Trayectorias de desarrollo de las habilidades de procesamiento de la magnitud numérica

simbólica de los niños y las competencias cognitivas asociadas

Kiran Vanbinst, Eva Ceulemans, Lien Peters , Pol Ghesquière ,Bert De Smedt.

Abstracto:

Aunque las habilidades de procesamiento de magnitud numérica simbólica son clave para aprender aritmética, sus
trayectorias de desarrollo permanecen desconocidas. Por lo tanto, delineamos durante los primeros 3 años de educación
primaria (5-8 años de edad) grupos con trayectorias de desarrollo distinguibles de habilidades de procesamiento de
magnitud numérica simbólica usando un enfoque de agrupamiento basado en modelos. Se identificaron tres grupos y se
etiquetaron como inexactos, precisos pero lentos, precisos y rápidos. Los grupos no difieren en edad, sexo, nivel
socioeconómico o coeficiente de inteligencia. También probamos si estos las agrupaciones difieren en competencias
cognitivas específicas de dominio (procesamiento de magnitud no simbólica e identificación de dígitos) y de dominio general
(memoria a corto plazo visoespacial, memoria de trabajo verbal y velocidad de procesamiento) que pueden contribuir a la
capacidad de los niños para (eficientemente) procesar el significado numérico de Arábigo y símbolos numéricos.
Observamos diferencias menores entre los grupos en estas competencias cognitivas a excepción de la memoria de trabajo
verbal para la cual no se observaron diferencias.
Por otro lado, las tres trayectorias del procesamiento de la magnitud numérica simbólica revelaron diferencias notables y
estables en la recuperación de hechos aritméticos de los niños, que enfatiza la importancia del procesamiento de la
magnitud numérica simbólica para el aprendizaje de la aritmética.

