Tecnología · 8o Básico

Ideas de aprendizaje activo

Introducción a la Complejidad Algorítmica

Las actividades de este módulo son efectivas porque los estudiantes necesitan sentir la diferencia entre O(n) y O(n²) en sus propias manos y mentes. Cuando comparan la búsqueda lineal y binaria moviendo fichas o cronometrando pasos, transforman una idea abstracta en evidencia concreta que queda grabada.

• Objetivos de Aprendizaje (OA)
• OA TEC 8oB: Evaluación y Mejora de Soluciones Tecnológicas

• 20–45 min
• Parejas → Toda la clase
• 4 actividades

Actividad 01

• Enseñanza entre Pares
• 30 min · Parejas

Enseñanza entre Pares: Carrera de Búsquedas

Los estudiantes reciben listas ordenadas de números y simulan búsqueda lineal y binaria contando pasos en voz alta. Cronometran cada método con entradas de tamaño 10, 20 y 50. Comparan resultados en una tabla compartida y discuten cuál es más eficiente para listas grandes.

¿Cómo podemos comparar la eficiencia de dos algoritmos que resuelven el mismo problema?

Consejo de Facilitación

En el debate de eficiencia, usa ejemplos cotidianos como buscar en una lista de contactos del celular para que conecten el concepto con su vida real.

Qué observar

Presenta a los estudiantes dos fragmentos de código pseudocódigo: uno para búsqueda lineal y otro para búsqueda binaria. Pide que identifiquen cuál es cuál y expliquen por qué uno podría ser más rápido que el otro para listas grandes, basándose en los pasos que observan.

• Comprender
• Aplicar
• Analizar
• Crear
• Autogestión
• Habilidades de Relación

Actividad 02

• Análisis de Estudio de Caso
• 45 min · Grupos pequeños

Grupos Pequeños: Simulación de Burbuja vs. Inserción

En grupos, simulan ordenamiento burbuja y por inserción con cartas numeradas de 10 a 30 elementos. Cuentan comparaciones y movimientos, registran en gráficos. Al final, presentan hallazgos sobre por qué uno escala peor.

¿Qué implicaciones tiene la complejidad algorítmica en el diseño de software a gran escala?

Qué observar

Formula la pregunta: 'Imagina que estás diseñando una aplicación para buscar vuelos. ¿Por qué es importante que tu algoritmo de búsqueda sea eficiente si hay miles de vuelos disponibles? ¿Cómo afectaría un algoritmo lento la experiencia del usuario y qué tipo de algoritmo (lineal o binario) sería más apropiado y por qué?'

• Analizar
• Evaluar
• Crear
• Toma de Decisiones
• Autogestión

Actividad 03

• Análisis de Estudio de Caso
• 35 min · Toda la clase

Clase Completa: Debate de Eficiencia

Divide la clase en equipos para defender algoritmos: lineal para pequeños datos vs. binario para grandes. Usan ejemplos reales como buscar en un directorio telefónico. Votan por el mejor basado en evidencia cronometrada.

¿Cómo se relaciona la complejidad de un algoritmo con la experiencia del usuario?

Qué observar

Entrega a cada estudiante una tarjeta. Pide que escriban un ejemplo de una situación real donde la velocidad de un algoritmo sea crucial (ej. búsqueda en un catálogo grande, procesamiento de datos médicos). Luego, deben indicar si un algoritmo O(n) o O(log n) sería preferible y por qué.

• Analizar
• Evaluar
• Crear
• Toma de Decisiones
• Autogestión

Actividad 04

• Análisis de Estudio de Caso
• 20 min · Individual

Individual: Gráfico de Crecimiento

Cada estudiante dibuja curvas de complejidad O(n) y O(n²) usando datos de sus simulaciones previas. Etiqueta ejes con tamaño de entrada y tiempo, predice para n=1000. Comparte en plenaria.

¿Cómo podemos comparar la eficiencia de dos algoritmos que resuelven el mismo problema?

Qué observar

Presenta a los estudiantes dos fragmentos de código pseudocódigo: uno para búsqueda lineal y otro para búsqueda binaria. Pide que identifiquen cuál es cuál y expliquen por qué uno podría ser más rápido que el otro para listas grandes, basándose en los pasos que observan.

• Analizar
• Evaluar
• Crear
• Toma de Decisiones
• Autogestión

Algunas notas para enseñar esta unidad

La complejidad algorítmica se enseña mejor cuando los estudiantes experimentan el crecimiento exponencial antes de hablar de fórmulas. Evita empezar con teoría abstracta. En su lugar, usa ejemplos cotidianos como buscar una canción en una playlist larga y luego en una corta, para que sientan la diferencia. La investigación en pedagogía STEM muestra que los estudiantes retienen mejor cuando construyen el concepto desde lo concreto a lo abstracto, y cuando pueden equivocarse y corregirse entre pares.

Al finalizar las actividades, los estudiantes explican con ejemplos concretos por qué un algoritmo O(n²) se vuelve insostenible en listas grandes y cómo O(log n) mantiene la eficiencia. También justifican la elección de algoritmos en contextos cotidianos con fundamentos de complejidad algorítmica.

---

Cuidado con estas ideas erróneas

• Durante la Carrera de Búsquedas, escucha afirmaciones como 'ambos algoritmos tardan lo mismo, solo depende del orden de la lista'.

  Usa este momento para contar en voz alta los pasos de cada búsqueda en la lista compartida, haciendo evidente que la búsqueda lineal siempre hace n pasos mientras la binaria hace log₂n, especialmente cuando la lista supera los 16 elementos.

• Durante la simulación de Burbuja vs. Inserción, algunos estudiantes pueden pensar que ambos algoritmos son igual de rápidos en listas pequeñas.

  Pide a los grupos que registren los pasos exactos para una lista de 10 elementos y otra de 20, luego compara en plenaria: Burbuja pasa de 45 a 190 pasos, mientras Inserción va de 45 a 190 también, pero con menos intercambios visibles.

• Durante el debate de eficiencia, es común escuchar que 'Big O solo sirve para programadores expertos'.

  Usa el ejemplo de ordenar una lista de tareas del día: invita a los estudiantes a cronometrar cuánto tardan en ordenarla manualmente con Burbuja versus Inserción, mostrando que incluso en contextos no digitales la complejidad importa.

---

Metodologías usadas en este resumen

• Enseñanza entre Pares
• Análisis de Estudio de Caso