Atividade 1

Treinar um classificador humano (frutas vs. não frutas)

Objetivos:

• Simular um sistema de aprendizagem automática usando os próprios alunos como “modelo”.

• Compreender como qualidade e representatividade dos dados de treino afectam justiça e eficácia.​

Duração: 45–60 minutos.

Materiais: Cartões com imagens desenhadas ou recortadas (frutas variadas, legumes, doces, objetos); fita-cola/quadro.

Passo a passo:

1. Explicar a metáfora (5–10 min.)

   • “Hoje, vocês vão ser o ‘cérebro’ de um sistema de IA que aprende a distinguir FRUTA de NÃO FRUTA.”

2. Fase de treino (15–20 min.)

   • O professor mostra cartões um a um (maçã, banana, morango, tomate, pepino, bolo, bola, etc.).

   • A turma responde em coro: “FRUTA” ou “NÃO FRUTA”.

   • O professor confirma e cola em duas colunas (dados de treino).

3. Fase de teste (15 min.)

   • Mostrar novas imagens, incluindo casos “fronteira”: tomate, azeitona, melão, fruto exótico pouco conhecido.

   • Perguntar: “O nosso ‘modelo humano’ acerta sempre? Porquê?”

   • Discutir como definições e exemplos influenciam o resultado (ex.: tomate é fruto botanicamente, mas é usado como legume).

4. Ligar a viés e justiça (10–15 min.)

   • Fazer o paralelo com IA: “Se um sistema só ‘vir’ certos tipos de pessoas/dados, pode errar mais com outros.”

   • Ligar a problemas reais: reconhecimento facial que funciona pior com certas cores de pele, etc. (explicado de forma simples).

Competências: 

• Curar e rotular dados. 

• Perceber impacto da amostra de treino na justiça e eficácia do modelo.

Atividade 2

Treinar o meu amigo robô 

Utilizando a ferramenta "AI for Oceans" do Code.org, os alunos aprendem o conceito de treino de modelos. 

Objetivos: Perceber como a qualidade e rotulagem de dados influenciam o comportamento da IA.   

Duração: 70 minutos.

Materiais: Computadores, ferramenta "AI for Oceans" (Code.org).   

Passo a passo:  

1. Introdução concetual (10 min.)

• Comece com uma breve discussão. Pergunte: "Como é que um bebé aprende o que é um gato?". A resposta costuma ser: vendo muitos gatos e sendo corrigido quando aponta para um cão e diz "gato".

• Explique que o Machine Learning (Aprendizagem de Máquina) funciona da mesma forma.

• Apresente o robô A.I., que precisa de ajuda para limpar o oceano, mas não sabe distinguir o que deve lá estar e o que é lixo.

2. Fase de treino: rotulagem de dados (15 min.)

• Os alunos acedem ao AI for Oceans e começam a clicar em "Peixe" ou "Não Peixe".

• O Desafio: Inicialmente é fácil (peixe vs. lata de refrigerante). Depois, surgem elementos ambíguos (baleias, polvos, pneus).

• O que observar: Incentive os alunos a decidirem rapidamente. Eles estão a criar o dataset (conjunto de dados) que o robô usará para aprender.

3. Teste e feedback de erro (15 min.)

• Após cerca de 30-50 imagens rotuladas, a ferramenta mostra o robô a trabalhar no oceano.

• Provocação: Peça aos alunos para treinarem o robô propositadamente de forma errada (ex: dizer que garrafas de plástico são "Peixe").

• Resultado: Eles verão o robô a deixar o lixo na água e a recolher os peixes.

• Lição: "O lixo que entra é o lixo que sai" (Garbage in, Garbage out). Se os dados estão errados, a IA falha.

4. Evolução: refinamento de atributos (15 min.)

Na fase seguinte, o robô pergunta sobre características específicas (ex: "Este peixe é azul?").

Aqui, os alunos exploram o reconhecimento de padrões. A IA começa a agrupar objetos por cores ou formas, e não apenas por categorias simples.

5. Reflexão e xonclusão (10 min.)

Promova um debate final baseado na experiência:

Viés (Bias): "Se eu só treinar o robô com peixes vermelhos, o que acontece quando ele vir um peixe azul?" (Ele pode achar que não é um peixe).

Ética: Quem é o responsável se o robô cometer um erro? O robô ou quem o treinou?

Competências: 

• Classificação de dados;

• Reconhecimento de padrões.

Atividade 3

Minialgoritmo de robô 

Os alunos desenham um fluxograma ou seguem instruções de programação “sem computador” para realizar uma tarefa simples (ex.: um robô que orienta um labirinto, programa uma receita).

Objetivos: 

• Compreender que algoritmos são a base da IA; 

• Exercitar o pensamento sequencial e lógico; 

• Promover o trabalho colaborativo na elaboração de instruções.

Duração: 60 minutos.

Materiais: Cartolinas ou quadros com símbolos (setas, formas condicionais), fichas de instruções (ex.: “virar à esquerda”, “dar 2 passos”).

Passo a passo:

1. Dividir a turma em grupos pequenos; cada grupo escolhe uma tarefa simples (p. ex. “conduzir um robô até a saída do labirinto desenhado no chão”).  (10 min.)

2. Os alunos escrevem passo a passo as instruções para o robô cumprir a tarefa (fluxograma ou lista “se-então”, “faça X, então Y”).  (20 min.)

3. Um aluno do grupo atua como “robô” e segue estritamente as instruções do colega-engenheiro para realizar a tarefa.  (20 min.)

Se o robô falhar, os alunos identificam e corrigem o erro no algoritmo.

4. Finalizar com cada grupo apresentando seu algoritmo e explicando como ele “pensa” (simulação de IA). Discutir limitações (ex.: o robô segue as regras sem questionar).  (10 min.)

Competências: 

• Pensamento computacional (sequenciação, lógica de algoritmo); 

• Resolução de problemas (identificar e corrigir erros em passos); 

• Colaboração (divisão de papéis); 

• Noções iniciais de design de sistemas (descrever como um “sistema de IA” simples toma decisões).

Atividade 4

O Mestre Rotulador e a Árvore de Decisão

Esta atividade foca-se na curadoria de dados e na comparação entre regras fixas e aprendizagem automática.

Objetivos:

• Compreender como a rotulagem e a seleção de dados influenciam o desempenho de um modelo.

• Distinguir entre sistemas que seguem regras manuais e modelos que aprendem padrões através de dados.

Duração: 60 a 75 minutos.

Materiais: Conjunto de blocos de construção de várias cores e formas, cartões de rotulagem (ex: "Quadrado", "Círculo", "Azul", "Vermelho"), fita adesiva e cartolina grande.

Passo a passo:

 1. Lógica humana (regras fixas): O professor propõe um desafio: "Criar uma regra para separar blocos". Os alunos criam uma árvore de decisão física na cartolina (ex: "Se é azul, vai para a esquerda; se não é, vai para a direita").  (20 min.)

 2. Curadoria e rotulagem: Os alunos recebem um novo conjunto de blocos e devem "treinar" um colega (que faz de robô) rotulando cada peça com características específicas (cor, peso, forma).  (20 min.)

 3. O teste do padrão (aprendizagem automática): O professor introduz uma peça "surpresa" (ex: um bloco azul, mas de uma forma nova). Os alunos discutem se a regra fixa ainda funciona ou se o "robô" precisaria de ver muitos exemplos diferentes para "aprender" o padrão por si próprio.  (15 min.)

 4. Reflexão sobre representatividade: Discutir o que acontece se o robô apenas for treinado com blocos azuis e depois encontrar um amarelo. Como é que a falta de variedade nos dados de treino torna o sistema "injusto" ou ineficaz?  (10 min.)

Competências: 

• Curar e rotular dados; 

• Comparar abordagens técnicas.

Atividade 5

Arquitetos do bem comum – O Guardião do Pátio

Esta atividade foca-se em propor soluções para problemas comunitários com uma abordagem ética.

