Variable Independiente: Programa Pseint. Dimensiones:
Estructura del programa Pseint
Variable Dependiente: Lógica computacional Dimensiones:
Pseudocódigos
Diagramas de flujo
2.2. Operacionalización de variables: VARIABLE
Programa Pseint
DEFINICIÓN CONCEPTUAL
DEFINICIÓN OPERACIONAL
PseInt (Pseudo Intérprete) es un Entorno de Desarrollo Integrado (IDE, por sus siglas en inglés) para PseudoCódigo, un lenguaje de programación imperativa simple y en castellano. Es decir, PseInt es un editor e
Para demostrar si la estructura del Pseint cumple con su objetivo es necesario su aplicación por sesiones.
13
DIMENSIONES
INDICADORES
ESCALA DE MEDICIÓN
Nivel:
Ordinal Estructura del programa
Objetivo del programa
Valoración:
0. Nada. 1. Algo. 2. Bastante. 3. Mucho.
Lógica Computacional
intérprete de programas escritos en PseudoCódigo. El algoritmo es un método para resolver problemas. La resolución de problemas necesariamente necesita de entrada de datos, proceso de datos y salida de datos. Esto en ciencia computacional se conoce como Pseudocódigo. Joyanes Aguilar (1996) Los diagramas de flujo (DF) son, con toda seguridad, el método más extendido y popular para realizar el diseño gráfico de procesos. Su simplicidad y verdatibilidad han contribuido notablemente a su difusión. Pero, siempre hay un "pero", no se han difundido por igual las reglas sintácticas y semánticas que convierten esta herramienta en un método realmente potente y simple para cumplir con su proncipal objetivo: facilitar la comunicción entre persona implicadas. Jaume Ramonet (2013)
Los indicadores de la lógica de programación algorítmica por pseudocódigos se miden mediante la técnica de la encuesta y su instrumento el cuestionario.
Conocimiento de pseudocódigos
Palabras reservadas Instrucciones Estructura secuencial Estructura condicional Estructura cíclica
Los indicadores de la lógica de programación algorítmica por diagramas de flujo se miden mediante la técnica de la encuesta y su instrumento el cuestionario. Conocimiento de diagramas de flujo
Símbolos. Variables. Reglas. Bifurcaciones. Tabulaciones.
Nivel:
Ordinal Valoración:
0. Nada. 1. Algo. 2. Bastante. 3. Mucho.
Nivel:
Ordinal Valoración:
0. Nada. 1. Algo. 2. Bastante. 3. Mucho.
2.3. Metodología: 2.3.1. Método general: Método científico: Procedimientos, definición del
problema, formulación de la
hipótesis,
razonamiento deductivo, recopilación y análisis de datos, confirmación o rechazo de hipótesis. Córdova (2013) 2.3.2. Método específico: Método experimental: Procedimientos, formulación del problema, formulación de la hipótesis, definición del diseño experimental, observación inicial de la variable dependiente, aplicación de la
14
variable experimental, observación final de la variable dependiente, análisis de resultados, formulación de conclusiones. Córdova (2013)
2.4. Tipo de estudio: Experimental Sobre el asunto (Hernández, Fernández, & Baptista, 2010, p. 81 ) indica la: “Investigación correlacional: Asocia variables mediante un patrón predecible para un grupo o población”. (Del Cid, Méndez, & Sandoval, 2007, p.29) Explica: “Un estudio descriptivo, empieza por determinar el
objeto de estudio .Luego establece instrumentos para medir adecuadamente el nivel de ese objeto de estudio para poder saber qué y cómo se va a medir lo que nos interesa”.
2.5. Diseño: Pre experimental Diagrama: GE = Y1
X
Y2
Donde: GE = Grupo experimental. (Alumnos del I.E.S.T.P. “Santa Lucía”).
