Conceptos básicos de programación.

1. 1
Conceptos de programación y métodos estadísticos
Santiago Arias Rojas
Justine Bravo Goméz
Catalina Cantero Soto
Juan Esteban Martínez
Esteban Moreno López
Luisa Valentina Osorio Jiménez
GRADO 11-3
I.E LICEO DEPARTAMENTAL
ÁREA DE TECNOLOGÍA
SANTIAGO DE CALI
2022

2. 2
El objetivo principal de este trabajo es el desarrollo de habilidades de pensamiento, reconociendo
las estructuras básicas de programación, así como también algunos conceptos de la estadística.
De igual forma daremos aplicación al software PSeInt.
Acompañaremos el trabajo con imágenes y un mapa conceptual para que el lector pueda
comprender el tema con mayor facilidad, siempre estando atentos a las recomendaciones del
licenciado en el área. Trabajo realizado utilizando las normas APA 7° edición.

3. 3
Tabla de contenido
1. Estructuras básicas 4
1.1 Conceptos básicos de programación 4
1.2 Fundamentos de programación pseint. 6
2. Métodos estadísticos, Población, muestra. 6
2.1 ¿Qué es la estadística? 6
2.2 Ramas de la estadística. 8
La estadística se divide en dos grandes áreas: estadística descriptiva y estadística
inferencial, las cuales comprenden la estadística aplicada. 8
2.3 Aplicaciones de la estadística 11
3. Distribución de frecuencias 13
3.1 Nombre de la variable 13
3.2 Frecuencia absoluta 13
3.3 Frecuencia relativa porcentual 13
4. Taller de PSEINT 14
4.1. Conceptos 14
4.2. Algoritmos 16
Referencias 23
Conclusiones 25

4. 4
1. Estructuras básicas
1.1 Conceptos básicos de programación
● Constantes
Una constante se define como un valor fijo que un programa no puede modificar mientras
se está ejecutando. A estos valores fijos también se les conoce como literales. Se trata como una
variable común, excepto que su valor no puede alterarse después que se haya definido.
● Variables
Una variable es donde se guardan (y se recupera) datos que se utilizan en un programa. Cuando
escribimos código, las variables se utilizan para:
● Guardar datos y estados.
● Asignar valores de una variable a otra.
● Representar valores dentro de una expresión matemática.
● Mostrar valores por pantalla.
Todas las variables deben ser de un tipo de datos, ya sea un dato de tipo primitivo, como un
número o texto, o un dato abstracto, como un objeto que se ha creado.
● Acumuladores
Un acumulador es una variable numérica que permite ir acumulando operaciones. Me permite ir
haciendo operaciones parciales. Un acumulador:
● Se inicializa a un valor inicial según la operación que se va a acumular: a 0 si es una suma
o a 1 si es un producto.
● Se acumula un valor intermedio.
acum <- acum + num;

5. 5
● Contadores
Un contador es una variable entera que la utilizamos para contar cuando ocurre un suceso.
Un contador: Se inicializa a un valor inicial.
- Se inicializa a un valor inicial.
cont <- 0;
- Se incrementa, cuando ocurre el suceso que estamos contando se le suma 1.
cont <- cont + 1;
● Identificadores
Un identificador es un nombre, que define el programador, que sirve para denotar ciertos
elementos de un programa. Estos elementos pueden ser las denominadas variables, constantes y
funciones (elementos que se tratarán más adelante).
1.2 Fundamentos de programación pseint.

6. 6
2. Métodos estadísticos, Población, muestra.
2.1 ¿Qué es la estadística?
Es una ciencia y una rama de las matemáticas de la cual se recolecta, analiza, describe y estudia
una serie de datos a fin de establecer comparaciones o variabilidades que permitan comprender
un fenómeno en particular.
La estadística se basa, principalmente en la observación para la recolección de datos que después
serán analizados y comparados a fin de adquirir una solución.
Asimismo, el objetivo de la estadística es tanto ofrecer un resultado numérico como exponer de
qué manera se está desarrollando una situación en específico empleada para estudiar una
población o muestra. De allí que tras un análisis estadístico se pueda comprender un hecho, tomar
decisiones, estudiar problemas sociales, ofrecer datos y soluciones en determinados casos,
deducir datos en relación a una población, entre otros.
Se pueden encontrar varios tipos de estadística como la estadística descriptiva, inferencial,
aplicada y la estadística matemática.
La población y la estadística:
La población estadística consiste en la recolección de un conjunto de elementos o sujetos que
gozan de características comunes, con el fin de estudiarlos y sacar conclusiones específicas para
determinar resultados.
Según el tamaño de la población estudiada, el resultado puede ser finito que es Aquella población
que está compuesta por un número pequeño de elementos, artículos o sujetos o infinito que es la
población que está compuesta por un número grande de elementos. También hay de tipo real
Aquella población que se compone de un grupo de cosas existentes y meramente comprobables y
población hipotética que está conformada por un grupo posible de determinadas cosas, pero
difícil de comprobar.
Ejemplos:
· Número de motocicletas vendidas durante el mes de septiembre.
· La cantidad de usuarios que visitan un sitio web durante un mes
· El peso de determinado alimento varía según su tamaño.

