Waiting
Login processing...

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

Behavior

Batería Multimedia para la Evaluación de Habilidades Cognitivas y Básicas en Matemáticas (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 es una herramienta de diagnóstico multimedia válida y confiable que puede proporcionar un perfil cognitivo completo de niños con discapacidades de aprendizaje matemático.

Abstract

El aprendizaje de las matemáticas es un proceso complejo que requiere el desarrollo de múltiples habilidades generales y específicas del dominio. Por lo tanto, no es inesperado que muchos niños luchen por mantenerse en el nivel de grado, y esto se vuelve especialmente difícil cuando varias habilidades de ambos dominios se ven afectadas, como en el caso de las discapacidades de aprendizaje matemático (MLD). Sorprendentemente, aunque la MLD es uno de los trastornos del neurodesarrollo más comunes que afectan a los escolares, la mayoría de los instrumentos de diagnóstico disponibles no incluyen la evaluación de las habilidades de dominio general y dominio específico. Además, muy pocos están informatizados. Hasta donde sabemos, no existe una herramienta con estas características para niños de habla hispana. El objetivo de este estudio fue describir el protocolo para el diagnóstico de niños españoles con MLD utilizando la batería multimedia BM-PROMA. BM-PROMA facilita la evaluación de ambos dominios de habilidades, y las 12 tareas incluidas para este propósito están empíricamente basadas en la evidencia. Se demuestra la fuerte consistencia interna de BM-PROMA y su estructura interna multidimensional. BM-PROMA demuestra ser una herramienta apropiada para diagnosticar a los niños con MLD durante la educación primaria. Proporciona un perfil cognitivo amplio para el niño, que será relevante no solo para el diagnóstico sino también para la planificación instruccional individualizada.

Introduction

Uno de los objetivos cruciales de la educación primaria es la adquisición de habilidades matemáticas. Este conocimiento es muy relevante, ya que todos usamos las matemáticas en nuestra vida cotidiana, por ejemplo, para calcular el cambio dado en el supermercado1,2. Como tal, las consecuencias de un bajo rendimiento matemático van más allá de lo académico. A nivel social, una fuerte prevalencia de bajo rendimiento matemático dentro de la población constituye un costo para la sociedad. Existe evidencia de que la mejora de las habilidades numéricas deficientes en la población conduce a ahorros significativos para un país3. También hay consecuencias negativas a nivel individual. Por ejemplo, aquellos que muestran un bajo nivel de habilidades matemáticas presentan un desarrollo profesional deficiente (por ejemplo, mayores tasas de empleo en ocupaciones manuales mal remuneradas y mayor desempleo)4,5,6,con frecuencia reportan respuestas socioemocionales negativas hacia los académicos (por ejemplo, ansiedad, baja motivación hacia los académicos)7,8,y tienden a presentar una salud mental y física más pobre que sus pares con un rendimiento matemático promedio9. Los estudiantes con discapacidades de aprendizaje matemático (MLD) muestran un rendimiento muy pobre que persiste en el tiempo10,11,12. Como tales, son más propensos a sufrir las consecuencias mencionadas anteriormente, especialmente si estos no se diagnostican rápidamente13.

La MLD es un trastorno neurobiológico caracterizado por un deterioro severo en términos de aprendizaje de habilidades numéricas básicas a pesar de la capacidad intelectual adecuada y la escolaridad14. Aunque esta definición es ampliamente aceptada, los instrumentos y criterios para su identificación aún están en discusión15. Una excelente ilustración de la ausencia de un acuerdo universal con respecto al diagnóstico de MLD es la variedad de tasas de prevalencia reportadas, que van del 3 al10% 16,17,18,19,20,21. Esta dificultad en el diagnóstico se deriva de la complejidad del conocimiento matemático, que requiere que se aprenda una combinación de múltiples habilidades de dominio general y dominio específico22,23. Los niños con MLD muestran perfiles cognitivos muy diferentes, con una amplia constelación de déficits14,24,25,26,27. En este sentido, se sugiere la necesidad de una evaluación multidimensional por medio de tareas que involucren diferentes representaciones numéricas (es decir, verbales, árabes, analógicas) y aritméticas11.

En la escuela primaria, los síntomas de MLD son diversos. En términos de habilidades específicas del dominio, se encuentra consistentemente que muchos estudiantes de MLD muestran dificultades en las habilidades numéricas básicas, como reconocer rápida y precisamente los números arábigos28,29,30,comparar magnitudes31,32o representar números en la línea numérica33,34. Los niños de primaria también han mostrado dificultad para comprender el conocimiento conceptual, como el valor de posición35,el conocimiento aritmético36o la ordinalidad medida a través de secuencias ordenadas37. En cuanto a las habilidades generales de dominio, se ha puesto especial mente el foco en el papel de la memoria de trabajo38,39 y el lenguaje40 en el desarrollo de habilidades matemáticas en niños con y sin MLD. En relación a la memoria de trabajo, los resultados sugieren que los estudiantes con MLD muestran un déficit en el ejecutivo central, especialmente cuando se requiere manipular información numérica41,42. También se ha reportado con frecuencia un déficit en la memoria visuoespacial a corto plazo en niños con MLD43,44. Se ha encontrado que las habilidades lingüísticas son un requisito previo para el aprendizaje de habilidades aritméticas, especialmente aquellas que implican una alta demanda de procesamiento verbal7. Por ejemplo, las habilidades de procesamiento fonológico [por ejemplo, la conciencia fonológica y la nomenclatura rápida automatizada (RAN)] están estrechamente relacionadas con las habilidades básicas aprendidas en la escuela primaria, como el procesamiento numérico o el cálculo aritmético39,45,46,47. Aquí, se ha demostrado que las variaciones en la conciencia fonológica y la RAN se asocian con diferencias individuales en las habilidades numéricas que implican el manejo del código verbal42,48. A la luz del complejo perfil de los niños con MLD, una herramienta de diagnóstico idealmente debería incluir tareas que evalúen tanto las habilidades de dominio general como las específicas de dominio, que se informan como deficientes con mayor frecuencia en estos niños.