Introducción:
La gente está rodeada de símbolos numéricos arábigos, y la alfabetización numérica se ha convertido en una habilidad
crucial para la vida cotidiana (e.g., Chiswick, Lee, & Miller, 2003; Gerardi, Goette, & Meier, 2013). La alfabetización
numérica es un fuerte predictor de éxito en la escuela (Duncan et al., 2007) y de la riqueza futura (Basten, Jaekel, Johnson,
Gilmore, & Wolke, 2015). También tiene un impacto en la toma de decisiones médicas, ya que influye, por ejemplo, en la
percepción de las personas de los riesgos y beneficios de las evaluaciones (Reyna, Nelson, Han, & Dieckmann, 2009).
Durante la última década, los investigadores han investigado la alfabetización numérica estimando habilidades de
procesamiento de magnitud numérica simbólica, que reflejan la capacidad de comprender el significado numérico de los
dígitos árabes. La creciente evidencia reconoce la importancia de estas habilidades simbólicas de procesamiento de
magnitud numérica para aprender aritmética. (Dowker, 2005; Gilmore,
Attridge, De Smedt, & Inglis, 2014; Jordan, Mulhern, & Wylie, 2009; Price & Fuchs, 2016; Siegler & Lortie-Forgues, 2014;
Vanbinst, Ansari, Ghesquière, & De Smedt, 2016; ver también De Smedt, Noël, Gilmore, & Ansari, 2013, para una revisión
narrativa, y Schneider et al., 2017, para un metanálisis), pero no queda claro cómo los niños desarrollan estas habilidades
simbólicas.
La visión dominante sobre el desarrollo de habilidades de procesamiento de magnitud simbólica postula que estas
habilidades se basan en la capacidad de representar la cantidad de una manera no simbólica (Bugden,DeWind, & Brannon,
2016; Merkley & Ansari, 2016; Siegler & Lortie-Forgues, 2014). Con base en la evidencia de que los bebés humanos son
capaces de discriminar entre dos conjuntos de puntos (representaciones no simbólicas de la cantidad) (Xu & Spelke, 2000;
Xu, Spelke, & Goddard, 2005), se ha supuesto que los niños aprenden progresivamente el significado numérico de los
símbolos numéricos arábigos al conectar estas representaciones simbólicas con las representaciones de la cantidad no
simbólicas. Mundy and Gilmore (2009) especificó que el período entre 6 y 8 años de edad es crítico para andamios
numéricos simbólicos representaciones de magnitud en las no simbólicas. (ver también Siegler & Lortie-Forgues, 2014).
Estudios que muestran asociaciones entre magnitud numérica no simbólica
habilidades de procesamiento y competencia matemática simultánea y futura (simbólica) de los niños(e.g., Halberda,
Mazzocco, & Feigenson,
2008; Libertus, Feigenson, & Halberda, 2011, 2013; Starr, Libertus, & Brannon, 2013) Confirmar indirectamente la conexión
entre el procesamiento de magnitud numérica simbólica y no simbólica. En este contexto, las habilidades de procesamiento
de magnitud numérica no simbólica son un determinante importante de adquisición temprana por los niños de habilidades
de procesamiento de magnitud numérica simbólica (para una revisión, ver Bugden et al., 2016; Merkley & Ansari, 2016;
Piazza, 2010; Siegler & Lortie-Forgues, 2014).
¿Qué otras habilidades cognitivas específicas de dominio pueden influir en la adquisición de habilidades de procesamiento
de magnitud numérica simbólica? Claramente, para desempeñarse adecuadamente en una tarea de comparación
simbólica, es indispensable que los niños comiencen con la identificación correcta y rápida de cada símbolo numérico
arábigo presentado (Merkley & Ansari, 2016). Sólo después de identificar ambos dígitos, se pueden comparar las
cantidades numéricas correspondientes y decidir cuál es la más grande. Purpura, Baroody y Lonigan (2013) recientemente
demostró que las habilidades de identificación de dígitos median completamente la asociación longitudinal entre las
habilidades matemáticas preescolares de 3 a 5 años de edad y su futuro conocimiento matemático. El presente estudio
tuvo como objetivo ampliar estos hallazgos al explorar si las diferencias individuales en el procesamiento de la magnitud
numérica simbólica podrían explicarse mediante habilidades de identificación de dígitos, que a su vez podrían mediar la
asociación entre el procesamiento de la magnitud numérica simbólica y la aritmética. Por otro lado, Reeve, Reynolds,
Humberstone y Butterworth (2012) investigaron el desarrollo numérico de los niños en la enumeración de puntos y la
comparación simbólica, y sin embargo no pudieron encontrar asociaciones entre este desarrollo numérico y la velocidad
para identificar símbolos numéricos arábigos. Las diferencias entre estos dos estudios podrían explicarse por las
diferencias en la edad entre las muestras bajo investigación (es decir, jardín de infantes vs. escuela primaria). Sin embargo,
las habilidades de identificación de dígitos son funcionalmente importantes para un desempeño adecuado en una tarea de
comparación simbólica, y por esta razón incluimos la identificación de dígitos en el estudio actual. En este contexto, el
estudio longitudinal actual tuvo como objetivo identificar las trayectorias evolutivas de las habilidades simbólicas de
procesamiento de la magnitud numérica durante los primeros 3 años de educación primaria a fin de captar la contribución
de las habilidades de identificación de los dígitos de los niños en este desarrollo. Al contrastar las distintas trayectorias en
términos de habilidades de procesamiento de magnitud no simbólica y habilidades de identificación de dígitos,
repetidamente evaluados durante este período de desarrollo, conexiones prolongadas entre estos dominios específicos se
pueden establecer competencias cognitivas y habilidades de procesamiento de magnitud numérica simbólica.
Poco se sabe sobre la medida en que las competencias cognitivas generales del dominio son necesarias para desarrollar
habilidades de procesamiento de magnitud numérica simbólica. Sólo unos pocos estudios hasta la fecha han investigado
las interrelaciones entre el procesamiento de la magnitud numérica simbólica y las competencias cognitivas generales del
dominio. Por ejemplo, Simmons, Willis y Adams (2012) observaron que el corto plazo visuoespacial la memoria predijo el
rendimiento en una tarea de juicio de magnitud simbólica en la que los estudiantes de primer grado debían elegir el mayor
de tres números simbólicos.
Estos investigadores explicaron esta asociación al suponer que los niños emplean representaciones numéricas
visoespaciales al comparar números (multidigital). En el mismo grupo de edad, Xenidou-Dervou, van Lieshout y van der
Schoot (2013) encontraron que el rendimiento en una tarea de suma aproximada simbólica se relacionó significativamente
con la memoria visoespacial a corto plazo (así como con la memoria de trabajo verbal). Se obtuvieron resultados similares
en alumnos de tercer y cuarto grado por Caviola, Mammarella, Cornoldi y Lucangeli (2012). Por el contrario, Träff (2013)
no pudo detectar asociaciones significativas entre el rendimiento de los alumnos de quinto y sexto grado en una tarea de
comparación simbólica y su memoria visoespacial a corto plazo o memoria de trabajo verbal.
Según nuestro conocimiento, no hay investigación disponible que haya investigado la contribución de estas competencias
de dominio general para el aprendizaje del procesamiento de magnitud simbólica durante un período de tiempo de
desarrollo más largo. Este fue precisamente uno de los objetivos del estudio longitudinal actual.
Las investigaciones existentes que utilizan tareas de comparación simbólica para captar las habilidades simbólicas de
procesamiento numérico de los niños suelen depender de la velocidad de los niños para comparar símbolos numéricos
arábigos para investigar asociaciones entre comparación simbólica y aritmética (ver De Smedt et al., 2013, para una
revisión).
Al sacar conclusiones sobre asociaciones con medidas aceleradas, es crucial controlar los efectos generales de la
velocidad porque esto parece correlacionarse con el rendimiento académico (Koponen, Salmi, Eklund y Aro, 2013). El
estudio actual, por lo tanto, incluyó una medida del rápido de los niños habilidades de nombres automatizados (RAN)?. Se
sabe que RAN involucra la velocidad de procesamiento de los niños, así como su capacidad de recuperación (fonológica).
información de la memoria a largo plazo (van den Bos, Zijlstra y Spelber, 2002; van den Bos, Zijlstra y Van den Broeck,
2003). Se puede predecir que la RAN contribuye a las habilidades simbólicas de procesamiento de la magnitud numérica
de los niños porque ayuda a los niños de manera eficiente recuperar información de magnitud numérica de la memoria a
largo plazo. La asociación potencial entre RAN y las habilidades de procesamiento numérico de magnitud numérica se
exploró más a fondo en este estudio longitudinal.
Para comprender las diferencias individuales en el desarrollo del procesamiento de la magnitud numérica simbólica de los
niños, aplicamos un enfoque de agrupamiento basado en modelos en datos longitudinales. Sorprendentemente, solo un
pequeño número de estudios en el campo de la cognición matemática han utilizado un enfoque de agrupamiento basado
en modelos. Por ejemplo, este enfoque se ha utilizado para revelar subtipos de discalculia (Bartelet, Ansari, Vaessen y
Blomert, 2014; von Aster, 2000) y para capturar perfiles de diferencias individuales en el desarrollo de hechos aritméticos
de los niños (Vanbinst, Ceulemans, Ghesquière y De Smedt, 2015). Este último estudio identificó perfiles de desarrollo de
hechos aritméticos que diferían persistentemente en habilidades de procesamiento de magnitud numérica simbólica a lo
largo del tiempo independientemente de las diferencias en edad, sexo, nivel socioeconómico, razonamiento no verbal,
rendimiento general de matemáticas y capacidad de lectura. Estos datos longitudinales destacan la importancia perdurable
de las habilidades simbólicas de procesamiento de la magnitud numérica incluso más allá de los primeros grados de la
escuela primaria. Reeve et al. (2012) realizaron un estudio en el que realizaron análisis de grupos consecutivos sobre la
velocidad de comparación simbólica de los niños evaluados en todos los grados de educación primaria. Los mismos tres
grupos se detectaron en cada punto de la educación primaria y la mayoría de los participantes permanecieron en el mismo
grupo en el estudio, lo que indica que las diferencias individuales en las habilidades de procesamiento numérico simbólico
(así como la enumeración de puntos) permanecen relativamente estables en el tiempo.
En contraste con Reeve et al. (2012), en el que se realizó un análisis de conglomerados en tiempo sucesivo puntos, el
estudio longitudinal actual aplicó un análisis de conglomerados en el transcurso del tiempo con el fin de capturar las
trayectorias distinguibles de las diferencias individuales en el desarrollo. Nos enfocamos en los primeros 3 años de
educación primaria porque esperábamos el desarrollo del procesamiento de magnitud simbólica ser el más grande en este
grupo de edad. Al comienzo de cada grado, administramos una magnitud simbólica tarea de comparación, y la precisión y
la velocidad en cada punto de tiempo se utilizaron como parámetros para el análisis de clúster basado en el modelo. Para
caracterizar mejor los conglomerados, los comparamos en las habilidades de identificación numérica específicas y de
dominio antes mencionadas (es decir, procesamiento de magnitud numérica no simbólica) y dominio general (es decir,
memoria visoespacial a corto plazo, memoria de trabajo verbal, y RAN) competencias cognitivas que pueden contribuir a
las diferencias individuales en el desarrollo del procesamiento de la magnitud numérica simbólica de los niños.
Para dar una visión completa de estas trayectorias de desarrollo de habilidades de procesamiento de magnitud numérica
simbólica, comparamos los grupos en su desarrollo aritmético (es decir, su adquisición y confianza en la recuperación de
hechos aritméticos). Existen fuertes asociaciones entre numéricos simbólicos procesamiento de magnitudes y recuperación
de hechos aritméticos durante las etapas iniciales del desarrollo (Bartelet, Vaessen, Blomert y Ansari, 2014; Vanbinst,
Ghesquière y De Smedt, 2015), así como las últimas etapas de desarrollo (Vanbinst et al., 2015) (ver Schneider et al.,
2017, para un metanálisis), y la evidencia reciente incluso destacó que el procesamiento de la magnitud numérica simbólica
es tan importante para el aprendizaje aritmético como lo es la conciencia fonológica para la adquisición de la lectura
(Vanbinst et al. 2016). En este contexto (ver también Dowker, 2005; Gilmore et al., 2014; Jordan et al., 2009; Price & Fuchs,
2016), también comparamos las trayectorias de desarrollo identificadas de procesamiento de magnitudes simbólicas en
aritmética en segundo y tercer grado, esperando que estas trayectorias difieran en términos de su competencia aritmética.

