PENSAMENTO

COMPUTACIONAL
Pensamento lógico
e algorítmico
Marcelo da Silva dos Santos

OBJETIVOS DE APRENDIZAGEM

>> Reconhecer o papel da lógica no pensamento computacional.

>> Definir pensamento algorítmico.
>> Descrever as dificuldades recorrentes com lógica e algoritmos.

Introdução
O termo pensamento computacional (do inglês, computational thinking) foi
apresentado na década de 1980 por Seymour Papert e, em 2006, a pesquisa-
dora Jeannette Wing publicou um artigo sobre o tema, que passou a receber
atenção da comunidade científica e popularizou a ideia de utilizar a tecnologia
como recurso interdisciplinar. A primeira impressão que se tem do tema é que
está ligado ao uso da tecnologia, mas vai muito além disso, sendo fortemente
relacionado ao estímulo ao raciocínio lógico e à criatividade.
O conceito visa ao desenvolvimento lógico e algorítmico para resolução
de problemas não apenas da área da computação, mas de todas as áreas de
conhecimento. Para isso, é de grande importância o estudo de dois outros
conceitos: o pensamento lógico e o pensamento algorítmico. Ambas as áreas são
habilidades que podem ser desenvolvidas por qualquer pessoa, e não somente
por cientistas da computação e profissionais de tecnologia, e aplicadas nas
atividades diárias, estimulando a criatividade e a produtividade por meio da
lógica e da construção de algoritmos.
2 Pensamento lógico e algorítmico

Neste capítulo, você vai conhecer os conceitos de pensamentos compu-

tacional, lógico e algorítmico, bem como o relacionamento entre eles e a sua
aplicação. Além disse, vai ver o conceito e a estrutura de um algoritmo e as
principais armadilhas para quem está começando a dar os primeiros passos
nessa área.

Lógica e pensamento computacional

O pensamento computacional pode não ser um conceito novo por estar ligado
às raízes da própria ciência computacional. Embora já houvesse trabalhos que
difundiam a sua relevância para a construção do conhecimento e desenvol-
vimento do pensamento criativo (PAPERT, 1980), o conceito ganhou reforço
nos últimos tempos. Alguns autores como Jeanette Wing, vice-presidente da
Microsoft Research e pesquisadora reconhecida na comunidade acadêmica,
auxiliaram a analisar de que forma como a ciência computacional analisa o
mundo e soluciona problemas seria aplicável a diversos outros contextos
(WING, 2006).
Para Wing (2006), o pensamento computacional não está ligado apenas
à programação de computadores, mas também à habilidade de pensar lo-
gicamente, algoritmicamente e recursivamente. Assim, a ideia não é que as
pessoas pensem como um computador, que é limitado ao conhecimento
de seu programador, mas que apliquem os conceitos computacionais como
estratégia para resolver de forma eficaz problemas nas diversas áreas de
conhecimento e no seu cotidiano. Em sua definição, o conceito é baseado em
quatro pilares fundamentais, os quais são descritos a seguir.

1. Decomposição: segmentar (dividir) problemas complexos em partes

mais simples de resolver.
2. Reconhecimento de padrões: após a decomposição de um problema, é
possível identificar similaridades que algumas dessas partes compar-
tilham. Assim, é possível fazer uso de soluções utilizadas previamente
com base em experiências anteriores.
3. Abstração: elementos não necessários para resolução do problema
são ignorados para que se possa fixar o foco nos detalhes relevantes.
Aqui o desafio é selecionar os detalhes que facilitem a compreensão
do problema sem perder informações que possam ser importantes
para a resolução.
 Pensamento lógico e algorítmico 3

4. Algoritmo: o ponto de junção de todos os demais, representado pelo

conjunto de instruções claras e finitas necessárias para a solução do
problema.

Um dos pilares com grande abrangência em diversas atividades do pen-

samento computacional, o desenvolvimento do pensamento algorítmico
está intrinsecamente ligado ao desenvolvimento da lógica do indivíduo.
A seguir, você irá conhecer um pouco mais sobre o seu papel no pensamento
computacional.