7. 7
· El incremento de ventas de un producto durante un buen período económico del
país.
· Cuando se realiza un censo poblacional, las características y cualidades (edad,
ingresos) de los habitantes serán diferentes.
Figura 1
Muestra estadística:
Es un subconjunto más o menos específico de una población estadística, aislado del resto con
fines de evaluación y estudio, compuesta por un número más manejable de ellos, seleccionados
(idealmente) al azar. Dichas muestras se alcanzan a través de diferentes técnicas estadísticas, que
aseguran mediante distintos mecanismos una aleatoriedad adecuada para el menor sesgo posible
en la selección, si por el contrario, se obtiene una muestra sesgada, las conclusiones posibles
serán menos fidedignas y por lo tanto menos útiles.
Obviamente, toda muestra forma parte de una población, de modo que, si se tienen varias
poblaciones, se deberán tener también varias muestras.
Una muestra estadística se caracteriza por lo siguiente:
· Forma parte de un conjunto mayor, que es la población estadística o universo
estadístico, de la cual es, idealmente, representativa.

8. 8
· Posee un número reducido y por lo tanto manejable de elementos de interés estadístico,
en comparación con la población entera.
· Se elige al azar y a través de distintas técnicas de muestreo. Puede ser más o menos
fidedigna, dependiendo de esto último.
· Su tamaño es objeto de estudio matemático, a fin de garantizar las proporciones justas
para que resulte representativa del total.
2.2 Ramas de la estadística.
La estadística se divide en dos grandes áreas: estadística descriptiva y estadística inferencial, las
cuales comprenden la estadística aplicada.
Además de estas dos áreas, existe la estadística matemática, la cual comprende las bases teóricas
de la estadística.
● Estadística descriptiva.
La estadística descriptiva es la rama de la estadística que describe o resume de forma
cuantitativa (medible) características de una colección de una recolección de información.
Es decir, la estadística descriptiva se encarga de resumir una muestra estadística (un
conjunto de datos obtenidos de una población), no de entender la población que representa la
muestra.
Algunas de las medidas comúnmente utilizadas en estadísticas descriptivas para describir
conjuntos de datos son medidas de tendencia central y medidas de variabilidad o dispersión.
En cuanto a las medidas de tendencia central, se utilizan medidas como la media, la
mediana y la moda. Mientras que en las medidas de variabilidad se utilizan la varianza, la
curtosis, etc.
La estadística descriptiva suele ser la primera parte a realizar en un análisis estadístico.
Los resultados de estos estudios suelen ser acompañados de gráficos, y representan la base de
casi cualquier análisis cuantitativo (medible) de datos.
Un ejemplo de estadística descriptiva podría ser considerar un número para resumir que
tan bien se está desempeñando un bateador de béisbol.