Método
Participantes
Los participantes fueron reclutados de un estudio longitudinal continuo en el que participaron tres escuelas belgas. La
muestra inicial comprendía 88 estudiantes de primer grado en el Punto de Tiempo 1. En el Punto de Tiempo 2 un año
después, los datos de comparación simbólica estaban disponibles para 67 participantes de la muestra inicial. Al comienzo
del tercer grado, Time Point 3, los datos de comparación simbólica estaban disponibles para 51 participantes. Porque
queríamos
estimar el desarrollo de los niños en el procesamiento de la magnitud numérica simbólica desde el primer grado hasta
tercer grado, decidimos incluir solo a aquellos participantes cuyos datos de comparación simbólica estuvieran disponibles
en cada momento. Estos datos estaban disponibles solo para 51 niños. Faltan datos debidos a la enfermedad en uno de
los puntos de tiempo, sino también a las escuelas cambiantes y a repetir u omitir un año de la escuela primaria. También
realizamos análisis de sensibilidad para determinar si los hallazgos actuales no estaban excesivamente sesgados por este
desgaste. La falta de análisis completamente al azar (MCAR) en los datos de comparación simbólica (exactitud y tiempo
de respuesta) faltantes en el segundo y tercer punto de tiempo revelaron que faltaban datos al azar (prueba MCAR de
Little: chi-cuadrado = 1.32, df = 2, p = .936). Los análisis MCAR sobre datos aritméticos (precisión, tiempo de respuesta y
recuperación de hechos de frecuencia) que faltan en el segundo y tercer punto de tiempo también mostraron que faltaban
datos al azar (prueba MCAR de Little: chisquare = 2.125, df = 3, p = .547). Posteriormente, comparamos los datos de los
niños en la muestra final (n = 51) y aquellos con datos faltantes (n = 37) sobre las medidas cognitivas evaluadas en primer
grado (Tiempo Punto 1). Estos análisis revelaron que no hubo diferencias grupales significativas en estas medidas entre
niños con datos faltantes y aquellos sin datos faltantes.
Todos los participantes (n = 51) de la muestra final (29 niñas y 22 niños, Mage = 6 años y 2 meses, SD = 4 meses en Time
Point 1) eran hablantes nativos de holandés y provenían de familias de clase media-alta. Ninguno de ellos repitió un grado,
y se obtuvo el consentimiento informado por escrito de todos los padres.

