Competência em cálculo e pensamento: a matemática também prevê o pensamento computacional

O pensamento computacional deixou de aparecer apenas associado à programação: pesquisas recentes o investigam também em estatística, matemática, ciências e atividades sem computador. Para o professor, essa mudança conversa com uma tarefa cotidiana: ajudar os estudantes não só a chegar a uma resposta, mas a organizar dados, reconhecer relações, testar caminhos e explicar como resolveram um problema.

Os estudos reunidos aqui mostram conexões entre letramento matemático e pensamento computacional, mas também revelam que a integração não acontece automaticamente. Há diferenças entre estudantes e entre componentes das atividades; formação docente e acompanhamento podem fazer diferença no desenho de projetos. A pergunta prática, então, não é apenas se vale a pena integrar essas áreas, mas como propor experiências que tornem visíveis as estratégias de pensamento.

O que é competência, cálculo e habilidades de pensamento na educação e por que importa para o professor?

Na prática escolar, competência em cálculo e pensamento pode ser entendida como a capacidade de mobilizar conhecimentos e estratégias para resolver situações, interpretar informações e justificar decisões. Nos estudos desta revisão, o pensamento computacional aparece por meio de ações como decompor um problema, reconhecer padrões, abstrair aspectos relevantes, elaborar procedimentos e depurar uma solução. Não se limita a usar computador: algumas pesquisas investigaram tarefas desplugadas e outras conectaram essas habilidades a matemática, estatística ou ciências.

O cálculo, nesse contexto, é uma parte possível do trabalho matemático, mas não esgota a competência. Um estudante pode executar uma operação e ainda precisar decidir quais dados usar, como representar a situação e em que ordem agir. Para o professor, isso aparece quando a turma compara estratégias, trabalha com dados, constrói modelos ou precisa explicar por que um procedimento funciona. A aprendizagem envolve tanto o resultado quanto o caminho percorrido.

Essa distinção importa porque uma única resposta correta nem sempre revela quais habilidades foram mobilizadas. Uma atividade pode pedir que estudantes organizem dados, identifiquem regularidades e construam um procedimento; outra pode se concentrar no cálculo final. As duas podem ter lugar na aula, mas oferecem oportunidades diferentes para observar o pensamento. Os estudos não defendem uma fórmula única: investigam combinações de habilidades, tarefas e contextos variados.

O que a pesquisa recente mostra sobre matemática e pensamento computacional?

As pesquisas reunidas apontam três ideias especialmente úteis para a prática: existe uma conexão entre aprendizagem matemática e pensamento computacional; as competências podem ser observadas em tarefas com diferentes formatos; e a integração entre áreas precisa de planejamento. Os resultados variam conforme a atividade e o grupo estudado. Portanto, não basta acrescentar tecnologia ou um elemento de jogo para garantir que os estudantes desenvolvam pensamento de maneira ampla.

A matemática pode se relacionar com o pensamento computacional por diferentes caminhos

Um estudo com estudantes do oitavo e do nono anos analisou crenças sobre matemática, atitudes, letramento matemático e pensamento computacional. A pesquisa encontrou que crenças sobre a natureza da matemática prediziam positivamente as atitudes em relação à disciplina. Também observou que essas crenças se relacionavam indiretamente ao letramento matemático por meio das atitudes positivas. O letramento matemático, por sua vez, predisse positivamente as duas subescalas de pensamento computacional examinadas (Lee, 2023).

Esse resultado é uma relação estatística identificada no estudo, não uma promessa de que melhorar uma atitude, isoladamente, causará automaticamente aumento de competência computacional em qualquer turma. Ainda assim, a pesquisa sustenta uma conexão relevante para o planejamento: o letramento matemático pode ajudar a explicar diferenças no pensamento computacional, e os autores sugerem que professores considerem desenvolvê-lo ou integrar as duas áreas em atividades de aprendizagem (Lee, 2023).