Objetivos:

• Identificar uma necessidade na comunidade escolar que possa ser apoiada por IA.

• Desenhar um método de solução que integre a supervisão humana e princípios éticos.

Duração: 90-100 minutos (divididos em duas sessões).

Materiais: Papel de cenário, canetas coloridas, modelo simplificado de "Matriz Ética" (Quem é afetado? O que é importante para eles?).

Passo a passo:

 1. Scoping do problema: Os alunos identificam um problema real (ex: "Como garantir que todos os alunos têm acesso a lanches saudáveis na cantina?" ou "Como detetar lixo no pátio para proteger os animais?").  (15 min.)

 2. Design da solução: Em grupos, os alunos desenham como a IA ajudaria (ex: uma câmara que identifica o tipo de alimento ou resíduo). Devem listar que dados a IA teria de "ver" para aprender (fotos de maçãs vs. fotos de pacotes de batatas).  (30 min.)

 3. Auditoria ética e humana: Utilizando a matriz, os alunos debatem: "Quem poderá ser prejudicado se a IA falhar?" e "Onde é que um humano tem de decidir?". Decidem, por exemplo, que a IA apenas sugere, mas o funcionário da cantina ou o aluno é quem toma a decisão final.  (20 min.)

 4. Apresentação do protótipo: Os alunos explicam o propósito do seu "modelo", para quem foi feito e quais são as suas limitações (ex: "o nosso robô não funciona bem se estiver escuro").  (25 min.)

Competências: 

• Propor soluções comunitárias; 

• Analisar o alinhamento com valores humanos; 

• Descrever propósitos e limitações de um modelo.

Atividade 6

O algoritmo dos blocos 

Objetivos: Compreender como os dados são rotulados e como as regras formam uma decisão.

Duração: 45 minutos.

Materiais: Blocos de construção de várias cores e formas.

Passo a passo:

1. Rotulagem: preparar o dataset (15 min.)

Explique que, antes de uma IA ser inteligente, ela precisa que um humano lhe diga o que é cada coisa.

• A tarefa: Espalhe centenas de blocos na mesa. Peça aos alunos para os agruparem não apenas por "cor", mas por atributos combinados.

• Etiquetagem: Eles devem criar pequenos cartões (etiquetas) para os atributos: [AZUL], [VERMELHO], [QUADRADO], [REDONDO], [GRANDE], [PEQUENO].

• Conceito: Isto é a curadoria de dados. Se rotularem um bloco azul como "verde" por engano, a IA vai aprender o erro.

2. Árvore de Decisão: criar o código (15 min.)

Agora, em vez de arrumarem os blocos ao acaso, os alunos vão desenhar um "mapa de escolha" num cartaz grande. Este mapa é o Algoritmo.

Exemplo de Regras no Cartaz:

1. Pergunta 1: O bloco é REDONDO?

   • Sim: Segue para o lado esquerdo.

   • Não: Segue para o lado direito.

2. Pergunta 2 (lado esquerdo): É VERMELHO?

   • Sim: Colocar na Caixa de Rodas.

   • Não: Colocar na Caixa de Bolas.

3. Pergunta 2 (lado direito): É GRANDE?

   • Sim: Colocar na Caixa de Paredes.

   • Não: Colocar na Caixa de Janelas.

3. Teste: O teste de stress (15 min.)

O professor assume o papel de "Utilizador" e traz um "Novo Dado" (um bloco que os alunos ainda não tinham processado).

• Simulação: O professor segura o bloco e os alunos, em coro, devem ler a árvore de decisão e dar as instruções: "É redondo? NÃO! É grande? SIM! Caixa de Paredes!".

• O erro: Introduza um bloco "impossível" (ex: um bloco de uma cor que não está na árvore ou uma peça de Lego diferente).

• Debate: "O que aconteceu? O sistema travou? Por que é que a nossa IA não soube o que fazer com este triângulo?".

• Conclusão: A IA só sabe lidar com o que foi previsto nas regras e nos dados iniciais.

Competências: 

• Lógica matemática: Compreensão de condicionais (Se... Então...).

• Organização de dados: Capacidade de categorizar informação de forma sistemática.

• Desmistificação: Perceber que o "cérebro" da máquina é, na verdade, um fluxograma desenhado por humanos.

Atividade 7

O classificador de merendas 

Objetivos: Compreender como a IA é treinada através da rotulagem de dados e como as escolhas humanas influenciam o comportamento do sistema.

Duração: 60 a 90 minutos.

Materiais: Fotografias de diferentes alimentos (frutas, doces, vegetais), cartolina.

Passo a passo:

1. Curadoria: a recolha de dados (20 min.)

Explique aos alunos que eles são os "professores" da IA. Para a máquina aprender, precisa de exemplos bem organizados.

• A tarefa: Espalhe as fotografias de alimentos (maçãs, donuts, cenouras, batatas fritas, iogurtes, etc.).

• Ação: Em grupos, os alunos devem colar as fotos numa cartolina dividida em duas colunas: [SAUDÁVEL] e [NÃO SAUDÁVEL].

• Discussão: Peça que justifiquem: "Por que é que o iogurte é saudável? E se tiver muito açúcar?".

2. Lógica: construir o algoritmo (20 min.)

Agora, os alunos devem criar as regras que o robô vai seguir. Não podem usar palavras abstratas como "saudável", têm de usar características físicas.

• O mapa de decisão: Devem criar frases lógicas de "Se... Então...".

  • Exemplo 1: "Se o alimento vem de uma árvore (Fruta) ➡️   Classificar como Saudável."

  • Exemplo 2: "Se o alimento tem embalagem de plástico e cores berrantes ➡️ Classificar como Não Saudável."

• O cartaz: Desenham setas ligando a característica ao veredito final.

3. Viés: o desafio da ambiguidade (20 min.)

Esta é a fase mais importante, onde introduzimos o conceito de viés (bias) e erro.

• O teste: O professor apresenta uma foto "armadilha", como um sumo de laranja de pacote ou uma barra de cereais.

• O conflito: * "A barra tem cereais (parece saudável), mas tem muito açúcar (não é saudável). Onde a colocamos?"

  • "Se o Grupo A decidir que é saudável, a IA deles será 'permissiva'. Se o Grupo B decidir que não é, a IA deles será 'rigorosa'."

• Reflexão: Conclua que a IA não é neutra. Se os programadores tiverem opiniões diferentes, as IA que eles criam vão comportar-se de formas diferentes.

Competências: 

• Curadoria de dados: Capacidade de selecionar e organizar informação de forma útil.

• Consciência crítica: Perceber que as máquinas podem herdar os preconceitos ou critérios subjetivos dos seus criadores.

• Colaboração: Negociar em grupo quais os critérios de classificação mais justos.

Atividade 8

O robô nutricionista: ensinar a escolher o lanche

Objetivos:

• Recolher e organizar dados (imagens de alimentos) para criar um sistema de classificação.

• Compreender o conceito de "Rótulo" (etiquetar como saudável ou não saudável).

• Testar a eficácia do método criado ao apresentar novos alimentos ao sistema.

• Promover a literacia alimentar através da análise dos lanches reais.

Duração: 90 minutos (divididos em duas partes).

Materiais:

• Telemóveis/Tablets com câmara ou imagens recortadas de folhetos de supermercado.

• Duas caixas grandes: uma com um símbolo de "Coração Verde" (Saudável) e outra com um símbolo de "Atenção Vermelha" (Não Saudável).

• Papel e marcadores.

• (Opcional) Ferramenta Teachable Machine (Google) se houver acesso a computador com câmara.

Passo a passo:

1. Caça ao tesouro potográfica (20 min)

Peça aos alunos que tragam o seu lanche ou visitem a cantina.

Devem tirar fotografias (ou recolher embalagens vazias) de diferentes itens: fruta, iogurte, bolachas, batatas fritas, pão, sumos, etc.

