Pensamienoto computacional aplicado a la robotica educativa espacial

1. Componentes de un robot educativo espacial – Descripción de sensores (distancia, color, acelerómetro), actuadores (motores, servomotores) y controladores (microcontroladores, MCU/SoC).
2. Interacción entre componentes y pensamiento computacional – Cómo se traducen percepciones en acciones mediante descomposición, abstracción y diseño de algoritmos.
3. Introducción a proyectos educativos de robótica espacial – Ejemplos de tareas simples y simulaciones para practicar pensamiento computacional.

• Actividad 1: Exploración de un robot educativo espacial – Los estudiantes identifican sensores, actuadores y controladores en un robot o simulación. Breve descripción de la función de cada componente, con un diagrama simple. Puntos clave: entender qué hace cada parte, relaciones entre sensores y actuadores, y cómo un controlador orquesta acciones.
• Actividad 2: Descomposición de una tarea simple – Descomponer una tarea de misión en pasos computacionales básicos (capturar datos, procesar, decidir, actuar). Puntos clave: dividir en subtareas manejables y asignar responsabilidades a cada componente.
• Actividad 3: Abstracción y diseño de un algoritmo básico – Construcción de un algoritmo simple para hacer que el robot se desplace a una posición objetivo utilizando un conjunto mínimo de sensores. Puntos clave: identificar entradas, salidas, condiciones y pasos críticos.

• Competencia 1: Identificación de componentes y funciones del robot (tipo de sensor, actuador, controlador). Evaluación a través de un cuestionario corto y un diagrama de flujo sencillo.
• Competencia 2: Descomposición y abstracción aplicadas a una tarea básica. Evaluación mediante un entregable que describa la descomposición de una tarea y la abstracción de sus datos clave.
• Competencia 3: Diseño de un algoritmo básico para movimiento. Evaluación por un pseudocódigo o diagrama de actividad y su explicación de cómo coordina sensores y actuadores.

4 semanas

1. Introducción a misiones espaciales simuladas – Características, objetivos y límites de las simulaciones en educación.
2. Pensamiento computacional aplicado a la resolución de problemas – Cómo descomposición, abstracción y reconocimiento de patrones orientan la toma de decisiones.
3. Casos de estudio educativos – Ejemplos de misiones y soluciones implementadas por estudiantes con robótica educativa.

• Actividad 1: Análisis de un caso de misión simulada – Lectura de un caso y extracción de los pasos computacionales necesarios para completar la misión. Puntos clave: comprender requisitos, identificar entradas y salidas, y justificar elecciones de enfoque.
• Actividad 2: Taller de resolución de problemas – En pequeños grupos, plantear una situación de misión, descomponerla, abstraer variables relevantes y proponer soluciones computacionales. Puntos clave: colaboración, claridad en las decisiones y límites asumidos.
• Actividad 3: Presentación de soluciones – Compartir soluciones propuestas, discutir ventajas y limitaciones, y recibir retroalimentación para mejorar la correspondencia entre problema y solución.

• Competencia 1: Capacidad para descomponer un problema de misión y mapearlo a componentes computacionales. Evaluación mediante un informe analítico de caso.
• Competencia 2: Uso correcto de abstracción y reconocimiento de patrones para seleccionar variables relevantes. Evaluación mediante una matriz de decisión y justificación.
• Competencia 3: Calidad de la solución propuesta y su claridad de comunicación. Evaluación mediante presentación y feedback de pares.

4 semanas

1. Descomposición de tareas espaciales – Métodos para dividir objetivos en acciones secuenciadas y paralelas.
2. Abstracción y modelado de escenarios – Representación simplificada de variables clave (posiciones, velocidades, obstáculos).
3. Reconocimiento de patrones para la planificación – Identificación de secuencias recurrentes y señales relevantes en datos sensoriales.
4. Límites y supuestos en la planificación – Consideraciones prácticas, de hardware y de seguridad en misiones educativas.

• Actividad 1: Descomposición de una tarea de exploración – Dividir una misión de exploración en subtareas, asignando responsables a sensores y actuadores. Puntos clave: secuencias, dependencias y tiempos.
• Actividad 2: Modelado abstracto de un escenario espacial – Crear un modelo simplificado (variables clave, restricciones) para facilitar la planificación.
• Actividad 3: Detección de patrones y planificación adaptativa – Analizar datos de sensores para identificar patrones y ajustar la secuencia de acciones ante cambios en el entorno. Puntos clave: robustez y flexibilidad.
• Actividad 4: Evaluación de límites y supuestos – Identificar límites de la planificación y discutir cómo validarlos en simulación.

• Competencia 1: Capacidad de dividir una tarea compleja en subtareas y asignar dependencias temporales. Evaluación mediante un diagrama de tareas y justificación.
• Competencia 2: Modelado abstracto correcto del escenario de misión y adecuación del modelo a la planificación. Evaluación mediante un informe de modelado.
• Competencia 3: Reconocimiento de patrones y adaptación de la planificación en respuesta a cambios. Evaluación mediante simulación o estudio de caso y discusión.

4 semanas

1. Algoritmos de control de movimiento – Principios básicos de navegación, límites y seguridad.
2. Toma de decisiones automatizada – Reglas simples, estados y transiciones.
3. Procesamiento de datos sensoriales – Filtrado, umbrales, detección de eventos y representación de datos.

• Actividad 1: Diseño de un algoritmo de movimiento – Crear un flujo de control para navegar hasta un objetivo manteniendo distancia de seguridad. Puntos clave: lógica de control, robustez ante obstáculos simples.
• Actividad 2: Implementación de reglas de decisión – Definir un conjunto de condiciones para que el robot elija entre acciones como avanzar, detenerse o cambiar de ruta. Puntos clave: claridad de condiciones y acciones resultantes.
• Actividad 3: Procesamiento de datos sensoriales – Aplicar técnicas simples de filtrado y umbrales para detectar eventos (p. ej., proximidad a obstáculo). Puntos clave: interpretación de señales y robustez frente a ruido.

• Competencia 1: Funcionamiento correcto de un algoritmo de movimiento en simulación y su explicación de elección de parámetros.
• Competencia 2: Validez de las reglas de decisión ante distintos escenarios simulados.
• Competencia 3: Calidad del procesamiento de datos sensoriales y su impacto en la toma de decisiones.

4 semanas

1. Lenguajes de programación para robótica educativa – Python y Scratch, ventajas y casos de uso.
2. Estructuras y modularidad – Funciones, clases básicas y organización de proyectos.
3. Pruebas, depuración y documentación – Estrategias para validar código y mantener registros de aprendizaje.

• Actividad 1: Programación modular en Python – Implementar un controlador básico para movimiento, con funciones independientes para lectura de sensores, toma de decisiones y acción. Puntos clave: reutilización, claridad y pruebas unitarias.
• Actividad 2: Proyecto en Scratch – Construir un programa de misión espacial en Scratch que simule navegación y toma de decisiones. Puntos clave: flujo lógico, sprites y eventos.
• Actividad 3: Prácticas de legibilidad y documentación – Añadir comentarios, docstrings o notas en Scratch, y crear un README con instrucciones de uso y pruebas realizadas. Puntos clave: mantenibilidad y colaboración.

• Competencia 1: Implementación de un programa modular con funciones bien definidas y pruebas básicas. Evaluación mediante revisión de código y ejecución en simulación.
• Competencia 2: Calidad de la documentación y legibilidad del código. Evaluación mediante checklist de buenas prácticas y comentarios explicativos.
• Competencia 3: Capacidad de realizar pruebas de simulación y validar resultados. Evaluación mediante informe de pruebas y resultados observables.

4 semanas