PENSAMIENTO COMPUTACIONAL (PROBLEMA PRACTICO)
El pensamiento computacional fomenta el desarrollo de habilidades como el pensamiento crítico, la creatividad, el trabajo en equipo la constancia y el aprendizaje a partir de los errores.
Con la ayuda de ChatGPT, se desarrolló el siguiente mapa conceptual el cual nos ayuda a comprender el concepto de pensamiento computacional
La energía total de una partícula en relatividad especial se calcula usando la ecuación:
donde:
- es el momento de la partícula,
- es la masa en reposo de la partícula,
- es la velocidad de la luz (aproximadamente ).
Descomposición del Problema
- Entrada de Datos: Obtener la masa y el momento de la partícula.
- Cálculo de la Energía: Usar la ecuación para calcular la energía.
- Salida de Resultados: Mostrar la energía calculada.
Patrones a Reconocer
- Uso de fórmulas físicas para calcular valores derivados.
- Validación de entradas para asegurar que los datos son numéricos y positivos.
Abstracción
- Crear una función que tome masa y momento como argumentos y devuelva la energía.
Diseño del Algoritmo
- Crear una función
calcular_energia(masa, momento)que implemente la fórmula. - Pedir al usuario la masa y el momento.
- Validar las entradas.
- Llamar a
calcular_energiacon las entradas y mostrar el resultado.
Implementación en Python
ANEXOS
Código del mapa conceptual
import matplotlib.pyplot as plt
import networkx as nx
# Crear un gráfico dirigido
G = nx.DiGraph()
# Añadir nodos
central_node = "Pensamiento Computacional"
components = ["Descomposición", "Reconocimiento de Patrones", "Abstracción", "Diseño de Algoritmos"]
examples = ["Ejemplo: Proyecto por Módulos", "Ejemplo: Patrones en Datos", "Ejemplo: Diagrama de Flujo", "Ejemplo: Receta de Cocina"]
applications = ["Educación", "Problemas Cotidianos", "Desarrollo de Software", "Innovación"]
G.add_node(central_node)
G.add_nodes_from(components)
G.add_nodes_from(examples)
G.add_nodes_from(applications)
# Añadir conexiones
edges = [(central_node, comp) for comp in components]
edges += [(comp, ex) for comp, ex in zip(components, examples)]
edges += [(components[-1], app) for app in applications]
G.add_edges_from(edges)
# Posiciones personalizadas para los nodos
pos = {
central_node: (0, 0),
"Descomposición": (-1, 1),
"Reconocimiento de Patrones": (1, 1),
"Abstracción": (-1, -1),
"Diseño de Algoritmos": (1, -1),
"Ejemplo: Proyecto por Módulos": (-1.5, 1.5),
"Ejemplo: Patrones en Datos": (1.5, 1.5),
"Ejemplo: Diagrama de Flujo": (-1.5, -1.5),
"Ejemplo: Receta de Cocina": (1.5, -1.5),
"Educación": (0.5, -2),
"Problemas Cotidianos": (1.5, -2),
"Desarrollo de Software": (2.5, -2),
"Innovación": (3.5, -2)
}
# Dibujar el gráfico
nx.draw(G, pos, with_labels=True, node_size=3000, node_color="lightblue", arrows=True, font_size=10)
# Título y ajustes finales
plt.title("Mapa Conceptual: Pensamiento Computacional")
plt.axis("off") # Ocultar los ejes
plt.show()
Código en Python que se utiliza para calcular el nivel de Energía de una partícula
def calcular_energia(masa, momento):
c = 3 * 10**8 # Velocidad de la luz en m/s
energia = math.sqrt((momento * c)**2 + (masa * c**2)**2)
return energia
# Entrada de datos
masa = float(input("Ingrese la masa de la partícula (en kilogramos): "))
momento = float(input("Ingrese el momento de la partícula (en kg·m/s): "))
# Validación de entradas
if masa < 0 or momento < 0:
print("La masa y el momento deben ser valores positivos.")
else:
# Cálculo y salida
energia = calcular_energia(masa, momento)
print(f"La energía de la partícula es: {energia} Joules")



Comentarios
Publicar un comentario