Taxonomias dos processos cognitivos

Aprendizagem Autodirigida: O Papel do Design Instrucional

O mundo da aprendizagem tem evoluído consideravelmente desde as discussões iniciais sobre aprendizagem autodirigida. Hoje, as novas tecnologias têm um papel crucial nesse contexto, especialmente no que diz respeito à autonomia e liberdade do aprendiz na construção do conhecimento. Vamos explorar como o Design Instrucional desempenha um papel fundamental nesse cenário, possibilitando uma abordagem de aprendizagem mais autônoma e significativa.

Aprendizagem Autodirigida: Uma Perspectiva Atual

A aprendizagem autodirigida, também conhecida como autogerida, é um conceito que remonta às décadas de 1960 e 1980, ganhando destaque com o avanço das tecnologias de informação. Essa abordagem coloca o aprendiz no centro do processo de aprendizagem, enfatizando a autonomia e liberdade na busca pelo conhecimento.

De acordo com Costa & Zancul (2020), a autonomia na aprendizagem é a capacidade de se governar, de dirigir o próprio aprendizado. Isso está intrinsecamente ligado à capacidade de explorar, questionar e buscar respostas de forma independente. Portanto, ao considerarmos a aprendizagem autodirigida, devemos abordar tanto o aprendente quanto o docente, este último desempenhando um papel fundamental ao planejar e sinalizar o caminho para o aprendiz percorrer.

Aprendizagem Profunda Versus Aprendizagem Superficial

A qualidade da aprendizagem é crucial na educação autodirigida. A aprendizagem profunda está associada à capacidade de analisar, interpretar, inquirir, comparar, avaliar e produzir conhecimento (Ruhalahti & Aarnio, 2018). É uma aprendizagem que vai além da mera retenção de informações, conectando-se a conhecimentos prévios de forma significativa.

Nesse contexto, o papel dos educadores é fundamental. O Designer Instrucional (DI) desempenha um papel central na elaboração e gestão de programas de aprendizagem autodirigida. Utilizando modelos como o ADDIE (Silva et al., s.d), o DI organiza atividades de forma sistemática, considerando tanto o contexto institucional quanto o conhecimento prévio dos aprendizes.

Vantagens e Desvantagens da Aprendizagem Autodirigida

A aprendizagem autodirigida oferece vantagens como flexibilidade, permitindo que os aprendizes planejem, desenvolvam e adaptem a construção do aprendizado conforme sua conveniência. Além disso, promove uma abordagem não linear ao conhecimento, possibilitando conexões entre informações e tempos flexíveis de acesso (Rita et al., 2016).

Entretanto, é necessário cuidado na implementação, pois uma falha na gestão pode comprometer todo o processo. A falta de tutoria direta demanda um planejamento preciso e uma estrutura institucional flexível para garantir o sucesso da abordagem (Costa & Zancul, 2020).

Experiência Brasileira: Escola Virtual de Governo (EV.G)

A Escola Virtual de Governo (EV.G) é um exemplo brasileiro de aplicação da aprendizagem autodirigida. Oferecendo uma ampla gama de cursos gratuitos e sem tutoria, a EV.G atende a demandas específicas de formação para servidores públicos, abrangendo temas variados, desde legislação até gestão de pessoas.

Com milhões de certificados emitidos e um catálogo extenso de cursos, a EV.G demonstra a relevância e eficácia da abordagem autoinstrucional na formação de profissionais do setor público (Escola Virtual de Governo, dados disponíveis em https://emnumeros.escolavirtual.gov.br/).

Conclusão

A aprendizagem autodirigida é uma abordagem valiosa que valoriza a autonomia do aprendiz. O Design Instrucional desempenha um papel crucial na concepção e gestão de programas autoinstrucionais, permitindo uma educação mais flexível e significativa. Experiências como a EV.G mostram que essa abordagem pode ser eficaz, proporcionando uma formação qualificada e acessível para profissionais.

Referências Bibliográficas

Costa, S. da silva, & Zancul, M. de S. (2020). Metodologias Ativas de Aprendizagem para o Ensino de Ciências possibilidades e limitações no debate do tema saúde. https://doi.org/10.34117/bjdv6n8-048

Escola Virtual de Governo (EV.G) em Números. Disponível em: https://emnumeros.escolavirtual.gov.br/

Rita, de C. dos S. L., Gomes, A. T., & Rendeiro, M. M. P. (2016). Mapas de aprendizagem: Tutoriais inteligentes como possibilidade de aprendizagem autodirigida. anais_cbis_2016_artigos_completos.

