PENSAMENTO COMPUTACIONAL NO ENSINO MÉDIO: UMA SEQUÊNCIA DIDÁTICA SOBRE INTELIGÊNCIA ARTIFICIAL E REDES NEURAIS ARTIFICIAIS
DOI:
https://doi.org/10.56238/arev7n10-228Palavras-chave:
Redes Neurais Artificiais, Modelagem Matemática, Pensamento Computacional, Ensino Médio, Perceptron de Camada Única, Programação na Linguagem PythonResumo
Este trabalho visa a integração da modelagem matemática (MM) e das redes neurais artificiais (RNA) no ensino médio (EM) com o objetivo da promoção do pensamento computacional (PCO). A proposta de ensino foi aplicada em uma turma do 3º ano de uma escola pública de tempo integral, por meio de uma sequência didática envolvendo onze aulas. Nestas aulas, os alunos exploraram conceitos de RNA, vinculados ao conteúdo matemático e alinhados às diretrizes da Base Nacional Comum Curricular (BNCC). Utilizou-se uma metodologia mista, que combinou abordagens qualitativas e quantitativas; questionários iniciais avaliaram o conhecimento prévio e o interesse dos estudantes, enquanto atividades práticas e discussões interativas, como comparações entre neurônios biológicos e artificiais e o uso de programação no Google Colab, enriqueceram a experiência de aprendizado. A linguagem de programação Python facilitou a aplicação dos conceitos de RNA, como funções de ativação, ajuste de pesos e reconhecimento de padrões. Observou-se o desenvolvimento do PCO, especialmente nas habilidades de decomposição e abstração à medida que os alunos acompanhavam a aplicação de algoritmos simples para a estruturação de problemas matemáticos e computacionais. Embora houvesse inicialmente receio quanto ao uso de funções na composição de RNA, os estudantes acabaram compreendendo a simplicidade lógica desses conceitos, o que aumentou o engajamento nas atividades práticas. Conclui-se que a sequência didática foi eficaz em introduzir os alunos ao campo das RNA, promovendo conexões entre conceitos matemáticos e tecnológicos e despertando o interesse pelo mundo da programação e suas aplicações na resolução de problemas contextualizados. Com o devido ajuste no tempo de cada etapa e um foco maior em atividades práticas, essa abordagem tem grande potencial para aproximar os estudantes das novas tecnologias e fortalecer o desenvolvimento do PCO.
Downloads
Referências
ALMEIDA, R. S. d. et al. Itinerários formativos no novo ensino médio e os desafios para a educação no brasil. IOSR Journal of Humanities and Social Science (IOSR-JHSS), v. 29, n. 3, Series 4, p. 37–42, 2024. Disponível em: <https://doi.org/10.9790/0837-2903043742>.
BASSANEZI, R. C. Ensino-aprendizagem com modelagem matemática: uma nova estratégia. São Paulo: Unicamp, 2002.
BRASIL. Lei nº 13.415, de 16 de fevereiro de 2017. <http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2017/lei/l13415.htm>.
BURAK, D. Modelagem matemática sob um olhar de educação matemática e suas implicações para a construção do conhecimento matemático em sala de aula. Revista de Modelagem na Educação Matemática, v. 1, n. 1, p. 10–27, 2010. Disponível em: <https://mid-educacao.curitiba.pr.gov.br/2017/10/pdf/00156542.pdf>.
COLLE, J. E.; RODRIGUES, W. M.; SILVA, W. R. da. Redes neurais artificiais: ideias básicas no ensino médio. Brazilian Journal of Development, v. 8, n. 3, p. 21795–21810, 2022. Disponível em: <https://doi.org/10.34117/bjdv8n3-399>.
COSTA, A.O; JUNIOR, E. F. Utilização das Redes Neurais Artificiais com Estímulo ao Aprendizado de Matemática. Enciclopédia Biosfera. v.10, n. 9, p. 2567-2580, 2014. < https://www.researchgate.net/publication/319162808_UTILIZACAO_DE_REDES_NEURAIS_ARTIFICIAIS_COMO_ESTIMULO_AO_APRENDIZADO_DE_MATEMATICA>.
Data Science Academy. Uma breve história das redes neurais artificiais. Disponível em: <https://www.deeplearningbook.com.br/uma-breve-historia-das-redes-neuraisartificiais/>.
Deep Learning Book Brasil. Função de Ativação. 2025. Disponível em: <https://www.deeplearningbook.com.br/funcao-de-ativacao/>.
FURTADO, M. I. V. Redes neurais artificiais: uma abordagem para sala de aula. Ponta Grossa, PR: Atena Editora, 2019.
GUADALUPE, M. I; AGUILAR, J, C. Inteligência Artificial no Ensino Médio: Desenvolvendo o Pensamento Computacional através da Rede Neural Perceptron. São José dos Pinhais: Editora Seven, 2025.
HAYKIN, S. Redes neurais: princípios e prática. Porto Alegre: Editora Bookman, 2001.
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Publicados resultados preliminares do Censo Escolar 2023. 2023. Disponível em: <https://www.gov.br/inep/pt-br/assuntos/noticias/censo-escolar/publicadosresultados-preliminares-do-censo-escolar-2023>.
Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Divulgados os resultados do PISA 2022. 2023. Disponível em: <https://www.gov.br/inep/pt-br/assuntos/noticias/acoes-internacionais/divulgados-os-resultados-do-pisa-2022>.
Ministério da Educação. Base Nacional Comum Curricular: Ensino Médio - Matemática. 2018. Disponível em: <http://basenacionalcomum.mec.gov.br/>.
NARANJO, J. F. L. Inteligência computacional aplicada na geração de respostas impulsivas bi-auriculares e em aurilização de salas. Dissertação (Mestrado) — Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2014.
OLIVEIRA, C. R.; SILVA, M. L. A inteligência artificial no ensino: personalização e acessibilidade para o século xxi. Cadernos Uninter de Práticas Educativas, v. 10, n. 2, p. 45–56, jul 2022. Disponível em: <https://www.cadernosuninter.com/index.php/intersaberes/article/view/2964/2145>.
PEREIRA, L. E. Contribuições da modelagem matemática para o desenvolvimento de habilidades de resolução de problemas no ensino médio. 2023. Disponível em: <https://www.bdtd.ueg.br/handle/tede/1462>.
RUSSELL, S.; NORVIG, P. Inteligência Artificial: Uma Abordagem Moderna. 3. ed. Rio de Janeiro: Campus Elsevier, 2016. Tradução da obra original Artificial Intelligence: A Modern Approach.
Sociedade Brasileira de Matemática. Redes neurais no ensino básico. 2022. Disponível em: <https://pmo.sbm.org.br/wp-content/uploads/sites/5/sites/5/2022/09/art32_vol10_SBM_PMO_2022.pdf>.
SILVA, I. N.; SPATTI, D. H; FLAUZINO, R. A. Redes neurais artificiais para engenharia e ciências aplicadas. São Paulo: Editora Artliber, 2010.
SILVA, E. F. Itinerários formativos no novo ensino médio: maiores oportunidades ou aligeiramento da formação? Projeção e Docência, v. 15, n. 1, p. e1524DO08, 2018. Disponível em: <https://projecaociencia.com.br/index.php/Projecao3/article/view/2389>.
WING, J. Pensamento computacional: um conjunto de atitudes e habilidades que todos, não só cientistas da computação, ficaram ansiosos para aprender e usar. Revista Brasileira de Ensino de Ciência e Tecnologia, v. 9, n. 2, 2016.