9. 9
Así, el número se obtiene por el número de hits que ha dado un bateador dividido entre el
número de veces que ha estado al bate. Sin embargo, este estudio no dará información más
específica, como cuáles de esos bateos han sido Home Runs.
Otros ejemplos de estudios de estadística descriptiva pueden ser: La media de edad de los
ciudadanos que viven en una cierta área geográfica, la longitud media de todos los libros
referentes a un tema específico, la variación respecto al tiempo que los visitantes pasan
navegando en una página de internet.
● Estadística inferencial.
La estadística inferencial se diferencia de la estadística descriptiva principalmente por el
uso de la inferencia y la inducción.
Es decir, esta rama de la estadística tiene como objetivo inferir propiedades de la
población objeto de estudio, es decir, no solo recopila y resume datos, sino que también intenta
explicar ciertas propiedades o características a partir de los datos obtenidos.
En este sentido, la estadística inferencial significa obtener conclusiones correctas del
análisis estadístico utilizando estadísticas descriptivas.
Por esta razón, muchos experimentos en las ciencias sociales involucran a pequeños
grupos de personas, por lo que por inferencia y generalización es posible determinar cómo se
comporta la población en su conjunto.
Las conclusiones extraídas a través de la estadística inferencial son aleatorias (falta de
patrón o regularidad), pero aplicando métodos apropiados, se pueden obtener resultados
relevantes.
Por lo tanto, la estadística descriptiva y la estadística inferencial van de la mano.
La estadística inferencial se divide en:
● Estadística paramétrica.

10. 10
Comprende los procedimientos estadísticos basados en la distribución de los datos reales,
los cuales se determinan mediante un número finito de parámetros (número que resume la
cantidad de datos derivados de una variable estadística).
Para aplicar procedimientos paramétricos, en su mayoría, se requiere conocer previamente
la forma de distribución para las formas resultantes de la población estudiada.
Por ello, si se desconoce en su totalidad la distribución que siguen los datos obtenidos, se debe
utilizar un procedimiento no paramétrico.
● Estadística no paramétrica.
Esta rama de la estadística inferencial comprende los procedimientos aplicados en pruebas
y modelos estadísticos en los cuales su distribución no se ajusta a los llamados criterios
paramétricos. Al ser los datos estudiados los que definen su distribución, está no puede ser
definida previamente.
La estadística no paramétrica es el procedimiento que debe ser elegido al desconocer si
los datos se ajustan a una distribución conocida, de manera que pueda ser un paso previo al
procedimiento paramétrico.
Así mismo, en un prueba no paramétrica, las posibilidades de error se disminuyen mediante el
uso de tamaños muestrales adecuados.
● Estadística matemática.
Se ha mencionado de igual forma la existencia de la Estadística Matemática, como
disciplina de la estadística.
Esta consiste en una escala previa en el estudio de la estadística, en la cual usan la teoría
de la probabilidad (rama de las matemáticas que estudia los fenómenos aleatorios) y otras ramas
de las matemáticas.
La estadística matemática consiste en la obtención de información a partir de los datos y
utiliza técnicas matemáticas tales como: análisis matemático, álgebra lineal, análisis estocástico,
ecuaciones diferenciales, etc. Así, la estadística matemática ha sido influenciada por la estadística
aplicada.

11. 11
2.3 Aplicaciones de la estadística
(Educación, contaduría, administración, gerontología, deporte, economía).
Hipótesis
Una hipótesis es una proposición o enunciado que se considera cierto de entrada, aunque aún no
haya podido probarse, y que por lo tanto constituye una especulación o una conjetura de trabajo,
carente de confirmación o refutación mediante la experiencia.
Toda hipótesis debe responder a las siguientes características:
- Toda hipótesis consiste en una relación entre un elemento A y un elemento B, sean los
que sean, cuya relación está expresada en forma de una proposición.
- Siempre se refiere a un evento o una relación probable entre las cosas, ya que algo a todas
luces imposible no puede someterse a pruebas.
- Posee un número de variables concretas, que deben estar claramente identificadas y
definidas. La relación entre éstas, además, habrá de ser propuesta por la misma hipótesis y
debe ser clara, comprensible y verosímil.
- Normalmente se vinculan con técnicas establecidas y conocidas que sirven para
someterlas a prueba.
- Son siempre falsables, o sea, pueden siempre contraponérsele argumentos que la
contradigan y así ponerla a prueba.

