Waiting
Login processing...

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

Behavior

Multimedia-Batterie zur Beurteilung kognitiver und grundlegender Fähigkeiten in mathematik (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 ist ein gültiges und zuverlässiges Multimedia-Diagnosewerkzeug, das ein vollständiges kognitives Profil von Kindern mit mathematischen Lernbehinderungen liefern kann.

Abstract

Das Erlernen von Mathematik ist ein komplexer Prozess, der die Entwicklung mehrerer domänengener allgemeiner und domänenspezifischer Fähigkeiten erfordert. Es ist daher nicht unerwartet, dass viele Kinder Schwierigkeiten haben, auf Klassenstufe zu bleiben, und dies wird besonders schwierig, wenn mehrere Fähigkeiten aus beiden Bereichen beeinträchtigt sind, wie im Fall von mathematischen Lernbehinderungen (MLD). Obwohl MLD eine der häufigsten neurologischen Entwicklungsstörungen ist, die Schulkinder betreffen, umfassen die meisten der verfügbaren diagnostischen Instrumente keine Bewertung von domänengeneralen und domänenspezifischen Fähigkeiten. Darüber hinaus sind nur sehr wenige computerisiert. Nach unserem besten Wissen gibt es kein Tool mit diesen Funktionen für spanischsprachige Kinder. Ziel dieser Studie war es, das Protokoll für die Diagnose spanischer MLD-Kinder mit der BM-PROMA Multimediabatterie zu beschreiben. BM-PROMA ermöglicht die Bewertung beider Kompetenzbereiche, und die 12 hierfür enthaltenen Aufgaben sind empirisch evidenzbasiert. Die starke innere Konsistenz von BM-PROMA und seine mehrdimensionale innere Struktur werden demonstriert. BM-PROMA erweist sich als geeignetes Instrument zur Diagnose von Kindern mit MLD während der Grundschule. Es bietet ein breites kognitives Profil für das Kind, das nicht nur für die Diagnose, sondern auch für die individualisierte Unterrichtsplanung relevant ist.

Introduction

Eines der wichtigsten Ziele der Grundschulbildung ist der Erwerb mathematischer Fähigkeiten. Dieses Wissen ist von hoher Relevanz, da wir alle Mathematik in unserem Alltag verwenden, um zum Beispiel die im Supermarkt gegebene Veränderung zu berechnen1,2. Daher gehen die Folgen schlechter mathematischer Leistungen über die akademischen hinaus. Auf sozialer Ebene stellt eine starke Prävalenz schlechter mathematischer Leistungen in der Bevölkerung kosten die Gesellschaft. Es gibt Hinweise darauf, dass die Verbesserung schlechter numerischer Fähigkeiten in der Bevölkerung zu erheblichen Einsparungen für ein Land führt3. Es gibt auch negative Konsequenzen auf individueller Ebene. Zum Beispiel weisen diejenigen, die ein niedriges Maß an mathematischen Fähigkeiten aufweisen, eine schlechte berufliche Entwicklung auf (z. B. höhere Beschäftigungsquoten in schlecht bezahlten manuellen Berufen und höhereArbeitslosigkeit) 4,5,6, berichten häufig über negative sozio-emotionale Reaktionen gegenüber Akademikern (z. B. Angst, geringe Motivation gegenüber Akademikern)7,8und neigen dazu, eine schlechtere geistige und körperliche Gesundheit als ihre Altersgenossen mit durchschnittlichen mathematischen Leistungen zu zeigen9. Schüler mit mathematischen Lernbehinderungen (MLD) zeigen sehr schlechte Leistungen, die über die Zeit bestehen bleiben10,11,12. Als solche leiden sie eher unter den oben genannten Folgen, insbesondere wenn diese nicht sofort diagnostiziert werden13.

MLD ist eine neurobiologische Erkrankung, die durch eine schwere Beeinträchtigung des Erlernens grundlegender numerischer Fähigkeiten trotz ausreichender intellektueller Kapazität und Schulbildung gekennzeichnetist 14. Obwohl diese Definition weithin akzeptiert wird, werden die Instrumente und Kriterien für ihre Identifizierung noch diskutiert15. Ein hervorragendes Beispiel für das Fehlen einer universellen Übereinstimmung in Bezug auf die MLD-Diagnose ist die Vielfalt der berichteten Prävalenzraten, die von 3 bis 10%reichen 16,17,18,19,20,21. Diese Schwierigkeit bei der Diagnose ergibt sich aus der Komplexität des mathematischen Wissens, das erfordert, dass eine Kombination aus mehreren domänengeneralen und domänenspezifischen Fähigkeiten erlernt wird22,23. Kinder mit MLD zeigen sehr unterschiedliche kognitive Profile, mit einer breiten Konstellation vonDefiziten 14,24,25,26,27. In diesem Zusammenhang wird vorgeschlagen, dass die Notwendigkeit einer mehrdimensionalen Bewertung durch Aufgaben mit unterschiedlichen numerischen Darstellungen (d. H. Verbal, Arabisch, Analog) und arithmetischen Fähigkeiten11.

