Revista Multidisciplinar Epistemología de las Ciencias
Volumen 2, Número 4, 2025, octubre-diciembre
DOI: https://doi.org/10.71112/1zhy1358
PERCEPCIONES, MOTIVACIÓN Y ACEPTACIÓN DE LAS PLATAFORMAS DE
PROGRAMACIÓN COMPETITIVA EN ESTUDIANTES DE INGENIERÍA
PERCEPTIONS, MOTIVATION, AND ACCEPTANCE OF COMPETITIVE
PROGRAMMING PLATFORMS IN ENGINEERING EDUCATION
Dora Ivette Rivero Caraveo
Clauda Anglés Barrios
María Eugenia Sánchez Leal
Alma Patricia Gallegos Borunda
Irving Bruno López Santos
México
DOI: https://doi.org/10.71112/1zhy1358
2045 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Percepciones, motivación y aceptación de las plataformas de programación
competitiva en estudiantes de ingeniería
Perceptions, Motivation, and Acceptance of Competitive Programming Platforms
in Engineering Education
Dora Ivette Rivero Caraveo
1
dora.rc@cdjuarez.tecnm.mx
https://orcid.org/0000-0003-3428-5246
Tecnológico Nacional de México, Instituto
Tecnológico de Ciudad Juárez
México
María Eugenia Sánchez Leal
maria.sl@cdjuarez.tecnm.mx
https://orcid.org/0000-0003-1410-2019
Tecnológico Nacional de México, Instituto
Tecnológico de Ciudad Juárez
México
Irving Bruno López Santos
irving.ls@cdjuarez.tecnm.mx
https://orcid.org/0009-0003-9947-3288
Tecnológico Nacional de México, Instituto
Tecnológico de Ciudad Juárez
México
Clauda Anglés Barrios
claudia.ab@cdjuarez.tecnm.mx
https://orcid.org/0000-0002-8935-0968
Tecnológico Nacional de México, Instituto
Tecnológico de Ciudad Juárez
México
Alma Patricia Gallegos Borunda
alma.gb@cdjuarez.tecnm.mx
https://orcid.org/0009-0003-0046-8199
Tecnológico Nacional de México, Instituto
Tecnológico de Ciudad Juárez
México
1
Correspondencia: dora.rc@cdjuarez.tecnm.mx
DOI: https://doi.org/10.71112/1zhy1358
2046 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
RESUMEN
El propósito del presente estudio es analizar las percepciones, motivaciones y nivel de
aceptación de las plataformas de programación competitiva entre estudiantes de programas de
ingenierías dentro del Instituto Tecnológico de Ciudad Juárez, quienes en su mayoría
pertenecen a la Generación Z. Mediante un enfoque cuantitativo descriptivo, se aplicó un
cuestionario a 77 estudiantes para evaluar su conocimiento, experiencia previa, barreras
percibidas y disposición para integrar estas plataformas en cursos de programación. Los
resultados muestran un bajo nivel de familiaridad y práctica, pero una alta utilidad percibida y
una actitud favorable hacia su adopción, especialmente mediante talleres y actividades
guiadas. Las principales barreras fueron la falta de exposición inicial y la percepción de
dificultad. Se concluye que la programación competitiva posee un alto potencial educativo para
esta generación, favoreciendo el aprendizaje activo y el pensamiento computacional cuando se
implementa de manera gradual y acompañada.
Palabras clave: programación competitiva; motivación académica; aprendizaje activo,
desempeño estudiantil, aprendizaje de programación.
ABSTRACT
This study examines students’ perceptions, motivation, and acceptance of competitive
programming platforms among students at the Instituto Tecnológico de Ciudad Juárez, most of
whom belong to Generation Z. Using a descriptive quantitative approach, a survey was
administered to 77 students to evaluate their knowledge, prior experience, perceived barriers,
and intention to adopt these platforms within programming courses. The results show a low
level of familiarity and practice, but a high perceived usefulness and a favorable attitude toward
adoption, particularly through workshops and guided activities. The main barriers identified were
limited initial exposure and the perception of difficulty. The study concludes that competitive
DOI: https://doi.org/10.71112/1zhy1358
2047 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
programming holds strong educational potential for this generation, supporting active learning
and computational thinking when implemented gradually and with appropriate guidance.
Keywords: competitive programming; academic motivation; active learning; student
performance; programming learning.
Recibido: 11 de diciembre 2025 | Aceptado: 25 de diciembre 2025 | Publicado: 26 de diciembre 2025
INTRODUCCIÓN
Dada la importancia que representa el sistema educativo universitario resulta relevante
profundizar en el análisis del rendimiento académico de los estudiantes. Uno de los mayores
retos que enfrentan las instituciones de educación superior (IES) es la eficiencia terminal, la
cual es un asunto de interés para toda sociedad. Como mencionan Herrera y otros autores
(2024): “medir la eficiencia terminal en las instituciones de educación superior, es fundamental;
pero no de la forma como históricamente se viene adoptando. El indicador cuantitativo, es un
punto de partida que establece una línea base, para luego medir cualitativa y cuantitativamente
los planes de mejora institucional y su impacto en la mejora de la ET”, indica la existencia de
múltiples factores internos y externos que al interrelacionarse dan pauta a que sea
multifactorial.
Los autores mencionados también indican que estos factores pueden dividirse en dos
bloques: los que se relacionan con las características no-académicas de los estudiantes (nivel
económico, entorno socioeconómico y sociocultural, modalidad de colegio, nivel educativo del
padre y de la madre, etc.), y las que están relacionadas al área académica como las
calificaciones en exámenes de admisión, de desempeño, por mencionar los principales. El
estudio presentado aborda el segundo bloque descrito, en particular en el aprendizaje de la
programación de estudiantes de ingeniería de nivel superior.