Materiales

Los materiales fueron tareas de computadora diseñadas con el software E-Prime 1.0 (Schneider, Eschmann y Zuccolotto,
2002), tareas con papel y lápiz y pruebas estandarizadas.

Procesamiento de magnitud numérica simbólica

Las habilidades de procesamiento de la magnitud numérica simbólica de los niños se midieron con una tarea de
comparación clásica. En esta tarea, los niños necesitaban comparar dos dígitos árabes presentados simultáneamente que
se muestran a cada lado de una pantalla de computadora de 15 pulgadas. Necesitaban indicar el mayor de esos dos dígitos
árabes presionando una tecla en el lado de la más grande. Los estímulos comprendieron todas las combinaciones de
dígitos 1-9, produciendo 72 ensayos. La posición del dígito más grande se contrarrestó. Cada prueba fue iniciada por el
experimentador y comenzó con un punto de fijación central de 200 ms, seguido de un espacio en blanco de 800 ms.
Los estímulos aparecieron 1000 ms después del inicio del ensayo y permanecieron visibles hasta la respuesta. Los tiempos
de respuesta y las respuestas se registraron. Para familiarizar a los niños con las tareas clave, tres ensayos de práctica
fueron presentados. El tiempo de respuesta y la precisión promedio de los niños se usaron en los análisis como una
indicación del desempeño de su tarea. La fiabilidad de la mitad de la mitad de esta tarea calculada en la muestra actual
fue de .87 para exactitud y de .94 para tiempo de respuesta.
Competencias cognitivas específicas del dominio
Procesamiento de magnitud numérica no simbólica
Las habilidades de procesamiento de la magnitud numérica no simbólica de los niños se midieron con una tarea de
comparación análoga a la utilizada para evaluar el procesamiento de la magnitud numérica simbólica. Los dígitos árabes,
utilizados en el formato de prueba simbólica, fueron reemplazados por matrices de puntos. Los estímulos no simbólicos se
generaron con la secuencia de comandos MATLAB proporcionada por Piazza, Izard, Pinel, Le Bihan y Dehaene (2004) y
se controlaron para parámetros no numéricos como el tamaño del punto, el área total ocupada y la densidad.
Por la mitad del tamaño del punto de prueba, el tamaño de la matriz y la densidad se correlacionaron positivamente con el
número, y en la otra mitad del ensayo, el tamaño del punto, el tamaño de la matriz y la densidad se correlacionaron
negativamente. Esto se hizo para evitar que las decisiones dependieran de señales no numéricas o características visuales.
Se inició una prueba con un punto de fijación de 200 ms en el centro de la pantalla. Los estímulos aparecieron después de
1000 ms y desaparecieron nuevamente después 840 ms para evitar contar el número de puntos. Cada prueba fue iniciada
por el experimentador con una clave de control. Los tiempos de respuesta y las respuestas fueron registrados por la
computadora. Para familiarizar a los niños con las tareas clave, se incluyeron tres ensayos de práctica por tarea. Para los
análisis, utilizamos el tiempo de respuesta promedio de los niños y la precisión en la tarea como una indicación de su
desempeño. La confiabilidad de la mitad de la mitad de esta tarea calculada en la muestra actual fue de .57 para exactitud
y .78 para tiempo de respuesta.

Competencias cognitivas generales del dominio

Memoria de trabajo verbal

Para administrar la memoria de trabajo verbal se utilizó una tarea clásica de amplitud de escucha de Working Memory Test
Battery for Children (Pickering y Gathercole, 2001), adaptada al holandés (ver De Smedt et al., 2009, para detalles de
tareas más elaborados). En esta tarea no numérica, los niños necesitaban juzgar la exactitud de una serie de oraciones
grabadas (verdadero vs. falso). También se les ordenó memorizar la última palabra en cada oración y recordar esas
palabras en el orden presentado al final de cada oración. La tarea comenzó en una longitud de lista de uno, y se presentaron
tres ensayos de cada longitud de lista. Si los niños recordaron al menos dos de tres intentos de la misma longitud de lista
correctamente, la longitud de la lista se incrementó en una oración. El puntaje total en esta tarea fue igual al número de
ensayos recuperados correctamente.
La confiabilidad de esta tarea en una muestra de niños flamencos de la misma edad fue de .64 (De Smedt et al., 2009).

Memoria visoespacial a corto plazo

La tarea de bloqueo Corsi de Working Memory Test Battery for Children (Pickering y Gathercole, 2001) se utilizó para
evaluar la memoria visoespacial a corto plazo de los niños (ver De Smedt et al., 2009, para detalles de tareas más
elaborados). Para cada prueba, el experimentador seleccionó una secuencia, a una velocidad de un bloque por segundo,
en un tablero con nueve bloques. Los niños fueron instruidos para reproducir la secuencia en el orden correcto. La tarea
comenzó con ensayos en una longitud de lista de dos bloques, y se presentaron tres ensayos de cada longitud de lista. La
longitud de la lista se incrementó en un bloque si los niños recordaron al menos dos de tres intentos de la misma longitud
de la lista correctamente. Si los niños no pudieron hacer esto, la tarea se terminó. Un ensayo se calificó como correcto si
todos los estímulos de esa prueba se recordaran en el orden correcto. La tarea arrojó una puntuación total igual al número
de juicios recordados correctamente. La confiabilidad de esta tarea en una muestra de niños flamencos de la misma edad
fue de .77 (De Smedt et al., 2009).
Nomenclatura automatizada rápida RAN se evaluó con una tarea de denominación de color automática rápida (van den
Bos et al., 2003). La tarjeta de prueba presentada consistió en 50 estímulos (5 columnas de 10 estímulos), y cada color
(negro, azul, rojo, amarillo y verde) apareció 10 veces. Antes de la prueba, los niños debían nombrar los estímulos en la
última columna para determinar si estaban familiarizados con todos los estímulos presentados.
Se anotó el tiempo para nombrar todos los estímulos en la tarjeta para cada tarea y se usó como un indicador del
desempeño de habilidades. La confiabilidad de esta tarea derivada del manual fue .88 (van den Bos, 2004).