A regra: Precisamos de muitos exemplos para o nosso "robô" não se enganar.

2. Rotular os dados (25 min)

Em grupo, a turma analisa cada imagem/item.

O professor faz perguntas: "Este alimento tem muito açúcar? Tem vitaminas?".

Os alunos decidem o rótulo e colocam o item (ou a foto) na caixa correspondente.

Explicação IA: "Estamos a criar o 'cérebro' do robô. Ele só vai saber o que é saudável se nós, os humanos, o ensinarmos primeiro."

3. Criar a "receita do robô" (15 min)

No quadro, criem uma lista de regras que o robô deve seguir com base no que aprenderam (o algoritmo):

Se vem da árvore ou da terra ➡️ Saudável.

Se tem uma embalagem brilhante e muito açúcar ➡️ Não Saudável.

Se é água ➡️ Saudável.

4. O teste de inteligência (30 min)

O professor retira um alimento "mistério" que não foi usado no treino (ex: uma romã ou um pacote de cereais novo).

Os alunos devem prever: "Onde é que o nosso robô vai colocar isto?".

Se usarem o Teachable Machine, os alunos mostram o novo item à câmara e veem se a IA acerta com base nas fotos que tiraram antes.

Competências:

• Conceber a IA: Compreender que a IA precisa de dados de treino e rótulos para funcionar.

• Pensamento crítico: Avaliar a qualidade nutricional dos alimentos de forma autónoma.

• Literacia de cados: Recolher, selecionar e organizar informação visual.

• Resolução de problemas: Ajustar o "método" quando o robô classifica algo errado (ex: um iogurte com muito açúcar que parecia saudável).

Atividade 9

O grande arquivo dos animais: como organizar a natureza?

Objetivos:

• Classificar o mesmo grupo de objetos (animais) usando dois critérios diferentes.

• Compreender que a "lógica" de organização muda conforme a nossa necessidade.

• Refletir sobre a utilidade de cada método (ex: para um veterinário vs. para um explorador da selva).

Duração: 60 a 75 minutos.

Materiais:

• Conjunto de figuras ou cartas de animais variados (ex: Baleia, Morcego, Pinguim, Leão, Tartaruga).

• Duas cartolinas grandes para criar os "Mapas de Organização".

• Post-its ou marcadores coloridos.

Passo a passo:

1. Método A: o olhar do fotógrafo (características físicas) (20 min)

Peça aos alunos para agruparem os animais apenas pelo que veem no corpo deles.

Critérios sugeridos: Tem penas? Tem escamas? Tem 4 patas? Tem barbatanas?

Resultado: O Pinguim e o Papagaio ficam juntos (ambos têm penas), mas o Pinguim fica longe da Baleia.

2. Método B: o olhar do explorador (habitat e comportamento) (20 min)

Agora, desafie os alunos a esquecerem o aspeto físico e a focarem-se em onde vivem e o que fazem.

Critérios sugeridos: Vive na água? Voa? Caça à noite?

Resultado: O Pinguim e a Baleia agora ficam juntos (ambos vivem e nadam na água), mas o Pinguim fica longe do Papagaio (que vive nas árvores).

3. O grande debate: qual é o melhor? (20 min)

Crie uma tabela no quadro para discutir a utilidade:

Conclusão: O robô e as gavetas (10 min)

Explique que a Inteligência Artificial funciona assim: nós damos-lhe "gavetas" (critérios).

Se pedirmos à IA para organizar por "cor", ela põe um flamingo ao lado de um gelado de morango. Se pedirmos por "ser vivo", ela separa-os. A inteligência está em escolher a gaveta certa para cada pergunta.

Competências:

• Conceber a IA: Entender que a organização de dados depende dos critérios escolhidos pelo humano.

• Pensamento crítico: Analisar a mesma realidade sob múltiplas perspetivas.

• Literacia científica: Identificar características biológicas e ecológicas dos seres vivos.

• Resolução de problemas: Escolher a estratégia de organização mais eficiente para um objetivo dado.