DOI: https://doi.org/10.71112/1zhy1358
2048 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Aunado a lo anterior, es muy importante contemplar la acelerada transformación que
sufre actualmente el entorno industrial y de servicios, debido a que las IES forman futuros
profesionistas. En el contexto mencionado, la educación superior enfrenta el reto de preparar a
los futuros ingenieros para entornos laborales marcados por la interacción humano-tecnología,
donde la automatización inteligente coexiste con el pensamiento crítico, la colaboración
interdisciplinaria y la toma de decisiones sostenible (Rollnik-Sadowska et al., 2024). En América
Latina, este desafío se acentúa debido a la necesidad simultánea de reducir brechas digitales
estructurales y fortalecer ecosistemas educativos orientados a las competencias que el entorno
actual demanda. Diversos países de Latinoamérica, incluido México, han replanteado la
formación en ingeniería mediante modelos de colaboración universidad-empresa, esquemas de
educación dual, proyectos aplicados e incorporación de tecnologías emergentes en la
enseñanza (Arregi et al., 2025; Peláez-Sánchez et al., 2024). Este trabajo se centra en la
aplicación de tecnologías emergentes en la enseñanza de la programación, cuya complejidad y
desafíos han sido ampliamente documentados en la literatura.
Dado que estas transformaciones repercuten directamente en la manera en que se
enseñan y desarrollan las competencias tecnológicas, es pertinente examinar cómo se
manifiestan en ámbitos formativos específicos, particularmente en el aprendizaje de la
programación. La literatura reciente documenta que los estudiantes suelen enfrentar barreras
cognitivas asociadas a la abstracción algorítmica, dificultades afectivas como la ansiedad ante
tareas complejas y retos contextuales derivados de modelos de enseñanza centrados en la
exposición teórica y la práctica aislada (Eckerdal, 2023; Ngadengon, 2025). Estas dificultades
se intensifican cuando no existen mecanismos de retroalimentación inmediata o estrategias
pedagógicas que fomenten el aprendizaje activo, la resolución de problemas y la autonomía del
estudiante.
DOI: https://doi.org/10.71112/1zhy1358
2049 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
A este contexto, se suma el perfil de los estudiantes universitarios actuales,
mayoritariamente pertenecientes a la Generación Z, caracterizada por estilos de aprendizaje
fuertemente visuales, preferencia por la práctica sobre la teoría, baja tolerancia a actividades
extensas sin estímulo, y necesidad de retroalimentación casi inmediata (Aviña Camacho, 2023;
Saxena & Mishra, 2021; Wajdi et al., 2024). Si bien esta generación destaca por su
alfabetización digital, también enfrenta brechas en habilidades interpersonales, gestión del
tiempo y comunicación escrita, elementos críticos en la formación de profesionales de
ingeniería (Deloitte, 2024). Estas características demandan estrategias didácticas que
combinen dinamismo, interactividad, autonomía y acompañamiento, favoreciendo aprendizajes
más significativos en contextos reales.
En ese tenor, la programación competitiva ha surgido como una alternativa formativa de
alto valor en cursos introductorios y avanzados de Ciencias de la Computación. Estudios
recientes destacan que su incorporación puede fortalecer habilidades como el pensamiento
lógico, la creatividad algorítmica, la eficiencia en la resolución de problemas y la capacidad de
trabajar bajo presión (Friss De Kereki & Luna, 2022; Lora Patiño et al., 2021; Moreno-Cadavid
et al., 2025; Nair, 2020).
Asimismo, en un estudio realizado por Yuen (2023) con más de 400 estudiantes, se
encontró que una mayoría sostiene que los concursos les ayudan a aumentar la confianza al
resolver problemas y afinar sus habilidades de programación. En un desarrollo más reciente
(Luo, 2025) propone un diseño curricular basado en concursos como evaluación formativa,
integrando presión de tiempo, colaboración y observaciones, donde los estudiantes manifiestan
notables mejoras en el razonamiento algorítmico, capacidad de depuración, así como mayor
rapidez para abordar problemas nuevos.
Sin embargo, otros estudios advierten que, sin un adecuado andamiaje pedagógico, la
programación competitiva puede generar frustración, ansiedad o desigualdades entre
DOI: https://doi.org/10.71112/1zhy1358
2050 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
estudiantes con distintos niveles de experiencia, destacando la importancia del diseño
instruccional y de la retroalimentación formativa (Messer, Brown & Kölling, 2023).
Como antecedente directo de esta investigación, un estudio previo realizado en el Instituto
Tecnológico de Ciudad Juárez analizó la percepción docente sobre el uso de la programación
competitiva como estrategia didáctica, identificando una actitud positiva hacia su
implementación, así como barreras relacionadas con la falta de capacitación, tiempo y recursos
(Rivero Caraveo et al., 2025). Dicho estudio reveló el potencial de estas plataformas para
apoyar el proceso de enseñanza, pero también mostró la necesidad de conocer la perspectiva
del estudiantado para comprender de manera integral los factores que influyen en su adopción
en el aula.
Con el fin de complementar el estudio mencionado, surge la necesidad de explorar la
percepción estudiantil respecto al conocimiento, utilidad, dificultad percibida, motivación e
intención de uso de las plataformas de programación competitiva. Esto resulta especialmente
pertinente en el contexto actual, donde la adopción de tecnologías educativas debe alinearse
tanto a los estilos de aprendizaje de la Generación Z como a los fundamentos teóricos de
aceptación tecnológica. En este estudio, la interpretación de los datos se apoya en el Modelo
de Aceptación Tecnológica (TAM), planteado por Davis (1989) utilizado previamente en el
análisis docente, pero ahora adaptado para comprender cómo la utilidad percibida, la facilidad
de uso percibida, la actitud y la intención de adopción se manifiestan desde la perspectiva del
estudiante.