Y1=Lógica computacional pre test. Y2=Lógica computacional post test. X=Variable independiente (programa o software Pseint)
2.6 Población y muestra: Población: Córdova (2013) Es el conjunto de unidades de observación bien definidas, con características comunes y observables, agrupadas con fines de estudio. El presente estudio trabajo con una población de 80 estudiantes de Computación e Informática del Instituto de Educación Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I 2016
15
Muestra: Córdova (2013) Es una parte de la población seleccionada a través de una técnica no probabilística: Siendo nuestra muestra para el presente estudio 12 del tercer ciclo de Computación e Informática del Instituto de Educación Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I - 2016.
Muestreo: No probabilístico. Córdova (2013) se caracteriza porque no todas las unidades de la observación de una población finita tienen las mismas posibilidades de ser seleccionadas para conformar la muestra, por eso se eligió para la investigación este tipo de muestreo no probabilístico por conveniencia
2.7. Técnicas e instrumentos de recolección de datos:
2.7.1. Encuesta: De igual forma Entendemos Niño, (2011, p. 63) por encuesta la técnica que permite la recolección de datos que proporcionan los individuos de una población, o más comúnmente de una muestra de ella, para identificar sus opiniones, apreciaciones, puntos de vista, actitudes, intereses o experiencias, entre otros aspectos, mediante la aplicación de cuestionarios, técnicamente diseñados para tal fi n.
2.7.2. Técnica: Según Córdova, (2013, p. 107) “Técnica es un conjunto de procedimientos organizados para recolectar datos correctos que conllevan a medir una o más variables”.
2.7.3. Instrumentos de recolección de datos: Para el autor Arias, (2012, p.68) “Un instrumento de recolección de datos es cualquier recurso,
dispositivo o formato (en papel o digital), que se utiliza para obtener, registrar o almacenar información”.
En la investigación se utilizó como técnica de recolección de datos el cuestionario el cual estuvo conformado por 15 ítems con la finalidad de recoger información relevante y pertinente sobre la lógica computacional en los estudiantes de Computación e Informática del Instituto de Educación Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I - 2016.
2.7.4 Validez del instrumento: Córdova (2013). Un instrumento es válido cuando mide lo que realmente desea medir.
16
En el trabajo de tomo como instrumento de recolección de datos el modelo KPSI (Knowledge and Prior Study Inventory) es un instrumento de evaluación en el que predomina la autorregulación y es ideal para el desarrollo de competencias en los estudiantes. Por la traducción al español, se le conoce como inventario de conocimientos previos del estudiante y sirve principalmente para que ellos se den cuenta de lo que saben al inicio de un tema o secuencia didáctica. Cuando terminan la actividad planeada por los docentes, se les entrega nuevamente el documento para que lo llenen y valoren el aprendizaje adquirido.
2.8. Método de análisis de datos: 2.8.1. Organización descriptiva: Una vez aplicado los cuestionarios a los sujetos de la muestra se procede a evaluar y contabilizar los resultados como se muestra en la tabla 1.
SUJETOS Estudiante1 Estudiante2 Estudiante3 Estudiante4 Estudiante5 Estudiante6 Estudiante7
P1 P2 P3 P4 P5 P6 P7 1 0 1 0 0 0 0 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 1 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0
PREGUNTAS P8 P9 P10 P11 P12 P13 P14 P15 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 1 1 1 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0
17
Estudiante8 0 Estudiante9 0 Estudiante10 0 Estudiante11 0 Estudiante12 1 Tabla Nº 1: Muestra
0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 las 15 preguntas aplicados
0 0 0 0 1 a 13
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 sujetos con los respectivos resultados según
categorías del cuestionario.
2.8.3. Nivel inferencial: Después de la tabulación de datos se procede a analizar e inferir los datos por dimensiones y con la valoración respectiva, como se muestra en la tabla Nº 2.
