Lógica de Programação: A Base do Pensamento Computacional

Prof. Dr. Leopoldino(Leovine) Vieira Neto, PhD.

 Lógica de Programação: A Base do Pensamento Computacional

O que é lógica de programação?

Lógica de programação é a técnica de organizar pensamentos, instruções e passos de forma sequencial e coerente para resolver um problema ou executar uma tarefa por meio de um programa de computador. Em outras palavras, é a arte de ensinar o computador a pensar — ou melhor, a seguir uma sequência lógica de ações para chegar a um resultado esperado.

Antes de escrever qualquer linha de código em uma linguagem de programação (como Python, Java, C++ ou JavaScript), o programador precisa dominar a lógica. Sem ela, o computador — que é uma máquina literal e não interpreta ambiguidades — não conseguirá executar as instruções corretamente.

“Programar é traduzir uma solução de problema do mundo real para uma sequência de instruções que o computador entende.” — Autor desconhecido.

 

Por que a lógica de programação é tão importante?

1.     Organização do pensamento. A lógica ensina a dividir problemas grandes em partes menores e mais fáceis de resolver.

2.    Eficiência
Um programa com boa lógica executa tarefas mais rápido, com menos desperdício de recursos (memória, processamento).

3.    Manutenibilidade
Códigos baseados em uma lógica clara são mais fáceis de corrigir, modificar e entender por outros programadores.

4.    Independência de linguagem
A lógica é a base comum a todas as linguagens. Quem aprende lógica bem consegue aprender qualquer linguagem depois com muito mais facilidade.

 

Elementos fundamentais da lógica de programação

1. Sequência lógica

É a ordem correta em que as instruções devem ser executadas. Se a ordem for trocada, o resultado pode ser diferente do esperado.

Exemplo do dia a dia:
Para fazer um suco de laranja, a sequência é:

1.     Pegar a laranja

2.    Lavar a laranja

3.    Cortar a laranja

4.    Espremer

5.    Servir

Se trocarmos "servir" por "espremer", o programa (receita) falha.

2. Variáveis

São espaços na memória do computador que armazenam valores que podem mudar durante a execução do programa. Cada variável tem um nome (identificador) e um tipo (número, texto, verdadeiro/falso, etc.).

Exemplo:
idade = 25
nome = "João"
aprovado = verdadeiro

3. Constantes

Assim como as variáveis, armazenam valores, mas não podem ser alterados durante o programa. Exemplo: PI = 3.1416

4. Operadores

Servem para realizar operações com os dados.

·        Aritméticos: + (soma), - (subtração), * (multiplicação), / (divisão), % (resto da divisão)

·        Relacionais (comparação): == (igual), != (diferente), > (maior), < (menor), >=, <=

·        Lógicos: E (AND), OU (OR), NÃO (NOT)

---

5. Estruturas condicionais (decisão)

Permitem que o programa tome decisões com base em condições. A mais famosa é o se-então-senão (if-then-else).

Exemplo em pseudocódigo:

text

se (media >= 7) então

    escrever("Aprovado")

senão

    escrever("Reprovado")

6. Estruturas de repetição (laços)

Permitem executar um bloco de instruções várias vezes sem precisar repetir o código manualmente.

Exemplos:

·        enquanto (condição) faça → repete enquanto a condição for verdadeira

·        para (início até fim) faça → repete um número determinado de vezes

·        repita até (condição) → executa pelo menos uma vez

Exemplo (calcular soma de 1 a 10):

text

soma = 0

para (contador = 1 até 10) faça

    soma = soma + contador

fim-para

escrever(soma)

7. Vetores e matrizes (coleções de dados)

·        Vetor (array unidimensional): lista de elementos do mesmo tipo. Ex.: notas de 5 alunos [7.5, 8.0, 6.0, 9.5, 5.0]

·        Matriz (array bidimensional): tabela com linhas e colunas.

 

8. Funções e procedimentos (modularização)

São blocos de código que realizam uma tarefa específica e podem ser reutilizados várias vezes. Isso evita repetição e organiza melhor o programa.