Por lo anterior, el objetivo de este trabajo es analizar las percepciones, motivaciones y
nivel de aceptación de las plataformas de programación competitiva en estudiantes de
ingeniería del ITCJ, identificando tanto las oportunidades como las barreras que enfrentan en
su integración como estrategia didáctica. Los resultados permiten comprender cómo estas
herramientas pueden contribuir al aprendizaje activo, al fortalecimiento del pensamiento
DOI: https://doi.org/10.71112/1zhy1358
2051 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
computacional y a la mejora de la experiencia educativa, ofreciendo evidencia empírica que
complementa y amplía los hallazgos previos desde la mirada docente. Asimismo, este estudio
aporta insumos relevantes para el diseño de intervenciones pedagógicas basadas en retos y
evaluaciones automatizadas, acordes a las necesidades de la Generación Z y a las exigencias
de la formación actual en ingeniería.
Diversos estudios han documentado que la programación es una de las áreas más
complejas para estudiantes de ingeniería por su carácter abstracto, la necesidad de dominar
estructuras formales y el pensamiento computacional requerido para formular soluciones
algorítmicas (Agbo et al., 2019; Figueiredo & García-Peñalvo, 2019; Medeiros et al., 2019;
Santos et al., 2020). Los autores mencionados han identificado dificultades persistentes como
la falta de habilidades previas, la desmotivación, la ansiedad ante errores, la confusión entre
sintaxis y lógica y la desconexión entre teoría y práctica.
Otra barrera para que los estudiantes aprendan la programación a nivel superior es la
diversidad de perfiles de los estudiantes: algunos ingresan con experiencia previa en
codificación, mientras que otros carecen de nociones básicas de algoritmia, lo que genera
brechas de desempeño y dificultades para avanzar a un ritmo uniforme (Brito & Gonçalves,
2019; Sinza-Díaz et al., 2023). Debido a lo anterior y a que el enfoque tradicional de enseñanza
es mayormente expositivo y centrada en el docente, se incrementa la frustración, el abandono
temprano y la percepción negativa de la asignatura. Por lo anteriormente expuesto, surge la
necesidad de incorporar metodologías activas y recursos tecnológicos que fomenten la
autonomía, el aprendizaje significativo, la retroalimentación continua expedita y la resolución de
problemas en escenarios reales (Gavrilas & Kotsis, 2025).
Las características de los estudiantes universitarios de la actualidad, quienes en su mayoría
pertenecen a la Generación Z, destacan por su familiaridad con entornos digitales, pero
también enfrentan desafíos como menor tolerancia a la frustración, dispersión atencional y
DOI: https://doi.org/10.71112/1zhy1358
2052 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
dificultad para sostener procesos analíticos prolongados (Jawad & Tout, 2021; O’Farrell &
Weaver, 2024; Shinta et al., 2024). Por lo anteriormente mencionado, las estrategias formativas
que integren retos progresivos, práctica deliberada, elementos de gamificación, trabajo
colaborativo y retroalimentación inmediata resultan especialmente adecuadas para sus
características cognitivas y socioemocionales. La programación competitiva es pertinente con
los estilos mencionados y las características de la Generación Z, pues combina dificultad
incremental, desafíos breves, métricas instantáneas y sentido de logro.
La programación competitiva se ha consolidado en la última década como una metodología de
enseñanza que combina resolución de problemas, evaluación automatizada, competencia
académica y práctica deliberada (Brito & Gonçalves, 2019; Di Mascio & Luigi, 2018; Raman et
al., 2018). Su estructura permite al estudiantado enfrentar problemas reales o semirrealistas en
tiempo limitado, promoviendo principalmente: desarrollo del pensamiento computacional,
creatividad algorítmica y eficiencia en el diseño de soluciones, habilidades de trabajo bajo
presión y autorregulación incremento en la motivación y el compromiso estudiantil (Agbo et al.,
2019; Lora Patiño et al., 2021; Morales Ortiz et al., 2024; Nair, 2020; Sinza-Diaz et al., 2023).
En la tabla 1, se presenta una relación entre las ventajas que promueve la programación
competitiva con respecto a las preferencias y características de la Generación Z.
Por lo tanto, la programación competitiva, cuando se diseña con cuidado (niveles de desafío
adecuados, soporte, evaluación formativa, espacio para la retroalimentación), puede actuar
como un puente pedagógico que conecta los resultados de aprendizaje positivos e integrales:
apoya no solamente las habilidades duras de programación y algoritmos, sino también
competencias cognitivas, metacognitivas y socio-afectivas. En resumen, la programación
competitiva es una estrategia formativa de gran potencial, aunque su efectividad depende
fuertemente del contexto: perfil del estudiante, estructura del curso, recursos de evaluación, y
del acompañamiento del docente.
DOI: https://doi.org/10.71112/1zhy1358
2053 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Tabla 1
Relación de las ventajas de la programación competitiva con las características de la Generación Z
Ventajas o características de la
programación competitiva
Preferencias y características de
la Generación Z
Fuentes
Desarrollo del pensamiento
computacional mediante retos
incrementales y resolución
algorítmica.
Preferencia por actividades
prácticas, visuales y orientadas a
la acción; aprendizaje basado en
problemas reales.
Agbo et al. (2019);
Sinza-Díaz et al.
(2023); O’Farrell &
Weaver (2024).
Creatividad algorítmica y
eficiencia en el diseño de
soluciones mediante
experimentación y mejora continua.
Gusto por entornos que permitan
exploración autónoma,
retroalimentación inmediata y
experimentación digital.
Lora Patiño et al.
(2021); Nair (2020);
Shinta et al. (2024)
Trabajo bajo presión,
autorregulación y resiliencia
derivadas de competencia y límites
temporales.
Capacidad de respuesta rápida,
preferencia por tareas breves y
retadoras; alta afinidad con
dinámicas gamificadas.
Morales Ortiz et al.
(2024); Deloitte (2024)
Incremento de la motivación y
compromiso por medio de
rankings, insignias, logros y retos
progresivos.
Alta motivación por gamificación,
recompensas inmediatas, métricas
visibles y progresión por niveles.
Morales Ortiz et al.
(2024); Cipriano &
Alves (2024)
Evaluación automatizada y
retroalimentación inmediata,
reduciendo tiempos de espera y
permitiendo mejora iterativa.
