3. Solución Propuesta
A partir del problema identificado en la sección Figura 1. Aspecto gráfico del campo vectorial del
anterior y, con el objetivo de determinar el perfil de un modelo conceptual
programador, se propone simular su actividad cerebral definidos en el marco de las recomendaciones planteadas
cuando se encuentran resolviendo diferentes ejercicios, del Plan Estratégico 2004-2014 del Foro de la
generando una muestra representativa de perfiles a fin de Competitividad para el Sector de Software y Servicios
incrementar la calidad de los datos y ser considerados Informáticos, resultando de entrevistas a diferentes
confiables para obtener posibles conclusiones. líderes de proyectos, coordinadores de Programación y
Para dicho fin, resulta esencial la creación de un Psicólogos [13]. Los mismos fueron identificados como
modelo conceptual que resulte ser la expresión formal de aspectos “Específicos”, contando con las siguientes
las características del sistema para que, luego una variables: Interpretación del problema a solucionar (IdP),
simulación pueda brindar un contexto de situaciones Planificación del trabajo (PdT), Estrategia de solución
experimentales [12]. (EdS), Codificación de la solución (CdS), Verificación
El modelo conceptual creado para el presente trabajo, del trabajo (VdT), Depuración del trabajo (DdT).
el cual se visualiza en la Figura 1 “Aspecto gráfico del Por último, se consideran aspectos que se denominan
campo vectorial del modelo conceptual”, tiene como “Fisiológicos”, relacionados al comportamiento neuronal
objetivo comprender el comportamiento neuronal de un de cada perfil, para el cual se desarrolló una simulación
programador. Para tal fin se tomaron en cuenta tres en base al posicionamiento del sistema 10-20 para
aspectos fundamentales para su comprensión: electroencefalografía, al igual que el dispositivo EGG
“Personalisimos y Profesionales”, “Específicos” y EPOC+ 14 canales de Emotiv [14], que reporta la
“Fisiológicos”. distribución de 14 puntos del cuero cabelludo de la
persona que lo posea. Dichos puntos se encuentran
distribuidos de tal forma que permiten identificar de esta manera el estilo de comportamiento del cerebro
diferentes zonas del cerebro (identificadas en las de un programador.
variables), tal y como se observa en la Figura 2
“Electrodos del EGG EPOC+14 canales”. Dentro de esta 4. Experimentos
segmentación se puede identificar, la primer área que
trata del área Prefrontal (AF3, AF4) encargada de la En este capítulo se presentan las bases teóricas y
planificación de comportamientos cognitivamente metodológicas en las cuales se sostiene la propuesta del
complejos, procesos de toma de decisiones y del presente trabajo. En una primera parte, se describen las
comportamiento social [15]. características del experimento brindando las
En el área Frontal (F3, F4, FC5, FC6, F7, F8), se consideraciones que se tuvieron en cuenta para la
encuentra la producción del lenguaje, la memoria realización del mismo (sección 4.1), luego se presentan
funcional (de trabajo, de corto plazo), funciones motora, gráficas e interpretaciones sobre la experimentación con
socialización y espontaneidad. El área Temporal (T7, T8, variables del componente específico del modelo
CMS, DRL), formada por los lóbulos derechos e conceptual (sección 4.2), para continuar con las referidas
izquierdo, son responsables de todo el proceso auditivo, a criterios personalísimos y profesionales (sección 4.3) y
el habla, la lectura y la memoria (recuerdo de palabras y finalizar con el análisis sobre el componente fisiológico
nombres de los objetos). El lóbulo temporal no (sección 4.4).
dominante está implicado en la memoria visual. En dicha
área se encuentra el Hipocampo, cuya función principal
4.1. Definiciones del Experimento
A modo de información para las muestras a realizar, el
dispositivo EGG EPOC+ 14 canales de Emotiv cuenta
con un rango de amplitud por cada lectura de EMOTIV
EPOC +14 es de -4.7 / 4.7 mV [18].
