Ensino de computação e pensamento computacional: a aprendizagem depende também do contexto escolar

É comum pensar que ensinar pensamento computacional exige computadores, programação e um professor especialista em ciência da computação. As pesquisas recentes tornam essa ideia mais complexa: há estudos sobre atividades desplugadas, robótica, jogos e integração com outras disciplinas, mas também sobre as condições que ajudam ou dificultam essas propostas na escola.

O ponto central não é escolher uma ferramenta da moda. É entender que diferentes estratégias podem abrir caminhos para trabalhar conceitos de computação, enquanto o conhecimento do professor, os objetivos curriculares, os recursos disponíveis e a organização escolar influenciam o que os estudantes conseguem aprender. A seguir, reunimos o que os resumos de estudos recentes relatam e o que pode ser aproveitado com cuidado na prática docente.

O que é ensino de ciência da computação e pensamento computacional e por que importa para o professor?

Ensinar ciência da computação na educação básica é criar oportunidades para que os estudantes compreendam conceitos e práticas relacionados à computação. O pensamento computacional, por sua vez, aparece nos estudos como um conjunto de maneiras de abordar problemas, como decompor situações, reconhecer padrões, abstrair aspectos relevantes, organizar algoritmos, testar e depurar sequências. Não se resume a aprender a usar um aplicativo ou escrever código.

Na rotina escolar, esse assunto pode surgir em uma atividade de programação, em um desafio com objetos e instruções, em um jogo, em uma proposta de matemática ou em uma investigação de ciências. Uma turma pode planejar uma sequência de movimentos, prever o resultado de uma regra, identificar um erro e revisar a solução. O que transforma a atividade em oportunidade de aprendizagem é o objetivo que o professor define e a forma como orienta a reflexão dos estudantes.

Essa distinção importa porque vários estudos apontam que pensamento computacional pode reunir resultados de aprendizagem diferentes. Uma proposta integrada, por exemplo, pode envolver conceitos de computação, aprendizagem da disciplina parceira e competências gerais; avaliá-la apenas pelo código produzido pode deixar parte do objetivo invisível. A revisão sobre programação integrada defende justamente que os resultados sejam especificados com mais clareza (Woo, 2025).

O que a pesquisa recente mostra sobre o ensino de computação?

Há várias portas de entrada, do desplugado à programação

Uma análise de pesquisas sobre educação do K-5 identificou robótica, programação baseada em blocos, STEM, atividades desplugadas e jogos entre as abordagens pedagógicas mais utilizadas. O trabalho examinou estudos publicados entre 2009 e 2021 e organizou os resultados também em torno de decomposição, abstração, reconhecimento de padrões e elaboração de algoritmos. Isso mostra a diversidade de caminhos que têm sido investigados, não uma classificação universal de qual método funciona melhor (Adanir, 2024).

Uma revisão sistemática voltada à educação primária encontrou diferenças entre os contextos K–3 e 4–5: robótica educacional e atividades desplugadas aparecem com mais frequência nas turmas mais novas. A revisão também observa que predominam atividades baseadas em tarefas, cuja eficácia se limita ao primeiro contato com ciência da computação, especialmente quanto à melhora da autoeficácia e à redução da ansiedade de aprendizagem. Os autores identificam modelos de resolução de problemas e estratégias como IDC e DBL que buscam uma aprendizagem mais significativa, em vez de se restringir a quebra-cabeças (Ugolini, 2024).

Essas revisões ajudam a separar variedade de evidência de receita pronta. Encontrar uma abordagem em muitos estudos não prova que ela seja a melhor para toda turma. Para o professor, o recado útil é observar qual conceito está em foco e se a atividade permite que os estudantes façam algo além de completar uma tarefa: explicar uma estratégia, comparar soluções, prever consequências ou revisar um procedimento.

O desplugado pode preparar a passagem para o código

Um estudo com duas crianças do 4º ano, sem experiência prévia em programação, explorou uma sequência de quatro semanas em um clube de programação no contraturno. Os pesquisadores acompanharam a passagem de atividades desplugadas para um ambiente de programação. Um conceito central observado foi o “pensamento em unidades”: as crianças relacionavam propriedades físicas dos objetos a unidades de movimento e usavam essas unidades para planejar sequências com maior precisão (Kerr, 2026).

