O pensamento computacional é o processo cognitivo de conceber soluções; programar é a tarefa mecânica de traduzir essas soluções para uma linguagem que o computador entenda. Durante anos, o ensino das TIC tratou os dois como a mesma coisa. Mas a ascensão da inteligência artificial generativa separou-os de vez.

Hoje, decorar sintaxe de programação é um ativo que se deprecia a alta velocidade. A IA escreve código Python, C++ ou Scratch limpo em milissegundos. O que a IA não consegue fazer é compreender um problema humano, decompô-lo em passos lógicos e decidir, antes de mais, o que é preciso construir. Isso é pensamento computacional, e é a única parte da equação da «programação e robótica» que continua a garantir valor a longo prazo aos alunos sul-africanos.

A diferença, sem jargão

Para perceber a distinção, pense num desafio prático de uma sala de aula sul-africana: gerir a sala de informática de uma escola durante um load-shedding de Estágio 4. O objetivo é garantir que 40 alunos conseguem guardar o seu trabalho e desligar as máquinas em segurança antes de as baterias do inversor ficarem sem carga.

Resolver este problema exige pensamento computacional. É preciso:

• Decompor o problema: partir o desafio em pedaços. Quanta energia consomem os computadores? Quanto tempo duram as baterias? Quanto demora um encerramento seguro?
• Reconhecer padrões: reparar que os alunos mais novos demoram cinco minutos a guardar e a terminar sessão, enquanto os mais velhos demoram dois.
• Abstrair os detalhes: ignorar a marca dos computadores ou a cor das secretárias; concentrar-se apenas no consumo de energia e nas restrições de tempo.
• Desenhar um algoritmo: criar uma regra passo a passo: «Se a capacidade da bateria descer para 20%, acionar um aviso visual. Se descer para 10%, iniciar a cópia de segurança automática na nuvem e desligar o terminal.»

Assim que este enquadramento lógico está construído, o problema está resolvido. Programar é apenas o passo final e burocrático de escrever esse algoritmo em Python ou em código por blocos, para que o software de gestão da sala de informática o possa executar. O pensamento computacional é a arquitetura; a programação é o assentamento dos tijolos.

Porque é que a IA inverteu o valor de ambos

Na última década, a narrativa educativa global foi «toda a gente tem de aprender a programar». Os bootcamps e as escolas concentraram-se sobretudo na sintaxe: decorar onde pôr os pontos e vírgulas, como declarar variáveis e como escrever ciclos. Foi sempre uma estratégia frágil, mas a IA generativa tornou-a obsoleta.

Se pedir a um moderno modelo de linguagem de grande dimensão (LLM) que escreva um script em Python para monitorizar níveis de bateria e desligar um sistema, ele gera código impecável num instante e de graça. A competência de traduzir uma instrução clara em sintaxe foi automatizada. Consequentemente, o valor económico de um «programador puro» — alguém que apenas sabe traduzir instruções em código — está a desmoronar-se.

Em contrapartida, o valor de quem sabe formular as instruções disparou. Para obter um resultado útil de uma IA, um programador tem de definir com precisão as entradas, as saídas, as restrições e os casos-limite do sistema. Tem de pensar computacionalmente. Se não conseguir decompor um problema por si próprio, também não consegue instruir uma IA a resolvê-lo.

«Ensinar às crianças programação centrada na sintaxe na era da IA é como ensinar-lhes tabuadas de divisão longa ignorando para que serve realmente a aritmética. Estamos a prepará-las para um mundo que já não existe.»

A realidade nas salas de aula sul-africanas

Esta distinção não é apenas académica; tem implicações enormes na forma como implementamos o currículo CAPS de Programação e Robótica do Departamento de Educação Básica. Muitas escolas sul-africanas enfrentam limitações severas de recursos: orçamentos apertados, carrinhos de portáteis partilhados, internet instável e eletricidade imprevisível.

Se uma escola define o seu programa de robótica pelo «tempo passado a escrever código num ecrã», vai ter dificuldades. Quando falta a luz ou o Wi-Fi cai, a aula pára. Além disso, comprar um portátil para cada aluno é financeiramente impossível para a esmagadora maioria das nossas escolas.

Mas quando o foco está no pensamento computacional, as limitações tornam-se geríveis. O pensamento computacional pode ser ensinado «sem ligar nada». Os alunos podem desenhar algoritmos com cartões físicos, mapear portas lógicas num quadro de giz ou depurar sistemas físicos manualmente. Quando finalmente se sentam ao computador, não estão a desperdiçar precioso tempo de ecrã a lutar com o sítio onde vai um dois-pontos; estão a usar o computador para executar uma solução que já conceberam.

Como ensinar aquilo que conta mesmo

Para preparar os alunos para o futuro, escolas e pais têm de deslocar o foco dos tutoriais carregados de sintaxe para o pensamento ao nível do sistema. Eis como fazer essa transição:

Foco tradicional do «aprender a programar»	Foco no «pensamento computacional», à prova de futuro
Decorar comandos de Python e regras de sintaxe.	Compreender conceptualmente portas lógicas, ciclos e instruções condicionais.
Construir projetos genéricos de copiar e colar (como uma calculadora básica).	Decompor problemas locais do mundo real (como a conservação da água ou a mitigação do load-shedding).
Exercícios de programação por blocos só no ecrã, sem contexto físico.	Usar entradas físicas (sensores) e saídas (motores) para ver como a lógica interage com o mundo real.

Na Sheen Robotics, desenhámos o currículo da nossa Sheen Academy especificamente em torno desta filosofia. Não treinamos alunos para serem compiladores de sintaxe. Em vez disso, usamos computação física e hardware de IoT para ensinar a lógica subjacente aos sistemas. Quando um aluno percebe como estruturar um ciclo de realimentação com um sensor de humidade do solo e uma bomba de água, a linguagem de programação concreta que usa para o escrever passa a ser um pormenor secundário — que pode facilmente consultar ou gerar com IA.

Se queremos que os jovens sul-africanos sejam criadores de tecnologia e não meros consumidores de software importado, temos de deixar de os ensinar a imitar máquinas. As máquinas já são excelentes a ser máquinas. O nosso trabalho é ensinar os alunos a pensar.