Aritmética
El uso aritmético y estratégico se evaluó mediante una tarea de suma y resta. Los estímulos se seleccionaron a partir del
llamado conjunto estándar de problemas aritméticos de un solo dígito (LeFevre, Sadesky y Bisanz, 1996), que excluye
problemas de vinculación (por ejemplo, 6 + 6) y problemas que contienen 0 o 1 como operando o respuesta. Solo se
seleccionó uno de cada par de problemas conmutativos, lo que dio como resultado un conjunto de 28 problemas por
operación. La posición del operando más grande se contrarrestó. A los niños se les pidió que realizaran ambos de manera
precisa y rápida. Las respuestas fueron verbales Una clave de voz registró el tiempo de respuesta de los niños, luego de
lo cual el experimentador grabó la respuesta. Los niños pueden usar cualquier estrategia que quieran usar.
En una prueba por prueba, el experimentador les pidió a los niños que informaran verbalmente la estrategia que utilizaron
para resolver el problema aritmético. Similar a otros estudios en aritmética (por ejemplo,
Imbo & Vandierendonck, 2007; Torbeyns, Verschaffel, & Ghesquière, 2004), las estrategias fueron clasificadas
como recuperación (es decir, si los niños expresaron que sabían de inmediato la respuesta y si, al mismo tiempo, no había
evidencia de cálculos manifiestos), procedimental (es decir, si los niños indicaron que usaron el conteo o descompusieron
el problema en una subclase más pequeña). problemas para llegar a la solución) u otro (es decir, si los niños no sabían
cómo resolvieron el problema). Este método de clasificación es una forma válida y confiable de evaluar el uso de la
estrategia aritmética de los niños (Siegler y Stern, 1998). Dos ensayos de práctica fueron presentado para familiarizar a
los niños con la administración de tareas. La fiabilidad de la mitad de la tarea de suma calculada en esta muestra fue de
.63 para exactitud y .86 para tiempo de respuesta, y la fiabilidad de mitad de mitad de la tarea de resta fue .70 para precisión
y .96 para tiempo de respuesta.

Razonamiento no verbal
El razonamiento no verbal se incluyó como una medida de control y se evaluó con las matrices progresivas estándar de
Raven (Raven, Court y Raven, 1992). Para cada niño, se calculó una puntuación estandarizada (M = 100, SD = 15). La
confiabilidad para esta prueba en niños flamencos de la misma edad es .90 (De Smedt et al., 2009).

Procedimiento
Todas las tareas se administraron individualmente en una sala silenciosa en la propia escuela de los participantes, excepto
las matrices de Raven, que se basaban en grupos. La orden de la tarea fue arreglada para todos los participantes. Al
comienzo del primer grado (tiempo 1: septiembre de 2011), segundo grado (tiempo 2: septiembre de 2012) y tercer grado
(tiempo 3: septiembre de 2013), todos los participantes completaron la tarea de comparación simbólica, la no simbólica
tarea de comparación y la tarea de identificación de dígitos. La tarea de intervalo de escucha, la tarea de bloqueo de Corsi
y la tarea de denominación de color se evaluó solo en la entrada a la escuela primaria (Tiempo 1). La tarea aritmética se
administró en los momentos 2 y 3. El razonamiento no verbal se evaluó en diciembre de primer grado.

Resultados

La primera sección de Resultados cubre el análisis de conglomerados y las estadísticas descriptivas de cada grupo
identificado. La sección siguiente discute las diferencias de agrupación en las competencias cognitivas específicas de
dominio y de dominio mencionadas anteriormente que se predijo que apoyarían el desarrollo de las habilidades de
procesamiento de la magnitud numérica simbólica de los niños. La última sección se centra en las diferencias entre clusters
en su desarrollo aritmético y confianza en la recuperación de hechos. En lugares relevantes, informaron valores parciales
de eta cuadrado como medida del tamaño del efecto. Los valores parciales de eta-cuadrado oscilan entre 0 y 1 y se puede
interpretar de la siguiente manera: .02 pequeño, .13 mediano y .26 grande (por ejemplo, Pierce, Block, y Aguinis, 2004).
Se descartaron los ensayos de comparación simbólicos para los cuales los niños tuvieron un tiempo de respuesta inferior
a 300 ms o superior a 5000 ms (<3% de todos los ensayos en el tiempo 1 y <2% de todos los ensayos en los momentos 2
y 3). Se aplicó el mismo recorte de datos para la comparación no simbólica (<3% de todos los ensayos en los momentos
1, 2 y 3) e identificación de dígitos (<2% de todas las pruebas en los momentos 1, 2 y 3) tareas. Para la aritmética, las
pruebas se desvían más de 3 desviaciones estándar del tiempo de respuesta promedio de cada individuo y ensayos con
un tiempo de respuesta por debajo de 500 ms (<2% de todos los ensayos en los momentos 1 y 2) fueron excluidos. Pruebas
con respuestas incorrectas o registros de clave de voz incorrectos (<5% de todos los ensayos) también se excluyeron de
los análisis de tiempo de respuesta.
Para tener en cuenta las comparaciones múltiples, todos los resultados informados se analizaron con correcciones de
Bonferroni.