En los últimos años, se han desarrollado varias herramientas de detección de papel y lápiz para MLD. Los más utilizados con los niños españoles de primaria son a) Evamat-Batería para la Evaluación de la Competencia Matemática49; b) Tedi-Math: A Test for Diagnostic Assessment of Mathematical Disabilities (adaptación al español)50; c) Test de Evaluación Matemática Temprana de Utrecht (TEMT-U)51,52, la versión en español del Utrecht Early Numeracy Test53; y d) Prueba de habilidades matemáticas tempranas (TEMA-3)54. Estos instrumentos miden muchas de las habilidades específicas del dominio mencionadas anteriormente; sin embargo, ninguno de ellos evalúa las habilidades generales del dominio. Otra limitación de estos instrumentos -y de las herramientas de papel y lápiz en general- es que no pueden proporcionar información sobre la precisión y automaticidad con la que se procesa cada artículo. Esto solo sería posible con una batería computarizada. Sin embargo, se han desarrollado muy pocas aplicaciones para el diagnóstico de la discalculia. La primera herramienta computarizada diseñada para identificar a los niños (de 6 a 14 años) con MLD fue el Dyscalculia Screener55. Unos años más tarde, el DyscalculiUm56 basado en la web se desarrolló con el mismo propósito, pero se centró en adultos y estudiantes en la educación posterior a los 16 años. Aunque todavía limitado, ha habido un creciente interés en el diseño de herramientas computarizadas para el diagnóstico de MLD en los últimos años57,58,59,60. Ninguna de las herramientas mencionadas ha sido estandarizada para los niños españoles, y solo una de ellas, el MathPro Test57,incluye la evaluación de habilidades generales de dominio. Dada la importancia de identificar a los niños con bajo rendimiento matemático, especialmente aquellos con MLD, y en ausencia de instrumentos informatizados para la población española, presentamos un protocolo de evaluación multimedia que incluye habilidades tanto de dominio general como de dominio específico.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Este protocolo se ha realizado de acuerdo con las directrices proporcionadas por el Comité de Ética de la Investigación y Bienestar Animal (CEIBA), Universidad de La Laguna.

NOTA: La Batería multimedia para la evaluación de habilidades cognitivas y básicas en matemáticas (BM-PROMA)61 fue desarrollada utilizando Unity 2.0 Professional Edition y el Motor de Base de Datos SQLITE. BM-PROMA incluye 12 subpruebas: 8 para evaluar habilidades específicas del dominio y 4 para evaluar procesos generales del dominio. Para cada subprueba, proporcione instrucciones oralmente por un robot humanoide animado y preceda la fase de prueba con una demostración y dos pruebas de entrenamiento. El protocolo de aplicación para cada tarea se presenta a continuación con un ejemplo.

1. Configuración experimental

  1. Utilizar los siguientes criterios de inclusión: niños en educación primaria entre segundo y sexto grado; hablantes nativos de español.
  2. Utilice los siguientes criterios de exclusión: niños con antecedentes de déficits neurológicos, intelectuales o sensoriales.
  3. Instale la batería multimedia para la evaluación de habilidades cognitivas y básicas en matemáticas. BM-PROMA se distribuye utilizando un solo archivo. Este archivo es un instalador automatizado que permite al usuario seleccionar el destino de instalación. El instalador detecta versiones anteriores de la herramienta y advierte al usuario sobre la posible pérdida de datos debido a la sobrescritura. La instalación crea accesos directos en el menú 'Inicio' de Windows. Además, el instalador proporciona un archivo por lotes (conocido como archivo .bat en Windows) para automatizar el proceso de copia de seguridad de la base de datos. La herramienta se ejecuta en modo de pantalla completa a una resolución de 800x600 píxeles. La herramienta no se puede ejecutar en modo de ventana.
    1. Antes de que un estudiante pueda ser evaluado, agregue sus datos a la base de datos de estudiantes. Una vez que el niño ha sido registrado, selecciónelo haciendo clic en la entrada correspondiente en la lista de estudiantes. Las tareas son seleccionadas al azar por el examinador o el niño. Las tareas comienzan tan pronto como el examinador o el niño hacen clic en ellas. Cuando se completa la tarea, la herramienta vuelve al menú de selección de tareas. Las tareas completadas por el estudiante ya no son visibles en el menú. Una vez que la sesión ha comenzado, no hay descansos entre tareas.
    2. Pruebe a los niños los grados 2 y 3 en tres sesiones de media hora y a los niños de los grados 4 a 6 en dos sesiones de 45 minutos. Realizar las sesiones en diferentes días. Administre el BM-PROMA en una habitación tranquila. Pida a los alumnos que usen auriculares para escuchar las instrucciones y registrar sus respuestas orales; el examinador también utiliza auriculares para supervisar las tareas. En algunos casos, el examinador debe registrar el resultado de la tarea con el ratón; en otros, el alumno utiliza el ratón para completar la tarea y las respuestas se registran automáticamente.
  4. Ensayos de demostración y formación. Para todas las tareas, preceda a la etapa de prueba con instrucciones (el robot presenta oralmente las instrucciones para la tarea), modelado (el robot modela la tarea paso a paso con un ejemplo) y pruebas de práctica (a los niños se les permite hasta dos pruebas de práctica con retroalimentación).

2. Subpruebas específicas del dominio

  1. Número faltante (Figura 1)
    1. En esta tarea, pida a los niños que nombren el número que falta de una serie de 4 números de uno y dos dígitos presentados horizontalmente.
    2. Haz que el robot diga lo siguiente: "En este juego, tienes que decir en voz alta el nombre del número que falta: dos, cuatro, seis, ocho y (pausa) diez. Entonces, el número que falta es diez. Ahora, pruébalo por tu cuenta".
    3. Presente un total de 18 series: 6 en orden numéricamente ascendente (los números de la serie aumentan de valor a medida que se agrega una magnitud dada al número anterior), 6 en orden numéricamente descendente (los números de la serie disminuyen en valor a medida que se resta una magnitud dada del número anterior) y 6 en orden ascendente numéricamente jerárquico (se necesita más de una operación aritmética para resolverlos, en este caso, multiplicación y suma). El examinador utiliza los botones del ratón para registrar si la respuesta es correcta.
    4. Calcule la puntuación en función del número total de respuestas correctas.
  2. Comparación de números de dos dígitos (Figura 2)
    1. En esta tarea, presente 40 pares de números de dos dígitos en la pantalla de la computadora.
    2. Haz que el robot diga: "En este juego, mira cuidadosamente estos dos números. Debes elegir el número más grande. Para hacerlo, debes comparar los dos números y decir en voz alta el nombre del más grande. Mira estos dos números. Treinta y siete es más grande que veintiuno. Entonces, diré /treinta y siete/. Trate de completar la tarea lo más rápido posible sin equivocarse. Ahora, pruébalo por tu cuenta".
    3. Exija a los niños que digan en voz alta el tamaño numérico de cada par. Una tecla de voz registró el tiempo de reacción (RT) del niño, después de lo cual el examinador utilizó los botones del mouse para registrar si la respuesta era correcta.
      NOTA: Siguiendo estudios previos se manipularon62,63,compatibilidad unidad-década (compatible vs. incompatible) y distancia de década y unidad (pequeña [1-3] vs. grande [4-8]).
    4. Calcular la puntuación en función del RT de aquellos estímulos que se resolvieron correctamente.
  3. Lectura de números (Figura 3)
    1. Presente 30 números arábigos (10 números de un solo dígito, 10 números de dos dígitos y 10 números de tres dígitos) uno a la vez en la pantalla de la computadora.
    2. Haz que el robot diga "En este juego, tienes que nombrar en voz alta los números que aparecen en la pantalla. Mira este número. Aquí tienes que decir /doce/, porque ese es el nombre del número en la pantalla. Trate de completar la tarea lo más rápido posible sin equivocarse. Ahora, pruébalo por tu cuenta".
    3. Pídale al niño que los lea en voz alta lo más rápido posible sin cometer errores. Una tecla de voz registró el RT del niño, después de lo cual el examinador usó los botones del mouse para registrar si la respuesta era correcta.
    4. Calcula la puntuación en función del RT de aquellos estímulos que fueron leídos correctamente.
  4. Valor de lugar (Figura 4)
    1. Medir el conocimiento de los estudiantes sobre el sistema numérico árabe. Muestre 12 números arábigos de dos dígitos en el centro de la pantalla de la computadora, con una opción de respuesta ubicada en cada esquina de la pantalla (cuatro opciones en total). Cada opción era una cantidad representada por pequeños bloques de unidades y bloques de decenas (diez unidades agrupadas en un solo bloque). Para cada elemento, solo una de las cuatro opciones era correcta. Las opciones incorrectas estaban formadas por representaciones que coincidían con la opción correcta en a) el diez; b) la unidad; o c) tanto el diez como la unidad, pero invertidos (por ejemplo, para el número "15", las opciones incorrectas representaban 12, 35 y 51).
    2. Haz que el robot diga: "En este juego, tenemos un número y cuatro imágenes. Tienes que hacer clic en la imagen que representa el número correctamente. Elegiré el primero, porque la barra es igual a un diez, y los cuadrados equivalen a cinco unidades. Ahora, pruébalo por tu cuenta".
    3. Calcule la puntuación en función del número total de respuestas correctas.
  5. Línea numérica 0-100 y 0-1000 tareas (Figura 5)
    NOTA: Utilice adaptaciones computarizadas del original de papel y lápiz64.
    1. En esta tarea, haga que los niños coloquen un número determinado en una línea numérica de 15 cm con el mouse de la computadora. Para los primeros 20 elementos, el valor en el extremo izquierdo de la línea era 0 y el valor en el extremo derecho era 100. Para los siguientes 22 artículos, el valor en el extremo derecho fue 1000.
    2. Presente los siguientes ítems en la línea 0-100: 2, 3, 7, 11, 14, 18, 23, 37, 41, 45, 56, 60, 67, 71, 75, 86, 89, 91, 95 y 99.
    3. Haz que el robot diga "En este juego, tienes que poner el número donde crees que debería ir. Mira esta línea. Comienza en cero y termina en cien. Tienes que poner el número cincuenta aquí. Para hacerlo, haga clic y mantenga presionada la línea roja debajo del número y arrástrela al lugar correcto. ¿Sabes por qué dejé caer el número aquí? Está en el medio, porque cincuenta es la mitad de cien. Ahora, pruébalo por tu cuenta".
    4. Siguiendo la tarea original, sobremuestree los números en el extremo inferior de la distribución, con 7 números entre 0 y 30. Los ítems presentados para la línea 0-1000 fueron: 2, 11, 67, 99, 106, 162, 221, 325, 388, 450, 492, 511, 591, 643, 677, 755, 799, 815, 867, 910 y 988. Los valores por debajo de 100 fueron sobremuestreados, como en el estudio antes mencionado.
    5. Calcular la puntuación en función del valor absoluto del error porcentual (| Estimación - Cantidad estimada / Escala de estimaciones|).
  6. Recuperación de hechos aritméticos (Figura 6)
    1. Pida a los niños que resuelvan 66 problemas aritméticos de un solo dígito, que consisten en 24 sumas, 24 multiplicaciones y 18 restas presentadas en bloques separados. Excluya los problemas de empate (por ejemplo, 3+3) y los problemas que contengan 0 o 1 como operando o respuesta.
    2. Haz que el robot diga: "En este juego, tienes que resolver los cálculos en tu cabeza. En la primera, la respuesta correcta es tres. Resuelve la tarea en silencio y dime la respuesta en voz alta. Trate de resolver la tarea lo más rápido posible sin equivocarse. Ahora, pruébalo por tu cuenta.
    3. Presentar problemas uno a la vez horizontalmente en la pantalla de la computadora. Las respuestas fueron verbales. Una tecla de voz registró el RT del niño, después de lo cual el examinador usó los botones del mouse para registrar si la respuesta era correcta.
    4. Calcular la puntuación en función del RT de aquellos estímulos que se resolvieron correctamente.
  7. Principios aritméticos (Figura 7)
    1. Presentar 24 pares de operaciones relacionadas de dos dígitos (12 pares de sumas y 12 pares de multiplicaciones). En cada par, un elemento se resolvió correctamente y el otro no se resolvió (por ejemplo, 5 + 5 = 10 → 5 + 6 = ?).
    2. Haz que el robot diga "En este juego, tienes que decir en voz alta el resultado de la segunda operación. Observe cuidadosamente ambos cálculos. El primero ya se ha resuelto, pero el segundo aún debe resolverse. Cinco más cinco es igual a diez, luego cinco más seis es igual a once. Cuando te diga que comiences, resuelve la tarea en silencio y luego di la respuesta en voz alta. Trate de resolver la tarea lo más rápido posible sin equivocarse. Ahora, pruébalo por tu cuenta".
    3. Pida a los niños que digan en voz alta el resultado de la operación no resuelta. Una tecla de voz registró el tiempo de reacción (RT) del niño, después de lo cual el examinador utilizó los botones del mouse para registrar si la respuesta era correcta.
    4. Calcular la puntuación en función del RT de aquellos estímulos que se resolvieron correctamente.

3. Subpruebas generales de dominio

  1. Lapso de conteo (Figura 8)
    NOTA: Esta tarea es una adaptación de la tarea conteo de memoria de trabajo65.
    1. Pida a los niños que cuenten en voz alta el número de puntos amarillos en una serie de tarjetas con puntos amarillos y azules. Pídales que recuerden el número de puntos amarillos en cada tarjeta del conjunto.
    2. Haz que el robot diga: "En este juego, tenemos algunas cartas. Cada tarjeta tiene puntos azules y amarillos. Tienes que contar y recordar el número de puntos amarillos en cada tarjeta. Primero, vamos a contar cuántos puntos amarillos hay en la primera tarjeta. Hay dos puntos amarillos en la tarjeta. Luego contaremos todos los puntos amarillos en la segunda carta. Hay ocho puntos amarillos en la tarjeta. Ahora, como había dos puntos amarillos en la primera tarjeta y ocho puntos amarillos en la segunda tarjeta, tienes que decir en voz alta los números dos y ocho. Ahora, pruébalo por tu cuenta".
    3. Aumente la longitud establecida de 2 a 5 cartas y dé a los niños tres intentos de pasar al siguiente nivel de dificultad. El examinador utiliza los botones del ratón para registrar si la respuesta es correcta.
    4. Finalice la prueba cuando un niño no recuerde correctamente dos series en un nivel de dificultad determinado.
  2. Nomenclatura rápida automatizada - Letra (RAN-L) (Figura 9)
    NOTA: Esta tarea es una adaptación de la técnica denominada Rapid Automatized Naming66. RAN-L consiste en una serie de cinco letras presentadas en cinco filas y 10 columnas en la pantalla de la computadora.
    1. Pídale al niño que nombre las letras lo más rápido posible de izquierda a derecha y de arriba a abajo. Proporcione diez elementos de práctica en un gráfico que consta de dos filas y cinco columnas.
    2. Haz que el robot diga "En este juego, tienes que nombrar las letras que aparecen en la pantalla. No importa si se repiten. Entonces, tenemos que decir: /a/, /c/, /v/, /n/, /a/, /n/, /c/, /c/, /v/, /v/. Trate de nombrar las letras lo más rápido posible de izquierda a derecha y de arriba a abajo. Ahora, pruébalo por tu cuenta".
    3. Use el tiempo dedicado a nombrar las 50 letras como puntuación. Para normalizar la distribución de puntuaciones, convierta las puntuaciones al número de letras por minuto.
  3. Memoria de trabajo visuoespacial (Figura 10)
    NOTA: Esta tarea es una adaptación computarizada de la tarea de tapping de bloques de Corsi67.
    1. Muestra una placa 3x3 en el centro de la pantalla. En cada prueba, destellar secuencialmente ciertos bloques y apagarlo.
    2. Pídale al niño que repita la secuencia en el orden correcto haciendo clic en los bloques que habían cambiado de color. En el 50% de los casos, pídales que lo hagan en el mismo orden, y en el otro 50% en orden inverso.
    3. Haz que el robot diga "En este juego, verás que algunos de los cuadrados se iluminan. Hay que recordar qué casillas se iluminaron y el orden en que lo hicieron. Luego tienes que presionar los cuadrados en el mismo orden para repetir la secuencia. Ahora, observa con atención y presiona los cuadrados en el mismo orden".
    4. Aumentar la duración de los ensayos de 2 a 5 bloques. Dé a los niños tres intentos de pasar al siguiente nivel de dificultad.
    5. Finalice la prueba cuando un niño no pudo recordar correctamente dos series en un nivel de dificultad determinado. El examinador utiliza los botones del ratón para registrar si la respuesta es correcta. Calcule los puntajes en función del número de respuestas correctas dadas.
  4. Eliminación de fonemas
    NOTA: Esta tarea incluyó 15 palabras de dos sílabas: cinco con estructura de primera sílaba consonante-vocal (CV), cinco con estructura de primera sílaba consonante-vocal-consonante (CVC) y cinco con estructura de primera sílaba consonante-consonante-vocal (CCV).
    1. Dígale una palabra al niño y pídale que la repita, omitiendo el primer sonido.
    2. Haz que el robot diga "En este juego, tienes que eliminar el primer sonido de cada palabra. Si escuchas la palabra /tarde/ (tarde), tienes que eliminar el sonido /t/. Entonces, dirás /arde/. Ahora, pruébalo por tu cuenta".
    3. El examinador utiliza los botones del ratón para registrar si la respuesta es correcta. Calcule la puntuación en función del número total de respuestas correctas.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Con el fin de probar la utilidad y eficacia de esta herramienta diagnóstica, se analizaron sus propiedades psicométricas en una muestra a gran escala. Un total de 933 alumnos españoles de primaria (chicos = 508, niñas = 425; Medad = 10 años, SD = 1.36) desde el grado 2 hasta el grado 6 (grado 2, N = 169 [89 niños]; grado 3, N = 170 [89 niños]; grado 4, N = 187 [106 niños]; grado 5, N = 203 [113 niños]; grado 6, N= 204 [110 niños]) participaron en el estudio. Los niños provenían de clases intactas en escuelas estatales y privadas en áreas urbanas y suburbanas de Santa Cruz de Tenerife. Los estudiantes se clasificaron en dos grupos: a) niños MLD con puntajes dentro o por debajo del percentil 16 en una prueba aritmética estandarizada (grado 2, N = 14; grado 3, N = 35; grado 4, N = 11; grado 5, N = 47; grado 6, N = 42); y b) típicamente lograr niños con puntajes dentro o por encima del percentil 40 en la misma prueba (grado 2, N = 130; grado 3, N = 124; grado 4, N = 149; grado 5, N = 110; grado 6, N = 105).

La multidimensionalidad de la estructura de la herramienta se probó mediante Análisis Factorial Confirmatorio (CFA) utilizando el paquete lavaan en R68. Se planteó la hipótesis de un modelo de cinco factores para BM-PROMA. Se esperaba un factor cognitivo que contendí todas las tareas generales del dominio, ya que la contribución de las habilidades generales del dominio al rendimiento matemático es diferente de la de las habilidades específicas del dominio69,70. También se esperaba un factor aritmético que agrupara solo tareas aritméticas, ya que las habilidades aritméticas y numéricas básicas implican diferentes correlatos cognitivos y cerebrales71 . Finalmente, siguiendo el Modelo de Código Triple72,se esperaban tres factores que agrupaban las tareas numéricas según si la tarea involucraba representaciones verbales, árabes o analógicas.

La evidencia con respecto a la consistencia interna se evaluó mediante el alfa de Cronbach. Los alfas de Cronbach se calcularon para todas las medidas y se presentaron tanto para cada grado como para toda la muestra de participantes. Los valores de consistencia interna se consideraron excelentes cuando α ≥ .80, buenos cuando α ≥ .70 y <.80, aceptables cuando α ≥ .60 y <.70, pobres cuando α ≥ .50 y < .60, e inaceptables cuando α < .5073.

La bondad del ajuste del modelo se estimó utilizando el método de estimación de máxima verosimilitud robusta (RML) y se evaluó utilizando los siguientes índices74,75:cuadrado medio de raíz estandarizado (SRMS ≤ .08), chi-cuadrado(χ 2, p> .05), índice de Tucker-Lewis (TLI ≥ .90), índice de ajuste comparativo (CFI ≥ .90), error cuadrático medio de aproximación de la raíz (RMSA ≤ .06) y confiabilidad compuesta (ω ≥ .60). Se inspeccionaron los índices de modificación (IM).

Se examinaron las estadísticas descriptivas y se presentan en la Tabla 1. Los resultados mostraron una distribución normal de los datos, con índices de curtosis y asimetría inferiores a 10,00 y 3,00, respectivamente76.

Medidas Grado 2 Grado 3 Grado 4 Grado 5 Grado 6 Total
M SD M SD M SD M SD M SD M SD
Números faltantes 3.81 3.29 5.79 3.49 7.68 3.15 7.56 3.50 8.33 2.98 6.67 3.65
Comparación de números de dos dígitos 2.02 .54 1.78 .35 1.50 .24 1.46 .15 1.44 .15 1.62 .38
Lectura de números 1.14 .27 1.27 .23 1.14 .21 1.17 .18 1.21 .20 1.24 .24
Valor de lugar 8.83 3.19 9.83 2.89 10.58 1.62 10.33 1.95 10.89 1.49 10.14 2.38
Línea numérica 0-100 .11 .06 .07 .30 .06 .02 .05 .02 .05 .19 .07 .04
Línea numérica 0-1000 .18 .09 .13 .06 .09 .04 .09 .04 .07 .02 .11 .06
Recuperación de hechos de adición 5.11 4.42 7.03 5.24 11.15 5.74 10.27 5.82 12.03 5.30 9.32 5.93
Recuperación de hechos de sustracción 4.36 3.79 5.78 4.66 8.94 4.53 8.64 4.84 9.76 4.31 7.66 4.89
Recuperación de hechos de multiplicación 2.92 3.27 6.32 4.97 11.48 5.67 10.10 5.90 11.49 5.43 8.72 6.13
Principios aritméticos 8.33 4.71 8.05 3.41 8.95 3.80 9.38 4.01 10.78 4.56 9.21 4.22
Conteo de span 4.57 2.35 5.45 2.65 6.41 2.56 6.43 2.59 7.03 2.49 6.05 2.67
Memoria de trabajo visuoespacial 6.26 2.74 7.30 2.62 8.18 2.33 8.46 2.42 9.27 2.23 7.98 2.66
Eliminación de fonemas 9.34 4.78 10.96 4.60 12.64 2.83 12.62 2.92 12.61 3.37 11.73 3.94
Nomenclatura rápidamente automatizada: letras 1.37 .32 1.53 .31 1.72 .31 1.80 .35 1.87 .36 1.68 .38

Tabla 1: Estadística descriptiva de las subpruebas BM-PROMA por grado.

La consistencia interna de cada medida, a excepción de la memoria de trabajo numérica, se presenta en la Tabla 2. Los resultados indicaron α de más de 0,70 para la mayoría de las medidas en cada grado, lo que sugiere una consistencia interna de buena a excelente para la mayoría de las tareas.

Medidas Grado 2 Grado 3 Grado 4 Grado 5 Grado 6 Total ICL
Números faltantes .841 .843 .807 .858 .801 .861 1
Comparación de números de dos dígitos .891 .925 .916 .868 .866 .895 1
Lectura de números .861 .830 .849 .892 .753 .855 1-2
Valor de lugar .843 .864 .722 .686 .740 .809 1-3
Línea numérica 0-100 .825 .748 .658 .547 .678 .801 1-4
Línea numérica 0-1000 .806 .820 .763 .743 .729 .867 1-2
Recuperación de hechos de adición .852 .879 .885 .892 .856 .898 1
Recuperación de hechos de sustracción .826 .880 .846 .868 .823 .876 1
Recuperación de hechos de multiplicación .811 .861 .867 .881 .853 .901 1
Principios aritméticos .586 .734 .844 .742 .866 .821 1-4
Memoria de trabajo visuoespacial .741 .726 .660 .695 .699 .747 1-3
Eliminación de fonemas .918 .933 .835 .853 .899 .911 1
Nota. ICL = nivel de consistencia interna; 1 = excelente; 2 = bueno; 3 = aceptable; 4 = pobre, 5 = inaceptable.

Tabla 2: El coeficiente de Cronbach para todas las medidas en cada grado.

Con el fin de confirmar la estructura factorial de BM-PROMA, se realizó un CFA utilizando el método de estimación RML. Los índices de ajuste sugirieron un ajuste adecuado del modelo de cinco factores propuesto para los datos:χ 2 = 29,930 df = 67, p = 0,000; CFI = .948; TLI = .930; RMSEA = .053, IC del 90% = [.046-.061]; SRMR = .046; F1, ω = .50; F2, ω = .75; F3, ω = .80; F4, ω = .81; F5, ω = .46 (Figura 11).

Figure 11
Figura 11: Análisis factorial confirmatorio del BM-PROMA.  Nota. F1 = factor de representación numérica árabe; F2 = factor de representación analógica; F3 = factor de representación verbal; F4 = factor aritmético; F5 = factor cognitivo; RAN-L = letras de nomenclatura automatizadas rápidas; VWM = memoria de trabajo visuoespacial; CS = lapso de conteo; PD = eliminación del fonema; AP = principios aritméticos; MFR= recuperación de hechos de multiplicación; AFR = recuperación de hechos de adición; SFR = recuperación de hechos de resta; CNC = comparación numérica de dos dígitos; RN = lectura de números; NL-100 = línea numérica 0-100; NL-1000 = línea numérica 0-1000; PV = valor de lugar; MN = número faltante. Haga clic aquí para ver una versión más grande de esta figura.

Se confirmó el enfoque multidimensional de la herramienta. Las tareas incluidas en BM-PROMA se cargaron en cinco factores: 1) las tareas de número y valor de lugar faltantes cargadas en el "Factor de representación numérica árabe"; 2) la estimación de la recta numérica 0-100 y la estimación de la recta numérica 0-1000 tareas cargadas en el "Factor de representación analógica"; 3) la comparación de números de dos dígitos y las tareas de lectura de números cargadas en el "Factor de representación verbal"; 4) los principios aritméticos, la recuperación de hechos de suma, la recuperación de hechos de multiplicación y las tareas de recuperación de hechos de resta cargadas en el "Factor aritmético"; y 5) el lapso de conteo, la eliminación de fonemas, RAN-L y las tareas de memoria de trabajo visuoespacial cargadas en el "Factor Cognitivo".

Para examinar la invariancia de medición entre los grados, dividimos la muestra en dos grupos. El primer grupo estuvo compuesto por estudiantes de los grados 2-3 (Grupo A). El segundo grupo estuvo compuesto por estudiantes de los grados 4-6 (Grupo B). Los estudiantes fueron reagrupados para aumentar el tamaño de la muestra y minimizar el número de grupos, ya que las características de la muestra, el número de grupos comparados y la complejidad del modelo afectan la invariancia de la medición77. Se compararon cuatro modelos anidados: configural (equivalencia de la forma del modelo), métrico (equivalencia de la carga factorial), escalar (equivalencia de la intersección del elemento) y estricto (equivalencia del elemento residual). Los resultados se presentan en la Tabla 3,que muestra la invariancia configural, métrica, escalar y estricta entre los grupos.

Modelo χ2 Df CFI TLI RMSEA (IC del 90%) SRMR ΔCFI ΔRMSEA
Configural (estructura) 364.145 134 .940 .918 .061 [.053 - . 068] .051
Métrica (cargas) 383.400 143 .937 .920 .060 [.053 - .067] .056 - .003 -.001
Escalar (intercepciones) 383.845 152 .939 .927 .057 [.050 - .064] .056 .002 -.003
Estricto (residuales) 398.514 166 .939 .933 .055 [.048 - .062] .056 .000 -.002
Nota. CFI = índice de ajuste comparativo; TLI = índice de tucker-lewis, RMSEA = error cuadral medio de la raíz de aproximación;
IC = intervalo de confianza; SRMR = residual cuadrático medio de raíz estandarizado;  Δ = diferencia.
Todos los valores de χ2 son significativos en p < 0,001.

Tabla 3: Índices de ajuste para la medición Invariancia de BM-PROMA.

Finalmente, se realizó un análisis de la Característica Operativa del Receptor (ROC) para estudiar la precisión diagnóstica de BM-PROMA en base a los cinco factores derivados del análisis CFA. La Prueba de Cálculo Numérico estandarizada78 se utilizó como el estándar de oro para probar la precisión de cada medida diagnóstica (es decir, factores). Se exploraron los valores de área bajo la curva ROC (AUC > .70), sensibilidad (>.70) y especificidad (> .80)79. Los resultados revelaron AUC aceptables para todos los factores en todos los grados, excepto F3 (es decir, factor de representación verbal) en los grados 3, 5 y 6, y F2 (es decir, factor de representación analógica) en grado 2(Tabla 4). Los valores de sensibilidad y especificidad fueron muy variables, variando de .468 a .846 para la sensibilidad y de .595 a .929 para la especificidad. Estos resultados denotan que aunque todas las medidas contribuyen al desarrollo de la competencia matemática, su utilidad varía según los grados.

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

Tabla 4: Precisión diagnóstica de las subpruebas BM-PROMA por grado. Nota. F1 = factor de representación numérica árabe; F2 = factor de representación analógica; F3 = factor de representación verbal ; F4 = factor aritmético ; F5 = factor cognitivo; AUC = área bajo la curva; Sn = sensibilidad; Sp = especificidad.

Figure 1
Figura 1: Falta la tarea número Haga clic aquí para ver una versión más grande de esta figura.

Figure 2
Figura 2: Tarea de comparación de números de dos dígitos Haga clic aquí para ver una versión más grande de esta figura.

Figure 3
Figura 3: Tarea De lectura de números Haga clic aquí para ver una versión más grande de esta figura.

Figure 4
Figura 4: Colocar tarea de valor Haga clic aquí para ver una versión más grande de esta figura.

Figure 5
Figura 5: Tarea de estimación de la línea numérica Haga clic aquí para ver una versión más grande de esta figura.

Figure 6
Figura 6: Tarea de recuperación de hechos aritméticos Haga clic aquí para ver una versión más grande de esta figura.

Figure 7
Figura 7: Tarea Principios aritméticos Haga clic aquí para ver una versión más grande de esta figura.

Figure 8
Figura 8: Tarea Contar span Haga clic aquí para ver una versión más grande de esta figura.

Figure 9
Figura 9: Tarea de nomenclatura - letra automatizada rápida (RAN-L) Haga clic aquí para ver una versión más grande de esta figura.

Figure 10
Figura 10: Tarea de memoria de trabajo visuoespacial Haga clic aquí para ver una versión más grande de esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Los niños con MLD están en riesgo no solo de fracaso académico, sino también de trastornos psicoemocionales y de salud8,9 y, más adelante, de privación laboral4,5. Por lo tanto, es crucial diagnosticar la MLD con prontitud para proporcionar el apoyo educativo que estos niños necesitan. Sin embargo, el diagnóstico de MLD es complejo debido a los múltiples déficits de habilidades específicas y generales del dominio que subyacen al trastorno22,23. BM-PROMA es una de las pocas herramientas computarizadas que utiliza un protocolo multidimensional para diagnosticar a los niños de primaria con MLD, y la primera en ser estandarizada para niños de habla hispana.

El presente estudio ha demostrado que BM-PROMA es un instrumento válido y confiable. Los resultados de los análisis de ROC fueron prometedores, mostrando AUC que oscilaban entre .72 y .92 en casi todos los factores y grados. Esto indica una discriminación aceptable a excelente79. El soporte más débil se encontró para F3 en los grados 3, 5 y 6, y F2 en el grado 4 produjo AUC < .70. Es importante tener en cuenta que utilizamos solo una medida como estándar de oro, y que se centra en las habilidades de cálculo de varios dígitos; como tal, es una medida muy limitada. Un estándar de oro debe reflejar el contenido de la medida de criterio bajo investigación80,por lo que consideramos que la precisión de la clasificación podría mejorarse mediante la adición de otras evaluaciones estatales estandarizadas en estudios futuros.

Aunque BM-PROMA es una herramienta muy completa, sería relevante para futuras versiones incluir otras habilidades específicas del dominio que se ha encontrado que están deterioradas en niños MLD, por ejemplo, tareas de comparación no simbólicas en niños más pequeños81 y manipulación racional de números o la resolución de problemas aritméticos de palabras82,83 en niños mayores. También sería esencial incorporar otras habilidades generales de dominio que parecen ser deficientes en MLD, como el control inhibitorio84.

A pesar de las limitaciones descritas, BM-PROMA es una de las pocas piezas de software diseñadas para identificar a los niños con discalculia, y el presente estudio ha demostrado que es un instrumento válido y confiable. La estructura interna representa el enfoque de evaluación multidimensional de la herramienta. Proporciona un perfil cognitivo amplio para el niño, que es relevante no solo para el diagnóstico sino también para la planificación educativa individualizada. Además, su formato multimedia es altamente motivador para los niños y, al mismo tiempo, facilita el procedimiento de evaluación.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores enumerados anteriormente certifican que no hay intereses financieros u otros conflictos de intereses asociados con el presente estudio.

Acknowledgments

Agradecemos el apoyo del Gobierno español a través de su Plan Nacional de I+D+i (Plan Nacional de Investigación I+D+i, Ministerio de Economía y Competitividad), proyecto ref: PET2008_0225, con el segundo autor como investigador principal; y CONICYT-Chile [FONDECYT REGULAR Nº 1191589], con el primer autor como investigador principal. También agradecemos al equipo de la Unidad de Audiovisuales ULL su participación en la producción del vídeo.

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

Comportamiento Número 174 discapacidades de aprendizaje matemático discalculia diagnóstico herramienta de evaluación habilidades generales de dominio habilidades específicas de dominio
Batería Multimedia para la Evaluación de Habilidades Cognitivas y Básicas en Matemáticas (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