Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

Neuropsicología Aplicada: Niño

ISSN: 2162-2965 (impreso) 2162-2973 (en línea) Página de inicio de la revista: http://www.tandfonline.com/loi/hapc20

Mecanismos neurocognitivos de la superdotación

matemática: Una revisión de la literatura

Li Zhang, John Q. Gan y Haixian Wang

Para citar este artículo: Li Zhang, John Q. Gan & Haixian Wang (2017) Mecanismos
neurocognitivos de la superdotación matemática: Una revisión de la literatura, Neuropsicología
aplicada: Infantil, 6:1, 79-94, DOI: 10.1080/21622965.2015.1119692
Para enlazar con este artículo: https://doi.org/10.1080/21622965.2015.1119692

Publicado en línea: 06 abr 2016.

Envíe su artículo a esta r e v i s t a

Vistas del artículo: 168

Ver artículos relacionados

Ver datos de Crossmark

Citar artículos: 1 Ver artículos citados

 Encontrará todas las condiciones de acceso y uso en
http://www.tandfonline.com/action/journalInformation?journalCode=hapc20.
NEUROPSICOLOGÍA APLICADA: INFANTIL
2017, VOL. 6, NO. 1, 79-94
http://dx.doi.org/10.1080/21622965.2015.1119692

Mecanismos neurocognitivos de la superdotación matemática: Una revisión de la

literatura
Li Zhanga,b , John Q. Ganb,c , y Haixian Wangb
aDepartment
of Medical Imaging, Bengbu Medical College, Bengbu, Anhui 233030, China; bKey Lab of Child Development and Learning Science of
Ministry of Education, Research Center for Learning Science, Southeast University, Nanjing, Jiangsu 210096, China; cSchool of Computer Science
and Electronic Engineering, University of Essex, Colchester, Reino Unido.

RESUMEN PALABRAS CLAVE

Los niños/adolescentes superdotados matemáticamente han demostrado capacidades y rasgos EEG; fMRI;
excepcionales en razonamiento lógico, imaginería mental y pensamiento creativo. En el campo de niños/adolescentes
la neurociencia cognitiva, los estudios anteriores sobre los cerebros de los superdotados superdotados
matemáticos se han centrado en investigar las regiones de activación cerebral relacionadas con matemáticamente;
mecanismo neurocognitivo
eventos, la lateralidad cerebral de las funciones cognitivas, la especialización funcional dedicada de
forma exclusiva a fines cognitivos específicos y las interacciones funcionales entre regiones
cerebrales discretas. Desde perspectivas estructurales y funcionales, estos estudios han atestiguado
características neuronales tanto "generales" como "únicas" de los cerebros matemáticamente
dotados. En este artículo se revisan los antecedentes teóricos, los estudios empíricos y los
mecanismos neurocognitivos de los niños y adolescentes matemáticamente dotados. A partir de la
integración de los hallazgos, se identifican y discuten algunas direcciones potenciales para la
investigación futura.

Como piedra angular de las ciencias naturales, las
matemáticas influyen y cambian nuestro mundo
orientado a la tecnología d e f o r m a sistemática y
progresiva. Los niños/adolescentes superdotados
matemáticamente aportan dos cualidades importantes.
En primer lugar, son perspicaces y apasionados en
medio de una resolución de problemas muy exigente.
Además, su ingenio cognitivo representa la promesa de
las matemáticas avanzadas, la ingeniería y otros ámbitos
que utilizan el razonamiento matemático aplicado. La
importancia de fomentar y desarrollar a los
niños/adolescentes matemáticamente dotados ha sido
ampliamente reconocida (Diezmann, 2005; Diezmann
& Watters, 2002; Kim, Cho, & Ahn, 2003).
Los estudios cognitivos y neurocientíficos
sistemáticos han implicado esfuerzos multidisciplinares
y tecnologías avanzadas. Los hallazgos de los campos
educativo, psicológico y cognitivo proporcionan una
visión completa de la superdotación matemática, la
inteligencia y la creatividad. Este artículo investiga
inicialmente las teorías dominantes relacionadas con la
superdotación en general, el trasfondo histórico del
desarrollo conceptual de la superdotación matemática y
los principales estilos cognitivos y de pensamiento de
los niños/adolescentes superdotados matemáticamente.
A c o n t i n u a c i ó n , mediante la revisión de décadas
de estudios de neuroimagen y electrofisiológicos, este
artículo resume y discute las importantes características
neuronales del cerebro de los superdotados
matemáticos.
apoyo al desarrollo cognitivo y mental de los
niños/adolescentes en el aprendizaje de las matemáticas.
Antecedentes cognitivos de la superdotación
matemática
Superdotación matemática, inteligencia y
creatividad
El fundamento conceptual de la superdotación se basó
inicialmente en la medición de la inteligencia, con la
suposición de que podían obtenerse resultados
significativos mediante medidas válidas del cociente
intelectual (CI). Terman (1926) definió la superdotación
como "el 1% superior en capacidad intelectual general,
medida por la escala de inteligencia Stanford-Binet o un
instrumento comparable" (p. 43). Muchos estudios han
demostrado que los niños que destacan en matemáticas
tienden a obtener puntuaciones altas en las pruebas de
inteligencia general (Aiken, 1973; Detterman y Daniel,
1989; Mrazik y Dombrowski, 2010). Sin embargo, un
único test de CI no evalúa adecuadamente la gran
variedad de capacidades que suelen mostrar los
superdotados y las discapacidades en algunos campos
específicos.
Posteriormente, se propusieron algunas teorías con
enfoques más multifacéticos de la inteligencia, la
superdotación y las mediciones pertinentes para ampliar
el concepto de superdotación (Gagne, 1985; Renzulli,
1978; Sternberg,
CONTACTO Haixian Wanghxwang@seu.edu.cn Research Center for Learning Science, Southeast University, 2 Sipailou Road, Nanjing, Jiangsu 210096,
China.
2015 Taylor & Francis Group, LLC
80 L. ZHANG, J.Q. GAN Y H. WANG

capacidad matemática notablemente superior a la

1999a, 1999b; Thurstone, 1948). Por ejemplo, la teoría
capacidad verbal solían estudiar y trabajar en los campos
de la Concepción de los Tres Anillos de la Superdotación
de la ciencia y la ingeniería, mientras que los
sugería que no debía utilizarse un único criterio para
adolescentes con
identificar la superdotación. En su lugar, el rasgo de
superdotación se vinculaba a un conjunto bien definido
de tres grupos de rasgos humanos interactuantes: (a)
capacidades generales superiores a la media, (b) altos
niveles de compromiso con la tarea y (c) altos niveles de
creatividad (Renzulli, 1978, págs. 182-183). "Los niños
superdotados y con talento son aquellos que poseen o
son capaces de desarrollar este conjunto compuesto de
rasgos y aplicarlos a cualquier área potencialmente
valiosa del rendimiento humano" (Renzulli, 1978, p.
261). En la teoría triárquica de la intel- ligencia
desarrollada por Sternberg (1985), la inteligencia de los
niños es aportada particularmente por tres habilidades
de procesamiento, que son vistas como interactivas y
que trabajan juntas para la creatividad (Sternberg,
1999a, 1999b). Estos aspectos de la inteligencia se
denominan "la habilidad sintética (inteligencia creativa)
para ver los problemas de formas nuevas y escapar de
los límites del pensamiento convencional, la habilidad
analítica para reconocer cuáles de las ideas propias
merecen la pena y cuáles no, y la habilidad contextual
práctica para saber cómo persuadir a los demás del valor
de las ideas propias" (Sternberg, 2006, p. 88). En la
práctica, las tres destrezas intelectuales podrían predecir
de forma significativa los resultados de los estudiantes
en el curso y desarrollarse más en la dotación analítica,
la dotación sintética/creativa y la dotación práctica
(Sternberg, 1999b, 2003).
Además, al considerar la superdotación en un ámbito
De forma específica, Gardner (1983, 2003, 2006)
desarrolló la teoría de las Inteligencias Múltiples, que
subdividía la inteligencia humana en ocho o más tipos
en diferentes dominios, y cada tipo estaba relacionado
con un tipo específico de superdotación. En concreto, la
teoría de las Inteligencias Múltiples indicaba la
existencia de una inteligencia y superdotación
matemática específica (es decir, la inteligencia lógico-
matemática), que se componía principalmente de las
capacidades "para analizar problemas lógicamente,
realizar operaciones matemáticas e investigar cuestiones
científicamente... Implica la capacidad de detectar
patrones, razonar deductivamente y pensar lógicamente.
Esta inteligencia suele asociarse con el pensamiento
científico y matemático". (Smith, 2002, p. 3). Al igual
que la teoría de las inteligencias múltiples, el Estudio de
la Juventud Matemáticamente Precoz (SMPY, por sus
siglas en inglés) ha afirmado que el talento matemático
altamente sofisticado de los niños se transforma
progresivamente en una capacidad futura específica de
un dominio (Brody y Stanley, 2005). A través de una
investigación longitudinal de larga duración con niños
superdotados, especialmente con talento matemático, el
SMPY descubrió que los jóvenes con talento con una
 matemáticas y uno deNEUROPSICOLOGÍA APLICADA:
los principales NIÑO
componentes de 81
la
Las personas con mejores aptitudes en el apartado
dotación matemática (Geake, 2006; Livne, Livne y
verbal suelen seguir carreras en humanidades, artes,
Milgram, 1999; Livne y Milgram, 2006; Mann, 2006;
ciencias sociales o derecho. Sin embargo, los individuos
Schoenfeld, 1992; Sousa, 2009). Los niños superdotados
con capacidades matemáticas y verbales comparables
matemáticamente muestran una pasión innata y una
no seguirían trayectorias profesionales tan claras
capacidad superior para resolver problemas novedosos.
(Lubinski y Benbow, 2006; Lubinski, Webb, Morelock
y Benbow, 2001). En el estudio SMPY, en el que se ha
realizado un seguimiento durante 20 años, se
observaron atributos típicos de diferenciación de
género y una superioridad masculina sustancial en la
capacidad de razonamiento matemático en
adolescentes superdotados a edades comprendidas
entre los 12 y los 14 años. Las diferencias más
tempranas pueden predecir resultados educativos y
profesionales diferentes, aunque ambos sexos pueden
presentar logros elevados. Los varones superdotados
matemáticamente como grupo son más preva- lentes
en ciencias físicas e ingeniería, mientras que puede
observarse una mayor participación de las mujeres en
artes médicas, ciencias biológicas, ciencias sociales,
artes y humanidades (Benbow, 1988; Benbow,
Lubinski, Shea, & Eftekhari-Sanjani, 2000; Preckel,
Goetz, Pekrun, & Kleine, 2008). Estas diferencias de
sexo en el rendimiento matemático podrían estar
influidas indirectamente por la selección sexual y
cualquier mecanismo próximo asociado (por ejemplo,
las hormonas sexuales). En el caso de las habilidades
espaciales complejas, se observó que la superioridad
masculina estaba influida por la exposición prenatal a
las hormonas sexuales y fluctuaba con los niveles
circulantes de hormonas sexuales (Geary, 1996).
Además, en los alumnos extremadamente precoces en
matemáticas, las características fisiológicas
identificadas en frecuencias más altas que las de los
individuos de capacidad media incluyen la zurdera, las
alergias, los trastornos inmunológicos y la miopía
(Benbow, 1986).
La superdotación en matemáticas se concibe como un
constructo bidimensional compuesto por la capacidad
aca- démica específica y la creatividad en matemáticas
(Cropley, 1994, 2000; Livne & Milgram, 2006). Desde el
punto de vista matemático, la capacidad académica se
describe como "capacidad aca- démica específica en
matemáticas" o "inteligencia general aplicada a las
matemáticas" (Livne & Milgram, 2006, p. 200). Refleja
el pensamiento lógico estándar en matemáticas
(Krutetskii, 1976; Livne y Milgram, 2006), que puede
demostrarse mediante "la capacidad de cálculo, la
manipulación simbólica, la memoria de hechos
numéricos, el conocimiento de conceptos matemáticos,
los principios, el razonamiento, etc." (Livne y Milgram,
2006, p. 200). Y lo que es más importante, como ciencia
esencialmente deductiva, las matemáticas no son sólo
una poderosa herramienta de resolución de problemas,
sino también una búsqueda intelectual altamente
creativa que combina lógica, imaginación e intuición.
La creatividad se considera la esencia de las
82 L. ZHANG, J.Q. GAN Y H. WANG

superdotados matemáticamente pueden llegar a

problemas de forma creativa (Diezmann, 2005;
comprender
Diezmann & Watters, 2002; Kim et al., 2003). La
creatividad matemática abarca las capacidades de
procesar información de forma flexible, invertir el hilo
del pensamiento, utilizar métodos originales para
resolver problemas, considerar soluciones alternativas,
etc. (Banfield, 2005; Krutetskii, 1976; Sak, 2004; Sak y
Maker, 2005). A un nivel más profesional, la creatividad
matemática es "la capacidad de producir un trabajo
original que amplía significativamente el cuerpo de
conocimientos, y/o que abre vías de nuevas preguntas
para otros matemáticos" (Sriraman, 2008, p. 92).

