Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Batterie multimédia pour l’évaluation des compétences cognitives et de base en mathématiques (BM-PROMA)

Published: August 28, 2021 doi: 10.3791/62288
Automatic Translation
*1,2, *1, *1, *1
1Faculty of Psychology and Speech Therapy, Universidad de La Laguna, 2Faculty of Education, Universidad Católica del Maule
* These authors contributed equally

Summary

BM-PROMA est un outil de diagnostic multimédia valide et fiable qui peut fournir un profil cognitif complet des enfants ayant des troubles d’apprentissage mathématiques.

Abstract

L’apprentissage des mathématiques est un processus complexe qui nécessite le développement de multiples compétences générales et spécifiques à un domaine. Il n’est donc pas surprenant que de nombreux enfants aient du mal à rester au niveau scolaire, ce qui devient particulièrement difficile lorsque plusieurs capacités des deux domaines sont altérées, comme dans le cas des troubles d’apprentissage mathématiques (MLD). Étonnamment, bien que la MLD soit l’un des troubles neurodéveloppementaux les plus courants chez les écoliers, la plupart des instruments de diagnostic disponibles n’incluent pas l’évaluation des compétences générales et spécifiques au domaine. De plus, très peu sont informatisés. À notre connaissance, il n’existe aucun outil avec ces fonctionnalités pour les enfants hispanophones. Le but de cette étude était de décrire le protocole pour le diagnostic des enfants MLD espagnols à l’aide de la batterie multimédia BM-PROMA. BM-PROMA facilite l’évaluation des deux domaines de compétences, et les 12 tâches incluses à cette fin sont empiriquement fondées sur des preuves. La forte cohérence interne de BM-PROMA et sa structure interne multidimensionnelle sont démontrées. BM-PROMA s’avère être un outil approprié pour diagnostiquer les enfants atteints de MLD pendant l’enseignement primaire. Il fournit un large profil cognitif pour l’enfant, qui sera pertinent non seulement pour le diagnostic, mais aussi pour la planification pédagogique individualisée.

Introduction

L’un des objectifs cruciaux de l’enseignement primaire est l’acquisition de compétences mathématiques. Ces connaissances sont très pertinentes, car nous utilisons tous les mathématiques dans notre vie quotidienne, par exemple, pour calculer le changement donné au supermarché1,2. En tant que tels, les conséquences d’une mauvaise performance mathématique vont au-delà de l’académique. Sur le plan social, une forte prévalence de piètres performances mathématiques au sein de la population constitue un coût pour la société. Il est prouvé que l’amélioration des compétences numériques médiocres de la population conduit à des économies importantes pour un pays3. Il y a aussi des conséquences négatives au niveau individuel. Par exemple, ceux qui présentent un faible niveau de compétences en mathématiques présentent un faible développement professionnel (p. ex., des taux d’emploi plus élevés dans des professions manuelles mal rémunérées et un chômage plus élevé)4,5,6, signalent fréquemment des réponses socio-émotionnelles négatives envers les universitaires (p. ex., anxiété, faible motivation envers les universitaires)7,8, et ont tendance à présenter une moins bonne santé mentale et physique que leurs pairs avec des résultats mathématiques moyens9. Les élèves ayant des troubles d’apprentissage mathématiques (MLD) montrent de très mauvaises performances qui persistent dans le temps10,11,12. En tant que tels, ils sont plus susceptibles de subir les conséquences mentionnées ci-dessus, surtout si celles-ci ne sont pas diagnostiquées rapidement13.

MlD est un trouble neurobiologique caractérisé par une déficience sévère en termes d’apprentissage des compétences numériques de base malgré une capacité intellectuelle adéquate et une scolarité14. Bien que cette définition soit largement acceptée, les instruments et critères d’identification sont encore en cours dediscussion 15. Une excellente illustration de l’absence d’un accord universel concernant le diagnostic MLD est la variété des taux de prévalence rapportés, allant de 3 à 10%16,17,18,19,20,21. Cette difficulté dans le diagnostic découle de la complexité des connaissances mathématiques, qui nécessite qu’une combinaison de compétences générales et spécifiques à plusieurs domaines soit apprise22,23. Les enfants atteints de MLD présentent des profils cognitifs très différents, avec une large constellation de déficits14,24,25,26,27. À cet égard, il est suggéré que la nécessité d’une évaluation multidimensionnelle au moyen de tâches impliquant différentes représentations numériques (c’est-à-dire verbales, arabes, analogiques) et des compétences arithmétiques11.

À l’école primaire, les symptômes de la MLD sont divers. En termes de compétences spécifiques à un domaine, il est systématiquement constaté que de nombreux étudiants MLD montrent des difficultés dans les compétences numériques de base, telles que la reconnaissance rapide et précise des chiffres arabes28,29,30, la comparaison des magnitudes31,32, ou la représentation de nombres sur la ligne de nombre33,34. Les enfants du primaire ont également montré des difficultés à comprendre les connaissances conceptuelles, telles que la valeur de lieu35,la connaissance arithmétique36ou l’ordinalité mesurée par des séquences ordonnées37. En ce qui concerne les compétences générales du domaine, un accent particulier a été mis sur le rôle de la mémoire de travail38,39 et du langage40 dans le développement des compétences mathématiques chez les enfants avec et sans MLD. En ce qui concerne la mémoire de travail, les résultats suggèrent que les étudiants atteints de MLD présentent un déficit dans l’exécutif central, en particulier lorsqu’ils sont nécessaires pour manipuler des informationsnumériques41,42. Un déficit de la mémoire visuospatiale à court terme a également été fréquemment rapporté chez les enfants atteints de MLD43,44. Les compétences linguistiques se sont avérées être une condition préalable à l’apprentissage des compétences en numératie, en particulier celles qui impliquent une forte demande de traitement verbal7. Par exemple, les compétences en traitement phonologique [p. ex., la conscience phonologique et la dénomination automatisée rapide (RAN)] sont étroitement liées aux compétences de base acquises à l’école primaire, comme le traitement numérique ou le calcul arithmétique39,45,46,47. Ici, il a été démontré que les variations dans la conscience phonologique et la RAN sont associées à des différences individuelles dans les compétences en numératie qui impliquent la gestion du code verbal42,48. Compte tenu du profil complexe des enfants atteints de MLP, un outil de diagnostic devrait idéalement inclure des tâches qui évaluent à la fois les compétences générales et spécifiques au domaine, qui sont signalées comme étant plus fréquemment déficientes chez ces enfants.

Au cours des dernières années, plusieurs outils de criblage papier et crayon pour MLD ont été développés. Ceux qui sont les plus couramment utilisés avec les enfants espagnols de l’école primaire sont a) Evamat-Batería para la Evaluación de la Competencia Matemática (Batterie pour l’évaluation des compétences mathématiques)49; b) Tedi-Math: A Test for Diagnostic Assessment of Mathematical Disabilities (adaptation espagnole)50; c) Test de Evaluación Matemática Temprana de Utrecht (TEMT-U)51,52, la version espagnole du Test de numératie ancienne d’Utrecht53; et d) Test des premières capacités mathématiques (TEMA-3)54. Ces instruments mesurent bon nombre des compétences spécifiques au domaine mentionnées ci-dessus; cependant, aucun d’entre eux n’évalue les compétences générales du domaine. Une autre limite de ces instruments - et des outils papier et crayon en général - est qu’ils ne peuvent pas fournir d’informations sur l’exactitude et l’automaticité avec lesquelles chaque article est traité. Cela ne serait possible qu’avec une batterie informatisée. Cependant, très peu d’applications ont été développées pour le diagnostic de la dyscalculie. Le premier outil informatisé conçu pour identifier les enfants (âgés de 6 à 14 ans) atteints de MLD était le Dyscalculie Screener55. Quelques années plus tard, le DyscalculiUm56 basé sur le Web a été développé dans le même but, mais axé sur les adultes et les apprenants de l’éducation post-16. Bien que encore limité, il y a eu un intérêt croissant pour la conception d’outils informatisés pour le diagnostic de MLD au cours des dernières années57,58,59,60. Aucun des outils mentionnés n’a été standardisé pour les enfants espagnols, et un seul d’entre eux - le test MathPro57- comprend une évaluation générale des compétences du domaine. Compte tenu de l’importance d’identifier les enfants ayant de faibles résultats en mathématiques, en particulier ceux atteints de MLD, et en l’absence d’instruments informatisés pour la population espagnole, nous présentons un protocole d’évaluation multimédia qui inclut à la fois des compétences générales et spécifiques au domaine.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Ce protocole a été mené conformément aux directives fournies par le Comité de Ética de la Investigación y Bienestar Animal (Comité d’éthique de la recherche et du bien-être animal, CEIBA), Universidad de La Laguna.