Lógica Computacional Nº PreTest
1 2 3 4 5 6 7 8 9 10 11 12
Postest
2 1 2 0 3 1 1 1 1 1 0 3
Pseudocódigo PreTest
9 9 9 9 9 7 9 9 7 9 8 9
Diagrama de Flujo
Postest
0 0 0 0 1 0 0 0 0 0 0 1
PreTest
18 17 18 17 18 16 18 17 17 17 16 18
Postest
1 0 1 0 6 1 1 1 0 1 0 6
16 18 16 17 18 18 18 17 18 18 18 18
Tabla Nº 2: Datos inferidos para Pretest y Postest por dimensiones.
2.9. Aspectos éticos: Esta investigación fue ejecutada con el soporte académico de muchos profesionales; es por ello, que se respeta los derechos de confiabilidad, durante el desarrollo del trabajo se tuvo presente los principios básicos de derechos de autor y propiedad intelectual. Asimismo, las políticas institucionales de la Universidad “Cesar Vallejo” y del Instituto de educación Superior Tecnológico Privado “Santa Lucía” de Tarma, Se puede afirmar que es factible estudiar el fenómeno en cuestión, y se cuenta con
los recursos necesarios y la oportunidad de las instituciones involucradas.
18
19
CAPITULO III RESULTADOS
Después de realizar la aplicación del instrumento en referencia al conocimiento de lógica computacional en los estudiantes de Computación e Informática del Instituto de Educación Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I - 2016. Se presentan el análisis de los resultados obtenidos para responder las preguntas de investigación. Para ello, en primer instante se utilizó la estadística descriptiva para analizar los resultados obtenidos por los participantes del estudio en el conocimiento de lógica computacional y sus dimensiones conocimientos en pseudocódigos y diagramas de flujo. Luego, se utilizó estadística inferencial para hallar la influencia la variable independiente hacia la variable dependiente.
20
ANÁLISIS DE DATOS EN PRETEST Tabla Nº 1 Lógica Computacional Categoría Valor % de Conocimiento No sé 20 56 Algo sé 16 44 Sé bastante 0 0 Sé mucho 0 0 Total 36 100 Gráfico Nº 1
CONOCIMIENTO DE LÓGICA COMPUTACIONAL 0%
8%
92% No sé
Algo sé
Sé bastante
Sé mucho
Interpretación: Se demuestra que del 100% de estudiantes encuestados la mayoría no tiene conocimiento de lógica computación.
21
Tabla Nº 2 Conocimiento de Pseudocódigos Categoría Valor % de Conocimiento No sé 64 89 Algo sé 8 11 Sé bastante 0 0 Sé mucho 0 0 Total 72 100 Gráfico Nº 2
CONOCIMIENTO DE PSEUDOCÓDIGOS 0%
8%
92% No sé
Algo sé
Sé bastante
Sé mucho
Interpretación: Se demuestra que del 100% de estudiantes encuestados la mayoría absoluta no tiene conocimiento de Pseudocódigos.
22
Tabla Nº 3 Conocimiento de Diagramas de Flujo Categoría Valor % de Conocimiento No sé 54 75 Algo sé 18 25 Sé bastante 0 0 Sé mucho 0 0 Total 72 100 Gráfico Nº 3
CONOCIMIENTO DE DIAGRAMAS DE FLUJO 0%
8%
92% No sé
Algo sé
Sé bastante
Sé mucho
Interpretación: Se demuestra que del 100% de estudiantes encuestados la mayoría no tiene conocimiento de Diagramas de Flujo.
23
ANÁLISIS POSTEST Tabla Nº 4 CONOCIMIENTO DE LÓGICA COMPUTACIONAL
Categoria No sé Algo sé Sé bastante Sé mucho Total
Valor % de Conocimiento 0 0 0 0 0 3 3
0 100 100
Gráfico Nº 4
CONOCIMIENTO DE DIAGRAMAS DE FLUJO 0%
8%
92% No sé
Algo sé
Sé bastante
Sé mucho
Interpretación: Se demuestra que del 100% de estudiantes encuestados después de la aplicación del programa Pseint, todos los estudiantes conocen la lógica computacional. En opinión del formulario KPSI; podrían explicar a un compañero.