In der Grundschule sind die Symptome von MLD vielfältig. In Bezug auf domänenspezifische Fähigkeiten wird immer wieder festgestellt, dass viele MLD-Studenten Schwierigkeiten in grundlegenden numerischen Fähigkeiten zeigen, wie z.B. die schnelle und genaue Erkennung arabischer Ziffern28,29,30, vergleicht die Magnituden31,32oder stellt Zahlen in der Zahlenzeile33,34dar. Grundschulkinder haben auch Schwierigkeiten gezeigt, konzeptionelles Wissen zu verstehen, wie z.B. Platzwert35, arithmetisches Wissen36oder Ordinalität, gemessen durchgeordnete Sequenzen 37. In Bezug auf die allgemeinen Kompetenzen wurde besonderes Augenmerk auf die Rolle des Arbeitsgedächtnisses38,39 und der Sprache40 bei der Entwicklung mathematischer Fähigkeiten bei Kindern mit und ohne MLD gelegt. In Bezug auf das Arbeitsgedächtnis deuten die Ergebnisse darauf hin, dass Schüler mit MLD ein Defizit in der zentralen Exekutive aufweisen, insbesondere wenn sie numerische Informationen manipulieren müssen41,42. Ein Defizit im visuospatialen Kurzzeitgedächtnis wurde auch häufig bei Kindern mit MLD43,44berichtet. Sprachkenntnisse haben sich als Voraussetzung für das Erlernen von Rechenfähigkeiten erwiesen, insbesondere solche, die einen hohen verbalen Verarbeitungsbedarf erfordern7. Zum Beispiel sind phonologische Verarbeitungsfähigkeiten [z. B. phonologisches Bewusstsein und Rapid Automatized Naming (RAN)] eng mit den in der Grundschule erlernten Grundfertigkeiten wie numerische Verarbeitung oder arithmetische Berechnungverbunden 39,45,46,47. Hier wurde gezeigt, dass Variationen im phonologischen Bewusstsein und RAN mit individuellen Unterschieden in den Rechenfähigkeiten verbunden sind, die die Verwaltung des verbalen Codes42,48beinhalten. Angesichts des komplexen Profils von Kindern mit MLD sollte ein Diagnoseinstrument idealerweise Aufgaben umfassen, die sowohl domänenübergreifende als auch domänenspezifische Fähigkeiten bewerten, die bei diesen Kindern häufiger als mangelhaft gemeldet werden.

In den letzten Jahren wurden mehrere Papier-und-Bleistift-Screening-Tools für MLD entwickelt. Die am häufigsten bei spanischen Grundschulkindern verwendeten sind a) Evamat-Batería para la Evaluación de la Competencia Matemática (Batterie zur Bewertung mathematischer Kompetenzen)49; b) Tedi-Math: A Test for Diagnostic Assessment of Mathematical Disabilities (Spanische Anpassung)50; c) Test de Evaluación Matemática Temprana de Utrecht (TEMT-U)51,52, die spanische Version des Utrecht Early Numeracy Test53; und d) Test der frühen mathematischen Fähigkeiten (TEMA-3)54. Diese Instrumente messen viele der oben genannten bereichsspezifischen Kompetenzen; keiner von ihnen bewertet jedoch die allgemeinen Fähigkeiten des Bereichs. Eine weitere Einschränkung dieser Instrumente - und von Papier- und Bleistiftwerkzeugen im Allgemeinen - besteht darin, dass sie keine Informationen über die Genauigkeit und Automatizität liefern können, mit der jeder Artikel verarbeitet wird. Dies wäre nur mit einer computergestützten Batterie möglich. Es wurden jedoch nur sehr wenige Anwendungen für die Dyskalkulie-Diagnose entwickelt. Das erste computergestützte Werkzeug zur Identifizierung von Kindern (im Alter von 6 bis 14 Jahren) mit MLD war der Dyscalculia Screener55. Einige Jahre später wurde das webbasierte DyscalculiUm56 mit dem gleichen Zweck entwickelt, konzentrierte sich jedoch auf Erwachsene und Lernende in der Post-16-Bildung. Obwohl immer noch begrenzt, gab es in den letzten Jahren ein wachsendes Interesse an computergestütztem Werkzeugdesign für die Diagnose von MLD57,58,59,60. Keines der genannten Tools wurde für spanische Kinder standardisiert, und nur eines von ihnen - der MathPro Test57- beinhaltet eine allgemeine Kompetenzbewertung. Angesichts der Bedeutung der Identifizierung von Kindern mit geringen mathematischen Leistungen, insbesondere solchen mit MLD, und in Ermangelung computergestützter Instrumente für die spanische Bevölkerung präsentieren wir ein multimediales Evaluierungsprotokoll, das sowohl domänenübergreifende als auch domänenspezifische Fähigkeiten umfasst.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Dieses Protokoll wurde in Übereinstimmung mit den Richtlinien des Comité de Ética de la Investigación y Bienestar Animal (Research Ethics and Animal Welfare Committee, CEIBA), Universidad de La Laguna, durchgeführt.

HINWEIS: Die Batería multimedia para la evaluación de habilidades cognitivas y básicas en matemáticas [Multimedia Battery for Assessment of Cognitive and Basic Skills in Mathematics (BM-PROMA)]61 wurde mit Unity 2.0 Professional Edition und der SQLITE Database Engine entwickelt. BM-PROMA umfasst 12 Subtests: 8 zur Bewertung domänenspezifischer Fähigkeiten und 4 zur Bewertung domänengeneraler Prozesse. Geben Sie für jeden Teiltest mündlich Anweisungen von einem animierten humanoiden Roboter und gehen Sie der Testphase mit einer Demonstration und zwei Trainingsversuchen voraus. Das Anwendungsprotokoll für jede Aufgabe wird im Folgenden mit einem Beispiel dargestellt.