Necesidad de retroalimentación
instantánea para mantener
atención y seguridad en el proceso
de aprendizaje.
Dueñas Orozco &
Ávalos Piñón (2024);
Friss de Kereki & Luna
(2022); Shinta et al.
(2024)
Resolución de problemas en
escenarios reales o
competitivos, con relevancia
académica y profesional.
Preferencia por aprendizajes
aplicados y contextualizados;
búsqueda de sentido práctico y
empleabilidad.
Raman et al. (2018);
Brito & Gonçalves
(2019); Aviña
Camacho (2023).
Pensamiento sistémico,
adaptabilidad y trabajo
colaborativo, alineadas con el
entorno laboral actual
Preferencia por las dinámicas
colaborativas, entornos flexibles y
herramientas tecnológicas para el
trabajo en equipo.
Arregi et al. (2025);
Cheng & Huang
(2025); O’Farrell &
Weaver (2024).
DOI: https://doi.org/10.71112/1zhy1358
2054 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
A pesar de que la generación que actualmente cursa la educación superior es nativa
digitalmente, cuando se pretenden implementar tecnologías es importante tomar como
referencia un modelo de aceptación. Un modelo ampliamente documentado y aceptado en la
literatura es el Modelo de Aceptación Tecnológica (conocido como TAM, por sus siglas en
inglés), el cual fue propuesto por Davis (1989). En el modelo mencionado, se propone que la
adopción de una herramienta tecnológica depende principalmente de dos percepciones:
1. Utilidad percibida (UP): Se refiera al grado en el que la plataforma tecnológica
mejora su aprendizaje, desempeño o comprensión.
2. Facilidad de uso percibida (FUP): Se refiere a qué tan sencillo es interactuar con la
herramienta, aprender a usarla o resolver ejercicios en ella.
A estos factores se suma la actitud hacia el uso y la intención de adopción (IU),
determinantes en el comportamiento final.
En resumen, la revisión del contexto educativo, las características de la Generación Z,
la evidencia previa sobre programación competitiva y el enfoque teórico del modelo TAM
permiten fundamentar la necesidad de un análisis empírico desde la perspectiva de los
estudiantes. Con base en esta justificación, el presente estudio se diseñó para caracterizar el
conocimiento, la percepción, la utilidad percibida, la dificultad, la motivación y la intención de
uso de plataformas de programación competitiva entre estudiantes de ingeniería. A
continuación, se describe el enfoque metodológico empleado, el diseño del instrumento, los
procedimientos de recolección y análisis de datos, así como las consideraciones éticas que
guiaron la investigación. Posteriormente se presentan los resultados obtenidos y se discuten
los hallazgos principales de la investigación presentada.
DOI: https://doi.org/10.71112/1zhy1358
2055 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
METODOLOGÍA
El estudio presentado se desarrolló con un enfoque cuantitativo, de tipo descriptivo y
exploratorio, complementado con elementos cualitativos procedentes de cuatro preguntas
abiertas. El objetivo principal fue analizar el conocimiento, percepción, aceptación, motivación e
intención de uso de herramientas de programación competitiva por parte de estudiantes de
ingeniería del Instituto Tecnológico de Ciudad Juárez (ITCJ), con énfasis en su potencial como
estrategia didáctica en cursos de programación. El diseño fue no experimental, transversal y
observacional, dado que los datos se recopilaron en un único momento temporal, sin
manipulación de variables.
Las fases metodológicas de este estudio se muestran en la figura 1. En primer lugar, se
llevó a cabo el diseño del cuestionario, en el cual se definieron las dimensiones, categorías e
indicadores alineados al Modelo TAM. Posteriormente se realizó una validación del instrumento
mediante revisión experta para asegurar coherencia y pertinencia de los reactivos. Una vez
validado, el instrumento se aplicó mediante Microsoft Forms a estudiantes de diversas carreras
que cursaban asignaturas de programación. Concluida la aplicación, las respuestas fueron
exportadas a Excel para su procesamiento y sometidas a una etapa de limpieza de datos, en la
que se verificó la integridad y consistencia de la información. Posteriormente, se efectuó el
análisis descriptivo, que incluyó frecuencias, porcentajes y cruces de variables. Finalmente, los
resultados fueron interpretados con base en los constructos del Modelo de Aceptación
Tecnológica (TAM), permitiendo contextualizar las percepciones y actitudes del estudiantado
respecto al uso de plataformas de programación competitiva.
DOI: https://doi.org/10.71112/1zhy1358
2056 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Figura 1
Fases del procedimiento metodológico del estudio
Con el propósito de identificar el nivel de conocimiento de la programación competitiva,
se diseñó un cuestionario estructurado utilizando Microsoft Forms institucional, con el fin de
aplicarlo a estudiantes de diferentes carreras donde se imparten asignaturas de programación.
El instrumento diseñado se compone de 19 preguntas distribuidas en siete categorías
generales:
1. Datos generales (carrera, semestre).
2. Conocimiento sobre programación competitiva (familiaridad, fuentes de
conocimiento).
3. Experiencia previa (plataformas utilizadas, participación en concursos, tiempo
practicado).
4. Lenguajes de programación empleados en prácticas relacionadas.
5. Motivaciones y habilidades desarrolladas.
6. Barreras o dificultades percibidas.
DOI: https://doi.org/10.71112/1zhy1358
2057 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
7. Actitud e intención de uso, incluyendo utilidad percibida y formatos preferidos de
integración
El diseño del instrumento se fundamentó explícitamente en el Modelo de Aceptación
Tecnológica (TAM) de Davis (1989). Las preguntas del cuestionario se organizaron para
evaluar:
• Utilidad percibida (UP): beneficios académicos y profesionales.
• Facilidad de uso percibida (FUP): dificultad, familiaridad, barreras.
• Actitud hacia el uso (A): motivación, nivel de interés.
• Intención de uso (IU): deseo de incorporarla en cursos regulares.