Análisis de conglomerados
Las habilidades de procesamiento de la magnitud numérica simbólica de los niños se estimaron considerando sus patrones
de rendimiento en una tarea de comparación simbólica durante los primeros 3 años de la escuela primaria.
Este rendimiento en una tarea de comparación simbólica se evaluó mediante la precisión media y el tiempo medio de
respuesta al inicio de cada grado. Aplicamos un análisis de clúster basado en modelos (Banfield & Raftery, 1993) en estos
dos parámetros estimados en tres puntos de tiempo diferentes mediante el uso del paquete MCLUST de Fraley y Raftery
(2007), implementado en R.1 Agrupación basada en modelos (Banfield & Raftery, 1993) modela los datos como una mezcla
de, en este caso, distribuciones normales multivariables. Los clústeres corresponden a las distribuciones, que difieren en
términos de estructura de medios y / o covarianzas. Existen diferentes variantes que imponen más o menos restricciones
en la estructura de covarianza (p. Ej., Las variables no están correlacionadas, las varianzas son idénticas, las covarianzas
son iguales en todos los clústeres).
Las medias y las matrices de varianza-covarianza de los conglomerados se estiman durante la agrupación así como las
probabilidades previas de pertenecer a un conglomerado. Con base en estas estimaciones y los datos observados de una
persona, se calculan las probabilidades posteriores, lo que indica para cada grupo la probabilidad de que esta persona
haya sido extraída de ese grupo.Cada persona está asignada al clúster para el cual la probabilidad posterior es más alta
(regla de Bayes).
A menudo, se prefieren los clústeres basados en modelos a los métodos de agrupación heurística (es decir, no basados
en modelos), como la agrupación en K-means y el análisis de clúster jerárquico, porque el enfoque estadístico basado en
principios permite usar herramientas inferenciales bien conocidas. Por ejemplo, para decidir cuántos conglomerados se
deben usar y qué restricciones se pueden imponer a las matrices de covarianza, se puede aplicar el popular Bayesiano
criterio de información (BIC; Schwarz, 1978; ver también Bulteel, Wilderjans, Tuerlinckx, y Ceulemans, 2013), que equilibra
la probabilidad logarítmica de los datos dados el modelo, el número de parámetros (probabilidades previas, medios y
covarianzas, teniendo en cuenta el conjunto de restricciones impuestas) y el tamaño de la muestra. Concretamente, una
comparación de los valores de BIC de los modelos con 1 a 9 clústeres reveló que el modelo que dividía nuestro grupo de
participantes en tres grupos tenía el valor de BIC más bajo (es decir, 1662.475) y, por lo tanto, siempre el mejor ajuste a
los datos. El modelo seleccionado es del tipo VEE, lo que implica que las distribuciones normales multivariantes que
subyacen en los tres grupos difieren en volumen, pero tienen la misma forma y orientación.
Estos tres grupos identificados fueron considerados como tres trayectorias de desarrollo distinguibles de habilidades de
procesamiento de magnitud numérica simbólica y fueron etiquetados como inexactos (n = 10), precisos pero lentos (n =
25), y preciso y rápido (n = 16). La Fig. 1 muestra para cada grupo identificado la precisión media y tiempo de respuesta
en la tarea de comparación simbólica por grado.

Calculamos un análisis de varianza de 3 3 medidas repetidas (ANOVA) con grado (1 vs. 2 vs. 3)
como un factor y clúster dentro de los participantes (inexacto vs. preciso, pero lento vs. preciso y rápido) como factor entre
participantes sobre la precisión media y el tiempo de respuesta de la comparación simbólica tarea. Con respecto a la
precisión, hubo un efecto principal de grado, F (2, 96) = 10.92, p <.001, gp 2 = .185; los tres conglomerados se volvieron
más precisos con el tiempo. Hubo un efecto principal de clúster, F (2, 48) = 16.14, p <.001, gp 2 = .402; el clúster inexacto
fue significativamente menos preciso que el clúster preciso pero lento (p <.001) y el clúster preciso y rápido (p <.001). Los
dos últimos no difirieron en términos de precisión (p = .851). No hubo interacción Grade Cluster, F (4, 96) = 2.08, p = .090.
El análisis del tiempo de respuesta reveló un efecto principal de grado, F (2, 96) = 224.32, p <.001,
gp 2 = .824, demostrando que todos los niños de los tres conglomerados se volvieron más rápidos con el tiempo progresivo
(todos los ps <.001). Hubo un efecto principal de cluster, F (2, 48) = 20.45, p <.001, gp 2 = .460; el preciso y el clúster
rápido fue sistemáticamente más rápido que el clúster preciso pero lento (p <.001) y el clúster inexacto (p <.001). Estos
dos últimos grupos no difirieron (p = .177). El grado interactuó con la membresía del grupo, F (4, 96) = 5.59, p <.001, gp 2
= .189; al inicio de cada grado hubo una diferencia llamativa entre los conglomerados precisos y rápidos y precisos pero
lentos. Diferencias entre la precisión y los clústeres rápidos e inexactos cambiaron con el tiempo; diferencias significativas
entre estos dos surgieron en primer y tercer grado, pero no en segundo grado. Los niños del clúster preciso y rápido
aceleraron con el tiempo progresivo, pero los niños del grupo inexacto se volvieron notablemente más rápidos entre el
primero y el segundo grado, aunque solo lograron un progreso limitado en la velocidad entre el segundo y el tercer grado.
La Tabla 1 presenta las estadísticas descriptivas detalladas de los tres grupos identificados. Esta tabla ilustra que los
conglomerados no difirieron en términos de edad, F (2, 50) = 1.39, p = .259, sexo, v2 (2) = 1.68, p = .432, y razonamiento
no verbal, F (2, 47) = 2.06, p = .140. Todos los análisis posteriores se repitieron con el razonamiento no verbal como
covariable, pero esto no modificó nuestros hallazgos. Se les pidió a todas las madres de los niños que reportaran su nivel
educativo como un marcador de estado socioeconómico (2 valores perdidos), y no se observaron diferencias en el nivel
socioeconómico entre los grupos, v2 (2) = 5.23, p = .073.
Fig. 1. Trayectorias de desarrollo de habilidades simbólicas de procesamiento de magnitud numérica por grupo en todos
los grados. Las líneas representan el tiempo de respuesta en el eje e izquierdo, y las barras representan las tasas de error
en el eje y derecho. Las barras de error representan 1 desviación estándar de media. Acc, exacto.

