INSTITUTO SUPERIOR DE CIÊNCIAS DA EDUCAÇÃO

ISCED-HUÍLA

MANUAL DE APOIO DA DISCIPLINA DE DIDÁCTICA DA INFORMÁTICA

CAPITULO II – Princípios do Pensamento Computacional

Autor: Prof. Manuel Teixeira, MSc.

LUBANGO
2020
Índice Geral
Introdução .................................................................................................................................. 1
2.1. Noção de Pensamento Computacional ...................................................................... 1
2.2. Práticas e Aplicações do Pensamento Computacional ......................................... 4
2.3. Desenvolvimento do Pensamento Computacional ............................................... 12
Referências .............................................................................................................................. 17

i
 Índice de Figuras e Tabelas

Figura 1 Esquema de uma sala e dos possíveis trajetos do robot ................................................ 7

Figura 2 Pensamento crítico........................................................................................................ 13
Figura 3 Componentes processo criativo segundo Robert Sternberg ........................................ 16
Figura 4 Fases do processo criativo............................................................................................. 16

Tabela 1Instruções 1 ..................................................................................................................... 6

Tabela 2 Instruções 2 .................................................................................................................... 6
Tabela 3 Instruções 3 .................................................................................................................... 7
Tabela 4 Instruções 4 .................................................................................................................... 8
Tabela 5 Instruções 5 .................................................................................................................... 9
Tabela 6 - Instruções 6 .................................................................................................................. 9
Tabela 7 taxonomia de Ennis (2011) ........................................................................................... 13
Tabela 8 - Definições de Criatividade (adaptado de Batey, 2012) .............................................. 14

ii
 Capitulo II – Princípios do Pensamento Computacional

Introdução
Neste capítulo são abordados os conceitos de pensamento computacional,
algoritmo, linguagem de programação, resolução de problemas, raciocínio lógico
e modelação, pensamento crítico, criatividade e ludicidade.

Objectivos de estudo

 Perceber o que é o pensamento computacional e quais são as

competências que o incluem;
 Conhecer alguns referenciais teóricos e práticos do pensamento
computacional;
 Compreender como se aplicam essas competências na resolução de
problemas;
 Perceber o que é a aprendizagem baseada em raciocínio lógico,
pensamento crítico, criatividade e ludicidade.

2.1. Noção de Pensamento Computacional

Desde que Jeannette Wing no seu artigo intitulado “Computational Thinking”,
publicado na revista Communications of the ACM, em Março de 2006 (Wing,
2006), lançou a ideia de que o pensamento computacional é uma capacidade
fundamental para todos e transversal às mais variadas áreas do saber que o
tema tem atraído a atenção de muitos investigadores e professores. De facto a
ideia não era nova, pois o termo já tinha sido usado por Seymour Papert em 1980
(Papert, 1980). Mas, apesar do muito trabalho desenvolvido nesta área com a
linguagem LOGO, de que Papert foi co-autor, nas décadas seguintes, foi a partir
de 2006 que o debate ganhou novo fôlego.

Na realidade, a sociedade do século XXI, massivamente computadorizada e em

rede, vai requerer que todos possuam conhecimento e competências
computacionais, embora em diferentes graus ou níveis. Não se trata de todos
nos tornarmos numa espécie de informáticos ou tecnólogos, mas de todos
possuirmos um conjunto de saberes e habilidades que nos vão permitir trabalhar
e viver melhor neste mundo cada vez mais tecnológico.

1
Esse conhecimento e essas competências serão melhor desenvolvidas e
exploradas se a sua aprendizagem se iniciar bastante cedo, de preferência logo
no 1º ciclo do Ensino Básico (Naughton, 2012). De referir que atualmente
crianças que ainda não sabem ler – com 3 e 4 anos de idade – já usam e
manipulam dispositivos computacionais, como tablets e smartphones, com
bastante facilidade. Quer concordemos quer não, esta é uma realidade a que
não podemos fugir, pois é já intrínseca na nossa sociedade.