Pensamiento/mente matemáticamente dotado

La resolución de problemas matemáticos requiere la
comprensión, el análisis y la interpretación de l a
estructura matemática del problema, así como la
selección de estrategias y decisiones adecuadas que
conduzcan a soluciones lógicas (Van Garderen &
Montague, 2003). El matemático Poincaré afirmaba que
las matemáticas incluían dos tipos de mentes totalmente
diferentes: "Una dominada por la lógica y otra guiada
por la intuición" (Poincaré, 1913, p. 210). En cuanto a la
lógica, algunos estudiantes prefieren tratar sus
problemas "por el análisis" y otros "por la geometría"
(Poincaré, 1913, p. 212). Krutetskii (1976) sugirió que
los niños matemáticamente dotados tenían una
"mentalidad matemática", es decir, la capacidad de
interpretar el mundo matemáticamente. Se identificaron
tres tipos básicos de alumnos con mentalidad
matemática: (a) el tipo analítico, que suele pensar de
f o r m a verbal-lógica, (b) el tipo geométrico, que tiende
a pensar de forma visual-pictórica, y (c) el tipo
armónico, que combina estos dos tipos y, por tanto, se
ha sugerido que posee la mejor habilidad matemática
(Krutetskii, 1976).
La lógica matemática, también llamada lógica
simbólica, es la lógica tratada por métodos matemáticos
(Kleene, 2002). Se considera que los niños superdotados
para las matemáticas tienen un "marco mental
matemático", lo que significa que los niños
superdotados para las matemáticas pueden encontrar
significados matemáticos en muchos aspectos de las
cosas reales, con un ojo rápido para la lógica subyacente
de proyectos y organizaciones (Aiken, 1973). Durante el
proceso de resolución de problemas, la principal
característica de los alumnos superdotados
matemáticamente e s s u excepcional capacidad lógica
(Banfield, 2005; House, 1987; Krutetskii, 1976), que se
manifiesta como la habilidad "para el pensamiento
lógico en el ámbito de las relaciones cuantitativas y
espaciales, los símbolos numéricos y las letras" y la
capacidad "para pensar en símbolos matemáticos"
(Vilkomir & O'DonogHue, 2009, p. 185). Cuando se
enfrentan a rompecabezas complejos, los niños
 biológica de los NEUROPSICOLOGÍA APLICADA: NIÑO
cerebros superdotados 83
para las
la estructura matemática del problema sistemática y
matemáticas. En esta sección se presentan estudios
rápidamente, basándose en un análisis lógico. Además,
empíricos que emplean diversos métodos de
exhiben la habilidad en la reducción del razonamiento
neuroimagen y
matemático y piensan en la estructura del problema
con pasos de deducción lógica más abreviados en
comparación con los niños no dotados (Banfield, 2005;
Heinze, 2005).
La imaginería visuoespacial se compone de dos
elementos diferentes: la imaginería visual y la
imaginería espacial (Hegarty y Kozhevnikov, 1999;
Kosslyn, Behrmann y Jeannerod, 1995). La imaginería
visual se refiere a la capacidad de formar
representaciones mentales de la apariencia de los
objetos y de manipular estas representaciones en la
mente. La imaginería espacial produce las relaciones
espaciales entre objetos e imagina transformaciones
espaciales (Hegarty & Kozhevnikov, 1999; Kosslyn et
al., 1995). El pensamiento visuoespacial es una guía del
proceso de pensamiento matemático y una
herramienta importante para abrir la p u e r t a del
pensamiento lógico (Hegarty y Kozhevnikov, 1999;
Krutetskii, 1976; Usiskin, 2000). Investigaciones
anteriores han descubierto que los alumnos
matemáticamente dotados utilizan significativamente
más representaciones visuoespaciales que los alumnos
con dificultades de aprendizaje y los alumnos de
rendimiento medio (Hegarty y Kozhevnikov, 1999;
Van Garderen y Montague, 2003).
Una intuición matemática puede llegar como un
pensamiento completo a la mente, es decir, no puede
dividirse en pasos rigurosos de deducción lógica. Así, la
conclusión de la intuición puede ser correcta mientras
que las premisas no están claras (Tall, 1991). La
demostración del "número infinito de primos" es un
ejemplo famoso de utilización de la intuición en
matemáticas. La conclusión fue construida por primera
vez por Euclides, y no puede ser refutada
posteriormente por ninguna prueba por contradicción.
En la mayoría de los casos, el pensamiento
matemáticamente creativo es intuitivo o no consciente,
más que estrictamente lógico, formal y consciente
(Aiken, 1973; Meissner, 2006; Poincaré, 1913). En
ocasiones, el pensamiento intuitivo ejerce un papel de
guía en la resolución de problemas matemáticos
(Poincaré, 1913). Los estudiantes con bajo rendimiento
en matemáticas suelen deberse a la falta de una mente
matemática "lógica, formal e intuitiva" (Aiken, 1973, p.
405).

Características neurocognitivas de los cerebros

superdotados para las matemáticas
Se ha descubierto que los superdotados con una
capacidad matemática excepcional tienen cerebros
atípicos y funciones cerebrales atípicas (Mrazik y
Dombrowski, 2010; Winner, 2000). La neurociencia
está contribuyendo a comprender mejor la esencia
84 L. ZHANG, J.Q. GAN Y H. WANG

y de memoria individual (Klimesch, 1999). Cuando el

Se revisan las técnicas analíticas. Basándose en la
cerebro no está comprometido cognitivamente, la
investigación de los antecedentes cognitivos de la
preponderancia alfa refleja un estado cerebral de reposo
superdotación matemática, los criterios para seleccionar
pero alerta. De ahí que la supresión alfa en la potencia
a los superdotados matemáticos en estos estudios
espectral se considere a menudo un indicador de
incluyen principalmente una inteligencia superior a la
media y un rendimiento académico superior en
matemáticas. El nivel de inteligencia suele evaluarse
mediante una prueba psicométrica, como las Matrices
Progresivas Avanzadas de Raven (RAPM) para evaluar
la capacidad de razonamiento, y la Escala de Inteligencia
de Wechsler para Niños (WISC). El rendimiento
académico puede reflejarse mediante pruebas de
rendimiento (por ejemplo, el Scholastic Aptitude Test-
Mathematics (SAT-M) y el Stimulus of Mathematical
Talent Program (ESTALMAT)), o los logros en
competiciones matemáticas formales, como la Olympia
Math Competition. Además, la entrevista realizada por
un especialista en educación y la designación del
profesor responsable también son medios habituales, ya
que un gran número de trabajos han demostrado su
eficacia para identificar a los niños superdotados y con
talento.
Los estudios neurocientíficos anteriores investigaron
principalmente la actividad neuronal en estado de
reposo, la respuesta neuronal provocada por estímulos y
las regiones de activación relevantes para la tarea de los
cerebros matemáticamente dotados. Es importante
mencionar que, aunque la capacidad computacional
relacionada con el sentido numérico de los niños se ha
considerado un tipo de pensamiento matemático
(Geake, 2006), no se considera un aspecto esencial del
talento matemático (Benbow, 1988). Por lo tanto, los
estudios empíricos revisados se refieren sobre todo a los
tipos básicos de pensamiento superdotado, tal como se
resumen en Mathematically Gifted Thinking/Mind, que
podrían contribuir a los futuros logros académicos y
creativos de los niños y adolescentes superdotados.

Hemisferio derecho muy desarrollado e interacciones

interhemisféricas
Las capacidades y propensiones de los hemisferios
derecho e izquierdo del cerebro humano no son
completamente equivalentes en el procesamiento de la
información. Los dos hemisferios interactúan en el
cerebro para producir unidad de pensamiento y acción
(Hellige, 1993). Los estudios de lateralidad cerebral (es
decir, asimetría funcional) han investigado qué lado del
cerebro domina las funciones cognitivas implicadas en
la actividad de pensamiento de la superdotación
matemática.

Funciones cognitivas laterales derechas

Los cambios de actividad neuronal en las bandas de
frecuencia alfa (8-12 Hz) y theta (4-8 Hz) de las ondas
cerebrales suelen asociarse con el rendimiento cognitivo
 capacidad matemáticaNEUROPSICOLOGÍA APLICADA:
media mientras NIÑO
realizaban 85
una
"activación" cerebral. En 1991, O'Boyle, Alexander y
tarea de rotación mental. Especialmente en e l
Benbow (1991) investigaron preliminarmente la
hemisferio derecho del cerebro de los superdotados
lateralidad cerebral de adolescentes matemáticamente
matemáticos, había un número ligeramente mayor de
dotados mediante el análisis del electroencefalograma
rutas conectadas fronto-parietales que en el hemisferio
(EEG) del cambio de potencia alfa. En tres condiciones
izquierdo (Prescott, Gavrilescu, Cunnington, O'Boyle y
experimentales (línea de base, procesamiento de caras
Egan,
quiméricas y determinaciones sustantivo/verbo), se
observaron las actividades de potencia alfa "ociosa" y
"cognitiva" de los sujetos. Especialmente durante la
tarea de procesamiento de caras quiméricas, se
presentaron pares de caras quiméricas (es decir,
compuestos de caras mitad sonrientes/mitad neutras
comparadas con su imagen en el espejo) y s e pidió a
los sujetos que juzgaran qué cara parecía ser la "más
feliz". Al realizar la tarea, los sujetos superdotados
mostraron una reducción significativa de la potencia
alfa en el hemisferio derecho, principalmente en el
lóbulo temporal. El análisis de correlación reveló que,
cuanto mayor era la supresión alfa en el hemisferio
derecho, mayor era la puntuación SAT-M. De forma
similar a este resultado, un estudio de Tomografía por
Emisión de Positrones (PET) descubrió que la tasa
metabólica de la glucosa cortical (GMR) en regiones
del lóbulo temporal de niños matemáticamente
dotados tenía una correlación positiva con la capacidad
de razonamiento matemático, donde la activación del
cerebro derecho era mayor que la del izquierdo (Haier
& Benbow, 1995). En estado de reposo, la actividad
neuronal de los adolescentes matemáticamente dotados
también mostraba una mayor potencia alfa en el
hemisferio derecho, en contraste con los sujetos de
capacidad media y edad universitaria. Se ha especulado
que esta inactividad (mayor potencia alfa) de las
regiones cerebrales derechas en estado de reposo
podría reflejar un estado razonablemente libre de
cargas, de modo que estas regiones cerebrales pueden
activarse fácilmente cuando se requiere procesamiento
cognitivo, a través de una mayor disminución de la
potencia alfa (Alexander, O'Boyle y Benbow, 1996). De
acuerdo con estos resultados, la participación
sustancial del hemisferio derecho en el procesamiento
de la información y la mayor dependencia de la
función del hemisferio derecho se sugirieron como
indicaciones importantes de la habilidad matemática
precoz (Alexander et al., 1996; O ' Boyle et al., 1991;
O'Boyle & Benbow, 1990; O'Boyle, Gill, Benbow, &
Alexander, 1994).
Las contribuciones distintivas (y principales) de la
Los resultados recientes de estudios de neuroimagen y
redes cerebrales con tecnología de resonancia
magnética funcional (IRMf) confirman que los
superdotados tienen una mayor conectividad en el
hemisferio derecho. Un estudio de redes cerebrales
funcionales descubrió que los adolescentes
matemáticamente dotados presentaban una
conectividad funcional significativamente mayor en la
red fronto-parietal que el grupo de control con
86 L. ZHANG, J.Q. GAN Y H. WANG

rotación mental tridimensional, los adolescentes

2010). Durante la tarea RAPM, además de las regiones
matemáticamente dotados activaban una red cerebral
fronto-parietales significativamente activadas, los
fronto-parietal mejorada en la que participaban los
adolescentes matemáticamente dotados mostraron una
lóbulos parietales bilaterales y el córtex frontal, así como
implicación adicional de más regiones cerebrales que los
una mayor activación del CA. Como el sistema neural
sujetos de capacidad media en el lóbulo parietal inferior
anterior desempeña
derecho, el cíngulo anterior (CA) y las áreas frontales
(Desco et al., 2011).