Exemplo (função que calcula o dobro):

text

função dobro(numero)

    retornar numero * 2

fim-função

Exemplo prático – unindo os conceitos

Problema: Ler 3 notas de um aluno, calcular a média e dizer se ele foi aprovado (média >= 7) ou reprovado.

Pseudocódigo (lógica antes da programação):

text

algoritmo "Média Escolar"

 

var

    nota1, nota2, nota3, media: real

 

início

    escrever("Digite a primeira nota: ")

    ler(nota1)

   

    escrever("Digite a segunda nota: ")

    ler(nota2)

   

    escrever("Digite a terceira nota: ")

    ler(nota3)

   

    media = (nota1 + nota2 + nota3) / 3

   

    se (media >= 7) então

        escrever("Aprovado com média ", media)

    senão

        escrever("Reprovado com média ", media)

    fim-se

                 fim

 

Como desenvolver lógica de programação?

1.     Pratique no papel – antes de ir para o computador, resolva problemas em fluxogramas ou pseudocódigo.

2.    Resolva problemas do cotidiano – dê instruções para fazer um sanduíche, trocar um pneu, etc. Perceba a sequência, as decisões e as repetições.

3.    Comece com desafios pequenos – calculadora simples, par ou ímpar, tabuada, ordenação de números.

4.    Use plataformas de treino – como Beecrowd (antigo URI), Code.org, ou exercícios de lógica no YouTube.

5.    Estude fluxogramas – diagramas visuais que representam o fluxo de execução. São ótimos para iniciantes.

6.    Pratique todos os dias – 20 a 30 minutos diários de exercícios de lógica valem mais do que horas esporádicas.

 

Prof. Dr. Leopoldino(Leovine)Vieira Neto, PhD.

Diferença entre lógica de programação e algoritmo

·        Algoritmo é a sequência de passos para resolver um problema (pode ser descrito em português, em fluxograma, etc.).

·        Lógica de programação é o raciocínio usado para criar esse algoritmo de forma correta e eficiente.

Na prática, os dois termos são muitas vezes usados como sinônimos, mas a lógica é a habilidade cognitiva, enquanto o algoritmo é o produto descrito.

Conclusão

A lógica de programação é o primeiro passo — e o mais importante — para quem deseja entrar no mundo da programação. Sem ela, nenhuma linguagem de programação fará sentido. Com ela, você consegue resolver problemas complexos, criar sistemas úteis e ainda desenvolver um pensamento computacional que serve para a vida inteira, dentro e fora da tecnologia.

“Programar não é sobre digitar código. É sobre pensar com clareza e resolver problemas.” — Anônimo.

TIPOS DE PESQUISA

 

Características da Pesquisa Acadêmica e Científica

Prof. Leopoldino (Leovine) Vieira Neto, PhD.

A pesquisa acadêmica e científica constitui a base fundamental da produção de conhecimento nas universidades e instituições de investigação. Seu principal objetivo é compreender, explicar e transformar a realidade, utilizando métodos sistemáticos, críticos e racionais que permitam validar o conhecimento produzido. Embora os termos “pesquisa acadêmica” e “pesquisa científica” sejam frequentemente usados como sinônimos, é possível diferenciá-los em função de seus propósitos e contextos. A pesquisa acadêmica tem caráter formativo e educativo, voltado à aprendizagem e ao desenvolvimento intelectual do pesquisador. Já a pesquisa científica tem como foco principal a geração de novos conhecimentos, a inovação e a aplicação prática de resultados validados metodologicamente.

1. Sistematicidade e Método

Uma das principais características da pesquisa acadêmica e científica é a sistematicidade, ou seja, a organização lógica e ordenada de procedimentos que orientam todas as etapas do trabalho. A pesquisa não ocorre de forma improvisada ou aleatória: ela segue um método científico, que pode ser experimental, dedutivo, indutivo, hipotético-dedutivo, dialético, ou mesmo qualitativo-interpretativo, dependendo da natureza do fenômeno estudado.