Acredita-se que o pensamento computacional pode ajudar a desenvolver as

capacidades de resolução de problemas dos alunos pré-universitários e que,
assim, pode trazer benefícios muito para além da própria área da Informática
(Curzon, Peckham, Settle, & Roberts, 2009). Sendo assim, é conveniente que
os professores dos vários ciclos de ensino, e das mais diversas áreas, sejam
expostos a esta temática, bem como aos seus princípios, para que possam
aplicá‐los da melhor forma, quer na sala de aula quer em atividades de carácter
educativo (Yadav, Zhou, Mayfield, Hambrush, & Korb, 2011)[, uma vez que a sua
aprendizagem pode requerer abordagens diferentes. Neste sentido, é importante
perceber que tipo de atividades pode ser mais desafiante para os alunos, quais
as ferramentas que podem ser mais fáceis de usar e como se podem estruturar
e organizar as aulas para serem mais acessíveis (Guzdial, 2008)[.

Conceitos de pensamento computacional

“o pensamento computacional envolve resolver problemas, desenhar sistemas e

compreender o comportamento humano” (Wing, 2006, p. 33).

Wing (2006, p. 35), acresceu:

“conceptualizar, não programar, (...) pensar em múltiplos níveis de abstração,

(...) é uma forma de pensamento humano, não computacional, (...) é sobre ideias
e não sobre artefactos"

Para além disso, o pensamento computacional é pensar recursivamente e,

paralelamente, usar a decomposição, modelar, planear, etc.
Segundo Barr e Stepheson (2011) o pensamento computacional envolve
capacidades de:

 Recolha, análise e representação de dados,

2
  Abstração,

 Decomposição,

 Algoritmos e procedimentos,

 Automação,

 Paralelização,

 Simulação.

A Google definiu um guia de conceitos sobre pensamento computacional que

envolve processos mentais e aspectos tangíveis:

Os primeiros – relativos aos processos mentais – envolvem:

 Abstração,

 Desenho de Algoritmos,

 Decomposição,

 Análise de Dados - interpretação de dados tentando encontrar padrões

ou insights,

 Reconhecimento de padrões - observação de padrões, tendências ou

regularidades,

 Generalização de padrões - criação de modelos, regras, princípios ou

teorias a partir de padrões observados,

 Simulação - desenvolvimento de um modelo que imita um processo real.

Os segundos – relativos aos processos tangíveis – envolvem:

 Automação - realização de tarefas repetitivas de forma automática por

computaodres/máquinas,

 Recolha de dados,

 Representação de dados,

 Paralelização - processamento em simultâneo de partes de uma tarefa

(ver mais)

3
Focando-se apenas nos processos mentais, Selby e Woollard definem
o pensamento computacional como um processo cognitivo ou mental, dos
humanos, não das máquinas, de resolução de problemas em sentido lato e que
envolve capacidades como:

 Abstração: consiste em esconder a complexidade inerente à realidade

para representar apenas os seus aspetos essenciais.

 Decomposição: consiste em dividir uma tarefa ou problema em partes

mais simples de forma a poderem ser solucionados.

 Pensamento Algorítmico: consiste em definir uma tarefa como um

conjunto de instruções simples passo-a-passo.

 Avaliação: consiste em aferir das vantagens e das limitações de uma

solução.

 Generalização: consiste em ser capaz de passar de uma situação

específica para outras mais gerais (Selby & Woollard, 2010).

Segundo Barr e Stepheson (2011), o pensamento computacional, além do

desenvolvimento das capacidades referidas, pode também promover a
confiança e a persistência para lidar com situações e problemas complexos, a
capacidade de lidar com a ambiguidade e com os erros, a capacidade de
trabalhar colaborativamente e de negociar.

