Formação continuada e habilidades de pensamento: por que colaboração e prática fazem diferença

Como a formação continuada pode ajudar você a ensinar os estudantes a pensar, e não apenas a repetir respostas? A pesquisa recente aponta dois caminhos promissores: aprender fazendo e planejar com outros professores. Também mostra que tempo, recursos e condições da escola influenciam o que é possível colocar em prática.

Não existe uma técnica única que resolva esse desafio. Os estudos reunidos aqui investigam formações sobre pensamento de ordem superior, pensamento computacional, pensamento sistêmico, matemática, STEM e inteligência artificial; juntos, ajudam a identificar princípios úteis sem transformar contextos estrangeiros em receita para a escola brasileira.

O que é formação continuada de professores para desenvolver habilidades de pensamento e por que importa para o professor?

É um processo de aprendizagem profissional que ajuda o professor a planejar, conduzir e revisar situações em que os estudantes precisam explicar, comparar, criar, resolver problemas ou analisar relações. Na rotina escolar, isso aparece quando uma atividade pede mais do que localizar uma informação: exige que a turma mostre como chegou a uma conclusão, teste uma ideia ou use o que aprendeu em outra situação.

Para propor essas experiências, o professor também precisa de oportunidades para desenvolver sua própria compreensão do conteúdo e das estratégias de ensino. Uma formação pode envolver estudo de conceitos, produção de atividades, experimentação de ferramentas, observação de aulas e conversa com colegas. Os estudos analisados apresentam combinações diferentes desses elementos. A questão comum é como apoiar o docente para transformar uma intenção — por exemplo, estimular o pensamento crítico — em tarefas adequadas ao conteúdo e ao contexto dos estudantes.

Isso importa porque pedir “pense melhor” não basta. O professor precisa decidir que tipo de raciocínio a atividade mobiliza, que apoio oferecer e como perceber o pensamento dos alunos nas respostas. A formação continuada pode ser um espaço para praticar essas decisões, observar seus efeitos e ajustá-las com apoio de outras pessoas.

O que a pesquisa recente mostra sobre formação docente e habilidades de pensamento?

Os estudos não tratam todos da mesma habilidade nem usam o mesmo desenho de pesquisa. Alguns examinam resultados de uma formação; outros acompanham como professores aprendem, colaboram ou planejam. Em vez de uma fórmula única, o conjunto traz pistas sobre a importância de conectar conhecimento pedagógico, prática concreta e reflexão compartilhada.

Praticar uma estratégia pode fortalecer competências docentes

Uma formação centrada em uma ferramenta de planejamento pode ajudar o professor a avançar tanto no que acredita ser capaz de fazer quanto no que consegue demonstrar. Na Turquia, um programa sobre a Taxonomia de Bloom Revisada foi investigado com 14 professores de ciências, antes e depois da formação. Os resultados indicaram melhora nas competências percebidas e efetivas para aplicar a taxonomia. Como o estudo usou grupo único, o resultado deve ser entendido dentro desse desenho, não como prova de que qualquer programa terá o mesmo efeito (Ö, 2026).

Na formação de professores de matemática em pensamento computacional, o trabalho foi organizado em seis módulos e combinou programação em blocos, tarefas de modelagem e introduções a outras formas de programação. Os resultados quantitativos apontaram ganhos em conhecimento conceitual e pensamento algorítmico, autoeficácia, eficácia pedagógica e competências relacionadas às tecnologias. Nas entrevistas, apareceram relatos sobre superar receios iniciais, engajar estudantes e criar recursos personalizados, ao lado de desafios como limitações curriculares, recursos insuficientes e barreiras de infraestrutura (Kurban, 2025).

O caso de dois professores de ciências que remixaram um jogo no Scratch acrescenta outra dimensão: produzir ou modificar um recurso também pode ajudar o próprio docente a aprender. Os achados sugerem que o trabalho esclareceu objetivos instrucionais e apoiou a aprendizagem sobre dinâmica de sistemas, funcionamento do Scratch e uso do design de jogos para modelar fenômenos reais (Puttick, 2026). A ferramenta, portanto, não aparece apenas como algo a levar para a turma: sua criação pode fazer parte do percurso formativo.

Colaboração transforma planejamento em aprendizagem profissional

Em uma pesquisa com cinco professores de ciências do ensino fundamental, o desenvolvimento profissional colaborativo incluiu observação, aprendizagem entre pares, aconselhamento e feedback. Os professores usaram essas contribuições para aperfeiçoar atividades e adequá-las aos contextos dos estudantes. O estudo relata que o planejamento e a resolução conjunta de problemas abriram oportunidades de aprendizagem autodirigida e desenvolvimento pessoal, além de favorecer a diversificação das abordagens de ensino (Sonsupap, 2024).

O estudo de aula oferece uma imagem próxima dessa colaboração: professores trabalham em ciclos para planejar e analisar o ensino. Nos Estados Unidos, 33 docentes participaram de 12 ciclos durante uma parceria de três anos voltada ao ensino de álgebra para estudantes de 8 a 14 anos. A análise identificou seis finalidades para se envolver: compreender padrões de reforma, focar no pensamento dos estudantes, desenvolver a prática pedagógica, colaborar, elaborar materiais curriculares e aprender matemática. Os professores destacaram especialmente observar o pensamento matemático dos estudantes e compreender exigências de reforma (Druken, 2023).

Esses trabalhos sugerem que colaboração não significa apenas dividir tarefas ou trocar materiais prontos. Ela pode incluir tornar visível o raciocínio dos estudantes, discutir por que uma atividade funcionou e revisar o planejamento. Essa é uma interpretação conjunta dos estudos, não uma garantia de que qualquer reunião entre colegas produza o mesmo resultado.

O contexto e as condições de implementação fazem diferença

Um estudo qualitativo com professores dos anos iniciais de um distrito escolar do Meio-Oeste dos Estados Unidos investigou como aprenderam pensamento computacional e elaboraram aulas para integrá-lo a áreas centrais do currículo. A pesquisa se concentrou nos fatores que apoiaram ou dificultaram essa aprendizagem e integração. O resumo não apresenta um resultado específico que permita afirmar quais fatores prevaleceram; sua contribuição é examinar a integração a partir de diferentes dimensões do crescimento profissional (Macann, 2025).

Em outro caso norte-americano, professores em exercício cocriaram e implementaram um evento de robótica para mais de 100 estudantes do 4º ano, em parceria com professores em formação inicial. Os docentes em exercício relataram maior confiança e senso de pertencimento em relação às atividades de computação e pensamento computacional. Participantes dos dois grupos relataram benefícios para os estudantes ligados à resolução de problemas, ao pensamento crítico e à colaboração. A parceria e a experiência concreta são elementos centrais do caso, que não deve ser lido como estimativa de impacto generalizável (Karlin, 2024).

O contexto também aparece no estudo de aprendizagem-serviço em STEM com cinco futuros professores da educação infantil. Os resultados indicaram melhorias modestas nas competências docentes, mas também dificuldades relacionadas a espaço limitado, diversidade entre as crianças, falta de recursos e envolvimento das famílias. A pesquisa relata que a experiência ajudou a articular teoria e prática, enquanto a evidência sobre eficácia mais ampla e impacto duradouro permaneceu limitada (Erol, 2026).

Formação pode orientar decisões sobre pensamento crítico e inteligência artificial

Um estudo com 45 professores e 266 estudantes de três países investigou um curso colaborativo sobre uso ético e construtivo da inteligência artificial na educação. Os resultados indicaram que a adoção eficaz da IA não é intuitiva. Professores com formação sólida em pedagogia do pensamento crítico e participantes de comunidades de prática demonstraram maior capacidade de reconhecer e adaptar o valor instrucional das ferramentas. Estudantes relataram maior engajamento quando a IA atuava como tutora, parceira de estudos ou interlocutora socrática, em vez de servir apenas como recurso de design (Saar, 2026).

O estudo também mostra que as possibilidades percebidas pelos estudantes podem ser desafiadoras ou estimulantes dependendo do desenho da atividade. Assim, a conversa sobre IA não se limita a decidir se a ferramenta será usada: envolve o papel que ela terá e o raciocínio que a tarefa exige. Os autores propõem dimensões de design para planejar aprendizagem apoiada por IA; isso não significa que a tecnologia, por si só, desenvolva habilidades de pensamento.

Em conjunto, essas pesquisas colocam no centro a intenção pedagógica. Uma programação, um jogo ou uma ferramenta de IA pode apoiar o pensamento, mas o efeito depende de como a atividade é planejada e de como o professor compreende o conteúdo, os objetivos e as necessidades da turma.

Os estudos lado a lado

A tabela resume o foco e os resultados relatados nos dez estudos. Ela também deixa visíveis as diferenças de contexto, etapa e método, que são importantes antes de transportar uma proposta para outra rede ou escola.

Quais são os pontos em comum e as divergências entre os estudos?

Um ponto em comum é que a formação aparece ligada a ações concretas: planejar atividades, experimentar recursos, observar estudantes, cocriar propostas ou refletir sobre o ensino. Há relatos de ganhos em competências ou confiança em algumas pesquisas, enquanto outras investigam fatores facilitadores e dificuldades sem apresentar, no resumo, um resultado mensurável comparável. A colaboração também reaparece em estudos sobre comunidades de prática, estudo de aula, parceria entre universidade e escola e formação sobre IA.

As diferenças são relevantes. Os trabalhos variam entre professores em exercício e futuros professores, educação infantil e ensino fundamental, ciências e matemática, além de temas como pensamento computacional, sistemas e IA. Alguns usam medidas antes e depois; outros são estudos de caso, entrevistas, observações ou análise de planos. Por isso, não é correto comparar diretamente os resultados como se todos medissem a mesma competência.

Também não está resolvido quanto tempo os avanços duram, que formatos funcionam melhor em diferentes redes e quais condições mínimas são necessárias para sustentar a mudança. O estudo de STEM relata evidência limitada sobre impacto duradouro; outros resumos não apresentam acompanhamento prolongado. Essa pergunta pede pesquisas adicionais e atenção ao que ocorre depois do curso, quando o professor tenta aplicar o que aprendeu no cotidiano escolar.

Como aplicar essas ideias na sala de aula sem transformar pesquisa em receita?

Os estudos não prescrevem um roteiro universal para turmas brasileiras. As propostas abaixo são aplicações possíveis inspiradas nos temas investigados, não resultados testados pelos estudos exatamente dessa forma. O ponto de partida é escolher uma prática pequena, observar o pensamento dos estudantes e conversar com colegas sobre o que merece ajuste.

1. Planeje a atividade começando pelo raciocínio que quer observar

Como aplicação, antes de preparar uma tarefa, defina que tipo de pensamento ela deve tornar visível: comparar explicações, justificar uma escolha, identificar padrões ou revisar uma hipótese. Imagine uma turma que precisa explicar por que duas soluções para um problema de ciências chegam a resultados diferentes. O professor pode prever que evidências quer ouvir e que pergunta fará se a resposta ficar apenas no palpite. A relação entre planejamento e competências docentes aparece em estudos de formação sobre Bloom e pensamento computacional, mas essa organização específica é uma sugestão prática, não uma etapa prescrita por eles.

2. Faça uma experiência pequena antes de ampliar uma proposta

Como aplicação, experimente uma única atividade de programação, modelagem ou criação de recurso antes de reorganizar uma unidade inteira. Imagine uma turma de 6º ano que precisa representar como partes de um ecossistema se influenciam. O professor pode testar uma representação simples, notar onde os estudantes confundem sequência com relação entre elementos e revisar as instruções. O estudo sobre remix de jogos sugere que a própria produção do recurso pode ajudar o professor a esclarecer objetivos e aprofundar conhecimentos relacionados ao conteúdo (Puttick, 2026).

3. Convide um colega para observar uma pergunta, não para avaliar sua aula

Como aplicação, combine com um par que observe apenas uma dimensão, como as justificativas dos estudantes ou as perguntas que os levam a explicar melhor. Imagine uma aula em que o colega anota quais respostas surgem após uma pergunta aberta. Depois, vocês discutem que intervenção ampliou a conversa e que instrução poderia ser mais clara. A observação e o feedback entre pares aparecem no estudo colaborativo com professores de ciências (Sonsupap, 2024); a adaptação desse procedimento para uma observação focal é uma proposta de aplicação.

4. Use o planejamento conjunto para revisar uma atividade existente

Como aplicação, em vez de criar tudo do zero, escolha uma tarefa que já usa e peça a colegas que identifiquem o que ela permite pensar e o que deixa de fora. Imagine uma atividade de matemática em que os estudantes calculam respostas, mas raramente explicam estratégias. O grupo pode acrescentar uma comparação entre dois caminhos de resolução e prever como discutir diferenças sem entregar imediatamente a solução. O estudo de aula investigado por Druken aponta que professores se engajaram para focar no pensamento dos estudantes, desenvolver a prática e elaborar materiais curriculares (Druken, 2023).

5. Trate a tecnologia como parte do desenho pedagógico

Como aplicação, decida primeiro que atividade mental a turma deve realizar e só então escolha se uma ferramenta digital ajuda. Imagine estudantes usando uma ferramenta de IA para investigar explicações conflitantes: ela pode atuar como interlocutora que faz perguntas, enquanto a turma verifica afirmações e justifica sua conclusão. Essa possibilidade se aproxima dos papéis associados a maior engajamento no estudo de Saar, mas não garante o mesmo efeito em toda classe. O professor precisa avaliar a adequação da ferramenta, as condições de acesso e a qualidade do raciocínio que a proposta solicita (Saar, 2026).

6. Construa uma progressão que respeite os conhecimentos da turma

Como aplicação, apresente uma ideia nova em etapas, com oportunidades de tentar, receber retorno e avançar. Imagine estudantes iniciantes em programação: primeiro organizam instruções simples, depois modificam um exemplo e, por fim, criam uma solução própria para um problema da disciplina. A formação de matemática em pensamento computacional usou atividades variadas e progressivas, e os participantes relataram ganhos junto de desafios de implementação (Kurban, 2025). A sequência aqui proposta é uma adaptação possível; cada docente deve ajustá-la à idade, ao currículo e aos recursos disponíveis.

7. Registre o que a turma conseguiu fazer e o que a estrutura dificultou

Como aplicação, depois de uma atividade, anote uma evidência de pensamento dos estudantes e uma condição que interferiu: tempo, espaço, materiais, diversidade de necessidades ou acesso a recursos. Imagine que uma tarefa em pequenos grupos gerou boas hipóteses, mas faltaram materiais para todos. Essa informação ajuda a distinguir uma dificuldade de planejamento de uma barreira estrutural e a negociar apoio. Os estudos sobre STEM, pensamento computacional e integração curricular relatam desafios de recursos, infraestrutura e contexto (Erol, 2026; Kurban, 2025; Macann, 2025).

O que muda no contexto brasileiro?

Os estudos citados foram realizados em diferentes países: Turquia, Emirados Árabes Unidos, Estados Unidos e contextos multinacionais. Os dados e programas descritos não representam automaticamente escolas brasileiras. As estruturas de formação, recursos, currículo, condições de trabalho e organização escolar podem ser diferentes; por isso, vale aproveitar princípios de planejamento e colaboração sem importar políticas ou exigências de outros lugares como se fossem nossas.

Uma adaptação prudente começa pelo problema concreto da escola. Se a dificuldade é encontrar tempo para planejar, pode fazer mais sentido começar com uma atividade compartilhada e uma conversa breve sobre evidências de aprendizagem do que propor uma ferramenta nova. Se a barreira é infraestrutura, vale investigar se o objetivo pode ser trabalhado de modo desplugado ou com recursos já disponíveis — esta é uma possibilidade de aplicação, não um achado dos estudos.

Também importa não reduzir pensamento a tecnologia. As pesquisas abordam pensamento de ordem superior, raciocínio matemático, pensamento computacional e sistêmico, além de pensamento crítico em atividades com IA. Esses conceitos não são intercambiáveis. Para a escola brasileira, a pergunta útil é: que qualidade de raciocínio queremos que a tarefa provoque e como vamos perceber isso nas respostas? A escolha deve dialogar com os objetivos pedagógicos locais e com o repertório dos estudantes.

Por fim, colaboração precisa caber na realidade de trabalho. Os estudos mostram experiências colaborativas diversas, mas não demonstram que um único formato seja adequado a todas as redes. Uma equipe pode começar com planejamento conjunto, troca de feedback ou análise de uma atividade já aplicada. A recomendação prática é experimentar em escala viável, observar o que muda e evitar atribuir ao professor sozinho problemas que dependem de recursos, tempo e apoio institucional.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de dez estudos recentes, e não na leitura integral dos trabalhos. Os resumos permitem conhecer objetivos, métodos gerais e resultados relatados, mas não sustentam uma avaliação completa da qualidade de cada instrumento, da análise ou das condições detalhadas de implementação. Por isso, os achados foram apresentados com o alcance descrito em cada resumo, sem estimar efeitos que não foram informados.

Ficam em aberto perguntas importantes: os ganhos permanecem depois da formação? Como se manifestam em turmas e redes brasileiras? Que combinação de acompanhamento, tempo de planejamento e recursos é necessária? Para responder a essas questões ou adotar um programa em larga escala, faz sentido ler os estudos completos, examinar seus métodos e comparar as condições com as da escola. Também é importante consultar mais pesquisas sobre a etapa e o conteúdo específicos em que você pretende atuar.

Como o GeraProva ajuda com este assunto?

Uma proposta que desenvolve pensamento precisa de atividades e avaliações coerentes com o raciocínio que se quer observar. O GeraProva pode apoiar a criação de questões para revisar conteúdos e diversificar instrumentos de avaliação; cabe ao professor conferir as questões, ajustá-las à turma e decidir como usar as respostas para orientar o ensino. Você pode conhecer o gerador de provas do GeraProva e fazer o cadastro grátis.

Perguntas frequentes sobre formação continuada e habilidades de pensamento

O que é uma formação continuada voltada a habilidades de pensamento?

É uma oportunidade de aprendizagem profissional para que o professor desenvolva recursos de planejamento e ensino que apoiem raciocínios como explicar, comparar, resolver problemas e analisar relações. Os estudos reunidos tratam de temas diferentes, como pensamento computacional, pensamento de ordem superior, matemática, sistemas e pensamento crítico. Alguns envolvem produção de atividades, outros colaboração, programação, estudo de aula ou uso de IA. O essencial é ligar o conteúdo à tarefa que o estudante realiza e à evidência que o professor observará. A pesquisa não estabelece uma definição única nem um modelo universal de formação.

A formação continuada melhora a capacidade de ensinar a pensar?

Alguns estudos relatam avanços, mas os resultados dependem do contexto e do desenho da pesquisa. Um programa com professores de ciências na Turquia indicou melhora nas competências percebidas e efetivas para implementar a Taxonomia de Bloom Revisada. Uma formação de pensamento computacional para professores de matemática relatou ganhos em conhecimento, autoeficácia e competências relacionadas às tecnologias. Outros trabalhos investigam práticas colaborativas ou fatores de integração. Esses resultados são promissores, mas não provam que qualquer curso produzirá os mesmos efeitos em toda escola ou que as mudanças serão duradouras.

Por que a colaboração entre professores aparece tanto nesses estudos?

Porque vários trabalhos investigam aprendizagem entre pares, feedback, cocriação ou planejamento conjunto. No estudo colaborativo com professores de ciências, os docentes usaram observações e conselhos de colegas para aperfeiçoar atividades. No estudo de aula em matemática, os professores apontaram colaboração e atenção ao pensamento dos estudantes entre as finalidades da prática. Em uma pesquisa sobre IA, a participação em comunidades colaborativas de prática apareceu junto de maior capacidade para reconhecer e adaptar o valor instrucional da ferramenta. Isso não significa que qualquer reunião funcione: a conversa precisa se relacionar a decisões pedagógicas concretas.

É preciso usar tecnologia para desenvolver habilidades de pensamento?

Não. Os estudos incluem programação, robótica, jogos e inteligência artificial, mas isso não torna a tecnologia uma condição obrigatória para ensinar a pensar. O pensamento computacional, por exemplo, é descrito como útil para resolver problemas com ou sem tecnologia. As ferramentas podem oferecer formas de representar, experimentar ou revisar ideias, desde que a atividade tenha um objetivo pedagógico claro. Se os recursos não estão disponíveis, o professor pode pensar em outras maneiras de propor análise, explicação ou resolução de problemas. Essa adaptação é uma aplicação possível, não uma conclusão testada por todos os estudos.

Como adaptar essas pesquisas para uma escola brasileira com poucos recursos?

Comece pelo raciocínio que deseja trabalhar e pelos materiais realmente disponíveis. Os estudos relatam desafios de infraestrutura, recursos, espaço e condições de implementação, então não convém tratar a tecnologia como solução automática. Uma equipe pode escolher uma atividade curta, planejar em conjunto, observar as respostas dos estudantes e revisar a proposta. Se uma ferramenta digital não estiver acessível, procure uma forma alternativa de trabalhar o mesmo objetivo pedagógico. Essa adaptação precisa considerar a etapa, o conteúdo, o tempo e as condições locais; os estudos não oferecem uma receita específica para escolas brasileiras.

Como saber se uma atividade está estimulando o pensamento dos estudantes?

Uma aplicação prática é observar o que a tarefa pede e que evidências aparecem nas respostas. Os estudantes precisam apenas repetir uma informação ou também justificar, comparar caminhos, identificar relações ou rever uma ideia? Imagine uma turma que apresenta duas soluções diferentes para o mesmo problema: o professor pode pedir que expliquem os passos e avaliem qual estratégia se ajusta melhor à situação. Estudos de aula destacam o foco no pensamento dos estudantes como uma finalidade da colaboração docente. A forma de observar esse pensamento dependerá do objetivo da atividade e do conteúdo trabalhado.

Referências

1. Yalçın Çer, Ö.; Koç, C. (2026). O Impacto de um Programa de Formação Continuada Baseado na Taxonomia de Bloom Revisada nas Competências Percebidas e Efetivas de Professores de Ciências (The Impact of a Professional Development Program Based on Revised Bloom's Taxonomy on Science Teachers' Perceived Competencies and Actual Competencies). International Education Studies. Link.
2. Bellibaş, M. Ş.; Polatcan, M.; Alzouebi, K. (2026). Liderança pedagógica e desempenho dos estudantes nas escolas dos Emirados Árabes Unidos: o papel mediador do desenvolvimento profissional e da ativação cognitiva no ensino (Instructional Leadership and Student Achievement across UAE Schools: Mediating Role of Professional Development and Cognitive Activation in Teaching). Educational Management Administration & Leadership. Link.
3. Kurban, F.; Yanik, H. B.; Eryilmaz-Çevirgen, A.; Durmaz, B. (2025). Desenvolvendo Competências e Percepções Didáticas de Professores de Matemática por meio de Formação Continuada em Pensamento Computacional (Shaping Mathematics Teachers' Competencies and Instructional Insights through Computational Thinking Professional Development). Acta Didactica Napocensia. Link.
4. Macann, V.; Yadav, A. (2025). Fatores que influenciam a aprendizagem do pensamento computacional e sua integração por professores dos anos iniciais do ensino fundamental (Factors Influencing Elementary Teacher's CT Learning and CT Integration). Education and Information Technologies. Link.
5. Sonsupap, K.; Cojorn, K. (2024). Desenvolvimento profissional colaborativo e seu impacto na capacidade dos professores de promover o pensamento de ordem superior (A Collaborative Professional Development and Its Impact on Teachers' Ability to Foster Higher Order Thinking). Journal of Education and Learning (EduLearn). Link.
6. Karlin, M.; Stephany, C.; Minaiy, M.; Mehta, S.; Reed, M.; Acosta, D.; Garcia-Valles, C.; Kim, C.; Gonzalez, A.; Wong, S. (2024). Cocriando e implementando um evento de robótica e programação para o 4º ano: perspectivas de professores em formação inicial e em exercício (Co-Designing and Implementing a 4th Grade Robotics and Coding Event: Preservice and Inservice Teacher Perspectives). Journal of Technology Education. Link.
7. Druken, B. K. (2023). Perspectivas de Professores em Exercício sobre as Finalidades do Estudo de Aula em Matemática (Practicing Teachers' Perspectives on the Purposes of Mathematics Lesson Study). Mathematics Teacher Education and Development. Link.
8. Saar, M.; Ljalikova, A.; Alkhasawneh, S. N.; Hernández-Leo, D. (2026). Dimensões de design para o planejamento da aprendizagem apoiada por inteligência artificial (Design Dimensions for Planning Artificial Intelligence-Supported Learning). Journal of Computer Assisted Learning. Link.
9. Puttick, G.; Bernstein, D.; Cassidy, M. (2026). Como a modificação de um jogo no Scratch apoia a aprendizagem docente? (How Does Modifying a Scratch Game Support Teacher Learning?). Journal of Science Education and Technology. Link.
10. Erol, A.; Aykiri, K. (2026). Educação em STEM com aprendizagem-serviço: desenvolvimento profissional de futuros professores da educação infantil (STEM Education with Service Learning: Professional Development of Early Childhood Pre-Service Teachers). Urban Review: Issues and Ideas in Public Education. Link.

Se alguma dessas ideias fizer sentido para sua realidade, escolha uma atividade pequena para experimentar e converse com um colega sobre o que seus estudantes conseguiram pensar. Boa prática — e conte com o GeraProva para apoiar seu planejamento.