Reavaliando a empregabilidade em Ciência da Computação: Uma análise dos desafios de formação e mercado
Resumo
A formação em Ciência da Computação tem sido tradicionalmente associada a altas taxas de empregabilidade. No entanto, mudanças recentes no mercado de trabalho indicam um cenário diferente, com aumento no desemprego entre graduados da área. Este artigo analisa os fatores internos (relacionados à formação acadêmica) e externos (associados ao mercado) que contribuem para esse fenômeno, propondo estratégias para alinhar a formação dos estudantes às demandas atuais da indústria.
5. Conclusão
O cenário de empregabilidade em Ciência da Computação está passando por uma transformação significativa, marcada pela combinação de um mercado mais restrito e uma formação acadêmica ainda pouco alinhada às demandas contemporâneas. A crescente taxa de desemprego entre formandos da área, conforme apontado por estudos recentes [2], evidencia a importância em repensar não apenas os conteúdos dos cursos, mas também as metodologias e os objetivos formativos.
Diante desses vetores, observaram-se três abordagens promissoras para a reinvenção da formação em Computação:
A principal contribuição deste artigo, portanto, está em avaliar cenários propositivos de mudança sistêmica e metodológica para o ensino de Computação, que vá além da mera atualização de linguagens ou frameworks. O foco precisa estar na formação de sujeitos capazes de:
Do ponto de vista das empresas, é estratégico apoiar programas de residência técnica, estágios supervisionados e ações de mentoria ativa, ampliando a ponte entre academia e mercado. Compartilhar com instituições de ensino situações reais (ainda que anonimizadas) contribui para enriquecer a formação dos estudantes com contextos autênticos de prática. As empresas podem colaborar ativamente na definição de currículos, oferecendo feedback sobre as competências esperadas e participando de avaliações de desempenho de egressos com base em critérios reais de atuação profissional.
Por fim, aos estudantes, cabe assumir um papel protagonista em sua formação, buscando experiências extracurriculares que permitam vivenciar a prática, receber feedback e desenvolver autonomia intelectual e profissional. Participar de projetos reais — como contribuições em software livre, hackathons ou iniciativas sociais com uso de tecnologia — fortalece o portfólio e desenvolve habilidades que extrapolam o conteúdo técnico tradicional. É igualmente importante adotar uma postura reflexiva diante da prática, documentando aprendizados, justificativas de decisão e evolução de competências em portfólios pessoais, como forma de consolidar e comunicar seu processo de desenvolvimento contínuo.
A transformação necessária não será trivial, mas é absolutamente viável. Ela exige cooperação entre academia, mercado e estudantes. Se quisermos que a formação em Ciência da Computação volte a ser uma ponte segura para o mundo do trabalho, precisamos abandonar a lógica da transmissão unilateral de conteúdo e adotar, de modo decidido, a lógica da formação por confrontação com a realidade — como nos ensina a Didática Profissional. O futuro da computação está na capacidade de formar profissionais que saibam, de fato, atuar no presente.
A formação em Ciência da Computação tem sido tradicionalmente associada a altas taxas de empregabilidade. No entanto, mudanças recentes no mercado de trabalho indicam um cenário diferente, com aumento no desemprego entre graduados da área. Este artigo analisa os fatores internos (relacionados à formação acadêmica) e externos (associados ao mercado) que contribuem para esse fenômeno, propondo estratégias para alinhar a formação dos estudantes às demandas atuais da indústria.
1. Introdução
Por décadas, a Ciência da Computação foi considerada uma das formações acadêmicas mais promissoras em termos de empregabilidade e ascensão socioeconômica. Desde o início da revolução digital, profissionais com conhecimento em desenvolvimento de software, redes, algoritmos e engenharia de sistemas foram fortemente demandados por empresas de todos os setores, principalmente aquelas em expansão no setor de tecnologia da informação.
Nos anos 2000 e 2010, esse campo tornou-se sinônimo de estabilidade e progresso profissional: as empresas buscavam agressivamente engenheiros de software, arquitetos de sistemas e administradores de banco de dados. Durante o boom das startups e da digitalização de serviços, houve uma explosão de contratações e valorização salarial. Um relatório de 2018 da Burning Glass Technologies demonstrava que vagas relacionadas à Ciência da Computação estavam entre as que mais cresciam nos Estados Unidos, com salários médios iniciais superiores a outras áreas de engenharia [1].
Contudo, em 2023 e 2024, esse cenário começou a apresentar sinais de inflexão. Dados recentes divulgados pelo Federal Reserve Bank of New York e amplificados por veículos como o Futurism revelaram que a taxa de desemprego entre formandos em Ciência da Computação subiu para 6,1%, acima da média de 5,8% para outras áreas de formação [2]. Essa informação se torna ainda mais significativa ao considerar que, apenas três anos antes, a taxa era de cerca de 3,0%, conforme dados da National Association of Colleges and Employers (NACE) [3].