A relação entre matemática e pensamento computacional também aparece em um estudo sobre estatística no Ensino Fundamental II. Entre os estudantes analisados, aqueles com capacidades cognitivas altas demonstraram domínio dos quatro indicadores investigados: decomposição, reconhecimento de padrões, abstração e pensamento algorítmico. Os estudantes com capacidades médias se destacaram em decomposição e abstração, mas tiveram dificuldades nos outros dois indicadores; os de capacidades baixas tiveram sucesso limitado, com destaque relativo para decomposição (Astuti, 2025).

O estudo não sugere que todos os estudantes percorram uma sequência igual. Ele mostra que, numa tarefa estatística, os diferentes componentes do pensamento podem aparecer de forma desigual. Para quem ensina, isso ajuda a formular uma pergunta diagnóstica: a dificuldade está em separar o problema em partes, identificar uma regularidade, escolher o que é relevante ou organizar os passos? Separar essas ações pode tornar a devolutiva mais precisa do que classificar a resposta apenas como certa ou errada.

O pensamento aparece em tarefas sem computador e em atividades conectadas a outras disciplinas

Com crianças de cinco a oito anos, uma pesquisa de estudo de caso examinou duas tarefas desplugadas de sequenciação. As crianças apresentaram evidências de reconhecimento de padrões, algoritmos e procedimentos, decomposição de problemas e depuração. As estratégias e o uso de materiais manipuláveis pareceram ganhar complexidade conforme a idade e o nível de desenvolvimento. Os autores propõem a sequenciação como um ponto de entrada adequado para crianças pequenas começarem a se envolver com outras competências de pensamento computacional (Tank, 2024).

O valor prático desse achado está em lembrar que o computador não é requisito para observar raciocínio. Em uma tarefa com objetos, por exemplo, a criança pode ordenar passos, perceber que uma sequência não funciona e tentar corrigir. Essa possibilidade não significa que qualquer brincadeira desenvolva todas as competências: a pesquisa investigou tarefas específicas e um grupo pequeno. Ela oferece, contudo, um exemplo de como tornar estratégias observáveis em atividades acessíveis à educação infantil e aos anos iniciais (Tank, 2024).

Em aulas de ciências, uma pesquisa com estudantes do sexto ano comparou atividades desplugadas de pensamento computacional com atividades centradas no aluno alinhadas ao currículo de ciências. O grupo que participou das atividades desplugadas apresentou diferença estatisticamente significativa a favor quanto às disposições para o pensamento criativo. A proposta envolveu estudantes planejando e criando jogos, projetos e modelos, em um ambiente descrito como flexível e investigativo (Aytekin, 2026).

Outro estudo, com estudantes do oitavo ano de uma escola pública no oeste da Turquia, integrou pensamento computacional e abordagem STEM a aulas de ciências sobre mudanças climáticas. As atividades incluíram práticas com dados ligadas à investigação sobre aquecimento global e emissões de gases de efeito estufa. O grupo experimental aumentou significativamente suas habilidades de pensamento computacional e sua compreensão do conteúdo, em comparação conforme as análises do estudo (Kara-Zorluoglu, 2026). O resultado apoia a possibilidade de articular pensamento e conteúdo disciplinar, sem sugerir que a mesma unidade ou efeito se transfira automaticamente para qualquer contexto.

Integração exige avaliar o que se mede e apoiar quem planeja

Uma pesquisa britânica com 1.130 estudantes do ensino médio examinou a estrutura da competência em pensamento computacional. A análise apoiou uma organização multidimensional: um fator geral e dois fatores específicos, relacionados à resolução de problemas com programação e sem programação. Embora os autores tenham encontrado essa multidimensionalidade, a variância comum era explicada em grande medida por um fator geral; por isso, recomendaram uma pontuação única para a escala examinada. O estudo também indicou boas propriedades psicométricas para o instrumento avaliado (Lai, 2023).

Para a avaliação escolar, a mensagem não é que todo professor precise adotar esse teste ou produzir uma nota composta. É que a competência pode reunir aspectos distintos, mesmo quando uma medida geral é útil. Uma prova ou atividade que avalie apenas programação pode deixar de fora estratégias demonstradas sem programação; uma tarefa de matemática também pode evidenciar alguns componentes sem representar o domínio inteiro. O instrumento e a conclusão pertencem ao contexto do estudo, mas a distinção ajuda a pensar o que uma avaliação realmente capta.

O apoio ao planejamento docente aparece em pesquisas sobre projetos e formação. Na Espanha, o acompanhamento contínuo de dois professores durante projetos STEAM, ao longo de três anos, esteve associado ao avanço na exploração de competências matemáticas. Quatro das cinco competências consideradas no currículo espanhol apareceram de forma expressiva após aprimoramento contínuo. O pensamento computacional, porém, foi pouco representado, principalmente em razão da formação dos orientadores e de sua incorporação recente ao currículo de referência daquele contexto (Ortiz-Laso, 2023).

Em outro estudo, professores de computação, matemática e ciências participaram de um programa de desenvolvimento profissional de 48 horas para planejar aulas integradas de STEM. Os planos colaborativos foram considerados aceitáveis, mas ainda precisavam ser aprimorados. Os professores associaram com mais eficiência alguns componentes — como simulação em computação, análise de dados em matemática e coleta de dados em ciências — e tiveram mais dificuldade com paralelização e automação. Os participantes relataram benefícios para colaboração, planejamento e compreensão da integração entre disciplinas (Mumcu, 2023).

Uma intervenção de educação tecnológica oferece ainda um exemplo de resolução de problemas com tecnologia física. Na República da Coreia, 19 estudantes do Ensino Fundamental II participaram de um programa de 12 horas que envolvia modificar um carrinho de controle remoto usando Micro:bit. O estudo relatou efeito positivo nas competências relacionadas ao pensamento computacional e melhora nas atitudes em relação à tecnologia. Como o delineamento foi de grupo único, com pré e pós-teste, o achado deve ser lido no escopo daquela intervenção e dos participantes estudados (Park, 2023).

Por fim, uma revisão sistemática e meta-análise reuniu 67 estudos empíricos, com 3.634 participantes, sobre gamificação e pensamento computacional. O efeito combinado estimado foi de +0,734, descrito pelos autores como uma relação positiva de moderada a forte. A análise por nível de ensino encontrou efeito menor no ensino superior e maior no ensino médio. Esses resultados indicam uma associação promissora, mas não permitem concluir que todo recurso gamificado terá o mesmo efeito ou que a motivação, sozinha, explique o desenvolvimento das habilidades (Triantafyllou, 2026).

O que os estudos sobre cálculo e pensamento mostram lado a lado?

A tabela resume o foco e os achados dos estudos citados. Os contextos só são especificados quando aparecem nos resumos; assim, não se atribui país a pesquisas que não o informaram. A comparação também ajuda a distinguir estudos que investigaram matemática diretamente daqueles que trataram pensamento computacional em ciências, tecnologia, formação docente ou avaliação.

Quais pontos em comum e divergências aparecem nas pesquisas?

Em conjunto, os estudos tratam pensamento computacional como mais do que programação. Decomposição, reconhecimento de padrões, abstração, sequenciação, procedimentos e depuração aparecem em tarefas estatísticas ou desplugadas; coleta e análise de dados aparecem em investigações científicas. Também há resultados que conectam o pensamento a conhecimento disciplinar, como letramento matemático e compreensão de mudanças climáticas (Astuti, 2025; Tank, 2024; Lee, 2023; Kara-Zorluoglu, 2026).

Outra convergência é que as tarefas precisam oferecer algo concreto para pensar: organizar informações, criar uma sequência, resolver um problema tecnológico ou construir um produto. Entretanto, os desenhos e objetivos variam. Há estudos de caso, análises de relações entre variáveis, avaliações de instrumentos, intervenções com pré e pós-teste, formação docente e uma meta-análise. Seus resultados não são diretamente intercambiáveis, e um achado sobre disposição criativa não equivale a um resultado sobre desempenho matemático.

As diferenças também são instrutivas. Em estatística, os estudantes demonstraram perfis diferentes nos componentes; na avaliação de pensamento computacional, foi possível identificar fatores específicos e um fator geral; em formação docente, certos componentes foram mais difíceis de integrar do que outros. Os estudos não resolvem qual combinação de habilidades deve ser priorizada em cada etapa nem qual formato funciona melhor para toda turma. A evidência apoia planejamento intencional, não uma receita universal.

