Machine Translated by Google

Revista de Psicología Educativa Copyright 2004 de la Asociación Americana de Psicología

2004, vol. 96, núm. 4, 699 –713 0022-0663/04/$12.00 DOI: 10.1037/0022-0663.96.4.699

Dinámica de desarrollo del rendimiento matemático desde preescolar hasta segundo grado

Kaisa Aunola, Esko Leskinen, Marja-Kristiina Lerkkanen y Jari-Erik Nurmi

Universidad de Jyva¨skyla¨

Este estudio investigó la dinámica del desarrollo del rendimiento matemático durante la transición de los niños del preescolar
al segundo grado y los antecedentes cognitivos de este desarrollo. 194 niños finlandeses fueron examinados 6 veces según
su rendimiento en matemáticas, dos veces al año durante un período de 3 años. Los antecedentes cognitivos, es decir, la
capacidad de contar, la atención visual, el conocimiento metacognitivo y la comprensión auditiva, se evaluaron en el primer
punto de medición. Los resultados indicaron que el rendimiento en matemáticas mostró una alta estabilidad y una variación
creciente con el tiempo. Además, el crecimiento de la competencia matemática fue más rápido entre aquellos que ingresaron
al preescolar con un nivel ya alto de habilidades matemáticas. El nivel inicial de rendimiento en matemáticas, así como su
crecimiento, se predijo mejor mediante la habilidad para contar.

Aunque se ha llevado a cabo una gran cantidad de investigación sobre el
aprendizaje de las matemáticas, la mayoría de los estudios se han centrado
en discapacidades matemáticas específicas (Geary & Hoard, 2001; Rourke,
1993), en muestras clínicas (Temple, 1991) y en subcomponentes específicos.
de matemáticas (Geary, 1993; Geary, Hoard y Hamson, 1999; Jordan, Hanich
y Kaplan, 2003; Kulak, 1993; Share, Moffitt y Silva, 1988). Sin embargo, poco
se sabe sobre el desarrollo del rendimiento matemático general de los niños
(Ai, 2002), particularmente durante sus primeros años de educación formal.
El objetivo del presente estudio fue examinar la dinámica del desarrollo del
rendimiento matemático de los niños durante la transición del preescolar al
grado 2 y los roles que juegan una variedad de antecedentes cognitivos en
este desarrollo. Al mismo tiempo, también se investigó la heterogeneidad en
las trayectorias de desarrollo que muestran los niños en su desempeño
matemático.
Desarrollo del rendimiento matemático
El rendimiento matemático se compone de una serie de componentes,
como el conocimiento básico de los números, la memoria de las operaciones
aritméticas, la comprensión de los conceptos matemáticos y la capacidad de
seguir procedimientos (Dowker, 1998). También se ha sugerido que el
desarrollo de las habilidades matemáticas progresa de manera jerárquica: el
aprendizaje de conceptos y habilidades básicos proporciona la base para
dominar habilidades y procedimientos más complejos (Entwisle & Alexander,
1990; Gelman & Gallistel, 1978; Nesher, 1986) . Por ejemplo, cuando la
capacidad de recuperar hechos numéricos básicos ha
Kaisa Aunola y Jari-Erik Nurmi, Departamento de Psicología, Universidad de
Jyva¨skyla¨, Jyva¨skyla¨, Finlandia; Esko Leskinen, Departamento de Matemáticas y
Estadística, Universidad de Jyva¨skyla¨, Jyva¨skyla¨, Finlandia; Marja Kristiina
Lerkkanen, Departamento de Formación Docente, Universidad de Jyva¨skyla¨,
Jyva¨skyla¨, Finlandia.
Este estudio forma parte del Estudio Jyva¨skyla¨ sobre el ingreso a la escuela
primaria (JEPS) y fue financiado por las subvenciones de la Academia finlandesa 63099
y 778230. Expresamos nuestro agradecimiento a todos los niños y maestros que
participaron en este estudio. Un agradecimiento especial a Hannele Ika¨heimo por sus
valiosos comentarios sobre nuestro artículo.
La correspondencia relacionada con este artículo debe dirigirse a Kaisa Aunola,
Department of Psychology, PO Box 35, 40014 University of Jyva¨skyla¨, Finlandia.
Correo electrónico: aunola@psyka.jyu.fi
Al volverse automáticos, los recursos atencionales pueden dedicarse a la
resolución de problemas más complejos (Gersten & Chard, 1999). También
se ha demostrado que el conocimiento matemático comienza a desarrollarse
mucho antes de que comience la escolarización formal (Resnick, 1989). Por
ejemplo, durante la primera infancia, los niños comienzan a construir
intuitivamente ciertos conceptos fundamentales, como los que describen el
tamaño absoluto (p. ej., grande, pequeño), las relaciones parte-todo y los
esquemas de razonamiento protocuantitativo. Estos luego proporcionan la
base para su posterior desarrollo matemático (Ginsburg, 1997; Resnick, 1986, 1989).
La mayor parte de la investigación en el campo hasta el momento se ha
centrado en discapacidades de aprendizaje específicas (Geary, 1993; Geary
et al., 1999; Ginsburg, 1997; Rourke, 1993; Rourke & Conway, 1997) o en el
papel de ciertos subcomponentes de las matemáticas. , como la resolución
de problemas verbales o cálculos aritméticos (Geary, 1993; Geary et al.,
1999; Kulak, 1993; Share et al., 1988). Aunque esta investigación ha
aumentado la comprensión de las discapacidades matemáticas y de los
diferentes componentes del rendimiento matemático, se sabe menos acerca
de cómo se desarrolla el rendimiento matemático general entre poblaciones
no seleccionadas. Además, la comprensión de la heterogeneidad de las
trayectorias de desarrollo que muestran los niños en el desarrollo matemático
es limitada. Para abordar estos problemas, el presente estudio se centró en
examinar tanto la dinámica de desarrollo del rendimiento general en
matemáticas como la heterogeneidad en las trayectorias de desarrollo de las
matemáticas durante el período en que los niños pasaron del preescolar al segundo grado.
El desarrollo de las matemáticas puede proceder a lo largo del tiempo de
dos maneras. La primera es que el conocimiento y las habilidades de los
niños se acumulan gradualmente con el tiempo. Los niños que comienzan
con buenas habilidades y un conocimiento sofisticado en matemáticas
aumentan su desempeño con el tiempo más que aquellos que comienzan
con habilidades más pobres. Tal patrón acumulativo debería manifestarse en
una alta estabilidad, aumentando las diferencias interindividuales en el
desempeño a lo largo del tiempo ("desplegamiento") y la naturaleza
amplificadora del proceso de desarrollo (es decir, el nivel inicial de desempeño
predice un crecimiento positivo posterior en el desempeño; Aunola, Leskinen,
Onatsu-Arvilommi y Nurmi, 2002; Bast y Reitsma, 1997). La posibilidad
alternativa es que las diferencias individuales en el desempeño disminuyan
en lugar de aumentar con el tiempo: los niños que originalmente comienzan
con un bajo nivel de habilidades y conocimientos relacionados aumentan la
velocidad de su desarrollo y alcanzan a aquellos que originalmente tienen
niveles más altos de estas habilidades. Tal disminución de las diferencias
individuales puede deberse, por ejemplo, a la instrucción sistemática que reciben los niños e

699
Machine Translated by Google
700 AUNOLA, LESKINEN, LERKCANEN Y NURMI
a la creciente dificultad de las operaciones objetivo a aprender, tal como se ha
encontrado para el desarrollo de la competencia lectora (Leppa¨nen, Niemi,
Aunola, & Nurmi, 2004; Parrila, Aunola, Leskinen, Nurmi, & Kirby, 2003;
Phillips , Norris, Osmond y Maynard, 2002).
Aunque recientemente se han realizado varios estudios sobre el desarrollo
de la competencia lectora (Aunola et al., 2002; Bast & Reitsma, 1997, 1998;
Leppa¨nen et al., 2004; Parrila et al., 2003; Phillips et al. al., 2002), poco se
sabe sobre la dinámica del desarrollo de las matemáticas. En un estudio,
Jordan, Kaplan y Hanich (2002) siguieron el progreso de los niños en
matemáticas cuatro veces cada medio año desde el segundo hasta el tercer
grado. Descubrieron que aquellos niños que tenían discapacidades en
matemáticas pero no en
la lectura se desarrolló a un ritmo más rápido en el rendimiento general de
matemáticas que aquellos que tenían dificultades tanto en matemáticas como
en lectura. Los niños que tenían discapacidades en matemáticas pero no en
lectura también mostraron una tasa de crecimiento ligeramente más rápida que
los niños con logros normales. Jordán et al. concluyeron a partir de sus
hallazgos que las dificultades matemáticas no son necesariamente estables en
el tiempo. Una limitación de Jordan et al. estudio, sin embargo, es que la
posibilidad de un efecto de techo técnico no se tuvo en cuenta en la medición
del rendimiento matemático. Esto puede haber provocado que el crecimiento
de los niños con un alto rendimiento matemático se estabilice un poco, una
posibilidad que también sugirieron los propios autores. En otros dos estudios
realizados hasta el momento, los resultados han mostrado un patrón
parcialmente diferente al informado por Jordan et al. Williamson, Appel baum y
Epanchin (1991) siguieron el rendimiento matemático de los niños desde el
primer grado hasta el octavo grado. Encontraron que las diferencias individuales
en el rendimiento matemático aumentaban (se dispersaban) con el tiempo y
que había una correlación positiva modesta entre el nivel inicial de matemáticas.
rendimiento y la tasa a la que este nivel
mejorado. BO Muthe´n y Khoo (1998) informaron un resultado similar entre dos
cohortes de adolescentes seguidos anualmente desde el grado 7 hasta el
grado 12. Una limitación de todos estos estudios previos es que se han
centrado en examinar el desarrollo del rendimiento matemático durante un
período en el que los niños ya habían adquirido algunos conocimientos básicos
de matemáticas.
Sin embargo, no se han llevado a cabo estudios que hayan examinado la
dinámica de desarrollo del rendimiento matemático desde antes del comienzo
de la instrucción formal. El presente estudio hizo un esfuerzo por agregar a
investigaciones previas al examinar el desarrollo del desempeño matemático
durante los primeros esfuerzos de los niños para aprender habilidades
matemáticas básicas, es decir, durante su transición del preescolar al grado 2.
Porque asumimos que el desarrollo de habilidades puede ser rápido. durante
este período, el rendimiento matemático de los niños se midió cada medio año.
Recientemente se ha sugerido que para comprender el desarrollo, puede
ser necesario identificar la heterogeneidad en las trayectorias de desarrollo de
los individuos en lugar de examinar el desarrollo únicamente a nivel de muestra
(Bergman, Magnusson y El-Khouri, 2003; B. Muthe´n & Muthe´n, 2000; Nagin,
1999). Es posible, por ejemplo, que diferentes subgrupos de niños sigan
diferentes trayectorias de desarrollo (ver también Jordan et al., 2002, 2003).
En consecuencia, para complementar el enfoque orientado a la variable, el
presente estudio también utilizó un enfoque orientado a la persona para
examinar si se podían identificar diferentes tipos de trayectorias de desarrollo
del rendimiento matemático entre los niños que pasan del preescolar a la
escuela primaria.
Antecedentes cognitivos del rendimiento matemático
Se han sugerido varios antecedentes cognitivos como factores que juegan
un papel en el desarrollo del rendimiento matemático. Una de esas variables
es la habilidad para contar, es decir, la comprensión de los niños de cómo
contar objetos y su conocimiento del orden de los números (Geary, 1993;
Gelman y Gallistel, 1978). Se ha demostrado, por ejemplo, que los niños con
discapacidades relacionadas con las matemáticas son deficientes en sus
habilidades básicas de conteo, independientemente de su coeficiente intelectual
o estado de lectura (Geary, 1990; Geary, Bow-Thomas y Yao, 1992; Geary et
al., 1999; Geary, Hamson y Hoard, 2000; Ohlsson y Rees, 1991).
Una posible razón por la cual la habilidad para contar es un antecedente
importante de las habilidades matemáticas futuras es que lleva al uso automático de
información relacionada con las matemáticas y, por lo tanto, permite que los recursos atencionales
dedicarse a la resolución de problemas más complejos y procedimientos más
elaborados (Gersten & Chard, 1999; Resnick, 1989). Otra posibilidad, como
sugiere Siegler (1986; ver también Geary, Brown, & Samaranayake, 1991;
Lemaire & Siegler, 1995), es que el conteo sea una estrategia de respaldo en
la adquisición de conocimientos aritméticos, reflejándose no solo en el nivel
posterior de automatización de la recuperación de hechos, sino también en la
precisión de la recuperación de hechos. Después de muchos conteos exitosos,
la re-presentación del problema conduce a una activación más fuerte de las
respuestas candidatas, lo que lleva a los niños a depender cada vez más de la
recuperación de soluciones en lugar de contar. La fuerza asociativa entre un
problema específico y una posible respuesta aumenta directamente en función
de la frecuencia con la que un individuo da esa respuesta en respuesta al
problema. Si el niño comete errores de conteo repetidamente, las soluciones
incorrectas pueden asociarse con un problema específico (Siegler, 1986; ver
también Geary et al., 1991; Temple y Sherwood, 2002).
Otro antecedente cognitivo que se ha supuesto relacionado con el
rendimiento matemático es el conocimiento metacognitivo (Butterfield & Ferretti,
1987), que se refiere al conocimiento y comprensión de los procesos cognitivos
por parte del niño (Flavell, 1976). Por ejemplo, Lucangeli, Coi y Bosco (1997),
al estudiar a alumnos de quinto grado, encontraron que aquellos que tenían
una conciencia metacognitiva baja eran menos eficientes para resolver
problemas matemáticos que aquellos que mostraban una conciencia
metacognitiva alta. Recientemente, Desoete, Roeyers y Buysse (2001) y
Borkowski (1992) informaron hallazgos similares. Hay dos posibles explicaciones
para estos resultados. En primer lugar, el conocimiento metacognitivo puede
reflejar la capacidad cognitiva general (Alexander, Carr y Schwanenflugel,
1995), que se ha demostrado que está altamente correlacionada con el
rendimiento académico en matemáticas (Alarcon, Knopik y DeFries, 2000). En
segundo lugar, las metacogniciones pueden permitir que los alumnos se
ajusten adecuadamente a diferentes tareas, demandas y contextos de
resolución de problemas, demostrando así su importancia en todos los procesos
de aprendizaje (Boekaerts, 1999; Desoete et al., 2001). Por ejemplo, Swanson
(1990) descubrió que los alumnos metacognitivos altos superaban a los
alumnos metacognitivos bajos en la resolución de problemas, independientemente
de su nivel de aptitud general.
Según Swanson, un alto conocimiento metacognitivo puede incluso compensar
la capacidad general porque, para cualquier tarea en cuestión, conduce a un
procesamiento de información más eficiente que el que es posible para aquellos
con un bajo nivel de habilidades metacognitivas.
El tercer posible antecedente que puede ser perjudicial para el rendimiento
matemático es el déficit de atención (Badian, 1983). Por ejemplo, se ha
demostrado que las dificultades con el control ejecutivo y la asignación de
atención se asocian negativamente con las habilidades aritméticas (ver, por
ejemplo, McLean & Hitch, 1999). Del mismo modo, los niños con
Machine Translated by Google
DINÁMICAS DE DESARROLLO DEL RENDIMIENTO EN MATEMÁTICAS
Se ha descubierto que el trastorno por déficit de atención/hiperactividad, al
principio de sus carreras escolares, muestra una automatización tardía de
las operaciones numéricas (Ackerman, Anhalt y Dykman, 2001). Se ha
sugerido que los recursos atencionales son importantes porque afectan la
forma en que los niños inician y dirigen su procesamiento de información
en diferentes tareas, cómo comprenden esas tareas y cómo recuperan
representaciones de información para recordar cuando realizan tareas
(Geary et al. ., 1999).
Debido a que las tareas matemáticas también suelen incluir señales
auditivas además de visuales, el cuarto antecedente posible del rendimiento
matemático es la capacidad de entender instrucciones, es decir, la
comprensión auditiva. Por ejemplo, se ha argumentado que la comprensión
auditiva y la capacidad para manejar información verbal son importantes
para resolver problemas matemáticos presentados verbalmente (Jordan et
al., 2003).
Aunque se han realizado muchos estudios sobre los antecedentes del
rendimiento matemático, esta investigación tiene varias limitaciones.
En primer lugar, la mayoría de los estudios han sido transversales. En
consecuencia, no han brindado la posibilidad de examinar en qué medida
las variables en estudio pueden predecir el desarrollo matemático posterior
(Hecht, Torgesen, Wagner y Rashotte, 2001). En el presente estudio,
pudimos examinar hasta qué punto las variables predictoras estaban
asociadas con el nivel de rendimiento matemático, así como su impacto en
el progreso del rendimiento matemático. En segundo lugar, la mayor parte
de la investigación sobre los antecedentes del rendimiento en matemáticas
se ha realizado con muestras representativas de individuos con
discapacidades matemáticas o bien se ha comparado a niños con y sin
dificultades de aprendizaje (Bull & Johnston, 1997; Geary, 1993; Jordan et
al. , 2002; McLean y Hitch, 1999). Se sabe menos sobre los antecedentes
del desempeño en matemáticas entre poblaciones no seleccionadas. En
tercer lugar, la investigación previa sobre los antecedentes cognitivos del
rendimiento matemático se ha centrado en factores que son específicos de
las matemáticas, como la capacidad de contar y la recuperación de hechos
aritméticos a partir de la memoria semántica (Geary, 1993). Se sabe menos
sobre el papel que juega un espectro más amplio de procesos cognitivos,
no sólo los específicos de las matemáticas, en el desarrollo del rendimiento
matemático (Kail y Hall, 1999; véase también Share et al., 1988).
El presente estudio examinó el papel de una amplia gama de antecedentes
cognitivos, como la capacidad de contar, el conocimiento metacognitivo, los
recursos atencionales y la comprensión auditiva, en el desarrollo del
desempeño matemático de los niños utilizando datos longitudinales de
niños en el curso de su transferencia desde el preescolar. al Grado 2.
El papel del sexo
Los hallazgos sobre las diferencias de sexo en el rendimiento
matemático de los niños son contradictorios (para una revisión, véase
Geary, 1996). En algunos estudios no se han encontrado diferencias de
sexo en el nivel de rendimiento matemático (Hyde, Fennema, & Lamon,
1990; Randhawa & Randhawa, 1993; Skaalvik & Rankin, 1994),
particularmente durante los años de escuela primaria (Friedman, 1989) .
Sin embargo, otros estudios han demostrado que la tasa de crecimiento en
matemáticas es más pronunciada entre los estudiantes varones que entre las mujeres.
Muthe´n y Khoo (1998) informaron que entre los estudiantes de 7.° a 13.° grado, los niños persona? es decir, ¿hasta qué punto hay heterogeneidad en las trayectorias
mostraron un mayor crecimiento en habilidades matemáticas que las niñas. De manera
similar, Leahey y Guo (2001) demostraron que los niños tenían una tasa de aceleración
más rápida en matemáticas que las niñas a pesar de tener el mismo nivel inicial de aprendizaje.
701
habilidades. Algunos estudios también han sugerido que, al final de la
escuela secundaria, los niños superan a las niñas en matemáticas (Hyde et
al., 1990; Mills, Ablard y Stumpf, 1993; Skaalvik y Rankin, 1994). Estas
diferencias se han encontrado particularmente entre estudiantes talentosos
(Benbow, 1988; Friedman, 1989; Mills et al., 1993). En general, se ha
argumentado que existen diferencias de sexo (Geary, 1996), pero que su
momento no se ha establecido claramente (Leahey y Guo, 2001). En
consecuencia, en el presente estudio, también se investigó el papel del
sexo en el nivel y el crecimiento del rendimiento matemático de los niños.
El sistema escolar finlandés difiere de la educación en los Estados
Unidos y muchos países europeos. La escuela primaria con enseñanza
formal comienza en Finlandia el año en que los niños cumplen 7 años, es
decir, un año más tarde que en Estados Unidos. Antes de la escuela
primaria, los niños finlandeses suelen participar en el preescolar durante un
año. El preescolar finlandés, por lo tanto, es equivalente al jardín de infantes
en los Estados Unidos. El preescolar en Finlandia no es obligatorio, pero
casi todos los niños asisten a él. En el preescolar finlandés, no hay
enseñanza formal de matemáticas, pero se anima a los niños a jugar con
números y conceptos matemáticos.
Objetivos
Este estudio examinó las siguientes preguntas de investigación:
1. ¿Cómo se desarrolla el rendimiento matemático de los niños desde
preescolar hasta el segundo grado? Se supuso que el desarrollo del
rendimiento matemático seguiría uno de dos patrones alternativos. De
acuerdo con la primera hipótesis, el desarrollo del desempeño en
matemáticas es un proceso acumulativo que se caracteriza por una alta
estabilidad, ampliando las diferencias individuales a lo largo del tiempo y
una asociación positiva entre el nivel inicial y la tasa de crecimiento en el
desempeño (BO Muthe´n & Khoo , 1998; Williamson et al., 1991). Como
hipótesis alternativa, se asumió que el desarrollo del desempeño en
matemáticas seguiría un patrón inverso: habría una disminución en las
diferencias individuales a lo largo del tiempo, y aquellos a quienes
originalmente les iba peor alcanzarían a aquellos que solían mostrar un
desempeño superior. rendimiento.
2. ¿Cuáles son los principales antecedentes cognitivos del desempeño
en matemáticas durante este período? Se investigaron cuatro posibles
antecedentes: habilidad para contar, atención visual, comprensión auditiva
y conocimiento metacognitivo. Se planteó la hipótesis de que una alta
capacidad inicial para contar estaría asociada con el nivel de rendimiento
matemático y también aumentaría su tasa de crecimiento posterior (Geary,
1993). Debido a que el conocimiento metacognitivo, la comprensión auditiva
y la atención visual pueden reflejar el nivel general de competencia cognitiva
de los niños y su adopción de estrategias de aprendizaje efectivas, se
supuso que también contribuyen al nivel y crecimiento del rendimiento
matemático.
3. ¿En qué medida difieren los niños y las niñas en el nivel y crecimiento
de su desempeño en matemáticas? Presumimos que, aunque ambos sexos
comienzan igual, los niños tendrían una tasa de crecimiento más rápida
que las niñas (Leahey & Guo, 2001; BO Muthe´n & Khoo, 1998).
4. ¿Qué tipos de trayectorias de desarrollo se pueden identificar en el
desarrollo del rendimiento
Por ejemplo BO matemático al aplicar un enfoque orientado a la
de crecimiento del rendimiento matemático y cuáles son los principales
antecedentes del desarrollo matemático dentro de cada tipo de trayectoria?
Machine Translated by Google
702 AUNOLA, LESKINEN, LERKCANEN Y NURMI
Método
Participantes y Procedimiento
Se examinó un total de 194 (103 niños, 91 niñas) niños de 5 a 6 años (M 75,0 meses,
SD 3,3 meses) que participaron en el Estudio de Entrada a la Escuela Primaria
Jyva¨skyla¨ (Nurmi & Aunola, 1999). durante su transición de preescolar a primaria. La
muestra original consistió en todos los niños (n 210) de dos municipios de tamaño
mediano en el centro de Finlandia que nacieron en 1993. Se obtuvo el permiso de los
padres para recopilar datos de los niños de los padres de 207 niños. De estos 207 niños,
194 participaron en cada punto de medición durante el estudio.
La muestra era homogénea en términos de raza y antecedentes culturales, como es
típico en las escuelas finlandesas. Además, todos los niños hablaban finlandés como
lengua materna. Cuatro alumnos estaban matriculados en clases de educación especial
desde el comienzo del primer grado. Además de estos cuatro niños, siete niños en
clases normales seguían un plan de estudios especial en al menos una materia escolar.
Tres de los niños comenzaron el segundo grado inmediatamente después del preescolar
(es decir, se saltearon el primer grado).
Se recopiló información de antecedentes de los padres de 191 niños.
Un total de 159 de los niños eran de familias con dos padres, 19 de los niños eran de