En la tabla 2, se describe cada una de las categorías del instrumento mencionado, el
contenido evaluado y su correspondencia con el modelo TAM. Cabe mencionar que los datos
generales es la única categoría que no se relaciona con el modelo mencionado, pero se
consideró para conocer la población estudiada.
Tabla 2
Categorías del instrumento y su correspondencia con el modelo TAM
Categoría
Contenido evaluado
Correspondencia
TAM
Datos generales
Carrera y semestre
–
Conocimiento
Concepto de programación competitiva y
fuentes
FUP
Experiencia previa
Plataformas, participación, tiempo,
lenguajes
FUP
Motivación y
habilidades
Razones de uso, habilidades
desarrolladas
A
Barreras
Dificultades, impedimentos
FUP negativa
Intención de uso
Preferencias de integración, utilidad
percibida
IU / UP
Preguntas abiertas
Plataformas conocidas, dificultades,
beneficios
A / FUP / UP
DOI: https://doi.org/10.71112/1zhy1358
2058 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
El cuestionario se diseñó y revisó con apoyo de docentes expertos para asegurar
pertinencia y coherencia. Posteriormente, se distribuyó mediante Microsoft Forms utilizando
cuentas institucionales del ITCJ. La participación fue voluntaria, anónima y sin recolección de
datos personales sensibles. Las respuestas obtenidas fueron exportadas a Excel para su
procesamiento, aplicando:
• Estadística descriptiva (frecuencias y porcentajes).
• Análisis cruzado por carrera, semestre, motivación y nivel de conocimiento.
• Clasificación inductiva de respuestas abiertas.
Las representaciones gráficas generadas automáticamente por Forms fueron utilizadas
como material base para construir figuras y tablas interpretativas que se presentan en las
secciones de resultados y discusión.
En cuanto a consideraciones éticas del estudio elaborado, se les informó a los
participantes sobre el propósito académico del estudio y se garantizó la confidencialidad de sus
respuestas. No se recopilaron datos sensibles ni información que permitiera su identificación.
RESULTADOS
La muestra estuvo conformada de 77 estudiantes: 49 de la Licenciatura de Ingeniería en
Sistemas Computacionales, 5 de Ingeniería en Tecnologías de Información y Comunicación, 13
de Ingeniería Industrial, 8 de Ingeniería Mecatrónica, 1 de Ingeniería electromecánica y 1
estudiante de Maestría.
De los estudiantes encuestados, 24 (31%) habían escuchado hablar de la programación
competitiva, mientras que 53 (69%) desconocían sobre el tema. Estos resultados se muestran
en la figura 2.
En cuanto al semestre cursado, las respuestas se concentraron principalmente entre
quinto y sexto semestre, con presencia minoritaria de niveles inferiores. El muestreo fue no
DOI: https://doi.org/10.71112/1zhy1358
2059 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
probabilístico por conveniencia, dada la disponibilidad de estudiantes en las asignaturas donde
se distribuyó el cuestionario.
Figura 2
En la figura 3 se presentan los medios a través de los cuales los estudiantes conocieron
la programación competitiva. Del total de 24 estudiantes, 10 (42%) indicó haberse enterado por
medio de un profesor ,7 (29%) mencionaron que fue por amigos o compañeros, 6 (25%)
señalaron que fue a través de internet o redes sociales, y 1 (4%) escuchó hablar de
programación competitiva en una conferencia.
Figura 3
Conocimiento previo sobre programación competitiva en estudiantes
Medio por el cual conocieron la programación competitiva
DOI: https://doi.org/10.71112/1zhy1358
2060 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
De los 24 estudiantes que habían escuchado hablar sobre el tema solo 16 mencionaron
conocer alguna plataforma o herramienta de programación competitiva (por ejemplo,
Codeforces, HackerRank, OmegaUp, entre otras. Lo anterior implica que el 22% de los
encuestados ha utilizado al menos una plataforma de programación competitiva. OmegaUp fue
la plataforma más reconocida entre los encuestados que las han utilizado, con un 62%,
HackerRank, obtuvo un 18%, y el 20% restante se distribuyó entre otras plataformas. Se
descartaron 6 respuestas debido a que no correspondían a plataformas o herramientas de
programación competitiva. Estos resultados se muestran en la figura 4.
Figura 4
En la figura 5 se muestra el tipo de participación que han tenido los estudiantes en
actividades relacionada con programación competitiva. De los datos obtenidos se encontró que
9 de los estudiantes han participado en concursos de la localidad o escolares, 5 en concursos
regionales, 5 en plataformas en línea, 2 en Hackatón y 2 en concursos nacionales. Cabe
mencionar que, un mismo estudiante puede haber participado en más de una de estas
actividades. La mayoría de los estudiantes reportó tener 3 meses participando en este tipo de
actividades, mientras que un grupo reducido mencionó que tiene entre 3 meses y un año, lo
Plataformas de programación competitiva que los participantes identifican
DOI: https://doi.org/10.71112/1zhy1358
2061 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
que indica que en general los participantes tienen un tiempo relativamente corto practicando
este tipo de programación.
Figura 5
Los motivos por lo que los estudiantes utilizan la programación competitiva de acuerdo
con el estudio realizado los resultados son los siguientes: 29% como pasatiempo, 29% para
preparación para participar en concursos, 21 % para incrementar su lógica de programación, 18
% para resolver problemas y 1 % para entrevistas. En la figura 6 se muestran los porcentajes
de cada categoría.
Figura 6
Tipo de actividades de programación competitiva donde han participado
Razones por las que los estudiantes utilizan plataformas de programación competitiva
DOI: https://doi.org/10.71112/1zhy1358
2062 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
En cuanto a las habilidades que se adquieren al utilizar la programación competitiva se
obtuvieron los siguientes datos que se muestran en la figura 7. Habilidades de trabajar bajo
presión fue la más alta con un 31%, seguida por la resolución de problemas que obtuvo un
30%, enseguida esta mejorar en la lógica y uso de estructuras con un 21% y finalmente con un
18% la habilidad para mejorar en las habilidades de programación.