Atividade 10

O Detetive dos Blocos: o caminho das perguntas

Objetivos:

• Identificar e etiquetar características específicas (atributos) em objetos.

• Organizar e classificar blocos com base em critérios lógicos.

• Construir uma Árvore de Decisão simples para classificar novos objetos.

• Compreender como os computadores tomam decisões baseadas em regras.

Duração: 60 a 90 minutos.

Materiais:

• Conjunto de blocos de construção (tipo LEGO ou blocos de madeira) de várias cores, formas e tamanhos.

• Cartolinas, marcadores e fita-cola.

• Setas de papel (feitas à mão).

• Etiquetas autocolantes ou fita de pintor.

Passo a passo:

1. Rotular e separar (20 min)

Espalhe os blocos na mesa. Peça aos alunos que escolham dois atributos para observar (ex: Cor e Forma).

Tarefa: Colar uma etiqueta em cada bloco escrevendo o que ele é (ex: "Vermelho", "Quadrado").

Organizem os blocos em grupos: "Este grupo é só de quadrados", "Este grupo é só de coisas azuis".

2. O jogo das perguntas (20 min)

Escolha um bloco e esconda-o. Os alunos têm de adivinhar qual é, mas o professor só pode responder "Sim" ou "Não".

Exemplo: "É azul?" (Não). "É redondo?" (Sim).

Explique que cada pergunta que fazemos ajuda-nos a separar os blocos até sobrar apenas um.

3. Construir a árvore de secisão (30 min)

No chão ou numa cartolina grande, criem a "Árvore" usando os próprios blocos e as setas de papel.

Comecem com uma pergunta no topo (Raiz).

Pergunta 1: O bloco é Vermelho?

Caminho do SIM: (Colocam-se todos os blocos vermelhos aqui).

Caminho do NÃO: (Colocam-se todos os outros aqui).

Pergunta 2 (para o grupo do SIM): O bloco é Quadrado?

Caminho do SIM: (Fica o bloco Vermelho Quadrado).

Caminho do NÃO: (Fica o bloco Vermelho Redondo).

4. Testar a árvore (20 min)

Entregue um bloco "novo" (que não estava na mesa antes) a um aluno.

O aluno deve percorrer o caminho da árvore, respondendo às perguntas, até chegar à "casa" final do bloco.

Reflexão: "A nossa árvore funcionou? O bloco novo encontrou o seu lugar?".

Competências:

• Conceber a IA: Perceber que a inteligência das máquinas nasce de regras lógicas criadas por humanos.

• Pensamento computacional: Decomposição de um problema (identificar um bloco) em pequenas decisões lógicas (Sim/Não).

• Literacia de dados: Categorizar e etiquetar informação visual de forma sistemática.

• Resolução de problemas: Ajustar as perguntas da árvore quando um objeto não se encaixa em nenhum lado.

Atividade 11

O robô palhaço: treinar a piada perfeita

Objetivos:

• Definir critérios: Identificar os elementos de uma boa adivinha ou piada (pergunta, resposta inesperada, humor).

• Avaliar e classificar: Atribuir uma pontuação às respostas da IA (é engraçada? faz sentido?).

• Melhorar o prompt: Aprender a dar instruções mais específicas para obter resultados melhores.

Duração: 60 a 75 minutos.

Materiais:

• Computador ou tablet com um chatbot de IA (Gemini, ChatGPT).

• Projetor para o professor mostrar os exemplos.

• "Termómetro do Riso" (uma ficha com carinhas: ☹️ Sem Graça, 😐 Mais ou menos, 😂 Muito engraçada).

Passo a passo:

1. O que faz rir? (15 min)

O professor conta duas piadas: uma boa e uma muito má (ou sem sentido).

Discussão: "Porque é que a primeira teve graça e a segunda não?".

Conclusão: Uma boa piada precisa de ser um mistério e ter uma resposta que nos surpreenda. Vamos ensinar isto ao robô!

2. O primeiro teste (15 min)

O professor escreve um prompt simples: "Robô, conta uma piada para crianças."