Como aplicar essas ideias na sala de aula?

Uma aplicação possível é planejar tarefas que tornem visíveis os passos do raciocínio, sem tratar as sugestões abaixo como resultados testados por cada pesquisa. Os estudos oferecem exemplos e relações; cabe ao professor adaptar o formato ao conteúdo, à idade, aos recursos e ao tempo disponível, observando o que os estudantes conseguem explicar e revisar.

1. Separe a resolução em ações observáveis

Como aplicação, proponha um problema e peça à turma que identifique dados relevantes, divida o desafio em partes, procure padrões e organize passos para chegar a uma solução. Imagine uma turma de 7º ano comparando conjuntos de dados simples: além do cálculo, os grupos podem explicar quais informações selecionaram e por que. Essa estrutura conversa com os indicadores examinados em tarefas estatísticas, mas a sequência concreta é uma sugestão de planejamento, não uma intervenção cuja eficácia tenha sido testada nesses moldes (Astuti, 2025).

2. Use atividades desplugadas para observar estratégias

Como aplicação, use cartões de ações, objetos ou peças para que estudantes organizem uma sequência, testem o resultado e corrijam passos que não funcionem. Na educação infantil, por exemplo, uma sequência de movimentos ou de figuras pode permitir observar se a criança percebe uma repetição ou revisa uma ordem. O estudo com crianças pequenas investigou tarefas desplugadas de sequenciação e encontrou evidências de várias competências; a atividade específica precisa ser ajustada ao desenvolvimento do grupo (Tank, 2024).

3. Faça da análise de dados parte do conteúdo

Como aplicação, peça aos estudantes que coletem ou recebam dados ligados ao tema em estudo, decidam como organizá-los e expliquem que padrão conseguem identificar. Em uma situação hipotética sobre clima, a turma poderia discutir quais comparações são possíveis com os dados disponíveis e quais conclusões exigem cautela. A pesquisa turca integrou práticas de dados a uma unidade sobre mudanças climáticas e relatou avanços no grupo experimental; a proposta para uma turma brasileira é uma adaptação, não reprodução do estudo (Kara-Zorluoglu, 2026).

4. Observe mais do que a resposta final

Como aplicação, avalie separadamente o resultado e algumas etapas: seleção de informações, estratégia, sequência e revisão. Imagine dois estudantes que chegam ao mesmo resultado por caminhos diferentes; uma rubrica pode registrar se ambos justificaram o procedimento e se perceberam erros. A pesquisa sobre a estrutura da competência encontrou um fator geral e fatores específicos ligados a problemas com e sem programação. Isso reforça a utilidade de pensar no que a avaliação captura, mas não exige que o professor use a escala estudada (Lai, 2023).

5. Integre matemática a outro tema com objetivo matemático explícito

Como aplicação, escolha um projeto interdisciplinar e indique desde o início qual trabalho matemático os estudantes farão: representar, comparar, estimar, analisar dados ou construir um modelo. Em um projeto hipotético de ciências, por exemplo, os grupos poderiam organizar medidas e explicar como a representação escolhida ajuda a responder à pergunta. O estudo espanhol sugere a importância de aprimoramento contínuo para explorar competências matemáticas em projetos, e também relata que o pensamento computacional esteve pouco representado (Ortiz-Laso, 2023).

6. Planeje a colaboração entre disciplinas sem presumir integração automática

Como aplicação, reúna colegas para conferir se cada componente realmente aparece na tarefa e se os estudantes sabem o que fazer com ele. Um plano pode incluir coleta de dados em ciências, análise matemática e uma representação ou simulação, mas é importante verificar se cada etapa serve ao objetivo, em vez de apenas reunir nomes de disciplinas. O estudo de formação docente encontrou forças e lacunas distintas na integração de componentes, além de planos que ainda precisavam ser aprimorados (Mumcu, 2023).