Por exemplo, em uma pesquisa científica sobre o efeito de um novo fertilizante no crescimento de plantas de milho, o pesquisador define hipóteses, controla variáveis, aplica o fertilizante a um grupo experimental e compara com um grupo controle. Essa sistematicidade permite reprodutibilidade, garantindo que outros pesquisadores possam repetir o experimento e verificar a validade dos resultados.

No campo das ciências humanas, a sistematicidade aparece de forma diferente, mas igualmente rigorosa. Um estudo acadêmico sobre o impacto da música na aprendizagem de crianças com Transtorno do Espectro Autista (TEA), por exemplo, requer definição de amostra, critérios de inclusão e exclusão, instrumentos de coleta de dados (entrevistas, observações, escalas de comportamento) e procedimentos de análise qualitativa ou quantitativa.

 

2. Objetividade e Rigor

A objetividade é outro pilar da pesquisa científica. O pesquisador deve buscar analisar os fenômenos com base em evidências e dados verificáveis, evitando que opiniões, crenças pessoais ou juízos de valor interfiram no processo. Essa postura crítica e imparcial é o que diferencia o senso comum da ciência.

Nas ciências sociais aplicadas, por exemplo, ao investigar “as causas do absenteísmo docente nas escolas públicas”, o pesquisador deve coletar dados por meio de questionários, entrevistas e registros institucionais, e não apenas com base em percepções subjetivas. A objetividade se traduz também no uso de instrumentos padronizados, métodos estatísticos e análises comparativas.

O rigor científico complementa essa objetividade, exigindo coerência entre os objetivos, a metodologia e a interpretação dos resultados. É o rigor que assegura a confiabilidade da pesquisa, permitindo que o conhecimento produzido seja aceito pela comunidade científica.

 

3. Fundamentação Teórica e Revisão da Literatura

Toda pesquisa acadêmica ou científica precisa estar ancorada em referenciais teóricos. A fundamentação teórica fornece o suporte conceitual necessário para compreender o fenômeno estudado e situar o trabalho no contexto das investigações já realizadas.

A revisão da literatura cumpre, portanto, um papel essencial: identificar o que já foi pesquisado, quais lacunas ainda existem e quais abordagens teóricas podem orientar a nova pesquisa.

Por exemplo, em um estudo acadêmico sobre a influência da gamificação na aprendizagem matemática no ensino médio, o pesquisador deve revisar autores que discutem teorias de aprendizagem (como Piaget, Vygotsky ou Ausubel), metodologias ativas e tecnologias educacionais. Essa base teórica garante que o novo estudo não parta do zero, mas dialogue com o corpo de conhecimento já consolidado.

 

4. Originalidade e Inovação

Uma característica essencial da pesquisa científica é a originalidade. Produzir conhecimento científico implica trazer algo novo: uma nova abordagem metodológica, uma nova interpretação teórica, um novo dado empírico ou uma nova aplicação prática.

A pesquisa acadêmica, mesmo quando tem caráter formativo, deve buscar certa originalidade, seja no recorte do problema, seja na interpretação dos resultados.

Por exemplo, uma dissertação de mestrado que analise a percepção dos professores sobre o uso da inteligência artificial na avaliação escolar pode ser original por abordar um tema emergente e propor estratégias pedagógicas ainda pouco exploradas.

Na pesquisa científica propriamente dita, a inovação pode estar no desenvolvimento de um novo algoritmo computacional, de uma vacina, ou de um modelo de eficiência produtiva baseado em DEA (Data Envelopment Analysis), metodologia muito usada em economia e engenharia de produção.

 

5. Clareza e Precisão Linguística

A linguagem científica deve ser clara, precisa e objetiva, evitando ambiguidades e termos vagos. A escrita acadêmica exige coesão, coerência e terminologia adequada à área de conhecimento.