O estudo relata uma passagem da compreensão corporal das unidades, nas atividades sem computador, para representações mais abstratas no ambiente plugado. Os autores sugerem que o envolvimento sensório-motor pode contribuir para tarefas posteriores de programação e recomendam introduzir o pensamento em unidades, especialmente quando a atividade envolve ordenar sequências e medir. Como o estudo acompanhou apenas duas crianças em um contexto específico, é melhor tomar essa ideia como uma pista pedagógica promissora, não como garantia de resultado para qualquer turma.

Também há evidência de oficinas desplugadas em um estudo de implementação realizado em três escolas secundárias da Malásia. Aproximadamente 200 estudantes dos anos finais do ensino fundamental participaram; os resultados indicaram melhora significativa nos conceitos de pensamento computacional trabalhados. O referencial CReSt desenvolvido no estudo organiza a implementação em torno de currículos, recursos, atores envolvidos e feedback. Os autores ressaltam que a proposta foi testada como prova de conceito e que os resultados quantitativos completos são apresentados em publicação complementar (Ahmad, 2026).

A integração com outras disciplinas exige objetivos claros

Uma revisão de escopo sobre programação integrada analisou pesquisas empíricas em salas de aula dos anos finais do ensino fundamental. Os autores argumentam que “pensamento computacional” pode reunir diferentes resultados de aprendizagem e que a qualidade da aprendizagem depende do conhecimento e da prática pedagógica dos professores. Esses aspectos, por sua vez, são influenciados por fatores em vários níveis do ecossistema escolar. A revisão recomenda que estudos futuros distingam resultados de ciência da computação, da disciplina integrada e de competências gerais (Woo, 2025).

Na integração com matemática, uma revisão de estudos empíricos publicados entre 2015 e 2021 identificou cinco tipos amplos de ferramentas: materiais manipuláveis digitais, aplicativos e jogos, linguagens de programação, avaliações formativas ou somativas e outras tecnologias. Em muitos casos, as ferramentas também incluíam funções de avaliação de pensamento computacional. Entre as competências avaliadas estavam algoritmos, abstração, teste e depuração, laços de repetição e sequências; geometria e medidas foram os tópicos matemáticos mais avaliados (Chan, 2023).

A conexão com uma disciplina, portanto, precisa ser planejada nos dois sentidos. Uma atividade pode apoiar a aprendizagem matemática e, ao mesmo tempo, trabalhar um conceito de computação, mas o professor precisa saber que evidência observar em cada dimensão. Se o objetivo é compreender medidas, por exemplo, o estudante deve ter oportunidade de explicar essa relação, além de fazer a sequência funcionar.

O papel do professor e da escola atravessa as escolhas pedagógicas

Uma revisão sistemática sobre codesign analisou 26 artigos e encontrou as oficinas como ambiente mais utilizado, além de destacar o uso frequente de técnicas colaborativas. O NetLogo foi a ferramenta de codesign mais utilizada nos estudos analisados. A revisão também relata que o codesign pode apoiar professores a desenvolver capacidade para aprender, criar conteúdos e integrar pensamento computacional a diferentes componentes curriculares. Entre as técnicas defendidas estão abordagens dialógicas, de estímulo, de enquadramento e baseadas em jogos (Sunday, 2025).

O foco no contexto escolar aparece também em um estudo com professores do ensino fundamental na Tailândia. Uma estrutura de ensino reuniu cinco componentes: análise dos estudantes, análise do currículo de computação, definição de objetivos, gestão das atividades de aprendizagem e mensuração e avaliação. Especialistas avaliaram a adequação e a viabilidade da estrutura de forma positiva, mas seus comentários apontaram a necessidade de formação docente, atenção às diferenças de recursos entre escolas e apoio à infraestrutura tecnológica. O próprio estudo caracteriza essa etapa como validação inicial por especialistas, não como teste empírico de eficácia em sala (Nasomdtruk, 2026).

Em outra frente, uma análise bibliométrica de 191 publicações sobre inteligência artificial e pensamento computacional, localizadas na Scopus e publicadas entre 2007 e 2024, descreve crescimento acentuado das publicações desde 2019 e destaca estratégias de aprendizagem, tecnologias educacionais e abordagens interdisciplinares. É um panorama das tendências de pesquisa, não uma avaliação de uma ferramenta específica ou uma prova de que usar IA, por si só, desenvolva pensamento computacional (Husaeni, 2025).