12. 12
Variable
Una variable en programación es una unidad de almacenamiento y recuperación de datos con
valores que pueden cambiar, la cual se identifica con un nombre único en el código del programa.
Cuando escribimos código, las variables se utilizan para:
- Guardar datos y estados.
- Asignar valores de una variable a otra.
- Representar valores dentro de una expresión matemática.
- Mostrar valores por pantalla.
Dato
Los datos son representaciones simbólicas (numéricas, alfabéticas, algorítmicas, etc.) de un
determinado atributo o variable cualitativa o cuantitativa, o sea: la descripción codificada de un
hecho empírico, un suceso, una entidad.
Los datos son, así, la información (valores o referentes) que recibe el computador a través de
distintos medios, y que es manipulada mediante el procesamiento de los algoritmos de
programación. Su contenido puede ser prácticamente cualquiera: estadísticas, números,
descriptores, que por separado no tienen relevancia para los usuarios del sistema, pero que en
conjunto pueden ser interpretados para obtener una información completa y específica.
Nivel de medición nominal
El nivel de medición se refiere a la relación entre los valores que se asignan a los atributos de una
variable, por otra parte el nivel de medición nominal o escala nominal las variables se diferencian
por sus nombres. Estas variables no tienen orden ni jerarquía asociada a ellas.
Los números asociados con los nombres son nada más y nada menos que etiquetas sin ningún
aspecto matemático que se vincule a ellos. Estas variables son de naturaleza descriptiva. En
términos de estadísticas, la escala nominal es la más fácil de comprender e implementar. Estas
variables tienen un mínimo de dos divisiones, como por ejemplo; hombre / mujer, si / no.

13. 13
3. Distribución de frecuencias
Cuando hablamos de la distribución de frecuencias en Estadística, nos referimos a la agrupación
de datos en categorías mutuamente excluyentes, las cuales indican el número de observaciones en
cada categoría. Lo que nos termina proporcionando un valor añadido a la agrupación de datos.
3.1 Nombre de la variable
El nombre de la variable es la forma usual de referirse al valor almacenado: esta separación entre
nombre y contenido permite que el nombre sea usado independientemente de la información
exacta que representa.
3.2 Frecuencia absoluta
La frecuencia absoluta se define como el número de veces que aparece un determinado valor
estadístico y técnico. Se representa por fila. Usualmente representado con números. Se representa
donde el subíndice representa cada uno de los valores.
3.3 Frecuencia relativa porcentual
La frecuencia relativa porcentual es el porcentaje de la frecuencia relativa, siendo esta la división
de la frecuencia absoluta entre el total de valores en una selección de datos. La frecuencia relativa
es muy usada en probabilidad, y hace referencia a la relación de una frecuencia absoluta entre un
total.
3.4 Equivalencia en datos
Para conocer qué es una equivalencia en datos, hay que tener en cuenta que normalmente en
programación denominamos igualdad al operador “ = = ” . Pero hay dos conceptos de lo que
puede ser igual: la entidad que contiene un valor (identidad) o el valor que contiene
(equivalencia).
Entonces decimos que las dos variables a = 6 y b = 6 son iguales en sentido matemático porque
contienen el mismo valor 6. Sin embargo, a y b son dos variables distintas en sentido informático
si se guardan en dos direcciones distintas en la memoria. En el último caso hablamos de
identidad: las variables a y b son iguales cuando hacen referencia a la misma entidad. En el

14. 14
primer caso hablamos de equivalencia. Las variables pueden hacer referencia a una memoria
diferente, pero contienen el mismo valor.
Es obvio que la identidad es un criterio más estricto. Dos objetos distintos pueden tener el mismo
valor o no, pero el mismo objeto comparado a si mismo siempre es igual.
4. Taller de PSEINT
4.1. Conceptos
4.1.1. Diferencias entre contadores y acumuladores
La diferencia entre un contador y un acumulador es bastante sencilla. El contador es una variable
que cuenta las veces que se repite un proceso dentro de un bucle, y va aumentando de uno en uno,
mientras que el acumulador va sumando sobre sí misma otros valores, y va aumentando en una
cantidad que varía dependiendo de la situación.
4.1.2. Cómo declarar una variable
Lo correcto para declarar una variable y poder distinguirlas de las demás es usar los
identificadores. Los identificadores son nombres que se le dan a los elementos necesarios para
resolver un problema. Hay ciertas reglas al momento de declarar una variable, como por ejemplo
que el nombre de una variable tiene que empezar por una letra, el nombre tiene que ser una sola
palabra y se pueden utilizar números y caracteres para denominarla.
4.1.3. Lenguajes de programación
4.1.3.1. Java