2.2. Práticas e Aplicações do Pensamento Computacional

Neste subtema vamos ver algumas aplicações do pensamento computacional
na resolução de problemas do dia‐a‐dia e de problemas na sala de aula
recorrendo a material simples, sem recurso a computadores. Sempre que
considerarmos adequado será ilustrada a ligação dos conceitos‐chave do
pensamento computacional aos exemplos apresentados.

Neste subtema serão também apresentados vários tipos de soluções

tecnológicas, ou ferramentas informáticas, para aplicação do pensamento
computacional na escola. Vejamos:
4
1) Aplicação do pensamento computacional na resolução de problemas do dia-
a-dia
2) Aplicação do pensamento computacional na sala de aula sem recurso a
tecnologia
3) Soluções tecnológicas para aplicação do pensamento computacional na
escola

1) Aplicação do pensamento computacional na resolução de problemas do

dia-a-dia

No dia‐a‐dia deparamo‐nos frequentemente com a realização de tarefas ou

problemas que podem ser resolvidos recorrendo a capacidades que o
pensamento computacional promove. Vamos exemplificar:

Imaginemos que nos perguntam como fazemos para ir de nossa casa até à
estação de correios mais próxima. Naturalmente que a maior parte das pessoas
já o fez e, como tal, sabe como fazer esse percurso. O que talvez não se saiba
é que, ao darmos um conjunto de instruções simples e passo‐a‐passo para dar
resposta ao problema, estamos a usar uma solução algorítmica. Em linguagem
de computação isto é um algoritmo, ou seja uma sequência finita de instruções
bem definidas e não ambíguas, que resolvem um problema.

Mas vejamos outro exemplo:

Quando queremos ordenar um conjunto de dados – de qualquer espécie – como

as fichas dos nossos alunos, por exemplo, podemos fazê‐lo por ordem alfabética
ou por ordem numérica (de acordo com o número de cada aluno na turma).
Como procedemos? Há, uma vez mais, várias alternativas ou métodos, digamos
algoritmos, de o fazer. Uns podem ser mais rápidos outros mais simples. Ao
aferirmos a qualidade da solução estamos a avaliar as vantagens e limitações
de cada uma.

Muitos outros exemplos podiam ser apresentados: como mudar um pneu, como
escolher a fila de pagamento num supermercado, como fazer um bolo – que
envolve claramente duas subtarefas (misturar os ingredientes ou bater o bolo e
cozê‐lo no forno), isto é, decomposição de uma tarefa em subtarefas.

5
2) Aplicação do pensamento computacional na sala de aula sem recurso
a tecnologia

Qualquer um dos exemplos referidos pode ser usado facilmente na sala de aula
com os alunos. O primeiro pedindo‐lhes que exprimam – usando, por exemplo,
um mapa em papel como suporte – o caminho de um local A para um local B
utilizando uma linguagem simples, com instruções do tipo:

Tabela 1Instruções 1

vira na primeira rua à direita

vira na terceira à esquerda

avança até ao cruzamento

O mesmo exemplo também pode ser adaptado de outra forma: um aluno faz de
robot que recebe ordens, para realizar a tarefa de ir buscar um livro que está
numa mesa ao fundo da sala, numa linguagem simples com instruções do tipo:

Tabela 2 Instruções 2

vira à direita

vira à esquerda

avança um passo

Um outro aluno comanda‐o e um terceiro anota as ordens dadas no quadro. Os

outros podem observar e comentar a estratégia seguida, ou seja, avaliar.

Na figura 1 podemos ver um esquema de uma sala e dos possíveis trajetos que
o robot poderá seguir:

6
Figura 1 Esquema de uma sala e dos possíveis trajetos do robot

Tendo por base o conceito de robot e da linguagem que ele entende podemos,
de seguida, pedir aos alunos que mandem o robot executar o trajeto de um
quadrado com 4 passos de lado. Podemos também pedir‐lhes que escrevam as
instruções necessárias para o efeito. Obterão algo do género:

Tabela 3 Instruções 3

avança 1 passo

avança 1 passo

avança 1 passo

avança 1 passo

vira à direita

avança 1 passo

avança 1 passo

avança 1 passo

avança 1 passo

vira à direita

avança 1 passo

7
avança 1 passo

avança 1 passo

avança 1 passo

vira à direita

avança 1 passo

avança 1 passo

avança 1 passo

avança 1 passo

vira à direita

Este exemplo tem ainda outra característica, que facilmente os alunos

descobrem: em vez de mandar o robot avançar 1 passo de cada vez era muito
mais vantajoso fazê‐lo avançar, de imediato, 4 passos. Tal é possível. Basta
para isso que os alunos redefinam uma instrução. Desta forma, a solução reduz‐
se a:

Tabela 4 Instruções 4

avança 4 passos

vira à direita

avança 4 passos

vira à direita

avança 4 passos

vira à direita

8
avança 4 passos

vira à direita

Os alunos, após alguma análise, também entendem que, em vez de 4 passos,

o robot pode avançar n passos ou um número qualquer de passos. Ao
compreenderem esta ideia estão a generalizar e a abstrair (isto é, estão a
pensar independentemente do número de passos).

Tabela 5 Instruções 5

Repete 4 vezes

- Avança 4 passos

- Vira à direita

Muitas vezes também entendem que naquele algoritmo há outro

comportamento repetitivo, fundamental em computação e para o
desenvolvimento do pensamento computacional: é que as instruções Repetem-
se 4 vezes. Então muitos sugerem que a solução passe a ser expressa por:

Tabela 6 - Instruções 6

avança 4 passos

vira à direita

Neste caso estamos já a pedir que eles generalizem, ou seja, que passem de
uma situação específica (o desenho de um quadrado) para uma situação mais
geral, algo que é fundamental para o desenvolvimento cognitivo dos alunos, mas
que por vezes é tão difícil de conseguir.

9
Esta linguagem que o robot entende pode ser vista como uma linguagem de
programação muito básica, mas que está a ser estendida ou enriquecida pelos
alunos.

E se fosse um círculo? O desafio era ainda mais difícil uma vez que já não se
trata de um polígono…

Uma variante do segundo exemplo do dia‐a‐dia apresentado (ordenar um

conjunto de dados, por exemplo, os alunos de uma turma) pode ser usada
pedindo a um conjunto de alunos de alturas diferentes que se juntem no meio da
sala de forma aleatória. Depois pede‐se aos restantes que pensem numa forma
de os ordenar por alturas, do mais baixo para o mais alto ou vice‐versa, usando
sempre o mesmo método. No final, pode ainda perguntar-se aos alunos se
existem outras formas de fazer esse ordenamento dos alunos por alturas, ou se
existem inclusive formas mais rápidas ou mais simples de o fazer.

Outro exemplo engraçado para realizar na sala de aula é pedir aos alunos que
troquem duas bolas de cor diferente que estão em duas caixas usando apenas
uma mão, pegando apenas numa bola de cada vez, garantindo que as bolas
estão sempre dentro de uma caixa e que apenas uma pode estar em cada caixa
em qualquer momento.

Tal só é possível usando uma terceira caixa… Mas esse é o desafio que
devemos deixar que os alunos descubram.

Este procedimento tem muita importância em programação uma vez que

corresponde à forma como os computadores trabalham. No entanto, nem
sempre é fácil compreender estes procedimentos e, consequentemente,
programação, no início pois a forma de operar dos humanos é diferente.

O que um aluno de programação tem que fazer é adaptar‐se também à máquina

e não o contrário, pois esta é limitada, mas nós, os seres humanos, não…

Outros exemplos onde se podem aplicar as capacidades do pensamento

computacional podem envolver a escrita de um texto, desde a sua planificação
até à fase final (Settle, Franke, Hansen, Spaltro, Jurisson, Rennert-May, &
Wildeman, 2012), a construção de um instrumento musical (Barr, Harrison, &

10
Conery, 2011)[10], ou a realização de um trabalho de pesquisa sobre um tema
qualquer.

3) Soluções tecnológicas para aplicação do pensamento computacional

na escola

Existem inúmeras ferramentas que permitem o desenvolvimento do

pensamento computacional na escola.

Por exemplo:

 O Scratch, que é uma linguagem de programação e um ambiente

especialmente desenvolvidos para crianças pelo Lifelong Kindergarten
Group do MIT Media Lab que pode ser usada para desenvolver o
pensamento computacional.
 O Software educativo o Alice;
 O LOGO, ou “Imagina” de onde o Scratch é herdeiro.
 Os softwares de simulações (Ahamed, Brylow & Early, 2010)[10], os
ambientes de modelação e de visualização 3-D (Morreale, Joiner &
Chang, 2010:), as simulações permitem compreender e estudar
fenómenos ou sistemas, representados através de modelos, usualmente
matemáticos, com os quais o aluno pode interatuar variando os seus
parâmetros. Através deste link podemos encontrar vários exemplos. Os
ambientes de modelação – permitem criar esses modelos e calculá‐los.
Como exemplo podemos referir o STELLA da ISEE Systems.

 As ferramentas de visualização 3-D permitem visualizar ou criar estruturas

a 3 dimensões. Um exemplo é o Google Sketchup.

É possível também usar robots e a robótica para promover o pensamento

computacional (Lee, Martin, Denner, Coulter, Allan, Erickson, Malyn-Smith &
Werner, 2011).

Estas ferramentas permitem que o aluno, além de desenvolver o seu

pensamento computacional, passe de mero utilizador de tecnologia a
modificador e, finalmente, a criador, desenvolvendo assim as suas

11
 capacidades e competências (Lee, Martin, Denner, Coulter, Allan, Erickson,
Malyn-Smith & Werner, 2011).

2.3. Desenvolvimento do Pensamento Computacional

A epistemologia objetivista tem dominado as práticas do ensino e aprendizagem.
Neste âmbito, o objetivo do processo de ensino consiste em transmitir os
conhecimentos aos alunos, da forma mais eficaz e eficiente possível, e
assegurar a sua aquisição pelo exercício. Aos alunos exige‐se que sejam
capazes de reproduzir estes diversos ensinamentos.

No entanto, acredita-se que estes princípios subjacentes à maioria das práticas

educativas hoje ainda vigentes explicam, de forma correta, alterações
comportamentais mas não tanto mudanças conceptuais ou de mentalidades.

Atualmente verifica‐se um movimento, ou mudança, desta perspetiva para uma

outra, por sua vez construtivista. O construtivismo tem como princípio
fundamental o primado do sujeito na construção do conhecimento. A
aprendizagem é um processo de desenvolvimento em que os sujeitos aprendem
a pensar e resolver os problemas surgidos em contextos reais.

O desenvolvimento do pensamento computacional assenta nos seguintes

princípios:

1. Pensamento Crítico;
2. Criatividade;
3. Processo criativo, complexidade e diversas capacidades

1) Pensamento Crítico:

Ennis (1987, p. 10), entende o pensamento crítico como "uma forma de pensar
reflexiva, focada em decidir no que acreditar e o que fazer".

12
 Figura 2 Pensamento crítico

O Pensamento crítico integra “tanto capacidades como disposições, designadas

no original por "abilities" e "dispositions", respetivamente. As capacidades
referem‐se aos aspetos mais cognitivos e as disposições aos aspetos mais
afetivos” (Vieira, 2003, 33).

São várias as capacidades que integram o pensamento crítico que estão

definidas e operacionalizadas na taxonomia de Ennis (Cf Tenreiro-Vieira e Vieira,
2001), e que se encontram agrupadas em cinco categorias principais e
subcategorias:

Tabela 7 taxonomia de Ennis (2011)

Categorias Atividades

 Focar uma questão

Clarificação  Analisar argumentos

Elementar
 Fazer e responder questões de clarificação e/ou
desafio.

13
  Avaliar a credibilidade de uma fonte, segundo os

Suporte Básico seguintes critérios

 Observar e avaliar relatórios de observação

 Deduzir e avaliar deduções

Inferência  Induzir e avaliar induções

 Fazer juízos de valor

 Definir os termos e avaliar as definições em x

Clarificação
dimensões
Elaborada
 Identificar assumções

Estratégias e  Decidir uma ação

Táticas  Interagir com outros

Como se pode verificar, observando na tabela nº 7, as capacidades envolvidas

no pensamento crítico encontram‐se agrupadas em cinco categorias principais:
(1) Clarificação Elementar, (2) Suporte Básico, (3) Inferência, (4) Clarificação
Elaborada e (5) Estratégias e Táticas.

O Pensamento Crítico, de modo geral, implica "procurar estar bem informado,

utilizar e mencionar fontes credíveis, procurar razões, procurar alternativas, ter
abertura de espírito e procurar tanta precisão quanta o assunto o permitir"
(Tenreiro-Vieira & Vieira, 2012).

2) Criatividade;

São várias e complexas as definições de criatividade conforme poderemos na

tabela nº 8:

Tabela 8 - Definições de Criatividade (adaptado de Batey, 2012)

Autor Definição ou ideia

Raíz palavra creare Gerar ou produzir

14
 Interação entre aptidão, processo e ambiente capaz de
Plucker, Beghetto &
mobilizar, num indivíduo ou grupo, algo novo e útil num dado
Dow (2004, p. 90)
contexto.

Mumford (2003, p. 110) Produção de produtos novos e úteis.

Sternberg & Lubart Habilidade para produzir trabalho novo (original e

(1999, p. 3) inesperado) e adequado (útil, adaptado ao contexto).

Produção de ideias novas e úteis por um indivíduo ou

Amabile (1998, 126) pequeno grupo de indivíduos que trabalham em pequeno
grupo.

Simonton (1999, pp. 5– Ideia criativa é original (num contexto específico) e

6) adequada.

Comportamento ou pensamento que é novo-original e útil-

Feist (1998, p. 290)
adequado.

Algo que é original (novo, não habitual, é novidade,

Ochse (1990, p. 2)
inesperado) e tem valor (útil, bom, adaptado e adequado).

Fazer surgir o novo como resposta às atividades mentais que

Calvacanti, 2006, 90
se operam a partir de exercícios cognitivos e sensoriais.

A originalidade e a adequação e utilidades são, de facto, conceitos cruciais no

processo criativo.

3) Processo criativo, complexidade e diversas capacidades

O processo criativo é complexo, deverá ser compreendido e envolve diversos

componentes (Figura 3):

15
Figura 3 Componentes processo criativo segundo Robert Sternberg

(acessível aqui)

Como se pode analisar, observando a Figura 3, a complexidade do conceito de

criatividade de Sternberg (1999), é analisada através de 5 componentes:
ambiente criativo, uma personalidade aberta à experiência, alguma base de
conhecimento, motivação intrínseca e imaginação. O processo criativo integra
diversas fases (ver Figura 4) segundo Amabile (1988, 138):

Figura 4 Fases do processo criativo

A primeira fase consiste na apresentação da tarefa ou problema. A segunda dirá

respeito à preparação necessária que levará às respostas ou soluções. Trata‐se

16
de ir buscar toda a informação e destrezas que possam ser rentabilizadas para
a tarefa ou problema. Na terceira fase – criação da ideia – é onde se produz, ou
não, a resposta ‘nova’/’original’ e ‘adequada’. Na quarta etapa a ideia é validada
para, finalmente, na quinta fase ser tomada uma decisão relativamente à solução
ou resposta a ser dada.

Referências
Ahamed, S., Brylow, D. & Early, J. (2010). CT for the Sciences. Proceedings of the
41st ACM technical symposium on Computer science education (pp. 42-46).
Milwaukee, WI, USA.

Morreale, P., Joiner, D. & Chang, G. (2010). Connecting Undergraduate Programs to

High School Students: Teacher Workshops on CT and Computer science. The Journal
of Computing Sciences in Colleges, 25(6), 191-197.

Lee, I., Martin, F., Denner, J., Coulter, B., Allan, W., Erickson, J., Malyn-Smith, J. &
Werner, L. (2011). CT for Youth in Practice. Inroads, 2(1), 32-37.
Barr, V. & Stepheson, C. (2011). Bringing CT to K-12: What is Involved and what is
the Role of the Computer Science Education Community? Inroads, 2(1), 48-54.

Settle, A., Franke, B., Hansen, R., Spaltro, F., Jurisson, C., Rennert-May, C. &
Wildeman, B. (2012). Infusing CT into the Middle-and-High-School Curriculum.
Proceedings of the 17th ACM annual conference on Innovation and technology in
computer science education (pp. 22-27). Haifa, Israel.
Batey, D. (2012). The Measurement of Creativity: From Definitional Consensus to the
Introduction of a New Heuristic Framework. CREATIVITY RESEARCH JOURNAL, 24(1),
55–65.
Ennis, R. H. (1987). A taxonomy of critical thinking dispositions and abilities. In J. B.
Baron & R. J. Sternberg (Eds.), Teaching thinking skills: Theory and practice (pp. 9-
26). New York: W. H. Freeman & Company.

Vieira, R. M. (2003). Formação continuada de professores do 1o e 2o ciclos do ensino

básico para uma educação em ciências com orientação CTS/PC | Rui Vieira -
Academia.edu. Universidade de Aveiro. Retrieved from here

Tenreiro-Vieira, C. & Vieira, R. M. (2001). Promover o pensamento crítico dos alunos:

Propostas concretas de sala de aula. Porto: Porto Editora.

Ennis, Robert (1987). A taxonomy of critical thinking dispositions and abilities. In J.

B. Baron, e R. J. Sternberg(Eds.), Teaching thinking skills: Theory and practice. New
York: W. H. Freeman and Company.

Tenreiro-Vieira, C. & Vieira, R. M. (2012). Co(relação) entre a literacia científica e o

pensamento crítico no contexto da educação em Ciências com orientação
CTS. Proceedings of III Seminário Ibero-americano Ciência-Tecnologia-Sociedade no
Ensino das Ciências – VII Seminário Ibérico CTS no Ensino das Ciências. Madrid, Spain.

17
Wing, J. (2006). Computational Thinking (CT). Computational Thinking. Communications of the
ACM, 49(3), 33-35.

Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc.

Naughton, J. (2012, 31 de março). Why all our kids should be taught how to code. The
Guardian.

Curzon, P., Peckham, J., Settle, A., & Roberts, E. (2009). Computational Thinking (CT): On
Weaving It Proceedings of the 14th annual ACM SIGCSE conference on Innovation and
technology in computer science education (pp. 201-202). Paris, France.

Yadav, A., Zhou, N., Mayfield, C., Hambrush, S., & Korb, J. (2011). Introducing Computational
Thinking in Education Courses. Proceedings of the 42nd ACM technical symposium on
Computer science education (pp. 465-470). Dallas, TX, USA.

Guzdial, M. (2008). Education, Paving the Way for Computational Thinking. Communications of
the ACM, 51(8), 25-27.
Wing, J. (2006). Computational Thinking. Communications of the ACM, 33-35.

Barr, V., & Stepheson, C. (2011). Bringing Computational Thinking to K-12: What is
Involved and What is the Role of the Computer Science Education Community?
Inroads, 2(1), 48-54.

Selby, C., & Woollard, J. (2010). Computational Thinking: The Developing Definition.

18