Ruhalahti, S., & Aarnio, H. (2018). Self-paced and dialogical knowledge creation for promoting deep learning: The pilot case in Teacher Education. Revista Ibero-Americana de Estudos Em Educação, 291–303. https://doi.org/10.21723/riaee.nesp1.v13.2018.11386

Silva, D. E., Sobrinho, M. C., & Valentim, N. (s.d.). Utilizando o Modelo ADDIE para o Desenvolvimento e Avaliação de um Processo Educacional Inspirado na Educação 4.0. encurtador.com.br/AGWY3

Pensamento Computacional: Desvendando a Demanda na Educação Atual

Por Evaldo Sant Ana de Almeida

Resumo

Este artigo busca apresentar o Pensamento Computacional como uma abordagem derivada da ciência da computação, mas distinta dela. Explorando conceitos fundamentais da computação, destacamos a

demanda natural dos profissionais que lidam com programação. Analisamos a necessidade de abstração,
visão analítica dos problemas e a habilidade de reescrevê-los de forma clara. Essa abordagem, centrada na decomposição e estruturação lógica das soluções, representa o cerne do Pensamento Computacional. Discutimos os pilares dessa metodologia e suas aplicações educacionais, bem como as vantagens consideráveis de sua utilização, levando em conta as demandas da educação contemporânea. Finalmente, sugerimos a continuidade da pesquisa, buscando a percepção dos docentes sobre a aplicabilidade dessa abordagem em suas áreas específicas.

Para começo de conversa

Os computadores eletrônicos se tornaram parte integrante de nosso cotidiano, no trabalho, comunicação profissional, entretenimento e muito mais. Apesar de estarem historicamente presentes na educação, seja como produto de processos educacionais ou como recurso educacional, a plena integração dessas tecnologias nas salas de aula pelo país não reflete a convivência que poderíamos esperar.

Os computadores são máquinas que executam instruções, ou seja, programas. Esses programas são escritos em linguagens específicas e altamente elaboradas. Portanto, os computadores são artefatos que refletem a genialidade e a inteligência humanas, realizando cálculos e outras atividades que substituem as ações humanas em muitos aspectos. A estruturação das instruções fornecidas a um computador, por meio de linguagens específicas, é uma maneira viável de estruturar o próprio processo de aquisição de conhecimento. De maneira superficial, é isso que representa o chamado pensamento computacional.

Neste artigo, por meio de uma revisão bibliográfica qualitativa, relacionamos os conceitos básicos da computação ao campo educacional, focando no pensamento computacional. Começamos com a definição de "computador", seguida por "cálculo", "linguagem de programação" e "algoritmo". Em seguida, exploramos o conceito de pensamento computacional, seus pilares e suas aplicações educacionais, além de discutir as implicações e habilidades derivadas dessa abordagem. Por fim, sugerimos futuras pesquisas na área, levantando a visão dos docentes sobre a utilização do pensamento computacional em suas atividades.

Conceitos Fundamentais

Computador

O termo "computador" refere-se a um "aparelho eletrônico capaz de efetuar operações importantes, como operações lógicas e matemáticas, sem intervenção de um operador humano durante seu funcionamento" (Dicionário prático da língua portuguesa, 1995, p. 219). Essa definição destaca a necessidade de instruções precisas para processamento, onde os comandos são previamente fornecidos e a máquina os executa de forma autônoma.

Cálculo

O termo "cálculo" remete à prática original de contar com pedrinhas, representando uma unidade. Era uma forma concreta de representar quantidades. Essas "pedrinhas" eram símbolos quantitativos, uma maneira tangível de representar uma unidade. De qualquer forma, uma pedrinha era um símbolo claro de presença, uma unidade.

Linguagem de Programação

Os computadores lidam com informações em níveis diferentes e, por serem máquinas, não compreendem a linguagem humana. Eles operam com impulsos elétricos que representam a presença ou ausência de informações, interpretados como números. As linguagens de programação, inicialmente, eram códigos matemáticos, evoluindo a partir da lógica matemática para resolver problemas específicos (Bertolini et al., 2019). Essas linguagens são abstrações de conceitos matemáticos, essenciais para transmitir instruções claras à máquina.

Algoritmo

Um algoritmo é uma sequência de ações ou passos para resolver um roblema, com um conjunto de instruções usando comandos simbólicos (Liukas, 2015). Na prática, um programa de computador é uma série de instruções struturadas que permitem que uma máquina eletrônica realize um trabalho específico. Essa capacidade de abstração é fundamental no pensamento computacional, exigindo habilidade crítica e analítica.

O Pensamento Computacional

O Conceito

O pensamento computacional está associado não apenas à programação de computadores, mas também à resolução de problemas, ao design de sistemas e à compreensão do comportamento humano (Balanskat & Engelhardt, 2015). Embora não seja ciência da computação, está inserido nesse campo, influenciando a forma como os cientistas da computação pensam e estruturam problemas para solução por meio de computadores.

Essa abordagem lógica e analítica é a base do pensamento computacional. Envolve a habilidade de abstração, simplificando e decompondo conceitos complexos para solução de problemas. Portanto, o pensamento computacional é uma postura cognitiva relacionada à forma como os profissionais da computação pensam e abordam problemas.

Pilares do Pensamento Computacional

O pensamento computacional é fundamentado em quatro pilares: decomposição, reconhecimento de padrões, abstração e algoritmo. Esses fundamentos implicam em quebrar o problema em partes menores e mais simples, visualizar padrões, simplificar conceitos e criar um passo a passo para a solução (BBC Bitesize website, 2022). Essa abordagem não depende exclusivamente de um computador, sendo aplicável em diversos contextos.

Aplicações e Implicações do Pensamento Computacional

O pensamento computacional oferece habilidades valiosas quando aplicado. Entre elas, destacamos habilidades socioemocionais, linguagem e comunicação e a capacidade de decompor problemas (Artecona et al., 2015). Essas habilidades estão diretamente relacionadas ao uso inteligente das novas tecnologias, permitindo que os indivíduos compreendam e usem os recursos eletrônicos de forma eficaz.

Grover e Pea (2013) mencionam cinco habilidades essenciais associadas ao pensamento computacional: abstração e reconhecimento de padrões, processamento sistemático da informação, sistema de símbolos e representações, decomposição de problemas e lógica condicional. Essas habilidades são fundamentais para compreender e tirar o melhor proveito dos recursos computacionais eletrônicos.

Essas habilidades são cruciais na era das tecnologias da informação e comunicação, permitindo que as pessoas desenvolvam capacidades necessárias para utilizar efetivamente esses recursos e compreender sua lógica de funcionamento.

Finalmente

O Pensamento Computacional representa uma abordagem valiosa para a educação contemporânea, preparando os cidadãos para as novas tecnologias. Embora ainda haja desafios na integração dessa abordagem na educação formal, é essencial capacitar os professores para aproveitar seu potencial como estratégia de ensino. Sugere-se continuar a pesquisa, buscando a perspectiva dos docentes sobre a utilização do Pensamento Computacional em suas atividades educacionais, para moldar e aprimorar essa abordagem de forma eficaz.

Referências Bibliográficas

Artecona, F., Bonetti, E., Darino, C., Mello, F., Rosá, M., & Scópise, M. (2015). Pensamiento computacional un aporte para la educación de hoy. Montevideo: Gurises Unidos. Balanskat, A., & Engelhardt, K. (2015). Computing our future. Brussels: European Schoolnet. Bertolini, C., Parreira, F. J., Cunha, G. B. da, & Macedo, R. T. (2019). Linguagem de programação I. Recuperado de http://repositorio.ufsm.br/handle/1/18352 Grover, S., & Pea, R. (2013). Computational Thinking in K–12: A Review of the State of the Field. Educational Researcher, 42(1), 38–43. https://doi.org/10.3102/0013189X12463051 Liukas, L. (2015). Hello Ruby: Adventures in coding. New York: Feiwel and Friends. Nascentes, A. (1955). Dicionário etimológico da língua portugêsa. Rio de Janeiro. Rodriguez, C., Zem-Lopes, A. M., Marques, L., & Isotani, S. (2015). Pensamento Computacional: Transformando ideias em jogos digitais usando o Scratch. Anais do Workshop de Informática na Escola, 21(1), 62–71. https://doi.org/10.5753/cbie.wie.2015.62 What is computational thinking? - Introduction to computational thinking - KS3 Computer Science Revision. ([s.d.]). Recuperado 12 de junho de 2022, de BBC Bitesize website: https://www.bbc.co.uk/bitesize/guides/zp92mp3/revision/1 Wing, J. (2016). Pensamento computacional. Revista Brasileira de Ensino de Ciência e Tecnologia, 9(2). https://doi.org/10.3895/rbect.v9n2.4711 Imagens sugeridas: Ilustração de uma máquina abstrata, representando o conceito de computador. Padrões geométricos simbolizando o reconhecimento de padrões no Pensamento Computacional. Ícones abstratos representando abstração e decomposição de problemas. Algoritmo: Fluxograma visual mostrando a sequência de passos na resolução de um problema. Professor com alunos em sala de aula, destacando a aplicação do Pensamento Computacional na educação.