1. Versuchsaufbau

  1. Verwenden Sie die folgenden Einschlusskriterien: Kinder in der Grundschule zwischen der zweiten und sechsten Klasse; Spanische Muttersprachler.
  2. Verwenden Sie die folgenden Ausschlusskriterien: Kinder mit neurologischen, intellektuellen oder sensorischen Defiziten in der Vorgeschichte.
  3. Installieren Sie die Multimedia-Batterie zur Bewertung kognitiver und grundlegender Fähigkeiten in Mathematik. BM-PROMA wird über eine einzige Datei verteilt. Diese Datei ist ein automatisiertes Installationsprogramm, mit dem der Benutzer das Installationsziel auswählen kann. Das Installationsprogramm erkennt frühere Versionen des Tools und warnt den Benutzer vor möglichem Datenverlust durch Überschreiben. Die Installation erstellt Verknüpfungen im Windows-Menü "Start". Darüber hinaus stellt das Installationsprogramm eine Batchdatei (in Windows als .bat-Datei bezeichnet) bereit, um den Datenbanksicherungsprozess zu automatisieren. Das Tool läuft im Vollbildmodus mit einer Auflösung von 800x600 Pixeln. Das Tool kann nicht im Fenstermodus ausgeführt werden.
    1. Bevor ein Schüler bewertet werden kann, fügen Sie seine Daten der Schülerdatenbank hinzu. Sobald das Kind angemeldet wurde, wählen Sie es aus, indem Sie auf den entsprechenden Eintrag in der Schülerliste klicken. Aufgaben werden vom Prüfer oder vom Kind nach dem Zufallsprinzip ausgewählt. Aufgaben beginnen, sobald der Prüfer oder das Kind darauf klickt. Wenn die Aufgabe abgeschlossen ist, kehrt das Werkzeug zum Aufgabenauswahlmenü zurück. Vom Schüler erledigte Aufgaben sind im Menü nicht mehr sichtbar. Sobald die Sitzung begonnen hat, gibt es keine Pausen zwischen den Aufgaben.
    2. Testen Sie kinder der Klassen 2 und 3 in drei halbstündigen Sitzungen und kinder der Klassen 4 bis 6 in zwei 45-minütigen Sitzungen. Halten Sie die Sitzungen an verschiedenen Tagen ab. Verabreichen Sie das BM-PROMA in einem ruhigen Raum. Lassen Sie die Schüler ein Headset verwenden, um die Anweisungen anzuhören und ihre mündlichen Antworten aufzuzeichnen. Der Prüfer verwendet auch Kopfhörer, um die Aufgaben zu überwachen. In einigen Fällen muss der Prüfer das Ergebnis der Aufgabe mit der Maus aufzeichnen. In anderen verwendet der Schüler die Maus, um die Aufgabe zu erledigen, und die Antworten werden automatisch aufgezeichnet.
  4. Demonstrations- und Trainingsversuche. Für alle Aufgaben gehen der Testphase Anweisungen (der Roboter präsentiert die Anweisungen für die Aufgabe mündlich), Modellierung (der Roboter modelliert die Aufgabe Schritt für Schritt mit einem Beispiel) und Übungsversuchen (Kinder dürfen bis zu zwei Übungsversuche mit Feedback) voraus.

2. Domänenspezifische Subtests

  1. Fehlende Nummer (Abbildung 1)
    1. Bitten Sie die Kinder in dieser Aufgabe, die fehlende Zahl aus einer Reihe von 4 ein- und zweistelligen Zahlen zu benennen, die horizontal dargestellt werden.
    2. Lassen Sie den Roboter Folgendes sagen: "In diesem Spiel müssen Sie den Namen der fehlenden Zahl laut sagen: zwei, vier, sechs, acht und (Pause) zehn. Die fehlende Zahl ist also zehn. Probieren Sie es jetzt selbst aus."
    3. Präsentieren Sie insgesamt 18 Reihen: 6 in numerisch aufsteigender Reihenfolge (die Zahlen in der Reihe nehmen als gegebene Größe an Wert, wenn eine bestimmte Größe zur vorherigen Zahl addiert wird), 6 in numerisch absteigender Reihenfolge (die Zahlen in der Reihe nehmen an Wert ab, da eine bestimmte Größe von der vorherigen Zahl subtrahiert wird) und 6 in numerisch hierarchischer aufsteigender Reihenfolge (mehr als eine arithmetische Operation ist erforderlich, um sie zu lösen, in diesem Fall Multiplikation und Addition). Der Prüfer zeichnet mit den Maustasten auf, ob die Antwort korrekt ist.
    4. Berechnen Sie die Punktzahl basierend auf der Gesamtzahl der richtigen Antworten.
  2. Zweistelliger Zahlenvergleich (Abbildung 2)
    1. Präsentieren Sie in dieser Aufgabe 40 Paare zweistelliger Zahlen auf dem Computerbildschirm.
    2. Lassen Sie den Roboter sagen: "Schauen Sie sich in diesem Spiel diese beiden Zahlen genau an. Sie müssen die größte Zahl auswählen. Dazu müssen Sie die beiden Zahlen vergleichen und laut den Namen der größten sagen. Schauen Sie sich diese beiden Zahlen an. Siebenunddreißig ist größer als einundzwanzig. Also, ich werde sagen /siebenunddreißig/. Versuchen Sie, die Aufgabe so schnell wie möglich abzuschließen, ohne sie falsch zu machen. Probieren Sie es jetzt selbst aus."
    3. Verlangen Sie von den Kindern, dass sie laut das numerisch größere von jedem Paar sagen. Ein Sprachschlüssel registrierte die Reaktionszeit (RT) des Kindes, woraufhin der Untersucher mit den Maustasten aufzechnete, ob die Antwort korrekt war.
      HINWEIS: Nach früheren Studien wurden62,63, Einheitsdekadenkompatibilität (kompatibel vs. inkompatibel) und Dekaden- und Einheitenabstand (klein [1-3] vs. groß [4-8]) manipuliert.
    4. Berechnen Sie die Punktzahl basierend auf der RT der Stimuli, die richtig gelöst wurden.
  3. Lesenummern (Abbildung 3)
    1. Präsentieren Sie 30 arabische Zahlen (10 einstellige Zahlen, 10 zweistellige Zahlen und 10 dreistellige Zahlen) nacheinander auf dem Computerbildschirm.
    2. Lassen Sie den Roboter sagen: "In diesem Spiel müssen Sie die Zahlen, die auf dem Bildschirm erscheinen, laut benennen. Schauen Sie sich diese Zahl an. Hier muss man /zwölf/ sagen, denn das ist der Name der Nummer auf dem Bildschirm. Versuchen Sie, die Aufgabe so schnell wie möglich abzuschließen, ohne sie falsch zu machen. Probieren Sie es jetzt selbst aus."
    3. Bitten Sie das Kind, sie so schnell wie möglich vorzulesen, ohne Fehler zu machen. Ein Sprachschlüssel registrierte die RT des Kindes, woraufhin der Prüfer mit den Maustasten aufzechnete, ob die Antwort korrekt war.
    4. Berechnen Sie die Punktzahl basierend auf der RT der Stimuli, die korrekt gelesen wurden.
  4. Platzwert (Abbildung 4)
    1. Messen Sie die Kenntnisse der Schüler über das arabische Zahlensystem. Zeigen Sie 12 zweistellige arabische Zahlen in der Mitte des Computerbildschirms an, wobei sich in jeder Ecke des Bildschirms eine Antwortoption befindet (insgesamt vier Optionen). Jede Option war eine Größe, die durch winzige Einheitenblöcke und Zehnerblöcke (zehn Einheiten, die in einem einzigen Block gruppiert) dargestellt wurden. Für jeden Artikel war nur eine der vier Optionen korrekt. Die falschen Optionen bestanden aus Darstellungen, die mit der richtigen Option in a) den zehn übereinstimmten; b) die Einheit; oder c) sowohl die Zehn als auch die Einheit, aber umgekehrt (z. B. für die Zahl "15" stellten die falschen Optionen 12, 35 und 51 dar).
    2. Lassen Sie den Roboter sagen: "In diesem Spiel haben wir eine Zahl und vier Bilder. Sie müssen auf das Bild klicken, das die Zahl korrekt darstellt. Ich werde die erste wählen, weil der Balken einer Zehn entspricht und die Quadrate fünf Einheiten entsprechen. Probieren Sie es jetzt selbst aus."
    3. Berechnen Sie die Punktzahl basierend auf der Gesamtzahl der richtigen Antworten.
  5. Nummernzeile 0-100 und 0-1000 Aufgaben (Abbildung 5)
    HINWEIS: Verwenden Sie computergestützte Anpassungen des Papier-und-Bleistift-Originals64.
    1. Lassen Sie Kinder bei dieser Aufgabe mit der Computermaus eine bestimmte Zahl auf einer 15-cm-Zahlenzeile positionieren. Für die ersten 20 Elemente war der Wert am linken Ende der Zeile 0 und der Wert am rechten Ende 100. Für die folgenden 22 Artikel betrug der Wert am rechten Ende 1000.
    2. Präsentieren Sie die folgenden Elemente in der Zeile 0-100: 2, 3, 7, 11, 14, 18, 23, 37, 41, 45, 56, 60, 67, 71, 75, 86, 89, 91, 95 und 99.
    3. Lassen Sie den Roboter sagen: "In diesem Spiel müssen Sie die Zahl dort setzen, wo Sie denken, dass sie gehen sollte. Schauen Sie sich diese Zeile an. Es beginnt bei Null und endet bei hundert. Sie müssen hier die Nummer fünfzig setzen. Klicken Sie dazu auf die rote Linie unter der Zahl und ziehen Sie sie an die richtige Stelle. Weißt du, warum ich die Nummer hier fallen gelassen habe? Es ist in der Mitte, denn fünfzig ist die Hälfte von einhundert. Probieren Sie es jetzt selbst aus."
    4. Nach der ursprünglichen Aufgabe übersechnen Sie die Zahlen am unteren Ende der Verteilung mit 7 Zahlen zwischen 0 und 30. Die für die Linie 0-1000 präsentierten Artikel waren: 2, 11, 67, 99, 106, 162, 221, 325, 388, 450, 492, 511, 591, 643, 677, 755, 799, 815, 867, 910 und 988. Werte unter 100 wurden wie in der oben genannten Studie übersampelt.
    5. Berechnen Sie die Punktzahl basierend auf dem absoluten Wert des prozentualen Fehlers (| Schätzung - Geschätzte Menge / Skala der Schätzungen|).
  6. Arithmetischer Faktenabruf (Abbildung 6)
    1. Bitten Sie die Kinder, 66 einstellige Rechenaufgaben zu lösen, die aus 24 Additionen, 24 Multiplikationen und 18 Subtraktionen bestehen, die in separaten Blöcken dargestellt werden. Schließen Sie Bindungsprobleme (z. B. 3+3) und Probleme, die 0 oder 1 als Operand oder Antwort enthalten, aus.
    2. Lassen Sie den Roboter sagen: "In diesem Spiel müssen Sie die Berechnungen in Ihrem Kopf lösen. In der ersten ist die richtige Antwort drei. Lösen Sie die Aufgabe in Stille und sagen Sie mir die Antwort laut. Versuchen Sie, die Aufgabe so schnell wie möglich zu lösen, ohne sie falsch zu machen. Probieren Sie es jetzt selbst aus.
    3. Präsentieren Sie Probleme nacheinander horizontal auf dem Computerbildschirm. Die Antworten waren verbal. Ein Sprachschlüssel registrierte die RT des Kindes, woraufhin der Prüfer mit den Maustasten aufzechnete, ob die Antwort korrekt war.
    4. Berechnen Sie die Punktzahl basierend auf der RT der Stimuli, die richtig gelöst wurden.
  7. Arithmetische Prinzipien (Abbildung 7)
    1. Präsentieren Sie 24 Paare verwandter zweistelliger Operationen (12 Paare von Additionen und 12 Paare von Multiplikationen). In jedem Paar wurde ein Punkt richtig gelöst und der andere war ungelöst (z. B. 5 + 5 = 10 → 5 + 6 = ?).
    2. Lassen Sie den Roboter sagen: "In diesem Spiel müssen Sie das Ergebnis der zweiten Operation laut sagen. Schauen Sie sich beide Berechnungen genau an. Die erste wurde bereits gelöst, aber die zweite muss noch gelöst werden. Fünf plus fünf ist gleich zehn, dann fünf plus sechs gleich elf. Wenn ich Ihnen sage, dass Sie anfangen sollen, lösen Sie die Aufgabe in Stille und sagen Sie dann die Antwort laut. Versuchen Sie, die Aufgabe so schnell wie möglich zu lösen, ohne sie falsch zu machen. Probieren Sie es jetzt selbst aus."
    3. Bitten Sie die Kinder, das Ergebnis der ungelösten Operation laut zu sagen. Ein Sprachschlüssel registrierte die Reaktionszeit (RT) des Kindes, woraufhin der Untersucher mit den Maustasten aufzechnete, ob die Antwort korrekt war.
    4. Berechnen Sie die Punktzahl basierend auf der RT der Stimuli, die richtig gelöst wurden.

3. Domain-general Subtests

  1. Zählspanne (Abbildung 8)
    HINWEIS: Diese Aufgabe ist eine Anpassung der Arbeitsgedächtniszählungsaufgabe65.
    1. Lassen Sie die Kinder laut die Anzahl der gelben Punkte auf einer Reihe von Karten mit gelben und blauen Punkten zählen. Bitten Sie sie, sich die Anzahl der gelben Punkte auf jeder Karte im Set zu erinnern.
    2. Lassen Sie den Roboter sagen: "In diesem Spiel haben wir einige Karten. Jede Karte hat blaue und gelbe Punkte. Sie müssen die Anzahl der gelben Punkte auf jeder Karte zählen und sich merken. Zuerst werden wir zählen, wie viele gelbe Punkte auf der ersten Karte sind. Auf der Karte befinden sich zwei gelbe Punkte. Dann zählen wir alle gelben Punkte auf der zweiten Karte. Auf der Karte befinden sich acht gelbe Punkte. Nun, da es zwei gelbe Punkte auf der ersten Karte und acht gelbe Punkte auf der zweiten Karte gab, müssen Sie die Zahlen zwei und acht laut sagen. Probieren Sie es jetzt selbst aus."
    3. Erhöhen Sie die Setlänge von 2 auf 5 Karten und geben Sie den Kindern drei Versuche, um zum nächsten Schwierigkeitsgrad zu wechseln. Der Prüfer zeichnet mit den Maustasten auf, ob die Antwort korrekt ist.
    4. Beenden Sie den Test, wenn ein Kind zwei Sätze in einem bestimmten Schwierigkeitsgrad nicht richtig abrufen kann.
  2. Schnelle automatisierte Benennung – Buchstabe (RAN-L) (Abbildung 9)
    HINWEIS: Diese Aufgabe ist eine Anpassung der Technik namens Rapid Automatized Naming66. RAN-L besteht aus einer Reihe von fünf Buchstaben, die in fünf Zeilen und 10 Spalten auf dem Computerbildschirm dargestellt werden.
    1. Bitten Sie das Kind, die Buchstaben so schnell wie möglich von links nach rechts und von oben nach unten zu benennen. Stellen Sie zehn Übungselemente in einem Diagramm zur Verfügung, das aus zwei Zeilen und fünf Spalten besteht.
    2. Lassen Sie den Roboter sagen: "In diesem Spiel müssen Sie die Buchstaben benennen, die auf dem Bildschirm erscheinen. Es spielt keine Rolle, ob sie wiederholt werden. Wir müssen also sagen: /a/, /c/, /v/, /n/, /a/, /n/, /c/, /c/, /v/, /v/. Versuchen Sie, die Buchstaben so schnell wie möglich von links nach rechts und von oben nach unten zu benennen. Probieren Sie es jetzt selbst aus."
    3. Verwenden Sie die aufgewendete Zeit, um alle 50 Buchstaben als Punktzahl zu benennen. Um die Notenverteilung zu normalisieren, konvertieren Sie die Partituren in die Anzahl der Buchstaben pro Minute.
  3. Visuospatiales Arbeitsgedächtnis (Abbildung 10)
    HINWEIS: Diese Aufgabe ist eine computergestützte Anpassung der Corsi-Block-Tapping-Aufgabe67.
    1. Zeigen Sie ein 3x3-Board in der Mitte des Bildschirms an. In jedem Versuch blinken Sie nacheinander bestimmte Blöcke ein und aus.
    2. Bitten Sie das Kind, die Sequenz in der richtigen Reihenfolge zu wiederholen, indem Sie auf die Blöcke klicken, deren Farbe sich geändert hat. In 50% der Fälle bitten Sie sie, dies in der gleichen Reihenfolge und in den anderen 50% in umgekehrter Reihenfolge zu tun.
    3. Lassen Sie den Roboter sagen: "In diesem Spiel werden Sie sehen, dass einige der Quadrate aufleuchten. Sie müssen sich daran erinnern, welche Quadrate leuchteten und in welcher Reihenfolge sie dies taten. Dann müssen Sie die Quadrate in der gleichen Reihenfolge drücken, um die Sequenz zu wiederholen. Beobachten Sie nun genau und drücken Sie die Quadrate in der gleichen Reihenfolge."
    4. Erhöhen Sie die Länge der Versuche von 2 auf 5 Blöcke. Geben Sie den Kindern drei Versuche, um auf den nächsten Schwierigkeitsgrad zu kommen.
    5. Beenden Sie den Test, wenn ein Kind zwei Sätze in einem bestimmten Schwierigkeitsgrad nicht richtig abrufen konnte. Der Prüfer zeichnet mit den Maustasten auf, ob die Antwort korrekt ist. Berechnen Sie die Punktzahlen basierend auf der Anzahl der richtigen Antworten.
  4. Löschen von Phonemen
    HINWEIS: Diese Aufgabe umfasste 15 zweisilbige Wörter: fünf mit Konsonant-Vokal (CV) erster Silbenstruktur, fünf mit Konsonant-Vokal-Konsonant (CVC) erster Silbenstruktur und fünf mit Konsonant-Konsonant-Vokal (CCV) erster Silbenstruktur.
    1. Sagen Sie dem Kind ein Wort und lassen Sie es wiederholen, wobei Sie den ersten Ton weglassen.
    2. Lassen Sie den Roboter sagen: "In diesem Spiel müssen Sie den ersten Ton jedes Wortes entfernen. Wenn Sie das Wort /tarde/ (spät) hören, müssen Sie den Ton /t/ entfernen. Sie werden also /arde/ sagen. Probieren Sie es jetzt selbst aus."
    3. Der Prüfer zeichnet mit den Maustasten auf, ob die Antwort korrekt ist. Berechnen Sie die Punktzahl basierend auf der Gesamtzahl der richtigen Antworten.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Um den Nutzen und die Wirksamkeit dieses Diagnosewerkzeugs zu testen, wurden seine psychometrischen Eigenschaften in einer groß angelegten Stichprobe analysiert. Insgesamt 933 spanische Grundschüler (Jungen = 508, Mädchen = 425; MAlter = 10 Jahre, SD = 1,36) von Klasse 2 bis Klasse 6 (Klasse 2, N = 169 [89 Jungen]; Klasse 3, N = 170 [89 Jungen]; Klasse 4, N = 187 [106 Jungen]; Klasse 5, N = 203 [113 Jungen]; Klasse 6, N= 204 [110 Jungen]) nahmen an der Studie teil. Die Kinder stammten aus intakten Klassen an staatlichen und privaten Schulen in städtischen und vorstädtischen Gebieten von Santa Cruz de Tenerife. Die Schüler wurden in zwei Gruppen eingeteilt: a) MLD-Kinder mit Noten innerhalb oder unter dem 16. Perzentil in einem standardisierten arithmetischen Test (Klasse 2, N = 14; Klasse 3, N = 35; Klasse 4, N = 11; Klasse 5, N = 47; Klasse 6, N = 42); und b) typischerweise Kinder mit Noten innerhalb oder über dem 40. Perzentil im selben Test erreichen (Klasse 2, N = 130; Klasse 3, N = 124; Klasse 4, N = 149; Klasse 5, N = 110; Klasse 6, N = 105).

Die Multidimensionalität der Werkzeugstruktur wurde mittels Confirmatory Factor Analysis (CFA) unter Verwendung des Lavaan-Pakets in R68getestet. Ein Fünf-Faktor-Modell für BM-PROMA wurde hypothetisch. Es wurde ein kognitiver Faktor erwartet, der alle domänengeneralen Aufgaben enthält, da sich der Beitrag domänengeneraler Fähigkeiten zur mathematischen Leistung von dem domänenspezifischer Fähigkeitenunterscheidet 69,70. Ein arithmetischer Faktor, der nur rechenaufgaben gruppiert, wurde ebenfalls erwartet, da Arithmetik und grundlegende numerische Fähigkeiten unterschiedliche kognitive und Gehirnkorrelate beinhalten71 . Schließlich wurden nach dem Triple Code Model72drei Faktoren erwartet, die numerische Aufgaben danach gruppieren, ob die Aufgabe verbale, arabische oder analoge Darstellungen beinhaltet.

Die Evidenz zur internen Konsistenz wurde mit Cronbachs Alpha bewertet. Cronbachs Alphas wurden für alle Maßnahmen berechnet und sowohl für jede Note als auch für die gesamte Teilnehmerstichprobe dargestellt. Interne Konsistenzwerte wurden als ausgezeichnet angesehen, wenn α ≥ .80, gut, wenn α ≥ .70 und <.80, akzeptabel, wenn α ≥ .60 und <.70, schlecht, wenn α ≥ .50 und < .60 und inakzeptabel sind, wenn α < .5073.

Die Modellpassgenauigkeit wurde mit der robusten RML-Schätzmethode (Maximum Likelihood) geschätzt und mit den folgendenIndizes 74,75bewertet: standardisiertes Wurzelmittelquadrat (SRMS ≤.08), Chi-Quadrat (χ2, p> .05), Tucker-Lewis-Index (TLI ≥ .90), Comparative Fit Index (CFI ≥ .90), Root Mean Square Error of Approximation (RMSA ≤ .06) und Composite Reliability (ω ≥ .60). Modifikationsindizes (MI) wurden inspiziert.

Es wurden deskriptive Statistiken untersucht, die in Tabelle 1 dargestelltsind. Die Ergebnisse zeigten eine Normalverteilung der Daten, wobei Kurtosis- und Schiefeindizes unter 10,00 bzw. 3,00bzw. 76 lag.

Maßnahmen Klasse 2 Klasse 3 Klasse 4 Klasse 5 Klasse 6 Gesamt
M SD M SD M SD M SD M SD M SD
Fehlende Nummern 3.81 3.29 5.79 3.49 7.68 3.15 7.56 3.50 8.33 2.98 6.67 3.65
Zweistelliger Zahlenvergleich 2.02 .54 1.78 .35 1.50 .24 1.46 .15 1.44 .15 1.62 .38
Zahlen lesen 1.14 .27 1.27 .23 1.14 .21 1.17 .18 1.21 .20 1.24 .24
Stellenwert 8.83 3.19 9.83 2.89 10.58 1.62 10.33 1.95 10.89 1.49 10.14 2.38
Nummernzeile 0-100 .11 .06 .07 .30 .06 .02 .05 .02 .05 .19 .07 .04
Nummernzeile 0-1000 .18 .09 .13 .06 .09 .04 .09 .04 .07 .02 .11 .06
Addition Fact Retrieval 5.11 4.42 7.03 5.24 11.15 5.74 10.27 5.82 12.03 5.30 9.32 5.93
Subtraktions-Faktenabruf 4.36 3.79 5.78 4.66 8.94 4.53 8.64 4.84 9.76 4.31 7.66 4.89
Multiplikations-Faktenabruf 2.92 3.27 6.32 4.97 11.48 5.67 10.10 5.90 11.49 5.43 8.72 6.13
Arithmetische Prinzipien 8.33 4.71 8.05 3.41 8.95 3.80 9.38 4.01 10.78 4.56 9.21 4.22
Zählspanne 4.57 2.35 5.45 2.65 6.41 2.56 6.43 2.59 7.03 2.49 6.05 2.67
Visuospatiales Arbeitsgedächtnis 6.26 2.74 7.30 2.62 8.18 2.33 8.46 2.42 9.27 2.23 7.98 2.66
Löschen von Phonemen 9.34 4.78 10.96 4.60 12.64 2.83 12.62 2.92 12.61 3.37 11.73 3.94
Schnelle automatisierte Benennung - Buchstaben 1.37 .32 1.53 .31 1.72 .31 1.80 .35 1.87 .36 1.68 .38

Tabelle 1: Deskriptive Statistik der BM-PROMA-Subtests pro Klasse.

Die interne Konsistenz jeder Kennzahl, mit Ausnahme des numerischen Arbeitsspeichers, ist in Tabelle 2 dargestellt. Die Ergebnisse zeigten α von über 0,70 für die Mehrheit der Maßnahmen in jeder Klasse, was auf eine gute bis ausgezeichnete interne Konsistenz für die meisten Aufgaben hindeutet.

Maßnahmen Klasse 2 Klasse 3 Klasse 4 Klasse 5 Klasse 6 Gesamt ICL
Fehlende Nummern .841 .843 .807 .858 .801 .861 1
Zweistelliger Zahlenvergleich .891 .925 .916 .868 .866 .895 1
Zahlen lesen .861 .830 .849 .892 .753 .855 1-2
Stellenwert .843 .864 .722 .686 .740 .809 1-3
Nummernzeile 0-100 .825 .748 .658 .547 .678 .801 1-4
Nummernzeile 0-1000 .806 .820 .763 .743 .729 .867 1-2
Addition Fact Retrieval .852 .879 .885 .892 .856 .898 1
Subtraktions-Faktenabruf .826 .880 .846 .868 .823 .876 1
Multiplikations-Faktenabruf .811 .861 .867 .881 .853 .901 1
Arithmetische Prinzipien .586 .734 .844 .742 .866 .821 1-4
Visuospatiales Arbeitsgedächtnis .741 .726 .660 .695 .699 .747 1-3
Löschen von Phonemen .918 .933 .835 .853 .899 .911 1
Anmerkung. ICL = interne Konsistenzstufe; 1 = ausgezeichnet; 2 = gut; 3 = akzeptabel; 4 = schlecht, 5 = inakzeptabel.

Tabelle 2: Cronbachs Koeffizient für alle Maße jeder Sorte.

Um die faktorielle Struktur von BM-PROMA zu bestätigen, wurde ein CFA mit der RML-Schätzmethode durchgeführt. Die Anpassungsindizes deuteten auf eine angemessene Anpassung des für die Daten vorgeschlagenen Fünf-Faktor-Modells hin:χ 2 = 29,930 df = 67, p = 0,000; CFI = .948; TLI = .930; RMSEA = .053, 90% CI = [.046-.061]; SRMR = 0,046; F1, ω = .50; F2, ω = .75; F3, ω = .80; F4, ω = .81; F5, ω = .46 (Abbildung 11).

Figure 11
Abbildung 11: Bestätigungsfaktoranalyse des BM-PROMA.  Anmerkung. F1 = arabischer numerischer Darstellungsfaktor; F2 = analoger Darstellungsfaktor; F3 = verbaler Repräsentationsfaktor; F4 = arithmetischer Faktor; F5 = kognitiver Faktor; RAN-L = schnellautomatisierte Benennungsbuchstaben; VWM = visuospatiales Arbeitsgedächtnis; CS = Zählspanne; PD = Phonemlöschung; AP = arithmetische Prinzipien; MFR= Multiplikations-Faktenabruf; AFR = Addition Fact Retrieval; SFR = Subtraktions-Faktenabruf; TNC = zweistelliger Zahlenvergleich; RN = Lesenummern; NL-100 = Zahlenzeile 0-100; NL-1000 = Zahlenzeile 0-1000; PV = Ortswert; MN = fehlende Nummer. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Der mehrdimensionale Ansatz des Tools wurde bestätigt. Die in BM-PROMA enthaltenen Aufgaben wurden auf fünf Faktoren geladen: 1) die fehlenden Zahlen- und Platzwertaufgaben, die auf den "Arabischen Numerischen Darstellungsfaktor" geladen wurden; 2) die Zahlenzeilenschätzung 0-100 und die Zahlenzeilenschätzung 0-1000 Aufgaben, die auf den "Analogical Representation Factor" geladen sind; 3) die zweistelligen Zahlenvergleichs- und Lesenummernaufgaben, die auf den "Verbal Representation Factor" geladen werden; 4) die arithmetischen Prinzipien, Addition Fact Retrieval, Multiplikation Fact Retrieval und Subtraktion Fact Retrieval Tasks, die auf den "Arithmetischen Faktor" geladen sind; und 5) die Zählspanne, Phonemlöschung, RAN-L und visuörtliche Arbeitsgedächtnisaufgaben, die auf den "Kognitiven Faktor" geladen werden.

Um die Messinvarianz über Grade hinweg zu untersuchen, teilen wir die Probe in zwei Gruppen auf. Die erste Gruppe bestand aus Schülern der Klassen 2-3 (Gruppe A). Die zweite Gruppe bestand aus Schülern der Klassen 4-6 (Gruppe B). Die Schüler wurden neu gruppiert, um die Stichprobengröße zu erhöhen und die Anzahl der Gruppen zu minimieren, da Stichprobenmerkmale, die Anzahl der verglichenen Gruppen und die Modellkomplexität die Messinvarianz beeinflussen77. Vier verschachtelte Modelle wurden verglichen: configural (Äquivalenz der Modellform), metrisch (Äquivalenz der Faktorbelastung), skalar (Äquivalenz des Item-Intercepts) und strict (Äquivalenz des Item-Rests). Die Ergebnisse sind in Tabelle 3dargestellt, die die konfigurationsale, metrische, skalare und strikte Invarianz über Gruppen hinweg zeigt.

Modell χ2 Df CFI TLI RMSEA (90% CI) SRMR ΔCFI ΔRMSEA
Konfiguration (Struktur) 364.145 134 .940 .918 .061 [.053 - . 068] .051
Metrisch (Ladungen) 383.400 143 .937 .920 .060 [.053 - .067] .056 - .003 -.001
Skalar (Fängt) 383.845 152 .939 .927 .057 [.050 - .064] .056 .002 -.003
Streng (Residuen) 398.514 166 .939 .933 .055 [.048 - .062] .056 .000 -.002
Anmerkung. CFI = Comparative Fit Index; TLI = tucker-lewis index, RMSEA = root mean square error of approximation;
CI = Konfidenzintervall; SRMR = standardisierter quadratischer Wurzelmittelrest;  Δ = Differenz.
Alle χ2-Werte sind bei p < 0,001 signifikant.

Tabelle 3: Fit-Indizes zur Messung Invarianz von BM-PROMA.

Schließlich wurde eine ROC-Analyse (Receiver Operating Characteristic) durchgeführt, um die diagnostische Genauigkeit von BM-PROMA basierend auf den fünf aus der CFA-Analyse abgeleiteten Faktoren zu untersuchen. Der standardisierte Prueba de Cálculo Numérico (Arithmetischer Berechnungstest)78 wurde als Goldstandard für die Prüfung der Genauigkeit jeder einzelnen diagnostischen Maßnahme (d.h. Faktoren) verwendet. Flächenwerte unter der ROC-Kurve (AUC >.70), Sensitivität (>.70) und Spezifität (>.80) wurden untersucht79. Die Ergebnisse zeigten akzeptable AUCs für alle Faktoren in allen Klassen mit Ausnahme von F3 (d. h. verbaler Repräsentationsfaktor) in den Klassen 3, 5 und 6 und F2 (d. h. analoger Darstellungsfaktor) in Klasse 2 (Tabelle 4). Die Sensitivitäts- und Spezifitätswerte waren sehr variabel und reichten von 0,468 bis 0,846 für die Sensitivität und von 0,595 bis 0,929 für die Spezifität. Diese Ergebnisse entieren, dass, obwohl alle Maßnahmen zur Entwicklung mathematischer Kompetenz beitragen, ihr Nutzen von Klasse zu Klasse variiert.

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

Tabelle 4: Diagnosegenauigkeit von BM-PROMA-Subtests pro Klasse. Anmerkung. F1 = arabischer numerischer Darstellungsfaktor; F2 = analoger Darstellungsfaktor; F3 = verbaler Repräsentationsfaktor ; F4 = arithmetischer Faktor ; F5 = kognitiver Faktor; AUC = Fläche unter der Kurve; Sn = Empfindlichkeit; Sp = Spezifität.

Figure 1
Abbildung 1: Fehlende Zahlenaufgabe Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 2
Abbildung 2: Aufgabe zumzweistelligen Zahlenvergleich Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 3
Abbildung 3: Aufgabe Zahlen lesen Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 4
Abbildung 4: Aufgabe "Wert platzieren" Klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 5
Abbildung 5: Aufgabe zur Schätzung der Zahlenzeile Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 6
Abbildung 6: Aufgabe zum Abrufen arithmetischer Fakten Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 7
Abbildung 7: Aufgabe Arithmetische Prinzipien Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 8
Abbildung 8: Zähldauer-Aufgabe Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 9
Abbildung 9: Schnelle automatisierte Benennung - Buchstabenaufgabe (RAN-L) Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 10
Abbildung 10: Visuospatial Working Memory Task Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kinder mit MLD sind nicht nur von akademischem Versagen, sondern auch von psycho-emotionalen und gesundheitlichenStörungen bedroht 8,9 und später von Entzug der Beschäftigung4,5. Daher ist es wichtig, MLD zeitnah zu diagnostizieren, um die pädagogische Unterstützung zu bieten, die diese Kinder benötigen. Die Diagnose von MLD ist jedoch aufgrund der vielfältigen domänenspezifischen und domänengeneralen Kompetenzdefizite, die der Störung zugrunde liegen, komplex22,23. BM-PROMA ist eines der wenigen computergestützten Werkzeuge, das ein mehrdimensionales Protokoll zur Diagnose von Grundschulkindern mit MLD verwendet, und das erste, das für spanischsprachige Kinder standardisiert wurde.

Die vorliegende Studie hat bewiesen, dass BM-PROMA ein valides und zuverlässiges Instrument ist. Die Ergebnisse der ROC-Analysen waren vielversprechend und zeigten AUCs von .72 bis .92 über fast alle Faktoren und Gehalte hinweg. Dies deutet auf eine akzeptable bis ausgezeichnete Diskriminierunghin 79. Die schwächste Unterstützung wurde für F3 in den Klassen 3, 5 und 6 gefunden, und F2 in Grad 4 ergab eine AUC < .70. Es ist wichtig zu beachten, dass wir nur ein Maß als Goldstandard verwendet haben und dass es sich auf mehrstellige Berechnungsfähigkeiten konzentriert. als solches ist es eine sehr begrenzte Maßnahme. Ein Goldstandard sollte den Inhalt des untersuchten Kriteriums80widerspiegeln, so dass wir der Ansicht sind, dass die Klassifizierungsgenauigkeit durch die Hinzufügung anderer standardisierter Zustandsbewertungen in zukünftigen Studien verbessert werden könnte.

Obwohl BM-PROMA ein sehr umfassendes Werkzeug ist, wäre es für zukünftige Versionen relevant, andere domänenspezifische Fähigkeiten einzubeziehen, die bei MLD-Kindern beeinträchtigt sind, z. B. nicht-symbolische Vergleichsaufgaben bei jüngeren Kindern81 und rationale Zahlenmanipulation oder die Lösung von arithmetischen Wortproblemen82,83 bei älteren Kindern. Es wäre auch wichtig, andere domänenübergreifende Fähigkeiten zu integrieren, die bei MLD mangelhaft zu sein scheinen, wie z. B. die hemmende Kontrolle84.

Trotz der beschriebenen Einschränkungen ist BM-PROMA eine der wenigen Software, die entwickelt wurde, um Kinder mit Dyskalkulie zu identifizieren, und die vorliegende Studie hat bewiesen, dass es ein gültiges und zuverlässiges Instrument ist. Die interne Struktur stellt den mehrdimensionalen Evaluierungsansatz des Tools dar. Es bietet ein breites kognitives Profil für das Kind, das nicht nur für die Diagnose, sondern auch für die individualisierte Unterrichtsplanung relevant ist. Darüber hinaus ist das multimediale Format für die Kinder hoch motivierend und erleichtert gleichzeitig das Bewertungsverfahren.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die oben aufgeführten Autoren bestätigen, dass mit der vorliegenden Studie keine finanziellen Interessen oder andere Interessenkonflikte verbunden sind.

Acknowledgments

Wir danken der spanischen Regierung für die Unterstützung durch ihren Plan Nacional I+D+i (R+D+i Nationaler Forschungsplan, spanisches Ministerium für Wirtschaft und Wettbewerbsfähigkeit), Projekt Ref: PET2008_0225, mit dem zweiten Autor als Hauptforscher; und CONICYT-Chile [FONDECYT REGULAR Nº 1191589], mit dem Erstautor als Principal Investigator. Wir danken auch dem ULL-Team von Unidad de Audiovisuales für seine Teilnahme an der Produktion des Videos.

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

Verhalten Problem 174 mathematische Lernbehinderungen Dyskalkulie Diagnose Bewertungstool domänenübergreifende Fähigkeiten domänenspezifische Fähigkeiten
Multimedia-Batterie zur Beurteilung kognitiver und grundlegender Fähigkeiten in mathematik (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