Tecnología · 7o Básico · Pensamiento Computacional y Algoritmos · 1er Semestre

Optimización y Eficiencia de Algoritmos

Los estudiantes analizan diferentes soluciones algorítmicas para una misma tarea, evaluando su eficiencia en términos de pasos y recursos.

• Objetivos de Aprendizaje (OA)
• OA TEC 7oB: Evaluación y Mejora de Soluciones Tecnológicas

Acerca de este tema

La optimización y eficiencia de algoritmos permite a los estudiantes de 7° básico analizar distintas soluciones para una misma tarea, evaluando el número de pasos y recursos necesarios. En el contexto de Pensamiento Computacional y Algoritmos, exploran cómo un algoritmo eficiente resuelve problemas con menos operaciones, comparando por ejemplo métodos de ordenamiento como burbuja e inserción en programas simples. Esto responde a preguntas clave como la diferencia entre un algoritmo que funciona y uno eficiente, y cómo medir su rendimiento.

Este tema se alinea con el estándar OA TEC 7°B de MINEDUC, fomentando la evaluación y mejora de soluciones tecnológicas. Los estudiantes aprenden a usar métricas como complejidad temporal básica, contando iteraciones en bucles o comparaciones, lo que desarrolla habilidades analíticas esenciales para programación y diseño de apps. Conectar eficiencia a aplicaciones reales, como búsquedas en redes sociales, motiva su comprensión.

El aprendizaje activo beneficia este tema porque las simulaciones prácticas y comparaciones grupales hacen visibles las diferencias en eficiencia, transformando conceptos abstractos en experiencias concretas y memorables. Los estudiantes miden tiempos reales o pasos manuales, ajustan algoritmos iterativamente y discuten mejoras colectivamente.

Preguntas Clave

1. ¿Qué diferencia a un algoritmo eficiente de uno que simplemente funciona?
2. ¿Cómo podemos medir la eficiencia de un algoritmo en un programa simple?
3. ¿Por qué la optimización es crucial en el desarrollo de aplicaciones complejas?

Objetivos de Aprendizaje

• Comparar la cantidad de pasos requeridos por dos algoritmos diferentes para resolver la misma tarea de ordenamiento.
• Evaluar la eficiencia de un algoritmo simple contando el número de comparaciones o asignaciones realizadas.
• Explicar por qué un algoritmo con menos pasos es preferible en términos de uso de recursos computacionales.
• Identificar las partes de un programa donde se pueden aplicar optimizaciones algorítmicas.
• Diseñar una versión ligeramente modificada de un algoritmo para reducir su complejidad.

Antes de Empezar

Fundamentos de Algoritmos y Secuenciación

Por qué: Los estudiantes necesitan comprender qué es un algoritmo y cómo se escriben instrucciones paso a paso antes de poder analizar su eficiencia.

Introducción a Bucles (Ciclos)

Por qué: La eficiencia a menudo se analiza en el contexto de bucles, por lo que los estudiantes deben estar familiarizados con su funcionamiento básico.

Vocabulario Clave

Algoritmo	Una secuencia de instrucciones claras y finitas diseñadas para resolver un problema específico o realizar una tarea.
Eficiencia Algorítmica	La medida de cuántos recursos (como tiempo o memoria) utiliza un algoritmo para completar su tarea. Un algoritmo eficiente usa menos recursos.
Complejidad Temporal	Una forma de medir la eficiencia de un algoritmo contando la cantidad de operaciones básicas que realiza en función del tamaño de la entrada.
Optimización	El proceso de modificar un algoritmo o programa para hacerlo más eficiente, reduciendo el tiempo de ejecución o el uso de memoria.

Cuidado con estas ideas erróneas

Idea errónea común

Un algoritmo con menos líneas de código es siempre más eficiente.

Qué enseñar en su lugar

La eficiencia se mide por operaciones en el peor caso, no por longitud del código. Actividades de conteo manual de pasos ayudan a los estudiantes a visualizar esto, comparando códigos simples pero ineficientes con otros optimizados.

Idea errónea común

La eficiencia solo importa para programas grandes.

Qué enseñar en su lugar

Incluso en tareas simples, optimizar ahorra tiempo y recursos. Simulaciones con datos crecientes muestran cómo la diferencia crece rápidamente, fomentando discusiones grupales para corregir esta idea.

Idea errónea común

Todos los algoritmos que funcionan son igual de buenos.

Qué enseñar en su lugar

Difieren en escalabilidad. Rotaciones de estaciones con pruebas comparativas permiten a los estudiantes experimentar fallos en ineficientes, ajustando colectivamente.

