Pensar computacionalmente no consiste en «pensar como una máquina» ni en saltar a código. Consiste en elegir una representación que preserve lo importante, formular reglas que puedan discutirse, diseñar una estrategia finita y contrastar sus resultados y costos. Esta parte toma las trazas de la petición observable de extremo a extremo y las convierte en modelo de decisión diagnóstica, un planificador de diagnóstico que debe explicar por qué recomienda una prueba y cuándo su modelo no alcanza.
Pregunta rectora
Antes del recorrido clase por clase
La parte alterna cuatro planos que deben permanecer conectados:
- semántico: qué significan las entradas, estados y resultados para las personas;
- estructural: conjuntos, relaciones, grafos y estados que representan el dominio;
- procedimental: algoritmo, invariante, variante, heurística y presupuesto;
- empírico: ejemplos, contraejemplos, mediciones y revisión adversarial.
Ver la notación fuente del diagrama
flowchart LR
A[Incidente ambiguo] --> B[Descomposición y vocabulario]
B --> C[Lógica y estructuras]
C --> D[Contratos e invariantes]
D --> E[Algoritmo y terminación]
E --> F[Complejidad y límites]
F --> G[Estados e hipótesis]
G --> H[Especificación contrastable]
H -->|contraejemplo| BEl ciclo vuelve al problema cuando aparece un contraejemplo. No se «arregla» una prueba cambiando el resultado esperado: se revisa qué abstracción, regla o supuesto era insuficiente.
Lo que cambia al completar esta parte
Podrás distinguir ejemplo de argumento, función de relación, estado de evento, corrección parcial de terminación y heurística de aproximación garantizada. Podrás estimar cómo crece una estrategia, decir honestamente cuándo no conoces el óptimo y entregar una especificación que una segunda persona pueda implementar y verificar.
Guía razonada clase por clase
El modelo de decisión diagnóstica no se construye acumulando técnicas. Cada clase cambia la representación del problema, declara qué propiedad debe conservarse y produce una evidencia que la técnica siguiente puede refutar o ampliar. El recorrido va de la ambigüedad a una especificación sin fingir que todo problema admite una solución óptima o barata.
Bloque 1 — Representar el problema y sus obligaciones
SE-049 — Descomposición, abstracción y reconocimiento de patrones
La petición «diagnostica la petición observable de extremo a extremo» mezcla resultados, síntomas, actores y restricciones. La clase descompone por responsabilidades y dependencias, abstrae solo lo que no cambia la decisión y usa patrones como hipótesis transferibles, no como permiso para ignorar el contexto. Una división cómoda puede cortar precisamente la relación que explica el fallo.
El estudiante produce un árbol de preguntas y contratos de entrada/salida para el modelo de decisión diagnóstica, acompañado por un caso que no encaja en el patrón elegido. Esa frontera transforma palabras ambiguas en proposiciones que SE-050 podrá evaluar mediante lógica explícita.
SE-050 — Lógica proposicional, predicados e inferencia
Una regla como «si DNS responde, hay red» oculta cuantificadores, alcance y premisas. La clase separa proposición, predicado, implicación, equivalencia, necesidad y suficiencia; usa tablas y contraejemplos para mostrar por qué afirmar el consecuente produce un diagnóstico convincente pero inválido.
El modelo de decisión diagnóstica expresa reglas con premisas observables y conclusión limitada. El estudiante registra qué evidencia vuelve verdadera cada premisa y cuándo la conclusión no se sigue. SE-051 necesita organizar esas entidades y relaciones sin reducirlas a una lista lineal.
SE-051 — Conjuntos, relaciones, funciones y grafos
Conjuntos responden pertenencia, relaciones conectan elementos, funciones exigen una salida determinada por entrada y grafos representan caminos o dependencias. La clase elige estructura por pregunta y demuestra por qué una relación muchos-a-muchos no debe disfrazarse de función ni una jerarquía de grafo arbitrario.
El estudiante modela pruebas, síntomas y dependencias del modelo de decisión diagnóstica, identifica nodos y aristas con significado y construye consultas pequeñas. El grafo hace visibles ciclos y rutas, pero todavía no garantiza que una ejecución preserve propiedades; SE-052 convierte esas obligaciones en precondiciones, invariantes y poscondiciones.
SE-052 — Invariantes, precondiciones y poscondiciones
Un algoritmo puede producir una salida plausible mientras viola autorización, pierde un caso o corrompe el estado intermedio. La clase distingue lo exigido antes, lo que debe permanecer cierto durante y lo garantizado después. Los contratos se formulan sobre conceptos del dominio, no sobre detalles accidentales de una implementación.
El modelo de decisión diagnóstica incorpora invariantes como «solo recomendar pruebas autorizadas» y «cada descarte conserva una causa». El estudiante intenta romperlos con ejemplos límite y registra qué entrada queda fuera del contrato. SE-053 mostrará cómo sostener una propiedad cuando el problema y la solución se definen de manera recursiva.
Bloque 2 — Demostrar progreso y estimar costo
SE-053 — Recursión, inducción y razonamiento estructural
Una estructura anidada invita a una función recursiva, pero semejanza sintáctica no demuestra corrección ni terminación. La clase identifica caso base, reducción y medida que decrece; relaciona inducción con la forma del dato y compara pila implícita con una estructura iterativa explícita.
El estudiante recorre el árbol de hipótesis del modelo de decisión diagnóstica, conserva visitados cuando aparecen ciclos y justifica la propiedad por tamaño o estructura. La traza revela progreso y profundidad. SE-054 generaliza ese razonamiento a algoritmos con estados e invariantes de bucle.
SE-054 — Algoritmos, corrección y terminación
Un procedimiento termina y puede estar equivocado; también puede preservar una propiedad y no avanzar. La clase separa corrección parcial de terminación, formula invariantes de bucle y variantes decrecientes, y exige especificar comportamiento para entradas inválidas y resultados incompletos.
El modelo de decisión diagnóstica recibe un algoritmo que selecciona la próxima prueba. El estudiante argumenta inicialización, preservación y salida, y construye un caso donde una estrategia ingenua cicla. Saber que termina no dice si será utilizable con miles de hipótesis; SE-055 estudia crecimiento temporal y espacial.
SE-055 — Complejidad temporal y espacial
La clase explica costo por operación dominante y tamaño relevante, distingue cotas asintóticas de tiempos medidos y recuerda que ocultar memoria auxiliar puede trasladar el problema. Mejor O asintótico no gana siempre: constantes, distribución y tamaño real forman parte de la decisión.
El estudiante cuenta expansiones del modelo de decisión diagnóstica en grafos dispersos y densos, estima tiempo y memoria y comprueba tendencias sin atribuirlas a una máquina universal. Cuando el costo exacto excede el presupuesto, SE-056 introduce heurísticas y aproximaciones con una declaración honesta de calidad.
SE-056 — Heurísticas, aproximación y límites computacionales
Una heurística orienta búsqueda pero no promete óptimo; un algoritmo de aproximación puede ofrecer una cota bajo condiciones precisas. La clase evita llamar «inteligente» a una regla sin comparar y muestra que el límite puede venir del problema, de los datos o del presupuesto disponible.
El modelo de decisión diagnóstica prioriza hipótesis por costo, poder discriminante y riesgo. El estudiante compara la decisión con una referencia pequeña donde el óptimo sí es calculable y declara cuándo la garantía desaparece. SE-057 necesita representar cómo cambian hipótesis y pruebas a lo largo del tiempo.
Bloque 3 — Modelar cambio y diagnosticar sistemáticamente
SE-057 — Modelado de estado, transiciones y eventos
Estado resume información relevante; evento informa que algo ocurrió; transición cambia el estado si se cumple una guarda. La clase separa esos papeles y detecta estados inalcanzables, transiciones ambiguas y eventos duplicados. Un diagrama legible no prueba que el modelo cubra concurrencia o pérdida.
El estudiante modela el ciclo de una hipótesis en el modelo de decisión diagnóstica —propuesta, comprobada, descartada o inconclusa— y ensaya secuencias normales y fuera de orden. Ese historial permite que SE-058 organice la investigación por predicciones y primera divergencia.
SE-058 — Resolución sistemática y registro de hipótesis
Probar comandos hasta que el síntoma desaparezca produce una reparación sin explicación. La clase construye hipótesis rivales, predicciones discriminantes, costo de prueba y criterio de abandono; compara recorridos y busca el primer punto donde lo esperado y lo observado dejan de coincidir.
El modelo de decisión diagnóstica conserva hechos, interpretaciones, alternativas y próxima prueba. El estudiante debe poder explicar por qué una observación aumenta o reduce plausibilidad sin convertir ausencia de evidencia en refutación. SE-059 aplica todo el marco a una solicitud que aún no viene limpia ni formalizada.
SE-059 — Taller: descomponer un problema ambiguo
El taller entrega síntomas contradictorios, intereses distintos y datos incompletos. Antes de diseñar un algoritmo, el estudiante negocia vocabulario, resultado, frontera, restricciones y preguntas abiertas. Luego propone representaciones rivales y busca un contraejemplo que revele qué información perdería cada una.
La entrega incluye mapa del problema, reglas, invariantes, estados, estrategia y plan de validación, con decisiones pendientes claramente marcadas. Una revisión adversarial intenta encontrar ambigüedad o no terminación. SE-060 convierte esa investigación en una especificación implementable y verificable.
SE-060 — Proyecto: especificación y solución contrastable
El proyecto final define el modelo de decisión diagnóstica sin depender de la explicación oral de quien lo diseñó. La especificación cubre entradas, salidas, errores, propiedades, algoritmo, presupuesto y límites; cada ejemplo se vincula a una regla y cada regla a una prueba o argumento.
La aceptación compara implementación de referencia o pseudocódigo ejecutable con casos normales, límite y adversariales. Se declara qué se demostró, qué solo se midió y qué permanece supuesto. Esa especificación será la materia que la Parte 5 transforme en un programa modular, probado y mantenible.
Resumen operativo del recorrido
| Clase | Núcleo | Aporte acumulativo al modelo de decisión diagnóstica |
|---|---|---|
| SE-049 | Descomposición, abstracción y reconocimiento de patrones | Separa el problema en resultados y contratos |
| SE-050 | Lógica proposicional, predicados e inferencia | Hace explícitas premisas e inferencias |
| SE-051 | Conjuntos, relaciones, funciones y grafos | Elige estructuras para pertenencia, relación y camino |
| SE-052 | Invariantes, precondiciones y poscondiciones | Protege propiedades antes, durante y después |
| SE-053 | Recursión, inducción y razonamiento estructural | Razona sobre repetición estructural |
| SE-054 | Algoritmos, corrección y terminación | Demuestra resultado y terminación |
| SE-055 | Complejidad temporal y espacial | Predice crecimiento de recursos |
| SE-056 | Heurísticas, aproximación y límites computacionales | Declara calidad cuando no puede optimizar |
| SE-057 | Modelado de estado, transiciones y eventos | Modela eventos, guardas y progreso |
| SE-058 | Resolución sistemática y registro de hipótesis | Ordena hipótesis y pruebas |
| SE-059 | Taller: descomponer un problema ambiguo | Reduce una petición ambigua |
| SE-060 | Proyecto: especificación y solución contrastable | Entrega una especificación contrastable |
Hilo pedagógico
Las clases 49 a 51 enseñan a recortar y representar; 52 a 54 establecen contratos y argumentos; 55 y 56 introducen recursos y límites; 57 y 58 convierten la solución en un proceso observable. El taller 59 reabre el problema frente a ambigüedad humana. El proyecto 60 integra todo en una especificación que alimentará la implementación de la Parte 5.
Evidencias acumulativas
- mapa de problema, actores, alcance y exclusiones;
- glosario, proposiciones y estructuras del dominio;
- precondiciones, poscondiciones, invariantes y variante;
- algoritmo con argumento de corrección y análisis de costo;
- máquina de estados y registro de hipótesis;
- matriz requisito–regla–caso–evidencia;
- paquete
problem.md,model.mdychecks.mdrevisado por otra persona.
Laboratorio ejecutable común
Las doce clases comparten la especificación y solución contrastable. El fixture conserva decisión, hipótesis, outcomes, autorización, presupuesto y observaciones; trece pruebas hacen visibles contradicciones, contratos, ciclos, transiciones imposibles y límites de la heurística. El laboratorio no reemplaza una demostración general: obliga a separar propiedades demostradas, casos ejecutados, crecimiento analizado y supuestos del dominio.
Criterios de aprobación del proyecto
- el problema incluye decisión, actor, resultado y restricciones;
- toda notación tiene interpretación y cambia una comprobación;
- la solución conserva autorización, trazabilidad y presupuesto;
- corrección, terminación y complejidad declaran dominio y supuestos;
- heurísticas no se presentan como óptimas sin garantía;
- casos cubren normal, límite, inválido, contradicción y recuperación;
- preguntas abiertas y efectos sobre personas permanecen visibles.
Preguntas de control
¿Qué detalle se omitió al abstraer?, ¿la conclusión se sigue?, ¿la estructura representa uno-a-muchos?, ¿qué se mantiene verdadero?, ¿qué disminuye?, ¿qué tamaño domina?, ¿qué garantía real tiene la heurística?, ¿qué evento tardío falta?, ¿qué evidencia cambiaría la hipótesis?
Fuentes base
- MIT Mathematics for Computer Science
- MIT Introduction to Algorithms
- MIT Theory of Computation
- SWEBOK Guide v4.0a
Estas fuentes sostienen los conceptos, no certifican una especificación concreta. El modelo de decisión diagnóstica se aprueba por la coherencia entre problema, modelo, solución y evidencia.