Mecanismo de procesamiento bilateral de la red

fronto-parietal
También se sugirió una forma especial de bilateralidad
en el procesamiento cerebral de la información como
componente clave de la superdotación matemática
(O'Boyle y Benbow, 1990). En un estudio conductual, se
utilizó un para- digma concurrente de golpeteo con los
dedos para investigar la actividad cerebral dominante en
el procesamiento básico de la información. Mientras
leían un párrafo en voz alta, se pidió a los sujetos que
golpearan simultáneamente un teclado con el dedo
índice de cada mano (una mano cada vez). En relación
con la línea de base, los sujetos de edad media tenían un
ritmo de golpeteo reducido en la mano derecha que se
veía afectado por el procesamiento lingüístico del
hemisferio izquierdo. Sin embargo, los adolescentes
matemáticamente dotados mostraron una tasa de
golpeteo significativamente reducida tanto en la mano
izquierda como en la derecha, lo que sugería un
compromiso igual de ambos hemisferios durante el
procesamiento verbal concurrente (O'Boyle et al., 1994).
De forma similar, en otro experimento conductual sobre
la lateralidad cerebral de adolescentes matemáticamente
dotados, los estímulos se lateralizaron visualmente a la
izquierda, a la derecha o se pre sentaron en ambos sitios
y se pidió a los sujetos que realizaran juicios de "global-
local" (es decir, si la forma global más grande de una
letra mayúscula está formada por letras locales más
pequeñas) y "coincidencia-no coincidencia" (es decir, si
un par de letras son "consistentes" o "inconsistentes").
Durante la realización de la tarea, los superdotados
matemáticos no mostraron preferencia hemisférica por
la correspondencia jerárquica global frente a la local.
Además, los superdotados fueron más rápidos y
precisos en las pruebas entre hemisferios que requerían
intercambio de información entre los hemisferios que
en las pruebas unilaterales. Los resultados sugieren que
el sistema operativo neural del cerebro de los
superdotados matemáticos prefiere el mecanismo
bilateral compartido y el intercambio integrado de
información entre los hemisferios, que pueden estar
"protegidos" de la interferencia potencialmente
perjudicial entre ellos (Singh y O'Boyle, 2004).
La hipótesis del mecanismo de procesamiento
bilateral
(Singh y O'Boyle, 2004) fue respaldada por una serie de
estudios de neuroimagen por resonancia magnética
funcional. Por ejemplo, mientras realizaban una tarea de
 NEUROPSICOLOGÍA
en el hemisferio derecho APLICADA:
promoverían NIÑO
la capacidad 87
de
un papel importante en la mediación del control
cognición de alto orden, ya que el hemisferio derecho es
cognitivo relacionado con la inteligencia general, el
dominante para el análisis geométrico y visuoespacial y
sistema fronto-parietal bilateral ampliamente activado
también está muy implicado en la cognición
podría estar relacionado con la capacidad de
matemática.
superdotación matemática, lo que sugiere que la
"bilateralidad" de los hemisferios izquierdo y derecho y
la "interacción" de la red funcional cerebral
anterior/posterior pueden considerarse las
características "únicas" del cerebro superdotado
matemáticamente (O'Boyle et al., 2005).
Posteriormente, otros estudios de IRMf también
aportaron pruebas de esta opinión. Mientras sujetos
adolescentes con diferentes niveles de habilidad
matemática realizaban tareas de razonamiento fluido o
de imaginería mental, la activación funcional cerebral
relacionada con el evento se observó principalmente en
la red fronto-parietal, implicando a las regiones
cerebrales de los lóbulos frontal, temporal y parietal
(Desco et al., 2011; Hoppe et al., 2012; Lee et al., 2006).
En particular, en comparación con los sujetos no
superdotados, los adolescentes matemáticamente
superdotados mostraron una activación más fuerte y
utilizaron regiones cerebrales más bilaterales y extensas
de la red fronto-parietal (Desco et al., 2011).
Dado que el cuerpo calloso (CC) es el mayor tracto
de fibras del cerebro, la interacción interhemisférica a
través del CC se concibe como un mecanismo para
transferir información sensorial y coordinar el
procesamiento de la información entre los hemisferios.
Así, la bilateralidad de la función cerebral en el cerebro
matemáticamente dotado podría ser consecuencia de
un CC bien desarrollado (Singh y O'Boyle, 2004). Un
reciente estudio de imágenes de tensor de difusión
(DTI) investigó la relación entre la superdotación
matemática, el CI y la microestructura de los tractos de
materia blanca, en adolescentes superdotados
matemáticamente y en aquellos con capacidades
académicas medias. Los resultados han demostrado
que las puntuaciones de CI de los participantes se
correlacionan positivamente de forma significativa con
la anisotropía fraccional (AF), principalmente en el
CC, lo que sugiere que la transferencia eficiente de
información interhemisférica es un factor crucial para
apoyar las capacidades de inteligencia superiores.
Además, los adolescentes matemáticamente dotados
muestran una mayor AF en algunas regiones del CC
que los sujetos con coeficiente intelectual igualado con
habilidades matemáticas medias, lo que indica la
importancia del CC para el talento matemático
específico subyacente independiente de la inteligencia
(Navas-Sánchez et al., 2014).
En cuanto a la actividad cerebral en el pensamiento
lógico, la conclusión ampliamente aceptada es que el
sistema fronto-parietal izquierdo desempeña un papel
clave en la mediación del procesamiento crucial de la
información. En el cerebro matemáticamente dotado,
la activación funcional y la conec- tividad aumentadas
88 L. ZHANG, J.Q. GAN Y H. WANG

Carter, 2004), y el importante papel modulador del

razonamiento y la creatividad (Joseph, 1988). Basándose
"control conflictivo" por parte del CA (Botvinick et al.,
en la mayor implicación del hemisferio derecho, el
refuerzo de las conexiones interhemisféricas y una
mayor participación bilateral de la red fronto-parietal,
se considera que el cerebro de los superdotados
matemáticos posee una mayor capacidad de
procesamiento en la comunicación neuronal eficiente y
en la integración de la información de la tarea durante
los procesos de razonamiento, imaginación y
pensamiento creativo.

Funciones superiores de control cognitivo del córtex

prefrontal
El control cognitivo es la capacidad de coordinar
pensamientos y acciones en relación con objetivos
internos y sirve a procesos cognitivos superiores, como
la planificación y el razonamiento (Koechlin, Ody y
Kouneiher, 2003). En estos procesos, el córtex
prefrontal (CPF) ejerce un papel dominante en la
extracción de información sobre las regularidades a
través de las experiencias y, por tanto, imparte reglas
que pueden utilizarse para guiar los pensamientos y las
acciones (Miller, 2000). En particular, el córtex
prefrontal lateral (CPL) es una región cerebral clave que
se supone que favorece el razonamiento y la capacidad
de resolver problemas nuevos, y ejerce su influencia a
través de interacciones descendentes entre las regiones
del CPL y las cortezas asociativas premotoras o
posteriores (Gray, Chabris y Braver, 2003; Koechlin et
al., 2003; Kouneiher, Charron y Koechlin, 2009).
Específicamente, la corteza prefrontal dorsolateral
(DLPFC) tiene un papel único en la atención ejecutiva al
mantener activamente el acceso a representaciones de
estímulos y metas en contextos ricos en interferencias
(Kane y Engle, 2002). Además, el CA es importante para
la comprobación de errores y la asignación/decisión de
recursos cognitivos (Botvinick, Braver, Barch, Carter y
Cohen, 2001).

Datos conductuales de estudios neurocientíficos y

psicológicos han demostrado que los adolescentes
matemáticamente superdotados tienen una precisión de
respuesta notablemente superior en tareas de
razonamiento, imaginería y comportamiento que los
sujetos de edad media, tanto si las tareas son complejas
como simples (Desco et al., 2011; Hoppe et al., 2012; Lee
et al., 2006; Singh y O'Boyle, 2004; Zhang, Gan y Wang,
2015a). Estos datos conductuales proporcionaron
pruebas sólidas de que la función de control cognitivo
superior de los adolescentes matemáticamente dotados
les había guiado c o n mayor precisión durante el
proceso de ejecución de la respuesta. El excelente
rendimiento en la precisión de la respuesta depende
principalmente de las contribuciones diferenciales de
varias regiones de la PFC (Kalbfleisch, 2004;
Ridderinkhof, Van den Wildenberg, Segalowitz, &
 NEUROPSICOLOGÍA
reposo. Los resultados APLICADA: NIÑO
del análisis estadístico 89
mostraron
2001). La función del sistema neural anterior en el
que existían diferentes patrones de lateralidad de la
proceso de razonamiento se asumió como "... las
actividad cerebral en estado de reposo
regiones frontales... sirven para probar hipótesis de
varias soluciones a un problema dado. Una vez que se
llega a la mejor solución, el CA se activa para restringir
la selección de la respuesta, así como p a r a inhibir
otras respuestas competidoras" (Jung & Haier, 2007, p.
138). Como se indica en esta hipótesis, con la mayor
necesidad de control cognitivo y atención ejecutiva, los
adolescentes matemáticamente dotados mostraron una
activación relacionada con eventos más intensa en el
córtex frontal y el CA que los sujetos de capacidad
media (Desco e t al., 2011; Lee et al., 2006; O'Boyle et
al., 2005). La mayor implicación de estas regiones,
especialmente el CA, en la red fronto-parietal refleja un
estado relativamente más maduro de especialización
funcional y es un componente importante del cerebro
superdotado (O'Boyle et al., 2005). Además, el análisis
de la conectividad de la red cerebral también ha
demostrado que la subred anterior, incluyendo el
DLPFC, las regiones premotoras y el AC en cerebros
matemáticamente superdotados, muestra una
conectividad efectiva más alta durante la tarea de
rotación mental, lo que indica el papel integral de la
función ejecutiva llevada a cabo por el sistema neural
anterior (Prescott et al., 2010).

Patrón de precocidad del desarrollo neuronal

En su primera infancia, los individuos superdotados
con las puntuaciones de inteligencia más altas suelen
tener corticales comparativamente delgadas, pero en el
curso del desarrollo cerebral, mostrarían un aumento
más rápido del grosor cortical en el CPF y los lóbulos
temporales que los niños no superdotados (Deary,
Penke y Johnson, 2010). La precocidad de muchos
matemáticos famosos en habilidades cognitivas es una
característica bien conocida. Numerosas
investigaciones científicas han aportado pruebas de que
los niños superdotados matemáticamente tienden a
desarrollarse a una edad muy temprana y su
rendimiento en pruebas estandarizadas normalizadas
por edad suelen estar en el nivel más alto o cerca de él
(Aiken, 1973; Alexander et al., 1996; Mrazik &
Dombrowski, 2010).
Mediante la agrupación por capacidades y por
edades de los sujetos, un estudio comparativo de EEG
sugirió el desarrollo cerebral precoz de los adolescentes
matemáticamente superdotados (Alexander et al.,
1996). En este experimento, se comparó a sujetos
superdotados matemáticamente (edad media 13,2
años) con un grupo de capacidad media (edad media
13,3 años) y un grupo de edad universitaria (edad
media 20,2 años), respectivamente. Dado que se espera
que el ritmo alfa de la actividad cerebral humana
aumente desde la infancia hasta la pubertad (Epstein,
1980), se compararon los valores de potencia alfa del
EEG derivados de los distintos grupos en estado de
90 L. ZHANG, J.Q. GAN Y H. WANG

et al., 2011; Hoppe et al., 2012; Lee et al., 2006; O'Boyle et

entre superdotados y universitarios. Sin embargo, en
al., 2005; Prescott et al., 2010).
términos de la actividad general de la potencia alfa, los
adolescentes superdotados no presentaban diferencias
significativas en comparación con los sujetos en edad
universitaria, pero estos dos grupos de sujetos tenían
una potencia alfa general significativamente menor que
los sujetos de edad media. A partir de estos resultados,
se podría especular que los adolescentes superdotados
podrían tener un estado mejorado de actividad cerebral
a un nivel similar al de los adultos. Al entrar en la edad
adulta, este estado mejorado se mantendría o
evolucionaría a un grado superior (Alexander et al.,
1996). En el estudio de O'Boyle et al. (2005), este
desarrollo cerebral similar al de los adultos también se
reflejaba en el nivel de activación dependiente del nivel
de oxigenación de la sangre (BOLD) de la fMRI, en el
que el componente de activación "único" del sistema
neural de los adolescentes superdotados
matemáticamente era similar al de los adultos.
En el proceso de desarrollo funcional del cerebro de
los seres humanos, los plazos de desarrollo de la materia
g r i s c o r t i c a l en los lóbulos frontal y parietal
alcanzan su punto máximo en torno a los 12 años y en el
lóbulo temporal en torno a los 16 años, mientras que la
materia gris cortical sigue aumentando en el lóbulo
occipital hasta los 20 años (Giedd et al., 1999). Aunque
las regiones cerebrales parietales están implicadas en la
cognición de alto orden, el patrón fronto- cingulado-
estriatal más generalizado asociado al razonamiento
relacional visoespacial suele reflejarse en la infancia
(Eslinger et al., 2009). En el caso de los niños y
adolescentes, Alexander et al. (1996) han sugerido que
su maduración cerebral se centra todavía en la relación
forjada entre la función del lóbulo frontal y la cognición
de orden superior. En los niños matemáticamente
dotados, el rápido aumento del grosor cortical y el
patrón de precocidad del desarrollo del CPF son
cruciales para facilitar la maduración de sus capacidades
cognitivas fluidas más allá de su edad.

Mejora de la red fronto-parietal y del córtex parietal

posterior
La teoría de la integración parietofrontal (P-FIT) ha
sugerido que las variaciones en una red de integración
parietofrontal distribuida pueden predecir las
diferencias individuales en inteligencia y capacidad de
razonamiento (Jung y Haier, 2007). Esta red está
formada principalmente por el córtex prefrontal
dorsolateral, el lóbulo parietal, el cíngulo anterior y
regiones de los lóbulos temporal y occipital, etc. (Jung y
Haier, 2007). Varios estudios de neuroimagen han
demostrado que las capacidades de los superdotados
matemáticos se apoyan en una red fronto-parietal
reforzada y en una corteza parietal posterior (CPP)
fuertemente activada, más que en una CPP única (Desco
 NEUROPSICOLOGÍA
Un análisis más detallado de la redAPLICADA:
demostró NIÑO
que, en 91
el
Red estructural fronto-parietal bien conectada En el
cerebro de los superdotados matemáticos, este estado
caso de los adolescentes superdotados
mejorado del patrón de configuración del "espacio de
matemáticamente, Prescott et al. (2010) utilizaron un
trabajo" podría facilitar mejor la interacción funcional
modelo de ecuaciones estructurales para analizar el
relacionada con la tarea entre áreas cerebrales discretas
modelo de red (anatómica) de rotación mental, en el
y el "espacio de trabajo".
que las regiones intrahemisféricas anterior, posterior y
frontoparietal se seleccionaron como submodelos
regionales. El análisis de la conectividad funcional
entre los nodos dentro de los submodelos indicó que el
cerebro matemáticamente dotado tenía una mayor
conectividad fronto-parietal intrahemisférica, así como
una mayor conectividad frontal interhemisférica entre
la DLPFC y la corteza premotora. En correspondencia
con este hallazgo, el estudio DTI de Navas-Sánchez et
al. (2014) encontró que los adolescentes
matemáticamente superdotados tenían más FA
aumentada en los tractos de asociación fronto-parietal
y fronto-estriatal que los individuos de coeficiente
intelectual equiparado con habilidades académicas
medias, incluyendo los tractos de materia blanca que
conectan los lóbulos frontales con los ganglios basales y
las regiones parietales, y en algunas regiones del CC.
Estos resultados sugieren que el aumento anatómico
intrahemisférico en la red fronto-parietal puede estar
asociado con la superdotación matemática, mientras
que la conectividad interhemisférica parece estar más
relacionada con la inteligencia general.

Reorganización altamente adaptativa de la red

funcional fronto-parietal
Además de la conectividad anatómica estática, el
cerebro también muestra una conectividad funcional
dinámica entre áreas cerebrales discretas. En el cerebro,
las funciones cognitivas dependen de la
autoorganización de conjuntos neuronales a gran
escala, que suele manifestarse como una redistribución
espacial de las conexiones en la red cerebral funcional,
es decir, una reconfiguración adaptativa de la red
(Bassett, Meyer-Lindenberg, Achard, Duke y Bullmore,
2006). Teóricamente, una red cerebral funcional
altamente adaptativa beneficia la transferencia de
información, la comunicación y el procesamiento
oportunos y eficaces, al tiempo que se enfrenta a
estímulos externos y perturbaciones internas. El
reciente estudio EEG de Zhang, Gan y Wang (2015b)
investigó la capacidad de reorganización dinámica de la
red fronto-parietal en adolescentes matemáticamente
dotados, mediante la construcción de redes de fuentes
corticales de banda theta en diferentes condiciones
cognitivas. El estudio halló que, desde el estado de
reposo hasta el proceso de razonamiento, los
adolescentes superdotados matemáticamente
impulsaron un cambio topo-lógico más significativo de
la red fronto-parietal desde subsistemas modulares
hacia un patrón de configuración globalmente
integrado, que formó una arquitectura de red de
"espacio de trabajo" relacionada con la tarea mejorada.
92 L. ZHANG, J.Q. GAN Y H. WANG

fronto-parietal (Neubauer & Fink, 2009). Además, la

promover el nivel de procesamiento oportuno de la
precocidad de la materia gris cortical en las regiones
información de la red fronto-parietal crucial durante el
parietales posteriores también podría ser una posible
proceso de razonamiento (Zhang et al., 2015b). Un
causa de la fuerte activación del PPC en el cerebro
hallazgo similar fue reportado en un estudio de redes de
matemáticamente dotado,
banda gamma de alta frecuencia (Zhang, Gan, & Wang,
2014). Este estudio reveló que, en diferentes intervalos
de tiempo con una precisión de milisegundos, los
sujetos matemáticamente dotados mostraban una
redistribución más extensa de las conexiones fronto-
parietales que los sujetos de control con una capacidad
media, lo que indicaba una mayor flexibilidad y
capacidad de adaptación de la reconfiguración de la red
cerebral funcional. La mayor capacidad de adaptación
de la reorganización dinámica haría que la red de
sincronización del cerebro de los superdotados
matemáticos fuera más flexible y compatible con los
distintos requisitos cognitivos del proceso de
razonamiento.

Corteza parietal posterior mejorada

Una serie de estudios de IRMf informaron de un
reclutamiento significativamente mayor del CPP en el
cerebro de los superdotados matemáticos al realizar
tareas de razonamiento y visuoespaciales (Desco et al.,
2011; Hoppe et al., 2012; Lee et al., 2006; O'Boyle et al.,
2005). En concreto, en el estudio de Lee et al. sobre
adolescentes superdotados con un rendimiento superior
en matemáticas, la región PPC mostró la correlación
más alta con las diferencias entre sujetos en la capacidad
cognitiva. Los investigadores sugirieron que la brecha
más significativa en la activación regional entre sujetos
superdotados y no superdotados no se encontraba en el
CPF sino en el C P P , y que la facilitación funcional de
las redes fronto-parietales bilaterales de los sujetos
superdotados puede estar impulsada particularmente
por la activación parietal posterior.
Se sabe que la región PPC del cerebro desempeña un
papel importante en la memoria de trabajo visoespacial
(Kwon, Reiss y Menon, 2002). La fuerte activación del
PPC en el cerebro matemáticamente dotado predice un
rendimiento satisfactorio en representaciones de
memoria basadas en imágenes en la resolución de
problemas matemáticos. Por otra parte, el
desplazamiento de la activación de las regiones
anteriores a las posteriores suele asociarse a un mayor
nivel de habilidad/experiencia o a una menor
complejidad de la tarea (Blair, 2007). Cuando los
requisitos ejecutivos o de supervisión para e l CPF
son mínimos en tareas de menor dificultad, en una red
funcional integrada, el control ejercido sobre el CPF por
el CPF se relaja, y los individuos utilizan el CPF más que
el CPF en este momento (Prabhakaran y Rypma, 2007).
Se ha observado una discrepancia frontal-parietal
(menos CPF pero más activación del CPP) en
individuos más capaces, lo que podría deberse al
complejo procesamiento de la información en la red
 Menor activación NEUROPSICOLOGÍA APLICADA: neural
cortical y respuesta NIÑO 93
más
especialmente en los adolescentes de edad media y
tardía. Como se ha mencionado anteriormente, el rápida En los anteriores estudios de neuroimagen, los
estudio de IRMf destinado a investigar la plasticidad adolescentes matemáticamente dotados solían mostrar
madurativa del sistema cognitivo fluido en una mayor acti- vación funcional en las regiones
participantes de 8 a 19 años de edad informó de un prefrontal, frontal, parietal y temporal.
cambio evolutivo de un patrón "fronto-cingulado-
estriatal" más generalizado en la infancia a una
activación "parieto-frontal" predominante al final de la
adolescencia durante la realización de tareas de
razonamiento relacional visual (Eslinger et al., 2009).
Del mismo modo, los hallazgos de Giedd et al. (1999)
sobre los cambios de la materia gris cortical desde la
infancia hasta la adolescencia mostraron un espectro de
desarrollo "frontal"-"parietal"-"occipital" entre los 12 y
los 20 años. A partir de las pruebas integradoras, se
puede especular que, en el cerebro de los superdotados
matemáticos, el cambio previo del foco de desarrollo de
las regiones frontales a las posteriores puede conducir a
las regiones parietales posteriores precoces y, por lo
tanto, las tareas cognitivas inducen una amplia
activación cortical en el PPC. Estos factores podrían
permitir a los adolescentes superdotados tener más
acceso al patrón de activación "parieto-frontal" del
razonamiento y la imaginación mental, similar al de los
adultos.

Utilización eficiente de las regiones cerebrales

relevantes para la tarea
Utilizando diferentes métodos de medición
neurocientífica, los estudios previos sobre las
diferencias individuales en la capacidad cognitiva han
descubierto que los individuos inteligentes suelen
utilizar más recursos corticales para realizar tareas
cognitivas, lo que da lugar a una correlación positiva
entre el uso del cerebro y el nivel de inteligencia
(Neubauer y Fink, 2009). Por el c o n t r a r i o , varios
estudios han informado de la relación negativa entre el
recurso cerebral reclutado y el rendimiento en el test de
inteligencia. Para este fenómeno, la hipótesis de la
eficiencia neural de la inteligen- cia sugería que: "La
inteligencia no es una función de lo mucho que trabaja
el cerebro, sino más bien de la eficiencia con que lo
hace" ..... Esta eficiencia puede derivarse del desuso de
muchas áreas cerebrales irrelevantes para el buen
desempeño de la tarea, así como del uso más centrado
de áreas específicas relevantes para la tarea". (Haier,
Siegel, Tang, Abel y Buchsbaum, 1992, p. 415-416).
Concretamente, la complejidad de la tarea es una
variable importante en la modulación de esta relación
positiva o negativa entre la activación cerebral y la
inteligencia. Además de la complejidad de la tarea, el
género, la pericia, el entrenamiento a largo plazo o el
aprendizaje a corto plazo, entre otros, son también
factores considerables que afectan a la activación
cerebral eficiente (Neubauer & Fink, 2009).
94 L. ZHANG, J.Q. GAN Y H. WANG

una disminución de la complejidad d e l a actividad

córtex al realizar tareas cognitivas (Desco et al., 2011;
de la masa neuronal que se reflejaba en una mayor
Hoppe et al., 2012; Lee et al., 2006; O'Boyle et al., 2005;
reducción de la entropía (Krause, Seidel y Schack, 2001;
Prescott et al., 2010; Zhang et al., 2014, 2015b), lo que
Krause, Seidel y Heinrich, 2003). Los resultados analíticos
sugiere un mayor uso de los recursos corticales. Por el
sugieren que un mayor número de estrategias necesarias
contrario, algunos estudios de
para seleccionar no rompería el funcionamiento
electroencefalograma/potencial relacionado con eventos
armónico de
(EEG/ERP) confirmaron la existencia de eficiencia
neuronal en el cerebro de los superdotados
matemáticos. Por ejemplo, en los experimentos de
Jaušovec (1996), los adolescentes superdotados, algunos
de los cuales son superdotados matemáticos, mostraron
una potencia alfa EEG mayor (menor actividad
cerebral) que los de capacidad media durante diferentes
tareas de procesamiento de la información, lo que refleja
un menor esfuerzo mental de los individuos
superdotados para resolver los mismos problemas. Un
experimento de ERP en el que se utilizó un paradigma
de estímulo-respuesta (un paradigma Go-NoGo en el
que se pide a los sujetos que respondan a los estímulos
objetivo/Go, no a los estímulos no objetivo/NoGo)
también coincidió con la investigación anterior sobre
eficiencia neural, en la que los adolescentes
superdotados con habilidades precoces en matemáticas,
física o química mostraron un tiempo de reacción más
corto (velocidad de respuesta más rápida) que los
sujetos intelectualmente medios (Liu, Xiao, Shi y Zhao,
2011a). En la investigación sobre eficiencia cognitiva, las
respuestas rápidas en tareas cognitivas se asocian con
una asignación de recursos neuronales minimizada y un
resultado cognitivo maximizado, especialmente en
operaciones cognitivas simples (Rypma et al., 2006).
Tradicionalmente, la mayor velocidad mental en el
procesamiento de la información puede considerarse
como una mayor eficiencia del sistema nervioso
humano y unas funciones neuronales más eficientes
(Neubauer y Fink, 2009).

Estabilidad y previsibilidad de la actividad neuronal

masiva En la compleja red del cerebro humano, la
sincroni- zación y la coordinación se consideran
características cruciales de la transmisión ordenada de
información entre actividades neuronales ampliamente
distribuidas (Melloni et al., 2007). Se adoptó una medida
basada en el EEG, la reducción de entropía, para
investigar la coordinación de la actividad neural
masiva del cerebro matemáticamente dotado (Krause,
Schack, Seidel, Heinrich y Krause, 2001). En este
estudio, sujetos matemáticamente superdotados
realizaron cuatro clases de tareas matemáticas con
complejidad ordenada por el número de estrategias
seleccionables para resolver el problema, como
navegación mental, aritmética, imaginaria y cálculo,
imaginaria compleja y cálculo. Se comprobó que el
aumento de las estrategias d e r e s o l u c i ó n d e
problemas iba acompañado de un aumento de las
sincronizaciones en las regiones cerebrales frontales y
 presentaban una redNEUROPSICOLOGÍA APLICADA:
de distribución NIÑO 95
fronto-parietal
una red neuronal. Por el contrario, las mayores
derecha-lateral coherente, que incluía las regiones
demandas de procesamiento de las estrategias de
frontal superior bilateral, frontal inferior derecha,
resolución de problemas facilitan una red funcional
sensoriomotora lateral derecha y temporal derecha. Es
más coherente, acompañada de una mayor estabilidad
importante destacar que las respuestas neuronales en el
y previsibilidad de la actividad de la masa neuronal.
lóbulo frontal derecho-lateral, especialmente la
Esta coordinación en el cerebro matemáticamente
circunvolución frontal inferior derecha, mostraron la
dotado puede verse como una función del
mayor variación bajo diferentes condiciones cognitivas.
procesamiento eficiente de la información en los
estados mentales correspondientes, sin el uso excesivo
de recursos neuronales.

Regiones frontales laterales derechas con las

respuestas neurales más eficientes
Mediante el control de los factores experimentales
relacionados con la eficiencia neuronal, un reciente
estudio de EEG investigó las regiones altamente
implicadas en el patrón de activación relacionado con
la eficiencia del cerebro matemáticamente dotado
(Zhang et al., 2015a). En este estudio experimental,
adolescentes superdotados y de capacidad media
realizaron dos tareas de razonamiento inductivo
numérico con diferentes niveles de complejidad (una
tarea de tres números y otra de cuatro números). Se
utilizó la respuesta de banda gamma (GBR) del EEG
para cuantificar el nivel de activación del estado
mental. En la fase inicial del experimento, los
adolescentes matemáticamente dotados mostraron
GBRs significativamente más fuertes en la tarea de
inducción de cuatro números, pero menos actividades
en el procesamiento de los ítems de tres números, lo
que significaba que un patrón de activación GBR
relacionado con la eficiencia modulada por el nivel de
habilidad matemática y la complejidad de la tarea fue
inducido en primer lugar por el experimento. Además,
mientras los sujetos procesaban los ítems secuenciales
dentro de cada tarea completa, se observó una
disminución significativa de los GBR a lo largo de la
duración de la tarea en ambos grupos, acompañada de
una mejora del rendimiento (aumento de la precisión
de respuesta y reducción del tiempo de reacción), que
podría deberse al efecto del aprendizaje a corto plazo.
Especialmente preocupante fue que los sujetos
matemáticamente dotados mostraron una mayor
disminución de los GBR desde el período inicial hasta
el final de la tarea de inducción de cuatro números, lo
que sugiere una mayor influencia ejercida por el
aprendizaje a corto plazo en su actividad cerebral.
Para los estados mentales afectados por cada
experimento
(nivel de habilidad matemática, complejidad de la tarea
o efecto de aprendizaje a corto plazo), el estudio utilizó
un método de clasificación de un solo ensayo para
obtener un conjunto de localizaciones cerebrales que
discriminaran de forma óptima las respuestas
neuronales de diferentes estados mentales. Se descubrió
que las localizaciones del EEG con las RGE más
inhibidas en cerebros matemáticamente dotados
96 L. ZHANG, J.Q. GAN Y H. WANG

& Benbow, 1995; O'Boyle et al., 1991; Prescott et al.,

condiciones. Por lo tanto, estas regiones cerebrales se
2010), la mayor interacción interhemisférica a través del
sugirieron como las regiones cerebrales más
CC, la mayor interacción anterior/posterior y la
selectivamente reclutadas de los adolescentes
conectividad frontal interhemisférica a través de las fibras
matemáticamente dotados, donde las respuestas
de asociación
neuronales podrían ser moduladas al máximo por cada
factor experimental de eficiencia neuronal (Zhang et al.,
2015a; Zhang, Wang y Gan, 2013). El compromiso
selectivo del lóbulo frontal derecho se asocia con una
fuerte capacidad de control descendente sobre el
procesamiento de información importante relevante
para la tarea y la inhibición de la recuperación de
información irrelevante/repetida, de la cual la
circunvolución frontal inferior derecha es
particularmente un componente clave involucrado en el
proceso de inhibición de respuesta del cerebro
(Klimesch, Sauseng y Hanslmayr, 2007).

Debates
Diferencias cuantitativas y cualitativas
En los análisis y comparaciones de los datos neuronales,
tanto la actividad neuronal en estado de reposo como la
respuesta cerebral relacionada con eventos van
acompañadas de diferencias cuantitativas y cualitativas
entre los cerebros de los superdotados matemáticos y los
normales. Con un patrón de activación cerebral
relacionado con la tarea similar al de los adolescentes
normales, los adolescentes matemáticamente dotados
suelen presentar una mayor intensidad de activación en
el CPF, el sistema neural anterior, las cortezas fronto-
parietales y el CPP durante la realización de la misma
tarea cognitiva (Desco et al., 2011; Hoppe et al., 2012;
Lee et al., 2006; O'Boyle et al., 2005; Prescott et al., 2010;
Zhang et al., 2014, 2015b). Además, mientras que las
demandas cognitivas aumentan con la dificultad de la
tarea, las diferencias en la activación funcional del
cerebro entre los adolescentes matemáticamente
superdotados y no superdotados se incrementan aún
más (Desco et al., 2011; Lee et al., 2006). En las
mediciones neurocientíficas, la mayor utilización de las
regiones cerebrales relacionadas con la tarea suele
reflejarse en una respuesta BOLD más fuerte de la RMf
o en un mayor cambio en la potencia del EEG en bandas
de frecuencia características de la actividad cerebral
(Alexander et al., 1996; O'Boyle et al., 1991). En
realidad, las dos medidas se derivan de las estimaciones
de la respuesta de la población de neuronas activas. La
mayor respuesta inducida por la tarea en el cerebro
matemáticamente dotado podría verse como un reflejo
de un mayor número cuantitativo de neuronas activadas
durante el proceso cognitivo. Por otra parte, la
superioridad cualitativa de la red cerebral parece ser
más crucial para el mecanismo neural "único" de los
adolescentes matemáticamente dotados. El hemisferio
derecho bien desarrollado (Alexander et al., 1996; Haier
 de Neubauer y FinkNEUROPSICOLOGÍA APLICADA:
sobre la eficiencia NIÑO
neuronal y 97
la
(Navas-Sánchez et al., 2014; O'Boyle, 2005; Prescott et
conexión sináptica en el cerebro inteligente: "... cuanto
al., 2010) constituyen una red cerebral estructural bien
más perfeccionada
conectada, que integra más áreas cerebrales discretas de
forma coordinada. La red estructuralmente reforzada
podría atribuirse a más neuronas, más sinapsis y más
conexiones dendríticas del cerebro innato.
A pesar de utilizar tecnologías y métodos diferentes,
la mayoría de los resultados de investigaciones
anteriores pueden conciliarse en el contexto de los
mecanismos neuronales. Algunos estudios de
EEG/ERP descubrieron que, al responder rápidamente
a estímulos objetivo, los niños superdotados con
habilidad matemática precoz mostraban un menor uso
de recursos neuronales en el lóbulo frontal que los
sujetos con habilidad media (es decir, una mayor
eficiencia neuronal) (Liu et al., 2011a; Liu, Xiao, Shi y
Zhao, 2011b). Como el uso de energía del cerebro
depende en gran medida de la tasa de potencial de
acción de las neuronas (Attwell y Laughlin, 2001), si el
cerebro responde rápidamente, el bajo coste energético
limitará el tráfico de señales en el cerebro e influirá aún
más en la comunicación efectiva en la red neuronal. Si
el cerebro matemáticamente inteligente mantiene
simultáneamente la conectividad de alto nivel en las
regiones frontales, existe una relación poco clara entre
el gasto económico del recurso neuronal y la
conectividad funcional, como mencionan Neubauer y
Fink (2009). El marco de la red neuronal
energéticamente eficiente propuesto por Laughlin y
Sejnowski (2003) puede proporcionar una posible
respuesta a este problema. Aunque el uso de energía
limita la comunicación neuronal, el cerebro humano
podría adoptar diseños energéticamente eficientes para
contrarrestar esta limitación metabólica, que incluyen
"la miniaturización de componentes, la eliminación de
señales superfluas y la representación de información
con códigos energéticamente eficientes" (Laughlin y
Sejnowski, 2003, p. 1872). La miniaturización se refiere
a la disposición eficiente y la alta densidad de
componentes mediante la reducción del número de
neuronas necesarias para las funciones adecuadas y el
tamaño medio de las neuronas o la longitud de sus
conexiones. La eliminación de señales superfluas refleja
la capacidad de reducir el ruido inducido por la
miniaturización, los canales iónicos y otros
mecanismos de señalización molecular, como la
capacidad de dividir la información en vías ON y OFF
en función del ruido relativo. El código
energéticamente eficiente refleja el tráfico efectivo de
señales sin pérdida de información, lo que se atribuye a
la alta capacidad de representación, es decir, a la
codificación de señales neuronales dispersas. Las
neuronas corticales energéticamente eficientes de los
cerebros superdotados pueden seleccionar las señales
de los sitios que son más informativos (Laughlin y
Sejnowski, 2003). Este marco de eficiencia energética
de la red neuronal puede responder bien a la conjetura
98 L. ZHANG, J.Q. GAN Y H. WANG

del pensamiento superdotado mediante la combinación

(partes del) cerebro (es decir, más sinapsis, más
de tecnologías y métodos avanzados de análisis de datos,
conexiones dendríticas) sean las que necesiten menos
como la tecnología DTI de rastreo de fibras de materia
'energía de mantenimiento' y al mismo tiempo sean
blanca, el análisis de fuentes EEG, la teoría de grafos, el
capaces de mayores cantidades de 'energía de
estudio de redes complejas, el análisis de redes de
asignación'" (p. 1020).
mundos pequeños y el enfoque no lineal del
procesamiento de señales neuronales. Sobre la base de
Futuras orientaciones de la investigación
neurocientífica sobre la superdotación matemática
Las pruebas neurocientíficas examinadas hasta ahora
han dado lugar a algunas orientaciones prácticas y
potenciales para futuras investigaciones. Desde el
paradigma experimental hasta el análisis de datos, los
estudios de neurociencia cognitiva sobre cerebros
matemáticamente dotados siguen teniendo problemas y
limitaciones sin resolver. Los paradigmas más utilizados
en estudios anteriores, como el RAPM o la rotación
mental, se correlacionan con la capacidad matemática
de los sujetos y pueden ser realizados tanto por
superdotados matemáticos como por personas con una
capacidad media a un nivel razonable. Estas tareas
ayudan a determinar las propiedades inherentes a la
superdotación matemática. Sin embargo, estos
paradigmas no implican el pensamiento matemático per
se, lo que podría proporcionar información redundante
sobre la implicación de las regiones cerebrales. Por otra
parte, es difícil utilizar un tipo de para- digma para
evaluar las capacidades globales que poseen los niños
superdotados. Se espera que un paradigma que evalúe
las capacidades matemáticas globales aumente las
diferencias entre grupos y minimice el efecto de
confusión de las diferentes capacidades cognitivas de los
adolescentes matemáticamente superdotados (Desco et
al., 2011). Alternativamente, como se discute en
Superdotación Matemática, Inteligencia y Creatividad,
otras tareas cognitivas relacionadas con las habilidades
matemáticas, tales como la deducción semántica,
rompecabezas numérico, pensamiento creativo, deben
ser diseñadas en la investigación futura. Una integración
de las pruebas empíricas de diversas actividades de
pensamiento matemático ayudará a obtener más
información sobre las regiones cerebrales y los circuitos
neuronales específicos de la superdotación matemática.
Desempeñan un papel importante en el
procesamiento de la información
de razonamiento lógico e imaginería mental, la red
fronto-parietal del cerebro matemáticamente dotado
merece un mayor esfuerzo de investigación mediante
estudios de minería de datos más profundos. Además de
las investigaciones sobre las funciones cognitivas de las
principales áreas cerebrales, el modelo P-FIT es un buen
marco para analizar la integración funcional, la unión
de características y la transferencia de información entre
áreas cerebrales anatómicamente separadas. A partir de
este marco analítico, se espera descubrir nuevas
características neuronales relacionadas con la actividad
 embargo, en elNEUROPSICOLOGÍA
caso de los niños APLICADA: NIÑO
matemáticamente 99
de los resultados comunicados de los estudios fMRI, el
dotados, los datos conductuales registrados en los
análisis de la conec- tividad mediante tecnología
experimentos no han demostrado estrictamente que
electrofisiológica es necesario para revelar las
sean más rápidos en la r e a l i z a c i ó n d e tareas. En
propiedades tanto topológicas como dinámicas de las
comparación con los controles de capacidad media, sus
redes fronto-parietales conservadas a través de las
frecuencias características del cerebro humano, que
serían los medios complementarios importantes a un
nivel neural-mecanístico de análisis.
Otro tema de investigación de interés en este campo
es la diferencia individual en la creatividad, que está
estrechamente relacionada con la superdotación
matemática, pero no es sinónimo de ella. Un estudio de
la red de modos por defecto ha explorado la relación
entre el grosor cortical del cerebro y el nivel de
creatividad (Jung et al., 2010). En este estudio se
descubrió una red compuesta por regiones cerebrales
correlacionadas con el rendimiento creativo, en la que
se observó un aumento del grosor de la materia gris en
la circunvolución cingulada superior derecha y en la
circunvolución angular derecha, así como una
disminución del grosor en el lóbulo frontal izquierdo y
en las circunvoluciones lingual, cunear, angular,
parietal inferior y fusiforme. En la red de modo por
defecto, hay algunas regiones superpuestas con las de la
red fronto-parietal, incluyendo principalmente la
circunvolución angular derecha y las regiones
parietales posteriores. Dado que los superdotados
matemáticos suelen caracterizarse por una mayor
inteligencia y un rendimiento creativo superior, su
comportamiento superdotado podría verse
especialmente facilitado por la interacción de la r e d
de modo por defecto con su red fronto-parietal
reforzada. El presente estudio de redes funcionales
p o d r í a ampliarse para identificar el núcleo funcional
de la red o neurocircuito específico a través d e l
m o d o de procesamiento de la información del
pensamiento creativo y la red fronto-parietal básica,
que se supone que median en el flujo de información
eficiente que subyace a la producción de nuevas ideas
originales en el cerebro superdotado. El análisis de la
conectividad efectiva de la red fronto-parietal es
también un foco de investigación futura en cerebros
superdotados matemáticamente, que puede evaluar
cómo un sistema neurológico ejerce influencia sobre
otro dentro de una red integrada. Como se ha
comentado anteriormente, el sistema posterior
ampliamente utilizado podría estar relacionado con
l a relajación de la ejecución y la supervisión del CPF
(Prabhakaran y Rypma, 2007), lo que puede reflejarse
en la causalidad reducida entre las dos unidades
funcionales. La relación causal debilitada indica que la
región frontal de los cerebros matemáticamente
dotados puede ejercer una influencia menor sobre las
regiones posteriores. En el análisis causal de Granger
de la conectividad efectiva, la menor influencia o
control induce el desempeño más rápido de la tarea en
el comportamiento (Prabhakaran & Rypma, 2007). Sin
100 L. ZHANG, J.Q. GAN Y H. WANG

funcionales. Un análisis morfométrico basado en vóxeles

una mayor precisión en la tarea suele ir acompañada de
reveló la plasticidad estructural dependiente de la
un mayor tiempo de respuesta (Desco et al., 2011), o
experiencia en los cerebros de los matemáticos, tras la
bajo una precisión casi uni- forme en la tarea no
práctica a largo plazo del pensamiento matemático
muestran un menor tiempo de respuesta (O'Boyle et al.,
(Aydin et al., 2007). El cerebro de un niño tiene más
2005; Prescott et al., 2010). Estos resultados parecen
indicar que su CPF ejerce más influencias o controles
sobre el sistema posterior y, por tanto, lo hace más "no
automático." Por lo tanto, la relación entre las regiones
frontal y posterior debería investigarse más a fondo
combinando datos neuronales con datos de rendimiento
conductual. En la práctica, la influencia entre las
regiones cerebrales es difícil de evaluar d e b i d o al
rápido cambio del flujo de información dentro de los
circuitos corticales. El modelo de ecuaciones
estructurales utilizado en el estudio de RMf sobre la
conectividad efectiva de los adolescentes
matemáticamente dotados (Prescott et al., 2010) t i e n e
l a l i m i t a c i ó n de que no se tiene en cuenta la
información temporal. De hecho, otros enfoques de
análisis para el estudio fMRI comparten la misma
limitación, como el modelado casual dinámico (Friston,
Ashburner, Kiebel, Nichols, & Penny, 2011). Así, la
conectividad efectiva de la red fronto-parietal necesita
ser analizada mediante técnicas electrofisiológicas de
alta resolución temporal, que serán extremadamente
informativas para evaluar el control transitorio o la
relación de efecto construida entre las regiones frontales
y posteriores en cerebros matemáticamente dotados
(Bressler & Seth, 2011).

Más apoyo para los niños superdotados

matemáticamente
Los estudios de neurociencia cognitiva sobre los
cerebros de los superdotados matemáticos ofrecen
múltiples perspectivas de las funciones cerebrales
relacionadas con la inteligencia, la superdotación y la
creatividad. En el campo de la educación, se han
realizado muchos esfuerzos, como el diseño de planes
de estudios y la elaboración de políticas, para identificar
a los niños matemáticamente
s u p e r d o t a d o s y desarrollar de forma óptima sus
posibles potenciales. Sin embargo, a menudo hay
resistencia a proporcionar a los niños superdotados
recursos adicionales, debido a que no se optimizan los
potenciales de los superdotados e incluso se produce
una reducción de algunas capacidades. El inconveniente
d e esta cuestión se debe a algunas oportunidades de
aprendizaje inadecuadas que atienden a las necesidades
avanzadas de los alumnos superdotados
matemáticamente, incluida la necesidad de aceleración
de curso, clases especializadas, métodos alternativos de
evaluación, etc. (O'Boyle, 2008).
Las pruebas actuales han demostrado principalmente
los mecanismos neuronales relacionados con la
superdotación, desde perspectivas estructurales y
 y el aprendizaje deNEUROPSICOLOGÍA APLICADA:las
la autorregulación, NIÑO 101
interfaces
características mediante un entrenamiento específico y
cerebro-ordenador (BCI) basadas en el EEG pueden
otras variables ambientales que el de los adultos
ofrecer viabilidad futura a través de la
(Kalbfleisch, 2004). De acuerdo con la teoría de la
neurorretroalimentación en línea para niños o
neuroplasticidad (Pascual-Leone, Amedi, Fregni, &
adolescentes tempranos cuyos lóbulos frontales están en
Merabet, 2005), se espera que la futura aplicación
fase de desarrollo. Por ejemplo, el entrenamiento y la
práctica mejore de forma óptima el aprendizaje, la
evaluación de la atención mediante juegos de BCI
memoria y el desarrollo cognitivo tanto en niños
pueden mejorar la concentración de la atención (Chen,
superdotados matemáticamente como en niños
Huang, Chen y Su, 2012). Mediante
normales (Blair, 2002). Basándose en la abundante
evidencia empírica, las investigaciones previas sobre las
bases neurales de los cerebros superdotados
matemáticamente han establecido la importancia del
lóbulo frontal, especialmente del CPF. En la actividad
del pensamiento matemático, el lóbulo frontal
desempeña un papel clave en la sintonización y el
control de un sistema cognitivo, mientras que las
funciones cognitivas laterales derechas en el lóbulo
frontal reflejadas en los cerebros superdotados se
correlacionan con el procesamiento de la información
espacial, el razonamiento y el pensamiento creativo en
particular (Klimesch et al., 2007). Se ha demostrado
que un programa eficaz de aprendizaje autorregulado
es adecuado para las intervenciones que reducen el bajo
rendimiento de los alumnos matemáticamente
superdotados (Stoeger, 2005). El lóbulo frontal está
fuertemente implicado en esta capacidad de
autorregulación y en el patrón de aprendizaje (Case,
1992). En particular, el CPF es crucial en la regulación
del pensamiento y el control del comportamiento y ha
demostrado estar implicado en la atención ejecutiva, la
memoria de trabajo, la planificación, la selección,
incluso la motivación y la emoción (Harmon-Jones,
Gable, & Peterson, 2010; Kalbfleisch, 2004; Kane &
Engle, 2002). En un estudio de IRMf en tiempo real,
después de que los sujetos recibieran un entrenamiento
de autorregulación a corto plazo, se observaron
cambios en la actividad cortical circunscrita del CPF y
una mejora significativa del rendimiento conductual
(aumento de la precisión de la respuesta), lo que
confirma la eficacia del entrenamiento con
neurofeedback para la autorregulación no invasiva y la
actividad cerebral regional. (Rota et al., 2009). Además,
los sujetos que habían experimentado una práctica de
meditación a corto plazo con el método de
entrenamiento integrador cuerpo-mente mostraron
una atención y un control del estrés significativamente
mejores, como una menor ansiedad, depresión, ira y
fatiga, en comparación con el grupo de control al que
se le había administrado un entrenamiento de
relajación (Tang et al., 2007). También se observó que
la práctica de la meditación inducía cambios en las
conexiones neuronales (conectividad de la materia
blanca) en el cerebro, principalmente aumentos en la
conectividad entre el cíngulo anterior dorsal (ACC) y el
CPF lateral (Tang y Posner, 2009).
Además de la formación mediante la adquisición de
educación
102 L. ZHANG, J.Q. GAN Y H. WANG

de un sistema BCI, se espera que el entrenamiento de Aiken, L. R. (1973). Ability and creativity in mathematics.
neurofeedback en la banda de frecuencia alfa superior Review of Educational Research, 43(4), 405-432.
(10-12 Hz) mejore el rendimiento de la memoria de doi:10.3102/00346543043004405
trabajo del niño (Escolano, Aguilar y Minguez, 2011). Alexander, J. E., O'Boyle, M. W., & Benbow, C. P. (1996).
Developmentally advanced EEG alpha power in gifted male
Además, la lateralidad de la actividad cortical en el
lóbulo frontal puede ser manipulada por el
entrenamiento de neurofeedback on-line para mejorar
la respuesta neural del individuo (Harmon-Jones et al.,
2010). Como se ha descubierto que las funciones
cognitivas del lóbulo frontal derecho están muy
implicadas en el pensamiento matemático relacionado
con los superdotados, también se espera que el
entrenamiento en línea de la lateralidad medie en la
lateralidad derecha de las funciones frontales.

Conclusión
Este artículo revisa sistemáticamente los antecedentes
cognitivos, los estudios empíricos y los mecanismos
neuronales de la superdotación matemática. Las
características cognitivas descubiertas de la
superdotación matemática son valiosas para identificar
a los auténticos niños matemáticamente superdotados,
fomentar a los estudiantes prometedores en
matemáticas y mejorar a los estudiantes de capacidad
media. Los mecanismos neuronales "generales" y
"únicos" nos proporcionan conocimientos
neurobiológicos para entender a los niños
matemáticamente dotados en términos de la estructura
innata y la actividad funcional del cerebro. Para futuros
estudios de neurociencia cognitiva de niños y
adolescentes superdotados matemáticamente, la
dirección más importante sería investigar más a fondo
los marcadores neuronales "únicos" que distinguen los
cerebros superdotados matemáticamente de los cerebros
inteligentes o de otros superdotados. Como ya se ha
comentado, los estudios anteriores siguen presentando
problemas sin resolver, marcos ambiguos y fallos
metodológicos. Las investigaciones futuras deberían
combinar sistemáticamente datos de rendimiento de
tareas conductuales, datos electrofisiológicos, datos de
imágenes cerebrales y adoptar diversos métodos de
análisis de datos para encontrar las respuestas a estos
problemas.

Financiación
Este trabajo ha sido financiado en parte por el Programa
Nacional de Investigación Básica de China con la subvención
2015CB351704, por la Fundación Nacional de Ciencias
Naturales de China con la subvención 61375118 y la
subvención 31130025, y por el Programa para Excelentes
Talentos del Nuevo Siglo en la Universidad de China con la
subvención NCET-12-0115.

Referencias
 NEUROPSICOLOGÍA APLICADA: NIÑO 103
y adolescentes femeninas. International Journal
Psychophy- siology, 23(1-2), 25-31. doi:10.1016/0167-
8760(96)00031-1
Attwell, D., & Laughlin, S. B. (2001). An energy budget for
signaling in the grey matter of the brain. Journal of
Cerebral Blood Flow & Metabolism, 21(10), 1133-1145.
doi:10.1097/ 00004647-200110000-00001
Aydin, K., Ucar, A., Oguz, K. K., Okur, O. O., Agayev, A.,
Unal, Z., ... Ozturk, C. (2007). Increased gray matter den-
sity in the parietal cortex of mathematicians: A voxel-
based morphometry study. American Journal of
Neuroradiology, 28(10), 1859-1864. doi:10.3174/ajnr.a0696
Banfield, T. (2005). Ability grouping for mathematically
gifted adolescent boys. Revista Internacional de Educación,
6(2), 141-149.
Bassett, D. S., Meyer-Lindenberg, A., Achard, S., Duke, T., &
Bullmore, E. (2006). Adaptive reconfiguration of fractal
small-world human brain functional networks. Actas de la
Academia Nacional de Ciencias, 103(51), 19518-19523.
doi:10.1073/pnas.0606005103
Benbow, C. P. (1986). Physiological correlates of extreme
intellectual precocity. Neuropsychologia, 24(5), 719-725.
doi:10.1016/0028-3932(86)90011-4
Benbow, C. P. (1988). Sex differences in mathematical
reason- ing ability in intellectually talented preadolescents:
Their nature, effects, and possible causes. Behavioral and
Brain Sciences, 11(2), 169-183.
doi:10.1017/s0140525x00049244
Benbow, C. P., Lubinski, D., Shea, D. L., & Eftekhari-Sanjani,
H. (2000). Sex differences in mathematical reasoning
ability at age 13: Their status 20 years later. Psychological
Science, 11(6), 474-480. doi:10.1111/1467-9280.00291
Blair, C. (2002). School readiness: Integrating cognition and
emotion in a neurobiological conceptualization of chil-
dren's functioning at school entry. American Psychologist,
57(2), 111-127. doi:10.1037//0003-066x.57.2.111
Blair, C. (2007). Límites inherentes a la identificación de una
base neural para la inteligencia general. Behavioral and
Brain Sciences, 30(2), 154-155.
doi:10.1017/s0140525x07001197
Botvinick, M. M., Braver, T. S., Barch, D. M., Carter, C. S., &
Cohen, J. D. (2001). Conflict monitoring and cognitive
control. Psychological Review, 108(3), 624-652.
Bressler, S. L., & Seth, A. K. (2011). Causalidad de Wiener-
granger: Una metodología bien establecida. NeuroImage,
58(2), 323-329. doi:10.1016/j.neuroimage.2010.02.059
Brody, L. E., y Stanley, J. C. (2005). Jóvenes que razonan
excepcionalmente bien matemática y/o verbalmente:
Using the MVT:D4 model to develop their talents. En R.
Sternberg & J. Davidson (Eds.), Conceptions of Giftedness,
2ª edición (pp. 20-37). Cambridge, MA: Cambridge
University Press.
Case, R. (1992). El papel de los lóbulos frontales en la
regulación del desarrollo cognitivo. Brain and Cognition,
20(1), 51-73. doi:10.1016/0278-2626(92)90061-p
Chen, S. C., Huang, C. K., Chen, J. F., & Su, S. B. (2012). The
relationship between attention assessment and EEG con-
trol, International Proceedings of Chemical, Biological &
Environmental Engineering, 34, 27-31.
Cropley, A. J. (1994). Creative intelligence: A concept of 'true'
giftedness. European Journal of High Ability, 5(1), 16-23.
doi:10.1080/0937445940050102
Cropley, A. J. (2000). Definir y medir la creatividad: ¿Vale la
pena utilizar tests de creatividad? Roeper Review, 23(2),
72-79. doi:10.1080/02783190009554069
104 L. ZHANG, J.Q. GAN Y H. WANG
Deary, I. J., Penke, L., & Johnson, W. (2010). La neurociencia
de la diferencia de inteligencia humana. Neuroscience,
11(3), 201-211.
Desco, M., Navas-Sánchez, F. J., Sánchez-González, J., Reig, S.,
Robles, O., Franco, C., ... Arango, C. (2011). Los
adolescentes superdotados matemáticamente utilizan áreas
más extensas y bilaterales de la red fronto-parietal que los
controles durante tareas de funcionamiento ejecutivo y
razonamiento fluido. NeuroImage, 57(1), 281-292.
doi:10.1016/j.neuroimage.
2011.03.063
Detterman, D. K., y Daniel, M. H. (1989). Correlations of
mental tests with each other and with cognitive variables
are highest for low IQ groups. Intelligence, 13(4), 349-.
359. doi:10.1016/s0160-2896(89)80007-8
Diezmann, C. M. (2005). Challenging mathematically gifted
primary students. Australasian Journal of Gifted Education,
14(1), 50-57.
Diezmann, C. M., y Watters, J. J. (2002). The importance of
challenging tasks for mathematically gifted students. Gifted
and Talented International, 17(2), 76-84.
Epstein, H. T. (1980). Etapas de desarrollo del EEG. Develop-
mental Psychobiology, 13(6), 629-631. doi:10.1002/dev.
420130608
Escolano, C., Aguilar, M., & Minguez, J. (2011). EEG-based
upper alpha neurofeedback training improves working
memory performance. Engineering in Medicine and Biology
Society, EMBC, 2011 Annual International Conference of
the IEEE, Boston, MA, USA, 2327-2330.
Eslinger, P. J., Blair, C., Wang, J. L., Lipovsky, B., Realmuto, J.,
Baker, D., ... Yang, Q. X. (2009). Developmental shifts in
fMRI activations during visuospatial relational reasoning.
Brain and Cognition, 69(1), 1-10. doi:10.1016/j.bandc.2008.
04.010
Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E., &
Penny, W. D. (Eds.). (2011). Mapeo estadístico paramétrico:
El análisis de imágenes cerebrales funcionales. Londres,
Reino Unido: Elsevier/Academic Press.
Gagne, F. (1985). Superdotación y talento: Reexaminando las
definiciones. Gifted Child Quarterly, 29(3), 103-112.
doi:10.1177/001698628502900302
Gardner, H. E. (1983). Frames of mind: La teoría de las
inteligencias múltiples. Nueva York, NY: Basic Books.
Gardner, H. E. (2003). Inteligencias múltiples después de veinte
años. Chicago, IL: Asociación Americana de Investigación
Educativa.
Gardner, H. E. (2006). Inteligencias múltiples: Nuevos
horizontes. Nueva York, NY: Basic books.
Geake, J. G. (2006). Cerebros matemáticos. Superdotados y
talentosos, 10(1), 2-7.
Geary, D. C. (1996). Sexual selection and sex differences in
mathematical abilities. Behavioral and Brain Sciences, 19
(02), 229-247. doi:10.1017/s0140525x00042400
Giedd, J. N., Blumenthal, J., Jeffries, N. O., Castellanos, F. X.,
Liu H., Zijdenbos A., ... Rapoport, J. L. (1999). Brain devel-
opment during childhood and adolescence: A longitudinal
MRI study. Nature Neuroscience, 2(10), 861-863.
Gray, J. R., Chabris, C. F., & Braver, T. S. (2003). Mecanismos
neuronales de la inteligencia fluida general. Neuroscience, 6
(3), 316-322. doi:10.1038/nn1014
Haier, R. J., & Benbow, C. P. (1995). Sex differences and
lateralization in temporal lobe glucose metabolism during
mathematical reasoning. Developmental Neuropsychology,
11(4), 405-414. doi:10.1080/87565649509540629
Haier, R. J., Siegel, B., Tang, C., Abel, L., & Buchsbaum, M. S.
(1992). Intelligence and changes in regional cerebral
glucose metabolic rate following learning. Intelligence,
16(3-4), 415-426. doi:10.1016/0160-2896(92)90018-m
Harmon-Jones, E., Gable, P. A., & Peterson, C. K. (2010). El
papel de la actividad cortical frontal asimétrica en los
fenómenos relacionados con la emoción: A review and
update. Biological Psychology, 84(3), 451-462.
doi:10.1016/j.biopsycho.2009.
08.010
Hegarty, M., & Kozhevnikov, M. (1999). Types of visual-
spatial representations and mathematical problem solving.
Journal of Educational Psychology, 91(4), 684-689.
doi:10.1037//0022-0663.91.4.684
Heinze, A. (2005). Diferencias en las estrategias de resolución
de problemas de alumnos de primaria superdotados y no
superdotados matemáticamente. Revista Internacional de
Educación, 6(2), 175-183.
Hellige, J. B. (1993). Asimetría hemisférica: What's right and
what's left (Vol. 6). Cambridge, Reino Unido: Harvard
University Press.
Hoppe, C., Fliessbach, K., Stausberg, S., Stojanovic, J.,
Trautner, P., Elger, C. E., & Weber, B. (2012). Un papel
clave para el rendimiento en tareas experimentales: Efectos
del talento matemático, el género y el rendimiento en los
correlatos neurales de la rotación mental. Brain and
Cognition, 78(1), 14-27. doi:10.1016/j. bandc.2011.10.008
House, P. A. (1987). Providing opportunities for mathemat-
ically gifted, K-12. Reston, VA: National Council of
Teachers of Mathematics. Reston, VA: National Council of
Teachers of Mathematics.
Jaušovec, N. (1996). Differences in EEG alpha activity related
to giftedness. Intelligence, 23(3), 159-173. doi:10.1016/
s0160-2896(96)90001-x
Joseph, R. (1988). El hemisferio cerebral derecho: Emotion,
music, visual-spatial skills, body-image, dreams, and aware-
ness. Journal of Clinical Psychology, 44(5), 630-673.
doi:10.1002/1097-4679(198809)44:5 < 630::aid-jclp227044
0502 > 3.0.co;2-v
Jung, R. E., y Haier, R. J. (2007). The parieto-frontal
integration theory (P-FIT) of intelligence: Converging neu-
roimaging evidence. Behavioral and Brain Sciences, 30(2),
�
135-154. doi:10.1017/s0140525 07001185
Jung, R. E., Segall, J. M., Jeremy Bockholt, H., Flores, R. A.,
Smith, S. M., Chavez, R. S., & Haier, R. J. (2010).
Neuroanatomía de la creatividad. Human Brain Mapping,
31(3), 398-409.
Kalbfleisch, M. L. (2004). Anatomía neural funcional del
talento. The Anatomical Record Part B: The New Anatomist,
277(1), 21-36. doi:10.1002/ar.b.20010
Kane, M. J., & Engle, R. W. (2002). The role of prefrontal
cortex in working-memory capacity, executive attention,
and general fluid intelligence: An individual-differences
perspective. Psychonomic Bulletin & Review, 9(4), 637- 671.
doi:10.3758/bf03196323
Kim, H., Cho, S., & Ahn, D. (2003). Development of
mathematical creative problem solving ability test for
identification of the gifted in math. Gifted Education Inter-
national, 18(2), 164-174. doi:10.1177/026142940301800206
Kleene, S. C. (2002). Mathematical logic. New York, NY:
Correo Dover.
Klimesch, W. (1999). Las oscilaciones alfa y theta del EEG
reflejan el rendimiento cognitivo y de la memoria: A review
and analysis. Brain Research Reviews, 29(2), 169-195.
doi:10.1016/s0165-
0173(98)00056-3

Klimesch, W., Sauseng, P., & Hanslmayr, S. (2007). EEG alpha
oscillations: The inhibition-timing hypothesis. Brain
Research Reviews, 53(1), 63-88. doi:10.1016/j.brainresrev.
2006.06.003
Koechlin, E., Ody, C. y Kouneiher, F. (2003). La arquitectura
del control cognitivo en el córtex prefrontal humano.
Science, 302(5648), 1181-1185. doi:10.1126/science.
1088545
Kosslyn, S. M., Behrmann, M., & Jeannerod, M. (1995). The
cognitive neuroscience of mental-imagery. Neuropsy-
chologia, 33(11), 1335-1344.
Kouneiher, F., Charron, S., & Koechlin, E. (2009). Motivación y
control cognitivo en el córtex prefrontal humano. Nature
Neuroscience, 12(7), 939-945. doi:10.1038/nn.2321 Krause, W.,
Schack, B., Seidel, G., Heinrich, F., & Krause, U. (2001).
Entropy reduction in human mathematical thinking: A
microstate study of EEG oscillations. NeuroImage,
13(6), 432. doi:10.1016/s1053-8119(01)91775-6
Krause, W., Seidel, G., & Heinrich, F. (2003). Reducción de la
entropía en la superdotación matemática: Una nueva
medida del rendimiento mental. En U. Lindemann (Ed.),
Human behavior in design (pp. 63-71). Berlin: Springer-
Verlag.
Krause, W., Seidel, G., & Schack, B. (2001). Reducción de la
entropía. Zeitschrift Fur Psychologie, 209(4), 376-401.
Krutetskii, V. A. (1976). The psychology of mathematical
abilities in school children. Chicago, IL: University of
Chicago Press.
Kwon, H., Reiss, A. L., & Menon, V. (2002). Neural basis of
protracted developmental changes in visuo-spatial working
memory. Proceedings of the National Academy of Sciences of
the United States of America, 99(20), 13336-13341.
doi:10.1073/pnas.162486399
Laughlin, S. B., & Sejnowski, T. J. (2003). Comunicación en
redes neuronales. Science, 301(5641), 1870-1874.
doi:10.1126/science.1089662
Lee, K. H., Choi, Y. Y., Gray, J. R., Cho, S. H., Chae, J. H., Lee,
S., & Kim, K. (2006). Neural correlates of superior intelli-
gence: Stronger recruitment of posterior parietal cortex.
NeuroImage, 29(2), 578-586. doi:10.1016/j.neuroimage.
2005.07.036
Liu, T., Xiao, T., Shi, J., & Zhao, D. (2011a). Respuesta prep-
aration y el control cognitivo de los niños altamente
inteligentes: A Go-Nogo event-related potential study.
Neuroscience, 180 (2), 122-128.
doi:10.1016/j.neuroscience.2011.02.022
Liu, T., Xiao, T., Shi, J., & Zhao, L. (2011b). Sensory gating,
inhibition control and child i n t e l l i g e n c e : Un estudio
de potenciales relacionados con eventos. Neuroscience,
189(4), 250-257. doi:10.1016/j.neuroscience.2011.05.009
Livne, N. L., Livne, O. E., & Milgram, R. M. (1999).
Evaluación de las capacidades académicas y creativas en
matemáticas en cuatro niveles de comprensión.
International Journal of Mathematical Education in Science
and Technology, 30(2), 227-242.
doi:10.1080/002073999288012
Livne, N. L., y Milgram, R. M. (2006). Academic versus
creative abilities in mathematics: ¿Dos componentes del
mismo constructo? Creativity Research Journal, 18(2), 199-
212. doi:10.1207/s15326934crj1802_6
Lubinski, D., Webb, R. M., Morelock, M. J., & Benbow, C. P.
(2001). Top 1 in 10,000: A 10-year follow-up of the pro-
foundly gifted. Journal of Applied Psychology, 86(4), 718.
Lubinski, D., y Benbow, C. P. (2006). Study of mathematically
precocious youth after 35 years: Uncovering antecedents
NEUROPSICOLOGÍA APLICADA: NIÑO 105
para el desarrollo de la pericia matemático-científica.
Perspectives on Psychological Science, 1(4), 316-345.
Mann, E. L. (2006). Creativity: La esencia de las matemáticas.
Journal for the Education of the Gifted, 30(2), 236-260.
Meissner, H. (2006). Creatividad en la educación matemática.
Educación Primaria en Línea, 5(1), 65-72.
Melloni, L., Molina, C., Pena, M., Torres, D., Singer, W., &
Rodriguez, E. (2007). Synchronization of neural activity
across cortical areas correlates with conscious perception.
Journal of Neuroscience, 27(11), 2858-2865. doi:10.1523/
jneurosci.4623-06.2007
Miller, E. K. (2000). El córtex prefrontal y el control cognitivo.
Nature Reviews Neuroscience, 1(1), 59-65.
Mrazik, M., y Dombrowski, S. C. (2010). Los fundamentos
neurobiológicos de la superdotación. Roeper Review, 32(4),
224-234. doi:10.1080/02783193.2010.508154
Navas-Sánchez, F. J., Alemán-Gómez, Y., Sánchez-González,
J., Guzmán-De-Villoria, J. A., Franco, C., Robles, O., ...
Desco, M. (2014). Correlatos de la microestructura de la
sustancia blanca de la superdotación matemática y el
cociente intelectual. Human Brain Mapping, 35(6), 2619-
2631. doi:10.1002/ hbm.22355
Neubauer, A. C., & Fink, A. (2009). Inteligencia y eficiencia
neuronal. Neuroscience and Biobehavioral Reviews, 33(7),
1004-1023.
O'Boyle, M. W. (2005). Algunos hallazgos actuales sobre las
características cerebrales del adolescente matemáticamente
superdotado. Revista Internacional de Educación, 6(2), 247-
251.
O'Boyle, M. W. (2008). Mathematically gifted children:
-Características del desarrollo cerebral y su pronóstico para
el bienestar. Número especial: The Cognitive Neuroscience of
Giftedness, 30(3), 181-186. doi:10.1080/0278319080
2199594
O'Boyle, M. W., Alexander, J. E., & Benbow, C. P. (1991).
Enhanced right hemisphere activation in the mathemat-
ically precocious: A preliminary EEG investigation. Brain
and Cognition, 17(2), 138-153. doi:10.1016/0278-2626(91)
90073-h
O'Boyle, M. W., & Benbow, C. P. (1990). Enhanced right
hemisphere involvement during cognitive processing may
relate to intellectual precocity. Neuropsychologia, 28(2),
211-216. doi:10.1016/0028-3932(90)90102-t
O'Boyle, M. W., Cunnington, R., Silk, T. J., Vaughan, D.,
Jackson, G., Syngeniotis, A., & Egan, G. F. (2005).
Mathematically gifted male adolescents activate a unique
brain network during mental rotation. Cognitive Brain
Research, 25(2), 583-587. doi:10.1016/j.cogbrainres.2005.
08.004
O'Boyle, M. W., Gill, H. S., Benbow, C. P., & Alexander, J. E.
(1994). Concurrent finger-tapping in mathematically gifted
males: Evidence for enhanced right hemisphere involve-
ment during linguistic processing. Cortex, 30(3), 519-526.
doi:10.1016/s0010-9452(13)80347-4
Pascual-Leone, A., Amedi, A., Fregni, F., & Merabet, L. B.
(2005). The plastic human brain cortex, Annual Review of
Neuroscience, 28, 377-401.
Poincaré, H. (1913). Los fundamentos de la ciencia. New York,
NY: Science Press.
Prabhakaran, V., y Rypma, B. (2007). P-FIT y la neurociencia
de la inteligencia: ¿Hasta qué punto encaja bien P?
Behavioral and Brain Sciences, 30(2), 166-167. �
doi:10.1017/s0140525
07001355
106 L. ZHANG, J.Q. GAN Y H. WANG
Preckel, F., Goetz, T., Pekrun, R. y Kleine, M. (2008). Gender
differences in gifted and average-ability students
comparing girls' and boys' achievement, self-concept,
interest, and motivation in mathematics. Gifted Child
Quarterly, 52(2), 146-159. doi:10.1177/0016986208315834
Prescott, J., Gavrilescu, M., Cunnington, R., O'Boyle, M. W.,
& Egan, G. F. (2010). Enhanced brain connectivity in math-
gifted adolescents: An fMRI study using mental rotation.
Cognitive Neuroscience, 1(4), 277-288.
doi:10.1080/17588928.2010.506951
Renzulli, J. S. (1978). ¿Qué es la superdotación?
Reexaminando una definición. Phi Delta Kappan, 60(3),
180-184, 261.
Ridderinkhof, K. R., van den Wildenberg, W. P., Segalowitz,
S. J., & Carter, C. S. (2004). Mecanismos neurocognitivos
del control cognitivo: The role of prefrontal cortex in action
selection, response inhibition, performance monitoring,
and reward-based learning. Brain and Cognition, 56(2),
129-140. doi:10.1016/j.bandc.2004.09.016
Rota, G., Sitaram, R., Veit, R., Erb, M., Weiskopf, N., Dogil,
G., & Birbaumer, N. (2009). Autorregulación de la
actividad cortical regional mediante fMRI en tiempo real:
The right inferior frontal gyrus and linguistic processing.
Human Brain Mapping, 30(5), 1605-1614.
doi:10.1002/hbm.20621
Rypma, B., Berger, J. S., Prabhakaran, V., Bly, B. M., Kimberg,
D. Y., Biswal, B. B., & D'Esposito, M. (2006). Neural corre-
lates of cognitive efficiency. NeuroImage, 33(3), 969-979.
doi:10.1016/j.neuroimage.2006.05.065
Sak, U. (2004). Acerca de la creatividad, la superdotación y la
enseñanza de los superdotados creativos en el aula. Roeper
Review, 26(4), 216-222. doi:10.1080/02783190409554272
Sak, U., & Maker, C. J. (2005). Divergencia y convergencia de
las fuerzas mentales de los niños en problemas matemáticos
abiertos y cerrados. Revista Internacional de Educación, 6(2),
252-260. Schoenfeld, A. H. ( 1 9 9 2 ). Learning to think
mathematically: Problem solving, metacognition and sense
making in math- ematics. En D. Grouws (Ed.), Handbook of
research on mathematics teaching and learning: A project of the
national council of teaching of mathematics (pp. 334-370). New
York, NY: Macmillan.
Singh, H., & O'Boyle, M. W. (2004). Interhemispheric
interaction during global-local processing in
mathematically gifted adolescents, average-ability youth,
and college students. Neuropsychology, 18(2), 371-377.
doi:10.1037/0894-
4105.18.2.371
Smith, M. K. (2002). Howard Gardner and multiple intelli-
gences. La enciclopedia de la educación informal. Obtenido
de http://www.infed.org/thinkers/gardner.htm.
Sousa, D. A. (2009). Cómo aprende el cerebro superdotado.
Thousand Oaks, CA: Corwin Press.
Sriraman, B. (Ed.). (2008). Creativity, giftedness, and talent
development in mathematics (Vol. 4). Charlotte, NC:
Information Aging Publishing.
Sternberg, R. J. (1985). Beyond IQ: Una teoría triárquica de
l a inteligencia humana. Nueva York, NY: Cambridge
University Press.
Sternberg, R. J. (1999a). Inteligencia de éxito: Finding a
balance. Trends in Cognitive Science, 3(11), 436-442.
doi:10.1016/s1364-6613(99)01391-1
Sternberg, R. J. (1999b). La teoría de la inteligencia exitosa.
Revista de Psicología General, 3(4), 292-316.
Sternberg, R. J. (2003). La superdotación según la teoría de la
inteligencia exitosa. En N. Colangelo & G. Davis (Eds.),
Handbook of gifted education (pp. 88-99). Boston, MA:
Allyn and Bacon.
Sternberg, R. J. (2006). La naturaleza de la creatividad.
Creativity Research Journal, 18(1), 87-98.
doi:10.1207/s15326934 crj1801_10
Stoeger, H. (2005). Evaluation of an elementary classroom
self-regulated learning program for gifted mathematics
underachievers. Revista Internacional de Educación, 6(2),
261-271.
Tall, D. (1991). La psicología del pensamiento matemático
avanzado. En D. Tall (Ed.), Advanced mathematical
thinking (pp. 3-21). Dordrecht, Países Bajos: Kluwer.
Tang, Y. Y., Ma, Y., Wang, J., Fan, Y., Feng, S., Lu, Q., ...
Posner, M. I. (2007). El entrenamiento en meditación a
corto plazo mejora la atención y la autorregulación. Actas
de la Academia Nacional de Ciencias, 104(43), 17152-
17156. doi:10.1073/pnas.0707678104
Tang, Y. Y., & Posner, M. I. (2009). Attention training and
attention state t r a i n i n g . Trends in Cognitive Sciences,
13(5), 222-227. doi:10.1016/j.tics.2009.01.009
Terman, L. M. (1926). Genetic studies of genius: Mental and
physical traits of a thousand gifted children (Vol. I, 2ª ed.).
Stanford, CA: Stanford University Press.
Thurstone, L. L. (1948). Capacidades mentales primarias.
Science, 108
(2813), 585-585.
Usiskin, & Zalman. (2000). The development into the math-
ematically talented. Journal of Secondary Gifted Education,
11(3), 152-162.
Van Garderen, D., & Montague, M. (2003). Visual-spatial
representation, mathematical problem solving, and stu-
dents of varying abilities. Learning Disabilities Research &
Practice, 18(4), 246-254. doi:10.1111/1540-5826.00079
Vilkomir, T., & O'DonogHue, J. (2009). Using components of
mathematical ability for initial development and identifi-
cation of mathematically promising students. International
Journal of Mathematical Education in Science and Tech-
nology, 40(2), 183-199. doi:10.1080/00207390802276200
Winner, E. (2000). The origins and ends of giftedness.
American Psychologist, 55(1), 159-169. doi:10.1037//0003-
066x.55.1.159
Zhang, L., Gan, J. Q., & Wang, H. (2014). Optimized gamma
synchronization enhances functional binding of fronto-
parietal cortices in mathematically gifted adolescents dur-
ing deductive reasoning, Frontiers in Human Neuroscience,
8, 430. doi:10.3389/fnhum.2014.00430.
Zhang, L., Gan, J. Q., & Wang, H. (2015a). Localization of
neural efficiency of the mathematically gifted brain through
a feature subset selection method. Cognitive Neurody-
namics, 9(5), 495-508. doi:10.1007/s11571-015-9345-1
Zhang, L., Gan, J. Q., & Wang, H. (2015b). Mathematically
gifted adolescents mobilize enhanced workspace configur-
ation of theta cortical network during deductive reasoning,
Neuroscience, 289, 334-348. doi:10.1016/j.neuroscience.
2014.12.072
Zhang, L., Wang, H., & Gan, J. Q. (2013). Localización cortical
basada en EEG de la eficiencia neuronal relacionada con la
superdotación matemática. Proceedings of Int. Conf. on
Neural Information Processing, Daegu, Corea, 25-32.