Pensamento computacional: pilares e exemplo aplicado

Pensamento computacional é uma forma de formular problemas e representar soluções para que possam ser executadas e analisadas por agentes que processam informação, como pessoas e computadores. Envolve escolher representações, dividir tarefas, criar regras e avaliar resultados. Programar pode fazer parte desse trabalho, mas escrever código não é sua definição nem seu ponto de partida obrigatório.

Um exemplo acadêmico ajuda a torná-lo concreto: organizar horários de monitoria sem colocar a mesma pessoa em dois locais ao mesmo tempo. O desafio começa com dados, critérios e restrições. Antes de escolher uma linguagem, é preciso decidir o que significa uma escala válida e como verificar se uma proposta realmente atende às necessidades.

De uma tarefa vaga a um problema verificável

“Organizar melhor a monitoria” ainda não define uma tarefa executável. Pode significar reduzir conflitos, atender mais estudantes ou distribuir trabalho de maneira equilibrada. Cada objetivo favorece soluções diferentes. A primeira decisão consiste em formular a pergunta com entradas, saídas, restrições e critérios de qualidade observáveis.

No exemplo hipotético, há três monitores e três horários de uma hora: segunda às 10h, segunda às 14h e terça às 10h. Cada horário precisa de um monitor. Ana está disponível nos dois primeiros; Bruno, apenas no primeiro; Carla, nos dois últimos. Cada pessoa deve assumir exatamente um horário.

A entrada é a lista de disponibilidades e as regras de atribuição. A saída é uma relação entre pessoas e horários. Uma solução válida cobre os três horários, respeita todas as disponibilidades e não repete nenhum monitor. Esse enunciado torna possível testar uma escala sem depender da impressão de que ela “parece organizada”.

A formulação do Center for Computational Thinking da Carnegie Mellon enfatiza justamente o processo de expressar problemas e soluções de maneira efetivamente executável. Isso não exige reduzir toda decisão humana a números. Exige reconhecer quais partes podem ser explicitadas e quais dependem de julgamento ou negociação.

Quatro pilares como apoio didático

Decomposição, reconhecimento de padrões, abstração e algoritmos formam um esquema didático frequente. Ele ajuda a organizar atividades, mas não é uma taxonomia única ou uma receita obrigatoriamente linear. Avaliação, generalização, representação e análise de recursos também são importantes no campo, como mostram os textos de Jeannette Wing.

A decomposição separa responsabilidades: coletar disponibilidades, validar os registros, construir uma escala e conferir conflitos. Cada parte tem entradas e resultados próprios. Separar etapas não significa que elas sejam independentes: uma disponibilidade registrada incorretamente afeta todas as decisões seguintes.

O reconhecimento de padrões procura semelhanças aproveitáveis. No exemplo, certos horários têm poucos candidatos disponíveis. Em outras turmas, a mesma estrutura de “pessoas elegíveis para tarefas” pode reaparecer, mesmo que nomes e datas mudem. O padrão útil está nas relações e restrições, não na aparência de uma planilha.

A abstração seleciona propriedades relevantes. Podemos representar cada monitor por um identificador e por um conjunto de horários possíveis, sem registrar sua cor favorita. A escolha é relativa ao objetivo: a experiência em determinada disciplina, inicialmente omitida, torna-se essencial se as monitorias tiverem conteúdos diferentes.

O algoritmo descreve como produzir uma atribuição a partir dessa representação. Ele precisa especificar escolhas, condições e término. A frase “distribua os monitores de modo adequado” não basta. Também é necessário dizer o que fazer quando uma escolha impede a cobertura dos horários restantes.

Uma tentativa que falha e uma solução explicável

Uma estratégia imediata seria preencher os horários na ordem em que aparecem e escolher o primeiro nome disponível. Se Ana receber segunda às 10h, Carla receber segunda às 14h, o horário de terça às 10h fica sem candidato ainda não utilizado. Bruno não pode assumi-lo. A falha não prova que o problema seja insolúvel.

O erro está em confundir uma escolha inicial possível com uma escolha que permite completar toda a solução. Bruno só pode trabalhar na segunda às 10h; reservar esse horário para ele deixa Ana na segunda às 14h e Carla na terça às 10h. Todas as restrições são atendidas.

