Depuración para niños: por qué arreglarlo solos los hace dueños

La depuración para niños (lo que en inglés llaman debugging) es encontrar y arreglar lo que falla en algo que ellos mismos construyeron: un programa que se congela, un LED que no prende, un puente de papel que se dobla. Y es, me atrevo a decir, el momento más puro de “yo lo hice” que tiene un niño. Construir algo que funciona a la primera se siente bien. Hacer funcionar algo que estaba roto, después de descubrir por qué lo estaba, se siente como ser dueño.

Esto es lo que casi ningún papá escucha: hay investigadores que diseñan unidades escolares completas alrededor de los errores, y un estudio aleatorizado de 2026 encontró que las personas que aprendían a programar con ayuda de IA terminaron con menos habilidad para depurar que las que aprendían sin ella. El paso que la IA más quiere hacer por tu hijo es el que más le enseña.

Puntos clave

• En “Debugging by Design” (“depurar por diseño”), estudiantes de secundaria construyeron a propósito proyectos de textiles electrónicos con fallas para que sus compañeros las arreglaran; según los autores, eso los vuelve protagonistas de su aprendizaje y de “cometer y resolver errores” (Fields y colegas, 2021).
• Un metaanálisis de 53 estudios encontró que intentar resolver un problema antes de la explicación funcionó mejor en general que explicar primero, pero el patrón se invirtió en niños de segundo a quinto grado (Sinha y Kapur, 2021).
• Un preprint aleatorizado de 2026 encontró que programadores que aprendían una biblioteca nueva con ayuda de IA entendieron peor los conceptos y depuraron peor, sin ser significativamente más rápidos en promedio.
• Los niños pequeños necesitan más guía mientras depuran; los mayores se benefician de pelearla un rato primero.
• Lo que hay que enseñar es un método (reproducir, aislar, cambiar una sola cosa, probar), no una lista de soluciones.

Qué es depurar y por qué ahí vive el sentido de autoría

Depurar es el proceso de encontrar la causa de un comportamiento inesperado en un sistema y corregirla. En software, es el código. En electrónica, los circuitos. En la cocina, el pastel que no subió. La habilidad es la misma: haces una hipótesis sobre qué está mal, la pruebas y vas acotando.

Depurar es más difícil de enseñar que construir. Renée McCauley y colegas, al revisar décadas de investigación en Computer Science Education (2008), la describieron como una habilidad importante que sigue siendo difícil de aprender para los programadores novatos y difícil de enseñar para los profesores. Parte de la razón: no puedes depurar un sistema que no entiendes. Cada arreglo exige un modelo mental de cómo se supone que funciona la cosa.

Por eso un error resuelto es una prueba tan fuerte de autoría. Un niño puede seguir instrucciones para construir algo sin entenderlo. Casi nunca puede arreglarlo sin entenderlo. Y la confianza que deja ese tipo de trabajo se puede medir: un estudio de dos años sobre proyectos maker en una primaria pública de EE. UU., publicado en Computers & Education en 2019, encontró mejoras en la autoeficacia para construir, la autoeficacia en ciencias y la identidad científica, aunque no en todos los resultados que midió. En quince años de trabajo en hardware de consumo, los ingenieros en los que más confiaba no eran los que acertaban en el primer prototipo. Eran los que miraban una placa que había fallado y te decían, tranquilos, cuáles tres cosas revisar primero.

Lo que encontró la investigación sobre “Debugging by Design”

En un estudio publicado en el British Journal of Educational Technology en 2021, Deborah Fields, Yasmin Kafai, Luis Morales-Navarro y Justice Walker le dieron la vuelta al enfoque de siempre. En lugar de darles a los estudiantes listas de chequeo o programas de prueba, un curso de secundaria dedicó unas 8 horas de una unidad de textiles electrónicos a hacer proyectos con fallas, a propósito, para que sus compañeros las encontraran y arreglaran.

Los textiles electrónicos son proyectos de tela con circuitos cosidos: hilo conductor, LEDs, un microcontrolador pequeño y una batería. Una falla podía ser un LED al revés, un corto donde se tocan dos hilos o una línea de código que enciende el pin equivocado.