24
Tabla 5 CONOCIMIENTO DE PSEUDOCÓDIGOS
Categoria No sé Algo sé Sé bastante Sé mucho Total
Valor % de Conocimiento 0 0 0 0 9 63 72
13 88 100
Gráfico 5
CONOCIMIENTO DE PSEUDOCÓDIGOS 0%
8%
92% No sé
Algo sé
Sé bastante
Sé mucho
Interpretación: Se demuestra que del 100% de estudiantes encuestados después de la aplicación del programa Pseint, la mayoría absoluta domina conocimientos de pseudocódigos.
25
Tabla Nº 6 CONOCIMIENTO DE DIAGRAMAS DE FLUJO
Categoria No sé Algo sé Sé bastante Sé mucho Total
Valor % de Conocimiento 0 0 0 0 6 66 72
8 92 100
Gráfico Nº 6
CONOCIMIENTO DE DIAGRAMAS DE FLUJO 0%
8%
92% No sé
Algo sé
Sé bastante
Sé mucho
Interpretación: Se demuestra que del 100% de estudiantes encuestados después de la aplicación del programa Pseint, la mayoría absoluta domina conocimientos de diagramas de flujo; hasta incluso podrían explicar a un compañero
26
CAPITULO IV DISCUSIÓN
En el presente capitulo se realiza el análisis e interpretación de los resultados de la investigación efectuada a una muestra de 12 estudiantes, conformada por alumnos del tercer semestre académico de la especialidad de Computación e Informática del Instituto de Educación Superior Tecnológico Privado "Santa Lucía" de Tarma Junín. El tamaño de muestra elegido del estudio es no probabilístico e intencionada a fin que el número sea asequible para la aplicación del programa Pseint. En el trabajo de investigación el método aplicado logro mejorar de manera significativa la lógica computacional en estudiantes de Computación e Informática del Instituto de Educación Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I - 2016, como lo demuestra los resultados del gráfico Nº 1 en relación al gráfico Nº 4, gráfico Nº 2 en relación al gráfico Nº 5 y gráfico Nº 3 en relación al gráfico Nº 6. Dicha interpretación trae consigo las siguientes conclusiones. a) Las hipótesis planteadas son: Hi: La aplicación del programa Pseint mejora significativamente la lógica computacional en los estudiantes de Computación e Informática del Instituto Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I – 2016. Ho: La aplicación del programa Pseint no mejora la lógica computacional en los estudiantes de Computación e Informática del Instituto Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I – 2016. b) El nivel de significancia α = 0,05
c) La validación de Hipótesis demuestra que en el caso de conocimientos de lógica computacional, pseudocódigos y diagramas de flujo se muestra en las tablas siguientes teniendo como resultado final que p=0,000 d) Por lo tanto; p=0,000 < α = 0,05, se acepta la Hipótesis alterna y se rechaza la Hipótesis nula.
27
Estadísticos para una muestra
Error típ. de la N
Media
Pretest Lógica
Desviación típ.
media
12
1,33
,985
,284
12
8,58
,793
,229
Computacional Postest Lógica Computacional
Prueba para una muestra
Valor de prueba = 0 95% Intervalo de confianza para la diferencia
Diferencia de t Pretest Lógica
gl
Sig. (bilateral)
medias
Inferior
Superior
4,690
11
,001
1,333
,71
1,96
37,497
11
,000
8,583
8,08
9,09
Computacional Postest Lógica Computacional
Estadísticos para una muestra
Error típ. de la N
Media
Desviación típ.
