Texto: Pathways to Mathematics: Longitudinal Predictors of Performance

Caminos a las Matemáticas: Predictores Longitudinales de Desempeño

Jo-Anne LeFevre and Lisa Fast; Sheri-Lynn Skwarchuk; Brenda L. Smith-Chant; Jeffrey Bisanz; Deepthi Kamawar y
Marcie Penner-Wilger (2010)

Se evaluó un modelo de las relaciones entre precursores cognitivos, habilidades de aritmética temprana y resultados matemáticos para
182 niños de 4.5 a 7.5 años de edad. El modelo integra la investigación de neuroimágenes, poblaciones clínicas y desarrollo normal en
niños y adultos. Incluye 3 vías precursoras: cuantitativa, atención lingüística y espacial. Estas vías (a) contribuyeron de forma
independiente a las habilidades aritméticas tempranas durante el preescolar y el jardín de infantes y (b) se relacionaron diferencialmente
con el rendimiento en una variedad de resultados matemáticos 2 años después. El éxito del modelo en la contabilidad del rendimiento
pone de relieve la necesidad de comprender las habilidades subyacentes fundamentales que contribuyen a diversas formas de
competencia matemática.
1
¿Cómo adquieren los niños habilidades en matemáticas convencionales? Los investigadores han utilizado información de
diversas fuentes para abordar esta cuestión, incluidos estudios longitudinales de niños en desarrollo normal (Aunola,
Leskinen, Lerkkanen y Nurmi, 2004; Bull, Espy y Wiebe, 2008; DeSmedt, Verschaffel y Ghesquie`re , 2009; Durand, Hulme,
Larkin y Snowling, 2005; Jordan, Kaplan, Locuniak y Ramineni, 2007; Jordan, Kaplan, Ola'h y Locuniak, 2006; Locuniak y
Jordan, 2008; Passolunghi, Vercelloni, y Schadee , 2007), la investigación con niños que tienen dificultades matemáticas
severas (es decir, discalculia, Berch y Mazzocco, 2007) y estudios de niños que tienen síndromes congénitos que afectan
su aprendizaje matemático (Ansari et al., 2003; Barnes, Smith-Chant , Y Landry, 2005; DeSmedt et al., 2007; Mazzocco y
McCloskey, 2005). Sin embargo, solo han surgido unos pocos modelos de las relaciones entre las habilidades cognitivas
tempranas y los resultados matemáticos (Bisanz, Sherman, Rasmussen, & Ho, 2005; véase Desoete & Gre'goire, 2006;
Durand et al., 2005; Krajewski & Schneider, 2009). Además, no está claro cómo las habilidades aritméticas tempranas (es
decir, el conocimiento evolutivo de los niños sobre el número y la cantidad) están conectadas con el rendimiento
matemático posterior. Para abordar estas brechas, proponemos y probamos un modelo de desarrollo matemático en el
cual las habilidades de atención lingüística, cuantitativa y espacial tienen roles distintos en la adquisición de las
matemáticas por parte de los niños.

Modelo propuesto: Rutas hacia las matemáticas

Dehaene y sus colegas (Dehaene, Molko, Cohen y Wilson, 2004; Dehaene, Piazza, Pinel y Cohen, 2005; Spelke y
Dehaene, 1999) han propuesto que el procesamiento numérico implica tres circuitos neurales separados en el lóbulo
parietal. En primer lugar, las tareas numéricas lingüísticas, como recuperar respuestas a combinaciones aritméticas (por
ejemplo, 6 x 7), activan una región de la circunvolución angular izquierda que se ha vinculado al procesamiento del lenguaje,
incluida la detección de lectura y fonemas. El segundo circuito activa partes del lóbulo parietal superior posterior y participa
en la atención espacial. El tercer circuito se activa en tareas de cantidad, como la comparación de magnitud. Implica el
segmento horizontal del surco intraparietal (HIPS). Butterworth y sus colegas (Butterworth, 1999, 2005; Castelli, Glaser y
Butterworth, 2006; Gelman & Butterworth, 2005) también defienden un módulo numérico basado en el cerebro en el HIPS
que está especializado en el procesamiento de numerosidad o cantidad. Proponen que el deterioro de este módulo puede
ser la fuente de la discalculia del desarrollo. Notablemente, aunque Dehaene y Butterworth proponen un "sistema de
cantidad de núcleo", el modelo de Dehaene se centra en el procesamiento de magnitudes aproximadas, mientras que
Butterworth propone que el sistema de cantidad de núcleo se especialice en procesar pequeñas cantidades exactas. A
pesar de estas diferencias entre teorías, los investigadores generalmente están de acuerdo en que solo el circuito asociado
con la magnitud de procesamiento representa un componente numérico distinto. Los otros dos circuitos involucrados en
tareas numéricas, los circuitos atencionales lingüísticos y espaciales, se comparten a través de una variedad de tareas
cognitivas.
Esta explicación neuropsicológica del procesamiento numérico es consistente con la visión de que el desarrollo de las
habilidades matemáticas involucra varios sistemas cognitivos distintos (ver también Ansari, 2008, Halberda, Mazzocco y
Feigenson, 2008). En consecuencia, formulamos un modelo de desarrollo numérico que tiene tres precursores o vías
cognitivas independientes: atención lingüística, cuantitativa y espacial. Se presume que las tres vías contribuyen tanto al
desarrollo de habilidades aritméticas tempranas (es decir, antes de que los niños tengan mucha instrucción formal) como
a la adquisición de conocimiento matemático formal en la escuela por parte de los niños. Con base en el modelo,
propusimos dos hipótesis sobre el curso del desarrollo numérico en niños entre las edades de 4 y 8. En este artículo,
probamos el modelo con datos longitudinales.

Evaluar el modelo de Rutas

Hipótesis 1: las vías de atención lingüística, cuantitativa y espacial contribuyen de forma independiente a la aritmética
temprana

La primera hipótesis fue que las habilidades lingüísticas, cuantitativas y de precursores de la atención espacial forman vías
distintas que están relacionadas de forma independiente con el rendimiento aritmético temprano (es decir, el conocimiento
que adquieren los niños antes de la escolarización formal). Esta hipótesis conduce a cuatro predicciones. Primero, las
habilidades lingüísticas deben predecir fuertemente el rendimiento de los niños en las primeras medidas aritméticas que
involucran el conocimiento del sistema numérico simbólico (como nombrar números o escribir dígitos árabes) porque se
supone que aprender las reglas del sistema numérico es similar al dominio de cualquier sistema representacional simbólico 2
(por ejemplo, lenguaje escrito). En segundo lugar, los precursores cuantitativos deberían predecir las habilidades
aritméticas tempranas que requieren que los niños representen y operen en cantidades (por ejemplo, determinando más y
menos, comparaciones entre partes y aritmética no verbal). En tercer lugar, si los dos itinerarios de habilidades son distintos
en las primeras etapas de la adquisición de la aritmética, entonces las habilidades lingüísticas básicas y cuantitativas de
aritmética no estarán estrechamente relacionadas. En cuarto lugar, la atención espacial contribuirá independientemente
de las habilidades lingüísticas y cuantitativas a ambos tipos de rendimiento aritmético temprano. Esta predicción es
consistente con la opinión de Dehaene et al. (2005) de que el circuito parietal involucrado en la atención espacial es general
y no está específicamente conectado a tareas numéricas particulares.