Evolução da lógica computacional

Embora não seja especificado como um pilar, o pensamento lógico permeia
todas as atividades que envolvem o pensamento computacional. A lógica
clássica, difundida por Aristóteles e outros pensadores antigos, teve sua
origem com o uso de silogismos, uma forma de raciocínio simbolizado por
declarações, também chamados de premissas, que descrevem fatos ou co-
nhecimentos de senso comum, e serviram de base para a matemática e para
a própria ciência computacional.
Tal representação ordenada e sequencial das premissas descrevem um
caminho para resolução do problema. Como exemplo, observe as premissas
a seguir.

1. Duas pessoas podem ser consideradas irmãs quando têm ao menos o

mesmo pai ou a mesma mãe.
2. Maria é filha de Augusto.
3. João é filho de Augusto.

Considerando que Augusto é mesma pessoa das premissas 2 e 3, podemos

inferir que João e Maria são irmãos.
Essas representações também são amplamente utilizadas na matemática,
na formulação de teoremas, como: “Se duas grandezas são idênticas a uma
terceira, então são idênticas entre si”. Este teorema pode ser formalizado e
demonstrado como: “Se A=C e B=C, Logo A=B”. Observe que essa representação
matemática é totalmente simbólica: A pode ser qualquer objeto ou valor;
mesmo assim, a representação matemática ainda continuará válida.
4 Pensamento lógico e algorítmico

A lógica é empregada em todas as áreas das ciências, e o conhecimento

científico está formalmente representado segundo a lógica, bastante im-
pulsionada por diversos nomes, como George Boole (1815—1864), Gottfried
Wilhelm Leibniz (1646—1716), Alfred North Whitehead (1861—1947), Alan Turing
(1912—1954), Bertrand Russell (1872—1970) e muitos outros (FIGUEIREDO; LAMB,
2016). Essa ciência deu um salto exponencial a partir do século XX, desde a
automatização de verificações matemáticas para a corrida espacial até a
atualidade, com a construção de modelos computacionais e simulações para
as mais diversas finalidades (modelos climáticos, biomedicina, indústria,
esportes de rendimento, mercado financeiro, dentre outras) (FIGUEIREDO;
LAMB, 2016).

A lógica e a resolução de problemas

Quando se fala em resolução de problemas, frequentemente são encontrados
métodos de raciocínio lógico: o indutivo e o dedutivo. Em alguns momentos,
eles podem até parecer sinônimos, mas existem diferenças entre eles.

É importante destacar que o termo problema deve ser entendido

como qualquer informação, descoberta ou mesmo solução que se
deseja encontrar, e não é necessariamente uma situação difícil que precisa de
solução. Nesse contexto, esse problema como é tecnicamente denominado
desafio lógico.

Método indutivo
As premissas ou fatos conduzem a uma “lei de formação” pela repetição de
algum padrão de comportamento (LAW, 2008). Veja um exemplo.

„„ Uma caixa contém 99 bolas vermelhas e uma bola preta.

„„ 100 pessoas retiraram uma bola da caixa.
„„ João é uma dessas 100 pessoas.
„„ Logo, João provavelmente tirou uma bola vermelha.
 Pensamento lógico e algorítmico 5

No método indutivo, deve-se analisar as premissas sobre o problema,

buscando padrões que sigam uma lei de formação que possa levar a uma
solução. Para esse exemplo, observe que somente uma pessoa irá retirar a bola
preta, portanto, conclui-se que a maior probabilidade é de que se retire uma
bola vermelha. O método indutivo é utilizado com cautela no meio científico,
pois as conclusões obtidas por meio dele podem conduzir a falsas conclusões.
A forma do argumento não garante que a conclusão seja verdadeira, mas
provavelmente resulta em uma conclusão confiável e próxima à realidade.

O método indutivo parte de um ponto mais específico para chegar

no plano mais genérico, seguindo a sequência:
Observação => formulação das hipóteses => identificação de teorias,
enunciados...
Em resumo, caso todas as premissas sejam verdadeiras, a conclusão prova-
velmente será verdadeira, mas não obrigatoriamente. A conclusão pode chegar
a resultados que não estavam nem mesmo implícitos nas premissas.

Método dedutivo
Neste método, as premissas são avaliadas e ordenadas em uma sequência de
causa e efeito, de modo que a conclusão obtida seja resultante da sequência
completa, emergindo como fato novo extraído ou deduzido a partir das premis-
sas constituintes (LAW, 2008). Veja um exemplo com as seguintes premissas.

„„ Sempre que chove, o gramado irá molhar.

„„ Hoje está chovendo.
„„ Logo, o gramado encontra-se molhado.

O método dedutivo pode precisar de maior quantidade de premissas (todas

válidas) para, então, levar a uma conclusão também válida. Esse método é
bastante utilizado no método científico, pois busca encontrar a verdade a
partir da avaliação de fatos e conhecimentos que possam ser verdadeiramente
comprovados, sem qualquer generalização.
6 Pensamento lógico e algorítmico

O método dedutivo parte de um plano mais genérico até chegar a

um ponto mais específico, seguindo uma sequência:
Formulação do problema > formulação das hipóteses > verificação das hi-
póteses > avaliação dos resultados
Caso se confirme que as premissas sejam verdadeiras, a conclusão final deve
ser verdadeira. A verdade já estava nas premissas, ao menos de forma implícita.

Os computadores usam a lógica da maneira como fazem cálculos, mas isso

não é exatamente o mesmo que pensar logicamente no sentido do pensamento
computacional. Os próprios computadores devem ser programados (ensinados)
para fazer raciocínio lógico por meio de algoritmos. A lógica de computacional
é fundamental na criação dos algoritmos, pois tem por objeto de estudo as
leis gerais do pensamento e as formas de aplicar essas leis corretamente na
investigação da verdade. No próximo capítulo, será abordado o pensamento
algorítmico e seus principais constituintes.

Pensamento algorítmico
O pensamento lógico é utilizado cotidianamente sem que as pessoas percebam,
por exemplo, ao acordarmos pela manhã e darmos início a uma sequência de
etapas até que estejamos prontos para sair de casa, que é quando já estamos
utilizando o pensamento lógico e algorítmico sem perceber. Caso essas etapas
fossem descritas em ordem de execução como itens de tarefas, estaríamos
construindo um algoritmo. Na ciência computacional não é diferente, pois
também podemos solucionar problemas utilizando o mesmo pensamento
lógico-algorítmico, descrevendo instruções em etapas bem definidas com a
finalidade de atingir determinado objetivo.
No momento em que é feita a transição do pensamento lógico para o
pensamento algorítmico, é necessário analisar que esses conceitos não são
os mesmos. Com a lógica, você tem a compreensão do problema e como ele
pode ser subdividido e encontra possíveis soluções para ele. Já no momento
em que descrevemos todas as tarefas necessárias e a ordem em que elas
devem ser executadas para que o problema seja resolvido, estamos criando
um algoritmo.
 Pensamento lógico e algorítmico 7

De acordo com Beecher (2017), essa sequência de passos pode ser utilizada
para explicar a um terceiro (seja humano ou uma máquina) como resolver o
problema, seguindo tais regras com precisão. Assim como já ocorre com o
pensamento lógico, o ser humano possui uma compreensão intuitiva do que
é um algoritmo, tão utilizado pela ciência computacional, e desenvolver seu
pensamento algorítmico torna-se essencial para o profissional da computação,
pois um algoritmo correto é a base final de qualquer solução executada por
computador.
Estudiosos da programação como Ada Lovelace (1815—1852), considerada
a primeira programadora da história, buscaram formas de comunicar ideias
para as máquinas para que elas pudessem compreender e computar por nós,
humanos (BEECHER, 2017). Então, concluiu-se que o nosso modelo intuitivo
era insuficiente, gerando a necessidade de formular regras de forma clara
e inequívoca, como os computadores exigem, evoluindo para estruturas
para fornecer instruções aos computadores. Por mais precisos que tenham
se tornado, os algoritmos também se tornaram mais complexos, tanto que
uma descrição formal deles pode se estender por vários parágrafos. Em
nosso caso, a melhor maneira de compreender sua construção é estudar
suas estruturas básicas.

Estrutura básica de um algoritmo

A estrutura básica de um algoritmo é formada por vários componentes que
determinam como se dará o fluxo de execução da tarefa, desde a inicialização
até sua conclusão (MOKARZEL; SOMA, 2008). Para que se possa estruturar
o pensamento lógico, é preciso atender a alguns conceitos, os quais são
apresentados a seguir.

„„ Precisão: cada etapa em um algoritmo pode ter apenas um significado;

caso contrário, a ambiguidade poderá “travar” a sua execução.
„„ Ações sequenciais: as etapas que compõem o processo devem ser
realizadas na ordem especificada.
„„ Controle dos estados: deve-se ter controle do status de todas as in-
formações gerenciadas pelo sistema em cada momento de execução.
„„ Repetição de tarefas: algumas etapas devem ser executadas múltiplas
vezes para evitar que seja preciso reescrevê-las a cada momento.
8 Pensamento lógico e algorítmico

Seguindo esses requisitos, é possível citar algumas ferramentas algorít-

micas que proporcionam a transcrição do pensamento lógico em um conjunto
de regras. Veja-as a seguir.

Variáveis e constantes
Auxiliam no armazenamento dos estados e informações durante a execução
do processo. Tal estrutura pode armazenar temporariamente informações
adicionais que serão processadas pelas instruções, e seus valores podem
sofrer variações durante a execução do algoritmo, por isso são conhecidas
como “variáveis”. Já as “constantes” são as que guardam valores que devem
permanecer inalterados durante toda a execução do algoritmo (por exemplo,
o valor da constante pi, cujo valor aproximado é 3,141593, calculada pela razão
entre a medida da circunferência de um círculo — 2·π·r— e o seu diâmetro —
2·r, na geometria).

Veja a seguir alguns exemplos de variáveis.

„„ Inteiro: números reais inteiros. Exemplos: 10, 9, 8.
„„ Real: números reais com valor decimal. Exemplos: 3.5, 4.0, dízimas periódicas.
„„ Caractere: letra, número ou símbolo. Exemplos: ‘A’, ‘B’, ‘1B’, ‘2’.
„„ Texto: letras. Exemplo: “texto de exemplo”.
„„ Lógico: lógicos. Exemplo: “verdadeiro e falso”.

Para utilizar variáveis, inicialmente é preciso criá-las. Em programação,

o ato de criar o espaço na memória do computador para armazenamento é
conhecido como “declaração de variável”, em que é possível, por exemplo,
colocar etiquetas em pequenas caixas para identificar o que pode ser arma-
zenado em cada uma delas. Após identificada, a caixa pode receber apenas
itens do mesmo tipo, como, por exemplo, uma caixa com a etiqueta “papéis”
que só pode armazenar papel. Esse é um conceito importante, em que cada
variável declarada deve ter somente um nome (identificador) e um tipo, que
é o valor que pode ser armazenado nela (numérico, textual, lógico, entre ou-
tros). Determinadas linguagens de programação permitem a troca do tipo de
informação durante a execução do programa, já outras são mais restritas e só
permitem armazenar o tipo de dado identificado no momento da sua criação.
 Pensamento lógico e algorítmico 9

Operadores
São utilizados para realizar operações diversas, dependendo de sua categoria.
Veja cada um deles a seguir.

„„ Aritméticos: essenciais para determinadas tarefas, como a realização

do cálculo de uma equação. Tarefas como adição, subtração, multipli-
cação e divisão.
„„ Atribuição: utilizados no armazenamento de valores em variáveis.
„„ Relacionais: utilizados para comparação entre valores diversos. Alguns
exemplos são: “maior que”, “menor que”, “igualdade”, entre outros.
„„ Lógicos: empregados na conexão entre duas condições ou para negar
uma expressão. Os operadores lógicos mais usados são o “e” (AND), o
“ou” (OR) e o “não” (NOT).

Veja no Quadro 1 os operadores relacionais.

Quadro 1. Operadores relacionais

Operador Comparação

== Igual a

!= Diferente de

< Menor que

> Maior que

<= Menor que ou igual a

>= Maior que ou igual a

Fonte: Adaptado de Noronha (2019).

Condicionais
Em determinados momentos, durante a execução das tarefas, é preciso tomar
algum tipo de decisão. Por exemplo: deve-se armazenar um número somente
se o resultado de uma soma for maior que um valor de referência; caso con-
trário, o número deve ser descartado. As estruturas condicionais permitem
a execução de determinadas instruções considerando situações (condições)
específicas que precisam ser satisfeitas.
10 Pensamento lógico e algorítmico

Uma das instruções condicionais mais utilizadas é a estrutura Se—Então.

Na prática, ela é utilizada quando é preciso tomar uma decisão de realizar ou
não determinada ação. Por exemplo: na situação “O aluno está aprovado?”,
é necessária uma condição que se possa comparar e, então, dar a resposta.
Pode-se, então, considerar que o aluno deve ter média maior ou igual a 7 para
aprovação. Logo, a estrutura condicional seria:

“Caso o aluno tenha média igual ou maior que 7, então ele estará aprovado.”

Observe que a avaliação é sempre “Se o condicional é verdadeiro, então...”.

No entanto, nem sempre os alunos estarão aprovados, então também pode-se
ter uma resposta não positiva. Assim, completa-se a estrutura com a cláusula
Senão, ficando no formato Se—Então—Senão. Dessa forma, pode-se completar
o teste condicional, que ficaria assim:

“Caso o aluno tenha média igual ou maior que 7, então ele

estará aprovado, senão ele estará reprovado.”

Seu formato algorítmico é:

Se(condição)

Então "ação executada caso o teste seja verdadeiro"

Senão "ação executada caso o teste seja falso"

FimSe

Grande parte das linguagens de programação utiliza a língua inglesa

como padrão para definição de sua sintaxe. Dessa forma, o comando
em pseudocódigo Se—Então—Senão é transcrito para if-then-else, e em boa
parte das linguagens atuais a cláusula then está implícita.
Logo, o mesmo exemplo na linguagem de programação PHP (considerando
os caracteres de limitação de código próprios da linguagem) seria transcrito
da seguinte forma:

if(condição){
"ação executada caso o teste seja verdadeiro"
} else {
"ação executada caso o teste seja falso"
}
 Pensamento lógico e algorítmico 11

Repetições
Permitem a execução de uma mesma instrução várias vezes até que uma
condição seja alcançada. Utilizando essa ferramenta, pode-se tanto repetir
uma ação em um número exato de vezes (p. ex.: bloquear um acesso após
três tentativas) como repetir determinadas instruções até uma condição ser
atendida (p. ex.: estude até entender a lição, independentemente do tempo
que levar). Qualquer uma destas formas exige uma condição para que a re-
petição cesse, seja por terminar o número de iterações especificado ou por
chegar ao resultado desejado.
No caso de repetições em número predeterminado, tem-se a estrutura
Para. Com ela é possível, por exemplo, ter a situação “Repita de 1 até 5 a ação:
escolha aleatoriamente uma letra do alfabeto e escreva na tela para o usuário”.
Sua estrutura em pseudocódigo pode ser representada assim:
Para variável de (valor de início) ate (valor do fim) faça

instruções

FimPara.

No caso de uma repetição sem quantidade definida, ou seja, até que algo
aconteça, pode-se utilizar a estrutura Enquanto, que significa que, como
o próprio nome diz, enquanto houver a condição de teste, ele continuará
repetindo. Essa estrutura utiliza um condicional para avaliar se ele deve ser
executado, ou seja, só é possível entrar na estrutura de repetição Enquanto se
a condição teste for verdadeira, senão ela não irá entrar no laço de repetição.
Sua estrutura em pseudocódigo pode ser representada assim:

Enquanto(condição) faça

instruções

FimEnquanto

Os comandos de repetição para (for) e enquanto (while) também

seguem como padrão a língua inglesa, e suas estruturas transcritas
para linguagem de programação PHP são:

for (expr1; expr2; expr3)

instrução a ser repetida

12 Pensamento lógico e algorítmico

onde cada uma das expressões auxilia a controlar o número de repetições que
devem ser executadas.

while (expr)

instrução a ser repetida

O propósito da declaração while é simples: enquanto a condição expr for

avaliada como TRUE, a repetição é executada. Entretanto, se a expressão expr
for avaliada como FALSE desde o início, as instruções não serão executadas
nenhuma vez.
Existe uma variação da estrutura enquanto, o do-while, e sua diferença em
relação ao anterior é o momento em que o teste condicional é realizado. Neste
caso, as instruções são realizadas ao menos uma vez e, então, o condicional em
expr é executado avaliando se ela deve continuar repetindo a instrução. Na
sintaxe, o teste condicional é movido para o final da estrutura:

do {
instrução a ser repetida
} while (expr);

Exemplificando um algoritmo em linguagem natural

Pode-se utilizar várias ferramentas para representar ou codificar um algoritmo,
e para isso foram desenvolvidas ao longo de décadas diversas linguagens de
programação. É importante lembrar que para desenvolvermos o pensamento
algorítmico não é preciso aprender a programar, mas conhecer essas estruturas
podem auxiliar no seu desenvolvimento lógico-algorítmico.
Como exemplo, vamos utilizar um algoritmo sugerido por Beecher (2017),
que parte de um processo para criação de um jogo. Para exemplificarmos, será
descrita em uma linguagem natural uma estrutura informal para escrita mais
próxima à fala humana, mas que segue as convenções utilizadas nas linguagens
de programação formais. Ou seja, a estrutura criada com pseudocódigo pode
tranquilamente ser traduzida para qualquer linguagem de programação real,
apenas substituindo as instruções informais para as respectivas da linguagem.
Considere a seguinte lista de regras para o conhecido “jogo da velha”.

1. iniciar o jogo
2. iniciar uma repetição:
3. pedir ao jogador para escolher um quadrado
 Pensamento lógico e algorítmico 13

4. se o quadrado escolhido não estiver ocupado, coloque o símbolo do

jogador naquela posição
5. verifique se após a jogada foi formada uma linha
6. se uma linha for formada, o jogador vence e o jogo encerra
7. se uma linha não foi formada e nenhum quadrado estiver disponível,
então o jogo está empatado
8. mude para outro jogador
9. encerrar repetição se o jogador estiver ganho ou empatado
10. exibir a mensagem ‘Fim de jogo’

O que podemos inferir desse roteiro de instruções:

„„ Quando esse algoritmo é executado, o computador passa por todas as

linhas, uma de cada vez (este é um exemplo de sequência).
„„ A linha 1 inicializa uma variável chamada “início”, logo que o jogo co-
meça, e “início” recebe o valor verdadeiro (armazenamento de estado).
„„ A linha 2 configura o ponto inicial de uma repetição. Todas as instruções
que devem ser repetidas são recuadas para deixar mais claro o que
está sendo executado.
„„ A linha 3 solicita uma ação do jogador. A escolha é registrada.
„„ A linha 4 faz uma seleção com base na escolha do jogador.
„„ As linhas 6 e 7 fazem comparações condicionais, alterando o valor da
variável do jogo sob certas condições.
„„ A linha 9 é o fim da repetição. É feita a escolha de iniciar ou não a re-
petição novamente, dependendo da condição associada neste ponto.
Existem duas possibilidades:
■■ Verifica que o jogador não conseguiu criar uma linha com três sím-
bolos iguais. Nesse caso, a execução volta para a linha 3.
■■ Em algum momento, o jogo foi ganho ou empatado. Em qualquer
dos casos, a repetição encerra e a execução continua na linha 10,
exibindo em seguida a mensagem ‘Fim de jogo’.

Dificuldades recorrentes com lógica e

algoritmos
Por mais simples e rotineiro que os conceitos de pensamento lógico e pensa-
mento algorítmico possam parecer, nos primeiros contatos com a estruturação
da solução de um problema podem gerar alguns erros ou até suposições
14 Pensamento lógico e algorítmico

incorretas. Isso se dá em parte pela forma com que lidamos com essas so-
luções, em que normalmente executamos as tarefas sem nos darmos conta.
Segundo Beecher (2017), é possível que uma pessoa que execute a mesma
tarefa durante anos tenha dificuldade para ensinar outra pessoa a realizar essa
tarefa. E, ao criarmos um algoritmo para ser executado por um computador,
o problema é maior ainda, pois a falta de uma simples instrução é capaz de
parar o funcionamento de um sistema complexo.

Necessidade de clareza e meticulosidade

Clareza é uma palavra-chave no momento de descrever um algoritmo, pois
esta é uma tarefa que exige que o autor seja muito criterioso na descrição
e ordenação das ações. Como já mencionado, a falta de uma simples regra
pode ocasionar graves problemas de execução ou respostas erradas após o
processamento (MOKARZEL; SOMA, 2008).
Uma máquina não racionaliza as tarefas que está recebendo, apenas
executa o que foi descrito e da forma que foi descrita. Imagine que você
esteja explicando para um autômato (um robô, por exemplo) que pegue um
objeto dentro de uma caixa e, caso ela esteja fechada e o desenvolvedor não
tenha explicitado que “se a caixa estiver fechada, abra a caixa”, ele poderá
não saber o que fazer e ficará parado. Afinal, ele não pensa, apenas executa
o que foi instruído. Também não é possível exigir que ele tenha bom senso,
nem que tente interpretar o que o autor estava tentando explicar, mesmo
que a solução seja óbvia.
Resumidamente, qualquer instrução que não esteja explícita ou ambígua
não será executada. Da mesma forma, caso ele receba um comando que
irá gerar erro, como tentar atravessar uma parede, ele tentará fazê-lo de
qualquer forma. Esta é uma das principais dificuldades para quem começa a
desenvolver seu pensamento computacional e, quanto mais desenvolvermos
a estruturação do raciocínio, cada vez menos esses erros acontecem.

Uso incorreto de operadores lógicos

O uso incorreto de operadores lógicos é bem comum no cotidiano, e algo
aparentemente tão simples como o uso das palavras “e”, “ou”, “não” e “então”
pode nos surpreender, como, por exemplo, a instrução “Todos os alunos que
nasceram em março e abril podem realizar suas matrículas no semestre”.
Lembre-se que o computador não usará o bom senso e, mesmo que pa-
reça lógico, o computador irá gerar um erro e não permitirá que nenhum
 Pensamento lógico e algorítmico 15

aluno se matricule. Mas por quê? Na linguagem natural, ou seja, na forma

em que falamos, pode-se vez ou outra utilizar incorretamente os conectivos
“e” e “ou”, e mesmo assim a outra pessoa irá interpretar o que estávamos
tentando dizer. Mas lembre-se que o computador não interpreta, apenas
executa (MADEIRA, 2020).
O operador “e” exige que ambas as condições sejam verdadeiras para
que a ação possa ser executada, considerando como primeira condição “ter
nascido em março”, como segunda condição “ter nascido em abril” e como
ação a ser executada “realizar a matrícula”. Na forma em que está escrito, o
aluno precisaria ter nascido ao mesmo tempo em março e em abril (ambas
necessitam ser verdadeiras). Para um humano isso é intuitivo, mas a máquina
não saberá o que fazer e irá falhar. Então, para corrigir o teste, visto que se
quer permitir a matrícula apenas para os alunos nascidos em março e abril,
deve-se substituir o operador “e” pelo operador “ou”, e então qualquer aluno
nascido no mês de março ou no mês de abril poderia se matricular (MOKARZEL;
SOMA, 2008).

Operadores lógicos são utilizados na avaliação entre duas ou mais

expressões booleanas (lógicas), em que o resultado dessa avaliação
retorna verdadeiro (TRUE) ou falso (FALSE). Os operadores booleanos mais
utilizados são:
E (em programação AND):
Apenas quando todas as expressões testadas são verdadeiras, o resultado
será verdadeiro. Para o condicional expr1 and expr2:

Expr1 Expr2 Resposta do condicional

True True True

True False False
False True False
False False False

OU (em programação OR):

16 Pensamento lógico e algorítmico

Quando ao menos uma das expressões testadas for verdadeira, o resultado

será verdadeiro. Para o condicional expr1 or expr2:

Expr1 Expr2 Resposta do condicional

True True True

True False True
False True True
False False false

Essas comparações utilizando operadores lógicos são frequentemente

utilizadas em estruturas condicionais, indicando que algo deva ser realizado
caso a condição seja satisfeita. A estrutura Se—Então é um exemplo claro
dessa aplicação, e somente Se algo acontecer (aluno ter nascido em março
ou em abril) a instrução pode ser realizada (podem realizar a matrícula).

Testes condicionais incompletos ou com lacunas não

tratadas
Voltando ao último exemplo, pode-se considerar que todos os alunos nas-
cidos em março ou em abril podem iniciar seu processo de matrícula, o que
está correto em parte. Mas o que acontece com o restante dos alunos que
não nasceram nestes meses? É claro que eles devem aguardar o período de
acordo com seu mês de nascimento para a matrícula, mas lembre-se que a
máquina não possui bom senso.
Assim como a ação que deve ser realizada quando o teste lógico resultar
verdadeiro (o aluno que nasceu em março ou abril), também deve ser descrito
o que deve ser feito quando o teste resultar em falso (para todos os demais
meses). Neste caso, poderia ser apresentada uma mensagem informando ao
aluno que ele deve aguardar, por exemplo. Pode-se completar nossa estrutura
condicional “se—então” incluindo uma cláusula “senão”, em que esta seria
executada somente quando a condição testada for falsa (MOKARZEL; SOMA,
2008).
 Pensamento lógico e algorítmico 17

Referências
BEECHER, K. Computational thinking: a beginner’s guide to problem-solving and pro-
gramming. Swindon: BCS Learning & Development, 2017. 288 p.
FIGUEIREDO, C. M. H.; LAMB, L. C. Teoria da Computação: uma Introdução à Comple-
xidade e à Lógica Computacional. In: JORNADA DE ATUALIZAÇÃO EM INFORMÁTICA,
34., 2015, Porto Alegre. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação,
2015, p. 10–67. Disponível em: https://sol.sbc.org.br/livros/index.php/sbc/catalog/
download/6/6/19-1?inline=1. Acesso em: 18 dez. 2020.
MOKARZEL, F.; SOMA, N. Introdução à ciência da computação. Rio de Janeiro: Elsevier,
2008. 429 p.
NORONHA, C. Lógica e Algoritmos de Programação. Medium, San Francisco, 13 fev. 2019.
Disponível em: https://medium.com/@caio.cnoronha/l%C3%B3gica-e-algoritmos-de-
-programa%C3%A7%C3%A3o-47b4a872b815. Acesso em: 18 dez. 2020.
PAPERT, S. Mindstorms: children, computers, and powerful ideas. New York: Basic
Books, 1980. 230 p.
WING, J. M. Computational thinking. Communications of the ACM, New York, v. 49, n. 3,
p. 33–35, Mar. 2006.

Leituras recomendadas
MADEIRA, C. Introdução ao Pensamento Computacional com Scratch. In: CONGRESSO
SOBRE TECNOLOGIAS NA EDUCAÇÃO, 2., 2017, Mamanguape. Anais […]. Mamanguape:
Universidade Federal da Paraíba, 2017. p. 725–730. Disponível em: http://ceur-ws.org/
Vol-1877/CtrlE2017_MC_4.pdf. Acesso em: 24 nov. 2020.
OLIVEIRA, C. M. et al. Utilização de Desafios para o Desenvolvimento do Pensamento
Computacional no Ensino Superior: Um Relato de Experiência. In: SIMPÓSIO BRASI-
LEIRO DE INFORMÁTICA NA EDUCAÇÃO, 30., 2019, Brasília. Anais […]. Brasília: Sociedade
Brasileira de Computação, 2019. p. 2005–2014. Disponível em: https://www.br-ie.org/
pub/index.php/sbie/article/view/8934. Acesso em: 18 dez. 2020.
PAULA, B. H.; VALENTE, J. A.; BURN, A. O uso de jogos digitais para o desenvolvimento
do currículo para a Educação Computacional na Inglaterra. Currículo sem Fronteiras,
[S. l.], v. 14, n. 3, p. 46–71, 2014. Disponível em: http://www.curriculosemfronteiras.org/
vol14iss3articles/paula-valente-burn.htm. Acesso em: 18 dez. 2020.
RILEY, D. D.; HUNT, K. A. Computational thinking for the modern problem solver. Boca
Raton: CRC Press, 2014. 406 p. (Chapman & Hall/CRC Textbooks in Computing).

Os links para sites da web fornecidos neste capítulo foram todos

testados, e seu funcionamento foi comprovado no momento da
publicação do material. No entanto, a rede é extremamente dinâmica; suas
páginas estão constantemente mudando de local e conteúdo. Assim, os edito-
res declaram não ter qualquer responsabilidade sobre qualidade, precisão ou
integralidade das informações referidas em tais links.