7. Use jogos com propósito de aprendizagem claro

Como aplicação, experimente elementos de jogo quando eles ajudarem a turma a testar estratégias, tomar decisões ou revisar procedimentos. Imagine uma atividade em que equipes organizam etapas para resolver um desafio e precisam justificar alterações, em vez de apenas acumular pontos. A meta-análise encontrou uma relação positiva entre gamificação e desenvolvimento do pensamento computacional, com variação por nível de ensino. Isso não garante o mesmo resultado para qualquer jogo; acompanhe se a mecânica realmente mobiliza o raciocínio pretendido (Triantafyllou, 2026).

O que muda quando levamos esses estudos para o contexto brasileiro?

Os resultados internacionais ajudam a levantar possibilidades, mas não devem ser tratados como uma descrição direta das escolas brasileiras. Os estudos com contexto explicitado vieram do Reino Unido, da República da Coreia, da Espanha e da Turquia. Outros resumos não informam país. As etapas, os currículos de referência, os instrumentos, a formação dos participantes e as condições de implementação podem diferir das realidades de cada rede e escola brasileira.

O estudo espanhol, por exemplo, trata de competências do currículo espanhol e de dois professores acompanhados por orientadores. Isso não determina como projetos STEAM devem ser organizados no Brasil. Da mesma forma, o programa coreano usou carrinho de controle remoto e Micro:bit, enquanto a pesquisa turca usou uma unidade de ciências sobre mudanças climáticas e práticas com dados. São exemplos situados, não modelos obrigatórios nem evidência de que os mesmos recursos estejam disponíveis em todas as escolas.

Uma adaptação prudente é partir do conteúdo que a turma está estudando e perguntar que ações de pensamento podem ser praticadas com os recursos disponíveis. Materiais simples podem apoiar tarefas desplugadas; dados já presentes em uma atividade podem servir para discutir organização e interpretação; projetos podem ser planejados em colaboração com colegas. Essas são sugestões de aplicação. Os estudos não comparam diretamente escolas brasileiras, nem estabelecem quais adaptações produzem os mesmos efeitos em nosso contexto.

Também vale evitar duas conclusões apressadas: que pensamento computacional exige equipamento digital e que basta inserir tecnologia para desenvolver competência. Os estudos incluem atividades sem computador, mas também mostram que integrar componentes e conteúdos requer escolhas deliberadas. Para avaliar a própria turma, registre o que os estudantes fazem e explique o objetivo de cada atividade; a evidência internacional pode orientar perguntas de planejamento, mas não substitui a observação local.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de dez estudos recentes indexados no ERIC, não na leitura integral dos trabalhos. Os resumos permitem identificar objetivos, contextos e resultados relatados, mas não oferecem todos os detalhes necessários para comparar instrumentos, procedimentos, duração, condições de implementação ou análises. Por isso, as conclusões foram mantidas no nível descrito pelos próprios resumos e não devem ser lidas como uma avaliação independente da qualidade de cada estudo.

Ficam em aberto perguntas importantes para a prática: quais tarefas funcionam melhor para diferentes idades? Como acompanhar a aprendizagem por mais tempo? Que componentes devem ser avaliados separadamente? Como adaptar intervenções de outros países a redes brasileiras com recursos e currículos variados? E como distinguir o efeito de uma atividade integrada do efeito de outros aspectos da experiência? Os estudos apresentados não respondem a todas essas questões.

Faz sentido consultar o estudo completo quando você pretende adotar um instrumento de avaliação, reproduzir uma intervenção, planejar formação docente baseada em um programa específico ou comparar resultados entre contextos. Também é importante ler o trabalho integral para entender detalhes de amostra, medidas e limitações antes de usar seus resultados como base para decisões de grande alcance. Aqui, a proposta é oferecer um mapa confiável do que os resumos relatam e de como isso pode inspirar perguntas de sala de aula.

Como o GeraProva ajuda com competência matemática e pensamento?

O GeraProva pode ajudar a criar provas e atividades para verificar cálculo, interpretação de dados e resolução de problemas, conforme os objetivos definidos pelo professor. A ferramenta não substitui o planejamento pedagógico nem garante, por si só, o desenvolvimento de pensamento computacional; pode apoiar a elaboração de questões e a organização da avaliação. Conheça o gerador de provas do GeraProva ou faça seu cadastro grátis.

Perguntas frequentes sobre competência, cálculo e pensamento

Pensamento computacional é a mesma coisa que programação?

Não. Nos estudos reunidos, pensamento computacional inclui componentes como decomposição, reconhecimento de padrões, abstração, procedimentos e depuração. Uma pesquisa sobre avaliação distinguiu resolução de problemas com programação e sem programação, além de identificar um fator geral de competência (Lai, 2023). Outra examinou tarefas desplugadas de sequenciação com crianças pequenas e encontrou evidências de diferentes competências sem depender de programação (Tank, 2024). Isso não torna programação irrelevante; mostra que ela é uma possibilidade entre diferentes maneiras de mobilizar pensamento computacional.

Como a matemática se relaciona com o pensamento computacional?

Uma pesquisa com estudantes do oitavo e do nono anos encontrou que o letramento matemático predisse positivamente as duas subescalas de pensamento computacional examinadas. Também identificou relações entre crenças sobre matemática, atitudes e letramento matemático (Lee, 2023). Em outro estudo, tarefas de estatística permitiram observar decomposição, padrões, abstração e pensamento algorítmico, com diferenças entre grupos de capacidades cognitivas (Astuti, 2025). Esses achados sustentam uma conexão entre áreas, mas não significam que toda atividade matemática desenvolva automaticamente todos os componentes do pensamento computacional.

É possível trabalhar essas habilidades sem computador?

Sim, há estudos que investigaram atividades desplugadas. Crianças de cinco a oito anos resolveram tarefas de sequenciação usando materiais manipuláveis, e a pesquisa observou evidências de padrões, procedimentos, decomposição e depuração (Tank, 2024). Em uma pesquisa de ciências com estudantes do sexto ano, atividades desplugadas envolvendo criação de jogos, projetos e modelos foram associadas a uma diferença significativa a favor do grupo experimental nas disposições para o pensamento criativo (Aytekin, 2026). Esses resultados se referem às tarefas estudadas; não garantem que qualquer atividade sem tecnologia produza os mesmos efeitos.

Gamificação funciona para desenvolver pensamento computacional?

Uma revisão e meta-análise de 67 estudos empíricos, com 3.634 participantes, encontrou um efeito combinado estimado positivo de +0,734 para a relação entre gamificação e desenvolvimento do pensamento computacional. A análise por nível de ensino indicou efeito menor no ensino superior e maior no ensino médio (Triantafyllou, 2026). O resultado reúne pesquisas diferentes e não significa que todo jogo ou sistema de pontos terá efeito positivo. Para aplicar essa ideia, vale observar se a mecânica do jogo exige que estudantes planejem, testem estratégias ou revisem soluções, em vez de funcionar apenas como recompensa.

Como avaliar pensamento computacional em uma prova?

Uma prova pode propor situações em que os estudantes precisem organizar dados, separar um problema em partes, identificar padrões ou explicar uma sequência de passos. É útil observar o procedimento, além da resposta, porque diferentes componentes podem aparecer de maneira desigual. A pesquisa sobre competência em pensamento computacional encontrou um fator geral e fatores específicos relacionados a problemas com e sem programação (Lai, 2023). Isso não obriga a usar um teste específico: sugere que o professor seja claro sobre quais aspectos pretende avaliar e que tipo de evidência cada questão permite observar.

É preciso integrar matemática, ciências e tecnologia em todo projeto?

Não há nos estudos uma recomendação para integrar todas as áreas em qualquer projeto. As pesquisas analisaram experiências específicas: projetos STEAM, planejamento colaborativo de aulas STEM e atividades de ciências com práticas de dados. Os resultados mostram possibilidades, mas também apontam dificuldades para incorporar alguns componentes de pensamento computacional e necessidade de aprimorar planos de aula (Ortiz-Laso, 2023; Mumcu, 2023). Como aplicação, escolha uma integração que faça sentido para o conteúdo e explicite o objetivo de cada disciplina. Uma atividade bem delimitada pode ser mais coerente do que reunir áreas sem uma pergunta comum.

