Pensamiento Computacional y Programación · IV Medio · Resolución de problemas y algoritmos · 1.º Período

Evaluación y optimización de algoritmos

Análisis de la eficiencia y corrección de los algoritmos diseñados antes de programar. Se realizan pruebas de escritorio para detectar posibles fallos lógicos.

En resumen:La evaluación y optimización de algoritmos permite a los estudiantes de IV Medio pasar de soluciones que 'simplemente funcionan' a soluciones que son robustas y eficientes. Este proceso implica analizar la lógica interna, realizar pruebas de escritorio y buscar maneras de reducir la complejidad de los pasos. En el marco de los OA 3 y 4, se busca que el alumno sea crítico con su propio trabajo y capaz de iterar para mejorar.

• Objetivos de Aprendizaje (OA)
• OA 3
• OA 4

Acerca de este tema

La evaluación y optimización de algoritmos permite a los estudiantes de IV Medio pasar de soluciones que 'simplemente funcionan' a soluciones que son robustas y eficientes. Este proceso implica analizar la lógica interna, realizar pruebas de escritorio y buscar maneras de reducir la complejidad de los pasos. En el marco de los OA 3 y 4, se busca que el alumno sea crítico con su propio trabajo y capaz de iterar para mejorar.

Este tema conecta con la realidad tecnológica de Chile, donde la eficiencia en el procesamiento de datos es clave para sectores como la astronomía en el norte o la gestión forestal en el sur. Evaluar un algoritmo enseña a los estudiantes a prever errores y a considerar el uso de recursos. Este concepto se consolida cuando los estudiantes participan en revisiones por pares y desafíos de optimización donde deben justificar sus cambios.

Preguntas Clave

1. ¿Cómo sabemos si un algoritmo es lógicamente correcto?
2. ¿Qué sucede si cambiamos el orden de los pasos?
3. ¿De qué manera podemos hacer que el algoritmo sea más rápido?

Cuidado con estas ideas erróneas

Idea errónea común

Pensar que si un algoritmo da el resultado correcto una vez, ya es perfecto.

Qué enseñar en su lugar

Los estudiantes a menudo ignoran los 'casos de borde' (datos inusuales). Las pruebas de escritorio con valores extremos o inválidos ayudan a demostrar que la robustez es tan importante como la corrección inicial.

Idea errónea común

Creer que optimizar es solo escribir menos líneas de código.

Qué enseñar en su lugar

La optimización real se refiere a reducir el tiempo de ejecución o el uso de memoria. Mediante la comparación de algoritmos, los estudiantes aprenden que a veces más líneas de código pueden resultar en un proceso más rápido y eficiente.

Ideas de aprendizaje activo

Resolución Colaborativa de Problemas

Prueba de Escritorio Colaborativa

Se entrega un algoritmo con un error lógico sutil. En parejas, los estudiantes siguen el flujo usando una tabla de valores para las variables. Deben identificar exactamente en qué paso el resultado se desvía de lo esperado y proponer la corrección.

30 min·Parejas

Resolución Colaborativa de Problemas

Torneo de Optimización

Los grupos reciben un algoritmo funcional pero ineficiente (con pasos redundantes). El desafío es reducir el número de instrucciones sin alterar el resultado final. Cada grupo presenta su versión optimizada y explica por qué es mejor.

45 min·Grupos pequeños

Debate Formal

¿Corrección o Rapidez?

Se presenta un escenario donde un algoritmo es rápido pero falla en casos extremos, frente a uno lento pero infalible. Los estudiantes debaten en qué contextos (ej. medicina vs. videojuegos) se priorizaría cada uno, aplicando criterios éticos y técnicos.

30 min·Toda la clase

Preguntas frecuentes

¿Qué es una prueba de escritorio y por qué es útil?

Es un proceso manual donde se sigue la lógica de un algoritmo paso a paso anotando los cambios en las variables. Es fundamental en educación porque permite detectar errores de lógica antes de la programación, ahorrando tiempo y frustración en el laboratorio.

¿Cómo se relaciona la optimización con la sostenibilidad?

Un algoritmo optimizado consume menos energía y recursos de procesamiento. En el contexto de la crisis climática, enseñar a los estudiantes a escribir código eficiente es también una lección de ética ambiental y responsabilidad tecnológica.

¿A qué nivel de complejidad debemos llegar en IV Medio?

El enfoque debe estar en la eficiencia lógica y la detección de redundancias. No se busca un análisis asintótico profundo, sino que el estudiante sea capaz de comparar dos soluciones y elegir la más adecuada basándose en criterios claros.

¿Cómo puede el aprendizaje basado en problemas mejorar la evaluación de algoritmos?

Al enfrentar problemas reales, los estudiantes ven las consecuencias de un algoritmo ineficiente. El aprendizaje activo permite que prueben sus soluciones en escenarios simulados, donde el feedback inmediato de sus pares y del docente acelera la comprensión de la calidad del software.