Sub-representação em STEM no ensino médio: acesso não garante participação

As pesquisas recentes sobre STEM estão olhando para além da pergunta “quem pode se matricular?”. Elas investigam quem efetivamente participa, se reconhece na área e encontra motivos para continuar — uma diferença que ajuda a explicar por que a oferta de disciplinas, sozinha, não resolve a sub-representação. Para quem ensina, essa discussão aparece em escolhas cotidianas: quem se inscreve em uma atividade de computação, quem se sente capaz diante de um problema difícil e quem consegue enxergar utilidade no conteúdo.

Também mudou o repertório de experiências estudadas: cursos de ciência de dados, currículos que integram aprendizado de máquina, mentoria, modelos virtuais de referência e aprendizagem ligada a problemas reais. Os resultados não apontam uma solução única. Mostram oportunidades promissoras, mas também que o acesso e o interesse podem avançar sem que desigualdades de gênero ou socioeconômicas desapareçam. A seguir, organizamos os achados para ajudar você a pensar em ações possíveis sem transformar evidências de outros contextos em receitas prontas para a escola brasileira.

O que é sub-representação em STEM e por que importa para o professor?

Sub-representação significa que determinados grupos aparecem em menor proporção do que outros em cursos ou trajetórias de ciência, tecnologia, engenharia e matemática. No ensino médio, isso pode ser percebido na matrícula em computação, na participação em atividades avançadas de matemática, em projetos científicos ou na expectativa de seguir uma carreira relacionada a essas áreas. O conceito não descreve uma característica ou falta de capacidade dos estudantes; chama atenção para diferenças de participação e para as condições que as acompanham.

Para o professor, o tema importa porque a matrícula é apenas uma parte da história. Um estudante pode ter acesso formal a uma disciplina e, ainda assim, não se sentir pertencente, não conhecer aplicações relevantes ou não receber apoio para persistir quando o conteúdo fica difícil. No estudo sobre matrícula em Ciência da Computação no 9º ano, por exemplo, a participação foi menor entre meninas, aprendizes de língua inglesa e estudantes que recebiam atendimento de educação especial, mesmo em uma análise que considerou diferentes fatores associados à matrícula (Amiel, 2025).

É importante distinguir STEM como conjunto amplo de áreas de resultados específicos. Um curso de matemática aplicada, um programa extracurricular e uma disciplina de computação não são a mesma experiência. Cada estudo abaixo examina uma intervenção, etapa ou contexto diferente. Juntos, ajudam a formular perguntas pedagógicas úteis: que oportunidades estão sendo oferecidas, quem chega até elas e que sinais de pertencimento e relevância a escola transmite?

O que a pesquisa recente mostra sobre a participação em STEM?

Os estudos apontam três frentes relacionadas: a forma como as oportunidades são desenhadas, as relações e referências que cercam os estudantes e as decisões escolares que distribuem acesso a disciplinas. Os resultados são promissores em alguns casos, mas não autorizam concluir que uma única iniciativa eliminará disparidades. Abaixo, agrupamos as pesquisas por ideia, e não como uma lista de soluções universais.

Acesso a disciplinas é importante, mas não explica tudo

Uma pesquisa sobre a transição do 8º para o 9º ano examinou fatores associados à matrícula em Ciência da Computação em oito distritos escolares de um estado do nordeste dos Estados Unidos. Entre os 5.505 estudantes considerados, desempenho acadêmico elevado, ser do sexo masculino, ter origem asiática e já ter contato com computação e Álgebra 1 no ensino fundamental II estiveram associados a maior probabilidade de matrícula. Meninas, aprendizes de língua inglesa e estudantes que recebiam serviços de educação especial participaram menos (Amiel, 2025).

Esse resultado chama a atenção para o momento em que as escolas organizam a passagem entre etapas e divulgam disciplinas. Os autores destacam exposição precoce à computação e ações de divulgação direcionadas, relacionando-as ao pertencimento e à percepção de aplicabilidade. A evidência descreve associações em um contexto norte-americano; não prova que os mesmos fatores tenham o mesmo peso em toda escola brasileira. Ainda assim, oferece uma pergunta concreta para a equipe: as oportunidades são comunicadas e preparadas de modo que diferentes estudantes consigam considerá-las?

Uma análise da reforma inglesa que incentivou a especialização em matemática nos dois últimos anos do ensino médio encontrou aumento na probabilidade de ingresso e conclusão de cursos universitários STEM. Porém, as desigualdades de gênero e socioeconômicas permaneceram inalteradas (Morando, 2025). A tensão é relevante: ampliar a participação geral pode produzir mais ingressantes e concluintes sem mudar quem está representado entre eles. Uma política de oferta pode, portanto, ser valiosa e insuficiente ao mesmo tempo.

Conteúdos aplicados podem ampliar as formas de participar

Um estudo multimétodo sobre ciência de dados no ensino médio encontrou mais estudantes de grupos sub-representados nesse curso do que costuma haver em outros cursos avançados de matemática. Os estudantes de ciência de dados também faziam mais cursos de matemática do que aqueles que não cursavam ciência de dados e apresentavam uma visão mais positiva de um futuro em STEM. Na avaliação de dados e funções descrita no resumo, obtiveram pontuações significativamente mais altas do que estudantes de Álgebra 2 (Boaler, 2025).

Os textos dos estudantes desse curso valorizavam a relevância do conteúdo, a investigação de ideias, o desafio aplicado e a possibilidade de pensar criativamente. Isso não demonstra que ciência de dados, em qualquer formato, cause maior participação ou seja adequada a toda turma. Mas sugere que vale observar como o conteúdo é apresentado: a matemática pode aparecer como ferramenta para investigar uma questão, não apenas como sequência de procedimentos. Uma forma de aplicação em sala é propor que a turma analise dados ligados a uma pergunta compreensível e discuta as escolhas feitas na investigação.

O aprendizado de máquina também foi integrado a um currículo de ciências não formal para jovens do ensino médio no Museu Americano de História Natural, nos Estados Unidos. Ao longo de dois anos, o programa ofereceu um currículo de quatro semanas e avaliou conhecimento, habilidades e autoeficácia por questionários antes e depois. Os participantes ampliaram conhecimentos e habilidades em aprendizado de máquina e sua autoeficácia; em média, participantes que se identificaram como mulheres e não brancos apresentaram ganhos maiores do que colegas brancos do sexo masculino, reduzindo diferenças identificadas no pré-teste (Rabinowitz, 2025).

O estudo é uma indicação de que jovens dessa etapa podem aprender conceitos de aprendizado de máquina em um ambiente não formal com currículo integrado. Não equivale a um teste de implantação em todas as escolas, nem afirma que o mesmo desenho terá o mesmo efeito em qualquer turma. Para o professor, uma possibilidade de aplicação é construir uma atividade introdutória que conecte conceitos de dados ou modelos a uma investigação de ciências, acompanhando tanto a compreensão quanto a confiança dos estudantes.

Mentoria, modelos de referência e propósito ajudam a construir pertencimento

Um estudo experimental com 70 estudantes do primeiro ano do ensino médio investigou vídeos de modelos virtuais de referência em STEM. As respostas a questionários antes e depois sugeriram maior alinhamento entre identidade de gênero e identidade STEM, além de mais interesse e entusiasmo entre estudantes que assistiram aos vídeos. Os resultados também sugeriram que a exposição ajudou a manter percepções sobre STEM mesmo quando os estudantes enfrentavam dificuldades com conteúdos complexos (Miles, 2025).

Em outro estudo, entrevistas com estudantes e instrutores de um programa extracurricular experiencial chamado Change Makers exploraram a relação entre propósito e engajamento em STEM. Os autores relatam que a participação contribuiu para transformar interesse preexistente em experiências de autoeficácia, maior disposição para explorar carreiras e aprofundamento da motivação pró-social (Lincoln, 2025). Como se trata de uma investigação qualitativa, sua contribuição é compreender experiências e sentidos relatados, não estimar um efeito generalizável para toda a população escolar.

Uma iniciativa de mentoria em Tucson, nos Estados Unidos, aproximou estudantes mais jovens de colegas um pouco mais velhos para aprender análise geoespacial e avaliar a qualidade dos parques do bairro. O programa anual também incluiu quatro visitas ao campus universitário. Questionários e respostas qualitativas indicaram que a mentoria podia contribuir para aumentar o interesse de estudantes de minorias por STEM e pelo ensino superior (Zuniga-Teran, 2025). A conexão entre uma técnica e um problema local ajuda a visualizar uma aplicação possível, mas o contexto e o desenho do programa importam.

Uma pesquisa sobre um curso intensivo anual de competições matemáticas no Morehouse College, instituição historicamente negra em Atlanta, examinou experiências de participantes anteriores por meio de grupos focais e entrevistas com estudantes e um responsável. Os autores propõem que parcerias entre a educação básica e instituições de ensino superior, especialmente instituições que atendem minorias, podem ajudar a reduzir disparidades por meio de acolhimento, visitas ao campus e experiências extracurriculares STEM (Nmah, 2025). O resumo não apresenta uma medida de impacto que permita atribuir resultados específicos a cada componente da iniciativa.

O que sabemos — e ainda não sabemos — sobre aprendizagem baseada na comunidade

Uma revisão sistemática de métodos mistos investigou se experiências de aprendizagem baseada na comunidade em STEM influenciam a intenção de estudantes de grupos historicamente sub-representados de seguir estudos ou carreiras STEM e suas crenças sobre si mesmos. A revisão identificou nove estudos publicados entre 1999 e 2024. Apenas dois compararam aprendizagem baseada na comunidade com outras pedagogias; dois compararam resultados entre grupos raciais ou étnicos, dois entre estudantes universitários de primeira geração e gerações subsequentes, e quatro entre gêneros (Akman, 2026).

Esse levantamento é especialmente útil porque mostra que a promessa de uma prática e a força da evidência disponível são questões diferentes. A aprendizagem comunitária pode conectar o trabalho STEM a problemas do mundo real e a valores pessoais ou culturais, mas a revisão conclui que são necessárias comparações mais sistemáticas entre grupos demográficos e entre pedagogias. Como a revisão também inclui estudantes universitários e estudos de diferentes períodos, não se deve tratá-la como prova direta de eficácia para uma turma específica do ensino médio.

Em conjunto, esses trabalhos recomendam cautela diante de fórmulas prontas. Aplicações reais, mentoria, referências diversas e exposição antecipada aparecem em diferentes desenhos de estudo, mas nem todos medem os mesmos resultados. Interesse, autoeficácia, matrícula, desempenho e intenção de carreira são indicadores distintos. Uma ação pode favorecer um deles sem resolver os demais.

Quais estudos investigaram cada aspecto da sub-representação em STEM?

A tabela resume o foco e o contexto dos estudos citados. Ela ajuda a comparar o que cada pesquisa investigou sem confundir experiências de ensino médio, programas extracurriculares, revisão de literatura e reformas de currículo.

O que os estudos têm em comum e onde diferem?

Um ponto em comum é que a representação não se resume a abrir vagas. As pesquisas observam fatores ligados à experiência: contato prévio com a área, sentido atribuído ao conteúdo, confiança, modelos de referência, relações de mentoria e apoio para imaginar uma trajetória. O estudo de computação associa a exposição anterior à matrícula; o de modelos virtuais observa identidade e interesse; os programas experienciais exploram autoeficácia, propósito ou interesse (Amiel, 2025; Miles, 2025; Lincoln, 2025).

As diferenças estão no tipo de evidência e no resultado avaliado. Há um estudo experimental com questionários, análises de matrícula, avaliação de um currículo antes e depois, entrevistas qualitativas, estudos de caso e uma revisão sistemática. Assim, um ganho de conhecimento não significa necessariamente permanência em uma área, e uma fala positiva sobre uma atividade não equivale a mudança na matrícula. Comparar conclusões exige manter essas distinções em vista.

Também há uma tensão importante entre ampliar a participação e reduzir desigualdades. A reforma inglesa aumentou ingresso e conclusão em STEM, mas não alterou desigualdades de gênero e condição socioeconômica. Já a ciência de dados apresentou maior participação de grupos sub-representados em relação a outros cursos avançados de matemática; esse achado não basta para concluir que o curso, por si só, eliminou barreiras. A revisão de aprendizagem comunitária, por sua vez, destaca que ainda faltam comparações robustas entre grupos e pedagogias (Morando, 2025; Boaler, 2025; Akman, 2026).

Uma questão ainda aberta é quais componentes funcionam melhor para quais estudantes e em que condições. Os estudos não permitem hierarquizar uma atividade aplicada, mentoria, modelos de referência ou especialização curricular como solução superior. A pergunta prática pode ser mais modesta e produtiva: que barreira uma iniciativa pretende enfrentar, como será percebido o efeito e quais estudantes continuam sem acesso?

Como aplicar essas ideias na sala de aula?

As pesquisas oferecem pistas, não um roteiro obrigatório. As propostas abaixo são aplicações possíveis para a escola: devem ser adaptadas à turma, aos recursos disponíveis e às oportunidades locais, sem serem apresentadas como resultados testados pelos estudos em qualquer contexto brasileiro.

1. Observe quem chega às oportunidades STEM

Como aplicação, registre quem participa de clubes, projetos, eletivas ou desafios de matemática e computação, sempre respeitando a privacidade e as regras da escola. Imagine uma turma em que a atividade opcional de programação é frequentada quase sempre pelos mesmos estudantes: em vez de concluir que os demais não têm interesse, investigue como a oportunidade foi divulgada, quais pré-requisitos parecem existir e se há horários ou materiais que dificultam a participação. A pesquisa sobre matrícula em computação mostra que a participação varia entre grupos e se associa também a experiências anteriores (Amiel, 2025).

2. Apresente STEM antes do momento de escolher uma disciplina

Uma aplicação possível é oferecer experiências breves de computação, matemática aplicada ou investigação científica a toda a turma antes de processos de escolha de atividades. Por exemplo, uma turma pode testar uma tarefa simples de organização de dados antes de decidir se quer participar de um projeto mais longo. O estudo de matrícula associa contato anterior com computação e Álgebra 1 a maior probabilidade de matrícula em Ciência da Computação; isso não prova que uma aula isolada mude escolhas no Brasil, mas sustenta a pergunta sobre quando e para quem a exposição acontece (Amiel, 2025).

3. Dê contexto e espaço para investigar, não só para executar

Como aplicação, organize uma investigação curta na qual estudantes definam uma pergunta, escolham dados e expliquem o que podem concluir. Imagine uma turma comparando características de diferentes espaços da comunidade ou analisando um conjunto de dados preparado pelo professor. A proposta pode aproximar conceitos matemáticos de uma questão compreensível e abrir espaço para criatividade. No curso de ciência de dados estudado, os estudantes valorizavam relevância, investigação, desafio aplicado e pensamento criativo (Boaler, 2025). Não é necessário reproduzir aquele curso para experimentar esses princípios.

4. Acompanhe confiança e aprendizagem junto com a nota

Como aplicação, combine uma tarefa de conteúdo com uma pergunta breve de autoavaliação: o que consigo explicar agora, o que ainda me deixa inseguro e qual próximo passo parece possível? Imagine que, após uma atividade introdutória sobre modelos e dados, os estudantes respondam individualmente e voltem às mesmas perguntas ao final. O estudo de aprendizado de máquina avaliou conhecimento, habilidades e autoeficácia antes e depois, e encontrou ganhos nesses indicadores (Rabinowitz, 2025). Na sua turma, a autoavaliação não substitui a avaliação de aprendizagem; ajuda a perceber dimensões que uma nota sozinha não mostra.

5. Use referências diversas de forma ligada ao conteúdo

Uma aplicação possível é apresentar pessoas que atuam em diferentes áreas STEM por meio de relatos curtos, vídeos ou entrevistas e discutir os problemas que enfrentam em seu trabalho. O objetivo não é presumir que um único modelo represente todo um grupo, mas ampliar as imagens disponíveis sobre quem pode pertencer à área. Imagine que, durante um tema de ciências, a turma conheça trajetórias de profissionais com experiências variadas e identifique as perguntas que orientam suas investigações. O estudo experimental com vídeos encontrou mudanças sugeridas em identidade, interesse e entusiasmo entre participantes (Miles, 2025).

6. Crie oportunidades de apoio entre pares

Como aplicação, organize duplas ou pequenos grupos com responsabilidades alternadas: quem já compreendeu uma etapa pode explicá-la, e os papéis mudam na tarefa seguinte. Em uma atividade de programação ou análise de dados, isso pode reduzir a ideia de que só há um estudante “naturalmente bom” para resolver o problema. O programa de Tucson usou mentoria entre jovens de idades próximas para trabalhar análise geoespacial e um problema do bairro; a pesquisa relata potencial para aumentar interesse em STEM e ensino superior (Zuniga-Teran, 2025). A aplicação escolar pode ser menor e não deve ser confundida com o programa estudado.

7. Conecte o conteúdo a uma contribuição para além da sala

Como aplicação, convide os estudantes a identificar uma questão local que possa ser explorada com ferramentas de matemática ou ciências, sem prometer que a atividade resolverá o problema comunitário. Imagine um grupo analisando como organizar informações sobre áreas verdes e apresentando perguntas que poderiam orientar uma investigação futura. A aprendizagem baseada na comunidade é uma possibilidade discutida em STEM, mas a revisão encontrou poucos estudos que a comparassem com outras pedagogias e pede evidências mais consistentes (Akman, 2026). Portanto, defina um objetivo de aprendizagem claro e avalie o que os estudantes aprenderam.

8. Convide a turma a pensar em carreiras sem exigir uma escolha precoce

Como aplicação, trate carreiras como um campo de exploração: que problemas diferentes áreas resolvem, que habilidades aparecem e que caminhos podem existir? Uma conversa após um projeto pode relacionar interesses dos estudantes a campos STEM sem sugerir que todos devam seguir essas profissões. O programa Change Makers relacionou experiências práticas a maior disposição para explorar carreiras e motivação pró-social, enquanto o estudo de mentoria no Morehouse College discute parcerias e atividades extracurriculares como oportunidades (Lincoln, 2025; Nmah, 2025). A finalidade é abrir possibilidades, não pressionar por uma decisão definitiva.

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

Os contextos pesquisados não são intercambiáveis com o Brasil. Há estudos de escolas e programas nos Estados Unidos, uma análise de reforma inglesa, iniciativas universitárias no México e pesquisas cujo local não está indicado no resumo. As etapas, as regras de matrícula, a organização curricular e o acesso a programas podem diferir das redes brasileiras. Por isso, os achados devem servir para formular perguntas e planejar observações, não para afirmar que determinada política produzirá aqui o mesmo resultado.

Também convém evitar usar categorias como se fossem idênticas entre países. Os estudos mencionam, por exemplo, grupos raciais e étnicos, estudantes aprendizes de língua inglesa, pessoas que recebem atendimento de educação especial e desigualdades socioeconômicas em contextos específicos. No Brasil, a escola precisa considerar sua realidade, ouvir os estudantes e observar barreiras concretas de participação, sem importar automaticamente rótulos ou explicações de outro sistema educacional.

Uma adaptação cuidadosa pode começar com questões locais: quem participa das atividades STEM oferecidas pela escola? A divulgação chega às famílias? Os estudantes conhecem aplicações possíveis? Há materiais, tempo ou apoio suficientes? Que grupos aparecem menos e que motivos eles próprios apontam? Essas perguntas não são conclusões dos estudos; são formas de transformar a literatura em investigação pedagógica situada.

Os exemplos de aprendizagem aplicada também precisam considerar infraestrutura. Um projeto de ciência de dados ou aprendizado de máquina pode ser ajustado ao que a escola tem disponível, inclusive com atividades desplugadas ou conjuntos de dados preparados pelo professor. Isso é uma sugestão de aplicação, não um resultado avaliado pelas pesquisas citadas. O cuidado central é não transformar tecnologia sofisticada em novo filtro de acesso: a proposta deve permitir participação significativa, mesmo quando estudantes têm experiências prévias diferentes.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de dez estudos recentes, e não na leitura integral dos trabalhos. Por isso, apresenta apenas os métodos, contextos, resultados e recomendações informados nesses resumos. Eles diferem em população, duração, desenho de pesquisa e indicador avaliado; alguns investigam estudantes do ensino médio, outros incluem etapas ou programas diferentes, e alguns tratam de experiências universitárias ou de uma revisão que reúne períodos anteriores.

Ficam em aberto perguntas importantes: quais componentes de cada intervenção explicam os resultados? Os efeitos se mantêm após o fim de um programa? Como a participação se distribui entre diferentes grupos no contexto brasileiro? O que acontece com estudantes que não se matriculam, não concluem ou não se reconhecem nas atividades? E quais condições de infraestrutura, formação e parceria são necessárias para sustentar uma iniciativa?

Faria sentido ler os estudos completos antes de adaptar um programa, defender uma mudança institucional ou comparar resultados em uma rede. A leitura integral pode esclarecer detalhes do desenho, das medidas, das limitações e dos participantes que não cabem em um resumo. Para uma decisão de sala de aula de pequena escala, os resumos ajudam a construir hipóteses, mas é importante acompanhar o que acontece com sua própria turma.

Como o GeraProva pode ajudar com este assunto?

O GeraProva pode ajudar a criar provas e atividades alinhadas ao conteúdo que você está trabalhando, inclusive questões contextualizadas para explorar matemática, ciências ou computação. A ferramenta não substitui o planejamento pedagógico nem garante, por si só, uma participação mais equitativa; cabe ao professor revisar os materiais e pensar se os exemplos e desafios convidam diferentes estudantes a participar. Conheça o gerador de provas do GeraProva ou faça seu cadastro grátis.

Perguntas frequentes sobre sub-representação em STEM

O que significa sub-representação em STEM no ensino médio?

Significa que certos grupos participam menos de cursos ou trajetórias de ciência, tecnologia, engenharia e matemática. Isso pode aparecer em matrículas em computação, cursos avançados de matemática, projetos e expectativas de carreira. Não é uma medida da capacidade de cada estudante; é um sinal para observar como as oportunidades são oferecidas e quem consegue acessá-las. Estudos recentes encontraram diferenças de participação em computação e indicaram que ampliar a oferta não necessariamente elimina desigualdades de gênero ou socioeconômicas (Amiel, 2025; Morando, 2025).

Uma atividade de STEM aplicada garante mais diversidade?

Não há base nesses estudos para garantir isso. A pesquisa sobre ciência de dados encontrou mais estudantes de grupos sub-representados nesse curso do que costuma haver em outros cursos avançados de matemática, além de percepções positivas sobre relevância e investigação (Boaler, 2025). Uma pesquisa de currículo de aprendizado de máquina também encontrou ganhos de aprendizagem e autoeficácia entre participantes (Rabinowitz, 2025). São resultados promissores em contextos específicos, mas não demonstram que toda atividade aplicada produza os mesmos efeitos ou elimine barreiras de participação.

Mentoria ajuda meninas e outros grupos sub-representados a se interessar por STEM?

Alguns estudos relatam resultados positivos em programas específicos, mas não permitem tratar qualquer formato de mentoria como solução garantida. Um programa de Tucson associou mentoria entre jovens, análise geoespacial e visitas a campus a aumento possível de interesse por STEM e ensino superior. No México, um programa longitudinal com meninas do ensino médio despertou interesse por STEM em parte das estudantes e aprimorou competências socioemocionais (Zuniga-Teran, 2025; Burgos-López, 2025). A forma de implementação, o contexto e o apoio disponível continuam importantes.

Como posso saber se meus estudantes se sentem pertencentes a STEM?

Os estudos não propõem uma pergunta única que sirva para todas as turmas. Como aplicação, você pode combinar observação da participação com perguntas breves e abertas sobre confiança, interesse, dificuldade e relevância do conteúdo. Por exemplo: “O que nesta atividade fez você pensar que poderia continuar estudando este tema?” e “Que apoio ajudaria no próximo desafio?”. A pesquisa com modelos virtuais de referência investigou identidade e interesse por questionários; outra avaliou autoeficácia em aprendizado de máquina (Miles, 2025; Rabinowitz, 2025). Adapte a abordagem à idade e à privacidade dos estudantes.

É melhor priorizar mais vagas ou mudar a forma de ensinar?

Os estudos sugerem que a pergunta não precisa ser uma escolha entre as duas coisas. Acesso às disciplinas é importante, mas os resultados da Inglaterra mostram que ampliar ingresso e conclusão em STEM pode ocorrer sem alterar desigualdades de gênero e socioeconômicas (Morando, 2025). A pesquisa de computação também destaca barreiras à participação que vão além do acesso (Amiel, 2025). Uma aplicação possível é combinar oportunidades acessíveis com divulgação, exposição prévia e acompanhamento de quem participa. A prioridade concreta depende do obstáculo observado na escola.

Os resultados desses estudos podem ser aplicados diretamente nas escolas brasileiras?

Não sem adaptação. As pesquisas incluem contextos dos Estados Unidos, Inglaterra e México, além de programas cujo local não é informado no resumo. Sistemas escolares, recursos e categorias sociais podem diferir dos brasileiros. Os estudos podem ajudar a planejar perguntas e testar atividades de forma situada, mas não comprovam que os mesmos resultados ocorrerão em qualquer rede do Brasil. Antes de ampliar uma iniciativa, vale observar quem participa, como os estudantes a vivenciam e que condições práticas são necessárias, além de consultar a pesquisa completa quando a decisão depender de seus detalhes.

Referências

1. Akman (2026). As experiências de aprendizagem baseada na comunidade em STEM incentivam estudantes de grupos historicamente sub-representados a seguir carreiras em STEM? Uma revisão sistemática de métodos mistos (Do Community-Based Learning Experiences in STEM Encourage Students from Historically Underrepresented Backgrounds to Pursue STEM? A Mixed-Methods Systematic Review). Journal of Experiential Education. Link.
2. Amiel (2025). A transição do Ensino Fundamental II para o Ensino Médio: fatores determinantes na matrícula em Ciência da Computação no 9º ano (The Middle-to-High School Transition: Key Factors Shaping 9th-Grade Computer Science Enrollment). International Journal of Computer Science Education in Schools. Link.
3. Boaler (2025). Estudando as oportunidades oferecidas por um curso de matemática aplicada no ensino médio: explorações em ciência de dados (Studying the Opportunities Provided by an Applied High School Mathematics Course: Explorations in Data Science). Journal of Statistics and Data Science Education. Link.
4. Nmah (2025). Examinando os efeitos de longo prazo do curso intensivo anual de competições de matemática do Morehouse College: um estudo de caso (Examining the Long-Term Effects of the Morehouse College Annual Math Competitions Bootcamp: A Case Study). Journal of STEM Outreach. Link.
5. Zuniga-Teran (2025). Ampliação da representação de estudantes de minorias nas áreas STEM por meio de mentoria intergeracional, aprendizagem no mundo real e formação em SIG (Increasing Representation of Minority Students in STEM Fields through Multi-Generational Mentoring, Real-World Learning, and GIS Training). Journal of STEM Outreach. Link.
6. Miles (2025). Cultivando a identidade e as disposições para STEM: uso de modelos virtuais de referência em escolas de ensino médio (Cultivating STEM Identity and Dispositions: Using Virtual STEM Role Models in High School). Journal for STEM Education Research. Link.
7. Lincoln (2025). Da paixão ao propósito: influência de um programa extracurricular com foco em STEM nos resultados relacionados ao propósito (Moving from Passion to Purpose: A STEM-Focused After-School Program's Influence on Purpose Outcomes). Journal of Adolescent Research. Link.
8. Rabinowitz (2025). Estudo de um Currículo de Ciências Integrado ao Aprendizado de Máquina Eficaz para Jovens do Ensino Médio em um Ambiente de Aprendizagem Não Formal (Study of an Effective Machine Learning-Integrated Science Curriculum for High School Youth in an Informal Learning Setting). International Journal of STEM Education. Link.
9. Burgos-López (2025). Por que não conseguimos reduzir a desigualdade de gênero nas áreas de STEM no ensino superior? Análise do papel da escolarização prévia, da mentoria e da participação masculina (Why Have We Failed to Narrow the Gender Gap in STEM Fields in Higher Education? Analyzing the Role of Prior Education, Mentoring, and Male Participation). Educational Process: International Journal. Link.
10. Morando (2025). Especialização em matemática no ensino médio e escolha do curso de graduação: evidências da Inglaterra (Mathematics Specialization at High School and Undergraduate Degree Choice: Evidence from England). Educational Evaluation and Policy Analysis. Link.

Que oportunidade STEM poderia fazer mais estudantes da sua turma se sentirem convidados a participar? Comece por uma pergunta, teste uma ideia possível e observe o que seus alunos mostram. Se este texto ajudou, compartilhe com um colega e sigam pensando juntos.