15. 15
Java es un lenguaje de programación que está dirigido a objetos, y tiene el objetivo de que sus
programadores escriban el programa una vez y luego lo puedan inicializar desde cualquier
dispositivo.
Java es un lenguaje de programación que se deriva de otros 2 lenguajes conocidos como C y
C++, pero excluyendo los conceptos y herramientas difíciles de usar, lo que hace de Java un
lenguaje mucho más sencillo. Además de que Java se puede ejecutar en cualquier tipo de
hardware independientemente la plataforma, lo que lo hace un lenguaje portable.
Por último, se puede decir que Java es un lenguaje de programación bastante seguro ya que
protege la privacidad de los datos y tiene una sintaxis rigurosa que impide que se quiebre el
código.
https://rockcontent.com/es/blog/que-es-java/
4.1.3.2. Python
Python es un lenguaje de programación interpretado, multiparadigma y multiplataforma, creado
con el objetivo de ser un lenguaje de uso fácil y con la menor complejidad posible. Python se
caracteriza principalmente como lenguaje por su sintaxis simple y expresiva, cuyo objetivo
principal es aumentar la legibilidad y la facilidad de desarrollo.
Python, su sintaxis y sus pequeños trucos, nos encontramos ante un lenguaje que nos permite una
gran velocidad de prototipado, una tremenda flexibilidad y produce un código limpio, ordenado y
muy legible.
https://openwebinars.net/blog/python-principales-caracteristicas/
4.1.3.3. C++
C++ es un lenguaje de programación destinado a objetos, siendo un lenguaje de programación
muy potente y que se ha mantenido actualizado. Se utiliza bastante para desarrollar videojuegos.

16. 16
A pesar de ser un lenguaje con muchos años, su gran potencia lo convierte en uno de los
lenguajes de programación más demandados. C++ cuenta con un lenguaje actualizado
constantemente, multiplataforma y didáctico, ya que si se aprende este lenguaje primero que
otros, luego al aprender lenguajes como Java o Python la tarea se tornará más sencilla.
4.2. Algoritmos
4.2.1. Resta, multiplicación y división

17. 17

18. 18
4.2.2. Promedio de 4 calificaciones

19. 19
4.2.3. Área y perímetro de un triángulo
4.2.4. Área y perímetro de un círculo

20. 20
4.2.5. Temperatura de Celsius a Fahrenheit
4.2.6. Longitud de pulgadas a pies

21. 21
4.2.7. Nombre y edad de una persona

22. 22
Referencias
Fundación Wikimedia, Inc. (n.d.). Variable (matemática). Wikipedia. Recuperado Marzo 6, 2022,
de https://es.wikipedia.org/wiki/Variable_(matem%C3%A1tica)
Trucos Informaticos. (2011, Marzo 8). Identidad o equivalencia | Trucos informáticos. Trucos
informáticos. Recuperado Marzo 4, 2022, de
https://trucosinformaticos.wordpress.com/2011/03/08/identidad-o-equivalencia/
Fundación Wikimedia, Inc. (n.d.). Distribución de frecuencias. Wikipedia. Recuperado Marzo 5,
2022, de https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_frecuencias
Fundación Wikimedia, Inc. (n.d.). Código fuente. Wikipedia. Recuperado Marzo 4, 2022, de
https://es.wikipedia.org/wiki/C%C3%B3digo_fuente
Muñoz, D. (2022). Uso específico de variables: contadores, acumuladores e indicadores.
Recuperado el 6 de Marzo de 2022 de
https://plataforma.josedomingo.org/pledin/cursos/programacion/curso/u23/
ALEPH (2021). ¿Qué es frecuencia porcentual ejemplos?. Recuperado el 6 de Marzo de 2022
de https://aleph.org.mx/que-es-frecuencia-porcentual-ejemplos
ados (2022). Significado de Estadística. Recuperado el 6 de Marzo de 2022 de
https://www.significados.com/estadistica/
Enciclopedia Económica (2022). ¿Qué es la población en estadística?. Recuperado el 6 de Marzo
de 2022 de https://enciclopediaeconomica.com/poblacion-estadistica/
Enciclopedia concepto (2021). Muestra estadística. Recuperado el 6 de Marzo de 2022 de
https://enciclopediaeconomica.com/poblacion-estadistica/
Cajal Flores, Alberto. (4 de julio de 2017). Las ramas de la estadística, qué estudian y
aplicaciones. Lifeder. Recuperado el 6 de Marzo de 2022 de
https://www.lifeder.com/ramas-estadistica/.
Enciclopedia concepto (2022). Hipótesis. Recuperado el 6 de Marzo de 2022 de
https://concepto.de/hipotesis/