REMARQUE: La Batería multimedia para la evaluación de habilidades cognitivas y básicas en matemáticas [Batterie multimédia pour l’évaluation des compétences cognitives et de base en mathématiques (BM-PROMA)]61 a été développée à l’aide de Unity 2.0 Professional Edition et du moteur de base de données SQLITE. BM-PROMA comprend 12 sous-tests : 8 pour évaluer les compétences spécifiques au domaine et 4 pour évaluer les processus généraux du domaine. Pour chaque sous-test, fournissez des instructions oralement par un robot humanoïde animé et précèdez la phase de test par une démonstration et deux essais d’entraînement. Le protocole d’application pour chaque tâche est présenté ci-dessous avec un exemple.

1. Configuration expérimentale

  1. Utiliser les critères d’inclusion suivants : enfants dans l’enseignement primaire entre la deuxième et la sixième année; locuteurs natifs de l’espagnol.
  2. Utilisez les critères d’exclusion suivants : les enfants ayant des antécédents de déficits neurologiques, intellectuels ou sensoriels.
  3. Installez la batterie multimédia pour l’évaluation des compétences cognitives et de base en mathématiques. BM-PROMA est distribué à l’aide d’un seul fichier. Ce fichier est un programme d’installation automatisé qui permet à l’utilisateur de sélectionner la destination d’installation. Le programme d’installation détecte les versions précédentes de l’outil et avertit l’utilisateur d’une éventuelle perte de données due à l’écrasement. L’installation crée des raccourcis dans le menu 'Démarrer' de Windows. En outre, le programme d’installation fournit un fichier de commandes (appelé fichier .bat dans Windows) pour automatiser le processus de sauvegarde de la base de données. L’outil fonctionne en mode plein écran à une résolution de 800x600 pixels. L’outil ne peut pas s’exécuter en mode fenêtré.
    1. Avant qu’un étudiant puisse être évalué, ajoutez ses données à la base de données des étudiants. Une fois l’enfant inscrit, sélectionnez-le en cliquant sur l’entrée correspondante dans la liste des étudiants. Les tâches sont sélectionnées au hasard par l’examinateur ou l’enfant. Les tâches commencent dès que l’examinateur ou l’enfant clique dessus. Une fois la tâche terminée, l’outil revient au menu de sélection de la tâche. Les tâches accomplies par l’étudiant ne sont plus visibles dans le menu. Une fois la session commencée, il n’y a pas de pauses entre les tâches.
    2. Testez les enfants de la 2e et de la 3e année en trois séances d’une demi-heure et les enfants de la 4e à la 6e année en deux séances de 45 minutes. Tenez les sessions à des jours différents. Administrer le BM-PROMA dans une pièce calme. Demandez aux élèves d’utiliser un casque pour écouter les instructions et enregistrer leurs réponses orales; l’examinateur utilise également des écouteurs pour surveiller les tâches. Dans certains cas, l’examinateur doit enregistrer le résultat de la tâche à l’aide de la souris; dans d’autres, l’élève utilise la souris pour terminer la tâche et les réponses sont enregistrées automatiquement.
  4. Essais de démonstration et d’entraînement. Pour toutes les tâches, faites précéder l’étape de test avec des instructions (le robot présente oralement les instructions pour la tâche), la modélisation (le robot modélise la tâche étape par étape avec un exemple) et des essais pratiques (les enfants sont autorisés à faire jusqu’à deux essais pratiques avec rétroaction).

