Autocorrección en Cálculo Numérico: Mejora del Aprendizaje Autónomo y Optimización de la Evaluación Continua

• Vargas Alemañy, Juan A. ^[1] ; Vigo, Isabel ^[1] ; Sayol, Juan Manuel ^[1] ; Moreno, Laura ^[1] ; García García, David ^[1]
  1. [1] Universitat d'Alacant

     Universitat d'Alacant

     Alicante, España

     
• Localización: Redes de Investigación e Innovación en Docencia Universitaria: Volumen 2025 / coord. por Rosana Satorre Cuerda , María J. Hernández Amorós, Maximiliano Sáiz Noeda , Neus Pellín Buades, 2025, ISBN 978-84-09-76835-6, págs. 367-376
• Idioma: español
• Enlaces
  • Texto completo
• Resumen

  • La creciente carga docente en asignaturas con prácticas de programación ha puesto de manifiesto la necesidad de herramientas que permitan optimizar los procesos de evaluación sin renunciar a la calidad del aprendizaje. En este trabajo se presenta una intervención desarrollada en la asignatura de Cálculo Numérico II del Grado en Matemáticas de la Universidad de Alicante, cuyo objetivo ha sido implementar herramientas básicas de autocorrección que faciliten al alumnado la verificación de sus soluciones antes de la entrega. El estudio compara dos cursos académicos consecutivos: el curso 2023-2024, sin herramientas de autocorrección, y el curso 2024-2025, con la introducción de sistemas simples que permiten contrastar salidas esperadas y detectar errores comunes en la base del algoritmo. La principal métrica evaluada ha sido la nota media de las prácticas, complementada con observaciones cualitativas del profesorado sobre la carga de corrección y la gravedad de los errores. Los resultados muestran una mejora significativa en las calificaciones del alumnado tras la intervención, así como una percepción positiva por parte del profesorado en cuanto a la reducción de errores y el esfuerzo requerido para la corrección. Se concluye que incluso herramientas sencillas de autocorrección pueden tener un impacto muy positivo tanto en el aprendizaje autónomo del alumnado como en la sostenibilidad de la evaluación continua.

• Referencias bibliográficas
  • Ala-Mutka, K. M. (2005). A Survey of Automated Assessment Approaches for Programming Assignments. Computer Science Education, 15(2), 83–102....
  • Barbosa Rocha, H. J., Tedesco, P. C. D. A. R., & Costa, E. D. B. (2022). On the use of feedback in learning computer programming by novices:...
  • Boud, D., & Falchikov, N. (2006). Aligning assessment with long term learning. Assessment & Evaluation in Higher Education, 31(4),...
  • Boud, D., & Soler, R. (2015). Sustainable assessment revisited. Assessment & Evaluation in Higher Education, 41(3), 400-413. https://doi.org/10.1080/02602938.2015.1018133
  • Freeman, S., Eddy, S. L., McDonough, M., Smith, M. K., Okoroafor, N., Jordt, H., & Wenderoth, M. P. (2014). Active learning increases...
  • Grover, S., & Pea, R. (2013). Computational Thinking in K–12. Educational Researcher, 42(1), 38- 43. https://doi.org/10.3102/0013189x12463051
  • Hattie, J., & Timperley, H. (2007). The Power of Feedback. Review of Educational Research, 77(1), 81-112. https://doi.org/10.3102/003465430298487
  • Heikkinen, S., Saqr, M., Malmberg, J., & Tedre, M. (2022). Supporting self-regulated learning with learning analytics interventions –...
  • Keuning, H., Jeuring, J., & Heeren, B. (2018). A Systematic Literature Review of Automated Feed¬back Generation for Programming Exercises....
  • Sadler, D. R. (2010). Beyond feedback: developing student capability in complex appraisal. Assessment & Evaluation in Higher Education,...
  • Shute, V. J. (2008). Focus on Formative Feedback. Review of Educational Research, 78(1), 153-189. https://doi.org/10.3102/0034654307313795
  • Staubitz, T., Klement, H., Renz, J., Teusner, R., & Meinel, C. (2015, December). Towards practical programming exercises and automated...
  • Zimmerman, B. J. (2002). Becoming a Self-Regulated Learner: An Overview. Theory Into Practice, 41(2), 64-70. https://doi.org/10.1207/s15430421tip4102_2