Programação em ciências: um resultado promissor e um desafio docente

Um estudo quase-experimental com estudantes do sexto ano na Turquia investigou atividades de ciências integradas ao Scratch. Participaram 51 estudantes, distribuídos entre um grupo que recebeu atividades com programação baseada em blocos e outro que seguiu o currículo padrão. Os resultados quantitativos indicaram aumento significativo do pensamento computacional no grupo da intervenção. Os dois grupos tiveram ganhos em rendimento em ciências, mas as médias do grupo experimental foram mais altas sem diferença estatisticamente significativa (Sungur, 2026).

O relato qualitativo acrescenta uma dimensão importante: a professora enfrentou as demandas técnicas e pedagógicas de integrar a programação enquanto aprendia junto com a turma. Os autores descrevem um ambiente colaborativo no qual estudantes com menor rendimento puderam se destacar como especialistas em programação. Também relatam que a depuração ajudou a tratar falhas experimentais como etapas produtivas de investigação. O estudo oferece evidência de uma possibilidade de integração, mas não permite concluir que os mesmos efeitos ocorrerão em qualquer disciplina, escola ou grupo de estudantes.

Quais são os estudos lado a lado?

Os estudos abaixo investigam recortes diferentes: alguns sintetizam tendências, outros examinam ferramentas, práticas ou resultados em contextos específicos. A tabela ajuda a perceber o que cada fonte permite afirmar sem confundir revisão de literatura, análise bibliométrica e intervenção com estudantes.

O que os estudos têm em comum e onde divergem?

Um ponto em comum é a ideia de que pensamento computacional não precisa ficar restrito a uma aula isolada de programação. As revisões descrevem abordagens em diferentes disciplinas e formatos, e os estudos sobre matemática, ciências e codesign mostram maneiras de relacionar conceitos computacionais a outras práticas de aprendizagem. Também aparece uma preocupação recorrente com o que, exatamente, se pretende ensinar e avaliar.

Outro ponto compartilhado é a relevância das condições de implementação. Woo destaca a influência do ecossistema escolar e da prática docente; Nasomdtruk reúne preocupações com formação, recursos e infraestrutura; Ahmad organiza a implementação considerando currículo, recursos, atores e feedback. São trabalhos de tipos diferentes, mas todos ajudam a evitar a ideia de que basta escolher uma ferramenta para garantir aprendizagem.

As divergências estão sobretudo no foco e no alcance das evidências. Revisões bibliométricas mapeiam tendências, mas não medem o efeito de uma atividade em uma turma. Revisões de escopo e sistemáticas sintetizam estudos existentes, que podem ter objetivos variados. Já estudos de intervenção, como o trabalho com Scratch, observam resultados em grupos e contextos delimitados. O estudo de Kerr, por sua vez, acompanha apenas duas crianças. Portanto, os achados não têm todos o mesmo peso nem respondem à mesma pergunta.

Continuam em aberto questões práticas: quais estratégias sustentam aprendizagem para além do primeiro contato? Como comparar resultados de computação com resultados da disciplina integrada? Que apoios permitem que professores implementem propostas de forma sustentável em escolas com condições diferentes? Os estudos apontam essas perguntas, mas não oferecem uma resposta única que sirva a todas as redes e turmas.

Como aplicar essas ideias na sala de aula?

Uma forma de usar os achados em sala é escolher primeiro uma aprendizagem observável e, em seguida, decidir se a atividade será desplugada, com programação ou integrada a outra disciplina. As propostas abaixo são aplicações possíveis, não resultados garantidos pelas pesquisas.

1. Comece pelo conceito que a turma precisa praticar

Aplicação sugerida: selecione um foco, como ordenar etapas, perceber padrões, decompor um problema ou depurar uma sequência. Imagine uma turma que precisa planejar instruções para mover uma peça por um percurso. Antes de propor um aplicativo, peça que os estudantes descrevam a sequência e indiquem onde uma instrução ambígua pode levar a outro resultado. Assim, a ferramenta fica a serviço do objetivo.

2. Experimente uma atividade desplugada antes do computador

Aplicação sugerida: proponha que grupos usem objetos simples para representar unidades de movimento e organizem uma sequência. Uma turma pode prever quantas unidades são necessárias para chegar a um ponto e depois comparar a previsão com a execução. A passagem do concreto para representações mais abstratas conversa com o estudo de Kerr, embora o resultado observado com duas crianças não assegure que essa sequência seja ideal para todas as idades.