2. Sous-tests spécifiques au domaine

  1. Numéro manquant (Figure 1)
    1. Dans cette tâche, demandez aux enfants de nommer le numéro manquant à partir d’une série de 4 nombres à un ou deux chiffres présentés horizontalement.
    2. Demandez au robot de dire ce qui suit: « Dans ce jeu, vous devez dire à haute voix le nom du nombre manquant: deux, quatre, six, huit et (pause) dix. Donc, le nombre manquant est dix. Maintenant, essayez-le par vous-même ».
    3. Présenter un total de 18 séries: 6 dans l’ordre numérique croissant (les nombres de la série augmentent en valeur lorsqu’une magnitude donnée est ajoutée au nombre précédent), 6 dans l’ordre numérique décroissant (les nombres de la série diminuent en valeur lorsqu’une magnitude donnée est soustraite du nombre précédent), et 6 dans l’ordre croissant numériquement hiérarchique (plus d’une opération arithmétique est nécessaire pour les résoudre, dans ce cas, la multiplication et l’addition). L’examinateur utilise les boutons de la souris pour enregistrer si la réponse est correcte.
    4. Calculez le score en fonction du nombre total de réponses correctes.
  2. Comparaison des nombres à deux chiffres (Figure 2)
    1. Dans cette tâche, présentez 40 paires de nombres à deux chiffres sur l’écran de l’ordinateur.
    2. Demandez au robot de dire : « Dans ce jeu, regardez attentivement ces deux chiffres. Vous devez choisir le plus grand nombre. Pour ce faire, vous devez comparer les deux chiffres et dire à haute voix le nom du plus grand. Regardez ces deux chiffres. Trente-sept, c’est plus grand que vingt et un. Donc, je dirai /trente-sept/. Essayez de terminer la tâche le plus rapidement possible sans vous tromper. Maintenant, essayez-le par vous-même ».
    3. Demandez aux enfants de dire à haute voix le plus grand numériquement de chaque paire. Une clé vocale enregistrait le temps de réaction (RT) de l’enfant, après quoi l’examinateur utilisait les boutons de la souris pour enregistrer si la réponse était correcte.
      REMARQUE: Suite à des études antérieures62,63, la compatibilité unité-décennie (compatible vs incompatible) et la distance de la décennie et de l’unité (petite [1-3] vs grande [4-8]) ont été manipulées.
    4. Calculez le score en fonction de la RT des stimuli qui ont été résolus correctement.
  3. Nombres de lecture (Figure 3)
    1. Présentez 30 numéros arabes (10 numéros à un chiffre, 10 numéros à deux chiffres et 10 numéros à trois chiffres) un à la fois sur l’écran de l’ordinateur.
    2. Demandez au robot de dire « Dans ce jeu, vous devez nommer à haute voix les numéros qui apparaissent à l’écran. Regardez ce chiffre. Ici, vous devez dire /douze/, car c’est le nom du numéro à l’écran. Essayez de terminer la tâche le plus rapidement possible sans vous tromper. Maintenant, essayez-le par vous-même ».
    3. Demandez à l’enfant de les lire à haute voix le plus rapidement possible sans faire d’erreurs. Une clé vocale enregistrait le RT de l’enfant, après quoi l’examinateur utilisait les boutons de la souris pour enregistrer si la réponse était correcte.
    4. Calculez le score en fonction du RT des stimuli qui ont été lus correctement.
  4. Valeur de lieu (Figure 4)
    1. Mesurer la connaissance des élèves du système de numérotation arabe. Affichez 12 chiffres arabes à deux chiffres au centre de l’écran de l’ordinateur, avec une option de réponse située dans chaque coin de l’écran (quatre options au total). Chaque option était une quantité représentée par de minuscules blocs d’unités et des blocs de dizaines (dix unités regroupées en un seul bloc). Pour chaque élément, une seule des quatre options était correcte. Les options incorrectes étaient constituées de représentations qui coïncidaient avec l’option correcte dans a) les dix; b) l’unité; ou c) à la fois le dix et l’unité, mais inversé (p. ex., pour le nombre « 15 », les options incorrectes représentaient 12, 35 et 51).
    2. Demandez au robot de dire « Dans ce jeu, nous avons un numéro et quatre images. Vous devez cliquer sur l’image qui représente le nombre correctement. Je vais choisir le premier, parce que la barre est égale à dix, et les carrés sont égaux à cinq unités. Maintenant, essayez-le par vous-même ».
    3. Calculez le score en fonction du nombre total de réponses correctes.
  5. Nombrez les tâches de la ligne 0-100 et 0-1000 (Figure 5)
    REMARQUE: Utilisez des adaptations informatisées de l’original papier et crayon64.
    1. Dans cette tâche, demandez aux enfants de positionner un nombre donné sur une ligne numérique de 15 cm à l’aide de la souris de l’ordinateur. Pour les 20 premiers éléments, la valeur à l’extrémité gauche de la ligne était 0 et la valeur à l’extrémité droite était 100. Pour les 22 éléments suivants, la valeur à l’extrémité droite était de 1000.
    2. Présentez les éléments suivants sur la ligne 0-100 : 2, 3, 7, 11, 14, 18, 23, 37, 41, 45, 56, 60, 67, 71, 75, 86, 89, 91, 95 et 99.
    3. Demandez au robot de dire « Dans ce jeu, vous devez mettre le numéro où vous pensez qu’il devrait aller. Regardez cette ligne. Il commence à zéro et se termine à cent. Il faut mettre le numéro cinquante ici. Pour ce faire, cliquez et maintenez la ligne rouge sous le numéro et faites-la glisser au bon endroit. Savez-vous pourquoi j’ai laissé tomber le numéro ici? C’est au milieu, parce que cinquante, c’est la moitié de cent. Maintenant, essayez-le par vous-même ».
    4. Après la tâche initiale, suréchantillons les nombres à l’extrémité basse de la distribution, avec 7 nombres compris entre 0 et 30. Les articles présentés pour la ligne 0-1000 étaient les suivantes : 2, 11, 67, 99, 106, 162, 221, 325, 388, 450, 492, 511, 591, 643, 677, 755, 799, 815, 867, 910 et 988. Les valeurs inférieures à 100 ont été suréchantillonnées, comme dans l’étude susmentionnée.
    5. Calculez le score en fonction de la valeur absolue du pourcentage d’erreur (| Estimation - Quantité estimée / Échelle des estimations|).
  6. Récupération des faits arithmétiques (Figure 6)
    1. Demandez aux enfants de résoudre 66 problèmes arithmétiques à un chiffre, composés de 24 additions, 24 multiplications et 18 soustractions présentées en blocs séparés. Exclure les problèmes d’égalité (par exemple, 3 + 3) et les problèmes contenant 0 ou 1 comme opérande ou réponse.
    2. Demandez au robot de dire « Dans ce jeu, vous devez résoudre les calculs dans votre tête. Dans le premier, la bonne réponse est trois. Résolvez la tâche en silence et dites-moi la réponse à haute voix. Essayez de résoudre la tâche le plus rapidement possible sans vous tromper. Maintenant, essayez-le par vous-même.
    3. Présentez les problèmes un à la fois horizontalement sur l’écran de l’ordinateur. Les réponses étaient verbales. Une clé vocale enregistrait le RT de l’enfant, après quoi l’examinateur utilisait les boutons de la souris pour enregistrer si la réponse était correcte.
    4. Calculez le score en fonction de la RT des stimuli qui ont été résolus correctement.
  7. Principes arithmétiques (Figure 7)
    1. Présenter 24 paires d’opérations à deux chiffres connexes (12 paires d’additions et 12 paires de multiplications). Dans chaque paire, un élément a été résolu correctement et l’autre n’a pas été résolu (par exemple, 5 + 5 = 10 → 5 + 6 = ?).
    2. Demandez au robot de dire « Dans ce jeu, vous devez dire à haute voix le résultat de la deuxième opération. Examinez attentivement les deux calculs. Le premier a déjà été résolu, mais le second doit encore l’être. Cinq plus cinq équivaut à dix, puis cinq plus six équivaut à onze. Quand je vous dis de commencer, résolvez la tâche en silence, puis dites la réponse à haute voix. Essayez de résoudre la tâche le plus rapidement possible sans vous tromper. Maintenant, essayez-le par vous-même ».
    3. Demandez aux enfants de dire à haute voix le résultat de l’opération non résolue. Une clé vocale enregistrait le temps de réaction (RT) de l’enfant, après quoi l’examinateur utilisait les boutons de la souris pour enregistrer si la réponse était correcte.
    4. Calculez le score en fonction de la RT des stimuli qui ont été résolus correctement.