media
Pretest Pseudocódigo
12
,17
,389
,112
Postest Pseudocódigo
12
17,25
,754
,218
Prueba para una muestra
Valor de prueba = 0 95% Intervalo de confianza Diferencia de t
gl
Sig. (bilateral)
medias
para la diferencia Inferior
Superior
Pretest Pseudocódigo
1,483
11
,166
,167
-,08
,41
Postest Pseudocódigo
79,275
11
,000
17,250
16,77
17,73
28
Estadísticos para una muestra
Error típ. de la N
Media
Desviación típ.
media
Pretest Diagrama Flujo
12
1,50
2,153
,622
Postest Diagrama Flujo
12
17,50
,798
,230
Prueba para una muestra
Valor de prueba = 0 95% Intervalo de confianza Diferencia de t
gl
Sig. (bilateral)
medias
para la diferencia Inferior
Superior
Pretest Diagrama Flujo
2,413
11
,034
1,500
,13
2,87
Postest Diagrama Flujo
75,993
11
,000
17,500
16,99
18,01
e) En conclusión al 95% se comprueba que la aplicación del programa Pseint mejora significativamente la lógica computacional en los estudiantes de Computación e Informática del Instituto Superior Tecnológico Privado Santa Lucía de Tarma semestre académico I – 2016.
29
BIBLIOGRAFÍA
1. Alegre J., & Fernández , R. (2013). Liderazgo transformacional, capacidad de aprendizaje organizativo y felicidad en el trabajo. Valencia: Universitat de Valencia. 2. Arceo , A. (2012). El portavoz en la comunicación de las organizaciones: fundamentos teóricoPrácticos. Alicante: UNE. 3. Argos, J., & Ezquerra, P. (2014). Liderazgo y Educación. Santander: Editorial de la Universidad de Cantabria. 4. Arias, F. (2012). El Proyecto de Investigación: Introducción a la metodología científica. Caracas: EPISTEME, C.A. 5. Asociación Civil EL COIHUE. (20 de Enero de 2010). Asociación Civil EL COIHUE. Obtenido de Identidad del Coihue.com: http://identidadelcoihue.blogspot.com/2010/01/dinamica-institucional-y-modeladoresde.html 6. Ayoub ,L. (2011). Estilos de liderazgo y su eficacia en la administración pública mexicana:metodología y resultados de una investigación empírica (Primera edición ed.). Raleigh, North Carolina: Lulu Enterprises, lnc. 7. Bass, B. (1990). From Transactional to Iransformational Leadership: Learning to Share the Vision. En F. Luthans, Organizational Dynamics (págs. 19-31). Nebraska: GALLUP, INC. 8. Cervera, C .(2012). Liderazgo Transformacional del Director y su relación con el clima organizacional en las Ins,ituciones Educativas del Distrito de Los Olivos. Lima: UNMSM. 9. Lic. VilaxaAvila, Rosa Teodila. Tesis “Influencia del software educativo Ardora como herramienta tic, en el mejoramiento del aprendizaje significativo en los alumnos del primer grado de educación secundaria en el área de Historia, Geografía y Economía en la I.E 2079 “Antonio Raymondi, ubicada en el distrito de San Martín de Porres – 2011”. Universidad Cesar
Vallejo, Escuela de Post Grado 10. Segunda Especialidad. 11. Hernández, R. F. (2010). Metodología de la investigación (Quinta ed.). México: McGraw-Hill. 12. INSA. (2013). Quiénes somos, Instituto Nuestra Señora de la Asunción.Recuperado el 17 de Octubre de 2013, de INSA: http://www.insa-csb.co/
30
13. ISTE. (2011). Operationaldefinitionforcomputationalthinkingfor K-12 education.Recuperado el 12 de Septiembre de 2013, de ISTE: http://www.iste.org/learn/computational-thinking/ctoperational-definition 14. ISTE. (2012). ISTE ClassroomObservationTool (ICOT). Recuperado el 5 de Mayo de 2014, de Eduteka: http://www.eduteka.org/ICOT.php.
31