Priorizar a variável mais restrita é uma heurística útil nesse exercício, mas não garante resolver qualquer problema de alocação. Uma busca com retrocesso pode desfazer escolhas e tentar alternativas. Outra possibilidade é representar pessoas e horários em um grafo bipartido e procurar um emparelhamento que cubra os horários necessários.

Não é preciso implementar essas técnicas para perceber a mudança de raciocínio: uma tentativa malsucedida precisa ser diagnosticada. Talvez os dados estejam incompletos; talvez uma regra seja incompatível com outra; talvez o método de busca tenha feito uma escolha ruim. Essas explicações pedem correções diferentes.

Avaliar correção, casos limites e custo

Um verificador da escala pode funcionar separadamente do procedimento que a constrói. Ele confere cobertura, elegibilidade e ausência de repetições. Essa separação é útil porque uma solução pode ser fácil de verificar mesmo quando encontrá-la exige muitas tentativas. Também permite detectar problemas em uma proposta feita manualmente.

Teste um caso impossível: se Ana e Bruno puderem trabalhar somente na segunda às 10h e Carla nos três horários, não haverá atribuição de uma pessoa por horário usando cada monitor uma vez. Dois monitores competem pelo único horário que podem assumir. O resultado correto do processo pode ser informar a impossibilidade sob as regras atuais.

Casos vazios, dados duplicados e disponibilidades contraditórias também precisam de tratamento. Se o mesmo nome aparecer duas vezes, isso representa duas pessoas ou um erro? Se não houver monitor disponível, o sistema deve deixar um horário descoberto ou interromper a geração? O comportamento esperado deve ser definido antes da avaliação.

A representação influencia o custo de verificar disponibilidade e percorrer alternativas. O estudo de estruturas de dados permite comparar essas operações. Uma solução adequada para três pessoas pode se tornar impraticável com milhares de possibilidades, por isso pensar computacionalmente também inclui examinar escala e recursos.

O que muda quando a solução vira programa

A implementação traduz regras para uma linguagem e introduz detalhes como tipos, leitura de arquivos e tratamento de erros. Um programa que executa sem falhas aparentes ainda pode produzir uma escala inválida. O teste deve comparar sua saída com as regras do problema, não apenas confirmar que uma tela foi aberta.

A programação orientada a objetos oferece uma forma possível de organizar monitores, horários e responsabilidades em software. Ela não é requisito do pensamento computacional. Planilhas, cartões, pseudocódigo e outras representações podem apoiar o mesmo trabalho de formulação e verificação.

Wing destaca a abstração e a decomposição em seu texto sobre pensamento computacional. A leitura ajuda a superar a ideia de que o conceito se resume a seguir instruções prontas. Também envolve reformular problemas, comparar soluções e examinar as consequências das representações escolhidas.

Os limites do modelo e das escolhas automatizadas

Uma escala formalmente válida pode distribuir horários indesejados de modo desigual. Se a equipe quiser justiça distributiva, precisará definir um critério e discutir o que ele significa. Equilibrar número de horas não equivale necessariamente a equilibrar deslocamento, preferência ou carga acadêmica. A função objetivo carrega decisões humanas.

Na discussão de Wing sobre o que é e por que usar pensamento computacional, a formulação é ampla e combina agentes humanos e máquinas. Na prática, essa amplitude exige saber quando o modelo serve e quando precisa de revisão. Automatizar uma regra mal definida apenas reproduz seu problema com maior velocidade.

É possível praticar sem computador?

Sim. No exemplo, cartões com disponibilidades permitem construir e conferir a escala. A atividade desenvolve representação, busca e análise de restrições. O uso do computador se torna especialmente útil quando há muitos dados ou alternativas, mas a qualidade da formulação continua dependendo das decisões anteriores à execução.

Os quatro pilares precisam ocorrer em uma ordem fixa?

Não. Ao testar uma solução, pode ser necessário mudar a abstração, dividir novamente uma tarefa ou reconhecer um padrão não percebido antes. Use os pilares como perguntas de apoio. Um bom exercício termina com uma representação compreensível, um procedimento verificável e uma explicação dos limites da solução obtida.