Esse fenômeno de crescimento da taxa de desemprego entre formandos de uma área tida como de alta empregabilidade levanta questões sobre:
Assim, torna-se relevante analisar em profundidade os fatores que compõem esse novo cenário. Este artigo propõe uma reflexão baseada em dois vetores principais:
Por décadas, a Ciência da Computação foi considerada uma das formações acadêmicas mais promissoras em termos de empregabilidade e ascensão socioeconômica. Desde o início da revolução digital, profissionais com conhecimento em desenvolvimento de software, redes, algoritmos e engenharia de sistemas foram fortemente demandados por empresas de todos os setores, principalmente aquelas em expansão no setor de tecnologia da informação.
Nos anos 2000 e 2010, esse campo tornou-se sinônimo de estabilidade e progresso profissional: as empresas buscavam agressivamente engenheiros de software, arquitetos de sistemas e administradores de banco de dados. Durante o boom das startups e da digitalização de serviços, houve uma explosão de contratações e valorização salarial. Um relatório de 2018 da Burning Glass Technologies demonstrava que vagas relacionadas à Ciência da Computação estavam entre as que mais cresciam nos Estados Unidos, com salários médios iniciais superiores a outras áreas de engenharia [1].
Contudo, em 2023 e 2024, esse cenário começou a apresentar sinais de inflexão. Dados recentes divulgados pelo Federal Reserve Bank of New York e amplificados por veículos como o Futurism revelaram que a taxa de desemprego entre formandos em Ciência da Computação subiu para 6,1%, acima da média de 5,8% para outras áreas de formação [2]. Essa informação se torna ainda mais significativa ao considerar que, apenas três anos antes, a taxa era de cerca de 3,0%, conforme dados da National Association of Colleges and Employers (NACE) [3].
Esse fenômeno de crescimento da taxa de desemprego entre formandos de uma área tida como de alta empregabilidade levanta questões sobre:
- A efetividade dos currículos acadêmicos em preparar profissionais completos;
- O impacto de fatores externos como retração econômica e o avanço da inteligência artificial;
- A saturação da oferta de profissionais devido à massificação da formação técnica via cursos livres, bootcamps e faculdades emergentes.
Assim, torna-se relevante analisar em profundidade os fatores que compõem esse novo cenário. Este artigo propõe uma reflexão baseada em dois vetores principais:
- Os fatores internos, ligados à estrutura da formação acadêmica em Ciência da Computação, incluindo conteúdos curriculares, habilidades desenvolvidas (ou não) e práticas pedagógicas;
- Os fatores externos, oriundos das dinâmicas de mercado, como o avanço da IA, reconfiguração da demanda por profissionais e o excesso de oferta de mão de obra técnica.
2. Fatores internos: lacunas na formação acadêmica
Embora o aumento do desemprego entre graduados em Ciência da Computação seja influenciado por diversas variáveis externas, uma análise crítica da formação acadêmica revela deficiências estruturais que impactam diretamente a empregabilidade desses profissionais. A maioria dos cursos de graduação em Computação ainda está fortemente centrada no desenvolvimento técnico, com foco em linguagens de programação, estruturas de dados e algoritmos. Apesar da importância desses tópicos, eles frequentemente são ensinados de forma descontextualizada, sem conexão com problemas reais de engenharia de software.
Segundo Sridharan [5], a formação técnica muitas vezes negligencia o entendimento do "porquê" das decisões de engenharia, concentrando-se apenas no "como". Isso gera um perfil de profissional que executa tarefas, mas não consegue justificá-las, comunicá-las ou adaptá-las diante de restrições de negócio, tempo ou equipe. Essa visão é reforçada por um levantamento realizado pelo McKinsey Global Institute, que identificou que mais de 40% dos empregadores não consideram que recém-formados estejam preparados para o mercado, principalmente pela ausência de habilidades complementares à técnica [6].
Comunicação, negociação, colaboração, empatia e pensamento crítico são habilidades tão essenciais quanto saber programar. Entretanto, essas competências são amplamente negligenciadas na formação universitária em Computação. Em muitas grades curriculares, não há disciplinas dedicadas a desenvolver essas habilidades, nem atividades que integrem os estudantes a contextos reais de resolução de problemas em grupo. Nos últimos anos, autores como Sridharan [5] e Groeneveld et al. [7] destacam que os profissionais mais valorizados não são necessariamente os mais técnicos, mas aqueles capazes de atuar em times multifuncionais, argumentar com clareza, entender o contexto do cliente e participar de ciclos de feedback contínuo.
