¿Quieres aprender a codificar? Deja el libro de matemáticas. Practica esas habilidades de comunicación en su lugar.
Una nueva investigación de la Universidad de Washington encontró que una aptitud natural para aprender idiomas es un predictor más fuerte de aprender a programar que el conocimiento matemático básico, o la aritmética. Esto se debe a que escribir código también implica aprender un segundo idioma, la capacidad de aprender ese idiomavocabulario y gramática, y cómo trabajan juntos para comunicar ideas e intenciones. Otras funciones cognitivas vinculadas a ambas áreas, como la resolución de problemas y el uso de la memoria de trabajo, también desempeñan papeles clave.
"Muchas barreras para la programación, desde cursos de prerrequisitos hasta estereotipos de cómo se ve un buen programador, se centran en la idea de que la programación depende en gran medida de las habilidades matemáticas, y esa idea no nace en nuestros datos", dijo el autor principal ChantelPrat, profesor asociado de psicología en la UW y en el Instituto de Aprendizaje y Ciencias del Cerebro. "Aprender a programar es difícil, pero es cada vez más importante para obtener puestos calificados en la fuerza laboral. La información sobre lo que se necesita para ser bueno en la programación esfaltan críticamente en un campo que ha sido notoriamente lento para cerrar la brecha de género "
Publicado en línea el 2 de marzo en Informes científicos , una revista de acceso abierto del Nature Publishing Group, la investigación examinó las habilidades neurocognitivas de más de tres docenas de adultos mientras aprendían Python, un lenguaje de programación común. Después de una batería de pruebas para evaluar su función ejecutiva, lenguaje y matemáticashabilidades, los participantes completaron una serie de lecciones y cuestionarios en línea en Python. Aquellos que aprendieron Python más rápido y con mayor precisión, tendieron a tener una combinación de habilidades fuertes de resolución de problemas y lenguaje.
En el mundo actual centrado en STEM, aprender a codificar abre una variedad de posibilidades para trabajos y educación extendida. La codificación está asociada con matemáticas e ingeniería; los cursos de programación de nivel universitario tienden a requerir matemáticas avanzadas para inscribirse y tienden a ser enseñadosen los departamentos de ciencias de la computación e ingeniería. Otra investigación, a saber, de la profesora de psicología de la Universidad de Washington, Sapna Cheryan, ha demostrado que tales requisitos y percepciones de la codificación refuerzan los estereotipos sobre la programación como un campo masculino, lo que potencialmente desalienta a las mujeres a seguirlo.
Pero la codificación también tiene una base en el lenguaje humano: la programación implica la creación de significado al unir símbolos en formas basadas en reglas.
Aunque algunos estudios se han referido a los vínculos cognitivos entre el aprendizaje de idiomas y la programación de computadoras, algunos de los datos tienen décadas de antigüedad, y utilizan idiomas como Pascal que ahora están desactualizados, y ninguno de ellos utilizó medidas de aptitud del lenguaje natural para predecirdiferencias individuales en aprender a programar.
Entonces, Prat, que se especializa en los predictores neuronales y cognitivos del aprendizaje de idiomas humanos, se propuso explorar las diferencias individuales en la forma en que las personas aprenden Python. Explicó que Python era una opción natural, porque se parece a estructuras inglesas como la sangría de párrafos yusa muchas palabras reales en lugar de símbolos para las funciones.
Para evaluar las características neuronales y cognitivas de la "aptitud de programación", Prat estudió a un grupo de hablantes nativos de inglés entre las edades de 18 y 35 años que nunca habían aprendido a codificar.
Antes de aprender a codificar, los participantes tomaron dos tipos de evaluaciones completamente diferentes. Primero, los participantes se sometieron a una exploración de electroencefalografía de cinco minutos, que registró la actividad eléctrica de sus cerebros mientras se relajaban con los ojos cerrados. En investigaciones anteriores, Prat demostró queLos patrones de actividad neuronal mientras el cerebro está en reposo pueden predecir hasta el 60% de la variabilidad en la velocidad con la que alguien puede aprender un segundo idioma en ese caso, el francés.
"En última instancia, estas métricas cerebrales en estado de reposo podrían usarse como medidas libres de cultivo de cómo alguien aprende", dijo Prat.
Luego, los participantes tomaron ocho pruebas diferentes: una que cubría específicamente las matemáticas, una que medía la aptitud del lenguaje y otras que evaluaban la atención, la resolución de problemas y la memoria.
Para aprender Python, a los participantes se les asignaron 10 sesiones de instrucción en línea de 45 minutos utilizando la herramienta educativa Codeacademy. Cada sesión se centró en un concepto de codificación, como listas o condiciones if / then, y concluyó con un cuestionario que un usuario necesitaba parapasar para poder avanzar a la siguiente sesión. Para obtener ayuda, los usuarios pueden recurrir a un botón de "pista", un blog informativo de usuarios anteriores y un botón de "solución", en ese orden.
Desde una pantalla espejo compartida, un investigador siguió a cada participante y pudo calcular su "tasa de aprendizaje" o la velocidad con la que dominaron cada lección, así como la precisión de su examen y la cantidad de veces que pidieron ayuda.
Después de completar las sesiones, los participantes tomaron una prueba de opción múltiple sobre el propósito de las funciones el vocabulario de Python y la estructura de la codificación la gramática de Python. Para su tarea final, programaron un juego: Rock,Paper, Scissors: se consideró un proyecto introductorio para un nuevo codificador de Python. Esto ayudó a evaluar su capacidad para escribir código utilizando la información que habían aprendido.
En última instancia, los investigadores descubrieron que los puntajes de la prueba de aptitud del lenguaje fueron los predictores más fuertes de la tasa de aprendizaje de los participantes en Python. Las puntuaciones de las pruebas de aritmética y razonamiento fluido también se asociaron con la tasa de aprendizaje de Python, pero cada uno de estos factores explicaba menos variación queaptitud lingüística lo hizo
Presentado de otra manera, a través de los resultados de aprendizaje, la aptitud lingüística de los participantes, el razonamiento fluido y la memoria de trabajo, y la actividad cerebral en estado de reposo fueron todos predictores mayores del aprendizaje de Python que la aritmética, lo que explicó un promedio del 2% de las diferencias entre las personasEs importante destacar que Prat también descubrió que las mismas características de los datos del cerebro en estado de reposo que explicaban anteriormente qué tan rápido alguien aprendería a hablar francés, también explicaban qué tan rápido aprenderían a codificar en Python.
"Este es el primer estudio que vincula los predictores neuronales y cognitivos de la aptitud del lenguaje natural con las diferencias individuales en el aprendizaje de lenguajes de programación. Pudimos explicar más del 70% de la variabilidad en la rapidez con que las personas aprenden a programar en Python,y solo una pequeña fracción de esa cantidad estaba relacionada con la aritmética ", dijo Prat. Investigaciones adicionales podrían examinar las conexiones entre la aptitud del lenguaje y la instrucción de programación en un salón de clases, o con lenguajes más complejos como Java, o con tareas más complicadas para demostrardominio de codificación, dijo Prat.
Fuente de la historia :
Materiales proporcionado por Universidad de Washington . Original escrito por Kim Eckart. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :