Algoritmo de busca: por que tantos alunos confundem busca linear e binária

Quando proponho uma busca em uma lista para a turma, às vezes vejo o aluno apontar para o meio e dizer que vai eliminar uma parte; em seguida, ele segue conferindo os elementos um por um, como se as duas estratégias fossem a mesma coisa. Em outra atividade, diante de uma lista ordenada, alguns escolhem a busca linear sem perceber que a ordenação permite reduzir comparações. Não trato isso como falta de atenção: costuma ser um sinal de que o estudante ainda não conectou a regra do algoritmo à organização dos dados.

Também já encontrei respostas que acertam o nome do método, mas não explicam por que ele funciona. Se pergunto pelo pior caso, o aluno imagina uma senha encontrada logo no começo e subestima quantos testes podem ser necessários. Para mim, o diagnóstico precisa mostrar o raciocínio, não apenas marcar a alternativa correta. As seis questões comentadas neste guia ajudam a localizar essas lacunas: distinguem busca em lista de busca em grafo, exploram o papel da ordenação e mostram como pensar em pior caso e caminho mínimo.

O que é algoritmo de busca, explicado para o professor

Um algoritmo de busca é um conjunto ordenado de instruções para localizar um elemento ou verificar se ele aparece em uma estrutura de dados. A busca linear examina os itens, um a um, até encontrar o alvo ou chegar ao fim; por isso, pode funcionar mesmo quando a lista não está ordenada. A busca binária exige dados ordenados: compara o alvo com o elemento central e, conforme o resultado, continua apenas em uma das metades. Esse procedimento reduz rapidamente o espaço de busca. Em grafos, procurar pode significar explorar vértices e caminhos, com estratégias como busca em largura, busca em profundidade ou algoritmos de caminho mínimo. No currículo, o conceito aparece em Computação no 6º, 7º e 8º anos. As habilidades relacionadas incluem EF06CO02, EF69CO02, EF07CO04 e EF08CO03.

Quando explico o conceito, separo três perguntas que muitas vezes ficam misturadas: o que se procura, onde se procura e que informação prévia o algoritmo pode usar. Procurar uma matrícula em um vetor ordenado não é a mesma tarefa que encontrar uma rota em um mapa representado por grafo. No primeiro caso, a busca binária pode descartar metade do intervalo a cada comparação; no segundo, precisamos considerar conexões e, se o objetivo for a menor distância, um algoritmo apropriado para caminhos. A escolha não depende apenas de qual método parece mais sofisticado: depende da estrutura e das condições do problema. Essa distinção é essencial para que o aluno não memorize nomes isolados, mas justifique por que uma estratégia serve para determinada situação.

O que o aluno precisa saber antes de estudar algoritmo de busca?

As fichas das seis questões apontam uma base que combina noções de algoritmo, lógica de programação, busca em listas e vetores ou listas ordenadas. Algumas questões exigem que o estudante reconheça que uma lista está ordenada; outras pedem que acompanhe uma repetição, interprete “pior caso” ou diferencie a busca em uma lista da exploração de um grafo. Antes de avançar, eu verifico se a turma consegue descrever uma sequência de passos, acompanhar uma condição de parada e explicar o que muda quando a lista está organizada. Não exijo cálculo nessas questões: o desafio principal é compreender o procedimento e suas condições. A leitura aparece em nível médio na maioria das fichas, com uma questão de nível baixo; por isso, vale separar dificuldade conceitual de dificuldade de interpretação do enunciado.

Faço uma checagem curta, sem nota: apresento cinco cartões em ordem e peço que encontrem um valor; depois embaralho os cartões e repito a tarefa. Pergunto o que o estudante fez em cada situação, em que momento descartou possibilidades e se a estratégia continuaria correta com a lista desordenada. Para verificar a lógica de repetição, peço que simule uma busca por uma senha em cinco opções e explique o que acontece se a correta estiver por último. Registro se ele confunde “pior caso” com o resultado mais rápido, se acredita que a busca binária funciona em qualquer lista e se reconhece quando um problema é de caminho em grafo. Esse pequeno levantamento ajuda a decidir se começo por ordenação, por execução passo a passo ou pela escolha entre famílias de algoritmos.

Quais são os erros mais comuns em algoritmo de busca?

Nas seis fichas, quatro questões destacam diretamente a confusão entre busca linear e busca binária, ou a dificuldade de aproveitar uma lista ordenada para reduzir comparações. Isso não significa que todo aluno cometerá o mesmo erro, mas torna essa distinção uma prioridade para o diagnóstico. As outras questões revelam dois pontos diferentes: subestimar o número de testes no pior caso e confundir algoritmos de busca ou caminho com métodos de ordenação e operações de outra natureza. Os distratores mais prováveis variam: D aparece nas questões sobre lista ordenada e pior caso, enquanto A ou B são apontados nas demais. Portanto, eu não trataria uma letra isolada como padrão da turma; olho para a justificativa e para a ideia que sustenta a escolha. A intervenção deve atacar a concepção, não ensinar a evitar uma alternativa específica.

Confundir busca linear com busca binária

O aluno pode pensar que os dois métodos apenas “procuram” e, portanto, têm a mesma lógica ou eficiência. Nas questões sobre lista ordenada, os distratores incluem a busca linear: escolher essa alternativa revela que o estudante não está usando a ordenação como informação útil. Em outra questão, escolher a divisão e conquista para caracterizar busca linear mostra uma troca de propriedades entre os métodos. Eu intervenho colocando os dois algoritmos lado a lado e pedindo que a turma execute cada um sobre os mesmos dados, contando as comparações. Reforço que linear não exige ordenação; binária exige. Não basta dizer que uma é mais rápida: o aluno precisa apontar o que acontece com o intervalo restante em cada etapa.

Imaginar que a busca binária funciona sem dados ordenados

Uma resposta pode citar corretamente a busca binária, mas o estudante ainda não ter compreendido sua condição fundamental. Se a lista estiver embaralhada, comparar com o elemento central não permite concluir em qual metade está o alvo. A causa costuma ser a memorização da frase “divide ao meio” sem relacioná-la à ordem dos valores. Para intervir, uso a mesma coleção em duas versões: primeiro ordenada, depois embaralhada. Peço que o estudante justifique por que descarta uma metade em cada caso. Se não consegue garantir que o alvo ficou do lado escolhido, não pode descartar essa parte. A correção é conceitual: ordenar não é um detalhe decorativo, é uma condição que torna válida a decisão da busca binária.

Subestimar os testes no pior caso

Na questão da lista com cinco senhas, o distrator mais provável é quatro testes. A escolha pode revelar que o aluno imaginou que alguma opção seria descartada sem ser verificada ou confundiu um cenário provável com o cenário mais demorado. Eu peço que enumere a ordem de tentativas e acompanhe o caso em que a resposta está na última posição. Se a senha não existir, também é preciso verificar as cinco opções antes de concluir que não foi encontrada. Essa simulação concreta dá sentido a “pior caso” sem exigir uma fórmula. Depois, pergunto qual seria o melhor caso e como os resultados diferem. Assim, o estudante aprende a distinguir possibilidades da execução, em vez de chutar um número intermediário.

Escolher um algoritmo pelo nome, não pelo problema

Na questão do tabuleiro, o distrator mais provável é um algoritmo de ordenação. Essa escolha indica que o aluno reconhece palavras da área, mas ainda não classifica a tarefa: organizar valores não é encontrar um caminho entre pontos com obstáculos. Também podem aparecer busca binária ou operações aritméticas como alternativas atraentes por associação superficial. Eu intervenho pedindo que o estudante descreva o objeto que está manipulando: uma lista ordenada, um conjunto de conexões ou valores a organizar? A partir daí, ele identifica a família de estratégia adequada. No caso de encontrar o caminho mais curto em um grafo, a questão aponta para Dijkstra. O objetivo não é decorar que “jogo significa Dijkstra”, mas perceber que a representação e a meta definem a escolha.

Como ensinar algoritmo de busca passo a passo?

Eu organizo o ensino começando pela ação observável, não pela notação. Primeiro, a turma procura um item em uma lista pequena sem ordenação e registra cada comparação da busca linear. Depois, ordenamos os mesmos itens e repetimos a tarefa com a estratégia de verificar o meio e eliminar uma metade. A dica recorrente nas fichas é considerar os algoritmos mais adequados para vetores ordenados e as características de cada método; transformo isso em uma pergunta-guia: “Que informação consigo usar para descartar possibilidades com segurança?”. Em seguida, simulo o pior cenário, localizando o último item ou verificando que ele não existe. Só depois comparo situações em listas, grafos e caminhos. Essa sequência permite ao estudante construir o motivo da escolha e não apenas decorar uma definição.

Na primeira etapa, demonstro a busca linear com cartões fora de ordem e digo em voz alta o que faço: verifico o primeiro, comparo com o alvo, avanço se não corresponde e paro quando encontro ou termino. Na segunda, organizo os cartões e modelo a busca binária. Em cada rodada, a turma aponta o meio, compara e marca qual metade ainda pode conter a resposta. Faço questão de perguntar por que a outra metade pode ser eliminada. Na terceira, os estudantes trabalham em duplas: uma pessoa executa e a outra registra as comparações. Na quarta, comparo o pior caso da busca linear com o caso em que o alvo aparece logo no começo. Na quinta, apresento um grafo simples e peço que expliquem por que a lógica de uma lista não basta para resolver o caminho. Fecho com uma justificativa escrita curta, como “escolhi este algoritmo porque…”.

Se a turma ainda confunde os nomes, volto à representação visual em vez de repetir a explicação. Para busca linear, desenho a sequência de verificações; para busca binária, marco o intervalo que diminui a cada comparação. Se a dificuldade é a condição de ordenação, alterno exemplos ordenados e desordenados e pergunto qual conclusão é garantida. Se o problema é “pior caso”, uso a senha na última posição. E, quando os alunos misturam listas e grafos, peço que redesenhem o problema como uma estrutura: itens em sequência ou pontos conectados? A intervenção fica mais precisa quando respondo ao erro identificado. Ao final, recolho uma justificativa individual; um acerto sem explicação não demonstra, sozinho, que o estudante entende a lógica da busca.

Como avaliar: que tipo de questão usar em cada momento?

Eu uso questões diretas de resposta conceitual para consolidar vocabulário, como identificar o que caracteriza a busca linear; questões sobre lista ordenada para verificar se o estudante aproveita a estrutura dos dados; e situações de pior caso para avaliar se consegue acompanhar uma execução. A questão de caminho em tabuleiro serve como progressão, pois exige reconhecer que o problema muda de uma lista para um grafo. Nas fichas, as questões têm tempo curto, exceto a questão de caminho, classificada como média; o nível de leitura é médio na maioria, baixo em uma delas, e nenhuma exige cálculo. O poder de discriminação é alto em quatro questões e médio em duas. Esses dados ajudam a combinar itens: não basta reunir perguntas rápidas, é melhor observar se cada uma mede um aspecto diferente do raciocínio.

Para diagnóstico, as seis questões são indicadas como adequadas. Eu começaria com uma questão sobre busca linear e outra sobre lista ordenada, pedindo justificativa para distinguir conhecimento nominal de compreensão da condição de uso. Em atividade, posso propor execução manual e contagem de comparações; em lição de casa, a questão que caracteriza busca linear é a única das seis indicada também para esse uso. Para prova ou simulado, as fichas indicam adequação ampla, com exceção da questão de busca linear, que não está marcada como boa para simulado. Nenhuma é classificada como boa para avaliação rápida. Embora sejam de resolução curta na maioria, o dado recomenda não presumir que funcionam como instrumento relâmpago: a leitura e a interpretação das justificativas merecem espaço. A questão de caminho pode marcar progressão e cobertura dupla; as demais aparecem como consolidação e cobertura única.

Na correção, observo a resposta e a justificativa. Se o aluno escolhe busca linear para uma lista ordenada, pergunto se sabe que a lista está organizada e como isso pode ajudar. Se escolhe quatro testes no pior caso, peço que simule a última opção. Se confunde ordenação com caminho, investigo se reconhece a natureza do problema. O poder de discriminação alto sugere que determinados itens podem separar estudantes que dominam a aplicação daqueles que ainda dependem de reconhecimento superficial; não significa que uma questão, sozinha, explique a causa da dificuldade. Eu uso os resultados para formar grupos temporários de retomada e escolho a próxima atividade conforme o padrão de raciocínio observado. Para montar uma avaliação equilibrada, posso usar o gerador de provas do GeraProva e, se ainda não tenho conta, fazer o cadastro grátis.

O que ensinar antes de algoritmo de busca?

As fichas listam como pré-requisitos noções de algoritmos, lógica de programação, busca em listas, vetores ordenados e tipos de algoritmos. Para preparar a turma, eu começo pela ideia de instruções finitas e organizadas: um algoritmo descreve como chegar a um resultado, sem ser sinônimo de um programa específico. Se esse vocabulário ainda estiver instável, retomo a definição de algoritmo. Depois, reviso sequência, condição e repetição, pois acompanhar uma busca exige entender quando avançar e quando parar. Também ensino a representar uma coleção de dados e a reconhecer se está ordenada. Complexidade de algoritmos pode entrar de modo intuitivo, comparando quantidade de verificações, antes de qualquer formalização. Assim, a turma tem recursos para explicar por que uma estratégia reduz trabalho, sem transformar a busca em uma fórmula sem contexto.

Para verificar essa base, proponho tarefas breves: ordenar cartões, escrever uma sequência de instruções para encontrar um nome, identificar a condição de parada e simular um laço que percorre uma lista. Em seguida, pergunto se o procedimento continua correto quando a ordem dos elementos muda. A estrutura de controle aparece de forma concreta quando os alunos descrevem “enquanto não encontrar e ainda houver itens, comparar o próximo”. Não preciso exigir código para perceber se compreendem repetição e condição; uma simulação manual já revela bastante. Se a turma não consegue explicar o que faz o algoritmo parar, não avanço diretamente para eficiência. Reensino a execução, porque a comparação entre linear e binária só faz sentido quando o estudante acompanha cada passo e entende o que a estratégia garante.

Para onde este conceito leva?

Compreender busca em listas abre caminho para comparar estratégias e pensar em eficiência; compreender busca em grafos amplia a pergunta para explorar conexões e escolher rotas. O acervo relacionado aponta como próximos conceitos caminho mínimo em grafo, algoritmo de Dijkstra, algoritmo de grafo, otimização de rotas, algoritmo de busca binária e busca em profundidade. Eu não apresento tudo como uma sequência obrigatória para toda turma: avanço de acordo com o repertório e com a habilidade trabalhada. A busca binária aprofunda o raciocínio sobre dados ordenados e divisão do espaço de busca. Já caminhos mínimos e rotas exigem representar pontos e conexões, além de discutir o que significa “melhor”, por exemplo, menor distância. Busca em profundidade, por sua vez, pertence à exploração de estruturas como grafos, não à busca em um vetor ordenado.

Uma progressão didática possível é começar com busca linear, seguir para busca binária e depois comparar os limites de cada uma. A turma pode observar que a busca binária não substitui a linear em todas as situações: se os dados não estão ordenados, a condição que permite descartar metade não está garantida. Depois, apresento um mapa abstrato como grafo e pergunto quais caminhos ligam dois pontos. Para discutir o menor caminho, introduzo Dijkstra em nível adequado à turma, sem confundir a finalidade com a de ordenar itens ou localizar um valor em uma lista. A ideia central permanece: escolher a estratégia a partir da estrutura e do objetivo. Essa conexão ajuda os estudantes a perceber que “algoritmo de busca” não nomeia um único procedimento, mas uma família de métodos aplicados a problemas diferentes.

Que ligações há com outros temas e competências?

As fichas associam as questões ao tema transversal ciência e tecnologia. Os contextos variam entre situações abstratas, um cenário científico e uma aplicação cotidiana em jogo de tabuleiro. Posso ampliar essas conexões sem perder o foco: listas de matrículas ajudam a discutir organização e recuperação de informação; senhas permitem conversar sobre procedimentos e limites de tentativas; rotas convidam a representar deslocamentos e obstáculos. As habilidades socioemocionais indicadas são tomada de decisão e pensamento crítico. Elas aparecem quando o estudante compara alternativas, avalia o que cada algoritmo garante e justifica sua escolha diante das condições. Não é necessário afirmar que a atividade mede sozinha uma competência socioemocional: posso observar como o aluno argumenta, revê uma hipótese e considera evidências. O contexto serve para dar sentido à busca, desde que não esconda a lógica computacional que quero ensinar.

Para favorecer a tomada de decisão, peço que os estudantes escolham um método e defendam a escolha com base na estrutura dos dados, não em preferência pessoal. Para estimular pensamento crítico, apresento uma justificativa incompleta — por exemplo, “busca binária é sempre melhor” — e solicito que a turma identifique o que falta: os dados precisam estar ordenados e o problema deve permitir descartar uma metade com segurança. Em duplas, um estudante pode propor a estratégia e outro testar um contraexemplo, como uma lista embaralhada. Essa dinâmica traz colaboração sem transformar a aula em disputa por velocidade. Nos contextos de rotas, pergunto quais critérios poderiam tornar um caminho melhor, mas deixo claro quando a questão avalia apenas a escolha do algoritmo e não a resolução completa do grafo. Assim, consigo conectar computação a decisões cotidianas com rigor conceitual.

6 questões comentadas sobre algoritmo de busca

As questões abaixo permitem observar mais do que a escolha de uma letra. Em cada uma, vale pedir ao estudante que explique por que a alternativa correta atende às condições e por que outra não serve. Nas quatro questões relacionadas diretamente a busca linear, busca binária e listas, o ponto decisivo é reconhecer o procedimento e a informação que a ordenação oferece. A pergunta sobre cinco senhas examina a leitura de pior caso; a situação do tabuleiro verifica se a turma distingue busca em lista de busca de caminho. Em todos os itens, as alternativas incorretas ajudam a localizar a confusão, mas não autorizam concluir, sem conversa ou nova evidência, que o aluno domina ou não domina todo o conceito. O marcador ao fim de cada questão será substituído pela ficha técnica correspondente.

1. Para reduzir comparações ao buscar um elemento em um vetor já ordenado, qual algoritmo é mais adequado?

• ❌ A) Busca em largura (BFS) para encontrar X em vetores. Essa estratégia é usada na exploração de grafos, não corresponde à busca em vetor ordenado. A escolha pode revelar que o aluno associa qualquer método chamado busca a qualquer estrutura.
• ❌ B) Busca aleatória que tenta encontrar X em posições quaisquer. Tentar posições sem regra não garante redução das comparações nem aproveita a ordenação. A resposta pode indicar que o estudante confunde tentativa com estratégia sistemática.
• ❌ C) Busca em profundidade (DFS) para pesquisar por X. DFS explora caminhos ou estruturas como grafos; não é o método apropriado para esse vetor. O erro revela mistura entre famílias de algoritmos.
• ❌ D) Busca sequencial (linear search) para todos os vetores. A busca linear funciona, mas não aproveita a ordenação para reduzir o espaço de busca. Esse é o distrator mais provável nesta questão e pode revelar que o aluno não diferencia validade de eficiência.
• ✅ E) Busca binária. Em um vetor ordenado, compara-se com o elemento do meio e elimina-se a metade que não pode conter o alvo, reduzindo as comparações. É importante que o estudante mencione a condição de ordenação, e não apenas o nome do algoritmo.

2. Um algoritmo verifica senhas em uma lista de cinco opções, testando cada senha em um loop até encontrar a correta. No pior caso, quantos testes serão realizados antes de parar?

• ❌ A) 6 testes. Há somente cinco opções; um teste adicional não é necessário para conferir uma sexta senha que não existe. A escolha pode revelar dificuldade para relacionar o número de elementos ao limite de verificações.
• ❌ B) 3 testes. Isso pode ocorrer em uma execução específica, mas não representa o pior caso: a resposta pode estar no fim da lista ou não aparecer.
• ✅ C) 5 testes. No pior caso, a senha correta está na última posição, ou nenhuma opção corresponde; o algoritmo precisa verificar as cinco opções antes de encontrar ou concluir a busca.
• ❌ D) 4 testes. A ideia de descartar uma senha sem verificá-la não faz parte do procedimento descrito. Esse é o distrator mais provável e pode revelar que o aluno não simulou a execução completa.
• ❌ E) 2 testes. Essa resposta descreve uma busca rápida, não o cenário mais demorado. O erro aponta para uma confusão entre caso favorável e pior caso.

3. Uma escola guarda números de matrícula em um vetor ordenado. O programa compara o valor procurado com o elemento do meio e continua na metade possível. Qual algoritmo faz isso?

• ❌ A) Busca aleatória. Escolher posições sem seguir o intervalo não garante que metade das possibilidades seja eliminada. A alternativa é o distrator mais provável e pode revelar que o aluno reconhece a ideia de procurar, mas não a regra de redução.
• ❌ B) Busca sequencial. Ela verifica itens em sequência e não usa o elemento central para descartar metade do vetor. A escolha revela possível confusão entre percorrer e dividir o intervalo.
• ✅ C) Busca binária. Com os dados ordenados, compara o alvo ao elemento central e mantém somente a metade que ainda pode conter a matrícula. A cada etapa, reduz o espaço possível.
• ❌ D) Busca em profundidade. Esse método explora caminhos em estruturas como árvores ou grafos; não descreve a procura pelo meio de um vetor ordenado. O erro pode indicar associação indevida entre termos de busca.
• ❌ E) Ordenação por seleção. É um método de ordenação, não um procedimento para localizar um valor pela divisão do intervalo. A resposta revela que o aluno pode estar classificando pelo vocabulário, não pela finalidade.

4. Em um jogo de tabuleiro, é preciso mover uma peça do ponto A ao ponto B, passando por três obstáculos. Que algoritmo utilizar para encontrar o melhor caminho?

• ✅ A) Algoritmo de Dijkstra. A questão trata de encontrar o caminho mais curto entre pontos representáveis em um grafo. A escolha deve se apoiar na natureza do problema de caminho.
• ❌ B) Algoritmo de ordenação. Ordenar dados não encontra, por si só, uma rota entre pontos. É o distrator mais provável e pode revelar confusão entre organizar elementos e explorar caminhos.
• ❌ C) Algoritmo de divisão. Dividir um problema em partes não identifica automaticamente o menor caminho. O aluno pode estar escolhendo pelo nome sem relacionar método e objetivo.
• ❌ D) Algoritmo de soma. Uma operação aritmética não representa a busca de caminhos entre pontos conectados. A alternativa aponta para associação superficial com cálculo.
• ❌ E) Algoritmo de busca binária. Esse método procura um elemento em uma lista ordenada; não resolve diretamente o problema de rota em um grafo. A escolha pode revelar que o aluno generaliza demais o termo busca.

5. O que caracteriza um algoritmo de busca linear?

• ❌ A) Busca apenas o primeiro elemento da lista. A busca linear pode verificar sucessivos elementos até encontrar o alvo ou terminar a lista. A resposta pode indicar compreensão incompleta do percurso.
• ❌ B) Usa divisão e conquista. Essa característica está associada à busca binária, não define a busca linear. É o distrator mais provável e pode revelar troca entre propriedades dos dois métodos.
• ✅ C) Verifica cada elemento até encontrar o desejado. Essa é a característica central da busca linear; ela pode percorrer uma lista ordenada ou desordenada.
• ❌ D) É sempre mais eficiente que outros métodos. A eficiência depende do problema, do tamanho e da organização dos dados. O erro revela uma generalização sem considerar as condições.
• ❌ E) Necessita de uma lista ordenada. A busca linear não depende de ordenação; essa condição é necessária para usar corretamente a busca binária. A escolha aponta para confusão entre os pré-requisitos.

6. Qual algoritmo é mais apropriado para buscar um valor em uma lista ordenada?

• ❌ A) Busca linear. Ela pode localizar o valor, mas, em uma lista ordenada, a busca binária pode eliminar metade do intervalo a cada etapa. A alternativa é o distrator mais provável e pode indicar que o aluno não aproveita a ordenação.
• ✅ B) Busca binária. É apropriada porque a ordem permite comparar com o meio e descartar uma metade do espaço de busca a cada passo.
• ❌ C) Busca em profundidade. É usada para explorar estruturas como grafos, não para procurar diretamente em uma lista ordenada. A escolha revela confusão entre estruturas.
• ❌ D) Busca aleatória. Não garante uma estratégia eficiente nem aproveita a ordem dos elementos. O aluno pode estar tratando qualquer tentativa como busca válida.
• ❌ E) Busca em largura. Também se aplica à exploração de grafos, não corresponde à busca em lista ordenada. A resposta pode indicar que os nomes dos algoritmos foram memorizados sem suas aplicações.

Perguntas frequentes sobre algoritmo de busca

As dúvidas que surgem em sala costumam se concentrar em quatro decisões: qual método ensinar primeiro, como verificar a compreensão além da memorização, quando introduzir eficiência e como adaptar a avaliação a diferentes anos. Minha resposta é manter as condições de uso no centro da explicação. Começo com uma busca que os estudantes possam executar, comparo estratégias sobre os mesmos dados e só então nomeio o procedimento. A ordenação deve aparecer como condição explícita da busca binária; o pior caso deve ser simulado, não tratado como um palpite. Para avaliar, combino uma pergunta de reconhecimento com outra que peça justificativa ou execução. A seguir, respondo a dúvidas práticas que podem orientar o planejamento em turmas de 6º, 7º e 8º ano, sem transformar uma sequência única em receita obrigatória.

Devo ensinar busca linear antes da busca binária?

Em geral, começo pela busca linear porque a turma consegue acompanhar a verificação de cada elemento sem precisar compreender ainda a condição de ordenação. Depois, organizo os dados e apresento a busca binária como estratégia que usa essa informação. O contraste ajuda a explicar por que os métodos não são intercambiáveis em qualquer situação.

A busca binária funciona em uma lista desordenada?

Não de forma confiável pelo procedimento descrito. A comparação com o elemento central só permite descartar uma metade quando os dados estão ordenados e o valor comparado indica em qual lado o alvo pode estar. Sem essa condição, a busca pode eliminar justamente a parte que contém o valor.

Como explicar o pior caso sem ensinar fórmulas?

Peço que os alunos simulem uma lista pequena e coloquem o item procurado na última posição. Também considero o caso em que ele não aparece. Na busca linear em cinco opções, pode ser necessário testar todas as cinco antes de parar. A simulação torna concreto o significado de pior caso.

Essas questões servem para diagnóstico no 6º ano?

As fichas indicam que as seis questões são boas para diagnóstico e incluem uma questão associada ao 6º ano. Eu ajustaria a conversa e o vocabulário à turma, observando se os estudantes acompanham a repetição, reconhecem a lista e entendem a condição de parada. A justificativa ajuda a identificar o que precisa de retomada.

Como diferenciar busca em lista de busca em grafo?

Peço ao estudante que represente o problema. Uma lista organiza elementos em sequência; um grafo representa pontos conectados por relações. Localizar um valor em uma lista ordenada pode pedir busca binária. Encontrar caminhos entre pontos exige pensar em algoritmos próprios para grafos, como Dijkstra para caminho mínimo.

O que fazer quando o aluno acerta, mas não justifica?

Proponho uma situação parecida com uma condição alterada: por exemplo, apresento uma lista desordenada e pergunto se a mesma estratégia ainda permite descartar metade. Se o aluno explica o limite e a condição do método, demonstra compreensão mais sólida do que quem apenas reconhece o nome correto.

Se esse diagnóstico ajudar a planejar sua próxima aula, experimente transformar as dúvidas da turma em uma avaliação equilibrada: no GeraProva você pode montar provas com apoio de IA e adaptar os itens ao que seus alunos precisam retomar.