Há também um problema crescente de egocentrismo técnico: estudantes acreditam que sua solução é a melhor porque "funciona", mesmo que seja ineficiente, trabalhosa de manter ou mal documentada. Ao serem questionados, tendem a atribuir a falha de comunicação ao interlocutor, e não à sua própria capacidade de transmitir ideias — o oposto do que sugeria Richard Feynman ao defender que o verdadeiro domínio se revela na simplicidade da explicação [8]. Outra limitação comum nos cursos tradicionais é a ausência de práticas que simulem o ambiente real de trabalho. Computação em nuvem, engenharia e ciência de dados e arquitetura avançada de software ainda são, em muitas instituições, tópicos periféricos ou sequer abordados.
Estudos como o de Avgeriou et al. [9] e Araújo et al. [10] reforçam a importância de currículos que integrem experiências práticas, como projetos de software reais, hackathons e colaboração interdisciplinar. Essas experiências não apenas fortalecem habilidades técnicas, mas também desenvolvem competências interpessoais e estratégicas.
Embora o aumento do desemprego entre graduados em Ciência da Computação seja influenciado por diversas variáveis externas, uma análise crítica da formação acadêmica revela deficiências estruturais que impactam diretamente a empregabilidade desses profissionais. A maioria dos cursos de graduação em Computação ainda está fortemente centrada no desenvolvimento técnico, com foco em linguagens de programação, estruturas de dados e algoritmos. Apesar da importância desses tópicos, eles frequentemente são ensinados de forma descontextualizada, sem conexão com problemas reais de engenharia de software.
Segundo Sridharan [5], a formação técnica muitas vezes negligencia o entendimento do "porquê" das decisões de engenharia, concentrando-se apenas no "como". Isso gera um perfil de profissional que executa tarefas, mas não consegue justificá-las, comunicá-las ou adaptá-las diante de restrições de negócio, tempo ou equipe. Essa visão é reforçada por um levantamento realizado pelo McKinsey Global Institute, que identificou que mais de 40% dos empregadores não consideram que recém-formados estejam preparados para o mercado, principalmente pela ausência de habilidades complementares à técnica [6].
Comunicação, negociação, colaboração, empatia e pensamento crítico são habilidades tão essenciais quanto saber programar. Entretanto, essas competências são amplamente negligenciadas na formação universitária em Computação. Em muitas grades curriculares, não há disciplinas dedicadas a desenvolver essas habilidades, nem atividades que integrem os estudantes a contextos reais de resolução de problemas em grupo. Nos últimos anos, autores como Sridharan [5] e Groeneveld et al. [7] destacam que os profissionais mais valorizados não são necessariamente os mais técnicos, mas aqueles capazes de atuar em times multifuncionais, argumentar com clareza, entender o contexto do cliente e participar de ciclos de feedback contínuo.
Há também um problema crescente de egocentrismo técnico: estudantes acreditam que sua solução é a melhor porque "funciona", mesmo que seja ineficiente, trabalhosa de manter ou mal documentada. Ao serem questionados, tendem a atribuir a falha de comunicação ao interlocutor, e não à sua própria capacidade de transmitir ideias — o oposto do que sugeria Richard Feynman ao defender que o verdadeiro domínio se revela na simplicidade da explicação [8]. Outra limitação comum nos cursos tradicionais é a ausência de práticas que simulem o ambiente real de trabalho. Computação em nuvem, engenharia e ciência de dados e arquitetura avançada de software ainda são, em muitas instituições, tópicos periféricos ou sequer abordados.
Estudos como o de Avgeriou et al. [9] e Araújo et al. [10] reforçam a importância de currículos que integrem experiências práticas, como projetos de software reais, hackathons e colaboração interdisciplinar. Essas experiências não apenas fortalecem habilidades técnicas, mas também desenvolvem competências interpessoais e estratégicas.
3. Fatores externos: transformações no mercado de trabalho
A empregabilidade de profissionais em Ciência da Computação não depende apenas da qualidade da formação acadêmica. Fatores externos, de natureza econômica, tecnológica e social, também desempenham papel decisivo. Nos últimos anos, uma confluência de fenômenos globais alterou profundamente a dinâmica entre oferta e demanda por profissionais de tecnologia. A popularização da área de tecnologia, associada a salários competitivos e ampla divulgação da ideia de que “aprender a programar é o caminho do futuro”, impulsionou uma explosão no número de cursos superiores, técnicos e livres (como bootcamps). A Code.org e a OECD já alertavam, em 2021, que o número de ingressantes em cursos relacionados à computação dobrava a cada 5 anos nos países da OCDE [11].
Isso resultou em um aumento significativo da oferta de mão de obra qualificada, especialmente para posições júnior, onde a competição se intensificou entre recém-formados, egressos de cursos técnicos e migrantes de outras áreas. Com mais candidatos disputando menos vagas, os critérios de seleção ficaram mais rígidos, e os profissionais mais bem preparados (inclusive os que apresentam soft skills bem desenvolvidas) se destacam.