3. Sous-tests généraux du domaine

  1. Portée de comptage (Figure 8)
    REMARQUE : cette tâche est une adaptation de la tâche de comptage de la mémoire de travail65.
    1. Demandez aux enfants de compter à haute voix le nombre de points jaunes sur une série de cartes avec des points jaunes et bleus. Demandez-leur de se rappeler le nombre de points jaunes sur chaque carte de l’ensemble.
    2. Demandez au robot de dire « Dans ce jeu, nous avons des cartes. Chaque carte comporte des points bleus et jaunes. Vous devez compter et vous souvenir du nombre de points jaunes sur chaque carte. Tout d’abord, nous allons compter le nombre de points jaunes sur la première carte. Il y a deux points jaunes sur la carte. Ensuite, nous compterons tous les points jaunes sur la deuxième carte. Il y a huit points jaunes sur la carte. Maintenant, comme il y avait deux points jaunes sur la première carte et huit points jaunes sur la deuxième carte, vous devez dire à haute voix les chiffres deux et huit. Maintenant, essayez-le par vous-même ».
    3. Augmentez la longueur de l’ensemble de 2 à 5 cartes et donnez aux enfants trois tentatives pour passer au niveau de difficulté suivant. L’examinateur utilise les boutons de la souris pour enregistrer si la réponse est correcte.
    4. Terminez le test lorsqu’un enfant ne se souvient pas correctement de deux séries à un niveau de difficulté donné.
  2. Dénomination automatisée rapide - Lettre (RAN-L) (Figure 9)
    REMARQUE: Cette tâche est une adaptation de la technique appelée Rapid Automatized Naming66. RAN-L se compose d’une série de cinq lettres présentées en cinq lignes et 10 colonnes sur l’écran de l’ordinateur.
    1. Demandez à l’enfant de nommer les lettres le plus rapidement possible de gauche à droite et de haut en bas. Fournissez dix éléments de pratique dans un graphique composé de deux lignes et de cinq colonnes.
    2. Demandez au robot de dire « Dans ce jeu, vous devez nommer les lettres qui apparaissent à l’écran. Peu importe qu’ils soient répétés. Donc, nous devons dire: /a/, /c/, /v/, /n/, /a/, /n/, /c/, /c/, /v/, /v/. Essayez de nommer les lettres le plus rapidement possible de gauche à droite et de haut en bas. Maintenant, essayez-le par vous-même ».
    3. Utilisez le temps passé pour nommer les 50 lettres comme score. Pour normaliser la distribution des scores, convertissez les scores en nombre de lettres par minute.
  3. Mémoire de travail visuospatiale (Figure 10)
    REMARQUE: Cette tâche est une adaptation informatisée de la tâche d’écoute de bloc Corsi67.
    1. Affichez une carte 3x3 au centre de l’écran. Dans chaque essai, allumez et éteignez séquentiellement certains blocs.
    2. Demandez à l’enfant de répéter la séquence dans le bon ordre en cliquant sur les blocs qui ont changé de couleur. Dans 50% des cas, demandez-leur de le faire dans le même ordre, et dans l’autre 50% dans l’ordre inverse.
    3. Demandez au robot de dire « Dans ce jeu, vous verrez que certaines des cases s’allument. Vous devez vous rappeler quelles cases se sont allumées et l’ordre dans lequel elles l’ont fait. Ensuite, vous devez appuyer sur les carrés dans le même ordre pour répéter la séquence. Maintenant, regardez attentivement et appuyez sur les carrés dans le même ordre »..
    4. Augmentez la durée des essais de 2 à 5 blocs. Donnez aux enfants trois tentatives pour passer au niveau de difficulté suivant.
    5. Terminez le test lorsqu’un enfant ne se souvient pas correctement de deux séries à un niveau de difficulté donné. L’examinateur utilise les boutons de la souris pour enregistrer si la réponse est correcte. Calculez les scores en fonction du nombre de bonnes réponses données.
  4. Suppression de phonème
    REMARQUE: Cette tâche comprenait 15 mots de deux syllabes: cinq avec la structure de la première syllabe consonne-voyelle (CV), cinq avec la structure de la première syllabe consonne-voyelle-consonne (CVC) et cinq avec la structure de la première syllabe consonne-consonne-voyelle (CCV).
    1. Dites un mot à l’enfant et demandez-lui de le répéter, en omettant le premier son.
    2. Demandez au robot de dire « Dans ce jeu, vous devez supprimer le premier son de chaque mot. Si vous entendez le mot /tarde/ (en retard), vous devez supprimer le son /t/. Donc, vous direz /arde/. Maintenant, essayez-le par vous-même ».
    3. L’examinateur utilise les boutons de la souris pour enregistrer si la réponse est correcte. Calculez le score en fonction du nombre total de réponses correctes.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Afin de tester l’utilité et l’efficacité de cet outil de diagnostic, ses propriétés psychométriques ont été analysées dans un échantillon à grande échelle. Au total, 933 élèves espagnols du primaire (garçons = 508, filles = 425; Mâge = 10 ans, ET = 1,36) de la 2e à la 6e année (2e année, N = 169 [89 garçons]; 3e année, N = 170 [89 garçons]; 4e année, N = 187 [106 garçons]; 5e année, N = 203 [113 garçons]; 6e année, N= 204 [110 garçons]) ont participé à l’étude. Les enfants venaient de classes intactes d’écoles publiques et privées dans les zones urbaines et suburbaines de Santa Cruz de Tenerife. Les élèves ont été classés en deux groupes : a) les enfants MLD dont les scores se situent à l’intérieur ou en dessous du 16e centile dans un test arithmétique normalisé (2e année, N = 14; 3e année, N = 35 ; 4e année, N = 11 ; 5e année, N = 47 ; 6e année, N = 42); et b) obtenant généralement des résultats supérieurs ou supérieurs au 40e centile dans le même test (2e année, N = 130; 3e année, N = 124; 4e année, N = 149; 5e année, N = 110; 6e année, N = 105).

La multidimensionnalité de la structure de l’outil a été testée au moyen de l’analyse factorielle de confirmation (CFA) à l’aide du paquet de lave dans R68. Un modèle à cinq facteurs pour BM-PROMA a été émis. Un facteur cognitif contenant toutes les tâches générales du domaine était attendu, car la contribution des compétences générales du domaine à la performance mathématique est différente de celle des compétences spécifiques au domaine69,70. Un facteur arithmétique regroupant uniquement les tâches arithmétiques était également attendu, car l’arithmétique et les compétences numériques de base impliquent différents corrélats cognitifs et cérébraux71 . Enfin, suivant le modèle72du triple code, trois facteurs regroupant les tâches numériques selon que la tâche implique des représentations verbales, arabes ou analogiques étaient attendus.

Les preuves concernant la cohérence interne ont été évaluées à l’aide de l’alpha de Cronbach. Les alphas de Cronbach ont été calculés pour toutes les mesures et présentés à la fois pour chaque grade et pour l’ensemble de l’échantillon de participants. Les valeurs de cohérence interne étaient considérées comme excellentes lorsqu’elles étaient α ≥ 0,80, bonnes lorsqu’elles étaient α ≥ 0,70 et <,80, acceptables lorsqu’elles étaient α ≥ 0,60 et <,70, mauvaises lorsqu’elles α ≥ 0,50 et < 0,60 et inacceptables lorsqu’elles étaient α <0,50 à 73.

La qualité de l’ajustement du modèle a été estimée à l’aide de la méthode robuste d’estimation de la probabilité maximale (RML) et évaluée à l’aide des indices suivants74,75: carré racine normalisée (SRMS ≤ 0,08), chi carré(χ 2,p> 0,05), indice de Tucker-Lewis (TLI ≥ 0,90), indice d’ajustement comparatif (CFI ≥ 0,90), erreur quadraculaire moyenne racine d’approximation (RMSA ≤ 0,06) et fiabilité composite (ω ≥ 0,60). Les indices de modification (IM) ont été inspectés.

Les statistiques descriptives ont été examinées et sont présentées dans le tableau 1. Les résultats ont montré une distribution normale des données, avec des indices de kurtose et d’asymétrie inférieurs à 10,00 et 3,00, respectivement76.

Dispositions 2e année 3e année 4e année 5e année 6e année Total
M SD M SD M SD M SD M SD M SD
Numéros manquants 3.81 3.29 5.79 3.49 7.68 3.15 7.56 3.50 8.33 2.98 6.67 3.65
Comparaison des nombres à deux chiffres 2.02 .54 1.78 .35 1.50 .24 1.46 .15 1.44 .15 1.62 .38
Lecture des nombres 1.14 .27 1.27 .23 1.14 .21 1.17 .18 1.21 .20 1.24 .24
Valeur du lieu 8.83 3.19 9.83 2.89 10.58 1.62 10.33 1.95 10.89 1.49 10.14 2.38
Numéro ligne 0-100 .11 .06 .07 .30 .06 .02 .05 .02 .05 .19 .07 .04
Numéro ligne 0-1000 .18 .09 .13 .06 .09 .04 .09 .04 .07 .02 .11 .06
Récupération des faits d’addition 5.11 4.42 7.03 5.24 11.15 5.74 10.27 5.82 12.03 5.30 9.32 5.93
Récupération des faits de soustraction 4.36 3.79 5.78 4.66 8.94 4.53 8.64 4.84 9.76 4.31 7.66 4.89
Récupération des faits de multiplication 2.92 3.27 6.32 4.97 11.48 5.67 10.10 5.90 11.49 5.43 8.72 6.13
Principes arithmétiques 8.33 4.71 8.05 3.41 8.95 3.80 9.38 4.01 10.78 4.56 9.21 4.22
Portée de comptage 4.57 2.35 5.45 2.65 6.41 2.56 6.43 2.59 7.03 2.49 6.05 2.67
Mémoire de travail visuospatiale 6.26 2.74 7.30 2.62 8.18 2.33 8.46 2.42 9.27 2.23 7.98 2.66
Suppression de phonème 9.34 4.78 10.96 4.60 12.64 2.83 12.62 2.92 12.61 3.37 11.73 3.94
Dénomination automatisée rapide - Lettres 1.37 .32 1.53 .31 1.72 .31 1.80 .35 1.87 .36 1.68 .38

Tableau 1 : Statistiques descriptives des sous-tests BM-PROMA par année.

La cohérence interne de chaque mesure, à l’exception de la mémoire de travail numérique, est présentée dans le tableau 2. Les résultats indiquaient α supérieur à 0,70 pour la majorité des mesures à chaque grade, ce qui suggère une cohérence interne bonne à excellente pour la plupart des tâches.

Dispositions 2e année 3e année 4e année 5e année 6e année Total ICL
Numéros manquants .841 .843 .807 .858 .801 .861 1
Comparaison des nombres à deux chiffres .891 .925 .916 .868 .866 .895 1
Lecture des nombres .861 .830 .849 .892 .753 .855 1-2
Valeur du lieu .843 .864 .722 .686 .740 .809 1-3
Numéro ligne 0-100 .825 .748 .658 .547 .678 .801 1-4
Numéro ligne 0-1000 .806 .820 .763 .743 .729 .867 1-2
Récupération des faits d’addition .852 .879 .885 .892 .856 .898 1
Récupération des faits de soustraction .826 .880 .846 .868 .823 .876 1
Récupération des faits de multiplication .811 .861 .867 .881 .853 .901 1
Principes arithmétiques .586 .734 .844 .742 .866 .821 1-4
Mémoire de travail visuospatiale .741 .726 .660 .695 .699 .747 1-3
Suppression de phonème .918 .933 .835 .853 .899 .911 1
Note. ICL = niveau de cohérence interne; 1 = excellent; 2 = bon; 3 = acceptable; 4 = médiocre, 5 = inacceptable.

Tableau 2 : Coefficient de Cronbach pour toutes les mesures à chaque niveau.

Afin de confirmer la structure factorielle de BM-PROMA, un CFA a été réalisé à l’aide de la méthode d’estimation RML. Les indices d’ajustement suggéraient un ajustement adéquat du modèle à cinq facteurs proposé pour les données:χ 2 = 29,930 df = 67, p = 0,000; FCI = 0,948; TLI = .930; RMSEA = 0,053, IC à 90 % = [0,046-0,061]; SRMR = 0,046; F1, ω = 0,50; F2, ω = 0,75; F3, ω = 0,80; F4, ω = 0,81; F5, ω = 0,46 (Figure 11).

Figure 11
Figure 11: Analyse factorielle de confirmation du BM-PROMA.  Note. F1 = facteur de représentation numérique arabe; F2 = facteur de représentation analogique; F3 = facteur de représentation verbale; F4 = facteur arithmétique; F5 = facteur cognitif; RAN-L = nommage automatisé rapide - lettres; VWM = mémoire de travail visuospatiale; CS = portée de comptage; = suppression de phonème; AP = principes arithmétiques; MFR= récupération des faits de multiplication; AFR = récupération des faits d’addition; SFR = récupération des faits de soustraction; TNC = comparaison de nombres à deux chiffres; RN = nombres de lecture; NL-100 = ligne numérique 0-100; NL-1000 = ligne numérique 0-1000; PV = valeur de lieu; MN = nombre manquant. Veuillez cliquer ici pour voir une version agrandie de cette figure.

L’approche multidimensionnelle de l’outil a été confirmée. Les tâches incluses dans BM-PROMA sont chargées sur cinq facteurs: 1) le nombre manquant et les tâches de valeur de lieu chargées sur le « facteur de représentation numérique arabe »; 2) l’estimation de la ligne numérique 0-100 et l’estimation de la ligne numérique 0-1000 tâches chargées sur le « facteur de représentation analogique »; 3) les tâches de comparaison de nombres à deux chiffres et de lecture de nombres chargées sur le « facteur de représentation verbale »; 4) les principes arithmétiques, la récupération des faits additionnées, la récupération des faits de multiplication et les tâches de récupération des faits de soustraction chargées sur le « facteur arithmétique »; et 5) la portée de comptage, la suppression de phonèmes, RAN-L et les tâches de mémoire de travail visuospatiale chargées sur le « facteur cognitif ».

Afin d’examiner l’invariance des mesures entre les grades, nous avons divisé l’échantillon en deux groupes. Le premier groupe était composé d’élèves de la 2e à la 3e année (groupe A). Le deuxième groupe était composé d’élèves de la 4e à la 6e année (groupe B). Les élèves ont été regroupés pour augmenter la taille de l’échantillon et minimiser le nombre de groupes, car les caractéristiques de l’échantillon, le nombre de groupes comparés et la complexité du modèle affectent tous l’invariance de mesure77. Quatre modèles imbriqués ont été comparés : configuratif (équivalence de la forme du modèle), métrique (équivalence de la charge factorielle), scalaire (équivalence de l’interception de l’élément) et strict (équivalence de l’élément résiduel). Les résultats sont présentés dans le tableau 3, qui montre l’invariance configurale, métrique, scalaire et stricte entre les groupes.

Modèle χ2 Df FCI TLI RMSEA (IC à 90 %) SRMR ΔCFI ΔRMSEA
Configur (structure) 364.145 134 .940 .918 .061 [.053 - . 068] .051
Métrique (chargements) 383.400 143 .937 .920 .060 [.053 - .067] .056 - .003 -.001
Scalaire (interceptions) 383.845 152 .939 .927 .057 [.050 - .064] .056 .002 -.003
Strict (résidus) 398.514 166 .939 .933 .055 [.048 - .062] .056 .000 -.002
Note. CFI = indice d’ajustement comparatif; TLI = indice de Tucker-lewis, RMSEA = erreur quadraculaire moyenne racine de l’approximation;
IC = intervalle de confiance; SRMR = racine quadratée moyenne normalisée carrée résiduelle;  Δ = différence.
Toutes les valeurs χ2 sont significatives à p < 0,001.

Tableau 3: Indices d’ajustement pour la mesure Invariance de BM-PROMA.

Enfin, l’analyse des caractéristiques de fonctionnement du récepteur (ROC) a été effectuée pour étudier la précision diagnostique de BM-PROMA en fonction des cinq facteurs dérivés de l’analyse CFA. Le Prueba de Cálculo Numérico (test de calcul arithmétique)normalisé 78 a été utilisé comme étalon-or pour tester la précision de chaque mesure diagnostique (c’est-à-dire les facteurs). Les valeurs d’aire sous la courbe ROC (ASC > 0,70), de sensibilité (>,70) et de spécificité (> 0,80) ont été explorées79. Les résultats ont révélé des ASC acceptables pour tous les facteurs dans toutes les classes, à l’exception de F3 (c.-à-d. facteur de représentation verbale) aux grades 3, 5 et 6, et F2 (c.-à-d. facteur de représentation analogique) en 2e année(tableau 4). Les valeurs de sensibilité et de spécificité étaient très variables, allant de 0,468 à 0,846 pour la sensibilité et de 0,595 à 0,929 pour la spécificité. Ces résultats indiquent que, bien que toutes les mesures contribuent au développement des compétences en mathématiques, leur utilité varie d’un niveau à l’autre.

Grade Facteurs AUC Sn Sp
2e année F1 .912 .808 .857
F2 .902 .785 .929
F3 .746 .823 .786
F4 .906 .846 .929
F5 .918 .838 .929
3e année F1 .762 .734 .714
F2 .736 .645 .800
F3 .608 .468 .743
F4 .753 .605 .771
F5 .733 .556 .743
4e année F1 .719 .745 .727
F2 .694 .597 .727
F3 .817 .705 .818
F4 .775 .691 .818
F5 .782 .678 .727
5e année F1 .855 .764 .809
F2 .810 .736 .745
F3 .630 .527 .681
F4 .835 .745 .809
F5 .832 .855 .787
6e année F1 .839 .686 .714
F2 .776 .648 .738
F3 .524 .486 .595
F4 .891 .848 .905
F5 .817 .752 .738

Tableau 4 : Précision du diagnostic des sous-tests BM-PROMA par grade. Note. F1 = facteur de représentation numérique arabe; F2 = facteur de représentation analogique; F3 = facteur de représentation verbale ; F4 = facteur arithmétique ; F5 = facteur cognitif; ASC = aire sous la courbe; Sn = sensibilité; Sp = spécificité.

Figure 1
Figure 1: Tâche de numéro manquant Veuillez cliquer ici pour afficher une version agrandie de cette figure.

Figure 2
Figure 2: Tâche de comparaison de nombres à deux chiffres Veuillez cliquer ici pour afficher une version plus grande de cette figure.

Figure 3
Figure 3: Tâche de lecture des nombres Veuillez cliquer ici pour afficher une version agrandie de cette figure.

Figure 4
Figure 4: Placer la tâche de valeur Veuillez cliquer ici pour afficher une version agrandie de cette figure.

Figure 5
Figure 5: Tâche d’estimation de ligne numérique Veuillez cliquer ici pour afficher une version agrandie de cette figure.

Figure 6
Figure 6: Tâche de récupération des faits arithmétiques Veuillez cliquer ici pour afficher une version agrandie de cette figure.

Figure 7
Figure 7: Tâche Principes arithmétiques Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 8
Figure 8: Tâche de portée de comptage Veuillez cliquer ici pour afficher une version agrandie de cette figure.

Figure 9
Figure 9: Dénomination automatisée rapide - tâche de lettre (RAN-L) Veuillez cliquer ici pour afficher une version agrandie de cette figure.

Figure 10
Figure 10: Tâche de mémoire de travail visuospatiale Veuillez cliquer ici pour l’agrandir.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Les enfants atteints de MLD sont à risque non seulement d’échec scolaire, mais aussi de troubles psycho-émotionnels et de santé8,9 et, plus tard, de privation d’emploi4,5. Ainsi, il est crucial de diagnostiquer rapidement la MLD afin de fournir le soutien éducatif dont ces enfants ont besoin. Cependant, le diagnostic de la MLD est complexe en raison des multiples déficits de compétences spécifiques au domaine et généraux qui sous-tendent le trouble22,23. BM-PROMA est l’un des rares outils informatisés qui utilise un protocole multidimensionnel pour diagnostiquer les enfants du primaire atteints de MLD, et le premier à être standardisé pour les enfants hispanophones.

La présente étude a prouvé que BM-PROMA est un instrument valide et fiable. Les résultats des analyses ROC étaient prometteurs, montrant des ASC allant de 0,72 à 0,92 pour presque tous les facteurs et grades. Cela indique une discrimination acceptable à excellente79. Le soutien le plus faible a été trouvé pour F3 dans les grades 3, 5 et 6, et F2 dans le grade 4 a donné une ASC < 0,70. Il est important de noter que nous n’avons utilisé qu’une seule mesure comme étalon-or et qu’elle est axée sur les compétences de calcul à plusieurs chiffres; en tant que telle, il s’agit d’une mesure très limitée. Un étalon-or devrait refléter le contenu de la mesure de critère faisant l’objet de l’enquête80, de sorte que nous considérons que l’exactitude de la classification pourrait être améliorée par l’ajout d’autres évaluations normalisées de l’état dans les études futures.

Bien que BM-PROMA soit un outil très complet, il serait pertinent pour les versions futures d’inclure d’autres compétences spécifiques à un domaine qui se sont avérées altérées chez les enfants MLD, par exemple, des tâches de comparaison non symboliques chez les jeunes enfantsde 81 ans et la manipulation rationnelle des nombres ou la résolution de problèmes de mots arithmétiques82,83 chez les enfants plus âgés. Il serait également essentiel d’intégrer d’autres compétences générales du domaine qui semblent déficientes en MLD, telles que le contrôle inhibiteur84.

Malgré les limitations décrites, BM-PROMA est l’un des rares logiciels conçus pour identifier les enfants atteints de dyscalculie, et la présente étude a prouvé qu’il s’agit d’un instrument valide et fiable. La structure interne représente l’approche d’évaluation multidimensionnelle de l’outil. Il fournit un large profil cognitif pour l’enfant, ce qui est pertinent non seulement pour le diagnostic, mais aussi pour la planification pédagogique individualisée. De plus, son format multimédia est très motivant pour les enfants et, en même temps, facilite la procédure d’évaluation.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs énumérés ci-dessus certifient qu’il n’y a pas d’intérêts financiers ou d’autres conflits d’intérêts associés à la présente étude.

Acknowledgments

Nous remercions le gouvernement espagnol pour son soutien à travers son Plan Nacional I+D+i (Plan national de recherche R+D+i, Ministère espagnol de l’économie et de la compétitivité), projet réf: PET2008_0225, avec le deuxième auteur comme chercheur principal; et CONICYT-Chile [FONDECYT REGULAR Nº 1191589], avec le premier auteur comme chercheur principal. Nous remercions également l’équipe de l’Unidad de Audiovisuales ULL pour sa participation à la production de la vidéo.

Materials

Name Company Catalog Number Comments
Multimedia Battery for Assessment of Cognitive and Basic Skills in Maths Universidad de La Laguna Pending assignment BM-PROMA

DOWNLOAD MATERIALS LIST

References

  1. Henik, A., Gliksman, Y., Kallai, A., Leibovich, T. Size Perception and the Foundation of Numerical Processing. Current Directions in Psychological Science. 26 (1), 45-51 (2017).
  2. Henik, A., Rubinsten, O., Ashkenazi, S. The "where" and "what" in developmental dyscalculia. Clinical Neuropsychologist. 25 (6), 989-1008 (2011).
  3. OCDE. The High Cost of Low Educational Performance: The long-run economic impact of improving PISA outcomes. , Available from: www.oecd.org/publishingwww.sourceoecd.org/9789264077485 (2010).
  4. Ghisi, M., Bottesi, G., Re, A. M., Cerea, S., Mammarella, I. C. Socioemotional features and resilience in Italian university students with and without dyslexia. Frontiers in Psychology. 7, 1-9 (2016).
  5. Parsons, S., Bynner, J. Numeracy and employment. Education + Training. 39 (2), 43-51 (1997).
  6. Sideridis, G. D. International Approaches to Learning Disabilities: More Alike or More Different. Learning Disabilities Research & Practice. 22 (3), 210-215 (2007).
  7. Duncan, G. J., et al. School Readiness and Later Achievement. Developmental Psychology. 43 (6), 1428-1446 (2007).
  8. Wu, S. S., Barth, M., Amin, H., Malcarne, V., Menon, V. Math Anxiety in Second and Third Graders and Its Relation to Mathematics Achievement. Frontiers in Psychology. 3, 162 (2012).
  9. Reyna, V. F., Brainerd, C. J. The importance of mathematics in health and human judgment: Numeracy, risk communication, and medical decision making. Learning and Individual Differences. 17 (2), 147-159 (2007).
  10. Geary, D. C., Hoard, M. K., Nugent, L., Bailey, D. H. Mathematical cognition deficits in children with learning disabilities and persistent low achievement: A five-year prospective study. Journal of Educational Psychology. 104 (1), 206-223 (2012).
  11. Kaufmann, L., et al. Dyscalculia from a developmental and differential perspective. Frontiers in Psychology. 4, 516 (2013).
  12. Wong, T. T. Y., Chan, W. W. L. Identifying children with persistent low math achievement: The role of number-magnitude mapping and symbolic numerical processing. Learning and Instruction. 60, 29-40 (2019).
  13. Haberstroh, S., Schulte-Körne, G. Diagnostik und Behandlung der Rechenstörung. Deutsches Arzteblatt International. 116 (7), 107-114 (2019).
  14. Kaufmann, L., von Aster, M. The diagnosis and management of dyscalculia. Deutsches Ärzteblatt international. 109 (45), 767-777 (2012).
  15. Murphy, M. M., Mazzocco, M. M., Hanich, L. B., Early, M. C. Children With Mathematics Learning Disability (MLD) Vary as a Function of the Cutoff Criterion Used to Define MLD. Journal of learning disabilities. 40 (5), 458-478 (2007).
  16. Ramaa, S., Gowramma, I. P. A systematic procedure for identifying and classifying children with dyscalculia among primary school children in India. Dyslexia. 8 (2), 67-85 (2002).
  17. Dirks, E., Spyer, G., Van Lieshout, E. C. D. M., De Sonneville, L. Prevalence of combined reading and arithmetic disabilities. Journal of Learning Disabilities. 41 (5), 460-473 (2008).
  18. Mazzocco, M. M. M., Myers, G. F. Complexities in Identifying and Defining Mathematics Learning Disability in the Primary School-Age Years. Annals of dyslexia. (Md). 53, 218-253 (2003).
  19. Barahmand, U. Arithmetic Disabilities: Training in Attention and Memory Enhances Artihmetic Ability. Research Journal of Biological Sciences. 3 (11), 1305-1312 (2008).
  20. Reigosa-Crespo, V., et al. Basic numerical capacities and prevalence of developmental dyscalculia: The Havana survey. Developmental Psychology. 48 (1), 123-135 (2012).
  21. Hein, J., Bzufka, M. W., Neumärker, K. J. The specific disorder of arithmetic skills. Prevalence studies in a rural and an urban population sample and their clinico-neuropsychological validation. European Child and Adolescent Psychiatry. 9, Suppl. 2 (2000).
  22. Geary, D. C., Nicholas, A., Li, Y., Sun, J. Developmental change in the influence of domain-general abilities and domain-specific knowledge on mathematics achievement: An eight-year longitudinal study. Journal of Educational Psychology. 109 (5), 680-693 (2017).
  23. Cowan, R., Powell, D. The contributions of domain-general and numerical factors to third-grade arithmetic skills and mathematical learning disability. Journal of Educational Psychology. 106 (1), 214-229 (2014).
  24. Rubinsten, O., Henik, A. Developmental Dyscalculia: heterogeneity might not mean different mechanisms. Trends in Cognitive Sciences. 13 (2), 92-99 (2009).
  25. Peake, C., Jiménez, J. E., Rodríguez, C. Data-driven heterogeneity in mathematical learning disabilities based on the triple code model. Research in Developmental Disabilities. 71, (2017).
  26. Chan, W. W. L., Wong, T. T. Y. Subtypes of mathematical difficulties and their stability. Journal of Educational Psychology. 112 (3), 649-666 (2020).
  27. Bartelet, D., Ansari, D., Vaessen, A., Blomert, L. Cognitive subtypes of mathematics learning difficulties in primary education. Research in Developmental Disabilities. 35 (3), 657-670 (2014).
  28. Geary, D. C., Hamson, C. O., Hoard, M. K. Numerical and arithmetical cognition: a longitudinal study of process and concept deficits in children with learning disability. Journal of experimental child psychology. 77 (3), 236-263 (2000).
  29. Landerl, K., Bevan, A., Butterworth, B. Developmental dyscalculia and basic numerical capacities: a study of 8-9-year-old students. Cognition. 93 (2), 99-125 (2004).
  30. Moura, R., et al. Journal of Experimental Child Transcoding abilities in typical and atypical mathematics achievers : The role of working memory and procedural and lexical competencies. Journal of Experimental Child Psychology. 116 (3), 707-727 (2013).
  31. De Smedt, B., Gilmore, C. K. Defective number module or impaired access? Numerical magnitude processing in first graders with mathematical difficulties. Journal of Experimental Child Psychology. 108 (2), 278-292 (2011).
  32. Andersson, U., Östergren, R. Number magnitude processing and basic cognitive functions in children with mathematical learning disabilities. Learning and Individual Differences. 22 (6), 701-714 (2012).
  33. Geary, D. C., Hoard, M. K., Nugent, L., Byrd-Craven, J. Development of Number Line Representations in Children With Mathematical Learning Disability. Developmental neuropsychology. , (2008).
  34. van't Noordende, J. E., van Hoogmoed, A. H., Schot, W. D., Kroesbergen, E. H. Number line estimation strategies in children with mathematical learning difficulties measured by eye tracking. Psychological Research. 80 (3), 368-378 (2016).
  35. Chan, B. M., Ho, C. S. The cognitive profile of Chinese children with mathematics difficulties. Journal of Experimental Child Psychology. 107 (3), 260-279 (2010).
  36. Geary, D. C., Hoard, M. K., Bailey, D. H. Fact Retrieval Deficits in Low Achieving Children and Children With Mathematical Learning Disability. Journal of Learning Disabilities. 45 (4), 291-307 (2012).
  37. Clarke, B., Shinn, M., Shinn, M. R. A Preliminary Investigation Into the Identification and Development of Early Mathematics Curriculum-Based Measurement. Psychology Review. 33 (2), 234-248 (2004).
  38. David, C. V. Working memory deficits in Math learning difficulties: A meta-analysis. British Journal of Developmental Disabilities. 58 (2), 67-84 (2012).
  39. Peng, P., Fuchs, D. A Meta-Analysis of Working Memory Deficits in Children With Learning Difficulties: Is There a Difference Between Verbal Domain and Numerical Domain. Journal of Learning Disabilities. 49 (1), 3-20 (2016).
  40. Peng, P., et al. Examining the mutual relations between language and mathematics: A meta-analysis. Psychological Bulletin. 146 (7), 595-634 (2020).
  41. Andersson, U., Lyxell, B. Working memory deficit in children with mathematical difficulties: A general or specific deficit. Journal of Experimental Child Psychology. 96 (3), 197-228 (2007).
  42. Guzmán, B., Rodríguez, C., Sepúlveda, F., Ferreira, R. A. Number Sense Abilities , Working Memory and RAN: A Longitudinal. Revista de Psicodidáctica. 24, 62-70 (2019).
  43. Passolunghi, M. C., Cornoldi, C. Working memory failures in children with arithmetical difficulties. Child Neuropsychology. 14 (5), 387-400 (2008).
  44. vander Sluis, S., vander Leij, A., de Jong, P. F. Working Memory in Dutch Children with Reading- and Arithmetic-Related LD. Journal of Learning Disabilities. 38 (3), 207-221 (2005).
  45. Lefevre, J. A., et al. Pathways to Mathematics: Longitudinal Predictors of Performance. Child Development. 81 (6), 1753-1767 (2010).
  46. Simmons, F. R., Singleton, C. Do weak phonological representations impact on arithmetic development? A review of research into arithmetic and dyslexia. Dyslexia. 14 (2), 77-94 (2008).
  47. Kleemans, T., Segers, E., Verhoeven, L. Role of linguistic skills in fifth-grade mathematics. Journal of Experimental Child Psychology. 167, 404-413 (2018).
  48. Hecht, S. A., Torgesen, J. K., Wagner, R. K., Rashotte, C. A. The relations between phonological processing abilities and emerging individual differences in mathematical computation skills: A longitudinal study from second to fifth grades. Journal of Experimental Child Psychology. 79 (2), 192-227 (2001).
  49. García-Vidal, J., González-Manjón, D., García-Ortiz, B., Jiménez-Fernández, A. Evamat: batería para la evaluación de la competencia matemática. , Madrid. (2010).
  50. Gregoire, J., Nöel, M. P., Van Nieuwenhoven, C. TEDI-MATH. , Spanish version by M. J. Sueiro & J. Perena (2005).
  51. Navarro, J. I., et al. Estimación del aprendizaje matemático mediante la versión española del Test de Evaluación Matemática Temprana de Utrecht. European Journal of Education and Psychology. 2 (2), 131 (2009).
  52. Cerda Etchepare, G., et al. Adaptación de la versión española del Test de Evaluación Matemática Temprana de Utrecht en Chile . Estudios pedagógicos. 38, Valdivia. 235-253 (2012).
  53. Van De Rijt, B. A. M., Van Luit, J. E. H., Pennings, A. H. The construction of the Utrecht early mathematical competence scales. Educational and Psychological Measurement. 59 (2), 289-309 (1999).
  54. Ginsburg, H., Baroody, A. Test of early math ability. , Madrid. Spanish adaptation by Nunez, M. & Lozano, I (2007).
  55. Butterworth, B. Dyscalculia Screener. , (2003).
  56. Beacham, N., Trott, C. Screening for Dyscalculia within HE. MSOR Connections. 5 (1), 1-4 (2005).
  57. Karagiannakis, G., Noël, M. -P. Mathematical Profile Test: A Preliminary Evaluation of an Online Assessment for Mathematics Skills of Children in Grades 1-6. Behavioral Sciences. 10 (8), 126 (2020).
  58. Lee, E. K., et al. Development of the Computerized Mathematics Test in Korean Children and Adolescents. Journal of the Korean Academy of Child and Adolescent Psychiatry. 28 (3), 174-182 (2017).
  59. Cangöz, B., Altun, A., Olkun, S., Kaçar, F. Computer based screening dyscalculia: Cognitive and neuropsychological correlates. Turkish Online Journal of Educational Technology. 12 (3), 33-38 (2013).
  60. Zygouris, N. C., et al. Screening for disorders of mathematics via a web application. IEEE Global Engineering Education Conference, EDUCON. , 502-507 (2017).
  61. Jiménez, J. E., Rodríguez, C. Batería multimedia para la evaluación de habilidades cognitivas y básicas en matemáticas (BM-PROMA). , Software (2020).
  62. Nuerk, H. -C., Weger, U., Willmes, K. On the Perceptual Generality of the Unit-DecadeCompatibility Effect. Experimental Psychology (formerly "Zeitschrift für Experimentelle Psychologie". 51 (1), 72-79 (2004).
  63. Nuerk, H. -C., Weger, U., Willmes, K. Decade breaks in the mental number line? Putting the tens and units back in different bins. Cognition. 82 (1), 25-33 (2001).
  64. Booth, J. L., Siegler, R. S. Developmental and individual differences in pure numerical estimation. Developmental Psychology. 42 (1), 189-201 (2006).
  65. Case, R., Kurland, D. M., Goldberg, J. Operational efficiency and the growth of short-term memory span. Journal of Experimental Child Psychology. 33 (3), 386-404 (1982).
  66. Denckla, M. B., Rudel, R. Rapid "Automatized" Naming of Pictured Objects, Colors, Letters and Numbers by Normal Children. Cortex. 10 (2), 186-202 (1974).
  67. Milner, B. Interhemispheric differences in the localization of psychological processes in man. British Medical Bulletin. 27, 272-277 (1971).
  68. Rosseel, Y. lavaan: An R package for structural equation modeling. Journal of Statistical Software. 48 (2), 1-36 (2012).
  69. Knops, A., Nuerk, H. -C., Göbel, S. M. Domain-general factors influencing numerical and arithmetic processing. Journal of Numerical Cognition. 3 (2), 112-132 (2017).
  70. Torresi, S. Review Interaction between domain-specific and domain-general abilities in math's competence. Journal of Applied Cognitive Neuroscience. 1 (1), 43-51 (2020).
  71. Arsalidou, M., Pawliw-Levac, M., Sadeghi, M., Pascual-Leone, J. Brain areas associated with numbers and calculations in children: Meta-analyses of fMRI studies. Developmental Cognitive Neuroscience. 30, 239-250 (2018).
  72. Dehaene, S. Varieties of numerical abilities. Cognition. 44 (1-2), 1-42 (1992).
  73. Streiner, D. L. Starting at the beginning: An introduction to coefficient alpha and internal consistency. Statistical Developments and Applications. 80 (1), 99-103 (2003).
  74. Zainudin, A. Validating the measurement model CFA. A handbook on structural equation modeling. , 54-73 (2014).
  75. Brown, T. A. Confirmatory factor analysis for applied reaearch. (9), The Gildford Press. New York, NY. (2015).
  76. Kline, R. B. Principles and practice of structural equation modeling. , The Gildford Press. New York, NY. (2011).
  77. Putnick, D. L., Bornstein, M. H. Measurement invariance conventions and reporting: The state of the art and future directions for psychological research. Developmental Review. 41, 71-90 (2016).
  78. Artiles, C., Jiménez, J. E. Prueba de Cáculo Artimético. Normativización de instrumentos para la detección e identificación de las necesidades educativas del alumnado con trastorno por déficit de atención con o sin hiperactividad (TDAH) o alumnado con dificultades específicas de aprendizaje (DEA). , 13-26 (2011).
  79. Hosmer, D., Lemeshow, S., Rod, X. Sturdivant. Applied Logistic Regression. , Hoboken. (2013).
  80. Smolkowski, K., Cummings, K. D. Evaluation of Diagnostic Systems: The Selection of Students at Risk of Academic Difficulties. Assessment for Effective Intervention. 41 (1), 41-54 (2015).
  81. Piazza, M., et al. Developmental trajectory of number acuity reveals a severe impairment in developmental dyscalculia. Cognition. 116 (1), 33-41 (2010).
  82. Van Hoof, J., Verschaffel, L., Ghesquière, P., Van Dooren, W. The natural number bias and its role in rational number understanding in children with dyscalculia. Delay or deficit. Research in Developmental Disabilities. 71, 181-190 (2017).
  83. Swanson, H. L., Jerman, O., Zheng, X. Growth in Working Memory and Mathematical Problem Solving in Children at Risk and Not at Risk for Serious Math Difficulties. Journal of Educational Psychology. 100 (2), 343-379 (2008).
  84. Kroesbergen, E., Van Luit, J. E. H., Van De Rijt, B. A. M. Young children at risk for math disabilities: Counting skills and executive functions. Journal of Psychoeducational Assessment. , (2009).

Tags

Comportement numéro 174 troubles d’apprentissage mathématiques dyscalculie diagnostic outil d’évaluation compétences générales du domaine compétences spécifiques au domaine
Batterie multimédia pour l’évaluation des compétences cognitives et de base en mathématiques (BM-PROMA)
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Rodríguez, C., Jiménez, J. … More

Rodríguez, C., Jiménez, J. E., de León, S. C., Marco, I. Multimedia Battery for Assessment of Cognitive and Basic Skills in Mathematics (BM-PROMA). J. Vis. Exp. (174), e62288, doi:10.3791/62288 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter