📄 social_science

Developing 5E-based CT-STEM Pedagogical Framework for Secondary Students’ Domain-general Computational Thinking (CT): A Fuzzy Delphi Method

Este estudo desenvolve e valida uma estrutura pedagógica baseada no 5E para integrar o pensamento computacional de domínio geral no ensino secundário de STEM utilizando o Método Delphi Difuso e o feedback de professores, confirmando a sua viabilidade ao mesmo tempo que destaca os desafios de implementação e a necessidade de adaptação contextual.

Autores originais: Zuokun Li, Pey Tee Oon, Leying Jiang

Publicado 2026-08-21

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Zuokun Li, Pey Tee Oon, Leying Jiang

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Num mundo em que a inteligência artificial molda tudo, desde semáforos até diagnósticos médicos, a capacidade de pensar como um cientista da computação tornou-se uma habilidade vital para a vida. Esta habilidade, conhecida como pensamento computacional, não se trata meramente de escrever código ou construir software. Em vez disso, é um método universal para resolver problemas complexos, decompondo-os em partes gerenciáveis, identificando padrões em dados e projetando soluções passo a passo. Embora esta forma de pensar seja frequentemente ensinada em aulas de ciência da computação, os educadores acreditam cada vez mais que ela deve ser integrada ao estudo da ciência, tecnologia, engenharia e matemática, coletivamente conhecidos como STEM. O objetivo é ajudar os alunos a usar estas ferramentas lógicas para enfrentar desafios do mundo real, desde o projeto de uma cidade sustentável até a compreensão das alterações climáticas. No entanto, ensinar esta combinação de competências é difícil. Os professores carecem frequentemente de um roteiro claro sobre como combinar estes processos de pensamento abstrato com as lições padrão de ciência e matemática, ficando sem saber por onde começar ou como orientar os seus alunos de forma eficaz.

Para colmatar esta lacuna, uma equipa de investigadores decidiu conceber e testar um novo modelo de ensino especificamente para alunos do ensino secundário. A sua abordagem centra-se num modelo de instrução comprovado chamado método 5E, que estrutura a aprendizagem em cinco fases distintas: envolver os alunos com um problema, permitir que o explorem, explicar os conceitos, elaborar as ideias através da aplicação e avaliar os resultados. Os investigadores quiseram mapear práticas específicas de pensamento computacional nestas cinco fases para criar um guia coeso. Começaram por reunir um painel de vinte especialistas, incluindo professores experientes e especialistas em currículos de várias áreas científicas. Utilizando um método especializado que permitiu a estes especialistas chegar a um consenso sem a necessidade de rodadas intermináveis de debate, a equipa refinou uma lista de quatorze práticas de pensamento fundamentais. Os especialistas concordaram que o ponto de partida mais crítico para qualquer aula é ajudar os alunos a decompor um problema grande e confuso em peças menores e solucionáveis. Também determinaram que o processo de testar e refinar uma solução deve ocorrer enquanto os alunos constroem os seus projetos, em vez de esperar até ao final.

O modelo resultante sugere um caminho fluido e não linear para a aprendizagem. Na fase inicial de engajamento, os alunos definem um problema do mundo real e eliminam detalhes desnecessários para se focarem no desafio central. À medida que avançam para a exploração, reúnem dados e organizam-nos em formas visuais, como gráficos ou mapas. Durante a fase de explicação, procuram padrões nesses dados para compreender as regras subjacentes. A fase de elaboração é onde o trabalho ganha vida; os alunos utilizam ferramentas digitais para construir modelos, executar simulações e automatizar tarefas, tudo isto enquanto testam e melhoram constantemente os seus designs com base no que funciona e no que falha. Finalmente, na fase de avaliação, tanto os professores como os alunos refletem sobre todo o processo, considerando como as estratégias utilizadas poderiam aplicar-se a diferentes situações. Esta estrutura não foi apenas um exercício teórico; os investigadores desenvolveram um plano de aula específico sobre o projeto de um portão de campus inteligente usando visão computacional para demonstrar como o modelo funciona na prática.

Para verificar se este modelo funcionaria realmente numa sala de aula, os investigadores entrevistaram oito professores ativos que tinham experiência em projetos integrados de STEM. Estes educadores ofereceram uma visão realista dos benefícios potenciais e dos obstáculos que poderiam enfrentar. Os professores acreditaram que o modelo ajudaria os alunos a desenvolver não apenas competências técnicas, mas também uma compreensão mais profunda da ciência e da matemática, juntamente com melhores capacidades de resolução de problemas e maior confiança no seu próprio trabalho. Viram a abordagem estruturada como uma forma de tornar a investigação complexa mais acessível e menos avassaladora para os alunos. No entanto, os professores também identificaram desafios significativos que poderiam impedir o sucesso. Preocuparam-se com a dificuldade de encontrar tempo suficiente para cobrir todos os passos necessários, a dificuldade de orientar o trabalho de grupo colaborativo e a falta de equipamento e software fiáveis nas suas escolas. Além disso, observaram que os novos métodos por vezes colidiam com os requisitos curriculares existentes e com as pressões dos exames, tornando difícil justificar o tempo gasto em projetos de investigação aberta.

O estudo conclui que, embora o modelo ofereça um caminho promissor e validado por especialistas para o ensino do pensamento computacional, o seu sucesso depende fortemente do sistema de apoio que envolve o professor. Os investigadores descobriram que os desafios não são questões isoladas, mas sim profundamente interligadas; por exemplo, a falta de tempo pode tornar impossível fornecer a orientação necessária, o que, por sua vez, afeta o quão bem os alunos aprendem. O modelo em si é robusto e flexível, desenhado para se adaptar a diferentes necessidades de sala de aula, mas requer que as escolas forneçam formação adequada, recursos e flexibilidade curricular para que os professores o utilizem de forma eficaz. Ao combinar uma estrutura de instrução clara com um foco na resolução de problemas do mundo real, esta abordagem visa equipar os alunos com as ferramentas mentais necessárias para navegar num mundo cada vez mais complexo e orientado pela tecnologia, desde que o ambiente educativo esteja pronto para apoiar os professores que os guiam.

Resumo Técnico: Desenvolvimento de um Modelo Pedagógico CT-STEM baseado no 5E

Problema de Pesquisa
Embora o Pensamento Computacional (CT) seja cada vez mais reconhecido como uma competência fundamental para a resolução de problemas em uma era impulsionada pela IA, ainda carece de um modelo pedagógico claramente definido para a implementação do CT no ensino de STEM (CT-STEM) no nível secundário. As pesquisas existentes focam frequentemente no CT específico de domínio (ex.: programação dentro de disciplinas individuais) em vez do CT de domínio geral (habilidades de resolução de problemas transferíveis aplicáveis a diversas disciplinas). Além disso, há uma escassez de diretrizes operacionais para apoiar os professores na integração de práticas de CT em contextos de aprendizagem interdisciplinar e baseada em projetos. Este estudo aborda essa lacuna ao visar o desenvolvimento e a avaliação de um modelo pedagógico CT-STEM baseado no 5E para promover o CT de domínio geral entre estudantes do ensino secundário.

Metodologia
O estudo empregou uma abordagem de métodos mistos combinando o Método Delphi Difuso (FDM) e a Etnografia Quantitativa (QE) com a Análise de Redes Epistêmicas (ENA).

Desenvolvimento do Modelo (RQ1):
- Participantes: Um painel deliberativo de 20 especialistas (17 professores do ensino secundário e 3 profissionais da educação) com diversos históricos em STEM.
- Instrumento: Um questionário FDM desenvolvido pelo pesquisador baseado em uma revisão de literatura de práticas de CT mapeadas para o modelo instrucional 5E (Engajar, Explorar, Explicar, Elaborar, Avaliar).
- Análise: O FDM utilizou números difusos triangulares para transformar julgamentos subjetivos de especialistas em dados quantitativos quase objetivos. O consenso foi determinado usando um valor de limiar ( $d \le 0,20$ ) e uma proporção de consenso geral ( $>75\%$ ). Um nível de corte $\alpha$ de 0,50 foi aplicado para filtrar os itens, seguido de desdifusão para classificar a importância de práticas específicas de CT dentro das fases do 5E.
Avaliação do Modelo (RQ2 & RQ3):
- Participantes: Oito professores de iSTEM em serviço, selecionados por conveniência, em Macau.
- Instrumento: Entrevistas semiestruturadas explorando as percepções sobre benefícios para os alunos e desafios de implementação antecipados.
- Análise: Os dados foram codificados utilizando estruturas de "efeitos de transferência" (cognitivos/não cognitivos, transferência próxima/distante) e "implementação de inovação" (desafios estruturais/procedimentais/educativos/instrucionais). A Análise de Redes Epistêmicas (ENA) foi utilizada para modelar e visualizar a coocorrência e a força das conexões entre esses temas codificados.

Principais Contribuições

Desenvolvimento de um Modelo Validado: O estudo produziu um modelo pedagógico baseado em pesquisa e validado por especialistas que integra 14 práticas centrais de CT de domínio geral ao ciclo instrucional 5E.
Integração Metodológica: A pesquisa demonstra a utilidade de combinar o FDM para a construção rápida e eficiente de consenso no design do modelo com a ENA para visualizar a natureza complexa e inter-relacionada das percepções dos professores em relação aos benefícios e desafios.
Diretrizes Operacionais: O estudo fornece mapeamentos específicos de práticas de CT (ex.: abstração, decomposição, análise de dados, pensamento algorítmico) para as fases instrucionais, indo além de conceitos abstratos para estratégias de sala de aula acionáveis.
Adaptação Contextual: O modelo inclui orientações específicas para adaptação contextual, incluindo o escalonamento (scaffolding) para diferentes níveis de prontidão dos alunos, lógica de fluxo de trabalho iterativa/paralela e o uso responsável da IA generativa.

Resultos

Consenso de Especialistas: A análise FDM alcançou uma alta taxa de consenso de 92,14% ( $d=0,10$ $d = 0, 10$ ) na primeira rodada. Todas as 14 práticas de CT propostas excederam o limiar de corte $\alpha$ $α$ de 0,50.
- Prioridades Máximas: As práticas classificadas com maior pontuação foram Engajar: Decomposição (DV=18,40) e Avaliar: Otimização Iterativa (DV=18,00), seguidas por Explorar: Análise de Dados.
- Refinamentos: Com base no feedback qualitativo dos especialistas, o modelo foi revisado para tratar abstração/decomposição como práticas contínuas, permitir o sequenciamento flexível de representação e análise de dados, e integrar testes/otimização na fase de Elaborar em vez de apenas na de Avaliar.
Percepção de Benefícios pelos Professores (ENA): Os professores perceberam o modelo como promotor de uma gama ampla e interconectada de resultados. A rede ENA revelou conexões densas entre conhecimentos/habilidades de CT, conhecimentos/habilidades de programação e conhecimentos de STEM. Os professores viram esses ganhos cognitivos como mutuamente reforçadores com benefícios não cognitivos, como engajamento, confiança e disposições para resolução de problemas.
Percepção de Desafios pelos Professores (ENA): Os desafios não foram vistos como questões isoladas, mas como um sistema interconectado de restrições. A rede ENA destacou fortes ligações entre Orientação Instrucional do Professor e Gestão de Tempo Procedimental, Arranjos Instrucionais e Resultados de Aprendizagem. Desafios estruturais, incluindo Padrões Curriculares e Suporte de Equipamentos, também foram identificados como influentes na execução instrucional. Os professores identificaram barreiras específicas relacionadas ao tempo, disponibilidade de recursos e à complexidade de orientar aulas de CT-STEM colaborativas e de investigação.

Significância e Alegações
O artigo afirma fornecer um modelo pedagogicamente fundamentado, validado por especialistas e informado pela prática para desenvolver habilidades de CT de domínio geral em estudantes do ensino secundário. Argumenta-se que, ao incorporar práticas de CT dentro do ciclo estruturado do 5E, os educadores podem ir além de atividades isoladas de codificação para promover competências de resolução de problemas transferíveis.

O estudo enfatiza que o sucesso da implementação depende não apenas do design pedagógico, mas também de uma ecologia educacional de apoio. Os autores afirmam que o modelo oferece um modelo concreto para o ensino interdisciplinar, particularmente em contextos onde o STEM integrado é incipiente. No entanto, o artigo mantém uma postura modesta quanto às suas limitações, reconhecendo que a eficácia prática do modelo em salas de aula reais requer mais testes através de pesquisas quase-experimentais e longitudinais. Os autores concluem que, embora o modelo seja um passo significativo à frente, sua sustentabilidade depende do enfrentamento das barreiras procedimentais, educativas e instrucionais identificadas por meio de desenvolvimento profissional e suporte institucional.

Mais como este