familias compuestas por la madre o el padre que vivía con su nuevo cónyuge y sus hijos,
y 13 de los niños vivían con su madre soltera . El número de hijos por familia osciló entre
1 y 11 (M 2,80, SD 1,50). El 18% de las madres y el 14% de los padres tenían un título
de una institución de nivel universitario, el 68% de las madres y el 75% de los padres
tenían un título de una institución de educación profesional o vocacional, y el 14% de las
madres y el 11% de los padres no tenían educación ocupacional.
El 17% de las madres y el 24% de los padres trabajaban en oficios administrativos
superiores, el 53% de las madres y el 25% de los padres trabajaban en oficios
administrativos de nivel inferior, el 17% de las madres y el 34% de los padres trabajaban
en profesiones de cuello azul, el 6% de las madres y el 12% de los padres estaban en la
empresa privada, y el 7% de las madres y el 5% de los padres eran estudiantes, amas
de casa/maridos, o pensionistas.
Los análisis preliminares que compararon el desempeño en matemáticas de niños de
diferentes niveles socioeconómicos, según lo definido por el nivel socioeconómico (SES)
de las madres y los padres, mostraron que los niños con padres en profesiones de cuello
azul se desempeñaron menos bien en matemáticas y también mostraron un nivel más
bajo de habilidades iniciales de conteo que aquellos con padres en las profesiones de
cuello blanco más altas. Además, los niños con padres en profesiones de cuello azul se
desempeñaron menos bien en matemáticas y mostraron un nivel más bajo de habilidades
iniciales de conteo que aquellos con padres en profesiones de cuello blanco más bajas.
Sin embargo, los padres con diferentes antecedentes socioeconómicos no diferían en la
cantidad de aritmética que habían enseñado a sus hijos.
Para las evaluaciones preescolares, los niños provenían de 21 grupos preescolares.
En primero y segundo grado, los niños provenían de 17 clases (13 escuelas). Los
análisis preliminares no mostraron variaciones en el aula, ni en el nivel inicial ni en el
crecimiento del rendimiento matemático de los niños (Aunola, Leskinen y Nurmi, 2004),
lo que sugiere que los niños no fueron seleccionados en clases particulares, por ejemplo,
debido a SES.
Los niños fueron examinados seis veces: dos veces durante su año preescolar, es
decir, (a) en octubre de 1999 (N 207) y (b) en abril de 2000 (N 200); dos veces durante
su primer año de primaria, es decir, (c) en octubre de 2000 (N 196) y (d) en abril de 2001
(N 196); y dos veces durante su segundo año de primaria, es decir, (e) en octubre de
2001 (N 197) y (f) en marzo de 2002 (N 196).
Los antecedentes cognitivos del rendimiento matemático, es decir, la capacidad de
contar, la atención visual, la comprensión auditiva y el conocimiento metacognitivo, se
evaluaron en el Momento 1 en una situación de prueba individual. El rendimiento
matemático se evaluó en cada punto de medición. En el Momento 1 y el Momento 2, la
prueba se realizó en una situación de prueba individual. En los tiempos 3 a 6, se realizó
en una situación de grupo en el aula. Todas las pruebas fueron realizadas
por investigadores capacitados y tuvo lugar en una sala adecuada en las instalaciones
de la escuela preescolar o primaria. Los niños que faltaron a la escuela el día de la
prueba (por ejemplo, debido a una enfermedad), fueron evaluados tan pronto como
regresaron a la escuela. La deserción de 11 niños se debió al hecho de que las familias
de estos niños se habían mudado a otros distritos y
no pudieron participar en el estudio más adelante. La deserción de 2 niños se debió a la
falta de datos.
Medidas
Rendimiento Matemático
En el presente estudio, nos propusimos examinar la dinámica de desarrollo del
rendimiento matemático en seis puntos de medición, utilizando modelos de curvas de
crecimiento latente. Este procedimiento estableció al menos dos requisitos para la
medición del desempeño en matemáticas: primero, teníamos que poder asumir que las
mediciones eran idénticas en todos los puntos de medición. En segundo lugar, no tenía
que haber efectos suelo o techo en ninguno de los puntos de medición (Williamson et
al., 1991). Estos son requisitos desafiantes en el caso de una habilidad académica que
se desarrolla rápidamente, como el rendimiento en matemáticas.
En el presente estudio se evaluó el desempeño matemático de los niños mediante el
Test Diagnóstico de Conceptos Matemáticos Básicos (Ika¨heimo, 1996). Esta prueba
fue diseñada para evaluar la competencia matemática general en los dominios centrales
de la instrucción matemática en el plan de estudios de la escuela primaria. La prueba
consta de cinco subpruebas que evalúan diferentes subhabilidades, partes de las cuales
son lo suficientemente fáciles como para ser sensibles a las diferencias en las primeras
etapas de la competencia matemática y partes de las cuales son lo suficientemente
difíciles como para evitar un efecto techo. Debido a que esta etapa de desarrollo de
habilidades es tan rápida, no fue posible concentrarse en componentes específicos de
las matemáticas. La estructura de la prueba fue idéntica en todos los puntos de medición.
Sin embargo, para evitar un efecto techo en los puntos de medición, agregamos ítems
más difíciles a la prueba a medida que los niños adquirían más habilidades en
matemáticas.
Conocimiento de los números ordinales. El conocimiento de los niños sobre los
números ordinales se evaluó mediante dos tareas. Primero se mostró a los niños una
imagen de una secuencia de figuras de niños y luego se les pidió que encerraran en un
círculo una en particular ("Los niños están en una línea. Encierra en un círculo al tercer
niño desde el principio"; "Los niños están en una línea. Encierra en un círculo el séptimo
niño desde el principio”).
Conocimiento de los números cardinales y conceptos matemáticos básicos.
El conocimiento de los niños sobre los números cardinales y los conceptos matemáticos
básicos, como igual, más y menos, se midió mediante tareas (7 tareas en el primer punto
de medición y 12 en los otros puntos de medición) que se hicieron progresivamente más
difíciles. En cada tarea, a los niños se les mostró una imagen de un conjunto de pelotas
y se les pidió que dibujaran un número específico de pelotas en el espacio dado (p. ej.,
"Dibuja tantas pelotas como hay en el modelo",
“Dibuja cinco bolas menos de las que hay en el modelo”, “Dibuja cuatro bolas más de
las que hay en el modelo”).
Número de identificación. La capacidad de los niños para percibir la correspondencia
entre un número particular y el número de objetos en una figura se evaluó mediante dos
tipos de tareas (cuatro tareas en el primer punto de medición y seis tareas en los otros
puntos de medición). En el primer conjunto de tareas, a los niños se les mostró una
imagen que incluía un conjunto de bolas y cuatro números diferentes escritos debajo de
ellas. Luego se les pidió que encerraran en un círculo el número que correspondía al
número de bolas en la figura (p. ej., "¿Cuántas bolas hay en la imagen? Encierra en un
círculo el número correcto"). En el otro conjunto de tareas, a los niños se les mostró una
imagen que incluía un número específico y se les pidió que dibujaran tantas bolas como
se mostraban en la imagen (p. ej., “Dibuja tantas bolas como se muestran en la
imagen” [p. ej., 8]).
Problemas de palabras. A los niños se les leyeron en voz alta problemas matemáticos
verbales simples (p. ej., “Tienes siete dulces y te dan tres más.
¿Cuántos tienes ahora?”). Hubo 2 tareas en el primer punto de medición, 6 problemas
en el segundo y tercero, 10 problemas en el cuarto y 14 problemas en el quinto y sexto.
Después de cada problema, se pidió a los niños que escribieran la solución correcta en
la hoja de respuestas.
Machine Translated by Google
DINÁMICAS DE DESARROLLO DEL RENDIMIENTO EN MATEMÁTICAS
Aritmética básica. Se evaluó la habilidad de los niños en aritmética básica.
utilizando un conjunto de sumas presentadas visualmente (p. ej., “9 3 _”, “7
14”), restas (p. ej., “11 2 _”, “15 _ 9”), multiplicaciones _”)
(p. yej.,
tareas
“8 7 _”,
de “división
4 700 (p. ej., “48
6 _”, “240 80 _”), así como combinaciones de estas (p. ej., “16 4 7 _”). Hubo 4 tareas en
el primer punto de medición, 8 tareas en el segundo, 18 en el tercero, 28 en el cuarto y
42 en el quinto y sexto. Se pidió a los niños que hicieran tantos de ellos como pudieran.
En la prueba diagnóstica se otorgaba un punto por cada respuesta correcta.
En consecuencia, la puntuación máxima total de la prueba fue de 19 para la primera
medición (Tiempo 1), 34 para la segunda (Tiempo 2), 44 para la tercera (Tiempo 3), 58
para la cuarta (Tiempo 4) y 76 para el quinto (Tiempo 5) y el sexto (Tiempo 6). El
examen preliminar de las distribuciones de los puntajes de las pruebas mostró que en
ninguno de los puntos de medición hubo efectos de techo o piso.
La confiabilidad test-retest para la prueba fue de .94. Las correlaciones respectivas
de la puntuación de la prueba de diagnóstico con las calificaciones de los docentes
sobre el desempeño de los niños en matemáticas (escala de 5 puntos) en los seis
puntos de medición fueron, en la presente muestra, .60, .63, .66, .67, .72, y .71,
respectivamente. En los puntos de medición 5 y 6, el puntaje de la prueba se correlacionó
con la prueba de razonamiento aritmético finlandés (Ra¨sa¨nen, 2000), con correlaciones
de .75 y .66, respectivamente.
Antecedentes Cognitivos
Habilidad de contar. La capacidad de conteo de los niños se evaluó al comienzo de
su año preescolar (Tiempo 1) utilizando las siguientes cuatro subpruebas tomadas de
las Pruebas de diagnóstico para metacogniciones y matemáticas (Salonen et al., 1994):
1. Contar números. Se le pidió al niño que contara hasta donde pudiera. Si el niño
llegaba a los 50, se detenía la prueba. La subprueba se calificó de forma dicotómica. Se
otorgaba un punto si el niño podía contar sin errores del 1 al 50 y 0 puntos si el niño
cometía errores o no llegaba a 50.
2. Contando hacia adelante. Al niño se le dio un número inicial y se le pidió que
contara hacia adelante a partir de él. Se otorgaba un punto si el niño contaba
correctamente hacia adelante al menos cuatro números. La subprueba constaba de
cuatro tareas diferentes (valores iniciales: 3, 8, 12 y 19).
3. Contando hacia atrás. Al niño se le dio un número inicial y se le pidió que contara
hacia atrás a partir de él. Se otorgaba un punto si el niño contaba correctamente hacia
atrás al menos cuatro números. La subprueba constaba de cuatro tareas diferentes
(valores iniciales: 4, 8, 12 y 23).
4. Contar hacia adelante por número. Al niño se le hicieron cuatro preguntas
diseñadas para evaluar el conocimiento de los aspectos ordinales de los números (p.
ej., "¿Cuál es el número que obtienes cuando cuentas cinco números a partir de dos?").
Se otorgaba un punto por cada respuesta correcta.
Se construyó una puntuación total para la capacidad de contar sumando las
puntuaciones de las cuatro subpruebas (máximo: 13 puntos). La confiabilidad alfa de
Cronbach para la prueba fue de .79. La confiabilidad test-retest para la prueba fue .94,
y la confiabilidad dividida por la mitad fue .90.
Atención visuales. La atención visual de los niños se evaluó utilizando una subprueba
de atención visual de la batería de pruebas NEPSY (Korkman, Kirk y Kemp, 1997). El
NEPSY es un instrumento integral diseñado para evaluar el desarrollo neuropsicológico
en niños en edad preescolar y escolar. Ha sido estandarizado en Finlandia (Korkman et
al., 1997), EE.UU.
(Korkman, Kirk y Kemp, 1998) y Suecia (Korkman, Kirk y Kemp, 2000) para niños de 3
a 12 años.
En este estudio se utilizó la subprueba de atención visual de la atención/funciones
ejecutivas principales. Su objetivo es medir la capacidad de un niño para mantener la
atención visual selectiva mediante la evaluación de la velocidad y precisión con la que
un niño puede escanear una serie de objetivos y localizarlos. En la prueba, se le pidió al
niño que revisara un conjunto de imágenes (un total de 100 imágenes) y marcara las
imágenes objetivo (un total de 20 imágenes) de la manera más rápida y precisa posible.
La prueba consistía en imágenes de tres objetos diferentes (gato, flor, árbol), y la tarea
del niño era identificar y marcar
703
con un lápiz cada imagen en la que apareció una imagen particular (gato). Se calculó
_ una puntuación de atención visual restando el número total de respuestas incorrectas
del número de respuestas correctas (máximo: 20) y dividiendo esto por el tiempo que le
tomó al niño terminar la tarea. El límite de tiempo fue de 3 min, después de lo cual la
prueba finalizó automáticamente. Se ha demostrado que el alfa de Cronbach para esta
prueba varía entre .73 y .81 (Korkman et al., 1997).
Conocimiento metacognitivo. La prueba de conocimiento metacognitivo (MKT) de la
batería de pruebas Diagnostic Tests for Metacognitions and Mathematics (Salonen et
al., 1994; ver también Annevirta & Vauras, 2001) constaba de cuatro tareas análogas.
En cada una de las cuatro tareas, al niño se le mostraban dos o tres cartas. Cada tarjeta
mostraba a un niño o niña diferente usando un enfoque diferente para aprender una
tarea. A continuación, se le pidió al niño que señalara la tarjeta en la que se representaba
al niño o la niña utilizando el método de aprendizaje más eficaz (p. ej., “Mira, a tres niñas
se les han dado cinco dibujos a cada una. Los dibujos cuentan una historia sobre un
oso polar. Ahora, cada niña está haciendo cosas diferentes [tres dibujos diferentes].
¿Cuál de las niñas crees que aprende mejor la historia? 1. ¿Es la niña que pone los
dibujos sobre una mesa y hace un hermoso círculo con ellos, y luego admira las fotos?
2. ¿Es la niña que pone las fotos en una mesa en una línea y luego las mira
cuidadosamente una por una? 3. ¿O es la chica que pone las fotos sobre una mesa y
luego las arregla? en una historia, y finalmente mira las imágenes por un rato?”).
Finalmente, después de hacer una elección, se le pidió al niño que explicara las razones
por las que eligió esa imagen en particular. Las explicaciones dadas por el niño fueron
escritas por el experimentador.
La puntuación del MKT constaba de dos procedimientos. Primero, se calcularon dos
puntajes separados para cada una de las cuatro tareas. La primera puntuación (MKT1)
se calculó sobre la base de la elección de imágenes del niño. Las imágenes alternativas
proporcionaron puntajes de 1 a 3 dependiendo de la efectividad de la estrategia de
aprendizaje descrita en ellos (1 la forma menos efectiva de aprender, 2 una forma
moderada de aprender, 3 la forma más efectiva de aprender).
La segunda puntuación (MKT2) se basó en el análisis de la explicación dada por el
niño. Para calcular esta puntuación, analizamos el contenido de la explicación dada por
el niño en cuatro categorías: (a) explicación trivial o ingenua, (b) referencia implícita y
leve a sus propios procesos mentales, (c) referencia bastante adecuada a sus propios
procesos mentales, y (d) explicaciones más explícitas que se refieren a procesos
mentales relevantes. La confiabilidad del análisis de contenido, medida por la tasa de
acuerdo entre tres evaluadores independientes (kappas), osciló entre .60 y .92.
En segundo lugar, la puntuación final del MKT se calculó de la siguiente manera.
Cada combinación de las puntuaciones MKT1 y MKT2 (cuatro combinaciones) recibió
una puntuación ponderada, siguiendo las recomendaciones de los desarrolladores de la
prueba (Salonen et al., 1994). La puntuación ponderada se determinó tanto por la
elección de la imagen como por la calidad de la explicación, es decir, qué tan bien el
niño pudo conectar la elección de la imagen con los procesos mentales. Las puntuaciones
se ponderaron para dar más peso a las explicaciones que a la elección de la imagen
correcta. Por ejemplo, los niños que eligieron mal la imagen pero dieron una buena
explicación obtuvieron una puntuación más alta que los que eligieron bien pero no
pudieron dar una explicación adecuada. Esto era consistente con la idea teórica de que
el conocimiento metacognitivo en particular refleja la comprensión de los procesos
cognitivos (Flavell, 1976). Finalmente, estos puntajes se sumaron en las cuatro tareas
para formar el puntaje total final para el conocimiento metacognitivo.
Se ha demostrado que la confiabilidad del alfa de Cronbach para todo el instrumento
es de .80 entre los preescolares finlandeses (Annevirta & Vauras, 2001). La confiabilidad
test-retest para la prueba fue de .72 en la presente muestra. Swanson (1990) utilizó
previamente una prueba similar para las metacogniciones.
Comprensión auditiva. Las habilidades de comprensión auditiva de los niños se
midieron con una prueba de comprensión auditiva (Korpilahti, 1998). En esta prueba, al
niño se le mostraban tres imágenes y, al mismo tiempo, se leía una oración (p. ej., “Una
niña lee una receta para saber cómo hacer un pastel”). Luego, se le pidió al niño que
eligiera la imagen que mejor coincidía con el significado de la oración. Había un total de
10 artículos. Un punto fue
Machine Translated by Google

704 AUNOLA, LESKINEN, LERKCANEN Y NURMI

1.53
dado por cada respuesta correcta. Por lo tanto, la puntuación máxima de la prueba fue de 10.
6.69
55,97
48,19
40,66
28,75
22,71
12,01
12,27
0,30
6,82

Se ha demostrado que el desempeño de los niños en la Prueba de Comprensión Auditiva se

correlaciona .59 con su desempeño en la prueba de Razonamiento Auditivo de la versión
finlandesa de la Prueba de Habilidades Psicolingüísticas de Illinois (Kuusinen & Blåfield, millones
11 0,37
0,02
0,15
0,00
0,01
0,09
0,48
0,32
0,25 0.16 0.25

1974).

Resultados
10 .19**
0,05
4,08
4,79
3,64
3,76
3,72
3,00
1,86
1,70 3.08

Los análisis estadísticos se realizaron en seis pasos. Primero, se probó un

modelo simplex para las variables de desempeño matemático observadas para
examinar la estabilidad del desempeño matemático y los cambios en su varianza
a lo largo del tiempo (Jo¨ reskog, 1970). En segundo lugar, se utilizó un modelo
9 .33*** .23**
10,31
0,07
4,09
7,73
7,47
9,11
9,85
8,90
6,44

de curva de crecimiento latente para investigar la tasa de crecimiento del

rendimiento matemático y la asociación entre el nivel de rendimiento matemático
y su tendencia de desarrollo a lo largo del tiempo (Duncan, Duncan, Strycker, Li
y Alpert, 1999; BO Muthe´ ny Khoo, 1998).
8 .24*** .33***
0.01
0.07
0.22
0.20
.21**
0.18
0.23
0.17
0.11

En tercer lugar, las diferencias individuales en el nivel y la tasa de crecimiento

del rendimiento matemático fueron predichas por diferentes antecedentes
cognitivos y sexo. Cuarto, modelo de mezcla de crecimiento (GMM; BO
Muthe´n, 2001a, 2001b; B. Muthe´n & Muthe´n, 2000) se aplicó para examinar
7 .18* .27*** .08

hasta qué punto existía heterogeneidad en las trayectorias de desarrollo, es 21.59

22.34
12.86
19.34
18.72
16.91
11.59
.36***

decir, si había grupos homogéneos de niños que ocurrían naturalmente y que

diferían según el nivel y la tasa de crecimiento de los niños. rendimiento
matemático. GMM estima las curvas de crecimiento promedio para cada clase
6 94.70
76.05
58.77
49.61
43.91
25.35
.29***
.62***
.22** .24*** .00

de trayectoria y captura la variación individual alrededor de estas curvas de

crecimiento al estimar las variaciones del factor de crecimiento para cada clase
(B. Muthe´n & Muthe´n, 2000). En quinto lugar, se predijo la pertenencia a una
clase utilizando antecedentes cognitivos y el sexo como covariables. Finalmente, 5 49.78
40.77
89.72
61.98
24.93
.25***
.66***
.83***
.20** .29*** .00
para examinar si las variables antecedentes pueden ser diferentes en las
diferentes clases de trayectoria, usamos antecedentes cognitivos y sexo para
predecir el nivel y el crecimiento en el rendimiento matemático dentro de las
clases. 4 59.23
42.61
34.29
21.65
.30***
.70***
.79***
.85***
.22** .27*** .02
Todos los análisis se realizaron dentro de un marco de modelado de
ecuaciones estructurales usando el paquete estadístico Mplus (Versión 2.13; LK
Muthe´n & Muthe´n, 1998 –2003). La bondad del ajuste se evaluó utilizando
2
cuatro indicadores: /df, el índice de ajuste comparativo
el índice de Tucker-Lewis
(CFI) de Bentler
(TLI)
(1990),
y la 3 50.02
37.42
22.96
.40***
.31***
.74***
.72***
.74***
.78*** .30*** .14*
raíz cuadrada media residual estandarizada (SRMR). Las matrices de correlación
y covarianza de la muestra y las medias de las variables observadas se muestran
en la Tabla 1.

2 46.92
24.95
.45***
.24***
.68***
.66***
.63***
.65***
.77*** .31*** .09

Modelo símplex
En primer lugar, para examinar la estabilidad del rendimiento matemático y
su variación a lo largo de las medidas, creamos un modelo simplex para el
1 20.31
.45***
.24***
.72***
.58***
.62***
.72***
.81*** .38*** .12

constructo de rendimiento matemático en el Tiempo 1 al Momento 6. En este

modelo, los constructos de rendimiento matemático latentes consistían cada uno
en un indicador, es decir , la variable de rendimiento en matemáticas observada.
Para terminar con un modelo identificable, estimamos las varianzas del error de
medición de las variables de rendimiento matemático observadas en el Momento
1 y el Momento 2 como iguales y, de manera similar, las varianzas del error de
medición del rendimiento matemático observado en el Momento 5 y el Momento
6 como iguales. Debido a que se encontró que el término residual del constructo
de desempeño matemático latente en el Momento 2 era negativo, este parámetro
2
(7, nº
se fijó aún más en 0. El ajuste del modelo fue bueno, 9.87, p .20, CFI194)
1.00, TLI
0.99, SRMR 0.01. Los resultados se muestran en la Figura 1.
observada
variable

Los resultados muestran, en primer lugar, una alta estabilidad en el

metacognitivo:
Conocimiento
Rendimiento
matemático:
Rendimiento
matemático:
Capacidad
Rendimiento
matemático:
Rendimiento
matemático:
Medición
Atención
Rendimiento
matemático:
Rendimiento
matemático:
11.23
12.4.
4
3. 6
5.
5 Medida
visual:
contar:
Medida
Medida
Medida
Medida
Medida
Medida
Medida 19.
de
18.
7.
6. ** . .
chico.
chica,
p.001
.05.
pág
01.
***
1p
2
rendimiento matemático en las seis medidas. En segundo lugar, los resultados manifiestas
covarianza
variables
diagonal)
Muestras
matrices
debajo
(por
de
de de
la
yde
de
la tabla
correlación
medias
diagonal)
encima
194)
entre
ysus
(por
(n 1 Comprensión
auditiva:
Medida
Sexa
11.
110. a
*
revelan que la varianza de los constructos de rendimiento matemático latente (ver Figura 1)
Machine Translated by Google

DINÁMICAS DE DESARROLLO DEL RENDIMIENTO EN MATEMÁTICAS 705

Figura 1. Modelo simplex de rendimiento matemático. Var(1) a Var(6) varianzas de las construcciones de rendimiento
matemático latente en diferentes puntos de medición;en
el el
nivel dedel
nivel rendimiento medio
rendimiento estimadolatente
matemático en el Momento 1a
1; los cambios
(errores estándar 5 entre
paréntesis).

aumentó a lo largo de las mediciones. En general, estos resultados sugieren
que el desarrollo del rendimiento matemático mostró un patrón acumulativo
a lo largo del tiempo.
Los resultados relativos a la estructura media del rendimiento en
matemáticas (ver Figura 1) muestran que los cambios en el nivel de
rendimiento en matemáticas a lo largo del tiempo fueron todos positivos y
estadísticamente significativos, con una excepción: el rendimiento en
matemáticas de los niños mejoró, en promedio, a lo largo del período de
estudio excepto por el período del Tiempo 4 (final del Grado 1) al Tiempo 5 (comienzo del Grado
Modelo de curva de crecimiento latente
Para investigar la dinámica de crecimiento del rendimiento en matemáticas
y la fuerza de cualquier asociación entre el nivel de rendimiento en matemáticas
y su tendencia de desarrollo, creamos un modelo de curva de crecimiento
latente para las mediciones de rendimiento en matemáticas en el Momento 1
al Momento 6.
Los índices de modificación sugirieron que liberar las cargas del factor de
pendiente mejoraría el ajuste del modelo. En consecuencia, se construyó otro
modelo. En este modelo, la primera carga en el factor de pendiente se fijó en
0 y la última en 1, y se permitió estimar las cargas entre estos dos puntos de
tiempo. Al hacerlo, la pendiente se definió como el cambio del Tiempo 1 al
Tiempo 6, es decir, la media de la pendiente fue la diferencia media entre el
Tiempo 1 y el Tiempo 6 (LK Muthe´n & Muthe´n, 2001). Además, sobre la
base de los índices de modificación, se permitió que se correlacionaran los
términos 2).
residuales estimados entre las mediciones en el Tiempo 2 y el
Tiempo 3, entre el Tiempo 3 y el Tiempo 4, y entre el Tiempo 4 y el Tiempo 5.
El ajuste de este modelo fue bueno, 21.98, p .02, CFI 0.99 TLI 0.98, SRMR
2
0.06. Los resultados de este modelo final se muestran en(10, nº 194)2.
la Figura
La media del nivel de rendimiento en matemáticas al principio
(Medida 1) fue positiva y estadísticamente significativa (M 12.29, SE 0.32,

Primero, se estimó un modelo con dos componentes de factor de p .001), al igual que la media de la Pendiente (tasa de crecimiento promedio:

crecimiento, es decir, (a) el factor de crecimiento de intersección (Nivel) y (b) M 43.75, SE 0.59, p .001). Los resultados revelan que la varianza del Nivel

la tasa de crecimiento lineal (Pendiente). El modelo se construyó fijando las (20.22, p .001) y la varianza de la Pendiente (54.48, p .001) fueron ambas
cargas de las variables de rendimiento matemático observadas en el Tiempo estadísticamente significativas, lo que indica que hubo diferencias individuales
1 al Tiempo 6 en 1 en el factor de intercepción (Nivel) y en 0, 1, 2, 3, 4 y 5 en significativas en estos dos componentes de crecimiento. Los resultados (ver
el factor de Pendiente. Primero se permitió estimar libremente las varianzas Figura 2) muestran además que la covarianza entre el nivel latente y la
residuales de las variables de desempeño en matemáticas observadas. Sin pendiente fue positiva y estadísticamente significativa (cov 5.48, SE 2.58,
embargo, debido a que se encontró que la varianza residual del rendimiento .17). Este resultado sugiere que el desarrollo del desempeño matemático p a
matemático observado en el Momento 1 era negativa, se fijó aún más en 0. cuanto.05,
másr alto esloellargo
nivelde
inicial
las seis
de desempeño
medidas muestra
matemático,
un patrón
másacumulativo:
rápida es
su tasa de crecimiento desde preescolar hasta el grado 2. Por el contrario, el
El ajuste del modelo fue CFI 2
(17, N 194) 166.06, p .001, 0.88, SRMR
0.86, TLI 0.10. Inspección de la
Machine Translated by Google
706 AUNOLA, LESKINEN, LERKCANEN Y NURMI
Figura 2. Modelo de curva de crecimiento latente para el rendimiento en matemáticas. *Fijado.
cuanto menor era el nivel inicial de desempeño en matemáticas, menor era
la mejora. En general, tanto el modelo simplex como el de curva de crecimiento
latente sugieren que el desarrollo del desempeño en matemáticas mostró un
patrón acumulativo.
Predecir el nivel y el crecimiento en el rendimiento matemático
El siguiente objetivo del estudio era investigar hasta qué punto diversas
variables cognitivas, es decir, la capacidad de contar, la atención visual, la
comprensión auditiva, el conocimiento metacognitivo y el sexo, podrían
predecir los componentes de Nivel y Pendiente del rendimiento matemático.
Por lo tanto, las variables predictoras se agregaron al modelo anterior como
covariables. El ajuste del modelo fue bueno, (30, N 194) 59.71, p .001, CFI
2
0.98, TLI 0.97, SRMR 0.05. Luego de omitir caminos no significativos, el
ajuste del modelo fue (34, N 194) 62.06, p .002, CFI 0.98, TLI 0.97, SRMR
2
0.05. Los resultados se muestran en la Figura 3.
Los resultados muestran (ver Figura 3), primero, que el nivel de desempeño
en matemáticas fue predicho por tres de las covariables de predicción: cuanto
más altos eran los niveles de capacidad de conteo, conocimiento metacognitivo
y comprensión auditiva que mostraban los niños al comienzo del preescolar
año, mayor era su nivel de rendimiento en matemáticas. En segundo lugar,
dos de los antecedentes cognitivos predijeron la Pendiente (es decir, la tasa
de crecimiento) de las matemáticas: cuanto mayor era el nivel de capacidad
de conteo y atención visual que tenían los niños al principio, más rápida era la
tasa de crecimiento que mostraban en matemáticas. En tercer lugar, el sexo
del niño también contribuyó a la tasa de crecimiento en el rendimiento
matemático: los niños mostraron una tasa de crecimiento más rápida que las niñas.
Un examen más detenido de las diferencias de sexo mostró que no había
diferencias medias entre niños y niñas en las variables de rendimiento
matemático observadas en ninguno de los puntos de medición. En cada uno
de los puntos de medición, hubo, sin embargo, más variación entre los niños
que entre las niñas en estas variables.
Modelado de mezcla de crecimiento
A continuación, investigamos si se podían identificar diferentes grupos de
niños sobre la base de las trayectorias de desarrollo que
mostró a través de las seis medidas de su rendimiento en matemáticas.
Para identificar diferentes trayectorias de desarrollo, realizamos modelos
mixtos con diferentes números de clases latentes. En estos análisis, las clases
de trayectoria latente se forman sobre la base de las medias del factor de
crecimiento (es decir, las medias de Nivel y Pendiente) de modo que cada
clase define una trayectoria diferente en el tiempo (BO Muthe´n, 2001b).
Además, se permite que las varianzas de los factores de crecimiento y la
covarianza entre ellos varíen entre clases.
Según lo recomendado por B. Muthe´n y Muthe´n (2000) y BO
Muthe´n (2001a, 2001b, 2003), se utilizaron tres criterios diferentes para
decidir sobre el número de clases latentes: (a) el ajuste del modelo evaluado
por el criterio de información bayesiano (BIC; Schwartz, 1978) estadísticas (el
cuanto menor es el valor de BIC, mejor es el modelo) y la prueba de ajuste de
Vuong-Lo-Mendell-Rubin (VLMR) (compara soluciones con diferentes números
de clases; un valor de p bajo [.05] indica que el modelo de clase k 1 debe
rechazarse a favor de un modelo con al menos k clases), (b) la calidad de la
clasificación que se puede determinar examinando las probabilidades
posteriores y los valores de entropía (los valores de entropía van de cero a
uno, con valores cercanos a uno que indican una clasificación clara), y (c) la
utilidad e interpretación de las clases latentes en la práctica (por ejemplo, el
número de individuos en cada clase, el número de parámetros estimados).
Los resultados muestran que los índices BIC respaldaron fuertemente una
solución de dos clases. El ajuste de esta solución (BIC 6928,88) fue mejor que
el de las soluciones de tres clases (BIC 6954,27) o de cuatro clases (BIC
6993,42). La prueba VLMR sugirió que una solución de dos clases era mejor
que una solución de una clase (3430,52, p 0,01). Según el VLMR, una solución
de tres clases también se ajustaría bien a los datos (3.415,94, p 0,01). Sin
embargo, debido a que el tercer grupo contenía solo 13 niños y debido a que
el valor BIC respaldaba una solución de dos clases, se seleccionó la solución
de dos clases para un análisis más detallado. Los resultados de este modelo
final, es decir, los valores estimados para los componentes de crecimiento
latente, sus varianzas y las probabilidades de clase estimadas para cada clase
latente, se muestran en la Tabla 2.
Machine Translated by Google

DINÁMICAS DE DESARROLLO DEL RENDIMIENTO EN MATEMÁTICAS 707

Figura 3. Predictores de nivel latente y pendiente de rendimiento en matemáticas (estimaciones estandarizadas). *p .05. **p .01. ***p .001.

La primera clase consistió en 73 niños que se caracterizaron por un alto nivel de matemáticas al principio y que mostraron un ritmo rápido de crecimiento y aquellos que
desempeño en matemáticas y una tasa de crecimiento alta y positiva. Este grupo fue comenzaron en un nivel más bajo y que mostraron un ritmo más lento

etiquetado como de alto rendimiento. La segunda clase constaba de 121 niños caracterizados
por un bajo nivel de desempeño en matemáticas y un nivel de tasa de crecimiento positivo
pero más bajo (que el Grupo 1). Este grupo fue etiquetado como de bajo rendimiento. Las
variaciones del nivel y la tasa de crecimiento fueron estadísticamente significativas en ambos
grupos (ver Tabla 2). En general, los resultados concuerdan bien con los de los modelos
simplex y de curva de crecimiento latente, lo que sugiere un patrón acumulativo de rendimiento
matemático. Es decir, había dos grupos de niños en la muestra: los que se desempeñaban
bien en
de crecimiento
Predicción de la pertenencia a una clase
A continuación, se agregaron predictores cognitivos, es decir, habilidad para contar,
atención visual, conocimiento metacognitivo, comprensión auditiva y sexo, para predecir la
pertenencia de los niños a un grupo (solución de dos clases). Los resultados muestran que
dos de los antecedentes cognitivos, más el sexo, predijeron la pertenencia a una clase de
los niños: Cuanto mayor sea la

Tabla 2

Medias y varianzas estimadas para el nivel y la pendiente del rendimiento matemático en los diferentes
Clases (Solución de Dos Clases) y Probabilidades de Clase Estimadas y Tamaños de Clase (Estándar
errores entre paréntesis)

Rendimiento matemático

Nivel Pendiente

Clase METRO
Diferencia METRO
Diferencia Probabilidad

Clase 1: Alto rendimiento 16,00 (0,30) 2,10 (0,67) 48,81 (0,94) 31,72 (7,59) .38 (n 73) .62 (n
Clase 2: Bajo rendimiento 10,40 (0,41) 18,88 (2,00) 41,14 (0,73) 43,60 (7,60) 121)
Datos completos 12,29 (0,32) 20,22 (2,05) 43,75 (0,59) 54,48 (6,38)
Machine Translated by Google
708 AUNOLA, LESKINEN, LERKCANEN Y NURMI
nivel de capacidad de conteo (estimación 1.56, SE 0.47, p .01) y atención visual
(estimación 16.28, SE 7.12, p .05) que los niños mostraron
probabilidades al de
tenían principio,
estar enmás
el grupo
de alto rendimiento. Además, ser niño aumentaba la probabilidad de pertenecer al
grupo de alto rendimiento (estimación 2.66, SE 1.10, p .05).
Predicción del crecimiento dentro de las clases
Finalmente, nos interesaba examinar hasta qué punto el desarrollo de la
competencia matemática podría tener diferentes antecedentes según la clase de
trayectoria (es decir, la pertenencia a un grupo). En consecuencia, probamos un
modelo en el que se permitió que las variables antecedentes de nivel y pendiente
variaran entre los dos grupos. Los resultados se muestran en la Tabla 3.
Los resultados muestran, en primer lugar, que entre los alumnos de alto
rendimiento, el nivel de rendimiento matemático fue predicho por la atención visual
y el conocimiento metacognitivo, mientras que la pendiente fue predicha por la
capacidad de contar y el sexo. En segundo lugar, entre los alumnos de bajo
rendimiento, el nivel de rendimiento matemático se predijo mediante la capacidad
de contar, y la pendiente se predijo mediante la capacidad de contar y la atención visual.
Debido a que la prueba VLMR sugirió que una solución de tres clases también
se ajustaría a los datos, esto también se describe brevemente. Los resultados
relativos a los dos primeros grupos son muy similares a los encontrados en la
solución de dos clases. El tercer grupo (n = 13) se diferenció de
mostrar
estos un
dosnivel
grupos
inicial
al
más bajo de desempeño en matemáticas (M 3.64) y una tasa de crecimiento más
lenta (M 37.91), lo que sugiere que este tercer grupo era el grupo más desfavorecido
en términos de matemáticas. rendimiento, es decir, potencialmente un grupo con
problemas de aprendizaje. El hecho de que los niveles de las variables predictoras
fueran sistemáticamente más bajos en este grupo (la media de habilidades de
conteo fue de 0,43, de comprensión auditiva de 5,12, de atención visual de 0,21 y
de conocimiento metacognitivo de 8,93) que en los otros dos grupos apoya aún más
esta noción
Discusión
Aunque se ha llevado a cabo una cantidad considerable de investigación sobre
el rendimiento matemático de los niños, la mayor parte se ha
Tabla 3
Coeficientes de regresión estandarizados estimados de los
Covariables para nivel y pendiente dentro de las clases
Alto rendimiento Bajo rendimiento
(n 57) (n 136)
covariable Nivel Pendiente Nivel Pendiente
Habilidad para contar — .58** .86*** .38** Atención visual .29** — — .20*
Conocimiento metacognitivo .69*** — .46*
— ——Comprensión
— R2 .60 auditiva ———— Sexo
.50 .78 .19
Nota. Debido a que, en el modelo de mezcla de crecimiento, la información sobre
las covariables contribuye a la formación de clases, los tamaños de clase estimados
cambiaron ligeramente en el modelo en el que se incluyeron las covariables (Tabla
3) en comparación con un modelo sin covariables (Tabla 2). Los guiones indican
que no se obtuvieron predicciones de la covariable particular.
* pág . 05. ** p .01. *** p .001.
centrado en dificultades de aprendizaje relacionadas con las matemáticas, muestras
clínicas o ciertos subcomponentes del rendimiento matemático (Geary, 1993). El
presente estudio hizo un esfuerzo por complementar la comprensión del desarrollo
del desempeño matemático de los niños al examinar la dinámica del desarrollo del
desempeño matemático general entre una muestra no seleccionada de niños durante
su transición de preescolar a grado 2. De manera similar, los antecedentes cognitivos
de este desarrollo y se examinó la heterogeneidad observable en las trayectorias de
desarrollo matemático. Los resultados muestran que las diferencias individuales en
el rendimiento matemático se hicieron más grandes a medida que los niños pasaban
del preescolar a la escuela primaria. Además, el crecimiento de la competencia
matemática fue más rápido entre aquellos niños que ingresaron al preescolar ya
equipados con un nivel más alto de habilidades matemáticas y fue más lento entre
aquellos cuyo nivel inicial de habilidades era más bajo. Tanto el nivel inicial de
desempeño en matemáticas como su crecimiento fueron predichos por la capacidad
de conteo de los niños.
Desarrollo del rendimiento matemático
El primer objetivo del presente estudio fue investigar el desarrollo del desempeño
en matemáticas entre una población normal no seleccionada de niños durante su
transición de preescolar a segundo grado.
Los resultados muestran, en primer lugar, que el desarrollo del rendimiento
matemático durante el preescolar y los dos primeros años de la escuela primaria
siguió un patrón acumulativo: las diferencias individuales en el rendimiento
matemático se mantuvieron estables desde el comienzo del año preescolar hasta el
final del segundo grado; también crecieron con el tiempo, e inicialmente los niños de
alto rendimiento mostraron un mayor aumento en el rendimiento en comparación
con aquellos que comenzaron desde un nivel más bajo. Estos resultados están en
consonancia con estudios previos llevados a cabo entre escolares mayores y
adolescentes, que han demostrado que las diferencias individuales en el rendimiento
matemático aumentan con el tiempo (BO Muthe´n & Khoo, 1998; Williamson et al.,
1991). El presente estudio se suma a la literatura anterior al mostrar que la
acumulación de desempeño en matemáticas comienza en el preescolar antes de
que haya comenzado la instrucción formal en matemáticas.
Los análisis GMM proporcionan más evidencia de estos hallazgos.
Parecía haber dos grupos de niños: los que comenzaban con un alto nivel de
habilidades matemáticas y mostraban una trayectoria de desarrollo acelerado y los
que comenzaban con un bajo nivel de desempeño y mostraban un desarrollo
relativamente menos rápido. Estos resultados se suman a investigaciones anteriores
en las que se comparó a niños con problemas de aprendizaje con niños con
rendimiento normal (Jordan et al., 2002, 2003) al mostrar que también se produce
una ampliación de las diferencias individuales en el rendimiento matemático entre
una población no seleccionada de niños.
Antecedentes Cognitivos
El segundo objetivo del presente estudio fue examinar hasta qué punto diferentes
antecedentes cognitivos podrían predecir el nivel y el crecimiento del rendimiento
matemático de los niños. Los resultados muestran, en primer lugar, que el nivel de
habilidad para contar al comienzo del preescolar predijo tanto el nivel de rendimiento
matemático de los niños como su tasa de crecimiento: cuanto más alto era el nivel
de habilidad para contar que mostraban los niños al comienzo del año preescolar,
mayor era su nivel. de desempeño matemático y más rápido el índice de crecimiento
que mostraron en su desarrollo de habilidades posterior. Los resultados anteriores
de estudios transversales y experimentales han demostrado que contar abil
Machine Translated by Google
DINÁMICAS DE DESARROLLO DEL RENDIMIENTO EN MATEMÁTICAS
lidad está asociada con el desempeño en matemáticas y que los niños con
problemas de aprendizaje en matemáticas muestran deficiencias en sus
habilidades de conteo (Geary, 1993; Geary et al., 1992; Ohlsson & Rees, 1991).
Los resultados del presente estudio contribuyen a la comprensión del desarrollo
del rendimiento matemático al mostrar que la habilidad para contar no solo está
asociada con el nivel simultáneo de rendimiento matemático, sino que también
predice el crecimiento subsiguiente del mismo.
Existen al menos tres posibles explicaciones para estos resultados.
En primer lugar, pueden deberse al hecho de que la habilidad matemática se
desarrolla de manera jerárquica: para ser capaz de manejar tareas matemáticas
más complejas, las habilidades y procedimientos de nivel inferior, como contar,
han tenido que aprenderse y automatizarse (Entwisle & Alexander , 1990;
Resnick, 1989). Por ejemplo, se ha sugerido que la comprensión conceptual
básica de los niños sobre cómo contar objetos y su conocimiento del orden de
los números juegan un papel importante en el rendimiento matemático porque
promueven el uso automático de información relacionada con las matemáticas,
lo que permite que los recursos atencionales sean utilizados. dedicado a la
resolución de problemas matemáticos más complejos (Gersten & Chard, 1999;
Resnick, 1989). La segunda explicación de los resultados del presente estudio
proviene del modelo de elección de estrategia de Siegler (1986; Lemaire &
Siegler, 1995).
De acuerdo con este modelo, los niños pequeños primero usan procedimientos
basados en el conteo para resolver problemas aritméticos. Las buenas
habilidades de conteo conducen a respuestas cada vez más precisas y, por lo
tanto, fomentan no solo un movimiento hacia la recuperación automatizada de
hechos, sino también la precisión en la resolución de problemas. Por el contrario,
debido a que los errores de conteo repetidos fortalecen las asociaciones entre
las soluciones incorrectas y el problema específico, las habilidades de conteo
deficientes pueden generar dificultades para inhibir la recuperación de
asociaciones irrelevantes. La tercera explicación es que debido a que contar
involucra palabras numéricas y el uso del sistema fonético básico, la baja
habilidad para contar puede reflejar un espectro más amplio de problemas de
aprendizaje, que se ha demostrado que conducen a un progreso lento en el
rendimiento matemático (Jordan et al., 2002, 2003).
En segundo lugar, los resultados del presente estudio muestran que el nivel
de conocimiento metacognitivo de los niños estaba relacionado con su nivel de
desempeño matemático: cuanto más alto era el nivel de conocimiento
metacognitivo al comienzo del año preescolar, mayor era el nivel inicial de
desempeño matemático. Una explicación de este resultado es que el conocimiento
metacognitivo refleja la capacidad de los alumnos para adaptarse adecuadamente
a las distintas tareas y demandas de resolución de problemas y, por lo tanto,
sienta las bases de su rendimiento matemático. Swanson (1990), por ejemplo,
mostró que los alumnos con altas habilidades metacognitivas superaron a
aquellos con habilidades metacognitivas más bajas en la resolución de problemas.
Sin embargo, los resultados muestran además que el conocimiento metacognitivo
no predijo el crecimiento del rendimiento matemático. Estos resultados sugieren
que aunque las estrategias de aprendizaje efectivas, como las metacogniciones,
pueden apoyar el uso de conocimientos y habilidades ya adquiridos de manera
flexible (Geary, 1990; Lucangeli et al., 1997), pueden ser menos importantes en
la adquisición de nuevas habilidades.
De manera similar, Geary (1990) sugirió que aunque la coordinación de los
procesos fundamentales en matemáticas puede requerir inicialmente procesos
metacognitivos, a medida que el sistema se automatiza, la autorregulación
consciente (es decir, las metacogniciones) ya no es necesaria.
Los resultados muestran además que la comprensión auditiva también
contribuyó al nivel de rendimiento matemático: cuanto mayor era el nivel de
comprensión auditiva al comienzo del año preescolar, mayor era el nivel inicial
de rendimiento matemático. Anteriormente, el
709
Se ha demostrado que la capacidad para manejar la información verbal está
asociada con el desempeño en los problemas narrativos (Jordan et al., 2002).
Los resultados del presente estudio se suman a la literatura previa sobre el tema
al mostrar que el rendimiento general en matemáticas también está asociado
con la comprensión auditiva. Sin embargo, en el presente estudio, la comprensión
auditiva no contribuyó al crecimiento del rendimiento matemático. Este resultado
sugiere que, al igual que las metacogniciones, la comprensión auditiva puede
ser efectiva para apoyar el uso de conocimientos y habilidades matemáticas ya
adquiridas, pero que no contribuye a la adquisición de nuevas habilidades
matemáticas.
Los resultados muestran además que los recursos atencionales,
operacionalizados aquí como atención visual, estaban relacionados con la tasa
de crecimiento en el rendimiento matemático: cuanto mayor sea el nivel de
atención visual al comienzo del preescolar, más rápida será la tasa de crecimiento
posterior en el rendimiento matemático. Los resultados anteriores han demostrado
que los problemas con el control ejecutivo y la asignación atencional están
relacionados con problemas de aprendizaje en matemáticas (Ackerman et al.,
2001; Geary et al., 1999; McLean & Hitch, 1999). El presente estudio contribuye
a estos hallazgos al mostrar que la atención visual también predice un aumento
en el rendimiento matemático. Hay dos posibles explicaciones para estos
resultados. Primero, Geary (1990) sugirió que esta asociación se debe al hecho
de que los recursos atencionales y las funciones ejecutivas tienen un impacto en
las formas en que los niños inician y dirigen su procesamiento cognitivo en
diferentes tareas matemáticas y en la recuperación de representaciones de
cosas por recordar. información. Por ejemplo, un alto nivel de capacidad de
atención, como una forma de control ejecutivo, puede facilitar la búsqueda de los
esquemas correctos para las tareas en cuestión y, por lo tanto, las estrategias
adecuadas para la resolución de problemas. Un bajo nivel de atención, por otro
lado, puede conducir a estrategias de resolución de problemas menos efectivas
debido a la activación mental de esquemas erróneos. Otra posibilidad es que la
asociación entre la atención visual y el desarrollo del rendimiento matemático se
deba a un tercer factor compartido, como la capacidad de la memoria de trabajo
(McLean & Hitch, 1999) o la capacidad cognitiva general (Conway, Cowan,
Bunting, Therriault, & Minkoff, 2002). Por ejemplo, se ha demostrado
consistentemente que las deficiencias de la memoria de trabajo están asociadas
con un bajo rendimiento en matemáticas y discapacidades relacionadas (Geary,
1990, 1993). El hallazgo actual, que la atención visual predijo la tasa de
crecimiento en matemáticas en lugar de su nivel inicial, puede deberse al hecho
de que desempeñarse bien en tareas matemáticas cada vez más complejas
requiere más atención y capacidad de memoria de trabajo en general que hacerlo
bien en tareas más simples.
Los resultados también muestran que los antecedentes cognitivos del
desempeño matemático variaron dependiendo de la etapa de desarrollo de
habilidades que mostraron los niños. Entre los niños con un rendimiento
inicialmente alto, el nivel de rendimiento matemático se predijo mediante la
atención visual y el conocimiento metacognitivo, mientras que la tendencia se
predijo mediante la habilidad para contar. Entre los niños con un rendimiento
inicialmente bajo, el nivel de rendimiento matemático se predijo mediante la
capacidad de contar, y la tendencia se predijo mediante la atención visual,
además de la capacidad de contar. Estos resultados sugieren que el papel de
los recursos atencionales como la atención visual puede ser particularmente
importante durante las primeras fases del desarrollo, cuando las habilidades
básicas deben aprenderse y automatizarse, pero menos en las fases posteriores,
cuando los procesos de resolución de problemas se han vuelto más complicados.
automatizado La habilidad para contar, a su vez, parece ser un poderoso
predictor del desarrollo matemático independientemente de la etapa de desarrollo
del niño; en otras palabras, tanto los niños de bajo como los de alto rendimiento
se benefician de una buena capacidad inicial de conteo. Porque estudios previos sobre los antece
Machine Translated by Google
710 AUNOLA, LESKINEN, LERKCANEN Y NURMI
Los correlatos del rendimiento en matemáticas han sido principalmente
transversales o se han basado en una comparación de niños con problemas de
aprendizaje y niños con rendimiento normal, no han permitido distinguir entre
los efectos de factores independientes en el nivel y los efectos de estos factores
en el tendencia. Los resultados del presente estudio sugieren que el nivel de
rendimiento en matemáticas y su tendencia son en parte predichos por diferentes
factores. Además, estos predictores son diferentes según la fase de desarrollo
del rendimiento matemático.
Sexo
Los resultados del presente estudio no muestran diferencias por sexo en el
nivel de rendimiento matemático de los niños. Este resultado concuerda bien
con la literatura anterior que muestra que durante los años de la escuela primaria
no hay diferencias de sexo en el rendimiento matemático (Friedman, 1989; Hyde
et al., 1990; Skaalvik y Rankin, 1994). Los resultados del presente estudio
muestran, sin embargo, que la tasa de crecimiento fue más rápida entre los
niños que entre las niñas (ver también Leahey & Guo, 2001; BO
Muthe´n & Khoo, 1998). Los resultados muestran además que la tasa de
crecimiento más rápida de los niños fue particularmente evidente entre los niños
de alto rendimiento (Benbow, 1988; Friedman, 1989; Geary, 1996; Mills et al.,
1993). En general, los resultados del presente estudio sugieren que las
diferencias de sexo en el desarrollo matemático comienzan a surgir durante los
dos primeros años de la escuela primaria, particularmente entre los niños de
alto rendimiento (ver también Geary, 1996). Una posible explicación para estas
diferencias de sexo es que en algún momento durante los primeros años de
escuela, los niños comienzan a mostrar un mayor nivel de motivación relacionada
con las matemáticas y un mayor concepto de habilidad en comparación con las
niñas (Eccles et al., 1983; Eccles, Adler, & Meece, 1984; Eccles, Wigfield,
Harold, & Blumenfeld, 1993), reflejando, por ejemplo, los efectos socializadores
de padres y maestros (Eccles, Janis, & Harold, 1990). Esto puede ser
particularmente cierto entre los niños de alto rendimiento porque las tareas
matemáticas exigentes requieren más motivación y esfuerzo relacionado que el
aprendizaje de habilidades básicas. Otra explicación es que debido a que hay
más variación en el rendimiento matemático entre los niños que entre las niñas,
se deduce que entre los alumnos de alto rendimiento, es más probable que los
niños superen a las niñas (Geary, 1996; Royer, Tronsky, Marchant y Jackson,
1999; Willingham y Cole, 1997). Sin embargo, no se encontraron diferencias de
sexo entre los niños de bajo rendimiento.
Implicaciones pedagógicas
Los resultados del presente estudio tienen al menos cuatro implicaciones
pedagógicas. Primero, el resultado que muestra que el rendimiento matemático
se desarrolla de manera acumulativa sugiere que podría ser necesario prestar
más atención al aprendizaje de matemáticas y habilidades relacionadas en la
edad preescolar o incluso antes para promover el rendimiento matemático futuro
de los niños. Por ejemplo, el enfoque principal en los primeros 2 años de la
escuela primaria en Finlandia ha sido desarrollar habilidades de alfabetización
en lugar de matemáticas. Por lo general, las matemáticas han recibido mucha
menos atención. Los resultados del presente estudio sugieren que los niños
pueden beneficiarse a largo plazo de una inversión adicional en la enseñanza
de las matemáticas desde el comienzo de la escuela preescolar y primaria.
En segundo lugar, el hecho de que los niños con habilidades inicialmente
bajas permanecieran cada vez más rezagados que los de habilidades altas
sugiere que los niños con diferentes niveles de habilidades también podrían
beneficiarse de un currículo y métodos de instrucción diferentes. Por ejemplo, Geary (1995)
sugirió que la automatización de los hechos matemáticos básicos necesita
ejercicios y práctica además de la instrucción basada en el constructivista, en
lugar de la instrucción basada en el constructivista únicamente. En otras
palabras, los procedimientos matemáticos deben practicarse hasta que el niño
pueda ejecutar automáticamente el procedimiento con diferentes tipos de
problemas. Esto puede tener particular importancia para los niños que tienen un
bajo rendimiento en matemáticas. Solo después de que se haya dado este tipo
de instrucción, los recursos de la memoria de atención y de trabajo pueden
dedicarse a características más complejas del problema matemático específico.
Por el contrario, aquellos que ya saben matemáticas básicas pueden beneficiarse
de un enfoque en la adquisición de nuevas competencias conceptuales y
conocimientos aritméticos en lugar de limitarse a la práctica de procedimientos
básicos.
En tercer lugar, los resultados del presente estudio muestran que el nivel
inicial de habilidad para contar, en particular, fue un fuerte predictor tanto del
nivel de rendimiento matemático como de su desarrollo posterior. Este resultado
sugiere que apoyar el desarrollo de habilidades de conteo, por ejemplo,
centrándose en la aritmética en preescolar, podría ayudar a los niños a
desempeñarse mejor en matemáticas en el futuro. Es posible, por ejemplo, que
practicar las habilidades de conteo y adquirir fluidez en ellas durante el año
preescolar pueda ser una estrategia eficaz para aumentar la precisión posterior
de los niños en la recuperación de hechos. Siegler (1986) sugirió anteriormente
que los niños con buenas habilidades de conteo pueden terminar con las
soluciones correctas de varios problemas matemáticos, lo que también disminuye
la posibilidad de que un problema en particular se asocie con respuestas
incorrectas.
En cuarto lugar, los hallazgos del presente estudio de que el conocimiento
metacognitivo y la comprensión auditiva se asociaron con el nivel de rendimiento
matemático y que las habilidades de atención visual predijeron su desarrollo,
particularmente entre los alumnos de bajo rendimiento, sugieren que es
necesario centrarse, además de las matemáticas en sí, en también en
habilidades más generales, como las metacogniciones y la atención, cuando se
busca mejorar el aprendizaje de las matemáticas. Por ejemplo, Swanson (1990)
ha sugerido que las habilidades metacognitivas altas pueden incluso compensar
la baja capacidad general porque conducen a un procesamiento de información
más eficiente y al seguimiento de las respuestas correctas e incorrectas. Esto
podría ser igualmente cierto para la comprensión auditiva y las habilidades de
atención visual. Apoyar habilidades de este tipo cuando se enseña matemáticas
puede aumentar el nivel de desempeño, y por lo tanto también promover el
progreso posterior en matemáticas.
Limitaciones
Hay al menos cuatro limitaciones que deben tenerse en cuenta en cualquier
intento de generalizar los hallazgos del presente estudio. En primer lugar, el
conjunto de antecedentes cognitivos del rendimiento matemático incluido en el
estudio era limitado y no incluía, por ejemplo, la duración de la memoria (Geary,
1993) ni el tiempo de procesamiento (Bull y Johnston, 1997; Pellegrino y
Goldman, 1987). En segundo lugar, el presente estudio se centró en el papel
de las variables cognitivas en el rendimiento matemático de los niños. Otros
factores no tenidos en cuenta en este estudio, como las variables motivacionales
(Aunola, Leskinen, & Nurmi, 2004; Vermeer, Boekaerts, & Seegers, 2000) y
factores familiares (Aunola & Nurmi, 2004; Aunola, Nurmi, Lerkkanen, & Rasku-
Puttonen, 2003; Entwisle y Alexander, 1990; Huntsinger, Jose, Larson, Balsink-
Krieg y Shaligram, 2000), también pueden desempeñar un papel central.
En tercer lugar, el enfoque del presente estudio se centró en el rendimiento
general en matemáticas. Sin embargo, debido a que la dinámica del desarrollo,
los antecedentes y las diferencias de sexo (Geary, 1996) pueden ser diferentes
Machine Translated by Google
DINÁMICAS DE DESARROLLO DEL RENDIMIENTO EN MATEMÁTICAS
dependiendo de los subcomponentes de las matemáticas (ver, por ejemplo,
Jordan et al., 2003; Leahey & Guo, 2001; Mills et al., 1993), se necesitan más
estudios para comprender las diferencias de desarrollo en los subcomponentes
del rendimiento matemático. Finalmente, el presente estudio se llevó a cabo
en una cultura particular, Finlandia. Debido a que la estructura de las palabras
numéricas (regular versus irregular), así como la instrucción matemática en la
escuela, varía según las culturas, es posible que se hayan obtenido diferentes
resultados en diferentes entornos culturales (Geary, 1995). Además, el hecho
de que los niños finlandeses ingresen a la escuela a una edad relativamente
tardía también puede haber influido en el patrón de hallazgos del presente
estudio.
Conclusión
En general, los resultados del presente estudio sugieren que las diferencias
individuales en el rendimiento matemático aumentan con el tiempo. Esta
acumulación parece estar ya en marcha durante el año preescolar, antes de
que comience la instrucción formal: los niños que ingresaron al preescolar con
un alto nivel de habilidades matemáticas mostraron un rápido desarrollo más
tarde, mientras que aquellos que comenzaron con un nivel de habilidad más
bajo mostraron un desarrollo relativamente más lento. . Aunque se encontró
que el conocimiento metacognitivo y la comprensión auditiva estaban
relacionados con el nivel de rendimiento matemático, la habilidad temprana
para contar resultó ser el predictor más poderoso del desarrollo de las habilidades matemáticas.
Referencias
Ackerman, PT, Anhalt, JM y Dykman, RA (2001). Fallo en la automatización aritmética en
niños con trastornos de atención y lectura: asociaciones y secuelas. Revista de
discapacidades de aprendizaje, 19, 222– 232.
Ay, X. (2002). Diferencias de género en el crecimiento del rendimiento en matemáticas:
análisis longitudinales y multinivel de tres niveles de las influencias individuales, del hogar
y de la escuela. Pensamiento y aprendizaje matemáticos, 4, 1–22.
Alarcón, M., Knopik, VS y DeFries, JC (2000). Covariación del rendimiento en matemáticas y
la capacidad cognitiva general en gemelos. Revista de Psicología Escolar, 38, 63–77.
Alexander, JM, Carr, M. y Schwanenflugel, PJ (1995). Desarrollo de la metacognición en
niños superdotados: Direcciones para futuras investigaciones.
Revisión del desarrollo, 15, 1–37.
Annevirta, T. y Vauras, M. (2001). Conocimiento metacognitivo en grados primarios: un
estudio longitudinal. European Journal of Psychology of Education, 16, 257–282.
Aunola, K., Leskinen, E. y Nurmi, J.-E. (2004). Dinámica de desarrollo entre el desempeño
matemático, la motivación de tareas y las metas de los maestros durante la transición a la
escuela primaria. Manuscrito presentado para su publicación.
Aunola, K., Leskinen, E., Onatsu-Arvilommi, T. y Nurmi, J.-E. (2002).
Tres métodos para estudiar el cambio en el desarrollo: un caso de habilidades de lectura
y autoconcepto. Revista británica de psicología educativa, 72, 343–363.
Aunola, K., & Nurmi, J.-E. (2004). El afecto materno modera el impacto del control psicológico
en el rendimiento matemático de los niños. Psicología del desarrollo, 40, 965–978.
Aunola, K., Nurmi, J.-E., Lerkkanen, M.-K. y Rasku-Puttonen, H. (2003).
El papel de los comportamientos relacionados con el rendimiento y las creencias de los
padres en el rendimiento matemático de los niños. Psicología Educativa, 23, 403– 421.
Badian, NA (1983). Discalculia y trastornos no verbales del aprendizaje. En HR Myklebust
(Ed.), Progreso en las discapacidades del aprendizaje (Vol. 5, págs.
235–264). Nueva York: Stratton.
Bast, J. y Reitsma, P. (1997). Efectos de Mateo en la lectura: una comparación
711
de modelos de curva de crecimiento latente y modelos simplex con medias estructuradas.
Investigación conductual multivariante, 32, 135–167.
Bast, J. y Reitsma, P. (1998). Analizando el desarrollo de las diferencias individuales en
términos de los efectos de Matthew en la lectura: resultados de un estudio longitudinal
holandés. Psicología del desarrollo, 34, 1373–1399.
Benbow, CP (1988). Diferencias sexuales en la capacidad de razonamiento matemático en
preadolescentes intelectualmente talentosos: su naturaleza, efectos y posibles causas.
Ciencias del comportamiento y del cerebro, 11, 169 –232.
Bentler, PM (1990). Índices de ajuste comparativo de modelos estructurales. Boletín
Psicológico, 99, 229 –246.
Bergman, LR, Magnusson, D. y El-Khouri, BM (2003). Estudiar el desarrollo individual en un
contexto interindividual: un enfoque orientado a la persona. Mahwah, Nueva Jersey:
Erlbaum.
Boekaerts, M. (1999). Experiencias metacognitivas y estado motivacional como aspectos de
la autoconciencia: revisión y discusión. Revista Europea de Psicología de la Educación,
14, 571–584.
Borkowski, JG (1992). Teoría metacognitiva: un marco para la enseñanza de la alfabetización,
la escritura y las habilidades matemáticas. Revista de discapacidades de aprendizaje, 25,
253–257.
Bull, R. y Johnston, RS (1997). Dificultades aritméticas de los niños: contribuciones de la
velocidad de procesamiento, identificación de elementos y memoria a corto plazo. Revista
de Psicología Infantil Experimental, 65, 1–24.
Butterfield, EC y Ferretti, RP (1987). Hacia una integración teórica de las hipótesis cognitivas
sobre las diferencias intelectuales entre los niños. En J. Borkowski & J. Day (Eds.),
Cognición en niños especiales: enfoques comparativos del retraso, las discapacidades de
aprendizaje y la superdotación (págs. 195–233). Westport, CT: publicación Ablex.
Conway, ARA, Cowan, N., Bunting, MF, Therriault, DJ y Minkoff, SRB (2002). Un análisis de
variables latentes de la capacidad de la memoria de trabajo, la capacidad de la memoria
a corto plazo, la velocidad de procesamiento y la inteligencia fluida general. Inteligencia,
30, 163–183.
Desoete, A., Roeyers, H. y Buysse, A. (2001). Metacognición y resolución de problemas
matemáticos en el tercer grado. Journal of Learning Disabilities, 34, 435– 449.
Dowker, A. (1998). Diferencias individuales en el desarrollo aritmético normal. En C. Donlan
(Ed.), El desarrollo de las habilidades matemáticas (págs.
275–302). Hove, Inglaterra: Psychology Press.
Duncan, TE, Duncan, SC, Strycker, LA, Li, F. y Alpert, A. (1999).
Una introducción al modelado de la curva de crecimiento variable latente: conceptos,
problemas y aplicaciones. Mahwah, Nueva Jersey: Erlbaum.
Eccles, J., Adler, T., Futterman, R., Goff, SB, Kaczala, CM, Meece, JI y Midgley, C. (1983).
Expectativas, valores y comportamientos académicos. En JT Spence (Ed.), Logro y
motivos de logro (págs.
75–145). San Francisco: Freeman.
Eccles, J., Adler, T. y Meece, JL (1984). Diferencias sexuales en el rendimiento: una prueba
de teorías alternativas. Revista de Personalidad y Psicología Social, 46, 26 – 43.
Eccles, J., Janis, E. y Harold, R. (1990). Estereotipos de roles de género, efectos de
expectativa y socialización de las diferencias de género por parte de los padres. Revista
de Asuntos Sociales, 46, 183–201.
Eccles, JS, Wigfield, A., Harold, RD y Blumenfeld, P. (1993). Diferencias de edad y género
en las percepciones de sí mismos y de tareas de los niños durante la escuela primaria.
Desarrollo Infantil, 64, 830 – 847.
Entwisle, DR y Alexander, KL (1990). Competencia matemática escolar inicial: comparaciones
de minorías y mayorías. Desarrollo Infantil, 61, 454 – 471.
Flavell, JH (1976). Aspectos metacognitivos de la resolución de problemas. en libras
Resnick (Ed.), La naturaleza de la inteligencia (págs. 231–236). Hillsdale, Nueva Jersey:
Erlbaum.
Friedman, L. (1989). Las matemáticas y la brecha de género: un metanálisis de estudios
recientes sobre las diferencias sexuales en las tareas matemáticas. Revisión de
Investigación Educativa, 59, 185–213.
Geary, DC (1990). Un análisis componencial de un déficit de aprendizaje temprano
Machine Translated by Google
712 AUNOLA, LESKINEN, LERKCANEN Y NURMI
en matemáticas. Revista de Psicología Infantil Experimental, 49, 363– 383.
Geary, DC (1993). Discapacidades matemáticas: componentes cognitivos,
neuropsicológicos y genéticos. Boletín Psicológico, 114, 345–362.
Geary, DC (1995). Reflexiones de la evolución y la cultura en la cognición de los niños:
Implicaciones para el desarrollo y la instrucción matemática.
Psicólogo estadounidense, 50, 24 –37.
Geary, DC (1996). Selección sexual y diferencias sexuales en matemáticas.
habilidades. Ciencias del comportamiento y del cerebro, 19, 229 –284.
Geary, DC, Bow-Thomas, CC y Yao, Y. (1992). Conocimiento y habilidad de conteo en
la suma cognitiva: una comparación de niños normales y con discapacidades
matemáticas. Revista de Psicología Infantil Experimental, 54, 372–391.
Geary, DC, Brown, SC y Samaranayake, VA (1991). Adición cognitiva: un breve estudio
longitudinal de la elección de estrategias y las diferencias de velocidad de
procesamiento en niños normales y con discapacidades matemáticas.
Psicología del desarrollo, 27, 787–797.
Geary, DC, Hamson, CO y Hoard, MK (2000). Cognición numérica y aritmética: un
estudio longitudinal de los déficits de proceso y concepto en niños con problemas de
aprendizaje. Revista de Psicología Infantil Experimental, 77, 236 –263.
Geary, DC y Hoard, MK (2001). Déficits numéricos y aritméticos en niños con problemas
de aprendizaje: Relación con la discalculia y la dislexia.
Afasiología, 15, 635–647.
Geary, DC, Hoard, MK y Hamson, CO (1999). Cognición numérica y aritmética: patrones
de funciones y déficits en niños en riesgo de una discapacidad matemática. Revista
de Psicología Infantil Experimental, 74, 213–239.
Gelman, R. y Gallistel, CR (1978). La comprensión del niño del número. Cambridge, MA:
Prensa de la Universidad de Harvard.
Gersten, R. y Chard, D. (1999). Sentido numérico: repensar la instrucción aritmética para
estudiantes con discapacidades matemáticas. Journal of Special Education, 33, 18 –
28.
Ginsburg, HP (1997). Problemas de aprendizaje de las matemáticas: una visión desde la
psicología del desarrollo. Revista de discapacidades de aprendizaje, 30, 20 –33.
Hecht, SA, Torgesen, JK, Wagner, RK y Rashotte, CA (2001).
Las relaciones entre las habilidades de procesamiento fonológico y las diferencias
individuales emergentes en las habilidades de cálculo matemático: un estudio
longitudinal de segundo a quinto grado. Revista de Psicología Infantil Experimental,
79, 192–227.
Huntsinger, CS, José, PE, Larson, SL, Balsink-Krieg, D. y Shaligram, C. (2000).
Desarrollo de las matemáticas, el vocabulario y la lectura en niños chino-americanos
y euro-americanos durante los años de la escuela primaria. Revista de Psicología
Educativa, 92, 745–760.
Hyde, JS, Fennema, E. y Lamon, SJ (1990). Diferencias de género en el rendimiento
matemático: un metanálisis. Boletín Psicológico, 107, 139 –155.
Ika¨heimo, H. (1996). Diagnóstico de los conceptos matemáticos centrales.
Helsinki, Finlandia: Oy Opper Ab.
Jordan, NC, Hanich, LB y Kaplan, D. (2003). Un estudio longitudinal de las competencias
matemáticas en niños con dificultades específicas en matemáticas versus niños con
dificultades comórbidas en matemáticas y lectura. Desarrollo Infantil, 74, 834 – 850.
Jordan, NC, Kaplan, D. y Hanich, LB (2002). Crecimiento del logro en niños con
dificultades de aprendizaje en matemáticas: Hallazgos de un estudio longitudinal de
dos años. Revista de Psicología Educativa, 94, 586 – 596.
Jo¨ reskog, KG (1970). Estimación y prueba de modelos simplex. Revista británica de
psicología matemática y estadística, 23, 121–145.
Kail, R. y Hall, LK (1999). Fuentes de cambio de desarrollo en el desempeño de
problemas verbales de los niños. Revista de Psicología Educativa, 91, 660 – 668.
Korkman, M., Kirk, U. y Kemp, SL (1997). NEPSY. Neu para niños
estudio ropsicológico [NEPSY: Una evaluación neuropsicológica del desarrollo].
Helsinki, Finlandia: Psykologien kosten.
Korkman, M., Kirk, U. y Kemp, SL (1998). NEPSY: Una evaluación neuropsicológica del
desarrollo. San Antonio, TX: Corporación Psicológica.
Korkman, M., Kirk, U. y Kemp, SL (2000). NEPSY. Evaluación neuropsicológica 3:0 –
12:11 años. Instrucciones de administración [NEPSY: Una evaluación neuropsicológica
del desarrollo 3:0 –12:11—Manual de administración]. Estocolmo: Psykologi For¨
förlaget.
Korpilahti, P. (1998). Prueba de oraciones. Prueba de nivel de oración de comprensión
auditiva [Prueba de comprensión auditiva]. Helsinki, Finlandia: Language and
Communication Care Oy.
Kulak, AG (1993). Paralelos entre las discapacidades de matemáticas y lectura:
cuestiones y enfoques comunes. Revista de problemas de aprendizaje, 26, 666 –
673.
Kuusinen, J. y Blåfield, L. (1974). Prueba de Illinois de Habilidades Psicolingüísticas,
versión finlandesa. Jyva¨skyla¨, Finlandia: Universidad de Jyva¨skyla¨, Instituto de
Investigación Educativa.
Leahey, E. y Guo, G. (2001). Diferencias de género en las trayectorias matemáticas.
Fuerzas Sociales, 80, 713–732.
Lemaire, P. y Siegler, RS (1995). Cuatro aspectos del cambio estratégico: Contribuciones
al aprendizaje de la multiplicación por parte de los niños. Journal of Experimental
Psychology: General, 124, 83–97.
Leppa¨nen, U., Niemi, P., Aunola, K., & Nurmi, J.-E. (2004). Desarrollo de la competencia
lectora en alumnos de preescolar y primaria. Lectura trimestral de investigación, 39,
72–93.
Lucangeli, D., Coi, G. y Bosco, P. (1997). Conciencia metacognitiva en buenos y malos
solucionadores de problemas matemáticos. Investigación y práctica sobre
discapacidades del aprendizaje, 12, 209 –212.
McLean, JF y Hitch, GJ (1999). Alteraciones de la memoria de trabajo en niños con
dificultades específicas de aprendizaje aritmético. Journal of Experimental Child
Psychology, 74, 240 –260.
Mills, CJ, Ablard, KE y Stumpf, H. (1993). Diferencias de género en el razonamiento
matemático de jóvenes estudiantes académicamente talentosos: patrones a través de
la edad y las subhabilidades. Revista de Psicología Educativa, 85, 340 – 346.
Muthe´n, BO (2001a). Modelado de mezclas de variables latentes. En GA Mar coulides
& RE Schumacker (Eds.), Modelado de ecuaciones estructurales avanzadas: Nuevos
desarrollos y técnicas (págs. 1–33). Mahwah, Nueva Jersey: Erlbaum.
Muthe´n, BO (2001b). Modelado de ecuaciones estructurales de segunda generación
con una combinación de variables latentes categóricas y continuas: Nuevas
oportunidades para el modelado de crecimiento latente/clase latente. En LM Collins &
A. Sayer (Eds.), Nuevos métodos para el análisis del cambio (págs. 291–322).
Washington, DC: Asociación Americana de Psicología.
Muthe´n, BO (2003). Verificación estadística y sustantiva en modelos de mezcla de
crecimiento: comentario sobre Bauer y Curran (2003). Métodos psicológicos, 8,
369-377.
Muthe´n, BO y Khoo, ST (1998). Estudios longitudinales de crecimiento de logros
utilizando modelos de variables latentes. Aprendizaje y diferencias individuales, 10,
73–102.
Muthe´n, B., & Muthe´n, LK (2000). Integración de análisis centrados en la persona y
centrados en la variable: modelado de mezcla de crecimiento con clases de trayectoria
latente. Alcoholismo: Investigación Clínica y Experimental, 24, 882– 891.
Muthe´n, LK, & Muthe´n, BO (1998 –2003). Guía del usuario de Mplus. Los Ángeles, CA:
Autor.
Muthe´n, LK, & Muthe´n, BO (2001, noviembre). Modelado de crecimiento con variables
latentes usando Mplus [Materiales del curso]. Presentado en Mplus Short Course,
Santa Mónica, CA.
Nagin, DS (1999). Análisis de trayectorias de desarrollo: un enfoque semiparamétrico
basado en grupos. Métodos Psicológicos, 4, 139 –157.
Nesher, P. (1986). El aprendizaje de las matemáticas: una perspectiva cognitiva.
American Psychologist, 41, 1114-1122.
Machine Translated by Google

DINÁMICAS DE DESARROLLO DEL RENDIMIENTO EN MATEMÁTICAS

713

Nurmi, J.-E., & Aunola, K. (1999). Jyva¨skyla¨ Estudio de Ingreso a la Escuela Primaria
(JEPS). Jyva¨skyla¨, Finlandia: Universidad de Jyva¨skyla¨.
Ohlsson, S. y Rees, E. (1991). La función de la comprensión conceptual en el aprendizaje
de los procedimientos aritméticos. Cognición e Instrucción, 8,
103–179.
Parrila, R., Aunola, K., Leskinen, E., Nurmi, J.-E., & Kirby, J. (2003).
Desarrollo de diferencias individuales en lectura: resultados de dos estudios
longitudinales. Manuscrito presentado para su publicación.
Matematiikka [Pruebas de Diagnóstico 3: Motivación, metacognición y matemáticas].
Turku, Finlandia: Centro para la Investigación del Aprendizaje, Universidad de Turku.
Schwartz, G. (1978). Estimación de la dimensión de un modelo. Annals of Statistics, 6,
461–464.
Share, DL, Moffitt, TE y Silva, PA (1988). Factores asociados con la discapacidad
aritmética y lectora y la discapacidad aritmética específica. Journal of Learning
Disabilities, 21, 313–320.

Pellegrino, JW y Goldman, SR (1987). Procesamiento de la información y matemáticas Siegler, RS (1986). Unidades entre dominios en las elecciones de estrategia de los niños.

elementales. Revista de discapacidades del aprendizaje, 20, 23–32, 57. En M. Perlmutter (Ed.), Simposio de Minnesota sobre psicología infantil: vol. 19.
Perspectivas sobre el desarrollo intelectual (págs. 1– 48). Hillsdale, Nueva Jersey:
Erlbaum.
Phillips, LM, Norris, SP, Osmond, WC y Maynard, AM (2002).
Skaalvik, EM y Rankin, RJ (1994). Diferencias de género en matemáticas y rendimiento
Rendimiento relativo en lectura: un estudio longitudinal de 187 niños de primero a
verbal, autopercepción y motivación. Revista británica de psicología educativa, 64,
sexto grado. Revista de Psicología Educativa, 94, 3–13.
419 - 428.
Randhawa, BS y Randhawa, JS (1993). Comprender las diferencias sexuales en los
Swanson, HL (1990). Influencia del conocimiento y la aptitud metacognitiva en la
componentes del rendimiento en matemáticas. Informes psicológicos, 73, 435– 444.
resolución de problemas. Revista de Psicología Educativa, 82, 306 –314.
Templo, CM (1991). Discalculia procedimental y discalculia de operaciones numéricas:
Ra¨sa¨nen, P. (2000). NMART: prueba de razonamiento aritmético: cajas numéricas.
doble disociación en la discalculia del desarrollo. Neuropsicología cognitiva, 8, 155–
Jyva¨skyla¨, Finlandia: Instituto Niilo Ma¨ki.
176.
Resnick, LB (1986). Una teoría del desarrollo de la comprensión de los números.
Templo, CM y Sherwood, S. (2002). Representación y recuperación de hechos aritméticos:
En HP Ginsburg (Ed.), El desarrollo del pensamiento matemático (págs.
Dificultades de desarrollo. Revista trimestral de psicología experimental, 55, 733–752.
109 –151). Nueva York: Prensa Académica.
Resnick, LB (1989). Desarrollo de conocimientos matemáticos. Americano
Vermeer, HJ, Boekaerts, M. y Seegers, G. (2000). Diferencias motivacionales y de género:
Psicólogo, 44, 162–169.
comportamiento de resolución de problemas matemáticos de estudiantes de sexto
Rourke, BP (1993). Discapacidades aritméticas, específicas y de otro tipo: una perspectiva
grado. Revista de Psicología Educativa, 92, 308 –315.
neuropsicológica. Revista de problemas de aprendizaje, 26,
Williamson, GL, Appelbaum, M. y Epanchin, A. (1991). Análisis longitudinales del
214 –226.
rendimiento académico. Journal of Educational Measure ment, 28, 61–76.
Rourke, BP y Conway, JA (1997). Discapacidades del razonamiento aritmético y
matemático: Perspectivas desde la neurología y la neuropsicología. Revista de Willingham, WW y Cole, NS (1997). Género y evaluación justa.
discapacidades de aprendizaje, 30, 34 - 46. Mahwah, Nueva Jersey: Erlbaum.
Royer, JM, Tronsky, L., Marchant, H., III y Jackson, SJ (1999). Responder a los
comentarios sobre las hipótesis de recuperación de hechos matemáticos. Psicología
Educativa Contemporánea, 24, 286 –300. Recibido el 20 de noviembre de 2003
Salonen, P., Lepola, J., Vauras, M., Rauhanummi, T., Lehtinen, E. y Kinnunen, R. (1994). Revisión recibida el 2 de marzo de 2004
Pruebas diagnósticas 3. Motivación, Metacognición y Aceptado el 18 de abril de 2004

Nuevo editor designado para Journal of Occupational Health Psychology

La Asociación Estadounidense de Psicología anuncia el nombramiento de Lois E. Tetrick, PhD, como editora de Journal of
Occupational Health Psychology por un período de 5 años (2006 –2010).

A partir del 1 de enero de 2005, los manuscritos deben enviarse electrónicamente a través del Portal de Envío de Manuscritos
de la revista (www.apa.org/journals/ocp.html). Los autores que no puedan hacerlo deben comunicarse con la oficina del editor
sobre alternativas:

Lois E. Tetrick, PhD Editora

entrante, JOHP Departamento
de Psicología de la Universidad
George Mason, MSN, 3F5 4400 University Drive,
Fairfax, VA 22030

Los patrones de envío de manuscritos hacen que la fecha precisa de finalización del volumen de 2005 sea incierta.
El editor actual, Julian Barling, PhD, recibirá y considerará los manuscritos hasta el 31 de diciembre de 2004. Si el volumen
de 2005 se completa antes de esa fecha, los manuscritos serán redirigidos al nuevo editor para su consideración en el
volumen de 2006.