Como referenciar este texto: IA para Pensamento Computacional no Ensino Fundamental I. Rodrigo Terra. Publicado em: 30/03/2026. Link da postagem: https://www.makerzine.com.br/educacao/ia-para-pensamento-computacional-no-ensino-fundamental-i/.
A inteligência artificial, especialmente modelos de linguagem e ferramentas de classificação, pode servir como andaime cognitivo: gera exemplos, varia o nível de desafio, simula agentes que seguem instruções e oferece feedback imediato. Quando bem desenhada, a interação com IA aumenta a prática deliberada de PC sem substituir a autoria do aluno.
Este texto propõe princípios, protocolos e sequências curtas para que a IA apoie o PC com segurança, equidade e propósito pedagógico. O foco está no raciocínio visível do estudante, na metacognição e no uso ético orientado pelo professor.
Você encontrará sementes de planos de aula, rubricas formativas, técnicas de prompt adequadas à faixa etária e alternativas com e sem internet, além de sugestões de alinhamento à BNCC e à LGPD.
O que é Pensamento Computacional no 1º ao 5º ano
No Fundamental I, o Pensamento Computacional envolve cinco ideias nucleares: decomposição (quebrar tarefas), reconhecimento de padrões (comparar casos), abstração (foco no essencial), algoritmos (passos claros) e depuração (testar e corrigir). Essas ideias aparecem de modo transversal em Matemática, Língua Portuguesa, Ciências, Arte e EMC, sustentando a organização do raciocínio e a comunicação precisa.
A BNCC, especialmente na Competência Geral 5 (Cultura Digital), enfatiza o uso crítico, responsável e criativo de tecnologias. Ao articular PC com leitura e escrita, medidas e dados, jogos e artes sequenciais, ampliamos oportunidades de raciocínio estruturado sem exigir programação formal. O foco é tornar os passos do pensamento visíveis e passíveis de revisão coletiva.
Desenhos de setas, receitas, mapas de histórias, tabelas e jogos de regras são veículos potentes para explicitar algoritmos, padrões e testes. Neles, as crianças formulam instruções, antecipam resultados e verificam hipóteses. A IA entra como parceira para gerar variações de problemas, checar a completude de instruções, propor contraexemplos e apoiar a reflexão sobre clareza e ambiguidade.
Na prática, professores podem propor trajetórias progressivas: nos 1º e 2º anos, comandos com setas para deslocar um personagem no papel ou no pátio; nos 3º e 4º, classificações e regras se-então para organizar dados de Ciências; no 5º, pequenas investigações com tabelas, medidas e gráficos. A IA pode simular um robô leitor que executa apenas o que está escrito literalmente, ajudando a revisar instruções, detectar lacunas e exercitar metacognição.
Para garantir intencionalidade pedagógica, combine objetivos claros, tempo curto de iteração e avaliação formativa. Rubricas enxutas observam como a criança decompõe, testa e revisa; registros visuais (setas, fluxos, rascunhos) mantêm o raciocínio visível. Quanto à ética e segurança, use contas institucionais, anonimização e consentimento, evitando envio de dados sensíveis e alinhando práticas à BNCC e à LGPD. Assim, a IA atua como andaime, não como atalho, fortalecendo autoria, criatividade e PC desde cedo.
IA como andaime cognitivo: o que, quando e como
Use IA para ampliar prática com feedback imediato, não para dar a resposta final. Três papéis úteis: geradora de exemplos graduados, verificador que testa instruções e tutor socrático que faz perguntas curtas e focadas. Exemplos: gerar listas de padrões com dificuldade crescente; executar literalmente um algoritmo em linguagem natural para revelar ambiguidades; conduzir o aluno com perguntas de precisão (“o que vem antes?” “como você sabe?”) em vez de dicas prontas.
Padronize rotinas: Decompor–Planejar–Executar–Testar–Revisar. A IA apoia em cada etapa: ajuda a listar subpassos, simula a execução, aponta ambiguidades e sugere casos de teste. O aluno decide, justifica e revisa. Torne visíveis os critérios de qualidade (clareza, ordem, completude, verificabilidade) e peça que o estudante referencie esses critérios ao revisar sua solução.
Prefira prompts que reforçam metacognição: peça à IA que faça 2 perguntas antes de qualquer dica; que sinalize palavras vagas; que proponha um contraexemplo mínimo; que gere versões com uma variação por vez. Inclua também pedidos de explicação do raciocínio (“mostre seu trabalho”), checklists de critérios e sugestões de testes de borda para que a criança valide sozinha suas hipóteses.
Quando? Nas fases de prática guiada, revisão de rascunhos e checagem de entendimento, em blocos curtos (5–15 minutos) com objetivo claro. Evite a IA em avaliações somativas de autoria individual e em tarefas que envolvam dados pessoais. Respeite a LGPD: use contas institucionais, minimize coleta, prefira dados fictícios e evite uploads desnecessários. Garanta mediação docente e equidade: turnos de fala, registro do diálogo aluno–IA e intervenções quando houver atalhos indevidos. Sem internet? Mantenha o protocolo com papéis analógicos (aluno A como “robô”, B como “verificador”) e compare depois com a IA.
Exemplo prático (2º–5º ano): “Instruções para um robô desenhar uma casa”. Decompor elementos (parede, telhado, porta, janelas); Planejar uma sequência numerada com medidas simples; pedir à IA que atue como agente seguidor estrito e executar literalmente; Testar onde o desenho falha; Revisar trocando termos vagos por critérios observáveis (tamanho, posição, ordem). Em seguida, usar a IA como geradora de variações com uma mudança por vez e, por fim, como verificador de casos de teste. Encerrar com rubrica formativa focada em clareza, cobertura de casos e justificativas de revisão.
Protocolos de segurança, LGPD e ética com crianças
Minimize dados pessoais desde o planejamento. Evite nome completo, rosto, voz, datas de nascimento e localização. Utilize perfis coletivos ou contas institucionais da escola, remova metadados de arquivos e estimule o uso de apelidos pedagógicos. Oriente explicitamente: nunca inserir informações sensíveis em prompts ou formulários.
Mantenha mediação docente constante no EF I. Estabeleça regras visíveis e simples: checar fatos em pelo menos duas fontes, sinalizar o que foi sugerido pela IA, registrar decisões do grupo e recusar conteúdos inadequados. Configure filtros, histórico supervisionado e listas de bloqueio; ensine que a IA pode errar e que a responsabilidade final é sempre humana.
Alinhe-se à LGPD com três pilares: finalidade pedagógica clara, minimização de dados e transparência. Comunique às famílias, em linguagem acessível, a ferramenta usada, os tipos de dados, o tempo de retenção e os contatos do encarregado. Escolha a base legal adequada e busque consentimento específico dos responsáveis quando aplicável ao tratamento de dados de crianças. Registre um RIPD simplificado para atividades de maior risco.
Prefira soluções que funcionem sem login individual, no navegador e em dispositivos da escola, com coleta desativada por padrão. Quando possível, opere offline ou com modelos locais para atividades sensíveis. Defina rotinas de exclusão semanal, pseudonimização nos rótulos de arquivos e armazenamento seguro; não compartilhe capturas de tela com dados identificáveis.
Inclua momentos curtos de ética e viés: quem é representado nos exemplos? Que padrões a IA pode não enxergar? Convide a turma a criar casos de teste diversos e a revisar respostas por justiça e respeito. Reforce os direitos das crianças (acesso, correção e eliminação de dados) e estabeleça um canal simples para relatar incidentes.
Sequências didáticas rápidas (30–60 min)
Estas sequências de 30–60 minutos estruturam a prática de decomposição, reconhecimento de padrões, abstração e criação de algoritmos em ciclos curtos. Cada encontro segue um ritmo claro: 5 minutos de aquecimento com exemplo guiado, 20–35 minutos de produção acompanhada pela IA, 5–10 minutos de checagem entre pares e 5 minutos de reflexão metacognitiva. A IA funciona como verificador, gerador de variações e simulador de execução, mantendo conteúdo apropriado à idade e registrando o raciocínio do aluno.
Atividade 1 — Algoritmos de história em 4 cenas: objetivo é decompor e ordenar. Alunos planejam em papel quatro passos de uma narrativa sem falas, usando verbos de ação simples e setas para transições. O professor pede à IA uma lista de verificação alinhada ao plano da turma (gere uma lista de verificação com 4 etapas claras para montar uma história sem diálogos, com verbos de ação simples) e os grupos testam se cada quadro cumpre o checklist. Variações: a IA sugere três ordens alternativas, incluindo uma com armadilha de sequência, e a classe debate qual cumpre melhor a lógica de causa e efeito.
Atividade 2 — Instrua o robô: objetivo é precisão algorítmica. Em um grid 5×5 desenhado no quadro, a turma escreve instruções determinísticas (CIMA, BAIXO, ESQUERDA, DIREITA) para levar um personagem do início ao fim. A IA executa simbolicamente, explica onde há ambiguidade e propõe casos de teste que quebram a regra original. Prompt útil do professor: simule a execução passo a passo destas instruções em um grid 5×5; se houver ambiguidade, descreva-a e gere 3 casos de teste mínimos que a evidenciem. Extensão: introduzir laços do tipo “repita 3 vezes”.
Atividade 3 — Padrões e categorias: objetivo é reconhecer atributos e formular regras. A partir de figuras geométricas desenhadas pelos alunos, a IA sugere possíveis critérios de classificação (número de lados, simetria, cor) e pede contraexemplos para cada regra, evitando overfitting. Reforço de segurança: sem envio de imagens de pessoas; use apenas desenhos e objetos escolares. Prompt sugerido: proponha 3 regras de classificação para estes desenhos e dê um contraexemplo para cada, explicando por que viola a regra. Encerramento com discussão sobre generalização.
Atividade 4 — Depurar receitas: objetivo é testar e corrigir. A IA produz uma receita propositalmente com lacunas de quantidades e tempos; os alunos marcam passos vagos, reescrevem com medidas, unidades e tempos precisos e pedem à IA uma verificação de consistência e um microteste prático seguro. Exemplo de orientação: foco em itens frios ou de sala de aula (sanduíche frio, mistura de suco) para evitar calor e riscos; atenção a alergias. Extensão não culinária: instruções de montagem de brinquedo com peças de papel.
Avaliação formativa: rubricas para PC
Construa rubricas simples, observáveis e acionáveis. Critérios centrais: Decomposição (lista de subpassos completa e lógica), Padrões (semelhanças e diferenças explicitadas), Abstração (informações essenciais destacadas e ruído separado), Algoritmos e Depuração (passos reproduzíveis, testes e revisões registradas). Descreva cada critério com verbos de ação e exemplos curtos para reduzir ambiguidades e facilitar a coleta de evidências.
Modele quatro níveis com rótulos amigáveis — Semente (começando), Brotinho (parcial), Árvore Jovem (consistente), Floresta (transferível). Use exemplos-âncora da própria turma e peça autoavaliação com justificativas curtas, conectadas a trechos do trabalho. Inclua coavaliação em duplas focada em evidências (o que aparece no caderno, no diagrama, no protótipo) e não em opiniões gerais.
Peça evidências de processo: rascunhos, listas, diagramas, casos de teste e versões revisadas. A IA pode ajudar a gerar um sumário do processo, sugerir casos de teste ou apontar lacunas na lista de passos; porém, o aluno valida, anota o que mudou e por quê, e o professor verifica amostras. Valorize erros produtivos como ponto de partida para critérios de depuração e melhoria contínua.
Implemente rotinas leves: no início, defina o objetivo e um critério-alvo; no meio, faça um check-in de 5 minutos com uma pergunta-guia do tipo ‘O que ainda está vago neste algoritmo?’; ao fim, registre uma micro-reflexão metacognitiva. Converta cada critério em perguntas de bolso para crianças (“Consegui quebrar em partes? Minhas partes seguem uma ordem? O que posso ignorar? Como sei que funciona?”) e mantenha a rubrica visível em linguagem acessível.
Assegure equidade e ética: ofereça suportes visuais e exemplos graduados, permita multimodalidade nas evidências (desenho, voz, texto), evite que a IA produza respostas finais usadas para nota e cuide de privacidade e consentimento ao armazenar portfólios. Use a rubrica para orientar reensaios curtos, não como rótulo fixo; celebre progressos entre níveis e convide famílias a compreenderem o propósito formativo.
Técnicas de prompt para crianças e professores
Estrutura POREV para o professor: Papel (o que a IA faz), Objetivo (resultado), Restrições (linguagem simples, 4 passos, sem respostas prontas), Exemplos (um caso), Verificação (peça 2 perguntas antes da dica). Mantém foco no raciocínio.
Cartões de prompt para alunos: O que queremos que aconteça? Quais passos precisamos? Como vamos testar? A IA responde com perguntas curtas e, só depois, com uma dica.
Modelos práticos: faça 3 perguntas para entender meu plano; mostre onde minha instrução está ambígua; crie um contraexemplo mínimo; gere um checklist de teste com 3 itens. Evite pedir respostas completas; peça verificação, pistas e casos.
Sequenciamento para diferentes idades: comece no 1º–2º ano com prompts concretos e visuais (setas, blocos, desenhos de sequência) e avance no 3º–5º ano para instruções em linguagem natural com frases curtas e conectivos como se, então, repita e até. Modele o ciclo iterativo planejar, testar, depurar pedindo que a IA atue como um computador literal que só segue exatamente o que foi escrito, incentivando a reescrita do prompt até que funcione.
Segurança, inclusão e avaliação: combine contas mediadas e registros de atividade com regras claras de não compartilhar dados pessoais nem imagens identificáveis. Prefira linguagem inclusiva e exemplos culturalmente relevantes; ofereça versões impressas dos cartões de prompt para turmas com pouca conectividade. Avalie de forma formativa com três critérios simples: clareza da instrução, estratégia de teste e revisão após feedback. Use a IA para dar pistas graduais e perguntas de verificação, garantindo que a autoria e as decisões finais permaneçam com o estudante.