Figura 7
Los resultados revelan que los estudiantes muestran interés en que se incorporen
actividades de programación competitiva en sus asignaturas. En total, 31 estudiantes
expresaron que sí desean que estas actividades se integren a sus clases, 38 respondieron que
tal vez, 3 no saben y solo 5 manifestaron no estar de acuerdo. Estos datos se ilustran en la
Figura 8
Interés de incorporar actividades de programación competitiva en las clases
Habilidades adquiridas gracias a la programación competitiva
DOI: https://doi.org/10.71112/1zhy1358
2063 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
En la Figura 9 se muestran las preferencias de cómo integrar la programación
competitiva como parte de la educación superior, el estudio sugiere que se realice por medio de
la impartición de talleres, ya que obtuvo el 33%, el siguiente con un 24% fue establecer la
programación competitiva como una actividad extraescolar, seguido de Mooc que alcanzó un
21% y en actividades en clase con un 20%, finalmente con un 2 % fue considerado en la
realización de exámenes.
Figura 9
Sobre el hecho de si la programación competitiva puede mejorar las oportunidades de
trabajo los resultados revelan que el 70% de los estudiantes opina que, si puede ayudar a
obtener un mejor empleo, el 28% considera que no y el 13% restante no está seguro. Lo
anteriormente mencionado se muestra en la figura 10.
Los resultados indican que el lenguaje más utilizado por los participantes es Java con
un 41 por ciento, seguido por Python y lenguaje C++ con un 23 por ciento respectivamente y
java script con un 13 por ciento. En la figura 11 se muestran los resultados mencionados.
Cómo integrar la programación competitiva en el ámbito académico
DOI: https://doi.org/10.71112/1zhy1358
2064 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Figura 10
Figura 11
Utilización de lenguajes de programación
En la figura 12 se muestran los motivos por los cuales los estudiantes no practican la
programación competitiva encontrándose en primer lugar el hecho de desconocer sobre el
tema, el segundo motivo es que consideran que es una actividad con un grado de dificultad
alto, y la falta de interés que arrojo el mismo porcentaje, por último, se encuentra la falta de
tiempo.
Percepción de la mejora de las oportunidades laborales gracias a la programación
competitiva
DOI: https://doi.org/10.71112/1zhy1358
2065 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Figura 12
Barreras percibidas por los alumnos para adentrarse en la programación competitiva
En resumen, los resultados permiten identificar el nivel de conocimiento, las
experiencias previas, las motivaciones, las habilidades percibidas, las barreras y la intención de
uso de la programación competitiva entre los estudiantes participantes. Aunque se observa una
participación limitada y un desconocimiento generalizado del tema, también se identifican
actitudes positivas hacia su integración en la formación profesional, así como un
reconocimiento claro de los beneficios percibidos en términos de desarrollo de habilidades
cognitivas y laborales.
Con base en los hallazgos presentados, en la siguiente sección se discute cómo estas
percepciones se relacionan con los fundamentos teóricos presentados en la revisión de
literatura presentada referente a las características de la Generación Z y con los elementos del
modelo TAM, con el fin de comprender el potencial de la programación competitiva y las
condiciones necesarias para su implementación como estrategia educativa.
DISCUSIÓN
Desde el punto de vista del modelo TAM, los resultados obtenidos permiten interpretar
el grado de aceptación de la programación competitiva por parte de los estudiantes y las
características pedagógicas asociadas a la Generación Z. Primeramente, la facilidad de uso
DOI: https://doi.org/10.71112/1zhy1358
2066 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
percibida (FUP) se ve afectada por el limitado conocimiento y experiencia inicial: solo el 31%
había escuchado el término y apenas el 22% había utilizado alguna plataforma. Estos
indicadores demuestran que, en la población de estudio, representan una barrera a
considerarse, coincidiendo con estudios que destacan la necesidad de introducir estas
herramientas gradualmente y con acompañamiento y seguimiento continuo por parte de los
docentes. La percepción de dificultad, reportada por un porcentaje significativo, refuerza esta
interpretación y explica por qué muchos estudiantes aún no participan de manera activa.
En contraste, la utilidad percibida (UP) muestra valores significativos. La mayoría de los
estudiantes considera que la programación competitiva puede apoyar el desarrollo de
habilidades esenciales como la resolución de problemas, la lógica algorítmica, el trabajo bajo
presión y la rapidez para procesar información, lo cual coincide con la literatura especializada.
Asimismo, el 70% reconoce su potencial en la empleabilidad, lo que sugiere una valoración
positiva respecto a su pertinencia profesional.
En cuanto a la actitud hacia el uso (A) de la programación competitiva, se obtuvieron
resultados favorables en la intención de integrar actividades de programación competitiva a las
asignaturas: la mayoría de los alumnos se muestran interesados o dispuestos a participar en
talleres, actividades extracurriculares o cursos formales. Estos resultados son congruentes con
características propias de la Generación Z reportadas en la literatura, en donde se ha
encontrado que esta cohorte valora el aprendizaje activo, la retroalimentación inmediata y los
entornos gamificados. La preferencia por talleres también sugiere que los estudiantes requieren
un espacio guiado y estructurado antes de interactuar autónomamente con estas plataformas.
Finalmente, en cuanto a la intención de uso (IU), se encontraron motivadores positivos,
que este tipo de actividades pueden ser un pasatiempo, servir como preparación para
concursos y mejorar de la lógica. En cuanto a las barreras percibidas por los participantes del
estudio se encontró que el desconocimiento, la percepción de dificultad y la falta de tiempo
DOI: https://doi.org/10.71112/1zhy1358
2067 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
pueden ser obstáculos para adentrarse en esta disciplina. Estas barreras coinciden con los
hallazgos del estudio docente previo, donde la falta de capacitación y familiaridad también
apareció como limitante. Así, ambas perspectivas confirman que la implementación exitosa
depende de procesos institucionales de acompañamiento, formación docente y estrategias
pedagógicas progresivas.
En resumen, los resultados sugieren que la programación competitiva es valorada
positivamente por los estudiantes y que su potencial educativo es alto; sin embargo, su
adopción depende de reducir barreras iniciales y diseñar experiencias de aprendizaje
coherentes con sus estilos cognitivos y motivacionales.
CONCLUSIONES
El presente estudio permite concluir que, aunque el conocimiento y la experiencia previa
con la programación competitiva entre los estudiantes es limitada, existe una percepción
positiva respecto a su valor formativo y profesional. Los alumnos que participaron en el estudio
manifestaron que las plataformas de programación competitiva son herramientas capaces de
fortalecer habilidades cognitivas esenciales, mejorar la empleabilidad y promover el aprendizaje
activo, especialmente cuando se implementan mediante talleres o actividades guiadas.
Los resultados también evidencian barreras asociadas al desconocimiento y la
percepción de dificultad, lo que sugiere la necesidad de incorporar estrategias de introducción
gradual, acompañamiento docente y actividades formativas diseñadas con niveles progresivos
de desafío. Se recomienda que las instituciones de educación superior consideren integrar la
programación competitiva como complemento en cursos de programación, actividades
extracurriculares o proyectos de formación integral, especialmente en contextos donde la
Generación Z demanda experiencias interactivas, dinámicas y significativas.
DOI: https://doi.org/10.71112/1zhy1358
2068 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
La contribución de este trabajo de investigación es el entendimiento de los factores que
favorecen la adopción de este tipo de herramientas y proporcionan evidencia para diseñar
estrategias pedagógicas alineadas a las necesidades actuales de la enseñanza de la
programación básica en la ingeniería.
Declaración de conflicto de interés
El autor y coautores declaran no tener ningún conflicto de interés relacionado con esta
investigación.
Declaración de contribución a la autoría
Dora Ivette Rivero Caraveo: conceptualización, metodología, investigación, análisis
formal, administración del proyecto, supervisión, recursos, curación de datos, validación,
visualización, software, redacción del borrador original, revisión y edición de la redacción.
Claudia Anglés Barrios: curación de datos, análisis formal, investigación, visualización,
software, metodología, validación, redacción y edición de la redacción.
María Eugenia Sánchez Leal: investigación, recursos, revisión de la literatura,
validación, redacción y edición de la redacción.
Alma Patricia Gallegos Borunda: investigación, recursos, revisión de la literatura,
validación, redacción y edición de la redacción.
Irving Bruno López Santos: metodología, investigación, recursos y software
Declaración de uso de inteligencia artificial
Los autores declaran que utilizaron herramientas de inteligencia artificial exclusivamente
como apoyo en tareas auxiliares del proceso de investigación, principalmente para identificar
palabras clave y términos de búsqueda, así como la revisión de la claridad y coherencia en
algunos fragmentos de la redacción. Las herramientas de IA Generativa no fueron empleadas
para generar contenido original del artículo. Esta herramienta no sustituye de ninguna manera
la tarea o proceso intelectual. Después de rigurosas revisiones con diferentes herramientas en
DOI: https://doi.org/10.71112/1zhy1358
2069 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
la que se comprobó que no existe plagio como constan en las evidencias, los autores
manifiestan y reconocen que este trabajo fue producto de un trabajo intelectual propio, que no
ha sido escrito ni publicado en ninguna plataforma electrónica o de IA.
REFERENCIAS
Abdelhamid, S., & Aly, M. (n.d.). Generation Z and Programming Education: Bridging the Gap
with Innovative Tech-Driven Learning Approaches.
Agbo, F. J., Oyelere, S. S., Suhonen, J., & Adewumi, S. (2019, November 21). A systematic
review of computational thinking approach for programming education in higher
education institutions. ACM International Conference Proceeding Series.
https://doi.org/10.1145/3364510.3364521
Arregi, A., Eguren, J. A., Retegi, J., Ibarra, D., & Igartua, J. I. (2025). Instructional Design as a
Key Factor for Industry 5.0 Engineering Education. Procedia Computer Science, 253,
985–994. https://doi.org/10.1016/j.procs.2025.01.160
Aviña Camacho, I. (2023). La generación Z en el ámbito educativo superior; sus retos. Dilemas
Contemporáneos: Educación, Política y Valores.
Brito, M., & Gonçalves, C. (2019). Codeflex: A Web-based Platform for Competitive
Programming. 411.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). Technology acceptance model. J Manag
Sci, 35, 982–1003.
Deloitte. (2024). 2024 Gen Z and Millennial Survey: Living and working with purpose in a
transforming world.
Eckerdal, A., Berglund, A., & Thuné, M. (2024). Learning programming practice and
programming theory in the computer laboratory. European Journal of Engineering
Education, 49(2), 330–347. https://doi.org/10.1080/03043797.2023.2294953
DOI: https://doi.org/10.71112/1zhy1358
2070 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Figueiredo, J., & García-Pẽalvo, F. J. (2019). Teaching and learning strategies of programming
for university courses. ACM International Conference Proceeding Series, 1020–1027.
https://doi.org/10.1145/3362789.3362926
Friss De Kereki, I., & Luna, C. (2022). Reporte de Experiencia: Alcances del Concruso de
Programación. 1.
Gavrilas, L., & Kotsis, K. T. (2025). The evolution of STEM education and the transition to
STEAM/STREAM. Aquademia, 9(1), ep25002.
https://doi.org/10.29333/aquademia/16313
Herrera, L. C., Montenegro, M., Torres-Lista, V., Martínez, L. A., & López, V. (2024). Eficiencia
terminal en la educación superior: Hacia un nuevo enfoque. Revista Educación Superior
y Sociedad (ESS), 36(1), 244–260. https://doi.org/10.54674/ess.v36i1.694
Jawad, H. M., & Tout, S. (2021). Gamifying computer science education for z generation. In
Information (Switzerland) (Vol. 12, Issue 11). MDPI.
https://doi.org/10.3390/info12110453
Leso, B. H., & Cortimiglia, M. N. (2022). The influence of user involvement in information system
adoption: an extension of TAM. Cognition, Technology and Work, 24(2), 215–231.
https://doi.org/10.1007/s10111-021-00685-w
Lora Patiño, G. A., Suaza Jiménez, J. H., Rodríguez Marín, P. A., & Taborda Blandón, G.
(2021). Programación competitiva como estrategia didáctica para potenciar el
aprendizaje colaborativo en estudiantes de ingeniería. Revista Ibérica de Sistemas e
Tecnologias de Informação, 539–556.
Luo, Z., & Dickey, E. (n.d.). Evaluating Performance Consistency in Competitive Programming:
Educational Implications and Contest Design Insights.
https://nerc.itmo.ru/information/selection-rules.html
DOI: https://doi.org/10.71112/1zhy1358
2071 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Medeiros, R. P., Ramalho, G. L., & Falcao, T. P. (2019). A Systematic Literature Review on
Teaching and Learning Introductory Programming in Higher Education. IEEE
Transactions on Education, 62(2), 77–90. https://doi.org/10.1109/TE.2018.2864133
Messer, M., Brown, N. C. C., Kölling, M., & Shi, M. (2024). Automated Grading and Feedback
Tools for Programming Education: A Systematic Review. ACM Transactions on
Computing Education, 24(1). https://doi.org/10.1145/3636515
Moreno-Cadavid, J., Clara Gómez-Álvarez, M., & Pridrahita-Ospina, A. A. (2025). Programación
competitiva como herramienta didáctica en cursos de ciencias de la computación. In
Actas de las Jenui (Vol. 10). https://www.domjudge.org/
Nair, P. R. (2020). Increasing employability of Indian engineering graduates through experiential
learning programs and competitive programming: Case study. Procedia Computer
Science, 172, 831–837. https://doi.org/10.1016/j.procs.2020.05.119
Ngadengon, Z., Subramaniam, T. S., Yasak, Z., Ideris, N. A., & Mohd Ramly, Z. (2025).
Evaluating the Difficulties in Programming Learning: Insights from Polytechnic Students.
International Journal of Academic Research in Progressive Education and Development,
14(1). https://doi.org/10.6007/ijarped/v14-i1/24518
O’farrell, J., & Weaver, C. (2024). Technology and Transformation: Redefining Higher Education
for Generations Z and Alpha. https://ssrn.com/abstract=4833043
Pelaez-Sanchez, I. C., Glasserman-Morales, L. D., & Rocha-Feregrino, G. (2024). Exploring
digital competencies in higher education: design and validation of instruments for the era
of Industry 5.0. In Frontiers in Education (Vol. 9). Frontiers Media SA.
https://doi.org/10.3389/feduc.2024.1415800
Raveica, I. C., Olaru, I., Herghelegiu, E., Tampu, N. C., Radu, M. C., Chirita, B. A.,
Schnakovszky, C., & Ciubotariu, V. A. (2024). The Impact of Digitalization on Industrial
Engineering Students’ Training from the Perspective of Their Insertion in the Labor
DOI: https://doi.org/10.71112/1zhy1358
2072 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Market in a Sustainable Economy: A Students’ Opinions Survey. Sustainability
(Switzerland), 16(17). https://doi.org/10.3390/su16177499
Rivero Caraveo, D. I., Anglés Barrios, C., Sánchez Leal, M. E., & Gallegos Borunda, A. P.
(2025). Percepciones y Experiencia Docente en el Uso de Herramientas TIC de
Programación Competitiva en la Educación Superior. Ciencia Latina Revista Científica
Multidisciplinar, 9(5), 9173–9196. https://doi.org/10.37811/cl_rcm.v9i5.20247
Rollnik-Sadowska, E., Bartkutė-Norkūnienė, V., & Grabińska, V. (2024). Digital Competencies in
EU Countries – Adaptability to the “The Future Of Work” Paradigm. Scientific Papers of
Silesian University of Technology. Organization and Management Series, 2024(201),
303–317. https://doi.org/10.29119/1641-3466.2024.201.23
Santos, S. C., Tedesco, P. A., Borba, M., & Brito, M. (2020). Innovative approaches in teaching
programming: A systematic literature review. CSEDU 2020 - Proceedings of the 12th
International Conference on Computer Supported Education, 1, 205–214.
https://doi.org/10.5220/0009190502050214
Saxena, M., & Mishra, D. K. (2021). Gamification and gen Z in higher education: A systematic
review of literature. In International Journal of Information and Communication
Technology Education (Vol. 17, Issue 4). IGI Global.
https://doi.org/10.4018/IJICTE.20211001.oa10
Shinta, S., Azhar, Muh., Partino, P., & Suud, F. M. (2024). The Role of Technological Media in
the Character Building Education Process for Generation Z: A Literature Review. Jurnal
Penelitian Pendidikan IPA, 10(6), 284–291. https://doi.org/10.29303/jppipa.v10i6.7449
Sinza-Diaz, Y. E., Oliva-Caipe, J. E., & Guerrero-Calvache, S. M. (2023). Análisis de los
componentes relacionados en programación competitiva: un mapeo sistemático de
literatura. Revista Politécnica, 19(38), 212–230.
https://doi.org/10.33571/rpolitec.v19n38a14
DOI: https://doi.org/10.71112/1zhy1358
2073 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 2, Núm. 4, 2025, octubre-diciembre
Wajdi, M., Susanto, B., Made Sumartana, I., Agus Sutiarso, M., Hadi, W., & Negeri Bali, P.
(2024). Profile of generation Z characteristics: Implications for contemporary educational
approaches (Vol. 1, Issue 1). https://ojs.ympn2.or.id/index.php/KPSBSL
Yuen, K. K., Liu, D. Y., & Leong, H. V. (2023). Competitive programming in computational
thinking and problem solving education. Computer Applications in Engineering
Education, 31(4), 850-866.(Luo & Dickey, n.d.)