Diferencias de conglomerados en competencias cognitivas específicas de dominio

Procesamiento de magnitud numérica no simbólica

La precisión media y el tiempo de respuesta en la tarea de comparación no simbólica se muestran en la Fig. 2 para cada
grupo por grado. Calculamos un ANOVA de 3 medidas repetidas con grado (1 vs. 2 vs. 3) como un factor y clúster dentro
de los participantes (inexacto vs. preciso, pero lento vs. preciso y rápido) como el factor entre participantes depende de la
precisión y el tiempo de respuesta. El análisis de precisión mostró un efecto principal significativo de grado, F (2, 96) =
19.03, p <.001, gp 2 = .284. Las pruebas de t post hoc demostraron que la precisión de los niños aumentó significativamente
desde el primer grado hasta el segundo grado (p <.001) pero no desde el segundo grado a tercer grado (p = 1.00). No
observamos ningún efecto principal del grupo, F (2, 48) = 2.88, p = .065, y no Interacción del grupo de grados, F (4, 96) =
1.22, p = .307. Con respecto al tiempo de respuesta, hubo un principal efecto de grado, F (2, 96) = 21.19, p <.001, gp 2 =
.306, mostrando que todos los conglomerados se volvieron más rápidos con el tiempo, como, así como un efecto principal
del grupo, F (2, 48) = 3.57, p = .036, gp 2 = .129. Las pruebas t post hoc revelaron que no había diferencias entre el grupo
inexacto y el preciso y rápido (p = .102) y preciso pero lento (p = 1.00) clusters. Hubo una diferencia marginalmente
significativa entre el clúster preciso y rápido y el grupo preciso pero lento (p = .06). El grado interactuó con el grupo, F (4,
96) = 2.63, p = .039, gp 2 = .099. En la entrada a la escuela primaria, no hubo una diferencia significativa entre la precisión
y clúster rápido y el clúster preciso pero lento (p = .100). Diferencias entre ambos clusters sorprendentemente
aumentado con el tiempo; el clúster preciso y rápido parecía ser significativamente más rápido que el preciso, pero clúster
lento al comienzo de los grados segundo (p = .034) y tercero (p = .020) grado.
Fig. 2. Tiempo promedio de respuesta y
tasa de error (% de errores) por grupo en la tarea de comparación no simbólica en todos los grados. Las líneas representan
el tiempo de respuesta en el eje e izquierdo, y las barras representan las tasas de error en el eje y derecho. Las barras de
error representan 1 desviación estándar de la media. Acc, exacto.

Identificación de dígitos
La Fig. 3 muestra la precisión media y el tiempo de respuesta en la tarea de identificación de dígitos por grupo en todos
los grados. Un ANOVA de medidas repetidas de 3 3 con grado (1 vs. 2 vs. 3) como factor y grupo dentro de los participantes
(inexacto vs. preciso, pero lento versus preciso y rápido) como un factor entre participantes se llevó a cabo en la precisión
y el tiempo de respuesta. Con respecto a la precisión, hubo un efecto principal de grado, F (2, 94) = 14.91, p <.001, gp 2 =
.241. Las pruebas post hoc t demostraron que las precisiones de los niños para los dígitos de identificación aumentaron
significativamente de primer grado a segundo grado (p <.001) pero no de segundo a tercer grado (p = .185) debido a los
efectos de techo. No hubo un efecto principal del grupo, F (2, 47) = 0,490, p = .616, y ninguna interacción del grupo de
grados, F (4, 94) = 0.743, p = .565. El análisis del tiempo de respuesta reveló un efecto principal de grado, F (2, 94) =
122.95, p <.001, gp 2 = .723; los tres conglomerados se volvieron más rápido con el tiempo (todos los ps <.005). Las
pruebas t post hoc, al desempaquetar el efecto principal del conglomerado, F (2, 47) = 4.64, p = .014, gp 2 = .165, mostraron
que solo los conglomerados precisos pero lentos y precisos y rápidos difirieron significativamente; el clúster preciso, pero
lento siempre fue más lento (p = .012). La interacción Grade Cluster no fue significativa, F (4, 94) = 2.42, p = .054, aunque
el contraste
entre los clústeres precisos pero lentos y precisos y rápidos fue significativo en primer grado
(p = .013) pero disminuyó con el tiempo (Grado 2: p = .065; Grado 3: p = .052).

Diferencias de conglomerados en las competencias cognitivas generales del dominio.

Las estadísticas descriptivas de la memoria de trabajo verbal de los niños, la memoria visoespacial a corto plazo y la RAN
se muestran en la Tabla 2. Esta tabla también presenta una descripción general de las diferencias de agrupamiento en
estas competencias cognitivas generales del dominio.

Memoria de trabajo verbal

La Tabla 2 indica que no surgieron diferencias de conglomerados en la tarea de intervalo de escucha.