A clareza é fundamental para que outros pesquisadores compreendam exatamente o que foi feito, como e por quê. Essa característica está diretamente ligada à transparência do processo científico, pois quanto mais preciso o relato metodológico, mais fácil será reproduzir ou validar o estudo.

Um exemplo prático: um relatório de pesquisa em psicologia que descreva o uso de um “teste de atenção” deve indicar qual instrumento foi aplicado (por exemplo, Teste de Atenção Concentrada - AC), a população estudada, os procedimentos de aplicação e a forma de análise dos resultados. Isso garante precisão e credibilidade ao estudo.

 

6. Ética e Responsabilidade Científica

Toda pesquisa deve respeitar princípios éticos, especialmente quando envolve seres humanos, animais ou o meio ambiente. A ética científica está relacionada à integridade do pesquisador, à honestidade na coleta e análise de dados, ao respeito à autoria e à veracidade das informações apresentadas.

Em pesquisas com seres humanos, como as que envolvem entrevistas com professores ou pacientes, é obrigatório seguir as normas do Comitê de Ética em Pesquisa (CEP) e obter o Termo de Consentimento Livre e Esclarecido (TCLE).

A plagiarismo, a falsificação de dados e a omissão de resultados constituem graves violações éticas e comprometem toda a credibilidade da pesquisa.

 

7. Publicidade e Comunicação dos Resultados

Outra característica central da pesquisa científica é sua publicidade. O conhecimento produzido deve ser divulgado à comunidade acadêmica e à sociedade, por meio de artigos científicos, dissertações, teses, livros, relatórios técnicos ou apresentações em congressos.

Essa comunicação permite o debate, a crítica e o avanço do conhecimento. O processo de avaliação por pares (peer review) é um dos principais mecanismos de validação científica, pois garante que o trabalho seja analisado por outros especialistas da área antes de sua publicação.

Por exemplo, uma pesquisa sobre o uso de energias renováveis em indústrias do agronegócio pode ser publicada em revistas especializadas como Renewable Energy ou Energy Economics, ampliando o impacto social e econômico do estudo.

 

8. Cumulatividade e Universalidade do Conhecimento

A ciência é um empreendimento cumulativo: cada novo estudo se apoia em pesquisas anteriores e contribui para o avanço coletivo do saber. O conhecimento científico é também universal, ou seja, válido para qualquer contexto onde as mesmas condições sejam observadas.

Se um modelo matemático desenvolvido por pesquisadores brasileiros para medir a eficiência de universidades públicas com base na Análise Envoltória de Dados (DEA) for aplicado em instituições norte-americanas e produzir resultados coerentes, isso demonstra a universalidade da teoria.

 

9. Aplicabilidade e Impacto Social

A pesquisa acadêmica e científica deve ter utilidade prática ou teórica, contribuindo para o desenvolvimento da sociedade. A aplicabilidade não significa, necessariamente, que o conhecimento tenha uso imediato, mas que possa orientar políticas públicas, práticas educacionais, inovações tecnológicas ou transformações culturais.

Um exemplo é a pesquisa acadêmica sobre inclusão escolar de alunos com deficiência, que pode subsidiar políticas educacionais, formação docente e práticas pedagógicas mais inclusivas. Da mesma forma, pesquisas científicas na área médica, como o desenvolvimento de novas terapias genéticas, têm impacto direto na qualidade de vida da população.

 

Conclusão

Em síntese, a pesquisa acadêmica e científica caracteriza-se por ser sistemática, objetiva, fundamentada teoricamente, original, ética e comunicável. Seu propósito é produzir conhecimento válido, confiável e socialmente relevante, que possa ser criticado, aprimorado e aplicado.

Seja na universidade, em laboratórios ou em centros de inovação, a pesquisa é o caminho que a humanidade encontrou para transformar a curiosidade em conhecimento, e o conhecimento em progresso.

Assim, toda pesquisa seja uma tese sobre epistemologia da educação, um artigo sobre modelagem econômica ou um experimento biotecnológico compartilha o mesmo ideal: buscar a verdade com método, razão e responsabilidade social.