A facilidade de acesso a conteúdo técnico gratuito ou barato via plataformas como YouTube, Udemy, Coursera e Alura também contribuiu para um volume ainda maior de profissionais em formação ou em transição de carreira. Ferramentas como GitHub Copilot, ChatGPT, Amazon CodeWhisperer e outras soluções de IA generativa vêm impactando diretamente a natureza do trabalho do desenvolvedor. Segundo estudo da McKinsey & Company, mais de 30% do tempo dedicado a tarefas técnicas de desenvolvimento de software pode ser automatizado com ferramentas baseadas em IA [12].
O impacto é ainda mais visível em posições de entrada, onde tarefas como geração de código repetitivo, criação de testes unitários e debugging simples são, cada vez mais, realizadas por assistentes automáticos. Isso leva a uma diminuição da necessidade de contratar profissionais júnior para tais tarefas, redirecionando a demanda para perfis mais seniores, com capacidade de lidar com problemas complexos e comunicar-se com áreas de negócio.
Conforme descrito por Martin [13], há indícios claros de que a IA está restringindo o acesso de recém-formados ao mercado. Isso é especialmente visível em setores onde há pressão por redução de custos e aumento de produtividade, como bancos, fintechs e empresas de varejo digital. A crise econômica global deflagrada por fatores como a pandemia da COVID-19, guerras geopolíticas e inflação global levou empresas a reavaliar seus investimentos em tecnologia. Houve uma sequência de layoffs em massa nas principais big techs — como Meta, Google, Amazon, Twitter (X) e Microsoft — entre 2022 e 2024. Só em 2023, foram mais de 260 mil demissões na indústria de tecnologia, segundo o Layoffs.fyi [14].
Essa retração impactou diretamente as vagas de entrada e programas de estágio e trainee, tradicionalmente usados para formar novos talentos. Empresas passaram a focar em retenção de talentos seniores, automação de processos e terceirização de serviços de desenvolvimento. Outro fator externo relevante é a globalização do mercado de trabalho. Plataformas como Upwork, Toptal e Fiverr, associadas à cultura de trabalho remoto, ampliaram a competição entre profissionais de diferentes países. Para empresas dos EUA e Europa, contratar um desenvolvedor qualificado em países com menor custo de vida tornou-se financeiramente atrativo.
Assim, o recém-formado brasileiro, por exemplo, além de competir com seus colegas de classe e egressos de bootcamps, compete também com desenvolvedores experientes de lugares como Índia, Paquistão, Leste Europeu e África Subsaariana — muitos deles com experiência prática, inglês fluente e forte presença em comunidades internacionais de tecnologia.
A empregabilidade de profissionais em Ciência da Computação não depende apenas da qualidade da formação acadêmica. Fatores externos, de natureza econômica, tecnológica e social, também desempenham papel decisivo. Nos últimos anos, uma confluência de fenômenos globais alterou profundamente a dinâmica entre oferta e demanda por profissionais de tecnologia. A popularização da área de tecnologia, associada a salários competitivos e ampla divulgação da ideia de que “aprender a programar é o caminho do futuro”, impulsionou uma explosão no número de cursos superiores, técnicos e livres (como bootcamps). A Code.org e a OECD já alertavam, em 2021, que o número de ingressantes em cursos relacionados à computação dobrava a cada 5 anos nos países da OCDE [11].
Isso resultou em um aumento significativo da oferta de mão de obra qualificada, especialmente para posições júnior, onde a competição se intensificou entre recém-formados, egressos de cursos técnicos e migrantes de outras áreas. Com mais candidatos disputando menos vagas, os critérios de seleção ficaram mais rígidos, e os profissionais mais bem preparados (inclusive os que apresentam soft skills bem desenvolvidas) se destacam.
A facilidade de acesso a conteúdo técnico gratuito ou barato via plataformas como YouTube, Udemy, Coursera e Alura também contribuiu para um volume ainda maior de profissionais em formação ou em transição de carreira. Ferramentas como GitHub Copilot, ChatGPT, Amazon CodeWhisperer e outras soluções de IA generativa vêm impactando diretamente a natureza do trabalho do desenvolvedor. Segundo estudo da McKinsey & Company, mais de 30% do tempo dedicado a tarefas técnicas de desenvolvimento de software pode ser automatizado com ferramentas baseadas em IA [12].
O impacto é ainda mais visível em posições de entrada, onde tarefas como geração de código repetitivo, criação de testes unitários e debugging simples são, cada vez mais, realizadas por assistentes automáticos. Isso leva a uma diminuição da necessidade de contratar profissionais júnior para tais tarefas, redirecionando a demanda para perfis mais seniores, com capacidade de lidar com problemas complexos e comunicar-se com áreas de negócio.
