FENOMENOS DIGITAIS E

PENSAMENTO COMPUTACIONAL
 SUMÁRIO

INTRODUÇÃO ............................................................................................................ 4

1 CONCEITO DE TECNOLOGIA .............................................................................. 5

1.1 Desenvolvimento Histórico da Tecnologia ........................................................ 5

1.2 Revoluções Industriais ...................................................................................... 6

1.3 Tecnologia como Área do Conhecimento Humano .......................................... 7

1.4 O Uso da Tecnologia Digital na Educação ....................................................... 8

2 AS CARACTERÍSTICAS DA CULTURA DIGITAL .............................................. 10

2.1 As Três Leis da Cibercultura........................................................................... 11

2.2 A Cultura Digital e a Educação ....................................................................... 13

2.3 Os Desafios da Cultura Digital em Sala de Aula ............................................. 16

3 TECNOLOGIAS DIGITAIS E A EDUCAÇÃO DO SÉCulo xxi ............................. 17

3.1 Realidade Aumentada e Educação ................................................................ 20

3.2 Realidade Virtual e Educação ......................................................................... 22

4 PENSAMENTO COMPUTACIONAL: DEFINIÇÃO E CONCEITOS..................... 24

4.1 Aplicação do Processamento Computacional................................................. 28

4.2 Limitações do Pensamento Computacional .................................................... 31

5 ORIGENS DA CIÊNCIA DA COMPUTAÇÃO....................................................... 33

5.1 Computação Pervasiva e o Universo Computacional ..................................... 37

6 PENSAMENTO COMPUTACIONAL EM CONTEXTO ESCOLAR BRASILEIRO 39

6.1 Oportunidades e desafios ............................................................................... 42

6.1.1 Currículo Escolar .............................................................................................. 42

6.1.2 Formação de professores ................................................................................. 43
6.1.3 Os processos de ensinar e aprender ................................................................ 43
6.1.4 Aprendizagem de Computação......................................................................... 44
7 LÓGICA E PENSAMENTO COMPUTACIONAL .................................................. 45
2
7.1 Evolução da lógica computacional .................................................................. 46

7.2 A Lógica e a Resolução de Problemas ........................................................... 47

7.3 Método Indutivo .............................................................................................. 47

7.4 Método Dedutivo ............................................................................................. 47

7.5 Pensamento Algorítmico ................................................................................. 48

7.6 Exemplificando um algorítmico em linguagem natural .................................... 49

7.7 Dificuldades Recorrentes com Lógica e Algoritmos ........................................ 51

7.8 Necessidade de clareza e meticulosidade ...................................................... 51

8 CONCEITO DE PROBLEMA E RESOLUÇÕES SISTEMÁTICAS ....................... 51

8.1 Definição de um problema e heurísticas ......................................................... 54

8.2 Decomposição ................................................................................................ 56

8.3 Papel do pensamento computacional na resolução de problemas ................. 56

9 REFERENCIAS BIBLIOGRÁFICAS ..................................................................... 59

3
 INTRODUÇÃO
Prezado aluno!

O Grupo Educacional FAVENI, esclarece que o material virtual é semelhante

ao da sala de aula presencial. Em uma sala de aula, é raro – quase improvável - um
aluno se levantar, interromper a exposição, dirigir-se ao professor e fazer uma
pergunta, para que seja esclarecida uma dúvida sobre o tema tratado. O comum é
que esse aluno faça a pergunta em voz alta para todos ouvirem e todos ouvirão a
resposta. No espaço virtual, é a mesma coisa. Não hesite em perguntar, as perguntas
poderão ser direcionadas ao protocolo de atendimento que serão respondidas em
tempo hábil.
Os cursos à distância exigem do aluno tempo e organização. No caso da nossa
disciplina é preciso ter um horário destinado à leitura do texto base e à execução das
avaliações propostas. A vantagem é que poderá reservar o dia da semana e a hora
que lhe convier para isso.
A organização é o quesito indispensável, porque há uma sequência a ser
seguida e prazos definidos para as atividades.

Bons estudos!

4
1 CONCEITO DE TECNOLOGIA

Ao abordar o tema da tecnologia comumente se pensa em avanços

tecnológicos, tal qual computadores potentes, robôs humanoides, carros autônomos,
entre outros, no entanto, o conceito de tecnologia é muito mais amplo do que, por
exemplo, utilizado em sistemas computacionais. Tecnologia é uma palavra de origem
grega e significa técnica, de techne, e estudo ou discussão, de logia. De acordo com
o dicionário online Michaelis, a tecnologia trata de processos, métodos, técnicas e
ferramentas relacionadas à arte, indústria, educação, conhecimento técnico e
científico e suas aplicações em um determinado campo, entre outros (KARASINSKI,
2013; TECNOLOGIA, 2019).
Assim, pode-se concluir que a tecnologia é o uso de técnicas e conhecimentos
adquiridos pelos seres humanos ao longo do tempo para facilitar ou melhorar o
aprendizado e o trabalho artístico, para resolver problemas ou para realizar
determinadas atividades. Pode ser aplicada a várias tarefas e atividades, inclusive
aquelas em que as pessoas não entendem de tecnologia, como as tecnologias
desenvolvidas em tempos pré-históricos que garantem a sobrevivência humana.
1.1 Desenvolvimento Histórico da Tecnologia
O ser humano se utiliza de tecnologia desde os tempos mais remotos,
desde quando as civilizações antigas lograram excito ao dominar o fogo, produzir suas
ferramentas para caça e defesa com intuito de sobrevivência e facilitação do trabalho,
melhorando sua qualidade de vida. De acordo com Pinsky (2011), uma das primeiras
técnicas desenvolvidas pelo ser humano foi lascar pedras batendo uma na outra para
afiá-las e com elas poder caçar e manusear alimentos, e assim criou-se a ponta de
lanças conforme Figura 1.

Figura 1 – Pedra lascada na forma de ponta de lança

Fonte: https://bityli.com/fq730

5
 Lascar pedras, de acordo com os historiadores, é uma técnica que passou a
ser utilizada no período Paleolítico, essa técnica era trabalhosa e demorada, e a partir
dela descobriu-se o fogo, considerado umas das tecnologias mais importantes para a
evolução da humanidade, pois a partir do fogo foi possível cozinhar alimentos e
alimentar o grupo, o que proporcionou maior sobrevivência e avanço demográfico.
O final da era Paleolítica e início da era Neolítica foi marcado pela revolução
neolítica, quando grupos começaram a se estabelecer em um lugar para dominar a
terra e a agricultura, e começaram a usar a metalurgia para desenvolver ligas fundidas
com cobre e estanho, para fazer ferramentas e implementos. A partir do controle
dessas tecnologias, os riscos associados à caça e ao deslocamento de um local para
outro foram reduzidos (PINSKY, 2011).

1.2 Revoluções Industriais

A primeira Revolução Industrial é caracterizada por mudanças no modo de

interação entre a sociedade e a natureza, além da criação de novas formas de
produzir. Ela se inicia na Inglaterra, meados do século XVIII, tendo como símbolo mais
proeminente de evolução a indústria têxtil e a máquina a vapor. A implantação dessas
máquinas teve um grande impacto econômico na sociedade, como resultado dessa
revolução, as cidades cresceram rapidamente, novas profissões começaram a
aparecer e processos mecanizados começaram a ser usados no campo para melhorar
e acelerar a produção. As primeiras ferrovias foram criadas para transportar pessoas
e mercadorias com mais eficiência de um lugar para outro, e também, durante este
período, o uso da agricultura e extração mineral aumentou (BRANCO, [s.d.]).
Na segunda revolução industrial, o desenvolvimento tecnológico se
caracterizou pelo surgimento de novas indústrias e pelo crescimento de sua
capacidade produtiva - ou seja, atingiram-se novos patamares de industrialização. O
petróleo e a eletricidade tomaram o espaço do ferro, da energia a vapor e do carvão,
que criaram a possibilidade de automatização do trabalho, conforme mostra a Figura
2. Nasceram as indústrias elétrica e química e desenvolveram-se as tecnologias
siderúrgicas.

6
 Figura 2 – Automatização dos Processos Industriais para Aumentar a
Produção

Fonte: https://www.sohistoria.com.br/resumos/revolucaoindustrial_clip_image001.jpg

Ao final da segunda guerra mundial, nasceu a terceira revolução industrial,

também conhecida como revolução tecnocientífica, cuja principal característica foi o
surgimento da eletrônica como centro da modernização industrial. Os primeiros
computadores, produtos eletrônicos, satélites e robôs surgiram como resultado de
anos de investimento em pesquisas científicas, estudos e testes, além de produtos de
alto valor agregado. Dessa maneira, o valor do produto superou o valor da matéria-
prima (BRANCO, s.d.).

1.3 Tecnologia como Área do Conhecimento Humano

A Portaria nº 9 de 23 de janeiro de 2008, da Coordenação de Desenvolvimento
Pessoal das Instituições de Ensino Superior (CAPES), estabeleceu um grande campo
multidisciplinar, que inclui, entre outras coisas, o campo Interdisciplinar e que por sua
vez inclui, para além dos departamentos, o campo das Engenharias, tecnologia e
gestão, agricultura, meio ambiente, saúde e biologia.

Em outras palavras, a tecnologia é considerada um campo multidisciplinar, o que

significa que possui aspectos comuns a duas ou mais disciplinas ou áreas do
conhecimento. Assim pode-se concluir que independente da área do conhecimento,
7
com o auxílio da tecnologia é possível alcançar melhores resultados e alcançar o
sucesso almejado, o que afeta significativamente o processo educacional.
A chamada Indústria 4.0 e seus avanços tecnológicos, provocaram também
avanços na educação, onde surge o termo Educação 4.0 que, segundo Caron (2017),
provoca a reflexão sobre as demandas educacionais das novas gerações, em um
contexto onde as informações e conteúdo são abundantes, fartos e se unem para
agilizar os processos dos mais variados seguimentos.
Podemos observar na Figura 4 o que se apresenta como novo modelo de
educação onde os estudantes, de forma independente, os estudantes praticam em
sala de aula os conceitos estudados anteriormente. Dessa maneira, a sala de aula
invertida, como parte do conhecimento dos alunos, deve incluir a tecnologia, ao passo
que ela é um item presente na vida dos mesmos.

Figura 4 – Como Funciona a Sala de Aula Invertida

Fonte: https://bityli.com/Z08ov

1.4 O Uso da Tecnologia Digital na Educação

Desafiadora é a tarefa de educar estudantes “nativos digitais”, ou seja, aqueles
que já nasceram na era da tecnologia, pois eles não têm a internet como algo inovador
e revolucionário. Para esse grupo de estudantes, a internet faz parte do seu cotidiano
desde sempre, e dessa maneira, eles já sabem, desde muito novos, usar os gadgets,
8
interagir em redes sociais, acessar conteúdos de streaming, jogos, compartilhar
informações, entre outros (CASTELLS, 1999).
No entanto, é importante compreender que saber manejar as ferramentas para
acesso à internet não significa, necessariamente, saber diferenciar os limites do real
e do virtual, e determinar essa diferença é também bastante desafiador, pois o uso da
tecnologia promove diversas possibilidades e oportunidades.
Nesse sentido, é importante se questionar quais são as metodologias que
podem ser utilizadas por professores para o ensino contextualizado na era digital,
como realizar as configurações para as salas de aula, como as práticas pedagógicas
são afetadas por essas mudanças, como preparar os alunos para esse novo mundo
que se apresenta, entre outras indagações. A tecnologia faz parte do processo de
aprendizagem, e embora ela desempenhe um importante papel na mudança dos
processos de ensino, é também uma ferramenta para o professor e a escola
recolherem e socializarem conhecimentos (CARON, 2017).
No início da educação digital, a maior mudança foi a inserção dos
computadores nas salas de aula e, por várias vezes, o professor não estava
totalmente familiarizado com a máquina e partia do pressuposto que a turma por si só
iria interagir com o dispositivo criando textos, gráficos e slides. Hoje o cenário mudou,
e algumas escolas utilizam a lousa digital, uma ferramenta para apresentação de
conteúdo, totalmente interativa, dessa forma, os alunos já não precisam mais copiar.
No entanto, a realidade da escola pública não conta ainda com tal tecnologia
de ponta, mas de alguma forma ela se faz presente, pois é comum o professor a frente
da sala ser indagado pelo aluno se ele poderia tirar foto da lousa utilizando o seu
smartphone. Apesar das barreiras sócio-econômicas, as possibilidades a partir das
ferramentas tecnológicas para a educação são muitas, como por exemplo a utilização
de óculos virtuais que transportam os alunos para uma realidade virtual onde ele pode
visitar lugares e aprender mais sobre geografia e história.
Nesse sentido, estudiosos da pedagogia já afirmam que o ensino baseado na
divisão por disciplinas irá sumir em alguns anos, pois os espaços para aprendizagem,
as salas de aulas, podem ser constituídas por grupos diferentes que se reúnem para
aprender e também em espaços para além das paredes da escola. E esses grupos
serão caracterizados pela multidisciplinaridade. Esse tipo de ensino não está distante,
ao redor do mundo está já sendo aplicado (KARASINSKI, 2013).

9
 Resumindo, o professor deve considerar uma ferramenta de ensino
aprendizagem como benéfica e facilitadora, de modo que a utilize para preparar
atividades que estimulem e agucem a curiosidade dos alunos. Esses por sua vez,
devem fazer uma busca ativa pelo conhecimento através de pesquisas guiadas,
produção de vídeos e textos, fóruns de debate e até contato com estudantes de outras
regiões e até de outros países.
Contudo, a figura do docente não está descartada, é necessário que os alunos
passem por uma educação digital, então o professor fica a cargo da seleção dos
conteúdos que serviram de base para essas pesquisas, apresentação de banco de
dados, entre outros. A partir dessa orientação os alunos podem aprender a utilizar
essa ferramenta de forma positiva e proveitosa.
É necessária também a compreensão de que para se desenvolver um bom
trabalho de educação digital não primordial que tenhamos em mãos os aparelhos mais
modernos e com maiores quantidades de recursos, pois faz parte da educação digital
saber fazer um bom uso também dos recursos mais simples.
Qualquer pessoa que tenha acesso a internet através de algum tipo de
aparelho, tem ao seu alcance uma quantidade infinita de informações, cabe ao
docente planejar e organizar os conteúdos que serão acessados para que ele possa
orientar, estimular e conduzir a aprendizagem (ORTEGA, 2019).

2 AS CARACTERÍSTICAS DA CULTURA DIGITAL

A cultura digital é uma nova cultura que surge a partir da digitalização das
tecnologias analógicas, com o uso do microcomputador, além do desenvolvimento da
cibernética, linguagens de programação, e ainda recebe influências de fatores sociais,
políticos, econômicos, etc. Para compreender melhor as características da
cibercultura, usaremos o teórico Lévy (1999), que utiliza termos como ciberespaço e
cibercultura, que surgem no cenário digital. Segundo o autor:

[…] ciberespaço é o novo meio de comunicação que surge da

interconexão mundial dos computadores. O termo especifica não apenas a
infraestrutura material da comunicação digital, mas também o universo
oceânico de informações que ela abriga, assim como os seres humanos que
navegam e alimentam esse universo. Quanto ao neologismo "cibercultura",
especifica o conjunto de técnicas (materiais e intelectuais), de práticas, de
atitudes, de modos de pensamento e de valores que se desenvolvem
juntamente com o crescimento do ciberespaço (LÉVY, 1999, p. 14).
10
 Assim, ciberespaço e cibercultura estão relacionados, sendo cibercultura no
sentido de Levy (1999) é o termo que ele utiliza para se referir à cultura digital. O
ciberespaço é um espaço aberto de comunicação composto por vários sistemas
eletrônicos de comunicação que transmitem informações de fontes digitais. É uma
mídia que reúne todos os dispositivos para gerar, registrar, comunicar e simular
informações.
A informação neste ambiente tem um caráter virtual é fluido, em tempo real,
interativo, etc. Segundo Lévy (1999), a cultura que emerge desse ambiente, a
cibercultura, expressa o desejo de criar laços sociais. Os laços sociais surgem da
possibilidade de criar comunidades virtuais com interesses comuns e processos
cooperativos abertos. O ambiente da tecnologia digital pode promover o vínculo.
Cerveró (2007) refer-se a cibercultura partindo da reformulação da construção
de conceitos que conhecemos que ainda se relaciona com a escrita e nos conduz à
cultura clássica e humana. Na visão da autora, a cultura digital desestabiliza essa
cultura clássica representando um novo marco na dinâmica sócio-cultural.
Em suma, a cibercultura, ou cultura digital, está amplamente associada ao
surgimento de novas formas de cultura relacionadas ao uso da Internet. Não é apenas
cultura de computador, a cibercultura emerge da interação do ciberespaço com a
cultura (GEERTZ, 2000). Ela conecta significados e modos de agir ou interagir no
ciberespaço. Esta é uma forma diferente da que existia antes da chegada (CERVERÓ,
2007).

2.1 As Três Leis da Cibercultura

Depois de discutir os principais conceitos de cibercultura, passamos às três

principais leis que caracterizam a cultura digital e lhe conferem identidade, na
perspectiva de Lemos (2010). A três leis que nos ajuda a entender a cibercultura de
hoje, são a lei da liberação do polo de emissão, da reconfiguração sociocultural e de
conexão em rede.

• 1ª lei: liberação do polo de emissão — A geração da Web 2.0 permitirá a

liberação do polo de transmissão, permitindo que os destinatários passem a
transmitir suas informações globalmente por meio de múltiplas mídias,
amplificadas pela tecnologia digital e interatividade. Essas são características
11
 importantes que compõem uma cultura digital. A cultura digital é moldada por
produtores e usuários.

Existem muitos exemplos que surgem da lei de liberação do polo emissor. Junto
com as atitudes positivas dos usuários como criadores de conteúdo, existem
argumentos que estão fortemente ligados à redefinição dos direitos de propriedade
intelectual, como a prática de software de código aberto. Adaptando-se ao meio
cultural digital, novas e abertas licenças estão surgindo para o uso, modificação e
distribuição de conteúdo.
A liberação do polo de emissão ainda se refere à comunicação auto-organizada
no nível sociopolítico, independente da mediação dos sistemas tradicionais de mídia.
Vemos aqui princípios de coletividade e colaboração que também estão muito
presentes na cultura digital.

• 2ª lei: princípio de conectividade generalizadas – as leis que

caracterizam a cibercultura concentram-se nos princípios da conectividade em
rede. “[...] É preciso emitir em rede, entrar em conexão com os outros, produzir
sinergias, trocar pedaços de informação, circular, substituir” (LEMOS, 2009, p.
40).

A inteligência coletiva é construída por meio da tecnologia digital baseada em

atitudes colaborativas. As conexões sociais criadas em redes abertas na Internet
favorecem o processo de conexão das mentes individuais. Essa rede de troca só é
possível pela lei da conectividade generalizada, sendo assim, a cibercultura é
moldada por meio de redes interativas de troca e compartilhamento entre indivíduos,
grupos, comunidades, entre outros. Como exemplo podemos citar as redes de Ensino
a Distância que são beneficiadas por esse princípio desenvolvendo um sistema de
aprendizado colaborativo dentro da rede. Dessa maneira, estudantes de todo o mundo
compartilham seus conhecimentos, ideias e interesses.

• 3ª lei: reconfiguração sócio-cultural – a cultura digital, moldada por atitudes

ativas dos usuários como produtores de conteúdo em ambientes colaborativos
e conexões em geral, contribui para mudanças profundas em termos de
práticas e instituições sociais e culturais. A cultura digital reconfigura a grande

12
 indústria cultural e modifica as redes sociais das sociedades industriais
(LEMOS, 2009).

A cultura da tecnologia digital enriqueceu a diversidade cultural do mundo.

Cenários de comunicação em rede opõem-se a modelos massificados de indústria e
comunicação, revelando culturas locais em meio a um global supostamente
homogeneizador. A grande variedade de possibilidades de troca e compartilhamento
de conteúdo amplia o acesso aos mais diversos tipos de obras artísticas, culturais,
etc.

2.2 A Cultura Digital e a Educação

A cultura digital cria um novo cenário de participação social, cultural,

profissional, etc., e é justamente por meio dessas tecnologias que avaliamos o quanto
é possível integrar alguém em uma sociedade da informação completamente nova ou
marginalizá-lo. A educação pode ajudar aqui, pois além do uso de ferramentas digitais,
a principal tarefa das instituições escolares é envolver as pessoas nesse cenário de
participação digital e desenvolver suas habilidades e competências para esse fim.
Portanto, não basta associar a cultura digital à escola sem antes considerar a
necessidade de reestruturar as práticas de letramento.
Conforme nos pontuam Lee e So (2014, p. 138), “[...] as pessoas precisam de
competências e habilidades não tradicionais para lidar com a mudança dos ambientes
sociais e tecnológicos”.
Hoje, em meio a uma cultura digital, ser alfabetizado significa saber ler e
escrever não apenas pelos meios tradicionais, mas também pela tecnologia digital. O
uso educativo e cívico desse cenário digital vai muito além da simples atuação como
consumidor de conteúdo. Observa-se que alunos chegam à escola com habilidades
relacionadas à cultura digital. Desde cedo, a maioria deles sabe como usar
dispositivos móveis, como navegar em mecanismos de pesquisa online, como editar
filmes, fotos e conteúdo de mídia, como jogar e muito mais. No entanto, o principal
desafio da escola não é apenas o acesso a essas tecnologias e a formação técnica,
mas também a formação para o uso crítico e ético das próprias tecnologias.
Quando falamos de alfabetização para a cultura digital, podemos citar o
relatório da Organização das Nações Unidas para a Educação, a Ciência e a Cultura
13
- UNESCO, que une todas as alfabetizações necessárias para o desenvolvimento de
habilidades importantes para o cenário digital. A essa reunião de várias áreas a
Unesco nomeou de “alfabetização midiática e informacional (AMI), conforme Figura 1,
a seguir (WILSON et al., 2013).

Figura 1 – A união de várias áreas de alfabetização para o cenário digital

Fonte: Wilson et al., 2013.

Do ponto de vista organizacional, o cenário de alfabetização ideal para a cultura
digital reúne práticas e saberes de múltiplos domínios. Com a convergência de
tecnologias, não faz mais sentido tratar cada área de forma holística e não
individualmente.
A seguir, no Quadro 1, vamos apresentar as principais habilidades que
consideramos relevantes para o ambiente de cultura digital.

Quadro 1 – Habilidades para o século XXI e para a cultura digital

Habilidade Descrição
A capacidade de experimentar o meio
Jogar digital como uma forma de resolução de
problemas.
A capacidade de adotar identidades
Performance alternativas para fins de improvisação e
descoberta.

14
 A capacidade de interpretar e construir
Simulação
modelos dinâmicso de processos do mundo real.
A capacidade de se apropriar e remixar
Apropriação
conteúdo de mídia de maneira significativa.
A capacidade ou habilidade de executar
e gerenciar simultaneamente duas ou mais
Multitarefa
aplicações ou realizar duas ou mais tarefas
simultâneas.
A capacidade de interagir de forma
Cognição
significativa com ferramentas que expandem
distribuída
capacidades mentais.
A capacidade de reunir conhecimento e
Inteligência
compará-lo com outros em direção a um objetivo
coletiva
comum.
A capacidade de avaliar a confiabilidade
Julgamento e credibilidade de diferentes fontes de
informações.
Navegação A capacidade de acompanhar o fluxo de
transmídia informações através de múltiplas modalidades.
A capacidade de procurar, sintetizar e
Networking
disseminar informações.

A capacidade de se envolver em diversas

comunidades online, discernindo e respeitando
Negociação
múltiplas perspectivas, e seguindo normas
alternativas que visam o respeito mútuo.
Fonte: Adaptado de Jerkins et al., 2016.

Segundo Jenkins e colaboradores (2006), essas são as habilidades

importantes para a promoção da participação na cultura digital, a partir do
desenvolvimento dessas habilidades podemos promover a chamada inclusão social e
digital para os dias de hoje.
Todas essas habilidades incluem as pessoas nos mais diversos ambientes
educacionais, profissionais, sociais e culturais contemporâneos. Tanto o professor
como a escola precisam desenvolver ambientes que beneficiem o desenvolvimento
dessas habilidades. Por isso, é importante salientar que não basta somente incluir
aparelhos tecnológicos nas salas de aula, pois uma escola equipada com
computadores não significa, necessariamente, inclusão digital.
É necessário reformular as práticas de ensino e aprendizagem propícias para
o desenvolvimento dessas habilidades e para garantir a formação adequada para
esse contexto, dentro de um modelo aberto de aprendizagem, com metodologias e
15
abordagens pedagógicas — sala de aula invertida, atividades e avaliações por pares,
gamificação, etc (WILSON et al., 2013).

2.3 Os Desafios da Cultura Digital em Sala de Aula

As demandas advindas do ambiente cultural digital apresentam diversos
desafios em sala de aula tanto para professores quanto para alunos. O primeiro e mais
importante deles é sem dúvida a transformação dos cenários educacionais
tradicionais, substituindo os métodos clássicos por métodos mais abertos e
colaborativos combinados com um ambiente digital. O modelo tradicional de sala de
aula individual, onde o professor é o ponto central, também deve mudar. O ambiente
de ensino e aprendizagem de hoje deve ser coletivo, onde todos colaboram e
aprendem juntos. Dessa forma, criam-se salas de aula e escolas compatíveis com o
ambiente de inteligência coletiva criado pelos cenários digitais (JENKINS et al., 2006).
Essa mudança redistribuirá os papéis de alunos e professores, e os professores
que precisam adotar uma abordagem equilibrada da tecnologia terão muito o que se
preparar. Muitos desses professores que não são da nova geração nascidos na
tecnologia digital tendem a resistir. Essa atitude acaba gerando críticas que afastam
os alunos da escola. Por exemplo, muitos professores preferem proibir o uso de
celulares em sala de aula ao invés de inserir o aparelho como ferramenta pedagógica.
A tecnologia cria tensão para os professores desse segmento em relação à
cultura secular da escola. Muitas pessoas comparam tecnologia antiga e nova e veem
a nova tecnologia como uma "ameaça" real à cultura escolar. Outros educadores, por
outro lado, adotam uma atitude completamente diferente. Eles destacam o uso da
tecnologia digital com muito otimismo, sem apontar deficiências ou criticá-la.
Green e Hannon (2007) referem-se a esta dicotomia, comparando pessoas com
crenças cegas, quais a própria existência da tecnologia já é inovadora e positiva, e
aquelas que são adeptas do pânico moral, que acredita que as tecnologias digitais da
informação e comunicação é uma degeneração que devem ser combatidas.
Outro grande desafio diz respeito às atitudes dos alunos. Apesar de estarem
expostos a um ambiente que exige uma atitude positiva online, muitos não conseguem
fazê-lo na sala de aula devido a um rigoroso modelo de ensino e aprendizagem em
que os professores são sempre o centro do processo. Ainda acho difícil desempenhar
um papel mais ativo papel no processo. Por exemplo, certas incertezas podem ser
observadas em processos de aprendizagem colaborativa em que os alunos precisam
16
trabalhar juntos ou liderar um grupo para alcançar um resultado comum. Construção
do próprio conhecimento.
Desenvolver o senso crítico em um ambiente digital também está se tornando
um desafio. Os estudantes, principalmente as gerações mais jovens, tendem a ser
reféns da tecnologia. Eles são muito bons no uso de telefones celulares, mas carecem
de habilidades para desempenhar um papel importante nesse ambiente. Muitos deles
não sabem selecionar ou avaliar criticamente o conteúdo fragmentado disponível nos
diversos sites da rede e são vítimas de notícias falsas, as notórias fake News
(WILSON et al., 2013).
Os alunos devem não apenas saber filtrar e avaliar os conteúdos que
consomem, mas também aprender a buscar e comparar diferentes fontes de
informação. Tão importante quanto saber a autenticidade do seu conteúdo é saber
tratá-lo com ética, respeitar os direitos autorais e combater o plágio. Dada a facilidade
de acesso e criação de conteúdos, essa é uma situação que precisa ser trabalhada
em sala de aula, e vale ressaltar que o cenário da cultura digital é mais do que apenas
um ambiente de entretenimento.
Isso é especialmente verdadeiro para educadores que lutam para converter
atividades regulares na Internet em atividades educacionais. Por exemplo, os jogos
online são uma fonte de entretenimento, mas também são um meio muito barato de
desenvolver habilidades contemporâneas. Jogos online massivos e mundos virtuais
muito populares entre os jovens são ótimas ferramentas para desenvolver habilidades
como autonomia, liderança, tomada de decisão, colaboração e solução de problemas
necessárias no mercado de trabalho.
Esses são alguns dos desafios que apontamos e consideramos importantes
nas relações entre professores, alunos, sala de aula e cultura digital. Claro, existem
muitos outros e você está convidado ou convidada a pensar em situações-problema
em sala de aula que envolvem a cultura digital, que é dinâmica e propensa a
novidades (LEE e SO, 2014).

3 TECNOLOGIAS DIGITAIS E A EDUCAÇÃO DO SÉCULO XXI

As tecnologias digitais já estão presentes no dia a dia da escola, o que implica

novas possibilidades de inovação nas práticas pedagógicas. No entanto, ainda

17
observamos práticas que valorizam a transmissão de conteúdo e não a autoria, a
criticidade e a autonomia do aluno.
As inquietações são inúmeras e recorrentes na sala de aula atual. Elas estão
relacionadas desde a definição de quais recursos tecnológicos utilizar (e quando
utilizá-los) até as estratégias pedagógicas mais adequadas para uma sala de aula que
possibilite o desenvolvimento de competências voltadas para o século XXI. Dessa
forma é possível perceber que são múltiplos os processos e as interações envolvidos
neste panorama, o que exige uma discussão mais aprofundada sobre a temática
(QUEIROZ, TORI e NASCIMENTO, 2017)
É importante salientar que as tecnologias digitais por si só não são soluções
definitivas para a educação e muito menos irão possibilitar inovações automáticas em
sala de aula. Por vezes, observamos professores utilizando tecnologias mais atuais,
mas replicando estratégias tradicionais de educação, como a repetição de conteúdo.
Nesse sentido, o professor tem papel fundamental neste processo,
transformando-se em um mediador entre o aluno, a tecnologia e o conhecimento.
Portanto, a ideia de professores que primam pela transmissão de conteúdo e deixam
de lado o potencial de desenvolvimento de alunos questionadores, contestadores e
reflexivos não é concebível na atualidade (AKÇAYIR e AKÇAYIR, 2017)
O aluno de hoje possui outro perfil, diferente dos alunos de alguns anos atrás.
Este aluno possui acesso ilimitado a diferentes informações, de forma simultânea,
pelo uso de dispositivos móveis, como smartphones e tablets. Esse novo perfil de
aluno que objetiva as relações sociais instantâneas, a conexão ilimitada com a internet
e o uso de recursos que primam pela mobilidade exige que novas estratégias
pedagógicas e metodologias educacionais sejam adotadas frente às tecnologias
presentes no cotidiano.
Assim, a união entre estratégias pedagógicas e tecnologias digitais pode
propiciar ao aluno do século XXI novas formas de pensar e construir competências
para a vida. Nesse sentido, existem muitas tecnologias digitais que podem apoiar o
processo de ensino e aprendizagem (QUEIROZ, TORI e NASCIMENTO, 2017).
Dentre as mais recentes, podemos citar:

• Realidade aumentada;
• Realidade virtual;
• Robótica;
18
 • Impressão 3D;
• Atividades de gamificação;
• Dinâmicas de STEAM;
• Abordagens de autoria e produção de contaúdos.

No Quadro 1 são apresentadas algumas definições de recursos tecnológicos que

podem ser utilizados em sala de aula.
Quadro 1 – Recursos tecnológicos para a sala de aula
A realidade aumentada, ou augmented reality,
combina os elementos de um ambiente real com
elementos de um ambiente virtual. A principal
Realidade característica dessa tecnologia é a possibilidade de
Aumentada visualização de um ambiente virtual (como, por
exemplo, objetos pequenos em tamanho maior) além
da interação com a realidade do ambiente real.
Também é conhecida como virtualidade aumentada.
A realidade virtual é uma tecnologia de
interface avançada em que o usuário acessa uma
imagem criada com o intuito de gerar ao máximo a
sensação de realidade e para se interagir. No entanto,
Realidade Virtual
devido à utilização de técnicas e equipamentos
computacionais para a ampliação do sentimento de
presença do usuário, a interação é realizada em
tempo real.
Os dispositivos móveis, mais conhecidos
como recursos de tecnologia móvel, são todas as
ferramentas que permitem o uso durante a
movimentação do usuário. Essa possibilidade é
Dispositivos
considerada uma revolução, pois foi facilmente
Móveis
assimilada no cotidiano da população, modificando as
rotinas das pessoas e as formas de tomar decisões.
Os smartphones, notebooks e tablets são exemplos
de dispositivos móveis.

19
 As plataformas digitais de busca são portais
Plataformas
que permitem a localização de sites que produzem
Digitais de Busca
conteúdos, como Google, Bing e outros.
As tecnologias inteligentes de voz são
Tecnologias
recursos tecnológicos que são acionados por
Inteligentes de Voz
comandos de voz do usuário, como a Siri, da Apple.
Os vídeos imersivos são aqueles criados para
gerar uma experiência de realidade virtual. Esses
conteúdos são captados por equipamentos
Vídeos
específicos para essa finalidade ou gerados
Imersivos
digitalmente a partir de softwares de modelagem 3D.
Imagens e vídeos 360 ou projetos 3D podem ser
utilizados em vídeos imersivos.
O QRCode está relacionado ao seu
significado (quick response, código de reposta rápida).
Trata-se de um código de barras bidimensional criado
QRCode
para ser escaneado e convertido em texto (interativo)
como um endereço URL, um número de telefone, uma
imagem ou um link de acesso.
Fonte: Gomes et al., 2016
Assim, dentre os recursos tecnológicos apresentados, a realidade virtual e a
realidade aumentada são duas tecnologias que podem ser usadas tanto em conjunto,
de forma complementar, como separadas, em sala de aula. Ambas possuem
características e possibilidades educacionais infinitas para se utilizar em sala de aula.
Nesse sentido, é importante que os professores conheçam e aprofundem seus
conhecimentos sobre esses recursos, no intuito de transformar suas práticas e, assim,
inovar na educação (QUEIROZ; TORI; NASCIMENTO, 2017).

3.1 Realidade Aumentada e Educação

A realidade aumentada é uma tecnologia muito recente e ainda pouco utilizada
na educação por falta de conhecimento dos recursos necessários para seu uso. É a
combinação de diferentes tecnologias digitais criadas a partir da relação de recursos
da informática com objetos disponíveis no ambiente real. Ela surge na década de 90

20
para o treinamento de pilotos de aeronaves, com o intuito de facilitar a aprendizagem
dos mecanismos das companhias aéreas. A partir destes primeiros usos, sua
aplicação se ampliou e, com as facilidades trazidas pelos recursos de smartphones e
computadores, hoje pode ser usada e desenvolvida por qualquer pessoa (GOMES et
al., 2016).
A tecnologia de realidade aumentada é relativamente simples, pois está
relacionada à sobreposição de objetos virtuais ao mundo real. Assim, os objetos
virtuais parecem coexistir no mesmo espaço e tempo que os objetos do mundo real
(AKÇAYIR; AKÇAYIR, 2017).
Para tanto, é necessário que os objetos reais sejam scaneados e
transformados em objetos virtuais para que, depois, façam parte da realidade
novamente. Assim, para que esse processo ocorra é necessário, na maioria dos
casos, existir marcadores físicos em objetos concretos. O marcador físico pode ser
um QRCode ou um objeto qualquer (livros, mapas, rótulos). Esses marcadores
servem para o reconhecimento da imagem que está inserida no objeto e, após os
dispositivos móveis serem apontados ao marcador, este reconhece e aumenta o
elemento na tela do smartphone/ tablet. Outro formato de realidade aumentada é a
geolocalização, a partir de uma determinada coordenada. Assim, quando o usuário
estiver na coordenada estipulada anteriormente, ele poderá visualizar algum elemento
(objeto, personagem) a partir da tela do seu aparelho.
É a interação do conteúdo virtual com o conteúdo real que possibilita a
realidade aumenta. Neste processo, o usuário pode manipular e controlar a interação
com o/do objeto, seja virtual ou real. Portanto, o sujeito deve, inicialmente, ajustar o
dispositivo móvel (smartphone ou tablet) no aplicativo que possibilita a leitura e a
visualização do objeto físico. Em seguida, o usuário deve manipular e ajusta a posição
física do objeto e do dispositivo móvel para que haja interação entre os dois e, na tela
dos smartphone/tablet, o usuário poderá visualizar os objetos sobrepostos (real com
virtual) (LIANG, 2015). Esse conteúdo virtual pode ser representado por vídeos,
imagens estáticas ou animadas, textos, sons, entre outros.
As possibilidades de aplicação da realidade aumentada são muitas. No entanto,
apesar das inúmeras possibilidades de utilização, Liang (2015) ressalta que existem
poucas iniciativas acadêmicas cujo objetivo tenha sido o desenvolvimento ou o uso
dessa tecnologia em sala de aula. Atualmente, a realidade aumentada pode ser

21
utilizada em todos os níveis de ensino, desde o ensino fundamental até a graduação
e a pós-graduação. É possível utilizar a realidade aumentada como estratégia
pedagógica integrada aos conteúdos trabalhados em sala de aula, como
experimentação e simulação de reações químicas, situações-problema em que se
utilize os QRCodes como mecanismos de possíveis respostas, como jogo em
aplicações virtuais com reais, entre muitas outras opções.
Silva, Reis e Lopes (2018) desenvolveram um aplicativo chamado Adoletras. O
aplicativo tem como objetivo auxiliar no processo de alfabetização de crianças pela
união de cards com letras que, combinados com smartphones, apresentam um objeto
correspondente em 3D na tela do aparelho das crianças. Por se tratar de um tipo de
jogo, é possível desenvolver, pela ludicidade, diferentes competências importantes
para as crianças, além de instigá-las e motivá-las ao aprendizado.
Já outros aplicativos possuem um conteúdo mais amplo e podem ser
adaptados de acordo com a necessidade do aluno e do professor, como é o caso do
Atom Visualizer. Esse aplicativo não precisa de nenhum card ou impressão para ser
utilizado. Nele é possível visualizar, em 3D, os tipos de átomos, como o potássio, o
alumínio etc., em diferentes locais para os quais o dispositivo móvel está apontado.
Cada vez mais, outras iniciativas no uso da realidade aumentada em sala de
aula estão sendo criadas, como um manual musical no qual os alunos podem, ao
apontar a câmera do dispositivo móvel para o livro, visualizar os instrumentos musicais
em 3D e manuseá-los na tela (GOMES et al., 2016).
Existem muitas alternativas de aplicativos de realidade aumentada disponíveis
para a educação e outras que ainda podem ser criadas, como é o caso dos sites de
QR Codes ou de sites especializados em realidade aumentada, como o aplicativo
gratuito Qlone.

3.2 Realidade Virtual e Educação

A tecnologia de realidade virtual está cada vez mais acessível e disponível para
diferentes públicos, esta é uma tecnologia que permite a imersão em outros ambientes
pelo uso de óculos ou outros recursos tecnológicos combinados. Assim, a realidade
virtual pode ser definida como um ambiente real ou simulado no qual o sujeito se sente
pertencente e pode interagir com os objetos ou os personagens representados
(QUEIROZ; TORI; NASCIMENTO, 2017).

22
 A realidade virtual mais comum utiliza óculos que possibilitam a movimentação
em um espaço tridimensional a partir do comando de voz, da movimentação de
braços, pernas, cabeça, etc. Assim, ao utilizar os óculos, a tecnologia detecta os
movimentos do corpo, por um dispositivo de captura, e os integra ao ambiente virtual
que replica os mesmos movimentos do mundo presencial (SILVA; REIS; LOPES,
2018).
A realidade virtual está sendo utilizada para diferentes finalidades, inclusive
para tratamentos de saúde, como o treinamento de habilidades cirúrgicas. O estudo
de Silva, Reis e Lopes (2018), utilizou esse tipo de tecnologia para aprimorar o
equilíbrio a partir da experimentação de diferentes barreiras em um ambiente imersivo.
Outra possibilidade do uso da realidade virtual é para a aprendizagem de LIBRAS
(Língua Brasileira de Sinais). Nesse tipo de tecnologia, a pessoa com deficiência
poderá aprender ou aprimorar a linguagem pelo uso de um jogo que utiliza recursos
imersivos de realidade virtual.
O uso de realidade virtual na educação é antigo, em 1965, Sutherland (1965)
propôs o uso de abstrações para ensinar matemática aos seus alunos, apesar de o
autor não utilizar tecnologias digitais para este desenvolvimento na época, é possível
perceber o interesse em se criar estratégias que possibilitassem a visualização de
elementos abstratos.
A realidade virtual é uma das tendências na educação que permite que o aluno
tenha acesso a situações e simulações não encontradas no dia a dia do ambiente
escolar, como aquelas que são economicamente mais caras para serem vivenciadas:
visitas a museus ou a manipulação de objetos químicos, por exemplo. O sentimento
de estar presente em determinado contexto, sem a necessidade de sair de sua real
localização, permite que o aluno experimente e interaja com objetos além da sala de
aula, abrangendo um número maior de possibilidades educacionais para a construção
do conhecimento (Figura 1).

Figura 1 – Realidade virtual e suas possibilidades na educação.

23
 Fonte: Adaptada de Halfpoint/Shuttersyock.com e Queiroz, Tori e Nascimento (2017)
Hoje em dia, é cada vez maior o número de universidades e escolas que estão
desenvolvendo projetos que incluem a realidade virtual como estratégia pedagógica.
Uma de suas possibilidades é desenvolver com os alunos ações que possibilitem que
ele construa seus próprios materiais de realidade aumentada ou realidade virtual.
Assim, o desenvolvimento da autonomia e do senso de autoria é outra alternativa para
enriquecer o processo de ensino e aprendizagem dos alunos, principalmente se
articulado com alguma tecnologia digital.
As possibilidades são inúmeras: cabe ao professor selecionar, analisar, refletir
e compartilhar experiências no uso das realidades aumentadas e das realidades
virtuais em sala de aula, no intuito de desenvolver práticas motivadoras e inovadoras.

4 PENSAMENTO COMPUTACIONAL: DEFINIÇÃO E CONCEITOS

As primeiras ideias sobre o pensamento computacional geralmente estão

relacionadas ao poder de processamento dos computadores e como eles são usados,
mas o pensamento computacional é sobre projetar soluções e usar a tecnologia para
resolver problemas de computador de outras maneiras. Ele pode ser definido como

24
uma estratégia baseada no uso da tecnologia para solucionar problemas. Na
realidade, o pensamento computacional descreve como executar tarefas com mais
eficiência sem usar os recursos associados à programação de computadores e à
ciência da computação (WING, 2014 apud BEECHER, 2019).
Múltiplos métodos e modelos computacionais podem ser usados para resolver
problemas de vários níveis de complexidade, projetar sistemas que não podem ser
executados por humanos e derivar inteligência de cada componente envolvido no
processo. O pensamento computacional pode, portanto, ser definido como a
habilidade básica que todos possuímos para realizar todas as tarefas: a atividade
mental de abstrair problemas e formular soluções que possam ser automatizadas
(WING, 2014 apud BEECHER, 2019).
Um conceito-chave para explicar o pensamento computacional é a capacidade
de abstrair problemas e formular soluções automaticamente. Além disso, geralmente
são aplicadas algumas técnicas e ferramentas que permitem resultados favoráveis do
ponto de vista humano. O pensamento computacional também pode ser definido com
base em três etapas:

1. Formulação de um problema, também chamada de fase de abstração;

2. Uma representação da solução aplicada, também chamada de fase de
automação;
3. Realização da solução e uma avaliação, definido como fase de análise.

Cada estágio representa como as tarefas são combinadas originando o

pensamento computacional, e por consequência, facilita a execução de diversas
tarefas, desde os problemas mais simples aos mais complexos.
O pensamento computacional não deve ser visto como um recurso usado
apenas por cientistas da computação. O pensamento computacional abrange,
portanto, múltiplas tarefas relacionadas não apenas à solução de problemas e ao
projeto de sistemas, mas também à capacidade de extrair conceitos fundamentais da
ciência da computação e compreender o comportamento humano. Há ainda algumas
outras considerações que podem ser apontadas sobre o conceito de pensamento
computacional (BEECHER, 2019):

• Compreensão da forma de como as informações são utilizadas em um

determinado contexto para a solução de um problema complexo;
25
 • Reformulação de um problema complicado par algo que seja mais simples de
solucionar;
• Capacidade de julgamento de um programa por sua estética e um sistema
simples.

De acordo com Beecher (2019), para que as fases supracitadas se realizem, o

pensamento computacional deve conter algumas características que descrevem seu
funcionamento conforme a seguir.
Decomposição
Esse processo divide um problema em partes menores que são mais fáceis de
resolver e gerenciar. Dessa forma, a análise de cada parte do problema é realizada
separadamente e as soluções encontradas são reconstruídas para formar a solução
final do problema inicial. Possibilita resolver problemas complexos de forma mais
simples e projetar sistemas de grande porte sem que as ações necessárias se tornem
um gargalo para o processamento computacional.
Reconhecimento de padrões
Padrões é qualquer recurso que causa problemas semelhantes entre si,
características iguais que são compartilhadas. Reconhecê-los simplifica a resolução
de problemas, construindo uma base de soluções possíveis para cada cenário
identificado, tornando o processo mais gerenciável.
Representação de dados/abstração
Consiste em criar mecanismos que nos permitam filtrar classificações de
dados, isolando apenas os elementos essenciais de um determinado problema e
ignorando detalhes irrelevantes. Permite que seja criado uma expressão, uma ideia
do que está tentando resolver. Esse processo é a base para selecionar os detalhes a
serem ignorados. Isso facilita a compreensão do problema sem perder informações
importantes. Porque se essa informação não existir, o raciocínio pode ser quebrado.
Esse processo é bastante importante, e utilizado em diferentes momentos como:

• Iterações da escrita do algoritmo;

• Na seleção de dados;
• Na realização de uma pergunta;
• Da relação entre indivíduo e robô;
• Da organização dos módulos de um sistema.

26
 A fase de abstração envolve também as seguintes características (RIBEIRO;
FOSS; CAVALHEIRO, 2017).

• Dados: Uma parte da abstração que permite descrever as informações, como

dados de entrada e de saída, que são necessárias para resolver um problema.
• Processo: Permite a definição de algoritmos que descrevem a solução de um
problema, a abstração deve ser suficiente para o entendimento do leitor.
• Tecnologia de construção de algoritmos: oferece maneiras mais fáceis de
resolver problemas complexos e representa o nível de pensamento
computacional.

O pensamento computacional pode ser utilizado em diferentes contextos. Uma

máquina pode ser muito mais rápida e eficiente do que um ser humano ao realizar
uma tarefa, apesar disso, pode-se destrinchar um problema em partes utilizando-se
da representação de dados para determinação das variáveis envolvidas, ou ainda,
criar um algoritmo para identificar um problema específico e solucioná-lo. Ambas as
formas de aplicar o pensamento computacional levam a soluções gerais que são úteis
em muitos casos, generalização ou abstração (RIBEIRO; FOSS; CAVALHEIRO,
2017).
Denning e Tedre (2019) salientam que os humanos dão apenas um passo,
enquanto os computadores podem se mover mais de um trilhão de vezes no mesmo
período de tempo. No entanto, para compreender mais profundamente o conceito de
pensamento computacional, é preciso levar em consideração que os computadores
realizam operações que seguem instruções de operações lógicas e aritméticas. Da
mesma foram os humanos são capazes de fazê-lo, embora muito mais lentos e com
maior possibilidade de erros em relação às máquinas. Essa diferença defino a base
do pensamento computacional.
Os computadores podem executar várias tarefas ao mesmo tempo, portanto,
os programas são a ponte para todas as comunicações. A comunicação é feita pela
aplicação de algoritmos que são codificados em uma linguagem especial e traduzidos
em instruções de máquina que controlam o computador. Os humanos também podem
simular esse tipo de processo e interpretar informações, realizando as mesmas tarefas
com base nos recursos utilizados na computação (DENNING e TEDRE, 2019).

27
 Definindo o pensamento computacional, não é exagero dizer que o conceito
está fortemente associado a áreas afins, como ciência da computação e programação,
e a atividades que envolvem tomada de decisão, resolução de problemas e
criatividade. Todos os processos estabelecidos pelo pensamento computacional usam
recursos computacionais, ou pelo menos métodos que se assemelham a processos
técnicos, para apoiar a execução de tarefas (BRACKMANN, 2017).
Compreender os limites da computação nos ajuda a entender como a
criatividade e a habilidade humana podem ser usadas para resolver problemas e usar
a tecnologia de computação como uma ferramenta dedicada para resolver problemas.
Claramente, projetar um programa ou máquina que faça tantas coisas em tão pouco
tempo é uma tarefa que exige que as pessoas passem mais tempo pensando, o que
acaba sendo um grande desafio (BRACKMANN, 2017).
4.1 Aplicação do Processamento Computacional
A aplicação principal para o processamento computacional se relaciona com
qualquer contexto que seja necessário criar uma solução para um problema e que
como intermediador dessa resolução esteja um computador desempenhando este
papel. Desse modo, é importante recordar que o processamento computacional está
ligado também a outros seguimentos como matemática, por exemplo, além da
computação em si (DENNING e TEDRE, 2019).
Atualmente, o pensamento computacional é muito aplicável na área do Direto,
sendo um recurso que fornece assistência para os agentes da lei. Para possibilitar
esse cenário, é aplicado um conjunto de regras lógicas de modo a automatizar os
processos de obtenção de informação, reduzindo a atuação humana. Beecher (2017)
afirma que essa ação, amplia a expectativa dos resultados obtidos, em
desenvolvimento de pesquisas como a investigação de Joseph Bell Center que
pretendeu construir um sistema que colaborasse com a elaboração de hipóteses para
elucidar as evidências da cena de um crime.
Para a educação, o pensamento computacional aplicado gera grande impacto
e transformação, exprimindo um meio de divulgar informações, produzir
conhecimentos e solucionar obstáculos através de processos que amparem as
decisões que precisam ser tomadas, produzindo assim, resultados mais eficientes.
Isso se dá pelo fato de que a criatividade é permanentemente desenvolvida, o que

28
aprimora o raciocínio em relação a forma como os problemas podem ser solucionados
(SCHLOGL et al., 2017).
Alguns países como os Estados Unidos, Reino Unido, Israel, Alemanha,
Dinamarca, entre outros, acataram estratégias de adicionar o pensamento
computacional à educação básica. As definições que orientam essas estratégias são
parecidas, no entanto, cada um produz as adaptações de acordo com o seu principal
objetivo, utilizando-se de ferramentas específicas, técnicas de programação e
princípios computacionais aplicados à cada disciplina (SCHLOGL et al., 2017).
A cultura digital e a tecnologia suportam o pensamento computacional através
de vários meios de comunicação, tecnologia e recursos. Isso permite que os alunos
se aprofundem no conteúdo e, consequentemente, desenvolvam melhor as
habilidades esperadas.
Verifica-se, portanto, que a educação assimila o pensamento computacional
como um recurso de grande importância para a didática e aprendizagem, orientando
sobre a aplicabilidade dos princípios da computação. Apesar da minha forte
associação com a ciência da computação, é uma habilidade cotidiana. Nesse caso, o
objetivo final não é ensinar a todos como pensar como um cientista da computação,
mas sim aplicar esses elementos comuns para resolver problemas e criar novos
problemas a serem explorados dentro e entre as disciplinas. Trata-se de ensiná-lo a
identificar problemas (BEECHER, 2017).
Dessa maneira, o pensamento computacional na educação configura um
processo de obtenção de conhecimento com base no pensamento, experiências,
representação e memória. O desenvolvimento cognitivo se relaciona às melhorias das
capacidades de raciocínio e para tomada de decisões, apesar de estar relacionada
também à prática básica da programação (SCHLOGL et al., 2017).
Mais um exemplo de utilidade para o pensamento computacional é para o setor
de eventos, qual Beecher (2017) cita um caso aplicado do pensamento computacional
em cerimoniais, onde o reitor buscava uma forma de tornar mais ágil o processo de
entrega de diplomas. Foi optado por posicionar os estudantes e por um canal eficiente,
projetar os nomes para que o reitor assistente entregasse os diplomas. No entanto,
para tornar o procedimento ainda mais organizado e mais ágil, foram envolvidas mais
pessoas na cerimônia para auxiliar na condução do evento, garantindo a

29
descentralização das demandas em uma única pessoa, e desse maneira, evitar o
afunilamento do fluxo de alunos.
A Figura 1 nos traz ilustrado como o pensamento computacional se relaciona
com as áreas e subáreas da computação e programação de dados. Nota-se que o
pensamento computacional é superior à aplicação dessas tecnologias, uma vez que
se utiliza, em sua base, da forma de raciocínio aplicada pelos recursos computacionais
(BRACKMANN, 2017).

Figura 1 – Pensamento computacional e sua relação com outras áreas

Fonte: Brackmann, 2017.

Ainda que haja muitos conceitos, existe ainda uma dificuldade em identificar
em quais momentos deve-se aplicar o pensamento computacional. Para tal, é
apresentado a seguir, considerações para elucidar como isso pode ser assimilado.

• O pensamento computacional não se refere ao uso exclusivo da ciência da

computação. Isso significa que a capacidade de pensar do indivíduo não
depende do uso de recursos tecnológicos para que um problema seja
solucionado. Pelo contrário, desenvolver técnicas que possibilitem a execução

30
 de processos e aplicar soluções é possível utilizando capacidade de
aprendizagem, planejamento e autonomia.
• Enquanto a computação associa a programação e a ação de programar com
a aprendizagem de produção de um software, o pensamento computacional é
bem mais descrito como uma conduta objetivada na solução de problemas,
apesar de compartilhar alguns aspectos tecnológicos.
• Não se acata que sempre o computador será utilizado para a solução de um
problema, mas em algumas situações. O ponto final é sempre apresentar uma
solução.
• Para a educação, o conceito principal envolvendo o pensamento
computacional é o conhecimento transferível, que assume que as capacidades
aprendidas podem ser aplicadas em vários contextos do dia a dia sem
depender de uma máquina.

Nota-se que todo conceito envolvido no desenvolvimento do pensamento

computacional inicia-se nos princípios do desenvolvimento de diversas capacidades,
bem como de diferentes tecnologias, resoluções e recursos utilizados por
diversificados métodos e meios computacionais.
4.2 Limitações do Pensamento Computacional
Deve-se considerar que qualquer máquina se baseia em um conjunto de
orientações para solucionar os problemas e que cada contexto é definido por
restrições e limitações que se relacionam com o ambiente operacional.

Imperialismo
Os conceitos nutridos sobre o pensamento computacional estão arriscados a se
tornarem imperialistas ao afirmar que seu foco é fazer com que humanos pensem
como computadores. Há uma visão endurecida sobre o pensamento computacional
ser apenas aquilo que foi aprovado por cientistas ou em cada área, da forma como se
decide definir seu significado (BEECHER, 2017).
Progressivamente nota-se que diversas formas de dar conceito ao pensamento
computacional não se relacionam com a forma original e que nem tudo está conectado
à ciência da computação, mas sim, com as atividades diárias. Todavia, isso leva à
imaturidade do pensamento computacional, uma vez que os recursos que baseiam

31
sua aplicabilidade estão já bem estabelecidos, como a lógica, algoritmos e a
decomposição (BEECHER, 2017).

Maturidade
Quando a funcionalidade de um recurso está totalmente desenvolvida, pode-se
dizer que ele atingiu a maturidade. No entanto, de acordo com Beecher (2017), em se
tratando de pensamento computacional, algumas situações precisam ainda ser
desenvolvidas acerca das fases que as definem para garantir que o conceito não seja
atribuído com frequência à tecnologia avançada e que qualquer indivíduo se sinta
capacitado para desenvolver as habilidades básicas. Beecher (2017) ainda afirma
que, com o passar do tempo, o conceito de pensamento computacional tem sido
estudado para que tenha cada vez mais um melhor alinhamento entre a proposta e as
melhorias, no sentido de solucionar problemas, agregando processos que aprimorem
a técnica.
Eficácia
A eficácia do pensamento computacional ainda não é tão robusta quando
poderia ser, no entanto, quanto mais experimentos forem sendo realizados, cada vez
mais, melhores serão os resultados.
Mas também há críticas dirigidas ao conceito do pensamento computacional,
pois alguns afirmam que ele, o pensamento computacional, é muito vago e dificilmente
distingue-se de outras formas de pensamento devidamente. Como o pensamento
computacional é apenas uma pequena parte do campo, alguns pesquisadores estão
preocupados em promover o pensamento computacional como um substituto para a
educação científica mais ampla. Há ainda mais uma preocupação, que ele influencie
de a limitar o pensamento sobre os problemas que se pode resolver, desconsiderando
o impacto social, ético e/ou ambiental.
Comparando o pensamento do computador com a inteligência humana em
termos de como os computadores executam as mesmas tarefas, os recursos de
computação podem agilizar qualquer processo, automatizando-o de maneiras mais
simples. Portanto, o pensamento computacional ainda não representa uma eficácia
perfeita, tornando-se uma clara limitação quando se fala em tecnologia disponível
atualmente. Além do mais, nem tudo que é feito pelo pensamento computacional está
totalmente livre de erros.

32
 O pensamento computacional auxilia na resolução de problemas em diversos
contextos sociais, o que permite que qualquer pessoa inclua e aplique cálculos em
suas atividades cotidianas. E ainda, também adiciona uma variada quantidade de
ferramentas psicológicas capazes de refletir a dimensão do campo da ciência da
computação através da compreensão, do uso e criação de tecnologias digitais,
permitindo comunicação, acesso e propagação de informação. Dessa forma, o
pensamento computacional gera conhecimento, soluciona problemas e se mostra um
importante ator no desenvolvimento de habilidades, e também na evolução do
pensamento.

5 ORIGENS DA CIÊNCIA DA COMPUTAÇÃO

Os incentivos para uma formação acadêmica em ciência da computação

iniciaram-se no mundo na década de 1950 e foram promovidos por acadêmicos, com
o objetivo de aprimorar o conhecimento de novas tecnologias recém-lançadas. Graças
aos departamentos de computação criados nesse período, foi possível iniciar as
primeiras discussões sobre o pensamento computacional.
Como as universidades da época focavam no treinamento de estudantes para
atuação no mercado empresarial, não tinham o intuito de uma formação acadêmica
voltada à pesquisa. Empresas buscam nessas universidades mão de obra para
atuação em suas fábricas de desenvolvimento de hardware ou software. Portanto, o
pensamento computacional foi fortemente influenciado para atuações empresariais
(DENNING, 2019).
As universidades sempre exerceram grande influência nas decisões tomadas
em relação aos tipos de formação acadêmicas ofertadas, além de gerenciarem a
captação de alunos e controlarem departamentos, espaço físico e orçamento que
serão destinados ao desenvolvimento de suas ações de pesquisa. Foi nesse ambiente
acadêmico que surgiram os novos departamentos de ciência da computação, que
tinham como prerrogativa a manutenção de uma imagem pública coesa e que
representasse a identidade das universidades.
No início, a criação de um departamento exclusivo para a computação foi
recebida com muita resistência por parte de alguns departamentos universitários,
principalmente por exigir uma divisão de turmas que antes eram aglutinadas em
departamentos mais abrangentes, como o departamento de ciência e engenharia.
33
Diversos debates foram necessários para se alcançar um consenso quanto à
importância da centralização do estudo da computação para subsidiar estudos em
outros setores da ciência. N
os Estados Unidos, após a aprovação da criação do primeiro departamento
exclusivo para computação, o número de departamentos criados nessa área cresceu
exponencialmente dos anos de 1962 até 1980. Nos dias de hoje, diversas
universidades contam com departamentos de computação, e são ofertadas
anualmente inúmeras vagas para o curso de ciência da computação (DENNING,
2019).
Departamentos de ciência da computação são encontrados em escolas de
ciência, engenharia e gestão de negócios. Em 1990, os termos computação e
informática começaram a ser utilizados e diversas universidades passaram a oferecer
cursos de computação separados de outros cursos.
As sociedades acadêmicas de informática como a Computer Society do
Institute of Electrical and Electronics Engineers (IEEE-CS) e a Association for
Computing Machinery (ACM) foram criadas para defender interesses da área da
ciência da computação, como a promoção de currículos e recomendações. Esses
incentivos mostram como os pioneiros da computação se esforçaram para articular a
criação de uma identidade única da ciência da computação e com um pensamento
computacional desvinculado de outras áreas.
No Brasil, no ano de 1964 foi criado o Fundo de Desenvolvimento Tecnológico
do Banco Nacional de Desenvolvimento Econômico (Funtec/BNDE), que tinha o
objetivo de fomentar a criação de grupos de pesquisa e formar recursos humanos nas
áreas de ciência e tecnologia.
Em 1970, foi criada a Comissão de Coordenação das Atividades de
Processamento Eletrônico (Capre), via decreto do Governo Federal para buscar a
independência tecnológica da informática nacional mediante uma política
governamental de desenvolvimento. Dessa forma, o Funtec passou a apoiar de forma
mais ampla a pesquisa em tecnologia da computação. Graças a esses incentivos,
diversos trabalhos importantes foram desenvolvidos, como o primeiro computador
brasileiro, construído e projetado pela Escola Politécnica da Universidade de São
Paulo (USP), o Processador de Aritmética de Ponto Flutuante, pela Universidade
Federal do Rio de Janeiro (UFRJ), o Software do Processador PADE, pela

34
Universidade Federal de Minas Gerais (UFMG), o Processador de Dados
Estocásticos, pelo Instituto de Física da USP, entre outros (CABRAL, 2008).
Em 1972, foi criado um minicomputador pela USP em conjunto com a
Companhia Equipamentos Eletrônicos. O projeto, que durou dois anos, foi chamado
de G-10. A partir de 1968, reuniões foram organizadas pela comunidade acadêmica
de computação, conhecidas como Seminário de Computação na Universidade
(Secomu). Essas reuniões eram marcadas por ideias criativas que buscavam uma
formação de recursos humanos e de política industrial de informática.
Em 1974, numa das reuniões, foram estabelecidas medidas que visavam a
proteção da tecnologia nacional a partir da institucionalização de incentivos especiais
a empresas sob o controle nacional. Ainda em 1972, foi promovido o primeiro evento
científico nacional da área de computação, chamado de Seminário sobre
Desenvolvimento Integrado de Software e Hardware (SEMISH), pelo curso de Pós-
Graduação em Ciência da Computação da Universidade Federal do Rio Grande do
Sul.
A consolidação de uma comunidade acadêmica de computação ocorreu graças
a eventos como o SEMISH e o SECOMU, que permitiram um alinhamento dos
interesses nacionais de desenvolvimento na área de informática. Em outros países,
havia diversos esforços para reunir sociedades científicas de computação, como a
International Federation for Information Processing (IFIP) e a ACM, que eram
formadas por grupos de discussão sobre currículos e pesquisa e que tinha uma
visibilidade internacional (CABRAL, 2008).
Em 1978, foi criada a Sociedade Brasileira de Computação (SBC) pela UFRJ.
Seu objetivo era a manutenção de uma comunidade acadêmica com interesses no
ensino e na pesquisa nas áreas de computação, exercício profissional e políticas
industriais de informática. Com o fim da Capre, a SBC, por se tratar de uma sociedade
independente e sem fins lucrativos, iniciou o estímulo à pesquisa e à formação de
recursos humanos para o mercado de trabalho e a política industrial.
Atualmente, a SBC possui milhares de sócios ativos, constituídos por sócios
institucionais, estudantes, pesquisadores e professores. Ela promove diversos
eventos anuais como simpósios, workshops e eventos regionais que atraem milhares
de participantes, além de promover a Maratona de Programação e a Olimpíada
Brasileira de Informática. É responsável por editar quatro publicações como a Revista

35
Eletrônica de Iniciação Científica, o Journal of Integrated Circuits and Systems, a
Revista Brasileira de Informática na Educação e o Journal of the Brazilian Computer
Society (CABRAL, 2008).
No Brasil, os primeiros cursos na área de computação surgiram no final da
década de 1960. A criação desses cursos só foi possível com a chegada dos primeiros
computadores às universidades. Em 1969, a Universidade Federal da Bahia (UFBA)
e a Universidade de Campinas (Unicamp) foram as primeiras universidades brasileiras
a adotarem o curso de ciência da computação. Posteriormente, na década de 1970,
outras universidades como USP, UFMG, UFRJ, Universidade da Paraíba (UFPB) e
Universidade de Pernambuco (UFPE) criaram cursos de bacharelado em informática.
A Capre foi responsável por dar subsídios às universidades e estimular o treinamento
e a pesquisa na área da computação. Diversos investimentos para a diversificação de
parques de computadores nas universidades federais e estaduais foram realizados,
principalmente com a instalação de computadores da marca Burroughs. Na época,
marcas como IBM, Burroughs e Digital monopolizavam o mercado mundial de
computadores (CABRAL, 2008).
Os primeiros cursos em ciência da computação foram criados pelas
universidades de forma independente e se baseavam nos modelos norte-americanos.
Apesar de capacitar os alunos com os principais conceitos da computação, não
permitiam aperfeiçoamentos em novas pesquisas a partir de cursos de pós- -
graduação stricto sensu. Apenas com a nova Lei de Diretrizes e Bases da Educação
Nacional, vigente no período de 1975 a 1979, é que foram estabelecidos incentivos
para a criação de cursos de pós-graduação na área de computação (CABRAL, 2008).
No ano de 1996, surgiram novas modalidades de cursos no país, o que exigiu
a inserção de currículos mínimos e uma maior autonomia didático-científica das
universidades. Em 1999, a área de computação passou a ser chamada de
computação e informática, o que permitiu a inserção de um número limitados de
denominações. Dessa forma, ficaram vigentes as denominações Cursos de
Licenciatura, Cursos Superiores de Tecnologia, Sistemas de Informação, Bacharelado
em Engenharia da Computação e Bacharelado em Ciência da Computação. Essas
denominações seguiam os padrões internacionais ditados pela ACM. Em 1985, foi
criado pelo Instituto Militar de Engenharia (IME), o primeiro curso de engenharia de

36
computação do Brasil, e em 1997, o primeiro curso de licenciatura em computação
pela Universidade de Brasília (UnB).
Em 2006, com o objetivo de padronizar a oferta desses cursos, foi criado o
Catálogo Nacional de Cursos Superiores de Tecnologia, permitindo que os a
estudantes dessem continuidade aos estudos na área de computação via cursos de
pós-graduação.
O ensino de habilidades de computação vem sendo estimulado em diversas
partes do mundo e em diversos níveis de escolaridade. Porém, ainda é inconclusivo
se a qualidade desse ensino é suficiente para que tais conhecimentos sejam aplicados
em diferentes domínios. O conhecimento computacional, por ser fundamental na
resolução de vários problemas, pode estar presente no currículo escolar de diversos
cursos existentes. No Reino Unido, por exemplo, o ensino computacional está
presente na grade escolar e cumpre um papel importante na resolução de problemas
que exigem testes computacionais.
O suporte computacional é utilizado na construção de modelos, desenho de
diagramas, análise de dados científicos, entre outros recursos necessários em
pesquisas científicas. Nesse aspecto, a ideia não é ensinar todas as pessoas a
pensarem como cientistas da computação, mas ensiná-las a aplicar elementos
comuns para resolver problemas e descobrir novas questões que podem ser
exploradas dentro de todas as disciplinas (BEECHER, 2017).
Desse modo, ensinar o pensamento computacional não é o mesmo que ensinar
ciência da computação. Na ciência da computação, o objetivo é educar o aluno em
aplicações e princípios da computação matemática. O ensino de programação,
subárea do estudo da ciência da computação, é aplicado principalmente com o
objetivo de ensinar aos alunos as melhores práticas para desenvolver programas,
concentrando-se na produção de software de alta qualidade. Já o pensamento
computacional é definido como uma abordagem para a solução de problemas via
computador (BEECHER, 2017).

5.1 Computação Pervasiva e o Universo Computacional

No final dos anos 1990, a fabricante International Business Machines (IBM)

criou o termo computação pervasiva, que se refere ao processo técnico de inserção

37
de microchips nos mais variados objetos. Esse tipo de tecnologia abre espaço para
uma grande disponibilidade de computadores que executam serviços e funções em
diversos ambientes. Dessa forma, os computadores deixaram de ser máquinas fixas
em ambientes predeterminados, como os computadores desktop, e passaram a estar
presentes em diversos objetos e lugares distintos (ANDRADE, 2015).
Atualmente, diversos recursos computacionais estão presentes no dia a dia das
pessoas. Portanto, a computação passou a resolver problemas de forma inteligente e
onipresente, a partir de dispositivos com tecnologias embutidas. Todos esses
dispositivos criam uma computação ubíqua, por estarem agregados às estruturas
básicas e fundamentais do nosso cotidiano (MORAES, 2020).
A informação disponibilizada por esses dispositivos onipresentes é
compartilhada por outros dispositivos e os aplicativos acompanham seus usuários nas
tarefas do dia a dia. Essas tarefas podem envolver a busca por uma localização de
um ponto específico, uma postagem em uma rede social, a captura de uma imagem
de interesse a partir da câmera do celular ou simplesmente a comunicação por voz
entre usuários. A interação entre dispositivos pode ocorrer por tecnologias como USB,
Bluetooth, infravermelho ou via rede Wi-FI. Estudos relacionados à inteligência
ambiental visam o desenvolvimento de espaços inteligentes para adequação de
interesses, desejos e necessidades das pessoas. Isso evidencia a presença da
ciência da computação na sociedade da informação (MORAES, 2020).
A partir de um computador, é capaz de se conectar à rede local sem fio anfitriã
de uma organização. Essa rede permite uma conexão de longa distância capaz de ser
acessada de outros pontos de um mesmo ambiente e com acesso livre à intranet
dessa organização a partir de um ponto de acesso, chamado de gateway. Com o
telefone do usuário, é possível realizar a conexão com a internet e ter acesso a
diversos tipos de serviços disponibilizados via web. O telefone do usuário também
permite a visualização de informações locais via GPS que estão incorporadas em seu
dispositivo. Além de todo o acesso à rede, ele ainda será capaz de executar tarefas
básicas do seu dispositivo, como tirar fotos ou enviar dados para outro dispositivo,
como uma impressora (COULOURIS, 2013).
A internet móvel permite não apenas a proliferação de informações, mas
também sua diversificação. O pensamento computacional permitiu uma
transformação do universo da imagem e da linguagem hipermídia, que promoveu um

38
maior entendimento e um rápido compartilhamento das informações. Essa
hipermobilidade permite a inserção e o acesso de informações de diversos tipos,
sejam elas de geolocalização, práticas, ad hoc, conceituais etc. Redes sem fio se
tornaram essenciais para esse tipo de comunicação ubíqua, corporificada e
multiplamente situada em objetos do cotidiano que compõem as tecnologias
embarcadas e a internet das coisas (LIMA, 2013).
Diversos estudos defendem que existe outro estágio de evolução em que o
próprio universo seria um computador. Dessa forma, o pensamento computacional
não seria apenas uma habilidade a ser aprendida, mas o comportamento natural do
cérebro. Sob esse prisma, o conceito de Inteligência Artificial (IA) forte refere-se à
crença de que máquinas devidamente programadas poderiam ser, de fato,
inteligentes. Já a IA fraca defende que, por meio de uma programação inteligente, as
máquinas seriam capazes de simular atividades mentais para parecerem inteligentes.
As assistentes virtuais “Alexa” e “Siri”, por exemplo, são consideradas IA fracas,
pois realizam o reconhecimento de comandos comuns, mas não são capazes de
compreendê-los. Semelhante à distinção forte/fraco em IA, a visão “forte” do universo
computacional afirma que o próprio universo, junto com todos os seres vivos, é um
computador digital. Nessa teoria, cada dimensão de espaço e tempo é discreta e todo
movimento de matéria ou energia é um cálculo. Já a versão “fraca” não chega a
afirmar que o mundo é um computador, mas que as interpretações computacionais do
mundo são úteis para estudar fenômenos com a possibilidade de realizar modelagens,
simulações e estudos usando um computador. Porém, é importante ressaltar que a
visão computacional forte á altamente especulativa e enfrenta inúmeros problemas
empíricos e filosóficos (DENNING, 2019).

6 PENSAMENTO COMPUTACIONAL EM CONTEXTO ESCOLAR BRASILEIRO

A partir do rápido crescimento na área da tecnologia e computação ocorrida

no mundo atual, vêm surgindo a demanda de lecionar os conceitos básicos da Ciência
da Computação como um meio de melhorar o aprendizado escolar e viabilizar o uso
mais eficiente dessas tecnologias para benefício social. O Modelo de Currículo para
Ciência da Computação K-12 da Associação de Máquinas de Computação (CSTA,

39
2011) destaca tal necessidade, enfatizando que ensinar o pensamento computacional
nas escolas pode auxiliar no desenvolvimento da capacidade de resolução de
problemas, além de dar suporte e se relacionar com outras ciências.
Ao citar o pensamento computacional na condição de saber necessário à
educação, é preciso ressaltar que o seu aprendizado deve passar por noções de
modelos computacionais, por algoritmos, complexidade, autômatos, entre outros
(NUNES, 2008). Desse modo, o ensino da manipulação de softwares, bem como
programas para edição de texto, não é o bastante nos tempos atuais. Essa aptidão
precisa integrar a formação básica de qualquer indivíduo do século 21, pois
possibilitará que futuros profissionais solucionem problemas de suas áreas de
atuação.
Observando a importância deste tema, países da Europa e os Estado Unidos,
estão em busca de promover o ensino do pensamento computacional nas escolas
(CTSA, 2005). No Brasil, entretanto, essa disciplina é ofertada apenas em cursos
técnicos, cursos de graduação e pós, de áreas específicas. Ainda que algumas
poucas iniciativas sejam observadas sendo desenvolvidas para estudantes do ensino
médio e do fundamental.
Lecionar sobre habilidades computacionais no contexto da educação
brasileira pode ser um grande desafio, mas também pode ser visto como um contexto
cheio de oportunidades para os professores, pesquisadores e comunidade. Nesse
âmbito, é importante que se discuta os desafios à serem enfrentados ao se
desenvolver o ensino do pensamento computacional. É crescente o interesse pela
propagação do pensamento computacional no espaço escolar e envolve a
participação de educadores e pesquisadores de diferentes países além do Brasil.
Scaico e colaboradores (2013) apresentam a experiência da olímpiada que foi
realizada na Paraíba qual teve como objetivo apresentar para os alunos as estruturas
principais da linguagem de programação e praticar as técnicas que são utilizadas na
construção dos algoritmos, como no usa da abstração, testes, melhorias de
algoritmos, depuração de erros entre outros.
No estado de Pernambuco, França e colaboradores (2012) e França et al.
(2014) apresentam experiências que foram vivenciadas por alunos da Licenciatura em
Computação para divulgar o pensamento computacional nas escolas, também na
disseminação do curso de Computação e também para desmistificar a atuação desses

40
profissionais na sociedade atual. Machado et al. (2010), na Bahia, discorrem o
desenvolvimento de projetos voltados para o desenvolvimento e descoberta de jovens
talentos da ciência da computação no ensino fundamental e médio. Além disso,
também era objetivo da pesquisa encorajar a participação feminina tanto no projeto
como nas Olímpiadas Brasileira de Informática. De acordo com os autores, a base da
pesquisa foi trabalhar a capacidade de raciocínio lógico-matemático dos estudantes,
além de incluir o raciocínio algorítmico, de forma que os estudantes compreendessem
a utilização dos modelos de raciocínio para a resolução de problemas.
Do outro lado do país, no Rio Grande do Sul, uma pesquisa propunha
atividades voltadas ao ensino fundamental envolvendo os princípios do pensamento
computacional (ANDRADE et al., 2013). Outro trabalho, realizava apresentações
teatrais para que os estudantes pudessem compreender as bases e fundamentos do
pensamento computacional de um jeito divertido (VIEIRA et al., 2014).
Uma outra forma de trabalhar esses conteúdos é através da programação de
jogos e simulações, conforme Souza et al. (2014) utilizaram do aplicativo
“AgentSheets” em escolas no Rio de Janeiro para possibilitar que educandos
expressassem seus interesses e capacidades de comunicação. No estudo de
Barcelos e Silveira (2013), os autores examinaram como as habilidades matemáticas
de alunos do ensino médio são mobilizadas no processo de desenvolvimento do
pensamento computacional por meio da construção de jogos digitais em uma
instituição paulista.
Ainda em São Paulo, Garcia e colaboradores (2008) apresentam a
experiência da condução de um projeto que objetivou proporcionar a alunos do ensino
médio oportunidades de adquirir habilidades relacionadas ao desenvolvimento do
pensamento lógico, principalmente na resolução de problemas por meio de algoritmos
e estruturas de dados. Como efeito colateral, os participantes deveriam ser motivados
a continuar seus estudos na área de computação. Os resultados mostram que os
alunos se interessaram pelo conteúdo do curso, participaram das atividades das
Olimpíadas Brasileira de Informática e se inscreveram em cursos de nível superior em
informática.
No estudo de Carvalho et al. (2013), os pesquisadores apresentam uma
iniciativa para inserir o ensino dos conceitos básicos do pensamento computacional e
tecnologia da informação para escolas de ensino médio em Minas Gerais. Visando a

41
empregabilidade e abrangendo diversas áreas, incluindo tecnologia da informação, o
projeto foi implantado em 11 escolas da zona norte de Belo Horizonte no ano de 2012,
com um total de 5.979 alunos participantes. Em 2014, todas as 2.167 escolas públicas
deveriam fazer parte do projeto, atingindo 678.68 alunos do ensino médio estadual.

6.1 Oportunidades e desafios

As intervenções descritas acima, são em decorrência de projetos de pesquisa
desenvolvidos durante a cursos de extensão, executados por graduandos e pós-
graduandos de Computação. Considerando os benefícios que o pensamento
computacional traz para a educação dos alunos de hoje, discutimos alguns dos
desafios que devem ser enfrentados ao buscar sua orientação na educação básica no
Brasil.

6.1.1 Currículo Escolar

Uma das questões mais importantes a considerar ao ensinar pensamento
computacional é o currículo escolar. Nesse sentido, existem dois caminhos que
podem ser abordados em pesquisas futuras. A primeira é a criação de cursos
obrigatórios que abranjam os fundamentos da informática em vários anos da
educação básica. Vários aspectos precisam ser considerados ao fazer essa
suposição, incluindo o impacto potencial na motivação e aprendizagem do aluno ao
introduzir uma nova disciplina no currículo escolar.
A segunda opção assume uma perspectiva interdisciplinar e utiliza o
pensamento computacional em combinação com áreas já presentes no currículo
escolar. Neste contexto, a facilitação da aprendizagem de conceitos assistida por
computador é aliada ao desenvolvimento do conhecimento dos conteúdos curriculares
dos vários anos de fundação.
Devemos também considerar quando e o que ensinar o raciocínio
computacional na educação básica. Nesse contexto, é necessário definir diretrizes
curriculares para o ensino dessa habilidade nas escolas brasileiras, destacando quais
conceitos devem ser introduzidos em quais séries. Deve-se levar em conta que a
educação para o pensamento computacional deve abranger não apenas a
manipulação de recursos digitais, mas também os fundamentos da computação como
ciência.

42
6.1.2 Formação de professores
Ensinar pensamento computacional na educação básica requer formação de
professores especializados que atuam nas escolas. Segundo Nunes (2010), os cursos
de graduação em computação têm uma grande responsabilidade de introduzir a
informática na educação básica e de formar professores para propagar o pensamento
computacional.
Tais cursos não apenas focam suas atividades na construção de software
educacional e no uso da tecnologia para o ensino, mas também na necessidade de
preparar futuros graduados em ciência da computação para enfrentar o ensino do
pensamento computacional. Isso exige que os cursos oferecidos pelas instituições de
ensino proporcionem a esses profissionais uma sólida formação em informática,
matemática e educação conforme está definido pelas Diretrizes Curriculares
Nacionais para a graduação em computação.
Além do mais, é evidente que o treinamento em pensamento computacional
também possa beneficiar outros cursos de formação. Isso pode fornecer aos futuros
professores de matemática, biologia e outros uma educação em ciência da
computação que os ajude a resolver problemas em suas áreas. Além disso, o
desenvolvimento de ferramentas pedagógicas que envolvam o pensamento
computacional de forma interdisciplinar também pode ser favorecido nas escolas
brasileiras.

6.1.3 Os processos de ensinar e aprender

Várias abordagens de ensino têm sido observadas na educação básica,
incluindo o ensino do raciocínio computacional. Por exemplo, se o objetivo é promover
essa habilidade por meio da lógica de programação, os ambientes de programação
visual serão usados repetidas vezes. Como resultado dessas atividades, por exemplo,
jogos, simulações e animações que surgem de interesses dos alunos ou
recomendações de professores.
Ainda se verifica que os princípios da Computação podem ser lecionados aos
estudantes sem a dependência do uso de uma tecnologia específica. Nesse cenário,
destaca-se a pesquisa de Bell e colaboradores (2011) que propuseram um conjunto
de atividades lúdicas que envolvesse os fundamentos da Ciência da Computação,
publicadas no livro Computer Science Unplugged. Essas atividades estimulam o
pensamento computacional, sem o uso do computador, e têm despertado o interesse
43
de pesquisadores e professores, além disso, as atividades estão sendo inseridas em
diversos países, incluindo o Brasil.
Tendo em vista que os processos de ensino-aprendizagem atravessam a
concepção, o desenvolvimento e a avaliação da experiência desenvolvida, acredita-
se que a participação ativa dos alunos nessas atividades é capaz de trazer bons
resultados. Isto irá requerer momentos de reflexão por partes de professores e alunos,
que poderão pensar, e repensar, suas práticas, e ainda, melhorar suas estratégias de
ensino-aprendizagem. Observa-se, ainda, que a aprendizagem pode ser considerável
quando os interesses dos alunos são levados em conta, o que inclui sua participação
na definição de objetivos e avaliação da aprendizagem.
As atividades que visam promover a aprendizagem do pensamento
computacional precisam, portanto, levar em conta diversos fatores, inclusive os
interesses do aprendiz, levando a desafios que educadores e pesquisadores devem
enfrentar. Suas especificidades fornecem mecanismos para uma aprendizagem
significativa?

6.1.4 Aprendizagem de Computação

A educação em Computação é um desafio, principalmente o ensino introdutório

de programação (CASPERSEN; KÖLLING, 2009). Pesquisas apontam que muitas
são as dificuldades enfrentadas pelos alunos quando iniciam seus estudos nessa
área. Dentre os problemas apontados podemos incluir os métodos tradicionais de
ensino que desconsideram as especificidades de aprendizado dos alunos, também
como a forma inadequada de estudo tida pelos iniciantes (GOMES; MENDES, 2007).
Sob outra perspectiva, pesquisas também mostram evidências de que há
fatores que contribuem para o sucesso na aprendizagem de Computação. A pesquisa
de Byrne e Lyons (2001) apresenta resultados que sugerem que ter experiência
anterior em programação favorece o aprendizado dos alunos na disciplina. Outras
pesquisas afirmam que a habilidade matemática é um indicativo importante de bom
desempenho obtido em disciplinas introdutórias nos cursos de Ciência da
Computação (WILSON; SHROCK, 2001).
Nesse contexto, é importante ter conhecimento da literatura sobre ensino de
Computação, especificamente os fatores que podem contribuir para o sucesso ou

44
insucesso na aprendizagem, e considerar que os alunos da educação básica poderão
também enfrentar situações parecidas. Dessa maneira, lições aprendidas e
apresentadas por pesquisadores e educadores poderão orientar experiências de
ensino de Computação a serem vivenciadas nos níveis fundamental e médio no Brasil.

7 LÓGICA E PENSAMENTO COMPUTACIONAL

O pensamento computacional pode não ser um conceito novo por estar ligado
às raízes da própria ciência computacional. Embora já houvesse trabalhos que
difundiam a sua relevância para a construção do conhecimento e desenvolvimento do
pensamento criativo (PAPERT, 1980), o conceito ganhou reforço nos últimos tempos.
Alguns autores como Jeanette Wing, vice-presidente da Microsoft Research e
pesquisadora reconhecida na comunidade acadêmica, auxiliaram a analisar de que
forma como a ciência computacional analisa o mundo e soluciona problemas seria
aplicável a diversos outros contextos (WING, 2006).
Para Wing (2006), o pensamento computacional não está ligado apenas à
programação de computadores, mas também à habilidade de pensar logicamente,
algoritmicamente e recursivamente. Assim, a ideia não é que as pessoas pensem
como um computador, que é limitado ao conhecimento de seu programador, mas que
apliquem os conceitos computacionais como estratégia para resolver de forma eficaz
problemas nas diversas áreas de conhecimento e no seu cotidiano. Em sua definição,
o conceito é baseado em quatro pilares fundamentais, os quais são descritos a seguir.

• Decomposição: segmentar (dividir) problemas complexos em partes mais

simples de resolver.
• Reconhecimento de padrões: após a decomposição de um problema, é
possível identificar similaridades que algumas dessas partes compartilham.
Assim, é possível fazer uso de soluções utilizadas previamente com base em
experiências anteriores.
• Abstração: elementos não necessários para resolução do problema são
ignorados para que se possa fixar o foco nos detalhes relevantes. Aqui o
desafio é selecionar os detalhes que facilitem a compreensão do problema sem
perder informações que possam ser importantes para a resolução.

45
 • Algoritmo: o ponto de junção de todos os demais, representado pelo conjunto
de instruções claras e finitas necessárias para a solução do problema.

Um dos pilares com grande abrangência em diversas atividades do

pensamento computacional, o desenvolvimento do pensamento algorítmico está
intrinsecamente ligado ao desenvolvimento da lógica do indivíduo. A seguir,
conheceremos um pouco mais sobre o seu papel no pensamento computacional.
7.1 Evolução da lógica computacional
Embora não seja especificado como um pilar, o pensamento lógico permeia
todas as atividades que envolvem o pensamento computacional. A lógica clássica,
difundida por Aristóteles e outros pensadores antigos, teve sua origem com o uso de
silogismos, uma forma de raciocínio simbolizado por declarações, também chamados
de premissas, que descrevem fatos ou conhecimentos de senso comum, e serviram
de base para a matemática e para a própria ciência computacional.
Tal representação ordenada e sequencial das premissas descrevem um
caminho para resolução do problema. Como exemplo, observe as premissas a seguir:

I. Duas pessoas podem ser consideradas irmãs quando têm ao menos o mesmo
pai ou a mesma mãe.
II. Maria é filha de Augusto.
III. João é filho de Augusto.

Considerando que Augusto é mesma pessoa das premissas II e III, podemos

inferir que João e Maria são irmãos.
Essas representações também são amplamente utilizadas na matemática, na
formulação de teoremas, como: “se duas grandezas são idênticas a uma terceira,
então são idênticas entre si”. Este teorema pode ser formalizado e demonstrado como:
“Se A=C e B=C, Logo A=B”. Observe que essa representação matemática é
totalmente simbólica: “A” pode ser qualquer objeto ou valor, mesmo assim, a
representação matemática ainda continuará válida.
A lógica é empregada em todas as áreas das ciências, e o conhecimento
científico está formalmente representado segundo a lógica, bastante impulsionada por
diversos cientistas (FIGUEIREDO; LAMB, 2016). Essa ciência deu um salto
exponencial a partir do século XX, desde a automatização de verificações
matemáticas para a corrida espacial até a atualidade, com a construção de modelos
46
computacionais e simulações para as mais diversas finalidades (modelos climáticos,
biomedicina, indústria, esportes de rendimento, mercado financeiro, dentre outras)
(FIGUEIREDO; LAMB, 2016).

7.2 A Lógica e a Resolução de Problemas

Quando se fala em resolução de problemas, frequentemente são encontrados
métodos de raciocínio lógico: o indutivo e o dedutivo. Em alguns momentos, eles
podem até parecer sinônimos, mas existem diferenças entre eles.
É importante destacar que o termo problema deve ser entendido como qualquer
informação, descoberta ou mesmo solução que se deseja encontrar, e não é
necessariamente uma situação difícil que precisa de solução. Nesse contexto, esse
problema como é tecnicamente denominado desafio lógico.

7.3 Método Indutivo

As premissas ou fatos conduzem a uma “lei de formação” pela repetição de
algum padrão de comportamento (LAW, 2008). Veja um exemplo:

• Uma caixa contém 99 bolas vermelhas e uma bola preta.

• 100 pessoas retiraram uma bola da caixa.
• João é uma dessas 100 pessoas.
• Logo, João provavelmente tirou uma bola vermelha.

No método indutivo, deve-se analisar as premissas sobre o problema,

buscando padrões que sigam uma lei de formação que possa levar a uma solução.
Para esse exemplo, observe que somente uma pessoa irá retirar a bola preta,
portanto, conclui-se que a maior probabilidade é de que se retire uma bola vermelha.
O método indutivo é utilizado com cautela no meio científico, pois as conclusões
obtidas por meio dele podem conduzir a falsas conclusões. A forma do argumento não
garante que a conclusão seja verdadeira, mas provavelmente resulta em uma
conclusão confiável e próxima à realidade.
7.4 Método Dedutivo

Neste método, as premissas são avaliadas e ordenadas em uma sequência de

causa e efeito, de modo que a conclusão obtida seja resultante da sequência

47
completa, emergindo como fato novo extraído ou deduzido a partir das premissas
constituintes (LAW, 2008). Veja um exemplo com as seguintes premissas:

• Sempre que chove, o gramado irá molhar.

• Hoje está chovendo.
• Logo, o gramado encontra-se molhado.

O método dedutivo pode precisar de maior quantidade de premissas (todas

válidas) para, então, levar a uma conclusão também válida. Esse método é bastante
utilizado no método científico, pois busca encontrar a verdade a partir da avaliação de
fatos e conhecimentos que possam ser verdadeiramente comprovados, sem qualquer
generalização.
Os computadores usam a lógica da maneira como fazem cálculos, mas isso
não é exatamente o mesmo que pensar logicamente no sentido do pensamento
computacional. Os próprios computadores devem ser programados (ensinados) para
fazer raciocínio lógico por meio de algoritmos. A lógica de computacional é
fundamental na criação dos algoritmos, pois tem por objeto de estudo as leis gerais
do pensamento e as formas de aplicar essas leis corretamente na investigação da
verdade.
7.5 Pensamento Algorítmico
O pensamento lógico é utilizado cotidianamente sem que as pessoas
percebam, por exemplo, ao acordarmos pela manhã e darmos início a uma sequência
de etapas até que estejamos prontos para sair de casa, que é quando já estamos
utilizando o pensamento lógico e algorítmico sem perceber. Caso essas etapas
fossem descritas em ordem de execução como itens de tarefas, estaríamos
construindo um algoritmo. Na ciência computacional não é diferente, pois também
podemos solucionar problemas utilizando o mesmo pensamento lógico-algorítmico,
descrevendo instruções em etapas bem definidas com a finalidade de atingir
determinado objetivo.
No momento em que é feita a transição do pensamento lógico para o
pensamento algorítmico, é necessário analisar que esses conceitos não são os
mesmos. Com a lógica, você tem a compreensão do problema e como ele pode ser
subdividido e encontra possíveis soluções para ele. Já no momento em que

48
descrevemos todas as tarefas necessárias e a ordem em que elas devem ser
executadas para que o problema seja resolvido, estamos criando um algoritmo.
De acordo com Beecher (2017), essa sequência de passos pode ser utilizada
para explicar a um terceiro (seja humano ou uma máquina) como resolver o problema,
seguindo tais regras com precisão. Assim como já ocorre com o pensamento lógico,
o ser humano possui uma compreensão intuitiva do que é um algoritmo, tão utilizado
pela ciência computacional, e desenvolver seu pensamento algorítmico torna-se
essencial para o profissional da computação, pois um algoritmo correto é a base final
de qualquer solução executada por computador.
Estudiosos da programação como Ada Lovelace (1815—1852), considerada a
primeira programadora da história, buscaram formas de comunicar ideias para as
máquinas para que elas pudessem compreender e computar por nós, humanos
(BEECHER, 2017). Então, concluiu-se que o nosso modelo intuitivo era insuficiente,
gerando a necessidade de formular regras de forma clara e inequívoca, como os
computadores exigem, evoluindo para estruturas para fornecer instruções aos
computadores. Por mais precisos que tenham se tornado, os algoritmos também se
tornaram mais complexos, tanto que uma descrição formal deles pode se estender
por vários parágrafos. Em nosso caso, a melhor maneira de compreender sua
construção é estudar suas estruturas básicas.

