Habilidade espacial e pensamento computacional: cada ferramenta favorece algo diferente

Em uma comparação entre realidade virtual e computador de mesa para programar robôs, o grupo que usou realidade virtual teve desempenho significativamente melhor em pensamento espacial, enquanto o grupo de desktop se destacou em pensamento computacional (Gong, 2026). O resultado chama atenção porque mostra que uma mesma proposta pode favorecer aspectos diferentes do raciocínio, dependendo da ferramenta usada.

Para quem planeja atividades na educação básica, isso oferece uma pista útil: não basta perguntar se uma tecnologia funciona. Vale perguntar qual habilidade se quer colocar em evidência, que tipo de tarefa os estudantes vão realizar e como será possível observar o que aprenderam. Outros estudos recentes apontam relações entre capacidades espaciais e pensamento computacional, mas também trazem resultados diferentes conforme a idade, a atividade e o instrumento de avaliação.

O que é a relação entre habilidade espacial, pensamento computacional e raciocínio e por que importa para o professor?

Habilidade espacial é a capacidade de perceber, representar e transformar relações entre objetos e posições. Pensamento computacional envolve formas de resolver problemas que podem incluir decomposição, reconhecimento de padrões, abstração e elaboração de algoritmos. Na rotina escolar, os dois campos podem se encontrar quando uma criança planeja o caminho de um robô, monta uma estrutura, antecipa a rotação de uma forma ou organiza uma sequência de instruções.

Essa relação importa porque muitas tarefas não se limitam a “saber programar”. Para fazer um objeto percorrer um trajeto, por exemplo, o estudante pode precisar imaginar a posição do objeto, dividir o percurso em partes, ordenar comandos e revisar a solução quando algo não sai como previsto. A dimensão espacial pode participar desse processo, mas não deve ser tratada como sinônimo de pensamento computacional: são habilidades relacionadas, e cada atividade pode mobilizá-las de maneira diferente.

Também é importante distinguir entre associação e efeito de uma intervenção. Um estudo pode encontrar que diferentes habilidades espaciais predizem o desempenho em pensamento computacional; outro pode comparar ferramentas e verificar resultados distintos em cada uma. Isso não significa automaticamente que qualquer atividade espacial aumentará todas as dimensões do pensamento computacional, nem que uma ferramenta seja superior para todos os objetivos.

Para o professor, a consequência prática é pensar em objetivos observáveis. A turma precisa interpretar posições? Planejar passos? Explicar por que uma sequência falhou? Um objetivo claro ajuda a escolher entre peças manipuláveis, blocos digitais, desenhos, dança, modelos tridimensionais ou uma combinação. A avaliação também fica mais precisa quando observa o processo e não apenas se o produto final está correto.

O que a pesquisa recente mostra sobre habilidade espacial e pensamento computacional?

Os estudos recentes não apontam uma única relação simples. Alguns encontram associações consistentes entre habilidades espaciais e desempenho em pensamento computacional; outros mostram que uma intervenção específica não produziu diferença significativa. Um terceiro conjunto compara modalidades e sugere que a ferramenta pode favorecer componentes distintos. A seguir, as pesquisas estão agrupadas por essas ideias para ajudar a separar o que os resultados permitem afirmar do que ainda exige cautela.

Habilidades espaciais diferentes podem se relacionar com o pensamento computacional

Uma contribuição importante vem de um estudo com 237 crianças de 6 a 10 anos, que examinou quatro dimensões da habilidade espacial: intrínseca estática, intrínseca dinâmica, extrínseca estática e extrínseca dinâmica. As quatro predisseram significativamente o desempenho em pensamento computacional mesmo quando idade, gênero e experiência com programação foram consideradas. Em vez de representar a habilidade espacial por uma única tarefa, o estudo investigou um conjunto de dimensões (Luo, 2026).

Esse resultado dá sustentação à ideia de que o vínculo entre espaço e computação pode ser mais amplo do que a capacidade de girar mentalmente uma figura. Para a prática, a distinção sugere que atividades escolares podem pedir diferentes tipos de representação: visualizar uma forma, acompanhar a mudança de posição de um objeto ou compreender relações entre elementos no espaço. O estudo destaca a importância de incorporar diferentes tipos de atividades espaciais à educação infantil e aos anos iniciais, mas não define uma sequência didática única.