Conforme descrito por Martin [13], há indícios claros de que a IA está restringindo o acesso de recém-formados ao mercado. Isso é especialmente visível em setores onde há pressão por redução de custos e aumento de produtividade, como bancos, fintechs e empresas de varejo digital. A crise econômica global deflagrada por fatores como a pandemia da COVID-19, guerras geopolíticas e inflação global levou empresas a reavaliar seus investimentos em tecnologia. Houve uma sequência de layoffs em massa nas principais big techs — como Meta, Google, Amazon, Twitter (X) e Microsoft — entre 2022 e 2024. Só em 2023, foram mais de 260 mil demissões na indústria de tecnologia, segundo o Layoffs.fyi [14].
Essa retração impactou diretamente as vagas de entrada e programas de estágio e trainee, tradicionalmente usados para formar novos talentos. Empresas passaram a focar em retenção de talentos seniores, automação de processos e terceirização de serviços de desenvolvimento. Outro fator externo relevante é a globalização do mercado de trabalho. Plataformas como Upwork, Toptal e Fiverr, associadas à cultura de trabalho remoto, ampliaram a competição entre profissionais de diferentes países. Para empresas dos EUA e Europa, contratar um desenvolvedor qualificado em países com menor custo de vida tornou-se financeiramente atrativo.
Assim, o recém-formado brasileiro, por exemplo, além de competir com seus colegas de classe e egressos de bootcamps, compete também com desenvolvedores experientes de lugares como Índia, Paquistão, Leste Europeu e África Subsaariana — muitos deles com experiência prática, inglês fluente e forte presença em comunidades internacionais de tecnologia.
4. Estratégias para alinhar a formação às demandas do mercado
Se os fatores externos não estão sob controle das instituições de ensino, os fatores internos podem e devem ser reformulados. Diante do novo panorama de empregabilidade em Ciência da Computação, torna-se importante a discussão sobre a modernização curricular para formar profissionais não apenas tecnicamente competentes, mas aptos a navegar em ambientes organizacionais complexos, com capacidade de adaptação, comunicação e pensamento crítico.
Se os fatores externos não estão sob controle das instituições de ensino, os fatores internos podem e devem ser reformulados. Diante do novo panorama de empregabilidade em Ciência da Computação, torna-se importante a discussão sobre a modernização curricular para formar profissionais não apenas tecnicamente competentes, mas aptos a navegar em ambientes organizacionais complexos, com capacidade de adaptação, comunicação e pensamento crítico.
4.1. Currículo centrado em experiências reais e feedback contínuo
O estudo de Avgeriou et al. [15], publicado na Information and Software Technology, propõe um modelo de ensino de Engenharia de Software baseado em evidências empíricas e experiências realistas. Os autores apontam que o ensino convencional, baseado em aulas expositivas e projetos artificiais, não prepara os estudantes para os desafios reais da indústria. Entre as estratégias propostas, algumas podem ser destacadas:
O estudo de Avgeriou et al. [15], publicado na Information and Software Technology, propõe um modelo de ensino de Engenharia de Software baseado em evidências empíricas e experiências realistas. Os autores apontam que o ensino convencional, baseado em aulas expositivas e projetos artificiais, não prepara os estudantes para os desafios reais da indústria. Entre as estratégias propostas, algumas podem ser destacadas:
- Aprendizagem baseada em projeto (PBL): o estabelecimento de leituras prévias da literatura e de casos de uso, engajamento contínuo de discussões em sala e execução de projetos reais com stakeholders externos, onde os alunos desenvolvem software com requisitos e prazos realistas;
- Feedback contínuo: avaliações iterativas com base em revisão de código, apresentações e reflexões individuais;
- Integração entre teoria e prática: uso de ferramentas reais de mercado (Git, Docker, CI/CD, issues em GitHub) desde o início da formação;
- Desenvolvimento de soft skills como entregáveis formais: comunicação com clientes, documentação, negociação de escopo e retrospectivas são tratados como parte essencial do processo de aprendizagem, não como componentes "opcionais".
4.2. Um novo currículo baseado em quatro pilares
No artigo “What Should a Modern Software Engineering Curriculum Include?” [16], autores da Universidade de Victoria, Canadá, propõem um modelo curricular moderno dividido em quatro pilares:
No artigo “What Should a Modern Software Engineering Curriculum Include?” [16], autores da Universidade de Victoria, Canadá, propõem um modelo curricular moderno dividido em quatro pilares:
- Fundamentos técnicos: algoritmos, estruturas de dados, sistemas operacionais e redes;
- Práticas profissionais: versionamento, testes, DevOps, arquitetura moderna e engenharia de requisitos;
- Inovação e ferramentas emergentes: IA generativa, Engenharia de Prompt, low-code/no-code, edge computing;
- Ética, sustentabilidade e humanidade: impacto social da tecnologia, ética algorítmica, diversidade e inclusão.