Si bien el dispositivo toma 128 muestras de EGG por
segundo (para digitalizar la entrada analógica de cada
sensor) que resultan 7680 por minuto, para poder
desarrollar la simulación y simplificar el almacenamiento
de la información en registros, se reduce a 18 muestras de
EGG por segundo, resultando 1080 por minuto. En la
misma sintonía, se determina que la simulación se
realizará con 100 perfiles, y como máximo tres ejercicios
cada uno, registrándose muestras de
electroencefalograma (EGG) por segundo, siendo éste
último un registro de la actividad eléctrica de las
Figura 2. Electrodos del EGG EPOC+14 canales. neuronas del encéfalo [19], considerando para cada
ejercicio 5 minutos de mínimo y 20 minutos de máximo.
está en la correcta formación y actividad de la memoria. Se presentan los resultados, gráficos e interpretación
El área Parietal (P7, P8) se encarga del procesamiento de sobre la experimentación con variables del componente
la información sensorial procedente de varias partes del específico del modelo conceptual, para continuar con las
cuerpo, el conocimiento de los números y sus relaciones variables personalisimos y profesionales y, finalizar con
y en la manipulación de los objetos. El área Occipital el análisis sobre el componente fisiológico.
(O1, O2) contiene a la corteza visual (encargada de ver e
interpretar lo que vemos) [16]. 4.2. Componente específico del modelo
En función de las variables presentadas hasta el conceptual
momento (“Personalisimos y Profesionales”,
“Específicos” y “Fisiológicos”), y en su comportamiento Teniendo en cuenta las variables del componente
aleatorio que determina el comportamiento global del específico del modelo conceptual, podemos observar en
sistema, se pretende aplicar el método de simulación de la curva de la Figura 3 "Resultados específicos"
Montecarlo basándose en el modelo conceptual creado (promedio de a 10 perfiles, promedio de nota final
con anterioridad, aplicando las variables mencionadas y, alcanzada) la representación de la nota evaluativa
generando así, un modelo probabilístico a partir de la alcanzada por la muestra de perfiles de programadores al
combinación de las variables utilizadas [17] identificando realizar los ejercicios de programación planteados en el
experimento. La misma se presenta creciente, entre cotas
mínima y máxima, interpretando a las menores y medio se da en la primera intersección de las variables
mayores calificaciones obtenidas de los ejercicios IdP y PdT, presentándose la mayor diferencia de
realizados por cada perfil, donde se relacionan las amplitud entre las mismas, pudiendo representar el
detrimento en la consideración del problema frente a la
8
importancia de un adecuado plan del trabajo para dar
7 solución. El grupo con altos resultados parciales logra
mantener una simultaneidad y coincidencia entre las
6 componentes de identificación y planificación.
El gráfico de la Figura 5 "Estrategia de solución y
5
codificación de solución" (promedio de a 10 perfiles,
4 promedio de nota parcial alcanzada) presenta y relaciona
los conceptos sobre la elección del camino a seguir y el
3 avance sobre él para alcanzar la meta, es decir, los
2
conceptos Estrategia de solución (EdS) y Codificación de
la solución (CdS). La figura presenta los grupos con
1 resultados parciales: bajo, medio y alto (definidos por los
0 2 4 6 8 10 12 14 límites 2-3, 3-5 y 5-8 respectivamente). Dentro del
Específicos
8
Figura 3. Resultados específicos.
7
variables independientes del modelo conceptual:
Interpretación del problema a solucionar (IdP), 6
Planificación del trabajo (PdT), Estrategia de solución
(EdS), Codificación de la solución (CdS), Verificación 5
independientes del modelo conceptual acera de: edad del Edad Años de Relación con Programación
programador al momento de realizar la prueba (Ed), Figura 8. Edad y años de relación con la
género (Gen), estado civil (EC), si trabaja y con qué tipo programación.
posible, se refiere al hecho en que los años de experiencia 4
la simulación.
La Figura 9 "Género y estado civil" (promedio de a 10 3
3,5
1
0 2 4 6 8 10 12 14
Tipo de Trabajo
3 Trabaja en Programación
Categoría de Programador
2
conforma de "trabajadores independientes-categoría baja-
no trabaja en programación", como un grupo de
motivados por la libertad laboral y la posible alza de
1,5
creatividad que esto implica.