3. Faça a integração com outra disciplina ser explícita

Aplicação sugerida: em matemática, conecte a programação a uma pergunta sobre geometria ou medidas; em ciências, a uma investigação que exija prever, testar e revisar. Imagine estudantes construindo uma sequência para representar uma mudança observável. Antes da atividade, combine quais evidências indicam aprendizagem do conteúdo da disciplina e quais revelam raciocínio computacional. Isso responde ao alerta de que uma proposta integrada pode envolver resultados diferentes.

4. Trate o erro como dado para revisar a solução

Aplicação sugerida: depois de uma sequência não produzir o resultado esperado, oriente os grupos a localizar o ponto em que a previsão deixou de corresponder à execução. Em vez de apagar tudo, peça que alterem uma instrução por vez e expliquem a razão. Essa rotina pode ser usada tanto com blocos de programação quanto com cartões ou objetos físicos; ela aproxima depuração de investigação, sem exigir que a turma já domine uma linguagem de código.

5. Dê espaço para colaboração e explicação

Aplicação sugerida: organize duplas ou pequenos grupos com momentos definidos para propor, testar e explicar uma solução. Uma estudante pode ordenar as instruções enquanto outra verifica se cada etapa é compreensível; depois, os papéis se invertem. A revisão sobre codesign destaca técnicas colaborativas e dialógicas. Na prática, colaboração não significa deixar o grupo sem orientação: perguntas curtas do professor podem ajudar a tornar explícitas as decisões.

6. Planeje avaliação em mais de uma dimensão

Aplicação sugerida: use uma lista breve de critérios para observar se o estudante consegue formular uma sequência, justificar uma escolha, identificar um erro e relacionar a atividade ao conteúdo da disciplina. Se a turma programa um percurso geométrico, avalie separadamente a lógica da sequência e a explicação matemática. A revisão sobre matemática identifica ferramentas de avaliação entre as categorias estudadas; uma rubrica simples também pode tornar visíveis os objetivos para os estudantes.

7. Planeje os apoios antes de introduzir a ferramenta

Aplicação sugerida: considere o tempo, os recursos disponíveis, a familiaridade docente e a possibilidade de realizar a atividade sem dispositivos. Imagine uma escola em que o acesso à tecnologia varia entre turmas: preparar cartões de instruções como alternativa permite manter o objetivo, ainda que a atividade precise mudar. Essa escolha não elimina a necessidade de acesso digital quando ele é parte do objetivo; ajuda a distinguir o que é indispensável do que pode ser adaptado.

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

Os estudos citados vêm de contextos diferentes, incluindo pesquisas realizadas na Malásia, na Turquia e na Tailândia, além de análises de literatura sem um país de aplicação indicado no resumo. Uma turma brasileira não é automaticamente equivalente às turmas estudadas. A língua, os recursos, a formação docente, a organização do currículo e as condições de cada rede podem mudar a forma de implementar uma atividade. Por isso, os resultados devem servir como referência para pensar e testar, não como instrução pronta.

Uma adaptação prudente começa por identificar as condições reais da escola: há dispositivos para todos ou o trabalho será em grupos? Existe tempo para o professor conhecer a ferramenta? A proposta depende de conexão? É possível manter o foco conceitual com materiais simples? O estudo malaio sobre CReSt e a pesquisa tailandesa sobre indicadores tornam visíveis questões de recursos, coordenação e formação, mas não medem diretamente as condições das escolas brasileiras.

Também vale evitar importar ferramentas ou modelos sem compreender o objetivo para o qual foram usados. O NetLogo aparece com frequência na revisão de codesign, mas isso não significa que seja a escolha adequada para todo professor ou currículo. Do mesmo modo, resultados de uma intervenção com Scratch em ciências na Turquia são promissores para aquele recorte, mas precisam ser interpretados considerando a amostra, o conteúdo e a experiência docente descritos no estudo.

Uma maneira cuidadosa de começar é adaptar uma proposta pequena, registrar o que os estudantes conseguem explicar e revisar o desenho antes de ampliar. Se a escola não tem computadores suficientes, uma primeira atividade pode ser desplugada; se há recursos digitais, a programação pode ampliar as possibilidades de teste. Em ambos os casos, é o objetivo de aprendizagem — e não o equipamento por si só — que deve orientar a decisão.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de dez estudos recentes, não na leitura integral dos trabalhos. Os resumos permitem descrever os objetivos, os métodos e os resultados que os autores destacaram, mas não dão acesso a todos os detalhes necessários para avaliar instrumentos, procedimentos, análises e limites de cada pesquisa. Além disso, os estudos têm desenhos diferentes: revisões, análises bibliométricas, validação por especialistas e investigações com grupos pequenos ou contextos delimitados não devem ser tratados como evidências equivalentes.

Ficam em aberto perguntas sobre a duração dos efeitos, a possibilidade de reproduzir resultados em outras escolas e a comparação entre estratégias em condições semelhantes. Também seria importante conhecer com mais detalhe como foram realizadas as atividades, como se definiram as medidas de aprendizagem e que apoios receberam os professores. Para decidir uma política escolar, selecionar uma ferramenta para uso continuado ou replicar uma intervenção, faz sentido consultar os estudos completos e, quando possível, buscar pesquisas realizadas em contextos próximos ao da própria rede.

Como o GeraProva pode ajudar com pensamento computacional?

O GeraProva pode apoiar a preparação de questões e atividades de avaliação relacionadas aos objetivos que você definiu, como ordenar etapas, interpretar uma sequência ou identificar um erro. A ferramenta não substitui o planejamento pedagógico nem determina, sozinha, o que a turma aprendeu; cabe ao professor revisar e ajustar os itens ao contexto dos estudantes. Você pode conhecer o gerador de provas do GeraProva e fazer o cadastro grátis.

Perguntas frequentes sobre ensino de computação e pensamento computacional

É possível ensinar pensamento computacional sem computador?

Sim. As pesquisas analisam atividades desplugadas, e o estudo de Ahmad relata oficinas desse tipo em três escolas secundárias da Malásia, com melhora nos conceitos de pensamento computacional trabalhados. O estudo de Kerr também descreve uma passagem de atividades desplugadas para programação em ambiente digital. Isso não significa que toda habilidade de programação possa ser desenvolvida sem tecnologia, nem que a atividade desplugada produza sempre o mesmo resultado. O professor pode escolher uma dinâmica sem dispositivos quando ela ajuda a trabalhar o conceito pretendido, como sequência, movimento ou decomposição.

Pensamento computacional é a mesma coisa que programação?

Não necessariamente. Os estudos tratam programação como uma das maneiras de trabalhar conceitos de computação e pensamento computacional, mas também abordam robótica, jogos, atividades desplugadas e integração curricular. A revisão de Ugolini destaca a importância de ir além da aquisição de conceitos de ciência da computação e examinar o pensamento computacional como processo. Para o planejamento, vale separar o que a turma deve aprender — por exemplo, organizar uma sequência ou testar uma solução — da ferramenta usada para praticar esse objetivo.

Preciso ser especialista em programação para começar?

Os estudos não estabelecem que todo professor precise ser especialista, mas apontam a importância do conhecimento e da prática pedagógica. Woo relaciona a qualidade da aprendizagem ao preparo docente e a fatores do ecossistema escolar; Nasomdtruk relata que especialistas destacaram a necessidade de formação e apoio à infraestrutura. No estudo de Sungur, a professora atravessou um processo de reaprendizagem durante a integração com Scratch. Uma aplicação prudente é começar com um objetivo delimitado, conhecer a atividade antes de apresentá-la e buscar formação ou apoio quando a proposta exigir conhecimentos técnicos novos.

Como avaliar uma atividade de pensamento computacional?

Comece por explicitar o resultado que deseja observar. Uma sequência pode ser avaliada pela organização das etapas; uma atividade de depuração, pela capacidade de identificar um problema e justificar uma revisão. Em propostas integradas, considere separadamente o objetivo de computação e o da disciplina parceira. A revisão de Chan encontrou ferramentas que incluíam funções de avaliação e descreveu competências como algoritmos, abstração, teste e depuração. Isso não determina um instrumento único: a avaliação precisa corresponder ao que foi ensinado e às evidências que os estudantes conseguem produzir.

Programar em blocos melhora a aprendizagem de ciências?

Um estudo quase-experimental com 51 estudantes do sexto ano na Turquia encontrou aumento significativo de pensamento computacional após uma intervenção de ciências integrada ao Scratch. Os dois grupos tiveram ganhos no rendimento em ciências, mas a diferença entre as médias não foi estatisticamente significativa. Portanto, esse estudo oferece evidência favorável para o pensamento computacional naquele contexto, mas não permite afirmar que programação em blocos sempre elevará o desempenho em ciências. Para testar uma proposta semelhante, defina o conteúdo científico e a aprendizagem computacional que pretende observar.

O que fazer se minha escola tem poucos recursos tecnológicos?