Referências

1. Astuti, A., Suryawati, E., Suanto, E., Yuanita, P., & Noviana, E. (2025). Traçando um Caminho: Explorando as Habilidades de Pensamento Computacional em Conteúdos de Estatística entre Estudantes do Ensino Fundamental II (Charting a Course: Exploring Computational Thinking Skills in Statistics Content among Junior High School Students). Journal of Pedagogical Research. Link.
2. Tank, K. M., Ottenbreit-Leftwich, A., Moore, T. J., Yang, S., Wafula, Z., Kim, J., Fagundes, B., & Chu, L. (2024). Investigando a sequenciação como meio para o pensamento computacional em crianças pequenas (Investigating Sequencing as a Means to Computational Thinking in Young Learners). International Journal of Computer Science Education in Schools. Link.
3. Lai, R. P. Y., & Ellefson, M. R. (2023). Quão multidimensional é a competência em pensamento computacional? Um modelo bifator do Desafio de Pensamento Computacional (How Multidimensional Is Computational Thinking Competency? A Bi-Factor Model of the Computational Thinking Challenge). Journal of Educational Computing Research. Link.
4. Park, W., & Kwon, H. (2023). Levando o Pensamento Computacional para as Aulas de Educação Tecnológica: Atividade de Hacking de Carrinho para Escolas de Ensino Fundamental II na República da Coreia (Bringing Computational Thinking to Technology Education Classrooms: Hacking Car Activity for Middle Schools in the Republic of Korea). International Journal of Technology and Design Education. Link.
5. Lee, S. W.-Y., Tu, H.-Y., Chen, G.-L., & Lin, H.-M. (2023). Explorando os múltiplos papéis da aprendizagem em matemática na predição da competência em pensamento computacional dos estudantes (Exploring the Multifaceted Roles of Mathematics Learning in Predicting Students' Computational Thinking Competency). International Journal of STEM Education. Link.
6. Ortiz-Laso, Z., Diego-Mantecón, J.-M., Lavicza, Z., & Blanco, T. F. (2023). Desenvolvimento docente na exploração de competências matemáticas por meio de projetos STEAM (Teacher Growth in Exploiting Mathematics Competencies through STEAM Projects). ZDM: Mathematics Education. Link.
7. Mumcu, F., Uslu, N. A., & Yildiz, B. (2023). Desenvolvimento Docente na Educação STEM Integrada: Elaboração de Planos de Aula sob a Ótica do Pensamento Computacional (Teacher Development in Integrated STEM Education: Design of Lesson Plans through the Lens of Computational Thinking). Education and Information Technologies. Link.
8. Triantafyllou, S. A., Sapounidis, T., & Stamovlasis, D. (2026). Gamificação e pensamento computacional na educação: uma revisão e meta-análise (Gamification and Computational Thinking in Education: A Review and a Meta-Analysis). Technology, Knowledge and Learning. Link.
9. Aytekin, A., & Topçu, M. S. (2026). Como o Pensamento Computacional Desplugado Influencia o Pensamento Criativo dos Estudantes: Evidências a partir dos Sistemas Nervoso e Endócrino Humanos (How Unplugged Computational Thinking Shapes Students' Creative Thinking: Evidence from the Human Nervous and Endocrine Systems). Journal of Science Education and Technology. Link.
10. Kara-Zorluoglu, D., & Ceyhan, G. D. (2026). Efeitos de Abordagens do Pensamento Computacional nas Habilidades de Pensamento Computacional e no Conhecimento sobre Mudanças Climáticas de Estudantes do 8º Ano (Effects of Computational Thinking Approaches on 8th Grade Students' Computational Thinking Skills and Knowledge about Climate Change). Journal of Science Education and Technology. Link.

Escolha uma atividade que combine com o conteúdo que você já está ensinando e observe quais estratégias seus estudantes conseguem tornar visíveis. Se quiser, compartilhe suas ideias com outros professores e experimente adaptar uma proposta à sua turma.