4.3. A didática profissional: trabalho como objeto e meio de formação
A Didática Profissional é uma abordagem francesa centrada no trabalho real como objeto de ensino e aprendizagem [17]. Criada por Gérard Vergnaud e desenvolvida por pesquisadores como Pastré e Mayen, essa perspectiva parte do princípio de que o saber profissional é situado e que só se desenvolve quando o estudante é colocado diante de situações-problema reais — não apenas simuladas, mas vividas, com todas as ambiguidades, pressões e dimensões do ambiente de trabalho.
No contexto da formação em Ciência da Computação, a Didática Profissional propõe:
A Didática Profissional é uma abordagem francesa centrada no trabalho real como objeto de ensino e aprendizagem [17]. Criada por Gérard Vergnaud e desenvolvida por pesquisadores como Pastré e Mayen, essa perspectiva parte do princípio de que o saber profissional é situado e que só se desenvolve quando o estudante é colocado diante de situações-problema reais — não apenas simuladas, mas vividas, com todas as ambiguidades, pressões e dimensões do ambiente de trabalho.
No contexto da formação em Ciência da Computação, a Didática Profissional propõe:
- Situações de ensino construídas com base em análises de atividades reais de engenheiros de software (observações, entrevistas e shadowing de profissionais atuantes);
- Mobilização de esquemas de ação – o aluno não apenas aprende um conteúdo, mas reconstrói esquemas profissionais internalizados por meio da prática;
- Estreitamento entre universidade e mercado por meio da análise de situações autênticas (como sprints, incidentes em produção, decisões de arquitetura sob pressão).
Ao contrário de abordagens baseadas em transmissão de conhecimento ou resolução de exercícios idealizados, a Didática Profissional se ancora na atividade real, tratando o desenvolvimento de competências como um processo de transformação do sujeito diante de tarefas complexas e reais. Ela também dialoga com a pedagogia da alternância (ex: dualidade teoria-prática) e vem sendo aplicada com sucesso em cursos de engenharia na França, especialmente na formação continuada e na educação tecnológica de nível superior [18]. Sua implementação pode se dar através de:
- Oficinas de análise do trabalho real com profissionais da indústria;
- Parcerias para estágios supervisionados com acompanhamento reflexivo;
- Criação de “situações pedagógicas simuladas” baseadas em eventos reais coletados em campo.
4.4. Atividades complementares com valor curricular
Além das mudanças estruturais no currículo, a literatura também aponta para a valorização formal de atividades extracurriculares àquelas já conhecidas quanto a transmissão do conhecimento e atividades avaliativa, tais como:
Além das mudanças estruturais no currículo, a literatura também aponta para a valorização formal de atividades extracurriculares àquelas já conhecidas quanto a transmissão do conhecimento e atividades avaliativa, tais como:
- Participação em hackathons e maratonas de programação;
- Contribuições obrigatória em projetos open-source;
- Estabelecimento de marcos e objetivos claro de publicação de artigos técnicos ou blogs sobre experiências de projeto;
- Participação em mentorias, ligas estudantis e feiras científicas.
5. Conclusão
O cenário de empregabilidade em Ciência da Computação está passando por uma transformação significativa, marcada pela combinação de um mercado mais restrito e uma formação acadêmica ainda pouco alinhada às demandas contemporâneas. A crescente taxa de desemprego entre formandos da área, conforme apontado por estudos recentes [2], evidencia a importância em repensar não apenas os conteúdos dos cursos, mas também as metodologias e os objetivos formativos.
Observou-se que há uma clara lacuna na formação acadêmica, como a ênfase desproporcional em conteúdos técnicos descontextualizados e a ausência de desenvolvimento de competências interpessoais e críticas. Igualmente, fatores como a saturação da oferta de profissionais, o impacto das ferramentas de inteligência artificial sobre o trabalho técnico básico, a retração econômica e a intensificação da competição global, adicionam componentes ainda mais desafiadores ao tema.
Diante desses vetores, observaram-se três abordagens promissoras para a reinvenção da formação em Computação:
- O currículo experiencial baseado em evidências, que propõe o uso de projetos reais, feedback contínuo e protagonismo estudantil como eixo da aprendizagem [15];
- A estruturação curricular em quatro pilares, sugerida por Maurer et al. [16], que articula fundamentos técnicos, práticas profissionais, inovação tecnológica e formação ética;
- A Didática Profissional, abordagem francesa que propõe o trabalho real como objeto e meio da formação, orientando o ensino a partir da análise da atividade profissional autêntica [17][18].
A principal contribuição deste artigo, portanto, está em avaliar cenários propositivos de mudança sistêmica e metodológica para o ensino de Computação, que vá além da mera atualização de linguagens ou frameworks. O foco precisa estar na formação de sujeitos capazes de:
- Compreender problemas complexos e mal definidos;
- Tomar decisões sob restrições reais (tempo, recursos, conflito de interesses);
- Comunicar ideias técnicas com clareza, adaptando a linguagem ao interlocutor;
- Refletir sobre sua prática e aprender continuamente com a experiência.