Las habilidades de aritmética temprana de los niños, medidas antes o durante el jardín de infantes, predicen el rendimiento
en las pruebas de matemáticas convencionales en los primeros años de escolaridad formal (por ejemplo, Aunola et al.,
2004; Bull et al., 2008; Jordan et al., 2006; Jordania). et al., 2007; Passolunghi et al., 2007). Sin embargo, los investigadores
no han identificado un conjunto consistente y coherente de habilidades cognitivas que sean predictivas del desarrollo
aritmético temprano. El modelo Pathways proporciona un marco para organizar posibles precursores. Aunio et al. (2006)
informaron sobre el apoyo a distintas vías lingüísticas y cuantitativas para los niños chinos y finlandeses, con edades
comprendidas entre 4.5 y 7.5 años. Los niños chinos superaron a los niños finlandeses en las tareas lingüísticas (por
ejemplo, produciendo la secuencia de palabras numéricas a 20) en edades más jóvenes y mayores, pero en las tareas
cuantitativas (por ejemplo, determinar qué conjunto de objetos tenían más) los niños chinos superaron a los niños
finlandeses solo en las edades más avanzadas. Del mismo modo, Jordan et al. (2006) obtuvieron una solución de dos
factores en un análisis de su batería de aritmética temprana: las tareas que requerían conocimiento de número lingüístico
(problemas de historia y combinaciones de números presentadas verbalmente) se distinguieron de todas las otras medidas,
la mayoría de las cuales requirieron conocimiento cuantitativo pero poco conocimiento del sistema de números formales
Jordan et al. (2007), siguiendo a los mismos niños de Jordan et al. (2006) en el Grado 1, encontraron patrones diferenciales
de crecimiento para las habilidades lingüísticas y cuantitativas. Con niños de 7 a 10 años, Durand et al. (2005) informaron
que tanto la capacidad verbal como la comparación de magnitud acelerada (p. Ej., ¿Cuál es más grande, 3 o 5?) Predijeron
el rendimiento aritmético. Krajewski y Schneider (2009) propusieron un modelo que incluía distintos roles para el
conocimiento lingüístico y la atención espacial en el desarrollo aritmético temprano, aunque su modelo no tiene un camino
cuantitativo distinto. En resumen, la investigación existente es generalmente consistente con la hipótesis de que las vías
lingüísticas y cuantitativas se pueden distinguir en el desarrollo aritmético temprano.
El apoyo empírico para una conexión entre la atención espacial y el aprendizaje matemático proviene de la investigación
sobre la memoria de trabajo visual-espacial. La memoria de trabajo puede definirse como los requisitos de procesamiento
y almacenamiento implicados en tareas cognitivas complejas (Baddeley, 2002; Bull et al., 2008; DeStefano y LeFevre,
2004; Zentall, 2007). Los investigadores han explorado el impacto de los subsistemas de memoria de trabajo específicos
en el rendimiento matemático de los niños, es decir, el bucle fonológico (Swanson y Sachse-Lee, 2001; Wilson y Swanson,
2001) o el bloc de notas visuales (VSSP; Bull et al., 2008; Holmes, Adams y Hamilton, 2008; McKenzie, Bull y Gray, 2003;
Rasmussen y Bisanz, 2005; Simmons, Singleton, y Horne, 2008). Algunos investigadores han descubierto que el VSSP es
más importante en el rendimiento matemático para niños más pequeños, mientras que el bucle fonológico es más
importante para niños mayores (Holmes et al., 2008; Krajewski y Schneider, 2009; McKenzie et al., 2003). Por lo tanto, en
los niños más pequeños, las mediciones de la memoria de trabajo visual-espacial pueden predecir el rendimiento
matemático independientemente de las vías lingüísticas o cuantitativas.
Hipótesis 2: Las vías de atención lingüística, cuantitativa y espacial varían en sus contribuciones únicas y relativas al
rendimiento matemático posterior, dependiendo de las demandas de las tareas

Debido a que las pruebas convencionales de habilidades matemáticas implican el conocimiento del sistema numérico, la
vía lingüística es probable que sea predictiva de todos los resultados matemáticos. Sin embargo, presumiblemente, la
mayoría de las pruebas convencionales de matemáticas también requieren conocimiento de la magnitud numérica y la
habilidad para manipular cantidades. Además, las pruebas convencionales típicamente involucran procesos atencionales
(DeStefano & LeFevre, 2004; Swanson, Jerman, y Zheng, 2008). El modelo de Pathways predice que, en la medida en
que las tareas matemáticas específicas involucren habilidades diferentes, las tres vías variarán en su contribución única y
relativa a cada tarea.
La Figura 1 captura las hipótesis y predicciones que surgen del modelo Pathways. Las habilidades lingüísticas forman una
ruta de habilidades con el conocimiento del sistema numérico simbólico de los niños. Las habilidades cuantitativas forman
un camino de habilidades separado vinculado con el procesamiento de magnitudes numéricas (es decir, el procesamiento 3
de cantidad que no requiere conocimiento del sistema numérico convencional). La atención espacial forma un tercer
camino. Suponemos que la atención espacial será importante para el desarrollo de una variedad de habilidades numéricas
y matemáticas. Como se muestra en la figura, esperábamos que las tres vías contribuyeran de manera diferente a los
diversos resultados que evaluamos. Es importante destacar que la figura refleja la predicción general del modelo de que la
contribución relativa de cada vía dependerá de los requisitos de la tarea. Todos los resultados deben requerir algún
conocimiento del sistema de números simbólicos y, por lo tanto, la participación de la vía lingüística, pero la vía cuantitativa
puede no contribuir de manera única para todos los resultados.

Figura 1. El modelo de Rutas que muestra las relaciones pronosticadas entre los precursores cognitivos, las habilidades aritméticas tempranas y las
medidas de resultado matemáticas.

Método

Los datos fueron extraídos de un proyecto longitudinal que abarcó 4 años e incluyó a más de 500 niños y una amplia
variedad de medidas. En el presente análisis, nos centramos en los 182 niños que comenzaron el estudio en preescolar (4
años) o jardín de infantes (5 años) y participaron durante 3 años. Varias decisiones guiaron las elecciones de medidas y
análisis. En primer lugar, utilizamos medidas estandarizadas, según la edad o las normas de grado, según corresponda,
siempre que estuvieran disponibles.
Esta decisión permitió la máxima comparabilidad con otros estudios y proporcionó un control para los efectos relacionados
con la edad. En segundo lugar, para las medidas que no tenían normas, calculamos los puntajes z dentro de los grupos
de edad para usarlos en los análisis correlacionales y de regresión. En tercer lugar, nos centramos en las relaciones
concurrentes entre (a) los precursores cognitivos y las medidas de aritmética temprana desde el 1er año de participación
y (b) el rendimiento en medidas convencionales 2 años después.

Participantes

Un total de 196 niños de preescolar y jardín de infantes fueron reclutados de siete escuelas en tres ciudades canadienses
(Ottawa, Peterborough y Winnipeg). Faltaron datos para 14 de estos niños en una o más medidas en el primer año de
prueba, y por lo tanto, los presentes análisis se basan en los 182 niños (37 preescolares y 145 niños de kindergarten) que
tenían datos completos para el primer año. Los niños de kindergarten asistían a clases de medio día en las escuelas. El
grupo preescolar asistió a programas de medio día, ya sea en las mismas escuelas (es decir, jardín de infantes '' junior ''
en Ottawa y Peterborough) o en preescolares. Los niños en el grupo preescolar (19 niñas, 18 niños) tenían edades
comprendidas entre 4: 5 y 5: 8 (años: meses) en el momento del estudio, con una edad media de 5: 0. Los niños en el
grupo de jardín de infantes (70 niñas, 75 niños) tenían edades comprendidas entre 5: 4 a 6: 6, con una mediana de 5:11 4
(incluido 1 niño que tenía 4: 7 y se les había permitido comenzar el jardín de infantes 1 año antes)
Dos años después, 122 de estos niños participaron, 23 del grupo que había comenzado el estudio en preescolar (11 niñas,
12 niños) y 99 del grupo que había comenzado en el jardín de infantes (44 niñas, 55 niños). La deserción ocurrió porque
las familias se mudaron (n = 23), no se obtuvo el consentimiento (n = 24) o la escuela se negó a participar (una escuela, n
= 13 niños) y no fue posible contactar a las familias fuera de la escuela. Por lo tanto, más de 2 años la tasa de desgaste
debido a todas las causas fue del 33%. Una comparación de los niños en la muestra longitudinal y los que no fueron
retenidos se presenta como un análisis preliminar en la sección de Resultados.
La mayoría de los niños provenían de hogares de clase media. La mayoría de las familias (87%) informaron que dos adultos
viven en el hogar. La mayoría de las madres tenían un título universitario o de posgrado (56%) o tenían un diploma de una
escuela vocacional (18%). Solo el 2% no había terminado la escuela secundaria. La mayoría de los niños hablaba inglés
en casa (95%).

Materiales y procedimientos

A partir de mayo de cada año, los niños fueron probados por experimentadores capacitados. Las tareas informáticas y las
tareas con lápiz y papel se administraron en dos sesiones separadas que duraron entre 15 y 30 minutos cada una o, en
algunos casos, una sola sesión más larga. Las tareas se realizaron en el mismo orden en cada sesión (papel o
computadora), pero la primera vez que se realizó fue variada debido a la disponibilidad de experimentadores y niños.

Precursores cognitivos

Habilidades lingüísticas. Diversos aspectos del desarrollo lingüístico, como la conciencia fonológica, el vocabulario, el
razonamiento verbal y la comprensión auditiva (Aunola et al., 2004; Durand et al., 2005; Hecht, Torgesen, Wagner y
Rashotte, 2001; Krajewski & Schneider, 2009). ; Simmons et al., 2008), han sido implicados como predictores de
habilidades matemáticas en los primeros años escolares. Hipotetizamos que el vocabulario receptivo reflejaría la capacidad
de los niños de adquirir vocabulario en el sistema numérico. Además, adquirir los símbolos visuales (es decir, dígitos
árabes) y vincularlos a etiquetas mentales es similar al desarrollo de mapeos léxicos o subléxicos cuando los niños están
aprendiendo a leer. Por lo tanto, elegimos medidas de vocabulario y conciencia fonológica para indexar habilidades
lingüísticas.
El vocabulario receptivo se midió con el Peabody Picture Vocabulary Test-Revised, Form B (Dunn y Dunn, 1997). Esta
tarea está estandarizada por edad con una media de 100 y una desviación estándar de 15, y con una consistencia interna
informada (alfa de Cronbach) de .94. La conciencia fonológica se indexó mediante la subprueba de elisión de la Prueba
integral de procesamiento fonológico (Wagner, Torgesen y Rashotte, 1999). Los niños oyen una palabra y se les pide que
repitan la palabra, pero omiten un sonido (p. Ej., (brat) palo de gol, sin / r /). La prueba está estandarizada por edad con
una media de 10 y una desviación estándar de 3, con alfa de Cronbach para 5 años de .90. Todos los niños completaron
estas medidas cuando estaban en el jardín de infantes.

Conocimiento cuantitativo. Asumimos que el conocimiento cuantitativo refleja la capacidad de un niño para evaluar y
discriminar cantidades con requisitos cognitivos mínimos mínimos (ver también Halberda et al., 2008; Landerl, Bevan y
Butterworth, 2004; Willburger, Fussenegger, Moll, Wood y Landerl, 2008). ) Desde este punto de vista, una forma de evaluar
el conocimiento cuantitativo es medir la capacidad de los niños para comparar numerosidades de conjuntos de objetos y
determinar cuál tiene más (p. Ej., Halberda et al., 2008). Otra es usar representaciones simbólicas de cantidad, es decir,
dígitos o palabras árabes, en tareas de comparación de números (por ejemplo, Durand et al., 2005; Landerl et al., 2004) o
pedir a los niños que hagan comparaciones de magnitud de dígitos versus pequeñas cantidades (que es más grande, 3 o
**? p. ej., Koontz y Berch, 1996). En ambos enfoques, el conocimiento de la cantidad se mide a través de una comparación.
Elegimos un tercer enfoque para evaluar el conocimiento cuantitativo. Cuando se les pide que indiquen la cantidad de
pequeños conjuntos de objetos, las personas son más rápidas y más precisas en tamaños establecidos de 1 a 3 o 4 que
en tamaños de 5 o más (Mandler y Shebo, 1982). Además, las latencias de respuesta son similares en conjuntos pequeños
y aumentan linealmente en conjuntos mayores que 4. Estos datos son consistentes con la opinión de que los niños y
adultos usan un proceso rápido de emparejamiento de patrones, subitizando, en conjuntos pequeños y procesos basados
en conteo en mayores conjuntos. Los investigadores han sugerido que la subdivisión es un índice razonable del
conocimiento cuantitativo de los niños (Desoete & Gre'goire, 2006; Landerl et al., 2004; van der Sluis, de Jong, y van der
Leij, 2004; Willburger et al., 2008) .
A los niños se les mostraron series de uno a seis puntos y se les pidió que indicaran "cuántos puntos" de la forma más 5
rápida y precisa posible. Los niños iniciaron la prueba presionando la barra espaciadora. La prueba finalizó cuando el niño
indicó la numerosidad del conjunto y el experimentador presionó una tecla y luego tipeó la respuesta. Hubo tres ensayos
de cada tamaño de matriz, cada uno en un patrón aleatorio diferente. La latencia de subitización mediana se calculó a
partir de las latencias de los nueve ensayos que muestran uno, dos y tres puntos.
Los niños completaron esta tarea cada año, pero debido a que la subdivisión se consideró una habilidad precursora, solo
los datos del año 1 se usaron para las pruebas modelo. Sin embargo, la consistencia entre los años de la velocidad de
subitización fue de interés para la confiabilidad y la validez. La correlación test-retest en el estudio longitudinal más grande
fue r (237) = .46, p <.001, entre el 1 ° y el 2 ° año, y r (228) = .30, p <.001, entre el 1 ° y el 3 °. años.

Atención espacial. La investigación existente sobre el papel de la memoria operativa en el desarrollo matemático ha
indicado que la tarea de extensión espacial (también conocida como Corsi o span de bloques) es un índice útil de memoria
de trabajo visual-espacial en niños pequeños (Bull et al., 2008; Holmes et al., 2008; McKenzie et al., 2003; Rasmussen y
Bisanz, 2005; Simmons et al., 2008). En esta tarea, el experimentador indica una serie de ubicaciones tocando cada una
de ellas brevemente. El participante intenta reproducir la secuencia ordenada. En contraste con las medidas verbales,
como el lapso de dígitos, la investigación con adultos ha demostrado que las estrategias verbales no son útiles en la tarea
de extensión espacial (Ridgeway, 2006). Sin embargo, los recursos de memoria de trabajo espacial y ejecutivo a menudo
son difíciles de distinguir empíricamente (por ejemplo, Miyake, Friedman, Rettinger, Shah y Hegarty, 2001). Por lo tanto, la
tarea de extensión espacial puede indexar la capacidad específica de la memoria de trabajo espacial, las estrategias no
verbales y la capacidad de atención más general (Bisanz et al., 2005; Rasmussen y Bisanz, 2005). Para los propósitos
actuales, nos referimos a este complejo de habilidades como atención espacial.
A los niños se les mostró un juego de nueve hojas de lirio dispuestas en un patrón pseudoaleatorio. Para cada prueba,
apareció una rana en una secuencia de nenúfares (1 s por almohadilla). A continuación, el niño replicó la serie señalando
los nenúfares. El experimentador hizo clic en cada ubicación que el niño señaló y la computadora registró la ruta. Después
de una prueba de demostración, los niños intentaron dos ensayos en cada duración de la serie, comenzando con una serie
de dos apariciones y progresando hasta una serie de seis apariciones. Cuando un niño respondió incorrectamente en
ambas secuencias de una longitud determinada, la tarea finalizó. La puntuación consistió en el número total de secuencias
correctas (máximo 12). La consistencia interna, basada en las dos secuencias en cada longitud de serie, fue de .70 (alfa
de Cronbach). La correlación test-retest entre el rendimiento entre el 1 ° y el 2 ° año (en el estudio longitudinal) fue r (182)
= .44, p <.001, y entre el 1 ° y el 3 ° año fue r (228) = .56, p <.001. Por lo tanto, los niños mostraron una estabilidad
razonable en todos los años para esta medida. Para el análisis de las medidas de resultado, se calculó un lapso promedio
usando puntajes para los 3 años, o para el 1er y 3er año para los 9 niños que faltaban un puntaje span en el año 2. La
confiabilidad interna de esta medida de años cruzados fue. 72 (alfa de Cronbach).

Habilidades de aritmética temprana

Supusimos que las habilidades de aritmética temprana (es decir, las habilidades que adquieren los niños antes de
comenzar la escolarización formal) generalmente giran en torno al conocimiento de los niños de los números y las
cantidades. Seleccionamos dos tareas, la denominación de números y la aritmética no lingüística, que capturan aspectos
importantes de la aritmética temprana y que supusimos que sería la máxima diferencia en términos de requerir las vías
cuantitativa frente a las lingüísticas.
Se supuso que la denominación numérica (es decir, decir '' doce '' cuando se presenta con '' 12 '') refleja la familiaridad de
los niños con los símbolos numéricos arábigos. Esta tarea requiere que los niños tracen los dígitos arábigos a una
representación fonológica, pero no les exige tener acceso a la cantidad o magnitud asociada con el símbolo (aunque, con
la práctica, se puede acceder a la cantidad automáticamente). En el modelo de Dehaene et al. (2005), el nombramiento de
números invoca representaciones internas asociadas con un código lingüístico.
Los niños nombrados números arábigos se presentan en la pantalla de la computadora uno a la vez, en el siguiente orden:
3, 1, 7, 2, 9, 12, 15, 20, 22, 37, 64, 77, 95, 101, 210, 688, 1,500, 4,302. La tarea finalizó después de tres errores
consecutivos. Los errores incluían instancias en las que el niño nombraba los dígitos en números mayores que 9 (por
ejemplo, decía '' uno-cinco '' para el número 15), decía '' No sé '' o solo producía una parte del número (por ejemplo, dijo ''
treinta y cinco '' para el número 37). La puntuación consistió en el número de respuestas correctas (máximo 18).
En la tarea aritmética no lingüística (Huttenlocher, Jordan y Levine, 1994; Levine, Jordan y Huttenlocher, 1992), a los niños
se les muestra una cantidad inicial que luego se oculta. Miran cómo se aplica una transformación a los objetos ocultos (es
decir, algunos se eliminan o agregan visiblemente) y luego reproducen el número oculto con sus propios objetos. Esta
tarea requiere que los niños representen y manipulen cantidades mentalmente, pero no les exige etiquetar esas cantidades 6
con nombres numéricos o vincular las cantidades a los símbolos árabes.
Los niños comenzaron con tres pruebas de práctica en las que el experimentador alineó un grupo de animales frente a un
establo y luego los empujó al establo para que no se escondieran del niño. Se le pidió al niño que modelara la cantidad de
animales ocultos usando su conjunto de animales. En los primeros tres ensayos, el niño simplemente hizo coincidir el
número de animales en el granero (3, 1, 5). En los siguientes tres ensayos, a los niños se les dieron problemas de suma:
después de que el conjunto original se trasladó al establo, se agregaron más animales (1 + 2, 2 + 3, 2 + 2). En los últimos
tres ensayos, a los niños se les dieron problemas de resta: después de que el conjunto original se movió al granero, algunos
animales se movieron afuera (2- 1, 4- 2, 5- 4). Los problemas fueron presentados en el mismo orden para cada niño. El
puntaje máximo posible fue de 9, 3 para cada tipo de problema. Se usaron porcentajes de ensayos correctos en los análisis.

Medidas de resultado

Los niños completaron las medidas de resultado en el 3er año del proyecto.
Pruebas convencionales de conocimiento matemático. Estas pruebas incluyeron las subpruebas de Numeración,
Geometría y Medición de KeyMath Test-Revised (Connolly, 2000) y la prueba de Cálculo de Woodcock-Johnson Tests of
Achievement- Revisado (WJ-R; Woodcock & Johnson, 1989). Se esperaba que estas tareas capturaran muchas de las
habilidades matemáticas que se supone que los niños aprenden en los primeros 2 años de escuela. Además, estas tareas
fueron elegidas para representar un rango de medidas que, aunque todas centrales para las matemáticas podrían variar
en la medida en que requerían conocimiento lingüístico versus conocimiento cuantitativo.
La Prueba KeyMath tiene normas canadienses y las subpruebas son consistentes con las pautas curriculares. La
subprueba de numeración evalúa la cantidad, el orden y el valor posicional. La mayoría de los artículos en el rango para
estos niños requieren el conocimiento del sistema numérico simbólico. La subprueba de medición incluye una variedad de
preguntas para las cuales se les pide a los niños que comparen cantidades (por ejemplo, tamaño, extensión, volumen,
masa) y elijan la más grande o la más pequeña. La subprueba de Geometría incluye algunos elementos de vocabulario
(por ejemplo, esfera), algunas preguntas que requieren un procesamiento de matrices espaciales mediado por lenguaje
(por ejemplo, señalar el cuarto y último elemento de la tercera fila de la tabla) y algunas preguntas de secuenciación y
diseño de patrones. Para estas tres pruebas, se utilizaron puntajes normativos a escala de grado (M = 10, SD = 3).
La prueba de cálculo de Woodcock es una medida tradicional de papel y lápiz de la destreza de cálculo fáctico y de
procedimiento (Woodcock y Johnson, 1989). La prueba se detuvo después de seis respuestas incorrectas o "no sé". Esta
prueba tiene una confiabilidad mediana de .85 y una correlación test-retest de 1 año de .89 para Grados 2 a 4.

Medidas de conocimiento matemático basadas en la investigación. Los niños completaron dos medidas matemáticas
adicionales, administradas en computadoras portátiles. Estas medidas se utilizan comúnmente en la literatura de
investigación sobre el desarrollo matemático de los niños. En contraste con las pruebas convencionales, destinadas a
aprovechar un rango de conocimiento, estas medidas basadas en la investigación aprovechan el conocimiento específico
en mayor detalle.
La tarea de Número de línea requiere que los niños seleccionen la posición adecuada en una recta numérica para números
entre 0 y 1,000. Esta medida de línea numérica pretende capturar tanto el conocimiento del sistema numérico como las
representaciones de cantidad interna de los niños (Opfer y Siegler, 2007; Siegler & Booth, 2004; Siegler y Opfer, 2003;
véase Moeller, Pixner, Kaufmann y Nuerk, 2009). Nuestra hipótesis es que esta tarea depende en gran medida de la vía
lingüística, ya que requiere la comprensión de los números simbólicos, pero también puede indexar la medida en que los
niños han coordinado los conocimientos de magnitud simbólica y numérica. Los niños completaron esta tarea cuando
estaban en el Grado 2.
Los niños iniciaron cada prueba presionando el botón Ir, que mostraba el número objetivo y el cursor en la imagen de un
automóvil. Usaron el mouse para mover el cursor a la posición en la línea numérica mostrada. Los puntos finales de la
línea fueron etiquetados 1 y 1,000. La computadora registró la ubicación y la latencia de la solución. Los estímulos se
eligieron según Laski y Siegler (2007) y se equilibraron con cuatro objetivos entre 0 y 100, cuatro entre 900 y 1,000, dos
objetivos de cada década y distancias equivalentes desde los puntos finales. Los objetivos [y los ítems coincidentes] fueron:
6 [994], 18 [982], 59 [991], 97 [903], 124 [876], 165 [835], 211 [789], 239 [761], 344 [656], 383 [617], 420 [580], 458 [542] y
500. El orden de los 25 ensayos se asignó al azar por separado para cada niño.
La regresión se usó para calcular la relación entre los valores reales de los números presentados y las ubicaciones que el
niño eligió. El rendimiento perfecto se produciría si cada número presentado se colocara en la ubicación adecuada (por
ejemplo, 500 en el centro de la línea). Se pueden calcular varios índices de rendimiento. En trabajos previos, Siegler y sus
colegas utilizaron valores promedio de r2 de regresiones lineales (regresión de la ubicación de la línea en el número real) 7
como el índice de ajuste. En nuestros datos, el examen de la distribución de los valores de r2 mostró una desviación
significativa de la normalidad, con un valor de sesgo de - .98 (SE = 0.25, CI 95% = .48). Un índice alternativo es la pendiente
de la línea de regresión. La colocación perfecta de cada número en la línea daría como resultado una pendiente de 1.0. La
colocación aleatoria resultaría en pendientes cercanas a 0. En la presente investigación, los valores de las pendientes se
distribuyeron normalmente, con un valor de sesgo de - .21 (SE = 0.25, CI 95% = .49). Para permitir la comparación con el
trabajo previo, se presentan análisis de los valores de r2 y pendiente.
Los niños también completaron una tarea de comparación de magnitud simbólica (Landerl et al., 2004). Se supone que la
comparación de magnitud simbólica requiere conocimiento tanto lingüístico como cuantitativo (Holloway y Ansari, 2009).
Los niños veían pares de números de un solo dígito que variaban en tamaño e indicaban qué número era "más"
presionando una tecla apropiada. De los 40 ensayos, en 20 el número numéricamente mayor también fue físicamente más
grande (es decir, ensayos congruentes) y en el otro 20, el tamaño físico y la magnitud fueron incongruentes. La división
entre los números fue 1 para 24 intentos (p. Ej., 2 contra 3) y 5 para 16 intentos (p. Ej., 2 frente a 7). Dos ensayos de
práctica precedieron a los ensayos experimentales. Los niños vieron una de dos listas aleatorias.
Los niños presionaron la barra espaciadora para comenzar la prueba. Después de una demora de 500 ms, los dos números
aparecieron simultáneamente. La prueba finaliza después de que el niño responde o si han transcurrido 3 s sin respuesta.
Se registraron los tiempos de respuesta y la precisión. El porcentaje de ensayos correctos se utilizó como medida de
resultado.

Lectura de palabras. Los niños completaron la subprueba de identificación de palabras de Woodcock Reading Mastery
Tests-Revised /Normative Update, Form G (Woodcock, 1998). La lectura de palabras se usó para examinar la posibilidad
de que todas las tareas cognitivas complejas, no solo las matemáticas, implicaran todas las vías lingüísticas, de atención
espacial y cuantitativas. De acuerdo con las predicciones del modelo de vías, planteamos la hipótesis de que solo la vía
lingüística, y no la vía cuantitativa, estaría relacionada con el rendimiento de la lectura de palabras. En esta prueba, los
niños leen palabras aisladas. Los coeficientes de confiabilidad de mitad partida para niños de Grado 1 se informan como
.98. Los puntajes están estandarizados por grado para tener una media de 100 y una desviación estándar de 15. Todos
los niños completaron esta prueba en el Grado 1.

Resultados

Los promedios, las desviaciones estándar y las correlaciones entre las pruebas se muestran en la Tabla 1 para los
precursores cognitivos y las habilidades aritméticas tempranas, medidos en el Año 1, y en la Tabla 2 para las medidas de
resultado, medidas en el Año 3. El género se correlacionó solo con nomenclatura numérica y con la tarea Número de línea.
Los chicos nombraron más números correctamente que las chicas, con puntajes z medios de .18 y - .31, respectivamente,
t (180) = - 3.13, p <.001. En la tarea de la línea numérica, las chicas tenían valores r2 medios más pequeños que los chicos
(.62 vs. .76), t (93) = - 2.77, y pendientes más planas (.48 vs. .61), t (93) = 2.98, ps <.01. Dadas estas diferencias, el género
fue controlado en todas las regresiones.
La expectativa de que los niños puedan subitizar cantidades de hasta 3 y contar para 4, 5 o 6 fue respaldada por datos de
precisión y latencia. Tanto los preescolares como los niños de jardín de infantes eran virtualmente perfectos en arreglos
de 1, 2 o 3 (98.3% y 99.5% de respuestas correctas, respectivamente). Sin embargo, en las matrices de 4-6, ambos grupos
cometieron algunos errores, y los niños más pequeños ganaron más que los niños mayores (79% frente a 91%), t (57.0)
=- 3.03, p <.01. Las latencias medianas se analizaron en un 2 (grado: preescolar, jardín de infantes) · 6
(tamaño de matriz: 1-6) análisis mixto de varianza. Los datos se muestran en la Figura 2. Los niños más jóvenes
respondieron más lentamente que los niños mayores (3,176 frente a 2,557 ms), F (1, 172) = 20,68, MSE = 2,969,000, gp2
= .107. Las latencias aumentaron con el tamaño de la matriz, F (5, 860) = 300.77, MSE = 797.142, gp2 = .636, y el grado
interactuó con el tamaño de la matriz, F (5, 860) = 5.39, gp2 = .03. Las latencias de los niños en las matrices de uno y dos
puntos no fueron diferentes en ningún nivel de edad.
Sin embargo, tres puntos fueron nombrados más lentamente que dos puntos tanto para el preescolar como para los niños
de kindergarten. Los niños preescolares eran más lentos en todos los tamaños de matriz que los niños de jardín de infantes,
pero las diferencias eran mayores para las matrices de 4, 5 y 6 que para 1, 2 y 3. Las latencias medianas en matrices de
1-3 se utilizaron como índice de subitización estado latente.
Se comparó el rendimiento de los niños que solo participaron en el Año 1 y los que se retuvieron durante el estudio para
las seis medidas del Año 1. Solo dos diferencias fueron notables. En primer lugar, entre los niños en edad preescolar, los
que abandonaron tenían latencias de subitización algo más lentas que los que continuaron (1.5 vs. 2.0 s), t (14.8) = 2.12, 8
p = .052. La inspección de los datos indicó que algunos niños del grupo que no fueron retenidos tenían latencias muy
lentas. En segundo lugar, entre los niños de kindergarten, los que abandonaron tuvieron puntajes más bajos en la tarea
aritmética no lingüística que aquellos que continuaron en el estudio (6.8 vs. 7.8), t (71.6) = 2.92, p <.01. La inspección de
los datos sugiere que hubo relativamente más niños con puntajes perfectos en el grupo retenido que en el grupo que no
fueron retenidos, pero que el rango más bajo de desempeño no fue restringido. Es poco probable que estas diferencias
hayan sesgado los resultados a favor de nuestras hipótesis, pero podrían haber resultado en una subestimación de la
importancia de la vía cuantitativa.

Figura 2. Medios de latencias de nombre mediano por tamaño de matriz. Nota. Los bigotes son los intervalos de confianza del 95% basados en el error
cuadrático medio para la interacción del tamaño y el grado de la matriz.

Pruebas del modelo Pathways

Hipótesis 1: las vías de atención lingüística, cuantitativa y espacial contribuyen de forma independiente a la aritmética
temprana

Como se muestra en la Tabla 1, los cuatro precursores (vocabulario, elisión, subdivisión y extensión espacial) se
correlacionaron significativamente con las medidas aritméticas tempranas, el número de nombres y la aritmética no
lingüística. En consecuencia, se usaron regresiones múltiples para probar el modelo, como se muestra en las dos últimas
columnas de la Tabla 1. Estas muestran un fuerte apoyo para las cuatro predicciones basadas en la Hipótesis 1. Primero,
las habilidades lingüísticas (vocabulario, elisión) predijeron la variabilidad por correlaciones semipariales) en el número de
nombres, pero no en la aritmética no lingüística. En segundo lugar, la habilidad cuantitativa (latencia subitizante) predijo
una variabilidad única significativa en la aritmética no lingüística, pero no en el número de nombres. En tercer lugar, aunque
la correlación simple entre la denominación numérica y la aritmética no lingüística fue significativa, ninguna de las dos
explicaba la variabilidad única en la regresión correspondiente. En cuarto lugar, la atención espacial fue un factor de
predicción único de la variabilidad en ambas medidas de aritmética temprana. Por lo tanto, los patrones de rendimiento
apoyan la opinión de que las vías lingüísticas y cuantitativas son predictores distintos de las habilidades aritméticas
tempranas que evalúan el conocimiento del sistema numérico y el procesamiento de la magnitud numérica,
respectivamente. La atención espacial forma una tercera vía independiente que se relaciona con ambos tipos de
rendimiento aritmético temprano.
Utilizamos el análisis factorial para calcular predictores lingüísticos y cuantitativos separados para su uso en análisis
longitudinales. Los precursores cognitivos (elisión, vocabulario, velocidad de subitización) y las medidas aritméticas
tempranas (nomenclatura numérica y aritmética no lingüística) se ingresaron en un análisis de componentes principales.
Surgieron dos factores que representaron el 63% de la varianza. El primer factor incluyó las medidas lingüísticas, con
cargas factoriales de .76, .74 y .76 para elisión, vocabulario y nomenclatura numérica, respectivamente. El segundo factor
incluyó latencia subitizante y aritmética no lingüística, con cargas de - .81 y .79. Las puntuaciones de los factores se
utilizaron en las regresiones longitudinales para indexar las vías lingüísticas y cuantitativas. 9

Hipótesis 2: Las vías de atención lingüística, cuantitativa y espacial varían en sus contribuciones únicas y relativas al
rendimiento matemático posterior, dependiendo de las demandas de las tareas

La Tabla 3 contiene los resultados de regresiones múltiples en las cuales el género y los predictores para cada una de las
tres vías se usan para explicar la variabilidad en el rendimiento en resultados matemáticos convencionales y basados en
la investigación, así como la lectura de palabras. Tres observaciones son particularmente notables. En primer lugar, la
proporción de variabilidad explicada por estos predictores es sustancial, oscilando entre .26 y .56 para los resultados
matemáticos. En segundo lugar, la cantidad de variabilidad predicha de manera única por cada vía varía, dependiendo del
resultado. Por ejemplo, las tres vías están implicadas en el rendimiento de las tareas de Numeración, Cálculo y Línea de
números, pero la ruta cuantitativa no está involucrada en Geometría y Medición y la atención espacial no está involucrada
en la Comparación de Magnitud.
Tal vez no sea sorprendente que la vía lingüística sola represente una variabilidad en la lectura de palabras, pero también
es la única variable que está implicada en todos los resultados matemáticos. En tercer lugar, las correlaciones semipárticas
son más altas para la vía lingüística que para las vías de atención cuantitativa y espacial para seis de siete resultados
matemáticos, lo que indica que los tipos generales de habilidades relacionadas con el lenguaje reflejadas en elisión,
vocabulario y nomenclatura numérica son un componente clave en las pruebas que típicamente se supone que miden el
conocimiento y la habilidad matemática. Por lo tanto, las tres vías están involucradas en el rendimiento en algunas tareas
matemáticas, pero no en todas, y el grado de participación varía según las tareas.

Discusión

Desarrollamos y probamos un modelo de las relaciones entre los precursores cognitivos, el conocimiento de la aritmética
temprana y el posterior rendimiento de las pruebas de habilidad matemática convencionales y basadas en la investigación.
La primera hipótesis era que la atención lingüística, cuantitativa y espacial formaría caminos de habilidades separados. En
apoyo de esta hipótesis, encontramos que el vocabulario y la elisión (habilidades lingüísticas) se relacionaban con la
nomenclatura numérica, mientras que la latencia subitizante (habilidad cuantitativa) se relacionaba con la aritmética no
lingüística. Las habilidades lingüísticas no predecían la aritmética no lingüística y la subdivisión no predecía el número de
nombres, lo que respaldaba la distinción propuesta entre estas vías. En consecuencia, las habilidades lingüísticas y
cuantitativas numéricamente relevantes formaron dos factores distintos para estos niños pequeños.
La atención espacial mostró relaciones significativas tanto con la denominación numérica como con el procesamiento de
la magnitud numérica, en apoyo de una tercera vía. El hallazgo de que la atención espacial está relacionada con el
desarrollo de una variedad de habilidades matemáticas tempranas es consistente con hallazgos recientes en los que
medidas similares de memoria de trabajo no verbal estuvieron relacionadas con el rendimiento matemático de los niños en
los primeros años de escuela (Bull et al., 2008 Holmes et al., 2008; Krajewski y Schneider, 2009; Simmons et al., 2008).
En términos más generales, los procesos atencionales pueden ser importantes en la capacidad de los niños para manejar
los complejos requisitos de las tareas matemáticas (Geary, Hoard, Byrd-Craven, Nugent y Numtee, 2007).
También se apoyó la segunda hipótesis de que los roles de las vías de atención lingüística, cuantitativa y espacial variarían
dependiendo de los resultados matemáticos. La vía de atención espacial representó únicamente cantidades moderadas
de variabilidad en seis de siete tareas matemáticas, pero nunca fue el predictor dominante. La vía lingüística representaba
únicamente la variabilidad en todos los resultados matemáticos, pero la fuerza de la relación varió de tal manera que fue
más débil con la comparación de la magnitud y más fuerte con la numeración. Por lo tanto, como se predijo, la importancia
relativa de las vías depende de la medida en que el sistema numérico y el conocimiento de la cantidad numérica se utilizan
en la tarea matemática. Por ejemplo, la comparación de magnitud requiere solo que los niños conozcan la correspondencia
de cantidad de símbolos para números de un dígito del 1 al 9. Por el contrario, la prueba de numeración requiere el
conocimiento de números de tres dígitos, incluida la comprensión avanzada del valor posicional. Del mismo modo, la vía
lingüística fue un fuerte predictor de la linealidad del conocimiento de la línea numérica de los niños para los números del
1 al 1,000. Esta tarea requiere que los niños establezcan una conexión entre representaciones simbólicas (p. Ej., 864) y
una extensión espacial. No podrían intentar la tarea sin una comprensión razonablemente buena de los símbolos árabes
para los números hasta 1,000.
Para la vía cuantitativa, la fuerza de la relación con los resultados en general fue modesta. De interés fueron los patrones
relativos para las vías lingüística y cuantitativa. Aquí, surgieron dos extremos. Para la geometría y la medición, la vía
lingüística fue exclusivamente predictiva, pero la cuantitativa no lo fue, aunque la vía cuantitativa se correlacionó con el
rendimiento en estos resultados. Por el contrario, para la comparación de la magnitud, la vía cuantitativa se relacionó 10
numéricamente, pero no estadísticamente, más fuertemente con el rendimiento que la vía lingüística. Este resultado es
consistente con algunos trabajos existentes que sugieren que el rendimiento en la tarea de comparación de magnitud
refleja la habilidad de los niños para vincular procesos numéricos simbólicos y no simbólicos (DeSmedt et al., 2009;
Holloway & Ansari, 2009; Mundy & Gilmore, 2009; Rousselle & Noe ¨l, 2007). El hallazgo de que las vías de atención
lingüística, cuantitativa y espacial varían en su relación con los resultados matemáticos tiene dos implicaciones notables.
En primer lugar, el modelo Pathways podría ser útil para comprender por qué algunos niños podrían tener éxito en una
tarea matemática, pero no en otra. En segundo lugar, el modelo puede resultar útil para determinar las demandas
psicológicas de las tareas que están diseñadas ostensiblemente para medir las habilidades matemáticas.

Conexiones a la investigación con poblaciones especiales de niños

El modelo de vías es consistente con la investigación en poblaciones especiales de niños que tienen déficits relacionados
con las matemáticas. Usando el modelo, muchos niños se pueden agrupar de acuerdo a si sus déficits están en
procesamiento lingüístico o cuantitativo. Por ejemplo, los niños con impedimentos específicos del lenguaje (SLI) tienen
deficiencias en tareas matemáticas que tienen un componente lingüístico (y por lo tanto implican conocimiento del sistema
numérico) pero funcionan de manera similar a los compañeros sin SLI en tareas donde el conocimiento cuantitativo es más
relevante (Donlan, 2007 ) En contraste, los niños con síndrome de Williams (que tienen dificultades espaciales y retrasos
matemáticos) parecen usar sus habilidades lingüísticas relativamente más fuertes para realizar tareas matemáticas y
mostrar patrones específicos de debilidades en tareas que requieren procesamiento cuantitativo (Ansari et al., 2003) . De
manera similar, los niños con espina bífida y parálisis cerebral, que tienen deficiencias motoras y habilidades matemáticas
comprometidas, parecen tener déficits en la vía cuantitativa (Barnes et al., 2005). Por lo tanto, el modelo de vías será útil
para comprender esta disociación en el rendimiento lingüístico y cuantitativo de los niños con deficiencias específicas en
matemáticas. También especulamos que los niños que tienen una discapacidad matemática específica (es decir,
discalculia) pueden mostrar una debilidad particular en la vía cuantitativa, pero un rendimiento general medio o mejor en la
vía lingüística. Por el contrario, los niños que muestran déficits tanto en matemáticas como en lectura (es decir,
discalémicos y disléxicos) son débiles en ambas vías (Jordan et al., 2007; Willburger et al., 2008). Finalmente, los niños
con trastorno por déficit de atención con hiperactividad a menudo tienen dificultades matemáticas (Zentall, 2007). De
acuerdo con el modelo de vías, podemos esperar que esos niños tengan déficits en la vía de atención espacial, pero
muestran una variabilidad típica en habilidades lingüísticas y cuantitativas relevantes.

Consideraciones futuras

Se necesita más trabajo para refinar y desarrollar el modelo Pathways teórica, empírica y metodológicamente. En el modelo
de Pathways, era razonable utilizar la amplitud espacial para indexar la atención porque vinculamos nuestro modelo con la
explicación neuropsicológica de Dehaene de los circuitos parietales que admiten el procesamiento numérico. Sin embargo,
la memoria de trabajo y el procesamiento atencional generalmente implican la coordinación de procesos y conocimientos
que van más allá de los circuitos parietales. Por ejemplo, los recursos ejecutivos centrales también involucran el lóbulo
frontal (Bull et al., 2008; Espy & Bull, 2005). Además, se supone que la memoria de trabajo implica la coordinación de la
información del mundo y de la memoria. A medida que el modelo de Pathways se desarrolle para abarcar trayectorias de
aprendizaje y procesos relacionados, será crítico contar con una descripción más detallada de cómo la memoria de trabajo
y los procesos de atención relacionados son importantes (Geary et al., 2007; Swanson et al., 2008).
La cuestión de cómo operacionalizar la habilidad de la cantidad central, como el procesamiento de pequeñas
numerosidades exactas versus magnitudes aproximadas (o ambas), también sigue siendo un área importante para futuras
investigaciones. Nuestra decisión de poner en práctica el conocimiento cuantitativo como subitizing latencia (es decir, la
eficiencia de identificar pequeñas cantidades exactas) se basó en la opinión de Butterworth de que procesar cantidades
exactas es la fuente de dificultades matemáticas para los niños con discalculia (Butterworth, 1999, 2005). Una visión
alternativa es que las dificultades matemáticas reflejan limitaciones en el acceso acelerado de los niños a los enlaces entre
cantidades y nombres de números (ver también Holloway & Ansari, 2009; Koontz & Berch, 1996; Rousselle & Noe¨l, 2007).
Por lo tanto, puede ser la capacidad de crear un mapeo entre el conocimiento simbólico y las representaciones numéricas
de cantidad que es crucial en el aprendizaje matemático (Ansari, 2008). Además, la subdivisión no se ha aceptado
universalmente como una habilidad de cantidad básica. Una visión alternativa es que la subdivisión es un proceso visual
atencional que no es específico de las tareas numéricas (ver también Trick y Pylyshyn, 1994). Por ejemplo, los niños con
parálisis cerebral, especialmente aquellos con daño en el hemisferio derecho, están perjudicados tanto en subitizar como 11
contar en relación con los niños en desarrollo normal y tienen procesos de reconocimiento de patrones deteriorados que
no son numéricamente específicos (Arp y Fagard, 2005). Arp y Fagard (2005) concluyeron que el recuento y la subdivisión
reflejan procesos globales, más que numéricamente específicos. En esta visión, los procesos de subdivisión pueden ser
reclutados para apoyar tareas cuantitativas y, por lo tanto, estar más estrechamente relacionados con el procesamiento
cuantitativo a lo largo del tiempo. Claramente, se necesita más evidencia para determinar las relaciones entre subitización,
comparaciones de magnitud no simbólica y el desarrollo de varias habilidades y conocimientos matemáticos (Ansari, 2008;
Holloway & Ansari, 2009; Rousselle & Noe¨l, 2007).
Tal como está formulado, el modelo de Vías no aborda la cuestión de cómo se integra el conocimiento de las vías lingüística
y cuantitativa, aunque la memoria de trabajo puede desempeñar un papel importante en este proceso (Krajewski &
Schneider, 2009; Swanson et al., 2008). El conocimiento de los niños de las matemáticas, al menos para las personas en
desarrollo normal, presumiblemente refleja la interacción de las habilidades lingüísticas y cuantitativas porque ambos son
reclutados por las tareas matemáticas más complejas.

Conclusión

Propusimos y probamos un modelo de cómo las habilidades cognitivas están implicadas en el desarrollo del conocimiento
matemático de los niños. El modelo de Vías incluye tres formas de conocimiento: atención cuantitativa, lingüística y
espacial, y especifica el papel inicialmente distinto que desempeña cada uno de estos en la adquisición temprana de la
aritmética. Mostramos que las tres vías se relacionan diferencialmente con las pruebas convencionales de conocimiento
matemático, en apoyo de la opinión de que el desarrollo matemático es componencial. El modelo conecta investigaciones
de adultos, neuroimágenes, poblaciones clínicas y desarrollo normal. Además, a través de varios resultados matemáticos
(por ejemplo, geometría, medición, cálculo, numeración), el modelo de Pathways resalta la necesidad de comprender las
habilidades subyacentes fundamentales que contribuyen a todos estos dominios específicos.
12