23. 23
Lenguaje de programación (n.d). ¿Qué es una variable en programación?. recuperado el 6 de
marzo de 2022 de
https://lenguajesdeprogramacion.net/diccionario/que-es-una-variable-en-programacion/
Enciclopedia concepto (2021). Dato en informática . Recuperado el 6 de Marzo de 2022 de
https://concepto.de/dato-en-informatica/#ixzz7MtYhLvnx
QuestionPro (2022). Escala Nominal y la Escala Ordinal ¿Cual es la diferencia? recuperado el 6
de marzo de 2022 de https://www.questionpro.com/blog/es/escala-nominal-y-escala-ordinal/

24. 24
Conclusiones
● Esteban Moreno López
En cuanto a las conclusiones que me quedan después de realizar este informe de manera
colaborativa, es que luego de leer, indagar y tratar de comprender los textos, puedo concluir que
me ha ayudado a reforzar conocimientos previos sobre programación ( los cuales en parte, poseía
/ poseo debido a un aprendizaje autónomo y empírico que tengo sobre el tema de programación ),
brindándome así más herramientas cognitivas para la resolución de problemas y creación de
proyectos desarrollados a beneficio de las personas. Además de obtener habilidades que en
posibles futuras situaciones, podrán ser de ayuda en la vida laboral, académica y/o cotidiana.
● Luisa Valentina Osorio Jiménez
Realmente este trabajo me ayudó a conocer más a profundidad lo que es el concepto de
programación y las diferentes definiciones fundamentales para comprender PSeInt, de igual
forma comprendí que este lenguaje puede ser aplicado a nuestra vida cotidiana, es decir a
aquellas situaciones que requieren la acumulación o suma de datos.
Por otra parte pude identificar como la estadística actúa sobre la programación, en la utilización y
recolección de datos para obtener la variable planteada.
Por último supe que el trabajo en equipo es fundamental para agrupar los diferentes puntos de
vista que se pueden presentar en la elaboración de la actividad.
● Catalina Cantero Soto
En conclusión, se logró elaborar y plantear el objetivo de dar a conocer conceptos de
programación con Pseint, aplicación de las herramientas estadística y distribución de frecuencias
en el cual se abordaron los principales términos dándonos un conocimiento más amplio sobre
temas tecnológicos.
● Juan Esteban Martínez Fuentes
Con la realización de este trabajo logré entender de una manera más acertada lo que son las
estructuras básicas de programación, y además tener una comprensión mucho más clara acerca de
los conceptos de la estadística. Sumado a lo anterior, este trabajo colaborativo me fue de gran
ayuda ya que de cierto modo, me sirvió para desarrollar habilidades que me podrán ser útiles en
un futuro, debido a que la programación es algo que poco a poco se está convirtiendo en algo
esencial para la vida cotidiana, académica, laboral, etc.

25. 25
● Justine Bravo Gómez
En conclusión este trabajo me ayudó a reforzar mis conocimientos ya previos, sobre
fundamentos de programación, aplicados y desarrollados en el programa Pseint, lo que es la
estadística y su aplicación en la vida diaria.
● Santiago Arias Rojas
Considero que este trabajo me ha ayudado a comprender mejor la funcionalidad de todos los
lenguajes de programación, los usos de la estadística y he dado uso de mis conocimientos previos
de programación para poder realizar el taller de PSEINT junto a mis compañeros. Me siento
satisfecho del aporte que le he dado al trabajo, he utilizado los aprendizajes que he adquirido en
las clases de tecnología y finalmente puedo decir que he desarrollado nuevas competencias,
necesarias para mi proceso formativo-educativo.

26. 26
Links de los blogs:
● Esteban Moreno López:
https://estebantecnologia144.blogspot.com/p/periodo-1-2022.html
10
● Luisa Valentina Osorio Jiménez :
https://thetechnologyandtheworld.blogspot.com/p/blog-page.html
● Juan Esteban Martínez Fuentes :
https://jemftecnologia.blogspot.com/p/periodo-1-2020.html
● Catalina Cantero Soto:
https://creativetechnology10.blogspot.com/p/periodo-1-2022.html
● Santiago Arias Rojas:
https://navegandoenlawebarias.blogspot.com/p/blog-page.html
● Justine Bravo Goméz:
https://alokglo.blogspot.com/

27. 27
Evidencias del trabajo colaborativo: