Os resultados do PISA 2025 colocam diante da educação brasileira um problema que merece ser analisado para além das posições ocupadas em rankings internacionais. Entre os estudantes brasileiros de 15 anos, 48% alcançaram pelo menos o nível mínimo de proficiência em Ciências, enquanto a média dos países da OCDE foi de 74%. Na avaliação de Resolução de Problemas por meio de Ferramentas Computacionais, o percentual brasileiro foi ainda menor: 30%, diante de uma média de 64% na OCDE.
Os dois resultados podem ser lidos separadamente. Há, porém, uma pergunta que considero especialmente produtiva para a escola: o que eles revelam sobre as experiências de aprendizagem que estamos oferecendo aos estudantes?
O próprio PISA procura avaliar em que medida jovens de 15 anos conseguem mobilizar conhecimentos para resolver problemas complexos, pensar criticamente e lidar com situações próximas daquelas que encontram fora da escola. Essa perspectiva cria um ponto de aproximação interessante com a abordagem STEAM, especialmente quando pensamos em Ciências e pensamento computacional.
Essa aproximação, entretanto, precisa ser feita com cuidado. Seria precipitado concluir que “mais STEAM” produziria automaticamente “melhores resultados no PISA”. A pesquisa disponível ainda não permite estabelecer essa relação causal. A questão relevante é outra: quais características de uma experiência STEAM podem contribuir para desenvolver os conhecimentos e as formas de raciocínio que avaliações como o PISA procuram tornar visíveis?
Aprender Ciências investigando problemas
Uma primeira pista está na própria natureza da abordagem STEAM. A integração entre Ciência, Tecnologia, Engenharia, Artes e Matemática ganha consistência quando diferentes conhecimentos são mobilizados para compreender um problema, investigar possibilidades e construir respostas. Um projeto sobre qualidade do ar na escola, por exemplo, pode exigir que os estudantes investiguem fontes de poluição e ventilação, formulem hipóteses, definam variáveis, realizem medições, organizem dados, identifiquem relações, construam modelos e proponham intervenções.
Nesse tipo de experiência, o conhecimento científico deixa de aparecer apenas como uma informação que precisa ser lembrada para tornar-se uma ferramenta para interpretar fenômenos e tomar decisões. É justamente nessa direção que uma abordagem STEAM bem planejada pode contribuir para a aprendizagem em Ciências.
A literatura oferece indícios favoráveis. Uma revisão sistemática recente, conduzida por Yim, Su e Wegerif, analisou 19 estudos empíricos sobre STEAM na educação primária. Os trabalhos examinados identificaram resultados positivos em atitudes, conhecimentos e habilidades dos estudantes. Entre os resultados relacionados mais diretamente ao nosso problema estão aumento do interesse e da motivação para aprender Ciências, desenvolvimento de conhecimentos científicos e matemáticos, formulação de hipóteses, raciocínio crítico e resolução de problemas.
Há um aspecto importante nesses resultados: as estratégias predominantes nos estudos analisados são próximas da aprendizagem baseada em projetos e problemas e frequentemente partem de contextos reais. Isso ajuda a compreender por que STEAM pode ser particularmente interessante para Ciências. Investigar um fenômeno, coletar evidências, reconhecer relações entre variáveis, construir explicações e testar uma solução são ações que aproximam o estudante das práticas de produção e utilização do conhecimento científico.
A integração precisa ser orientada por objetivos claros de aprendizagem. Um projeto pode ser muito envolvente, resultar em um protótipo interessante e, ainda assim, mobilizar pouco conhecimento científico. O que importa observar é o que os estudantes precisam compreender para tomar as decisões que o problema exige.
E onde entra o pensamento computacional?
O segundo resultado do PISA chama atenção justamente porque desloca a discussão sobre tecnologia. Apenas disponibilizar computadores, tablets, robótica ou programação não garante que os estudantes aprendam a resolver problemas por meio de ferramentas computacionais.
Esse ponto é particularmente relevante quando aproximamos STEAM da Computação. A convergência aparece quando um problema complexo exige que os estudantes decomponham uma situação, reconheçam padrões, selecionem informações relevantes, construam representações ou modelos, elaborem procedimentos e testem e revisem soluções. Esses processos apresentam correspondências importantes com práticas de pensamento computacional.
Voltemos ao exemplo da qualidade do ar. Os estudantes poderiam utilizar sensores para coletar temperatura, umidade ou concentração de partículas em diferentes ambientes da escola. Os dados precisariam ser organizados e comparados. Seria necessário definir quais variáveis são relevantes, procurar padrões, estabelecer critérios e, eventualmente, programar um sistema de alerta ou produzir uma visualização dos resultados.
Nesse caso, Ciências e Computação deixam de ocupar momentos independentes do currículo. Compreender o fenômeno científico é necessário para decidir o que medir; conhecimentos computacionais são necessários para definir como coletar, organizar, processar e interpretar os dados; engenharia e design entram na construção e no teste da solução; as Artes podem contribuir para formas de representação, comunicação e problematização do que foi produzido. Um material de planejamento sobre a articulação entre STEAM e BNCC Computação sintetiza essa relação de maneira importante: o elo não é simplesmente “usar tecnologia”, mas mobilizar conhecimentos computacionais para avançar na investigação e na solução do problema.
