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.

• 8o Básico
• Tecnología
• 4 actividades
• 20 min–45 min

Objetivos de Aprendizaje

1. Comparar la eficiencia de dos algoritmos de búsqueda (lineal y binaria) midiendo la cantidad de pasos necesarios para encontrar un elemento en un conjunto de datos de diferentes tamaños.
2. Explicar la relación entre el tamaño de la entrada de un algoritmo y el tiempo de ejecución o los recursos consumidos, utilizando notación Big O básica (O(n), O(log n)).
3. Evaluar cómo la elección de un algoritmo más eficiente impacta la experiencia del usuario en aplicaciones que manejan grandes volúmenes de datos.
4. Identificar escenarios donde la complejidad algorítmica es un factor crítico en el diseño de software a gran escala.

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.

Preparación y detalles

¿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.

Setup: Área de presentación al frente, o múltiples estaciones de enseñanza

Materials: Tarjetas de asignación de temas, Plantilla de planificación de lección, Formulario de retroalimentación entre pares, Materiales para apoyo visual

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

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.

Preparación y detalles

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

Setup: Grupos en mesas con materiales del caso

Materials: Paquete del estudio de caso (3-5 páginas), Hoja de trabajo del marco de análisis, Plantilla de presentación

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

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.

Preparación y detalles

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

Setup: Grupos en mesas con materiales del caso

Materials: Paquete del estudio de caso (3-5 páginas), Hoja de trabajo del marco de análisis, Plantilla de presentación

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

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.

Preparación y detalles

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

Setup: Grupos en mesas con materiales del caso

Materials: Paquete del estudio de caso (3-5 páginas), Hoja de trabajo del marco de análisis, Plantilla de presentación

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

Enseñando Este Tema

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.

Qué Esperar

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

Idea errónea común

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

Qué enseñar en su lugar

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.

Idea errónea común

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

Qué enseñar en su lugar

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.

Idea errónea común

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

Qué enseñar en su lugar

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.

Ideas de Evaluación

Verificación Rápida

Después de la Carrera de Búsquedas, muestra dos fragmentos de pseudocódigo en el pizarrón y pide a los estudiantes que identifiquen cuál corresponde a búsqueda lineal y cuál a binaria, usando como evidencia los pasos que contaron durante la actividad.

Pregunta para Discusión

Durante el debate de eficiencia, formula la pregunta: 'Si diseñaran una app para buscar recetas en un catálogo de 10,000 platos, ¿por qué un algoritmo O(n) frustraría a los usuarios mientras que O(log n) mantendría la app fluida? Pide que den ejemplos de acciones que tomarían en su diseño para lograr eficiencia.'

Boleto de Salida

Después de la actividad Gráfico de Crecimiento, entrega una tarjeta donde cada estudiante escriba una situación real donde la velocidad del algoritmo sea crucial (ej. buscar un contacto en el celular) y justifiquen si elegirían O(n) o O(log n), usando el gráfico que crearon como referencia.

Extensiones y Apoyo

• Challenge: Pide a los estudiantes que propongan un algoritmo propio para ordenar una lista de 100 elementos y comparen su eficiencia con Burbuja e Inserción usando sus datos de pasos.
• Scaffolding: Para estudiantes que se pierden, entrega una tabla vacía con columnas para 'algoritmo', 'pasos en lista pequeña' y 'pasos en lista grande', y guíalos para que llenen los valores juntos.
• Deeper exploration: Explora cómo la complejidad afecta la memoria RAM en lugar del tiempo, usando ejemplos como cargar imágenes en un teléfono con memoria limitada.

Vocabulario Clave

Algoritmo	Un conjunto finito de instrucciones o reglas bien definidas, ordenadas y finitas que permiten realizar una actividad mediante pasos sucesivos. Es la base para resolver un problema.
Complejidad algorítmica	La medida de los recursos (tiempo o espacio de memoria) que un algoritmo necesita para ejecutarse en función del tamaño de la entrada.
Tamaño de la entrada (n)	La cantidad de datos que recibe un algoritmo para procesar. Por ejemplo, el número de elementos en una lista a ordenar.
Búsqueda lineal	Un algoritmo que busca un elemento en una lista revisando cada uno de sus miembros secuencialmente hasta encontrarlo o agotar la lista.
Búsqueda binaria	Un algoritmo eficiente que busca un elemento en una lista ordenada dividiendo repetidamente a la mitad el intervalo de búsqueda.
Notación Big O (O(n), O(log n))	Una notación matemática que describe el límite superior del crecimiento de la complejidad de un algoritmo a medida que el tamaño de la entrada aumenta.