Do ponto de vista das empresas, é estratégico apoiar programas de residência técnica, estágios supervisionados e ações de mentoria ativa, ampliando a ponte entre academia e mercado. Compartilhar com instituições de ensino situações reais (ainda que anonimizadas) contribui para enriquecer a formação dos estudantes com contextos autênticos de prática. As empresas podem colaborar ativamente na definição de currículos, oferecendo feedback sobre as competências esperadas e participando de avaliações de desempenho de egressos com base em critérios reais de atuação profissional.
Por fim, aos estudantes, cabe assumir um papel protagonista em sua formação, buscando experiências extracurriculares que permitam vivenciar a prática, receber feedback e desenvolver autonomia intelectual e profissional. Participar de projetos reais — como contribuições em software livre, hackathons ou iniciativas sociais com uso de tecnologia — fortalece o portfólio e desenvolve habilidades que extrapolam o conteúdo técnico tradicional. É igualmente importante adotar uma postura reflexiva diante da prática, documentando aprendizados, justificativas de decisão e evolução de competências em portfólios pessoais, como forma de consolidar e comunicar seu processo de desenvolvimento contínuo.
A transformação necessária não será trivial, mas é absolutamente viável. Ela exige cooperação entre academia, mercado e estudantes. Se quisermos que a formação em Ciência da Computação volte a ser uma ponte segura para o mundo do trabalho, precisamos abandonar a lógica da transmissão unilateral de conteúdo e adotar, de modo decidido, a lógica da formação por confrontação com a realidade — como nos ensina a Didática Profissional. O futuro da computação está na capacidade de formar profissionais que saibam, de fato, atuar no presente.
Referências
[1] Burning Glass Technologies, “The Digital Edge: Middle-Skill Workers and Careers,” Burning Glass, 2018. Available: https://www.burning-glass.com/research-project/digital-skills-gap/
[2] N. Al-Sibai, “Learn to Code Backfires Spectacularly as Comp-Sci Majors Suddenly Have Sky-High Unemployment,” Futurism, May 2025. Available: https://futurism.com/computer-science-majors-high-unemployment-rate
[3] National Association of Colleges and Employers (NACE), “Class of 2020: First Destinations Survey,” 2021. Available: https://www.naceweb.org/job-market/graduate-outcomes/first-destination/class-of-2020/
[4] M. Martin, “AI is Keeping Recent College Grads Out of Work,” Axios, May 2025. Available: https://www.axios.com/2025/05/29/ai-college-grads-work-jobs
[5] C. Sridharan, “How to become a more effective engineer,” The Pragmatic Engineer, Nov. 2024. Available: https://newsletter.pragmaticengineer.com/p/how-to-become-a-more-effective-engineer
[6] McKinsey Global Institute, “Education to employment: Designing a system that works,” McKinsey & Company, 2013. Available: https://www.mckinsey.com/industries/public-and-social-sector/our-insights/education-to-employment-designing-a-system-that-works
[7] R. Groeneveld, A. Begel, and J. Herbsleb, “When Developers and Designers Talk: Making Sense of Human-Centered Software Engineering,” in Proceedings of the 2023 ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), 2023.
[8] R. Feynman, The Feynman Lectures on Physics, Vol. I, Addison-Wesley, 1964.
[9] P. Avgeriou, N. bin Ali, M. Kalinowski, and D. Mendez, “Designing a Syllabus for a Course on Empirical Software Engineering,” arXiv preprint arXiv:2503.11291, Mar. 2025. Available: https://arxiv.org/abs/2503.11291
[10] A. A. Araújo, M. Kalinowski, and M. T. Baldassarre, “Embracing Experiential Learning: Hackathons as an Educational Strategy for Shaping Soft Skills in Software Engineering,” arXiv preprint arXiv:2502.07950, Feb. 2025. Available: https://arxiv.org/abs/2502.07950
[11] OECD, “The Digital Transformation of Education,” OECD Digital Economy Papers, No. 311, 2021. Available: https://www.oecd.org/education/
[12] McKinsey & Company, “The Economic Potential of Generative AI: The Next Productivity Frontier,” Jun. 2023. Available: https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai
[13] M. Martin, “AI is Keeping Recent College Grads Out of Work,” Axios, May 2025. Available: https://www.axios.com/2025/05/29/ai-college-grads-work-jobs
[14] Layoffs.fyi, “Tech Layoffs Tracker,” 2024. Available: https://layoffs.fyi/
[15] P. Avgeriou, N. bin Ali, M. Kalinowski, and D. Mendez, “Designing a Syllabus for a Course on Empirical Software Engineering,” Information and Software Technology, vol. 160, 2023. Available: https://doi.org/10.1016/j.infsof.2023.107395
[16] A. R. Maurer, S. R. Kelly, and J. H. Humphries, “What Should a Modern Software Engineering Curriculum Include?,” arXiv preprint arXiv:2502.07950, Feb. 2025. Available: https://arxiv.org/abs/2502.07950
[17] G. Vergnaud, “A didática profissional e a teoria dos campos conceituais,” Revista Brasileira de Educação, vol. 12, no. 34, pp. 168–176, 2007.