Ideas de aprendizaje activo

Carrera de Algoritmos: Comparación Manual

Entregue tarjetas con números desordenados a cada grupo. Implementen ordenamiento burbuja y por inserción paso a paso, contando comparaciones y cambios. Comparen tiempos y pasos al final, registrando en una tabla compartida.

35 min·Grupos pequeños

Simulación Digital: Scratch Efficiency

En Scratch, programen dos versiones de un juego de búsqueda: lineal y optimizada. Ejecuten con listas crecientes, midan tiempos con cronómetro y grafiquen resultados. Discutan cuál ahorra más recursos.

45 min·Parejas

Laberinto Optimizado: Rutas Mínimas

Dibujen laberintos en papel cuadriculado. Encuentren rutas con reglas diferentes (DFS vs BFS simuladas). Cuenten celdas visitadas y comparen eficiencia para laberintos grandes.

30 min·Grupos pequeños

Debate Grupal: Casos Reales

Presenten problemas cotidianos como clasificar tareas escolares. Grupos proponen algoritmos, los ejecutan manualmente y votan el más eficiente basado en pasos.

40 min·Toda la clase

Conexiones con el Mundo Real

• Los desarrolladores de videojuegos buscan optimizar los algoritmos de inteligencia artificial para que los personajes no jugadores (PNJs) reaccionen rápidamente a las acciones del jugador, mejorando la experiencia de juego en títulos como 'League of Legends'.
• Los ingenieros de software en empresas como Google trabajan en la optimización de algoritmos de búsqueda para que los resultados de las búsquedas en la web aparezcan en milisegundos, incluso con miles de millones de páginas disponibles.
• Los científicos de datos utilizan algoritmos eficientes para procesar grandes volúmenes de información en plataformas de redes sociales como TikTok, permitiendo recomendaciones personalizadas de contenido en tiempo real.

Ideas de Evaluación

Boleto de Salida

Entregue a cada estudiante dos fragmentos de código pseudocódigo que resuelvan el mismo problema (ej. encontrar el número mayor en una lista) con diferente cantidad de pasos. Pida a los estudiantes que cuenten los pasos principales en cada uno y escriban cuál consideran más eficiente y por qué.

Pregunta para Discusión

Plantee la siguiente pregunta al grupo: 'Si tuvieran que elegir entre un programa que funciona perfectamente pero tarda mucho en ejecutarse, y otro que es un poco más rápido pero a veces falla en casos extremos, ¿cuál elegirían y por qué?'. Guíe la discusión hacia la importancia del equilibrio entre funcionalidad y eficiencia.

Verificación Rápida

Presente un algoritmo simple (ej. un bucle que suma números del 1 al 10). Pida a los estudiantes que levanten la mano o usen un sistema de respuesta rápida para indicar cuántas veces se ejecuta el cuerpo del bucle. Luego, pregunte cómo podrían reducir esa cantidad si la tarea fuera sumar hasta 1000.

Preguntas frecuentes

¿Cómo medir la eficiencia de un algoritmo en 7° básico?

Usen conteo de pasos: comparaciones, asignaciones y bucles en ejecuciones manuales o simuladas. Para programas simples en Scratch o pseudocódigo, registren tiempos con cronómetro en listas de 10, 20 y 50 elementos. Grafiquen para ver tendencias y comparen con pares.

¿Qué diferencia un algoritmo eficiente de uno que solo funciona?

Un algoritmo eficiente minimiza pasos y recursos para cualquier tamaño de entrada, mientras que uno funcional puede fallar en escalas grandes. Ejemplos como búsqueda lineal vs binaria ilustran esto. Evalúen con métricas básicas para priorizar soluciones escalables en apps reales.

¿Por qué la optimización es crucial en aplicaciones complejas?

En apps como redes sociales o juegos, algoritmos ineficientes consumen batería, memoria y tiempo, afectando usabilidad. Optimizar reduce costos computacionales y mejora rendimiento. Estudiantes lo ven en simulaciones donde versiones lentas 'colapsan' con más datos.

¿Cómo el aprendizaje activo ayuda a entender optimización de algoritmos?

Actividades prácticas como carreras manuales o simulaciones en Scratch permiten medir eficiencia real, ajustando algoritmos iterativamente. El trabajo grupal fomenta debates sobre mejoras, haciendo abstracto lo concreto. Esto construye intuición profunda, superior a lecturas pasivas, y alinea con Bases Curriculares.