Considere atividades desplugadas e planeje quais partes do objetivo podem ser trabalhadas com materiais simples. O estudo de Ahmad investigou oficinas desplugadas em escolas malaias com poucos recursos e relatou melhora nos conceitos abordados. Ainda assim, as condições brasileiras podem ser diferentes, e o resultado não garante a mesma experiência em qualquer escola. Também é importante distinguir quando o recurso digital é essencial ao objetivo e quando pode ser substituído temporariamente. Planejar alternativas, tempo de formação e formas de acompanhamento ajuda a não reduzir o ensino de computação à disponibilidade de equipamentos.

Referências

As referências abaixo correspondem aos estudos citados no texto. Os títulos originais são mantidos entre parênteses para facilitar a localização na base ERIC.

1. Sunday, Amos Oyelere; Agbo, Friday Joseph; Suhonen, Jarkko (2025). Pedagogia de codesign para o ensino do pensamento computacional na educação básica: uma revisão sistemática da literatura (Co-Design Pedagogy for Computational Thinking Education in K-12: A Systematic Literature Review). Technology, Knowledge and Learning. Link.
2. Woo, Karen; Falloon, Garry (2025). Integração da programação no currículo: uma revisão de escopo (Integrating Coding across the Curriculum: A Scoping Review). Computer Science Education. Link.
3. Husaeni, Dwi Fitria Al; Widiaty, Isma; Mulyanti, Budi; Abdullah, Ade Gafar; Riza, Lala Septem; Suherman, Amay; Husaeni, Dwi Novia Al (2025). Tendências e impactos da aplicação da inteligência artificial no desenvolvimento de habilidades de pensamento computacional (Trends and Impacts of Artificial Intelligence Application in the Development of Computational Thinking Skills). Informatics in Education. Link.
4. Adanir, Gülgün Afacan; Delen, Ibrahim; Gulbahar, Yasemin (2024). Tendências de pesquisa em educação do pensamento computacional do K-5: uma análise bibliométrica e ideias para avançar (Research Trends in K-5 Computational Thinking Education: A Bibliometric Analysis and Ideas to Move Forward). Education and Information Technologies. Link.
5. Ugolini, Francesco C.; Kakavas, Panagiotis (2024). Estratégias de ensino eficazes para o desenvolvimento do pensamento computacional na educação primária: uma revisão sistemática da literatura (Effective Instructional Strategies for the Development of Computational Thinking in Primary Education: A Systematic Literature Review). Research on Education and Media. Link.
6. Chan, Shiau-Wei; Looi, Chee-Kit; Ho, Weng Kin; Kim, Mi Song (2023). Ferramentas e abordagens para a integração do pensamento computacional e matemática: uma revisão de escopo de estudos empíricos atuais (Tools and Approaches for Integrating Computational Thinking and Mathematics: A Scoping Review of Current Empirical Studies). Journal of Educational Computing Research. Link.
7. Ahmad, Izzah Sakinah; Talib, Corrienna Abdul; Lau, Sian Lun; Sim, Tze Ying (2026). Desenvolvimento de um referencial de implementação para atividades de pensamento computacional e programação (Development of an Implementation Framework for Computational Thinking and Programming Activities). Discover Education. Link.
8. Kerr, Jessica; Kopcha, Theodore J. (2026). A incorporação de conceitos de programação por crianças em uma sequência de aprendizagem que vai do desplugado ao plugado (Children's Embodiment of Coding Concepts in an Unplugged-to-Plugged Learning Sequence). ACM Transactions on Computing Education. Link.
9. Sungur, Sukran; Ozkan, Gulbin (2026). Ciência programada: o papel das atividades de programação baseadas em blocos no desenvolvimento do pensamento computacional e no rendimento em ciências (Coding Science: The Role of Block-Based Programming Activities in Enhancing Computational Thinking and Science Achievement). Journal of Science Education and Technology. Link.
10. Nasomdtruk, Thongkham; Chansirisira, Pacharawit (2026). Estrutura de componentes e indicadores para o ensino do pensamento computacional: um estudo com professores do ensino fundamental na Tailândia (Components and Indicators Framework for Computational Thinking Instruction: A Study of Primary School Teachers in Thailand). International Education Studies. Link.

Escolha um conceito, experimente uma atividade possível com os recursos da sua escola e observe o que os estudantes conseguem explicar. Aos poucos, você pode ajustar a proposta e construir um caminho de computação que faça sentido para a sua turma.