A continuación se presenta un Plan de Asignatura formal, claro y coherente para los tres programas donde usted dicta la asignatura:

  • Ingeniería Agrícola → Programación de Computadores con Python
  • Ingeniería Civil → Programación de Computadores con Python
  • Ingeniería Agroindustrial → Fundamentos de Programación

La estructura es común y adaptable, iniciando con el Módulo Cero: Ingeniería, Ética e IA, tal como usted lo viene desarrollando institucionalmente.

PLAN DE ASIGNATURA

Programación de Computadores con Python / Fundamentos de Programación

Programas: Ingeniería Agrícola, Civil y Agroindustrial — Universidad de Sucre

1. Presentación del curso

La asignatura introduce al estudiante al pensamiento algorítmico, la resolución de problemas y la construcción de programas en Python, articulando fundamentos de ingeniería, ética profesional y uso responsable de la Inteligencia Artificial. El curso promueve una formación moderna basada en proyectos y en el uso activo de herramientas de IA (ChatGPT, Gemini, Copilot) como apoyo para la comprensión, la generación de código y la documentación, manteniendo la integridad académica.

2. Competencias

Competencias generales

  • Formular y resolver problemas empleando métodos computacionales.
  • Aplicar pensamiento algorítmico para modelar procesos básicos en ingeniería.
  • Utilizar herramientas de IA de manera ética, responsable y transparente.
  • Trabajar colaborativamente empleando herramientas de desarrollo en la nube.

Competencias específicas

  • Diseñar algoritmos y expresarlos mediante pseudocódigo y diagramas.
  • Implementar soluciones en Python utilizando buenas prácticas.
  • Integrar conceptos fundamentales de programación: variables, tipos, expresiones, decisiones, ciclos, funciones y estructuras de datos básicas.
  • Documentar el código y generar informes técnicos utilizando herramientas digitales.

3. Contenidos por semanas

SEMANA 0 — Ingeniería, Ética e IA (Módulo Cero)

Propósito: iniciar el semestre con bases éticas y normativas sobre el uso de IA en el contexto universitario. Temas:

  • Ética profesional en ingeniería y responsabilidad social.
  • Buenas prácticas de uso de IA según CONPES 4144/2025.
  • Política institucional de autoría, citación y transparencia.
  • Riesgos del uso indebido (plagio, fabricación de datos, deepfakes, humanización de texto).
  • Herramientas IA para aprender programación (ChatGPT, Gemini, Copilot). Actividad evaluable: elaboración en grupo de un documento en Word (normas APA) sobre ética e IA + video explicativo (5–7 min). Producto: evidencia en Moodle + repositorio GitHub con guía de prompts utilizada.

SEMANA 1 — Introducción a la programación y al entorno de trabajo

  • Concepto de algoritmo.
  • Entradas, procesos y salidas (modelo E–P–S).
  • Python en Google Colab.
  • Primeros comandos: print(), input().
  • Uso básico del Modo Agente/Estudia y Aprende para ejercicios guiados. Práctica: algoritmos sencillos de ingeniería expresados en pseudocódigo.

SEMANA 2 — Variables, tipos de datos y operaciones

  • Tipos numéricos y cadenas.
  • Operadores aritméticos, lógicos y relacionales.
  • Precedencia de operaciones. Proyecto corto: cálculo de eficiências básicas (ejemplo agro, civil o agrícola) con entrada vía input().

SEMANA 3 — Estructuras condicionales

  • Uso de if, elif, else.
  • Múltiples condiciones.
  • Problemas aplicados a ingeniería (selección de materiales, evaluación de caudales, clasificación de suelos). Actividad: ejercicios con IA guiada por prompts.

SEMANA 4 — Bucles de control

  • while y for.
  • Rango, contadores y acumuladores.
  • Ejercicios prácticos en problemas iterativos. Mini-proyecto: cálculo de eficiencia de secado con iteraciones temporales o ciclos de inspección.

SEMANA 5 — Funciones en Python

  • Parámetros y retorno.
  • Funciones puras.
  • Documentación con docstrings.
  • Uso de IA para generar funciones a partir de pseudocódigo. Actividad: creación de un módulo simple con funciones reutilizables.

SEMANA 6 — Módulos y librerías

  • Importación de librerías estándar.
  • Uso de math para problemas reales: raíces, logaritmos, trigonometría.
  • Lectura de documentación oficial. Proyecto: resolución de tres ecuaciones de ingeniería y sustentación en video.

SEMANA 7 — Listas, tuplas y diccionarios

  • Operaciones básicas.
  • Iteración sobre colecciones.
  • Casos reales con series de datos simples. Práctica: construcción de una tabla resumen a partir de listas.

SEMANA 8 — Archivos

  • Lectura y escritura de .txt y .csv.
  • Procesamiento de datos desde archivos cargados por el estudiante. Actividad: limpiar y procesar un archivo simple entregado por el profesor.

SEMANA 9 — Manejo básico de errores

  • Excepciones: try, except, finally.
  • Uso correcto para evitar fallas en código real de ingeniería. Ejercicios: captura de errores típicos (0 division, conversión de tipos).

SEMANA 10 — Programación modular

  • Separación del código en varios archivos.
  • Organización de carpetas para proyectos. Proyecto: proyecto pequeño grupal usando módulos y submódulos.

SEMANA 11 — Introducción a gráficos

  • Uso inicial de matplotlib en Colab.
  • Representación gráfica de mediciones (curvas, series simples). Actividad: graficar una variable de ingeniería basada en datos reales (proporcionados).

SEMANA 12 — Pensamiento computacional aplicado

Aplicación según programa:

  • Agrícola: procesos de riego, balance hídrico básico, eficiencia en campo.
  • Civil: cargas básicas, cálculo de pendientes, ciclos de diseño.
  • Agroindustrial: temperaturas de secado, eficiencia energética, pérdidas. Proyecto: resolver un problema real usando funciones + ciclos + gráficos.

SEMANA 13 — Trabajo colaborativo con Git y GitHub

  • Creación de repositorio.
  • Commits, ramas, pull requests.
  • Uso de GitHub Codespaces y Copilot. Actividad: cada grupo crea su repositorio y desarrolla una solución computacional.

SEMANA 14 — Proyecto Final

  • Desarrollo de un proyecto aplicando todo el curso.
  • Uso responsable de IA: bitácora de prompts, justificación y autoría.
  • Informe en Word/APA + video de sustentación.

SEMANA 15 — Evaluación integradora

  • Prueba práctica individual (evaluación apreciativa).
  • Revisión del repositorio y entrevista corta.
  • Retroalimentación final.

4. Evaluación

Componente Porcentaje Evidencia
Módulo Cero: Ética e IA 10% Documento APA + video
Tareas y proyectos parciales 40% Notebooks, códigos, ejercicios
Proyecto final grupal 30% Código + informe + video
Evaluación individual práctica 20% Ejercicio supervisado + entrevista

5. Metodología

  • Aprendizaje basado en problemas (ABP).
  • Desarrollo incremental de proyectos.
  • Uso pedagógico de herramientas IA como apoyo, no sustitución.
  • Trabajo colaborativo en GitHub.
  • Prácticas en Google Colab y Codespaces.

6. Recursos

  • Google Colab (Python).
  • GitHub + GitHub Codespaces + Copilot.
  • ChatGPT / Gemini para apoyo algorítmico.
  • Documentación oficial de Python 3.12.
  • PDFs y datasets suministrados por el docente.