[18] M. Pastré, “A didática profissional: bases teóricas e princípios para o desenho de situações de ensino,” Educ. Soc., Campinas, vol. 30, n. 106, pp. 1015–1038, 2009. Available: https://www.scielo.br/j/es/a/fzQFkCZQHBV7ddk3KZzRTLB/
[1] Burning Glass Technologies, “The Digital Edge: Middle-Skill Workers and Careers,” Burning Glass, 2018. Available: https://www.burning-glass.com/research-project/digital-skills-gap/
[2] N. Al-Sibai, “Learn to Code Backfires Spectacularly as Comp-Sci Majors Suddenly Have Sky-High Unemployment,” Futurism, May 2025. Available: https://futurism.com/computer-science-majors-high-unemployment-rate
[3] National Association of Colleges and Employers (NACE), “Class of 2020: First Destinations Survey,” 2021. Available: https://www.naceweb.org/job-market/graduate-outcomes/first-destination/class-of-2020/
[4] M. Martin, “AI is Keeping Recent College Grads Out of Work,” Axios, May 2025. Available: https://www.axios.com/2025/05/29/ai-college-grads-work-jobs
[5] C. Sridharan, “How to become a more effective engineer,” The Pragmatic Engineer, Nov. 2024. Available: https://newsletter.pragmaticengineer.com/p/how-to-become-a-more-effective-engineer
[6] McKinsey Global Institute, “Education to employment: Designing a system that works,” McKinsey & Company, 2013. Available: https://www.mckinsey.com/industries/public-and-social-sector/our-insights/education-to-employment-designing-a-system-that-works
[7] R. Groeneveld, A. Begel, and J. Herbsleb, “When Developers and Designers Talk: Making Sense of Human-Centered Software Engineering,” in Proceedings of the 2023 ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), 2023.
[8] R. Feynman, The Feynman Lectures on Physics, Vol. I, Addison-Wesley, 1964.
[9] P. Avgeriou, N. bin Ali, M. Kalinowski, and D. Mendez, “Designing a Syllabus for a Course on Empirical Software Engineering,” arXiv preprint arXiv:2503.11291, Mar. 2025. Available: https://arxiv.org/abs/2503.11291
[10] A. A. Araújo, M. Kalinowski, and M. T. Baldassarre, “Embracing Experiential Learning: Hackathons as an Educational Strategy for Shaping Soft Skills in Software Engineering,” arXiv preprint arXiv:2502.07950, Feb. 2025. Available: https://arxiv.org/abs/2502.07950
[11] OECD, “The Digital Transformation of Education,” OECD Digital Economy Papers, No. 311, 2021. Available: https://www.oecd.org/education/
[12] McKinsey & Company, “The Economic Potential of Generative AI: The Next Productivity Frontier,” Jun. 2023. Available: https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai
[13] M. Martin, “AI is Keeping Recent College Grads Out of Work,” Axios, May 2025. Available: https://www.axios.com/2025/05/29/ai-college-grads-work-jobs
[14] Layoffs.fyi, “Tech Layoffs Tracker,” 2024. Available: https://layoffs.fyi/
[15] P. Avgeriou, N. bin Ali, M. Kalinowski, and D. Mendez, “Designing a Syllabus for a Course on Empirical Software Engineering,” Information and Software Technology, vol. 160, 2023. Available: https://doi.org/10.1016/j.infsof.2023.107395
[16] A. R. Maurer, S. R. Kelly, and J. H. Humphries, “What Should a Modern Software Engineering Curriculum Include?,” arXiv preprint arXiv:2502.07950, Feb. 2025. Available: https://arxiv.org/abs/2502.07950
[17] G. Vergnaud, “A didática profissional e a teoria dos campos conceituais,” Revista Brasileira de Educação, vol. 12, no. 34, pp. 168–176, 2007.
[18] M. Pastré, “A didática profissional: bases teóricas e princípios para o desenho de situações de ensino,” Educ. Soc., Campinas, vol. 30, n. 106, pp. 1015–1038, 2009. Available: https://www.scielo.br/j/es/a/fzQFkCZQHBV7ddk3KZzRTLB/
Certeiro! Infelizmente, boa parte dos cursos de CC ainda são muito focados no modelo tradicional de transmitir conhecimento e validá-lo por meio de exercícios/avaliações genéricas. Nem formamos cientistas, nem engenheiros.
ResponderExcluir