Há também uma pesquisa com estudantes de 10 a 12 anos do 5º e do 6º ano, na Tanzânia, que examinou raciocínio matemático, pensamento computacional e design de engenharia durante um acampamento integrado de robótica de duas semanas. Foram encontradas correlações fortes entre design de engenharia e pensamento computacional (r = 0,94) e associações moderadas com raciocínio matemático (r = 0,37). Os autores sugerem que o pensamento computacional pode atuar como uma ponte cognitiva entre raciocínio matemático e confiança em design (Asunda, 2026).

Esse achado deve ser lido como relação observada entre medidas, não como prova de que uma habilidade cause a outra. Ainda assim, é relevante para pensar tarefas integradas: construir, programar e resolver problemas pode aproximar raciocínio espacial, lógica computacional e matemática. O resumo descreve estudantes tanzanianos em um contexto de acampamento; não basta para prever o mesmo resultado em qualquer turma brasileira ou em uma atividade curta do cotidiano escolar.

A escolha da ferramenta pode mudar o que os estudantes praticam

A comparação entre realidade virtual e desktop foi feita com 61 participantes, distribuídos em dois modos de programação de robôs. Em quatro tarefas de dificuldade progressiva, os estudantes construíram labirintos tridimensionais e programaram trajetos. A realidade virtual teve vantagem significativa em pensamento espacial; o desktop, em pensamento computacional. A carga cognitiva não diferiu significativamente, enquanto o modo de realidade virtual teve maior engajamento e maior utilidade percebida (Gong, 2026).

Outro estudo comparou programação tangível, programação em blocos e programação com lápis e papel com 112 estudantes do 7º ano, organizados em três turmas. A ferramenta tangível esteve associada a menor carga cognitiva, melhora significativa no raciocínio espacial e melhores habilidades de abstração e decomposição. A ferramenta em blocos proporcionou uma experiência mais prazerosa e favoreceu o design de algoritmos e a eficiência. O formato de lápis e papel foi menos eficaz na melhoria do raciocínio espacial (Gong, 2025).

Os resultados não estabelecem uma classificação geral de ferramentas. Em uma comparação, realidade virtual se destacou no pensamento espacial e desktop no computacional; em outra, ferramentas tangíveis e de blocos tiveram vantagens em resultados diferentes. A leitura mais útil é que o modo de representação e interação importa. Manipular objetos, organizar blocos ou visualizar um espaço tridimensional pode tornar certos aspectos da tarefa mais acessíveis e outros mais centrais.

Um estudo de ferramentas tangíveis com 82 crianças de 5 a 7 anos também encontrou avanços significativos em pensamento abstrato, decomposição de problemas e raciocínio espacial, especialmente entre iniciantes. Participantes em etapa intermediária apresentaram avanços na elaboração e eficiência de algoritmos. Houve diferenças entre os grupos em flexibilidade cognitiva e controle inibitório, com desempenho superior do grupo avançado em relação aos iniciantes e intermediários; a memória de trabalho não foi afetada (Pellas, 2025). Portanto, a experiência prévia parece relevante para interpretar os resultados, e não se deve esperar que todos os estudantes respondam da mesma forma.

Atividades corporais e modelos 3D oferecem resultados que pedem cautela

Uma pesquisa investigou se oficinas estruturadas de dança poderiam afetar o desempenho em testes de pensamento computacional. Participaram 50 crianças de 6 a 9 anos recrutadas em escolas da Escócia e em grupos extraescolares na Alemanha. Nos grupos 1 e 2, ensinados por professores experientes de dança tradicional escocesa, houve melhora significativa nas pontuações. No grupo 3, não foram encontradas diferenças significativas entre pré e pós-teste. Os autores também relatam bom envolvimento dos participantes em todos os estudos e indicam que atividades de programação relacionadas parecem fortalecer o efeito observado nos dois primeiros grupos (Fairlie, 2026).

O resultado não autoriza concluir que qualquer aula de dança aumentará o pensamento computacional. Os grupos diferiram em seus resultados, e os autores destacam que os participantes dos grupos com melhora significativa já tinham alguma familiaridade com o gênero de dança e receberam ensino de professores experientes. A ausência de resultados significativos no terceiro grupo abre perguntas sobre quais elementos das oficinas podem ter contribuído. Para professores, a pesquisa inspira uma possibilidade interdisciplinar, mas não substitui a avaliação da aprendizagem da própria turma.

Em outra investigação, alunos do 5º ano de uma escola na região da Anatólia Central, na Turquia, participaram de atividades de construção de modelos 3D com códigos de blocos durante três semanas. O grupo experimental trabalhou na plataforma Tinkercad; o grupo de controle teve aulas pelo método tradicional. Com 66 participantes, o estudo não encontrou diferenças significativas entre os grupos nos níveis de pensamento computacional nem nas pontuações de pensamento espacial (Küçük, 2024).

Esse resultado contrasta com pesquisas que encontraram avanços associados a ferramentas tangíveis ou a modos específicos de programação. A diferença é importante: uma atividade que parece espacialmente rica não garante, por si só, uma melhora mensurável em testes. O tipo de tarefa, sua duração, a comparação usada e o modo de medir podem influenciar o que aparece nos resultados. O estudo de modelos 3D também alerta contra a ideia de que introduzir tecnologia seja suficiente para produzir ganhos.

A avaliação e as condições de ensino também fazem diferença

Uma pesquisa com crianças da pré-escola, distribuídas em sete turmas de um grande distrito urbano, comparou uma avaliação de pensamento computacional aplicada por pesquisadores com avaliações naturalísticas de professores sobre engajamento e domínio. As crianças apresentaram grande variabilidade e houve crescimento significativo no pensamento computacional entre outono e primavera. O engajamento avaliado pelos professores teve correlação significativa com o desempenho no outono; a avaliação de domínio se correlacionou com o desempenho na primavera (Quinn, 2025).

O estudo não trata diretamente de habilidade espacial, mas ajuda a entender como interpretar resultados de aprendizagem relacionados ao pensamento computacional. Uma prova individual e a observação do professor durante uma atividade podem captar aspectos diferentes. Para quem ensina, isso reforça a utilidade de combinar evidências: o estudante consegue resolver uma tarefa estruturada? Mantém-se envolvido? Demonstra domínio durante uma atividade em grupo? Cada fonte pode contribuir com uma parte do quadro.

Outro estudo examinou professores da educação básica que participaram de uma oficina de verão sobre visualização de dados meteorológicos em três dimensões, com o Integrated Data Viewer. Após a formação, os professores demonstraram maior adesão a orientações de ensino baseadas em pensamento computacional e práticas científicas do que à orientação tradicional. Ainda assim, as práticas observadas variaram: os professores foram classificados como Experimentadores, Adotantes ou Implementadores, considerando fatores como autoeficácia, familiaridade com a ferramenta e prontidão para integrar inovações. Os autores ressaltam a importância de formação profissional de longo prazo, baseada na prática e atenta à realidade da sala de aula (Sun, 2026).

Esse estudo desloca parte da conversa dos recursos para as condições de implementação. Mesmo quando professores participam da mesma formação e apresentam orientações semelhantes, a adoção pode variar. Isso ajuda a evitar uma expectativa irreal de que uma oficina breve ou a disponibilização de um software transforme automaticamente a prática. Ferramenta, familiaridade, apoio e oportunidade de experimentar fazem parte do cenário.

O que os estudos mostram lado a lado?

A tabela resume as pesquisas citadas e separa o que cada uma investigou do resultado relatado. Ela também indica os contextos descritos nos resumos, sem presumir que uma intervenção se transfira automaticamente a outra escola ou país.

Onde os estudos concordam e onde os resultados divergem?

Um ponto em comum é que a relação entre espaço e pensamento computacional merece ser considerada, mas não cabe reduzi-la a uma única habilidade ou recurso. As dimensões espaciais investigadas por Luo e a combinação de raciocínio espacial, programação e design em estudos de robótica mostram que o assunto pode envolver várias operações. Ainda assim, cada pesquisa define e mede esses elementos de forma própria.

Também aparece uma diferença entre ferramentas e resultados. A realidade virtual favoreceu pensamento espacial, enquanto desktop se destacou em pensamento computacional; programação tangível e por blocos mostraram perfis distintos de vantagens. Já a construção de objetos 3D com código de blocos não produziu diferenças significativas em relação ao ensino tradicional no estudo de Küçük. Assim, não há base para afirmar que uma modalidade seja sempre melhor ou que toda atividade tridimensional gere avanços.

Os resultados de dança também mostram que uma proposta interdisciplinar pode ter respostas distintas entre grupos. O envolvimento positivo em todos os grupos não veio acompanhado de melhora significativa em todos eles. Isso sugere que engajamento e desempenho medido são indicadores relacionados, mas não intercambiáveis. O professor pode valorizar a participação sem presumir que ela, sozinha, comprove domínio de uma habilidade.

Continuam em aberto perguntas importantes: quais elementos de uma atividade provocam a mudança observada? Como a experiência prévia altera o benefício? Uma melhora em um teste se transfere para tarefas diferentes? Que combinação de observação, avaliação individual e produto final oferece uma visão mais justa? Os resumos disponíveis não resolvem essas questões em conjunto, mas ajudam a formular objetivos e critérios de avaliação mais cuidadosos.

Como levar essas ideias para a sala de aula?

Os estudos não entregam uma receita universal. As propostas abaixo são aplicações possíveis para professores, inspiradas nos resultados, e não intervenções comprovadas por todas as pesquisas citadas. Em cada caso, vale explicitar o objetivo e observar o processo dos estudantes, além da resposta final.

1. Escolha a ferramenta pelo objetivo da atividade

Aplicação possível: se a meta é visualizar posições e trajetos, experimente uma representação tridimensional, um objeto manipulável ou um percurso físico; se a meta é organizar algoritmos, compare blocos de comandos com outra forma de registrar sequências. Imagine uma turma de 6º ano planejando o caminho de um robô: antes da atividade, o professor pode decidir se observará principalmente a antecipação espacial, a decomposição do percurso ou a ordem dos comandos. Essa distinção acompanha a diferença de resultados entre modalidades encontrada por Gong e colegas, mas a escolha deve ser ajustada ao contexto local.

2. Torne visível mais de uma dimensão espacial

Aplicação possível: em vez de propor somente a rotação mental de figuras, ofereça tarefas que peçam para construir, deslocar, comparar posições e prever mudanças. Imagine crianças dos anos iniciais montando uma estrutura com blocos e descrevendo o que muda quando uma peça é deslocada. Essa variedade é coerente com o estudo que examinou quatro subdimensões espaciais relacionadas ao pensamento computacional. O objetivo não é reproduzir exatamente um teste de pesquisa, mas ampliar as oportunidades de observar como cada estudante lida com diferentes relações espaciais.

3. Peça que os estudantes decomponham antes de executar

Aplicação possível: antes de programar um trajeto, convide a turma a dividi-lo em etapas, prever a posição final e explicar a função de cada comando. Imagine um grupo que precisa levar um robô até um ponto, evitando obstáculos: os alunos podem desenhar ou montar o caminho, separar giros e deslocamentos e testar a sequência. O professor pode registrar se o estudante revisa uma etapa quando a previsão falha. Essa estratégia conversa com os resultados de ferramentas tangíveis e com as habilidades de decomposição investigadas, mas deve ser tratada como uma opção pedagógica a testar.

4. Combine manipulação concreta e representação simbólica

Aplicação possível: permita que a turma experimente primeiro com peças físicas e depois traduza a solução para blocos de programação ou instruções faladas. Imagine uma turma de 4º ano que monta um percurso com objetos no chão, testa os movimentos e, em seguida, organiza os comandos em uma sequência. A comparação entre ferramentas sugere que modalidades diferentes podem favorecer aspectos diferentes; não determina que a transição concreta-digital produzirá sempre mais aprendizagem. Peça aos estudantes que expliquem o que ficou mais fácil ou mais difícil em cada formato e use as respostas para planejar a próxima tarefa.

5. Use o corpo como representação, com objetivos claros

Aplicação possível: proponha que pequenos grupos representem uma sequência de comandos por movimentos e depois identifiquem padrões, etapas e mudanças de direção. Imagine estudantes que precisam criar uma sequência de deslocamentos e orientar colegas a executá-la. A pesquisa sobre dança encontrou melhora significativa em dois grupos, mas não em todos, e descreve condições específicas, como experiência prévia com a dança e participação de professores experientes. Por isso, uma atividade corporal pode ser uma forma de explorar ideias, não uma garantia de avanço em pensamento computacional.

6. Observe o processo junto com o produto

Aplicação possível: avalie não apenas se a solução funciona, mas também como o estudante planejou, persistiu, identificou um erro e ajustou a sequência. Imagine uma dupla que não conclui o trajeto, mas consegue localizar o comando que causou o desvio e explicar a correção. Um registro breve do professor pode complementar uma tarefa individual ou um produto final. A pesquisa de Quinn mostra relações entre avaliações docentes de engajamento ou domínio e medidas de pensamento computacional em momentos distintos, o que favorece uma leitura com mais de uma evidência sem confundir observação com teste padronizado.

7. Ajuste o apoio à experiência prévia

Aplicação possível: prepare uma mesma atividade com diferentes níveis de apoio. Imagine uma turma em que parte dos estudantes nunca programou e outra parte já conhece blocos de comandos: o primeiro grupo pode receber uma sequência inicial para organizar, enquanto o segundo cria e testa uma solução própria. O estudo com ferramentas tangíveis encontrou resultados que variaram conforme a etapa de aprendizagem, com avanços em habilidades distintas entre iniciantes e participantes intermediários. Isso não significa rotular permanentemente os alunos; significa observar o ponto de partida e oferecer desafios alcançáveis, permitindo que todos avancem.

8. Planeje tempo para testar e revisar

Aplicação possível: em vez de avaliar somente uma tentativa, organize ciclos de previsão, execução, observação e revisão. Imagine um grupo que prevê o resultado de uma sequência de blocos, testa o programa e modifica um comando após comparar o resultado com sua previsão. Esse formato torna a solução de problemas visível e cria oportunidades para explicar o raciocínio. A pesquisa de Küçük, que não encontrou diferenças significativas após uma intervenção de três semanas com modelos 3D, lembra que o uso de uma plataforma, isoladamente, não assegura ganhos mensuráveis. Planejar a atividade com intenção e acompanhar evidências é mais útil do que supor que a novidade tecnológica fará o trabalho.

O que muda quando aplicamos essas pesquisas ao contexto brasileiro?

Os estudos citados foram realizados em contextos diversos, incluindo Tanzânia, Turquia, Escócia e Alemanha; outros resumos não informam o país. Seus resultados podem inspirar decisões no Brasil, mas não devem ser apresentados como retrato direto das escolas brasileiras. Idade, organização da turma, experiência docente, disponibilidade de equipamentos e tempo de aula podem mudar a forma como uma proposta funciona.

O estudo tanzaniano, por exemplo, descreve um acampamento de robótica de duas semanas, enquanto a pesquisa turca relata atividades de modelos 3D durante três semanas em uma disciplina. Essas condições não equivalem automaticamente a uma aula semanal, a uma turma numerosa ou a uma escola sem dispositivos individuais. Antes de adotar a atividade, o professor pode identificar quais recursos estão disponíveis e adaptar o objetivo: um percurso pode ser representado com objetos simples, comandos orais ou blocos, sem depender necessariamente de realidade virtual ou de kits de robótica.

A pesquisa com dança foi realizada com crianças na Escócia e na Alemanha, e seus resultados significativos apareceram em grupos com condições específicas. Uma adaptação brasileira poderia explorar movimentos e sequências familiares à turma, mas isso seria uma proposta de aplicação, não uma reprodução validada do estudo. O cuidado principal é não atribuir à atividade uma eficácia que a pesquisa não estabeleceu para esse novo contexto.

Também importa considerar o professor e a implementação. O estudo sobre formação para visualização meteorológica descreve diferentes níveis de adoção mesmo entre participantes de uma mesma oficina e defende apoio profissional continuado, atento às condições da prática. No contexto brasileiro, isso convida escolas e redes a pensar além da compra de recursos: tempo para planejar, oportunidade de testar, troca entre docentes e suporte para ajustar atividades podem ser tão relevantes quanto o acesso à ferramenta.

Por fim, as avaliações precisam fazer sentido para os objetivos locais. Uma tarefa pode ser acessível com materiais cotidianos e, ainda assim, exigir critérios claros para observar raciocínio. O professor pode combinar explicação oral, registro do planejamento, observação durante o trabalho e uma tarefa individual curta. Essa é uma sugestão de aplicação, não uma recomendação testada em todos os estudos. O princípio é evitar conclusões amplas sobre a aprendizagem a partir de uma única resposta ou de um único formato.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de estudos recentes disponíveis na fonte de pesquisa indicada, e não na leitura integral dos trabalhos. Por isso, apresenta os objetivos e resultados relatados nos resumos, sem reconstruir detalhes que não foram fornecidos, como todos os procedimentos, instrumentos, características completas das amostras ou análises adicionais. As citações permitem localizar cada pesquisa e consultar sua publicação.

Os estudos variam em idade, duração, tipo de atividade, ferramenta e forma de medir as habilidades. Alguns comparam grupos ou modalidades; outros investigam associações, avaliações, experiências de formação ou mudanças antes e depois de uma intervenção. Essa variedade impede tratar todos os resultados como se respondessem à mesma pergunta. Também não se deve confundir uma correlação com uma relação de causa e efeito, nem assumir que um resultado observado em um contexto se repetirá em qualquer escola.

Ficam em aberto questões sobre a transferência das aprendizagens para tarefas novas, a duração dos possíveis ganhos, a relação entre medidas de teste e desempenho cotidiano e as condições que ajudam professores a sustentar práticas inovadoras. A leitura do estudo completo faz sentido quando o professor ou a equipe pretende replicar uma intervenção, selecionar um instrumento de avaliação, fundamentar uma formação ou tomar decisões curriculares com impacto amplo. Para uma adaptação inicial de sala, os resumos ajudam a formular hipóteses e objetivos, mas devem ser acompanhados de observação local.

Como o GeraProva ajuda com este assunto?

O GeraProva pode apoiar o professor na elaboração de questões e atividades para verificar como os estudantes planejam sequências, interpretam relações espaciais e explicam estratégias, desde que os itens sejam revisados e adequados ao objetivo da aula. A plataforma não substitui a observação de processos práticos nem garante, por si só, uma avaliação completa dessas habilidades. Você pode conhecer o gerador de provas do GeraProva e fazer o cadastro grátis.

Perguntas frequentes sobre habilidade espacial e pensamento computacional

Habilidade espacial e pensamento computacional são a mesma coisa?

Não. Os estudos tratam essas habilidades como relacionadas, mas distintas. A habilidade espacial envolve lidar com relações, formas, posições e transformações no espaço. O pensamento computacional pode envolver decomposição, abstração, reconhecimento de padrões e elaboração de algoritmos. Em tarefas como programar um trajeto, os dois campos podem aparecer juntos: o estudante imagina o percurso e organiza comandos. Mas a presença de uma habilidade não comprova automaticamente domínio da outra. Por isso, é útil definir o que a atividade quer observar e avaliar cada aspecto com evidências adequadas.

Programar robôs sempre melhora o raciocínio espacial?

Não é possível afirmar isso com base nos estudos disponíveis. Algumas pesquisas encontraram resultados favoráveis a ferramentas tangíveis ou a modos específicos de programação; outra, que comparou criação de modelos 3D com ensino tradicional, não encontrou diferenças significativas em pensamento espacial ou computacional. A ferramenta, o desenho da tarefa, o tempo de intervenção e o instrumento de avaliação variam. Para o professor, a conclusão mais prudente é que robótica e programação podem oferecer oportunidades para trabalhar essas habilidades, mas o resultado precisa ser acompanhado, não presumido.

Qual ferramenta devo escolher: peças tangíveis, blocos ou lápis e papel?

A escolha depende do objetivo. Em uma comparação com estudantes do 7º ano, a ferramenta tangível favoreceu raciocínio espacial, abstração e decomposição; a ferramenta em blocos se destacou em prazer, design de algoritmos e eficiência. A opção de lápis e papel foi menos eficaz para melhorar o raciocínio espacial naquele estudo. Isso não estabelece uma hierarquia universal. Uma turma pode se beneficiar de alternar formatos, e condições de acesso também importam. Defina primeiro qual aspecto quer observar e escolha a ferramenta que permite aos alunos praticá-lo e explicá-lo.

Atividades de dança podem desenvolver pensamento computacional?

Uma pesquisa com crianças de 6 a 9 anos encontrou melhora significativa nos resultados de dois grupos que participaram de oficinas de dança estruturadas, mas não encontrou diferenças significativas nos grupos 3A e 3B. Os participantes se envolveram bem nas atividades, e os autores destacaram que os grupos com melhora tinham professores experientes e familiaridade com o gênero de dança. Portanto, dança pode inspirar atividades sobre padrões, sequências e decomposição, mas não há base para prometer que qualquer proposta corporal produzirá o mesmo resultado. É melhor apresentá-la como aplicação a experimentar e avaliar.

Como posso avaliar essas habilidades sem depender só de uma prova?

Uma possibilidade é combinar uma tarefa estruturada com observação do processo e explicação do estudante. O estudo com crianças da pré-escola encontrou crescimento significativo no pensamento computacional entre outono e primavera e relações entre avaliações dos professores sobre engajamento ou domínio e medidas aplicadas por pesquisadores. As relações variaram conforme o momento da avaliação. Isso sugere que fontes diferentes podem revelar aspectos diferentes, não que sejam intercambiáveis. Em sala, o professor pode registrar como o aluno planeja, testa e revisa uma solução e complementar essa observação com uma questão individual ou uma explicação oral.

Os resultados de outros países se aplicam diretamente às escolas brasileiras?

Não automaticamente. Entre os contextos descritos estão estudantes na Tanzânia, alunos na Turquia e crianças recrutadas na Escócia e na Alemanha; em outros casos, o resumo não informa o país. As atividades também variam: há acampamentos, oficinas, tarefas de programação e intervenções de algumas semanas. Uma proposta pode servir de inspiração no Brasil, mas recursos disponíveis, organização da turma e experiência dos estudantes influenciam sua aplicação. Adapte os materiais, explicite o objetivo e observe os resultados da sua própria turma antes de generalizar o que uma pesquisa encontrou em outro contexto.

Referências

As referências abaixo correspondem somente aos estudos citados no texto. Os títulos em português são apresentados junto aos títulos originais para facilitar a localização das pesquisas.

1. Gong, X. (2026). Potencializando o Pensamento Computacional e o Pensamento Espacial: Um Estudo Comparativo entre a Aprendizagem de Programação de Robôs em RV e em Desktop (Enhancing Computational Thinking and Spatial Thinking: A Comparative Study of VR and Desktop-Based Robot Programming Learning). Journal of Educational Computing Research. Link.
2. Luo, Q. (2026). O papel das habilidades espaciais multidimensionais no pensamento computacional de crianças pequenas (The Role of Multidimensional Spatial Abilities in Computational Thinking of Young Children). Asia-Pacific Education Researcher. Link.
3. Fairlie, F. (2026). Desenvolvimento de habilidades de pensamento computacional por meio de atividades de dança incorporada (Developing Computational Thinking Skills through Embodied Dance Activities). ACM Transactions on Computing Education. Link.
4. Sun, Y. (2026). Da cognição epistêmica às práticas de ensino: um estudo de métodos mistos sobre o ensino do pensamento computacional espacial com visualização do IDV (From Epistemic Cognition to Instructional Practices: A Mixed Methods Study of Teaching Spatial Computational Thinking with IDV Visualization). Journal of Science Education and Technology. Link.
5. Asunda, P. (2026). Integração de um Desafio de Design de Robótica para Fomentar o Design de Engenharia e o Pensamento Computacional no Raciocínio Matemático de Estudantes do Ensino Fundamental II na Tanzânia (Integrating Robotics Design Challenge to Foster Engineering Design and Computational Thinking in Mathematical Reasoning of Middle School Students in Tanzania). Discover Education. Link.
6. Gong, X. (2025). Aprimorando o Pensamento Computacional e a Habilidade de Raciocínio Espacial na Aprendizagem de Programação com Gamificação: Um Estudo Comparativo entre Ferramentas Tangíveis, de Blocos e de Lápis e Papel (Enhancing Computational Thinking and Spatial Reasoning Skills in Gamification Programming Learning: A Comparative Study of Tangible, Block and Paper-and-Pencil Tools). British Journal of Educational Technology. Link.
7. Quinn, M. F. (2025). Avaliação do pensamento computacional na pré-escola: relações entre instrumentos de pesquisa e perspectivas dos educadores sobre a aprendizagem e o engajamento (Assessing Preschool Computational Thinking: Relations between Researcher Instruments and Educators' Perspectives of Learning and Engagement). International Journal of Early Years Education. Link.
8. Pellas, N. (2025). Aprimorando o pensamento computacional, o raciocínio espacial e as funções executivas: o impacto de ferramentas tangíveis de programação na primeira infância e em diferentes etapas de aprendizagem (Enhancing Computational Thinking, Spatial Reasoning, and Executive Function Skills: The Impact of Tangible Programming Tools in Early Childhood and across Different Learner Stages). Journal of Educational Computing Research. Link.
9. Küçük, M. (2024). O Efeito da Criação de Objetos 3D com Códigos de Blocos nas Habilidades de Pensamento Espacial e Pensamento Computacional (The Effect of Creating 3D Objects with Block Codes on Spatial and Computational Thinking Skills). Informatics in Education. Link.

Que tal escolher uma atividade da sua próxima aula e observar, além da resposta final, como os estudantes planejam, testam e revisam suas ideias?