Al interpretar los conceptos referidos al dominio
1 idiomático y dominio de lenguajes de programación, la
0 2 4 6 8 10 12 14
muestra de perfiles de programador presenta la constante
Género Estado Civil
referida a mayor dominio en cantidad de lenguajes de
Figura 9. Género y estado civil. programación por sobre los idiomáticos, como puede
observarse en la Figura 11 "Dominio idiomático y
al par "femenino-soltero", pudiendo interpretarse que
dominio de lenguajes de programación" (promedio de a
promedian menores aportes en la calificación de los
10 perfiles, promedio de cantidades dominadas). Se
ejercicios propuestos. En cuanto al segmento que alcanza
presenta una importante diferencia de amplitud en la
las mejores calificaciones, se interpreta por los picos
zona media pudiendo indicar que aquellos quienes
máximos de las curvas, siendo el par "masculino-
manejan mayor cantidad de lenguajes de programación
casado". Al disminuir la brecha que dista entre las
dominan menor cantidad de idiomas. Seguidamente al
gráficas, comienza el grupo medio, con similares
pico máximo, se encuentra la menor distancia de
frecuencias sin alcanzar conclusiones relevantes.
amplitud contradiciendo lo anterior y acercando las
Al relacionar los conceptos referidos al tipo de
cantidades promedio en el manejo de leguajes
trabajo, si a la vez se encuentra relacionado con la
programación de sistema software y la posible categoría 7
8,00
22,00
7,00
20,00
6,00
18,00
5,00
16,00
4,00 0 2 4 6 8 10 12 14
XAmp AF3 Beta XAmp AF4 Beta
3,00
7,00
2,00
6,00
1,00
5,00
0,00
4,00
0 2 4 6 8 10 12 14
F7 Beta F8 Beta
3,00
Figura 14. Cantidad de actividad de señal en
frecuencia Beta en corteza frontal dorso-lateral. 2,00
amplitud de señal de actividad Beta sobre el conjunto Figura 16. Cantidad de actividad de señal en
neuronal próximo al sensor para el hemisferio cerebral frecuencia Beta en corteza frontal medial.
izquierdo (Xamp P7 Beta) y derecho (Xamp P8 Beta). La el primer conjunto se grafica una mayor cantidad de
muestra de perfiles de programador presenta curvas
actividad en la corteza frontal medial derecha, igualando
similares en intensidad de señal bio-electrica resultante.
frecuencias Beta para ambos hemisferios hacia el grupo
Se denota un mínimo de actividad Beta para el segmento
de mejores calificaciones. Entre ambos grupos podría
estimarse una media levemente decreciente, denotando
menor cantidad de actividad en frecuencia Beta sobre la
31,00 corteza cerebral frontal medial en quienes alcanzaron
notas superiores.
Al evaluar las mediciones de amplitud de señal de
actividad Beta sobre el conjunto neuronal próximo al
29,00
sensor, la muestra de perfiles de programador presenta
curvas entre cotas similares para el hemisferio cerebral
izquierdo (Xamp F3 Beta) y derecho (Xamp F4 Beta),
27,00
como se expone en la Figura 17 "Amplitud de señal de
actividad Beta en corteza frontal medial" (promedio de a
10 perfiles, promedio de amplitud de señal con
frecuencia Beta alcanzada por electrodo). Al considerar
25,00 que la intensidad de señal resultante aumenta cuando se
0 2 4 6 8 10 12 14
Xamp F7 Beta Xamp F8 Beta involucra a mayor cantidad de neuronas, podría
Figura 15. Amplitud de señal de actividad Beta interpretarse que la muestra de perfiles de programador
en corteza frontal dorso-lateral. ha registrado similar actividad para los perfiles de
calificaciones bajas en las pruebas y mayor actividad en
promedio de amplitud de señal con frecuencia Beta
alcanzada por electrodo) presenta las mediciones de
amplitud de señal de actividad Beta sobre el conjunto
31,00
neuronal próximo al sensor para el hemisferio cerebral
izquierdo (Xamp FC5 Beta) y derecho (Xamp FC6 Beta).
La muestra de perfiles de programador presenta curvas
29,00 similares en intensidad de señal bio-eléctrica resultante
27,00 31,00
25,00 29,00
0 2 4 6 8 10 12 14
Xamp F3 Beta Xamp F4 Beta
8,00
3,00
7,00
2,00
6,00
1,00
5,00
0,00
0 2 4 6 8 10 12 14
FC5 Beta FC6 Beta 4,00
promedio superior, al evaluar los ejercicios de Figura 23. Amplitud de señal de actividad Beta
programación propuestos. Para el primer conjunto se en corteza parietal.
en la región parietal izquierda para los perfiles de
calificaciones bajas en las pruebas y similar actividad en
izquierda y derecha para los casos de calificaciones 31,00
superiores.
La Figura 24, "Cantidad de actividad de señal en
frecuencia Beta en corteza occipital" (promedio de a 10
perfiles, promedio de cantidad de frecuencia Beta 29,00
7,00
6,00 25,00
0 2 4 6 8 10 12 14
5,00 Xamp O1 Beta Xamp O2 Beta
2,00
5. Conclusiones
1,00
En base a la experimentación se puede inferir la
existencia de al menos dos grupos de perfil de
0,00 programador, diferenciados en las calificaciones
0 2 4 6 8 10 12 14
O1 Beta O2 Beta obtenidas, sobre los mismos ejercicios de programación
Figura 24. Cantidad de actividad de señal en propuestos. Esto podría indicar que un grupo debe
frecuencia Beta en corteza occipital. alcanzar conocimiento y desarrollar habilidades que el
otro ya dispone.
corteza cerebral occipital: izquierda (O1 Beta) y derecha
Para el caso de perfiles de programador con mejores
(O2 Beta). Entre ambos priman las funciones de visión e
resultados en calificación, sobresale la adecuada
interpretación, reconocimiento espacial y discriminación
identificación y planteo del problema a resolver,
del movimiento. Las curvas presentan similitud de forma
valoración de la estrategia por sobre la codificación y
entre cotas, interpretándose como la administración esfuerzo en la depuración ante las pruebas de validación.
conjunta de la visión en ambos ojos, con mínimo y
Se destacan características personalísimas de género
seguido máximo en la actividad del hemisferio derecho,
masculino y estado civil casado. También es importante
pudiendo indicar fluctuaciones del funcionamiento resaltar que los años de experiencia en programación no
visual. Entre las curvas podría estimarse una media intervienen en la obtención de mejores calificaciones
constante, denotando similar cantidad de actividad en
sobre los ejercicios propuestos en la simulación.
frecuencia Beta sobre la corteza occipital, con
En cuanto al registro de actividad encefálica se denota
independencia del logro en las notas clasificatorias
mayor actividad en corteza pre-frontal (donde priman las
alcanzadas.
funciones de planificación, atención y control ejecutivo,
Al evaluar las mediciones de amplitud de señal de pensamiento lógico, razonado y de alto nivel) derecha,
actividad Beta sobre el conjunto neuronal próximo al corteza parietal dorso-lateral (posiblemente para el
sensor, la muestra de perfiles de programador presenta
control motor de precisión) derecha, corteza temporal
curvas similares para el hemisferio cerebral izquierdo izquierda (donde se procesar la lectura y comprensión
(Xamp O1 Beta) y derecho (Xamp O2 Beta), como se
idiomática), parietal derecho y similar cantidad de
expone en la Figura 25, "Amplitud de señal de actividad
actividad en frecuencia Beta sobre la corteza occipital
Beta en corteza occipital" (promedio de a 10 perfiles, (para el procesamiento bi-ocular de la visión).
promedio de amplitud de señal con frecuencia Beta Como futuras líneas de trabajo, se plantean dos
alcanzada por electrodo). Al considerar que la intensidad caminos: por un lado, la información recopilada y los
de señal resultante aumenta cuando se involucra a mayor
patrones de conocimiento obtenidos serán de utilidad
cantidad de neuronas, podría interpretarse que la muestra para ser procesados con otras técnicas de explotación de
de perfiles de programador ha registrado similar información a fin de describir nuevas reglas e inferencias,
actividad en la región occipital izquierda y derecha para complementando así los gráficos e interpretaciones de las
todos los casos. variables del modelo conceptual planteado.
Por otro lado, se buscará revalidar el modelo [13] CICOMRA - Cámara de Informática y Comunicaciones de
conceptual creado en base a muestras fidedignas con la República Argentina, "Perfil Profesional Técnico en
perfiles de programadores sin la necesidad de realizar Programación", http://goo.gl/KTVDa2, Último acceso Julio de
una simulación, y desarrollar interpretaciones que 2016.
aporten mayor conocimiento sobre la actividad neuronal [14] Emotiv System, "EPOC+", http://emotiv.com/epoc/ Último
registrada, incorporando conocimiento multidisciplinar acceso Julio de 2016.
sobre la materia, aportando al desarrollo y crecimiento de [15] Yang, Y., Raine, A., " Prefrontal structural and functional
la actividad de programación de sistemas de información brain imaging findings in antisocial, violent, and psychopathic
por la mejora cualitativa de los estudiantes de carreras a individuals: a meta-analysis", Psychiatry Res, 2009, 174(2), 81–
fines. 88.
[16] Bachrach, E., "En Cambio". Editorial Sudamericana. 2014.
6. Referencias ISBN: 978-950-07-4857-5
[1] Golombek, D., "Cavernas y palacios: En busca de la [17] Kalos, M.H., Whitlock P.A, "Monte Carlo Methods. Vol I.
conciencia en el cerebro", 2da edición, Buenos Aires: Siglo Basics", Wiley & Sons, 1986.
Veintiuno Editores, 2015. ISBN: 978-987-629-193-4.
[18] Emotiv System, "Comparison Chart",
[2] Siegmund, J., Kästner, C., Apel, S., Bethmann, A., Leich, http://emotiv.com/comparison/ Último acceso Julio de 2016.
T., Saake, G., Brechmann, A., "Understanding Understanding
Source Code with Functional Magnetic Resonance Imaging", [19] Universidad de Alcalá, Departamento de Electrónica,
Proceedings of the 36th International Conference on Software "Electroencefalografía", http://goo.gl/LTEXw8, Último acceso
Engineering (ICSE), Universidad de Passau, 2014, pp. 378-389. Julio de 2016.
[3] Manes, F. y Niro, M.,2016. El cerebro argentino, Grupo [20] Vázquez, G., Vieitez, A., Boullosa, O., Hadid, E.
Editorial Planeta, ISBN 978-950-49-4433-1. Neurociencia. Bases y Fundamentos. Editorial Polemos S.A.
2009. ISBN: 978-987-649-041-2.
[4] Bachrach, E., "Ágilmente". Editorial Sudamericana. 2012.
ISBN: 978-950-07-3971-9.
[5] Zuleta Medina, A. Chavez Torres, A., "Use of computer
tools as strategy for teaching computer programming", Revista
Unimar, Número 57, Julio 2011, 23-32. ISSN 0120-4327.
[6] Villalobos, J., "CUPI2-An Active Learning and Problem
Based Learning Approach to Teaching Programming", 8th ALE
International Workshop, Bogotá - Colombia, Junio 2008.
[7] Szpiniak, A., Rojo, G., "Enseñanza de la programación",
Revista Iberoamericana de Tecnología en Educación y
Educación en Tecnología (TE&ET), Universidad Nacional de
Río Cuarto, Río Cuarto, Argentina, 2007.
[8] Karla Olmos, K., Morales, C., Rojas, T., Fernández, L.,
"Objetos de Aprendizaje Enfocados a la Resolución de
Problemas para Facilitar la Enseñanza de la Programación",
Ediciones de la Universidad Autónoma de Yucatán, México,
2009, pp. 591-596. ISBN: 978-607-7573-17-3
[9] Clarin, “Ingenieros e informáticos: los profesionales más
buscados”, http://goo.gl/NFYAjW, Último acceso Julio de
2016.
[10] La Nación, "Los perfiles IT que buscan las empresas",
http://goo.gl/CzBFWL, Último acceso Julio de 2016.
[11] Falco, M., Kuz, A., "Comprendiendo el Aprendizaje a
través de las Neurociencias, con el entrelazado de las TICs en
Educación", Revista Iberoamericana de Educación en
Tecnología y Tecnología en Educación N°17. RedUNCI. ISSN
1850-9959.
[12] Distance Educational Network, "Desarrollo de
Simulaciones como Recursos de Aprendizaje",
http://goo.gl/0yiHtm, Último acceso Julio de 2016.