Os alunos ouvem a resposta e usam o Termómetro do Riso.

Análise: "A piada foi curta? Foi sobre um tema de que gostamos (ex: animais)? O robô percebeu o que é ser engraçado?".

3. Oficinas de melhoria (30 min)

Em pequenos grupos, os alunos devem criar um "Super Prompt" para ajudar o robô. Devem incluir:

O Tema: (ex: sobre dinossauros, sobre a escola).

O Formato: (ex: "uma adivinha do 'O que é, o que é'").

A Regra Especial: (ex: "que a resposta seja um objeto da sala de aula").

Os alunos testam os seus novos prompts. Se o robô falhar, eles tentam mudar uma palavra (iteração).

Exemplo: Se a piada foi difícil, o novo prompt diz: "Faz uma piada mais simples para crianças de 6 anos."

4. O Festival de Humor da IA (15 min)

Cada grupo apresenta a melhor piada ou adivinha que conseguiu "extrair" da IA.

Explicam o que mudaram no prompt para a piada ficar melhor.

Competências:

• Interagir com a IA: Experimentar e refinar instruções para atingir um objetivo criativo.

• Pensamento crítico: Avaliar se o conteúdo gerado pela máquina é adequado e de qualidade.

• Literacia da linguagem: Identificar estruturas narrativas (pergunta/resposta) e jogos de palavras.

• Agência humana: Perceber que o aluno é o "treinador" e o juiz do trabalho da máquina.

Atividade 12

O robô baralhado: o perigo das regras mudarem!

Objetivos:

• Formular instruções claras (algoritmos) para realizar uma tarefa de classificação.

• Compreender a rigidez da IA: a máquina não "adivinha" o que o humano quer.

• Observar o erro: identificar como a mudança súbita de regras ou instruções vagas cria "confusão" (bugs).

• Trabalhar a cooperação: alternar entre o papel de programador e de robô.

Duração: 60 a 90 minutos.

Materiais:

• Um conjunto misto de objetos (podem ser lanches reais, animais de plástico ou blocos lógicos).

• Três cestos ou caixas.

• Cartões com ícones de regras (ex: um círculo para "forma", uma mancha para "cor", uma régua para "tamanho").

• Acessórios divertidos (opcional): uma antena ou máscara de cartão para quem faz de robô.

Passo a passo:

1. Preparar o "robô" (15 min)

Divida a turma em pares: o Programador e o Robô.

A Regra de Ouro: O aluno "Robô" deve agir de forma literal. Ele não pode pensar por si próprio. Se o Programador disser "põe ali", o Robô deve ficar parado porque não sabe onde é "ali" (falta de precisão).

2. Missão 1: Classificação simples (20 min)

O Programador dá uma regra clara: "Robô, coloca todos os animais azuis no cesto 1".

O Robô executa. Os alunos observam como o sistema funciona bem quando a regra é estável.

3. Missão 2: O caos das regras (25 min)

O professor introduz o elemento de confusão. A meio da tarefa, o professor toca um apito e muda a regra (ex: de Cor para Tamanho).

Cenário de Confusão: O Programador diz: "Agora esquece a cor, organiza por tamanho!".

O Robô deve ser instruído a hesitar ou a cometer erros se a instrução não for precisa (ex: o que acontece com um objeto que é azul E pequeno ao mesmo tempo? Em que cesto o Robô o coloca?).

4. Assembleia de "cientistas" (15 min)

Sentem-se em círculo para discutir.

Perguntas:

"Porque é que o Robô parou quando mudámos a regra?"

"O Robô é tonto ou a culpa foi das instruções?"

"Como podemos dar instruções para o Robô nunca se baralhar?"

Competências:

• Conceber a IA: Entender que os sistemas dependem de lógica consistente.

• Pensamento computacional: Decomposição de tarefas e reconhecimento de padrões.

• Linguagem e comunicação: Uso de vocabulário preciso (adjetivos de cor, forma e tamanho).

• Resolução de problemas: Aprender a "depurar" (debug) uma instrução quando o resultado não é o esperado.