A pesquisa sobre STEAM oferece alguns sinais nessa direção. A revisão de Yim, Su e Wegerif encontrou experiências com programação, robótica, drones e tecnologias digitais e identificou estudos nos quais os estudantes desenvolveram pensamento computacional, programação e habilidades relacionadas à resolução de problemas.
Isso reforça uma distinção que considero decisiva: um projeto STEAM que utiliza tecnologia não necessariamente desenvolve pensamento computacional. Para que isso aconteça, esses conhecimentos precisam aparecer como objetivos explícitos de aprendizagem. Resolver um problema de maneira genérica não basta para caracterizar pensamento computacional.
Então STEAM pode melhorar os resultados do PISA?
Aqui precisamos separar uma hipótese pedagógica de uma conclusão sustentada empiricamente.
Há convergências importantes entre aquilo que experiências STEAM bem planejadas procuram desenvolver e algumas capacidades mobilizadas nas avaliações do PISA: investigar problemas, aplicar conhecimentos científicos, interpretar evidências, trabalhar com dados, construir modelos, elaborar estratégias, testar soluções e utilizar ferramentas computacionais com propósito.
Também existem estudos que encontram ganhos em conhecimentos científicos, resolução de problemas, pensamento computacional, motivação e outras habilidades associadas a essas experiências. A revisão sistemática disponível conclui que STEAM pode favorecer atitudes, conhecimentos e habilidades dos estudantes.
Mas a mesma revisão recomenda cautela. Foram analisados apenas 19 estudos, há grande diversidade de desenhos de pesquisa e instrumentos de avaliação e ainda são escassos os estudos que avaliam de forma consistente os resultados da aprendizagem transdisciplinar. Os próprios autores indicam a necessidade de pesquisas experimentais mais robustas, instrumentos validados e, futuramente, meta-análises capazes de estimar os tamanhos dos efeitos.
Portanto, não temos base para afirmar que implementar STEAM fará o Brasil subir no PISA. Temos elementos para formular uma hipótese mais interessante: experiências STEAM de qualidade podem criar condições para desenvolver algumas das aprendizagens cuja fragilidade aparece nos resultados do PISA.
Essa diferença importa para as políticas educacionais. Se a resposta aos resultados for simplesmente ampliar o treinamento para itens semelhantes aos da avaliação, corremos o risco de atuar sobre o indicador sem enfrentar o problema pedagógico que ele revela. Por outro lado, adotar projetos STEAM sem definir o que os estudantes precisam aprender também pode produzir experiências interessantes, mas pouco consistentes do ponto de vista curricular.
O desafio está em aproximar as duas dimensões.
Isso significa planejar situações em que estudantes precisem usar conhecimentos científicos para explicar fenômenos e tomar decisões; trabalhar com dados e evidências; decompor problemas complexos; construir e testar modelos; desenvolver procedimentos e algoritmos quando pertinentes; utilizar tecnologias para investigar, e não apenas consumir informações; argumentar sobre as soluções encontradas; e revisar suas próprias ideias diante das evidências.
Há ainda uma consequência importante para a formação docente. A integração entre áreas exige conhecimentos que vão além do domínio isolado dos conteúdos. A literatura sobre conhecimento pedagógico do conteúdo já demonstra que ensinar Ciências envolve compreender como transformar conhecimentos disciplinares em experiências acessíveis aos estudantes, considerando seus conhecimentos prévios, formas de raciocínio e dificuldades. Quando tecnologias entram nessa equação, o modelo TPACK chama atenção justamente para as relações entre conhecimento de conteúdo, conhecimento pedagógico e conhecimento tecnológico.
Talvez seja aí que os resultados do PISA possam contribuir de maneira mais fértil para o debate sobre STEAM. Eles não deveriam funcionar apenas como uma classificação do desempenho dos estudantes brasileiros, mas como evidências para interrogarmos o currículo e as experiências de aprendizagem que antecedem a avaliação.
Se queremos que os estudantes aprendam a investigar fenômenos científicos e resolver problemas com ferramentas computacionais, essas práticas precisam fazer parte de seu cotidiano escolar. Precisam aparecer desde cedo, com progressão, intencionalidade e oportunidades frequentes de investigar, modelar, criar, testar, argumentar e revisar.
STEAM pode oferecer um contexto potente para isso. Seu valor, porém, não estará no acrônimo nem na presença de robótica, programação ou protótipos. Estará na qualidade das perguntas que colocamos diante dos estudantes, nos conhecimentos que eles precisam mobilizar para respondê-las e nas evidências que coletamos para compreender o que, de fato, aprenderam.
Para saber mais
OECD. PISA 2025 Results (Volume I) – Country Notes: Brazil. Paris: OECD, 2026. Disponível em https://www.oecd.org/pt/publications/resultdos-do-pisa-2025-volume-i_afb355f4-pt/brasil_c7e013c5-pt.html
YIM, Iris Heung Yue; SU, Jiahong; WEGERIF, Rupert. STEAM in practice and research in primary schools: a systematic literature review. Research in Science & Technological Education, v. 43, n. 4, p. 1065–1089, 2025. DOI: 10.1080/02635143.2024.2440424.
KOEHLER, Matthew J.; MISHRA, Punya; AKCAOGLU, Mete; ROSENBERG, Joshua M. The Technological Pedagogical Content Knowledge Framework for Teachers and Teacher Educators.
Inovação na educação 
Deixe um comentário