7.6 Exemplificando um algorítmico em linguagem natural

Pode-se utilizar várias ferramentas para representar ou codificar um algoritmo,
e para isso foram desenvolvidas ao longo de décadas diversas linguagens de
programação. É importante lembrar que para desenvolvermos o pensamento
algorítmico não é preciso aprender a programar, mas conhecer essas estruturas
podem auxiliar no seu desenvolvimento lógico-algorítmico.
Como exemplo, vamos utilizar um algoritmo sugerido por Beecher (2017), que
parte de um processo para criação de um jogo. Para exemplificarmos, será descrita
em uma linguagem natural uma estrutura informal para escrita mais próxima à fala
humana, mas que segue as convenções utilizadas nas linguagens de programação
formais. Ou seja, a estrutura criada com pseudocódigo pode tranquilamente ser
traduzida para qualquer linguagem de programação real, apenas substituindo as
instruções informais para as respectivas da linguagem.

49
 Considere a seguinte lista de regras para o conhecido “jogo da velha”:

1. Iniciar o jogo
2. Iniciar uma repetição:
3. Pedir ao jogador para escolher um quadrado;
4. Se o quadrado escolhido não estiver ocupado, coloque o símbolo do jogador
naquela posição;
5. Verifique se após a jogada foi formada uma linha;
6. Se uma linha for formada, o jogador vence e o jogo encerra;
7. Se uma linha não foi formada e nenhum quadrado estiver disponível, então
o jogo está empatado;
8. Mude para outro jogador
9. Encerrar repetição se o jogador estiver ganho ou empatado
10. Exibir a mensagem ‘Fim de jogo’

O que podemos inferir desse roteiro de instruções:

• Quando esse algoritmo é executado, o computador passa por todas as linhas,

uma de cada vez (este é um exemplo de sequência).
• A linha 1 inicializa uma variável chamada “início”, logo que o jogo começa, e
“início” recebe o valor verdadeiro (armazenamento de estado).
• A linha 2 configura o ponto inicial de uma repetição. Todas as instruções que
devem ser repetidas são recuadas para deixar mais claro o que está sendo
executado.
• A linha 3 solicita uma ação do jogador. A escolha é registrada.
• A linha 4 faz uma seleção com base na escolha do jogador.
• As linhas 6 e 7 fazem comparações condicionais, alterando o valor da variável
do jogo sob certas condições.
• A linha 9 é o fim da repetição. É feita a escolha de iniciar ou não a repetição
novamente, dependendo da condição associada neste ponto. Existem duas
possibilidades:
o Verifica que o jogador não conseguiu criar uma linha com três símbolos
iguais. Nesse caso, a execução volta para a linha 3.

50
 o Em algum momento, o jogo foi ganho ou empatado. Em qualquer dos
casos, a repetição encerra e a execução continua na linha 10, exibindo
em seguida a mensagem ‘Fim de jogo’.

7.7 Dificuldades Recorrentes com Lógica e Algoritmos

Por mais simples e rotineiro que os conceitos de pensamento lógico e
pensamento algorítmico possam parecer, nos primeiros contatos com a estruturação
da solução de um problema podem gerar alguns erros ou até suposições incorretas.
Isso se dá em parte pela forma com que lidamos com essas soluções, em que
normalmente executamos as tarefas sem nos darmos conta.
Segundo Beecher (2017), é possível que uma pessoa que execute a mesma
tarefa durante anos tenha dificuldade para ensinar outra pessoa a realizar essa tarefa.
E, ao criarmos um algoritmo para ser executado por um computador, o problema é
maior ainda, pois a falta de uma simples instrução é capaz de parar o funcionamento
de um sistema complexo.

7.8 Necessidade de clareza e meticulosidade

Clareza é a palavra-chave no momento de descrever um algoritmo, pois esta é
uma tarefa que exige que o autor seja muito criterioso na descrição e ordenação das
ações. Como já mencionado, a falta de uma simples regra pode ocasionar graves
problemas de execução ou respostas erradas após o processamento (MOKARZEL;
SOMA, 2008).
Uma máquina não racionaliza as tarefas que está recebendo, apenas executa
o que foi descrito e da forma que foi descrita. Imagine que você esteja explicando para
um autômato (um robô, por exemplo) que pegue um objeto dentro de uma caixa e,
caso ela esteja fechada e o desenvolvedor não tenha explicitado que “se a caixa
estiver fechada, abra a caixa”, ele poderá não saber o que fazer e ficará parado. Afinal,
ele não pensa, apenas executa o que foi instruído. Também não é possível exigir que
ele tenha bom senso, nem que tente interpretar o que o autor estava tentando explicar,
mesmo que a solução seja óbvia.

8 CONCEITO DE PROBLEMA E RESOLUÇÕES SISTEMÁTICAS

51
 Um problema pode ser compreendido como uma situação ou um
acontecimento que necessita de uma solução. Em uma perspectiva conceitual, são
situações em que um indivíduo necessita resolver, mas não dispõe de uma forma
direta que a leve à solução (POZO, 1998). Assim, conforme Pozo (1998), para
definirmos uma situação-problema, ela deve ser complexa o suficiente para provocar
a reflexão ou uma tomada de decisão de qual passos seguir para encontrar a solução.
Pensar sobre as estratégias utilizadas na solução de uma situação possibilita,
ao estudante, planejar e organizar suas próprias atividades de resolução de
problemas, seguindo um conjunto de regras que configuram uma lógica (SNEIDER et
al., 2014).
Computacionalmente, a resolução de um problema engloba o desenvolvimento
de métodos para a solução de problemas independentemente da área do
conhecimento, soluções que podem ser implementadas ou não em um dispositivo
computacional. Essa sequência de passos ordenados que resolve determinado
problema é conhecida como algoritmo (PIVA JR. et al., 2012).
Para o pensamento computacional, o mais importante não é programar a
solução, mas desafiar o raciocínio, propondo formas de solucionar problemas. Caso
você consiga organizar seu pensamento para compreender “como” resolver o
problema, a implementação será apenas a transcrição do pensamento para uma
forma escrita em alguma linguagem de programação.
Além da área da computação, diferentes áreas de conhecimento definem
estratégias sistemáticas para sua resolução. Por exemplo, no campo da matemática,
área que impulsionou o desenvolvimento da computação, Polya (1977) definiu uma
possível sequência de passos para a resolução de qualquer problema: (1)
compreender o problema; (2) estabelecer um plano para sua resolução; (3) executar
o plano; (4) examinar a solução obtida.
De um modo geral, as etapas de Polya (1977) têm relação com os operadores
do pensamento computacional (análise e abstração), sendo que a diferença é que a
matemática traz a resposta para um problema, enquanto a computação descreve o
como fazer para que seja possível que máquinas resolvam de forma automática esses
problemas. Apesar de as áreas em questão compartilharem as habilidades de análise
e abstração, a automação, habilidade de implementar a solução pensada para ser
executada por uma máquina, é própria da computação.

52
 Na etapa de resolução, a implementação e os algoritmos ainda não são
necessários; o momento deve ser dedicado somente à compreensão do objetivo.
Você conhece a frase “Como saber quando chegou ao destino se não sabes aonde
estás indo?”. Pois ela se aplica aqui: antes de pensar em como implementar, deve-se
identificar quando o problema estará resolvido, quando se pode dizer que o objetivo
foi atingido. O objetivo pode ser automatizar parte do processo de uma fábrica ou
aumentar em 30% a eficiência da equipe de vendas.
Independentemente de como é definido o objetivo, ele deve ser descrito de
forma clara e específica. Por exemplo, caso o objetivo seja incrementar a velocidade
do atual sistema, a descrição não deve ser simplesmente “deve ser mais rápido”, mas
ele deve ser descrito de forma que possua precisão mensurável. Por último, é
interessante criar a especificação dos objetivos como se outra pessoa pudesse
eventualmente pegar o que você produziu e verificar por si mesma se você resolveu
o problema, avaliando se consegue replicar o procedimento e obter os mesmos
resultados.
Quanto à solução de problemas, é relevante levar em consideração alguns
pontos. Vejamos:

• Qualidade. Para qualquer problema, geralmente existem várias soluções,

algumas mais adequadas que outras. Você deve se concentrar em encontrar a
melhor solução possível. Talvez não exista uma solução perfeita, mas, por
outro lado, partes individuais de um problema podem ser “aperfeiçoadas” à
medida que você vai compreendendo melhor o problema e otimizando a
solução.
• Colaboração. Um esforço em equipe pode auxiliar na resolução de um
problema. Simplesmente explicar seu trabalho em voz alta pode auxiliar a
identificar erros ou melhorias potenciais. Duas pessoas podem ter pontos de
vista diferentes sobre o mesmo problema, muitas vezes complementares.
• Iteração. São as várias tentativas que você executa até encontrar a solução, e
raramente sua primeira tentativa será a melhor. Em vez de tentar resolver tudo
na primeira vez, opte por uma abordagem iterativa, repetindo etapas anteriores
na tentativa de aprimorar sua solução atual. Cada iteração trará uma nova visão
da solução e melhorias ao resultado.

53
 Tendo em mente esses pontos, passamos, então, a buscar estratégias para
resolver o problema especificado. Como você verá em breve, o pensamento
computacional destaca a estratégia de decomposição como uma das formas mais
aceitas para a resolução de problemas, inclusive sendo a decomposição um dos
quatro pilares do pensamento computacional.

8.1 Definição de um problema e heurísticas

Diversas abordagens sistemáticas para a definição e a resolução de um
problema podem ser implementadas, podendo, inclusive, ser utilizadas em conjunto,
complementando a resolução de um ou mais subproblemas resultantes. Também,
podem não ser úteis em todos os cenários, cabendo a quem está fazendo a análise
escolher a melhor abordagem. Essas diferentes técnicas de resolução de problemas
também são conhecidas como heurísticas, estratégias para a resolução de problemas
que geralmente produzem respostas bem próximas ao resultado ideal.
Vejamos algumas formas de definição e resolução de problemas.

• Pensamento crítico. Seu foco é realizar um conjunto de questionamentos

sobre as ideias e verificar se as soluções resistem a essa verificação. Pode-se
dizer que, nessa abordagem, o analista deve agir como se estivesse duvidando
de suas soluções, como se estivesse tentando provar a si mesmo que a
resposta é válida. Cada decisão deve estar justificada. Por exemplo, considere
que seu problema seja reorganizar a disposição de veículos na área de vendas.
Após desenhado o primeiro modelo de organização, você já pode se perguntar:
esta é a disposição certa para os veículos na loja?
A partir desse questionamento, podemos notar que, apesar de um bom ponto
de partida, o critério “disposição certa” não está claro. O que é “certo”? O certo
pode ser aumentar as vendas, escolhendo os veículos mais procurados pelos
clientes, ou então melhorar a mobilidade dos clientes e dos vendedores na loja,
reduzindo o número de veículos no espaço e dando preferência para veículos
menores. Nesse caso, podemos melhorar nosso questionamento: esta é a
disposição que facilita a demonstração do produto ao cliente? Continuando a
repensar nossas questões, além de validar ideias, você também acabará
encontrando novas suposições e subproblemas no processo. Isso é muito
importante, pois as suposições feitas implicitamente podem muito bem se
54
 revelar falsas. Por exemplo, poderia levantar a dúvida: isso é justificado? Os
produtos retirados terão redução nas vendas? Quem fará a mudança e haverá
rodízio entre os veículos? A cada avaliação, sua resposta a essas perguntas
pode variar e aprimorar seu modelo de solução.
• Análise de problemas relacionados. Outra forma de buscar a resolução de
um problema é buscar exemplos em problemas semelhantes. Comparar com
problemas semelhantes ou uma versão simplificada do problema original pode
auxiliar a descobrir elementos novos para a solução de seu problema principal.
Como no exemplo da loja automotiva, poderíamos observar a solução e
adaptar alguns processos para outros tipos de revenda, como motocicletas, por
exemplo. Mesmo que não seja o mesmo contexto, pode auxiliar a deduzir vários
cenários.
• Analisar o problema a partir da meta. Em problemas com objetivos bem
definidos, uma possibilidade é começar sua reflexão a partir do resultado e
retroceder até o ponto de início. Assim, a cada etapa, você pode deduzir o que
será necessário para chegar nesse estágio. Por exemplo, programar uma
viagem para o final de semana. Você já conhece o horário que pretende chegar
ao local de destino, então pode pensar no roteiro, no tempo gasto em cada
trecho (pontos de lentidão, pedágios, etc.), até chegar ao ponto de partida e
definir o horário de que vai sair de casa.
• Estudar instâncias concretas. Abstração é a capacidade de extrair, de um
problema, os elementos mais importantes, reduzindo detalhes que não
auxiliarão na resolução do problema. Embora seja um dos pilares do
pensamento computacional, um problema bastante abstrato e desprovido de
detalhes pode ser desafiador, inclusive podendo ocasionar o travamento da
resolução. Nesse caso, trabalhar com problemas mais concretos traz detalhes
mais facilmente manipuláveis e compreensíveis, enriquecendo a reflexão sobre
os modelos abstratos.

Essas são algumas das formas disponíveis para auxiliar a resolução de

problemas. Para o pensamento computacional, a forma mais aceita para resolver um
problema computacional é por meio da decomposição, que, como foi dito, é um de
seus pilares fundamentais. A seguir, você conhecerá um pouco mais sobre a
decomposição de problemas.
55
8.2 Decomposição
Como uma das principais heurísticas relacionadas ao pensamento
computacional, a decomposição se trata da divisão de um problema complexo em
partes mais simples e fáceis de gerenciar. Computacionalmente, um desenvolvedor,
com frequência, lida com problemas complexos compostos por grande quantidade de
partes inter-relacionadas. Embora outras heurísticas possam ser úteis em alguns
casos, a decomposição ainda é o método mais aceito para a resolução de problemas
em que o objetivo é uma solução computacional.
Em especial, a decomposição ajuda na colaboração. Se você decompuser bem
um problema (de forma que os subproblemas possam ser resolvidos de forma
independente), pessoas diferentes podem trabalhar em tarefas diferentes,
possivelmente em paralelo. A estratégia utilizada pela decomposição é conhecida
como divisão e conquista, bastante utilizada na computação, mas não exclusiva desta.
O processo de decomposição pode seguir conforme a necessidade em um
processo recursivo, em que cada nova subtarefa é mais simples que seu conjunto
original, contendo não mais do que algumas centenas de palavras, e alguns até
podem ser gerados dinamicamente pelo próprio processador de texto. Após resolvido
cada problema, começamos a juntar as partes e, ao final, teremos a solução completa.
O uso da recursividade é indicado para problemas em que é possível subdividir
o problema principal em partes semelhantes ou iguais. Um exemplo é a ordenação de
árvores: cada “galho” da estrutura é uma versão semelhante ao “tronco” principal. O
conceito de árvore é chave para o estudo de estruturas de dados, em que a árvore
representa um conjunto de entidades organizadas em relacionamentos hierárquicos.
Cada entidade “pai” pode ou não ter uma quantidade de entidades “filhas”. O nome se
deve a seu formato, que se assemelha a uma árvore invertida e pode representar uma
grande variedade de estruturas diferentes.
8.3 Papel do pensamento computacional na resolução de problemas
Desde sua origem até meados dos anos 1960, a ciência computacional era
voltada para o estudo do hardware, quando, até então, as limitadas aplicações de
software eram voltadas para a resolução de problemas matemáticos, utilizados nas
faculdades e em grandes empresas (DENNING; TEDRE, 2019). A partir de então,
com a popularização dos computadores, aumentou o leque de problemas que

56
poderiam ser solucionados com o uso do computador, impulsionando o surgimento de
novas áreas de estudo, como a engenharia de software, que aplica técnicas de
engenharia para analisar problemas e projetar e implementar aplicações capazes de
resolvê-los (RILEY; HUNT, 2014).
Atualmente, a computação está amplamente disseminada em nosso cotidiano.
Seja fornecendo ferramentas de suporte para negócios, planejamento estratégico e
tomada de decisões, ou de forma embarcada em seu celular ou televisor, para acesso
a algum canal de streaming de vídeo: onde houver novas necessidades ou problemas,
lá estará a computação para auxiliar a resolução. Diversas descobertas não teriam
sido possíveis sem a utilização de computadores, como o sequenciamento do genoma
humano, por exemplo. Novas áreas de concentração, como inteligência artificial,
segurança da informação, robótica, redes e computação gráfica, surgiram conforme
novos problemas foram sendo apresentados (RILEY; HUNT, 2014).
No entanto, como o pensamento computacional se encaixa nessa discussão
sobre hardware, software, abrangência da ciência da computação e de suas áreas
correlacionadas? Por trás de todos esses recursos, existem pesquisadores, analistas,
desenvolvedores, entre outros profissionais empenhados em projetar e atender essas
necessidades, podendo ser considerados verdadeiros solucionadores de problemas,
dada a importância que as máquinas ganharam em nossas vidas (RILEY; HUNT,
2014).
Segundo Wing (2006), o pensamento computacional faz uso de conceitos da
ciência da computação para criar estratégias para a resolução de problemas que
podem ser aplicadas a toda e qualquer área do conhecimento (WING, 2006). Ou seja,
o pensamento computacional pode ser entendido como a forma como os cientistas da
computação pensam, racionalizam e resolvem problemas.
Devido ao vasto volume de conhecimento acumulado durante as últimas
décadas, é fato que não é viável utilizar todos os conceitos da computação. Portanto,
o pensamento computacional faz uso de alguns conceitos-chave emprestados das
diversas áreas de conhecimento da ciência da computação que dão suporte à
definição de seus fundamentos, também chamados de pilares do pensamento
computacional, que são: (1) a decomposição; (2) o reconhecimento de padrões; (3) a
abstração; (4) os algoritmos.

57
 A decomposição já foi apresentada e discutida neste capítulo, então vejamos
um resumo dos demais pilares:

• Reconhecimento de padrões: após decompor um problema, é comum

notarmos tarefas semelhantes ou idênticas. Tais similaridades auxiliam na
reutilização de soluções com base em experiências anteriores.
• Abstração: eliminação de detalhes não relevantes para a solução do
problema, auxiliando a dar foco nas informações realmente importantes.
• Algoritmos: conjunto de instruções claras e finitas necessárias para a solução
do problema.

Esses pilares trabalham em conjunto, como engrenagens do pensamento

computacional, sendo igualmente importantes e dependentes entre si. Todos
participam, portanto, de forma sistemática na resolução de problemas. Embora não
exista uma ordem explícita para sua aplicação, como exemplo, podemos seguir a
ordem abaixo.

• Para auxiliar na definição do problema e melhor elucidar possíveis soluções,

podemos eliminar informações que não fazem parte do problema geral e que
possam atrapalhar nossa atenção. Assim, após essa “limpeza”, ficaremos
apenas com os detalhes significativos, descartando as informações não
relevantes para solução (abstração).
• Com o problema definido, podemos fragmentá-lo em partes menores e
gerenciáveis (decomposição). Cada subproblema, então, pode ser verificado
com mais atenção, podendo ser novamente subdividido até a compreensão
total do problema.
• Uma vez conhecidos todos seus componentes, reduzidos a partes mais
simples, também é mais fácil notar as similaridades entre algumas partes do
problema e com outros problemas já resolvidos. Essa comparação ajuda a
aproveitar a experiência obtida em problemas anteriores, agilizando a definição
de possíveis soluções para os subproblemas em tela (reconhecimento de
padrões).
• Ao final, com o problema compreendido e a solução definida, é possível criar
um plano de ação, uma sequência de ações práticas e sequenciais para
executar a resolução de cada um dos subproblemas identificados (algoritmos).
58
 Desenvolver o pensamento computacional e compreender como aplicar esses
pilares nas práticas diárias não diz respeito, necessariamente, a saber programar,
embora esse não seja um consenso entre os pesquisadores da área. Por exemplo,
para Blikstein (2008), atualmente é necessário, para o ser humano, desenvolver
competências para identificar e resolver problemas com a utilização do computador.
Já para Liukas (2015), o pensamento computacional se baseia no raciocínio lógico e
no reconhecimento de padrões, algoritmos, decomposição e abstração de problemas,
de forma que as pessoas devem refletir sobre os problemas, mas permitir que
computadores os resolvam.
Apesar dessa discussão sobre o uso ou não do computador, note que alguns
pontos são comuns entre seus argumentos. É de comum acordo que pensamento
computacional é uma habilidade natural que todos possuem, voltada para a definição
e a resolução de problemas em diversas áreas de negócios e conhecimento. Porém,
é fato que nem todos concordam sobre o uso de dispositivos computacionais para o
desenvolvimento da solução, embora boa parte dos autores indique a necessidade da
execução utilizando tecnologia.
Resumindo, as capacidades de raciocinar e de resolver problemas são inatas
ao ser humano, mas pode ser aperfeiçoada pelo pensamento computacional,
incrementando a capacidade intelectual pela estruturação de idealizações que
podemos elaborar, compreender e elucidar complexos problemas desenvolvidas com
algoritmos, de forma que tanto uma pessoa quanto um computador possam executá-
los, independentemente da área a que se aplica.

9 REFERENCIAS BIBLIOGRÁFICAS

AKÇAYIR, M.; AKÇAYIR, G. Advantages and challenges associated with augmented

reality for education: a systematic review of the literature. Educational Research
Review, [s. l.], v. 20, p. 1–11, fev. 2017.

59
ANDRADE, Daiane et al. Proposta de Atividades para o Desenvolvimento do
Pensamento Computacional no Ensino Fundamental. In: Anais do XVI Workshop de
Informática na Escola. SBC, 2013.
ANDRADE, L. A. Jogos digitais, cidade e (trans) mídia: a próxima fase. Curitiba:
Appris, 2015.
BARCELOS, T. S.; SILVEIRA, I. F. Relações entre o pensamento computacional e a
matemática através da construção de jogos digitais. In: Anais do XII Simpósio
Brasileiro de Jogos e Entretenimento Digital, 2013.
BEECHER, K. Computational thinking: a beginner’s guide to problem-solving and
programming. Swindon: BCS Learning & Development, 2017. 288 p.

BELL, T.; WITTEN, I, H.; FELLOWS, M. Computer Science Unplugged: Ensinando

Ciência da Computação sem o uso do computador. Tradução coord. por Luciano
Porto Barreto, 2011.

BLIKSTEIN, P. O pensamento computacional e a reinvenção do computador na

educação. 2008.

BRANCO, A. L. Revoluções industriais: primeira, segunda e terceira revoluções.

UOL Educação, [s.d.].

BRASIL. Ministério da Educação. Catálogo Nacional dos Cursos Superiores de

Tecnologia. Brasília, DF: MEC, 2016.
BYRNE, P.; LYONS, G. The effect of student attributes on success in programming.
In: Proceedings of the SIGCSE. ACM, 2001. p. 49-52.
CABRAL, M. I. C. et al. A Trajetória dos cursos de graduação da área de
computação e informática: 1969–2006. Rio de Janeiro: SBC, 2008.
CAPES. Portaria nº. 9, de 23 de janeiro de 2008. Diário Oficial da União, 25 jan.
2008.

CARON, A. A educação 4.0 já é realidade! Positivo Tecnologia Educacional, 2017.

CARVALHO, M. L. B.; CHAIMOWICZ, L.; MORO, M. M. Pensamento Computacional

no Ensino Médio Mineiro. In: Anais do XXI Workshop sobre Educação em
Computação. 2013.
CASPERSEN, M. E.; KOLLING, M.. STREAM: A first programming process. ACM
Transactions on Computing Education (TOCE), v. 9, n. 1, p. 4, 2009.
CASTELLS, M. A sociedade em rede. São Paulo: Paz e Terra, 1999.

CERVERÓ, A. C. Lectura, alfabetización en información y biblioteca escolar.

Gijón: Trea, 2007.

CHERRY, K. Heuristics and cognitive biases. Verywell Mind, 2020.

COULOURIS, G. et al. Sistemas distribuídos: Conceitos e Projeto. 5. ed. Porto

Alegre: Bookman, 2013.

60
CSTA - Computer Science Teacher Association. The New Educational Imperative:
Improving High School Computer Science Education. Final Report of the CSTA.
Curriculum Improvement Task Force. ACM - Association for Computing Machinery,
2005.
CSTA K-12 Computer Science Standards. CSTA Standards Task Force. ACM -
Association for Computing Machinery, 2011.
DENNING, P. J.; TEDRE, M. Computational thinking. Cambridge, MA: MIT Press,
2019.
DENNING, P. J.; TEDRE, M. Computational thinking. Cambridge: MIT Press, 2019.

FERRAGINA, P.; LUCCIO, F. Computational thinking: first algorithms, then code.

Berlin: Springer, 2018.

FIGUEIREDO, C. M. H.; LAMB, L. C. Teoria da Computação: uma Introdução à

Complexidade e à Lógica Computacional. In: JORNADA DE ATUALIZAÇÃO EM
INFORMÁTICA, 34., 2015, Porto Alegre. Anais [...]. Porto Alegre: Sociedade
Brasileira de Computação, 2015, p. 10–67.

FRANÇA, R. S. ; FERREIRA, V. F. S.; ALMEIDA, L. C. F. ; AMARAL, H. J. C. A

disseminação do pensamento computacional na educação básica: lições aprendidas
com experiências de licenciandos em computação. In: Anais do XXII Workshop
sobre Educação em Computação. SBC, 2014.
FRANÇA, R. S; SILVA, W. C.; AMARAL, H. J. C. do. Ensino de ciência da computação
na educação básica: Experiências, desafios e possibilidades. In: Anais do XX
Workshop sobre Educação em Computação. SBC, 2012.

GARCIA, R. E.; CORREIA, R. C. M.; SHIMABUKURO, M. H.. Ensino de Lógica de

Programação e Estruturas de Dados para Alunos do Ensino Médio. In: Anais do
XVI Workshop sobre Ensino em Computação. SBC, 2008. p. 246-249.
GEERTZ, C. La interpretación de las culturas. Barcelona: Gedisa, 2000.

GEORGIA TECH. AR SPOT: an augmented-reality programming environment for

children. 2019.
GOMES, A.; MENDES, A. J.. Learning to program-difficulties and solutions. In:
International Conference on Engineering Education. 2007.
GREEN, H.; HANNON, C. Their space: education for a digital generation. Londres:
Demos, 2007.

JENKINS, H. et al. Confronting the challenges of participatory culture: media

education for the 21st century. Chicago: The MacArthur Foundation, 2006.

KARASINSKI, L. O que é tecnologia? Tecmundo, 2013.

LEE, A. Y. l.; SO, C. Y. Media literacy and information literacy: similarities and
differences. Comunicar: Media Education Research Journal, v. 21, n. 42, p.137-145,
2014.

61
LEMOS, A. Cibercultura como território recombinante. In: TRIVINHO, E.; CAZELOTO,
E. A cibercultura e seu espelho: campo de conhecimento emergente e nova vivência
humana na era da imersão interativa. São Paulo: ABCiber, 2009.

LEMOS, A. Cibercultura: tecnologia e vida social na cultura contemporânea. 5.

ed. Porto Alegre: Sulina, 2010.

LÉVY, P. Cibercultura. São Paulo: Editora 34, 1999.

LIMA, J. C. D. Uma abordagem de recomendação sensível ao contexto para apoio

a autenticação implícita em ambientes móveis e pervasivos baseado em
conhecimento comportamental do usuário. 2013. 161 f. Tese (Doutorado em
Engenharia e Gestão do Conhecimento) — Programa de Pós-Graduação em
Engenharia e Gestão do Conhecimento, Universidade Federal de Santa Catarina,
Florianópolis, 2013.
LIUKAS, L. Hello Ruby: adventures in coding. New York: Feiwel & Friends, 2015.

MACHADO, E. Z. A. et al. Uma Experiência em Escolas de Ensino Médio e

Fundamental para a Descoberta de Jovens Talentos em Computação. In: Anais
do XVIII Workshop sobre Educação em Computação. SBC, 2010.
MICHAELIS. Dicionário On-line. São Paulo: Editora Melhoramentos, 2019.

MOKARZEL, F.; SOMA, N. Introdução à ciência da computação. Rio de Janeiro:

Elsevier, 2008. 429 p.

MORAES, R. B. (org.). Indústria 4.0: impactos sociais e profissionais. São Paulo:

Blucher, 2020.
NORONHA, C. Lógica e Algoritmos de Programação. Medium, San Francisco,
13 fev. 2019.

NUNES, D. J. Ciência da computação na educação básica. Jornal da Ciência, v. 9,

nº 9, 2011.

NUNES, D. J.. Computação ou Informática? Jornal da Ciência. 30 de março, 2010.

NUNES, D. J.. Licenciatura em Computação. Jornal da Ciência. 30 de maio, 2008.

ORGANIZA

ÇÃO DAS NAÇÕES UNIDAS PARA A EDUCAÇÃO A CIÊNCIA E A CULTURA. TIC

na educação do Brasil. 2017.

ORTEGA, J. Indústria 4.0: entenda o que é a quarta revolução industrial. StartSe,

2019.

PAPERT, S. A. Mindstorms: children, computers, and powerful ideas. New York:

Basic Books, 1980.

62
PAPERT, S. Mindstorms: children, computers, and powerful ideas. New York:
Basic Books, 1980. 230 p.

PINSKY, J. As primeiras civilizações. São Paulo: Editora Contexto, 2011.

PIVA JR., D. et al. Algoritmos e programação de computadores. Rio de Janeiro:

Elsevier, 2012.

POLYA, G. A arte de resolver problemas: um novo aspecto do método

matemático. Rio de Janeiro: Interciência, 1977.

POZO, Juan Ignacio. A solução de problemas: aprender a resolver, resolver para

aprender. Porto Alegre: Artmed, 1998.

RIBEIRO, Leila; FOSS, Luciana; CAVALHEIRO, Simone André da Costa.

Entendendo o pensamento computacional. arXiv preprint arXiv:1707.00338, 2017.

RILEY, D. D.; HUNT, K. A. Computational thinking for the modern problem solver.
Flórida: CRC press, 2014.

RODRIGUES, P. E. Idade da Pedra. InfoEscola, [s.d.].

SCAICO, P. D. et al. Ensino de programação no ensino médio: uma abordagem

orientada ao design com a linguagem Scratch. Revista Brasileira de Informática na
Educação, v. 21, n. 02, p. 92, 2013.
SNEIDER, C. et al. Exploring the science framework and NGSS: computational
thinking in the science classroom. Science Teacher, v. 81, nº 5, p. 10–15, 2014.

SOUSA, R. Segunda revolução industrial. Brasil Escola, [s.d.].

VIEIRA, A.; PASSOS, O.; BARRETO, R.. Um Relato de Experiência do Uso da

Técnica Computação Desplugada. In: Anais do XXI Workshop sobre Educação em
Computação. SBC, 2013. p. 670-679.

WILSON, Carolyn; GRIZZLE, Alton; TUAZON, Ramon; AKYEMPONG, Kwame;

CHEUNG, Chi-Kim. Alfabetização midiática e informacional: currículo para
formação de professores. Brasília: UNESCO; UFTM, 2013.

WING, J. M. Computational thinking. Communications of the ACM, New York, v. 49,

n. 3, p. 33–35, Mar. 2006.

63
64
2