Los autores sostienen que diseñar errores convierte a los estudiantes en protagonistas de su propio aprendizaje y, sobre todo, de cometer y resolver errores. Para esconder bien una falla tienes que entender exactamente cómo funciona la versión buena. Para encontrar la falla de un compañero necesitas un método, no suerte. El estudio se basó en observaciones y entrevistas, así que describe lo que hicieron los estudiantes y lo que dijeron haber ganado. No es una prueba controlada de resultados de aprendizaje, y fue un solo curso.

Encaja con una línea de investigación más amplia sobre el “fracaso productivo”. En un metaanálisis de 2021 en Review of Educational Research, Tanmay Sinha y Manu Kapur juntaron 53 estudios con 166 comparaciones. Que los estudiantes intentaran un problema antes de que les enseñaran el concepto dio una ventaja moderada frente a enseñar primero (g de Hedges = 0,36), y efectos mayores cuando el diseño seguía de cerca los principios del fracaso productivo. Pero hubo una excepción clave: en niños de segundo a quinto grado, y en habilidades generales, los resultados favorecieron enseñar primero. Pelearla ayuda más a los grandes que a los chicos.

Qué le pasa a la depuración cuando la IA escribe el código

En enero de 2026, Judy Hanwen Shen y Alex Tamkin, del programa de becarios de Anthropic, publicaron un preprint (todavía sin revisión por pares) llamado “How AI Impacts Skill Formation” (“Cómo afecta la IA la formación de habilidades”). En experimentos aleatorizados, programadores aprendieron una biblioteca nueva con o sin ayuda de IA. El resultado: usar IA perjudicó la comprensión de conceptos, la lectura de código y la capacidad de depurar, sin una ganancia significativa de velocidad en promedio. Quienes le delegaron todo a la IA sí fueron algo más rápidos, pero a costa de no aprender la biblioteca.

Hay una parte esperanzadora. Los autores identificaron seis formas distintas de interactuar con la IA, y tres de ellas, las que implicaban pensar activamente, conservaron el aprendizaje incluso con ayuda de IA. La IA no es automáticamente el problema. Delegar, sí.

Los límites importan: eran programadores adultos, no niños; es un preprint; y el trabajo se hizo en Anthropic, una empresa de IA, que a su favor publicó un resultado poco halagador para su propio tipo de producto. El estudio principal tuvo 52 participantes, y el grupo con IA sacó un 17% menos en la prueba posterior. Aun así, el mecanismo aplica a los chicos. Si la IA escribió el código, tu hijo nunca armó el modelo mental que necesita para arreglarlo. Profundizamos en esto en nuestra nota sobre la IA, la depuración de código y el aprendizaje de los niños.

Cómo enseñarle a tu hijo a depurar

La meta es un método que tu hijo pueda usar con cualquier cosa. Los ingenieros usamos más o menos el mismo ciclo: reproducir el problema, aislar dónde ocurre, cambiar una sola cosa, probar y repetir.

De 5 a 8 años: la receta con error

Escribe una receta de sándwich con un error a propósito (“mete el pan en el frasco”). Que tu hijo la siga al pie de la letra y encuentre el paso que falla. Luego cambien: él escribe una receta con un error escondido para ti. Quédate cerca. La investigación sobre fracaso productivo sugiere que los más chicos aprenden más si primero les muestras el método, así que hazlo en voz alta: “El paso uno funcionó. El dos también. El tres… ahí está”. Para una versión con circuitos, armen una linterna con una pila de botón y un LED, y luego volteen el LED para que no prenda y que él descubra por qué.

De 9 a 12 años: el intercambio de errores

Esto es “Debugging by Design” en la mesa de la cocina. Cada uno arma un proyecto pequeño en Scratch (gratis, del MIT) o en Pilas Bloques, la plataforma de programación por bloques de la iniciativa argentina Program.AR, y en secreto le mete un error: un número equivocado, un bucle que falta, un personaje que nunca recibe el mensaje. Intercambian y arreglan. Reglas: puedes hacerle al otro preguntas de sí o no, y tienes que decir qué parte revisaste antes de cambiar algo. Lleven un “diario de errores”: cuál era, cómo lo encontraste y cuánto tardaste.

De 13 en adelante: diseñar una falla para otro

Que tu adolescente arme un proyecto que funcione (un circuito en protoboard, un script corto en Python, una página web) y luego haga una versión con dos fallas sutiles para un amigo o un hermano. Escribe una hoja de respuestas que explique cada error y por qué es difícil de ver. Después mira, en silencio, cómo otra persona lo depura. Ver a alguien buscar en el lugar equivocado enseña más sobre método que casi cualquier otra cosa. Si usa IA, que sea para que le explique un mensaje de error, nunca para que le dé el arreglo.

La pregunta que debes hacer: “Antes de cambiar algo, ¿cómo supiste que el problema estaba en esa parte y no en otra?”

Depuración para niños: formas de hacerlo, comparadas

Enfoque	Qué hace el niño	Qué sugiere la evidencia	Para quién
El adulto lo arregla	Mira	Lo más rápido; lo que menos enseña	Solo por seguridad
Lista de arreglos comunes	Prueba arreglos en orden	Buen andamio; puede volverse adivinar	De 5 a 8 años, primeros proyectos
Fracaso productivo (intentar primero, luego explicación)	La pelea y luego recibe el concepto	Ventaja moderada en general; al revés en 2.º a 5.º grado (Sinha y Kapur, 2021)	Desde los 10 años
Debugging by Design	Diseña errores para otros y arregla los ajenos	Los estudiantes se vuelven protagonistas de sus errores; cualitativo, un curso (Fields y colegas, 2021)	Desde los 9 años
La IA escribe el arreglo	Copia, pega y corre	Peor depuración y peores conceptos en adultos (preprint de Shen y Tamkin, 2026)	Evitar mientras aprende
La IA explica el error y el niño lo arregla	Lee, decide y cambia el código	Las formas de uso activas conservaron el aprendizaje (mismo preprint)	Desde los 12 años, con regla

¿Y en América Latina?

La depuración en sí no tiene una ley propia, pero la programación está entrando a la escuela en varios países, y con ella llegan los errores. En Colombia, la Ley 2626 de 2026, firmada en agosto, ordena incorporar pensamiento computacional, programación, inteligencia artificial y ciencia de datos a la materia de Tecnología e Informática en los colegios oficiales, con una malla curricular obligatoria y progresiva. En Argentina, la iniciativa Program.AR mantiene Pilas Bloques, una plataforma gratuita de programación por bloques en español que en 2026 lanzó su versión 3.0, pensada sobre todo para usar en el aula.

Lo que ninguna de estas iniciativas resuelve por sí sola es el hábito. Ojo con esto: si en la clase la IA ya está a un clic, el momento de pelearla con un error se puede perder sin que nadie lo note. Ese momento lo puedes proteger tú en la casa, con una regla simple y un temporizador.

Cómo hacer que arreglarlo solo sea lo normal

Celebra los errores encontrados, no solo los proyectos terminados

Pregunta “¿qué se rompió hoy?” con la misma energía que “¿qué hiciste?”. Un niño que llega a la cena orgulloso de un error que rastreó tiene la relación correcta con el fracaso. Para más sobre eso, mira nuestra nota sobre el fracaso en la ingeniería y la resiliencia en los niños.

Usa el patito de hule

Los programadores le explican su código, línea por línea, a un patito de hule (o a un peluche, o a un papá que no tiene permiso de hablar). Decir en voz alta qué debería hacer cada línea muchas veces revela el error. Funciona porque obliga al niño a comparar su modelo mental con lo que de verdad está escrito.

Pon un temporizador de “intenta primero”, según la edad

Para un niño de 7 años, dos minutos de intentar antes de que entres tú. Para uno de 14, quince. Cuando suene, no lo arregles; haz una pregunta que acote. “¿Falla antes o después de apretar el botón?” Así respetas el hallazgo de que los chicos necesitan más guía y los grandes se benefician de pelearla.

Cambia una sola cosa a la vez

El error más común del principiante es cambiar cinco cosas juntas y después no saber cuál importó. Que sea regla de la casa: un cambio y luego probar. Escríbelo en una notita pegada junto a la computadora.

Lo que no conviene hacer

No pegues el error en un chatbot para darle a tu hijo el código arreglado. Tienta cuando todos están cansados, y en el momento funciona. Pero la evidencia en adultos sugiere que delegar todo cambia aprendizaje por un poco de velocidad, y tu hijo pierde justo el momento que convierte “esto se rompió” en “yo lo arreglé”.

Qué observar en los próximos 3 meses

• Semana 4: Cuando algo falla, ¿tu hijo dice dónde cree que está el problema antes de empezar a cambiar cosas? Esa es la señal de que el método está prendiendo.
• Señales de alerta en el mes 2: que abandone al primer error, o que corra a la IA o a un adulto en segundos. Alarga un poco el temporizador y elogia la búsqueda, no el arreglo.
• Autoevaluación en el mes 3: ¿Tu hijo puede nombrar un error que arregló solo y explicar cómo lo encontró? ¿Ya diseñó una falla para otra persona? Si las dos respuestas son sí, tiene el núcleo de la habilidad.

Preguntas frecuentes

¿A qué edad pueden empezar a depurar los niños?

En cuanto pueden seguir pasos, alrededor de los 5 años. Los más chicos depuran recetas, torres de bloques y circuitos simples. La investigación sugiere que les conviene que un adulto les muestre el método primero, mientras que los niños de unos 10 años en adelante ganan más si lo intentan solos antes de recibir ayuda.

¿Dejo que mi hijo use IA para arreglar errores de código?

Que la use para entender, no para arreglar. Un preprint de 2026 con programadores adultos encontró que quienes le delegaron el código a la IA aprendieron menos, mientras que quienes se mantuvieron activos conservaron el aprendizaje. Una buena regla: la IA puede explicar un mensaje de error, pero tu hijo decide el cambio y lo escribe.

Mi hijo se frustra mucho cuando algo falla. ¿Qué ayuda?

Achica el problema y normalízalo. Celebra los errores encontrados, usa un temporizador corto antes de intervenir y haz preguntas que acoten en vez de arreglar. Cuéntale que los ingenieros profesionales pasan buena parte de su tiempo depurando. Si la frustración es intensa en muchas actividades, conversa con su profesor o su médico.

¿Qué es “Debugging by Design”?

Es un enfoque de enseñanza de Fields, Kafai y colegas en el que los estudiantes crean proyectos con errores a propósito para que sus compañeros los encuentren y arreglen. En su estudio de 2021 con textiles electrónicos en secundaria, los autores sostienen que vuelve a los estudiantes protagonistas de sus propios errores. Es fácil de adaptar en casa con Scratch, Pilas Bloques o un circuito simple.

¿Depurar sirve fuera de la programación?

En principio el método se traslada: reproducir, aislar, cambiar una cosa y probar sirve para bicicletas, recetas y experimentos de ciencias. La evidencia directa de que practicar depuración mejora la resolución de problemas en general es limitada, así que tómalo como un hábito útil, no como una cura comprobada.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Fields, D. A., Kafai, Y. B., Morales-Navarro, L., y Walker, J. T. (2021). “Debugging by design: A constructionist approach to high school students’ crafting and coding of electronic textiles as failure artefacts.” British Journal of Educational Technology, 52(3), 1078-1092. https://doi.org/10.1111/bjet.13079
2. Sinha, T., y Kapur, M. (2021). “When Problem Solving Followed by Instruction Works: Evidence for Productive Failure.” Review of Educational Research, 91(5), 761-798. https://doi.org/10.3102/00346543211019105
3. Shen, J. H., y Tamkin, A. (2026). “How AI Impacts Skill Formation.” Preprint en arXiv, sin revisión por pares. https://arxiv.org/abs/2601.20245
4. McCauley, R., Fitzgerald, S., Lewandowski, G., Murphy, L., Simon, B., Thomas, L., y Zander, C. (2008). “Debugging: a review of the literature from an educational perspective.” Computer Science Education, 18(2), 67-92. https://doi.org/10.1080/08993400802114581
5. Schlegel, R. J., Chu, S. L., Chen, K., Deuermeyer, E., Christy, A. G., y Quek, F. (2019). “Making in the classroom: Longitudinal evidence of increases in self-efficacy and STEM possible selves over time.” Computers & Education, 142. https://doi.org/10.1016/j.compedu.2019.103637
6. Congreso de Colombia. (2026). “Ley 2626 de 2026.” Diario Oficial 53.602. https://sidn.ramajudicial.gov.co/SIDN//NORMATIVA/TEXTOS_COMPLETOS/7_LEYES/LEYES%202026/Ley%202626%20de%202026.pdf
7. Program.AR. (2026). “Pilas Bloques se renueva: llega la versión 3.0.” https://program.ar/pilas-bloques-se-renueva-llega-la-version-3-0/