Memoria visoespacial a corto plazo

Las diferencias de agrupamiento significativas surgieron en la tarea de bloque Corsi (ver Tabla 2). Las pruebas t post hoc
revelaron que el grupo inexacto realizaba significativamente menor en la tarea de bloqueo Corsi que el grupo rápido y
preciso, t (24) = 2.969, p = .007, d = 1.24. No se observaron diferencias entre los clústeres inexactos y precisos, pero
lentos, t (33) = 1.712, p = .096, o entre los grupos precisos pero conglomerados lentos, precisos y rápidos, t (39) = 1.817,
p = .077

Nomenclatura automatizada rápida.

Los tres conglomerados difieren en RAN en la entrada a la escuela primaria (ver Tabla 2). Las pruebas t post hoc indicaron
que el clúster preciso, pero lento se comportó significativamente más lento (p = .014) en una tarea de denominación de
color que el clúster preciso y rápido. No se observaron más diferencias de agrupación.

¿Las diferencias en las competencias cognitivas explican las diferencias en el desarrollo simbólico?

Para verificar si las diferencias de agrupamiento en el desarrollo de los niños de magnitud numérica simbólica las
habilidades de procesamiento no se explican simplemente por las competencias cognitivas antes mencionadas, recalculó
el ANEVA de 3 medidas repetidas con grado (1 vs. 2 vs. 3) como un factor y grupo dentro de los participantes (inexacto vs.
preciso pero lento versus preciso y rápido) como un factor entre participantes en la precisión media y el tiempo de respuesta
de la tarea de comparación simbólica, mientras que también controla estas competencias cognitivas. Los resultados de
estos análisis se presentan en la Tabla 3. Concretamente, el competencias cognitivas para las que se observaron
diferencias significativas de agrupación (es decir, no simbólica) procesamiento de magnitud, identificación de dígitos,
memoria visoespacial a corto plazo y RAN) se ingresaron sistemáticamente como covariables con el fin de verificar el
impacto de estas competencias cognitivas en las trayectorias de desarrollo separadas de las habilidades de procesamiento
de magnitud numérica simbólica.
La Tabla 3 ilustra que, después de controlar también los efectos de las competencias cognitivas, las diferencias de
agrupamiento en la precisión de comparación simbólica y el tiempo de respuesta siguieron siendo significativas. En cuanto
a los efectos de las covariables, la mayoría de los valores parciales de eta cuadrado para estas covariables representaron
efectos pequeños (RAN, memoria visoespacial a corto plazo, exactitud de comparación no simbólica y exactitud de
identificación de dígitos) e indicaron que estas variables no tenían una importancia importante. papel en la explicación
diferencias de agrupamiento en el procesamiento de magnitud simbólica. La comparación no simbólica de las covariables
el tiempo de respuesta y el tiempo de respuesta de identificación de dígitos mostraron efectos medios y fuertes,
respectivamente.
Esto sugiere que estas dos variables jugaron un papel en las habilidades de procesamiento de la magnitud simbólica de
los niños, sin embargo, no explicaron completamente las diferencias de clúster observadas.
Desarrollo aritmético (de hecho)
El rendimiento en la tarea de suma y resta estuvo fuertemente correlacionado (todos rs> .71), y
mejorar la claridad, los resultados informados se promediaron en todas las operaciones. El desarrollo aritmético de los
niños se estimó considerando tres parámetros de habilidades aritméticas (es decir, precisión media, media) tiempo de
respuesta y frecuencia de recuperación de hechos) al inicio del segundo y tercer grado (ver Tabla 4). A 2 X 3 ANOVA de
medidas repetidas con grado (2 vs. 3) como un factor y clúster dentro de los participantes (impreciso vs. preciso, pero lento
vs. preciso y rápido) ya que se realizó un factor entre participantes sobre la precisión, el tiempo de respuesta y las
frecuencias de recuperación de hechos.

Con respecto a la precisión, hay fue un efecto principal de grado, F (1, 48) = 8.61, p = .005, gp 2 = .152, lo que indica que
todos los conglomerados mejoraron en
términos de precisión sobre el tiempo de desarrollo. No hubo un efecto principal significativo del clúster, F (2, 48) = 3.103,
p = .054, gp 2 = .114. No se observó interacción de Grupo de Grados, F (2, 48) = 0.344, p = .711, gp 2 = .014.
El análisis del tiempo de respuesta reveló un efecto principal de grado, F (1, 48) = 21.76, p <.001,
gp 2 = .312, lo que demuestra que los tres conglomerados se volvieron más rápidos para resolver la aritmética a lo largo
del tiempo (todos ps <.001). Hubo un efecto principal de cluster, F (1, 48) = 6.96, p = .002, gp 2 = .225; el preciso y rápido
cluster fue sistemáticamente más rápido que los clústeres inexactos (p = .007) y precisos pero lentos (p = .007). Los
clústeres inexactos y precisos pero lentos no diferían (p = .100). Este efecto de clúster se mantuvo después de tener en
cuenta RAN, F (2, 47) = 5.45, p = .007, gp 2 = .188. Grade no interactuó con cluster, F (2, 48) = 0.732, p = .486.
Con respecto al ANOVA de medidas repetidas sobre las frecuencias medias de recuperación de hechos, este análisis
reveló un efecto principal de grado, F (1, 48) = 9.70, p = .003, gp 2 = .168, sugiriendo que todos los conglomerados
dependían cada vez más de la recuperación de hechos con el tiempo progresivo. Hubo un efecto principal de cluster, F (2,
48) = 6.77, p = .003, gp 2 = .220; las pruebas t post hoc revelaron que el clúster preciso y rápido tendía a recuperar más
datos aritméticos de la memoria que los clústeres inexactos (p = .002) y precisos pero lentos (p = .052).
A su vez, los clústeres inexactos y precisos pero lentos no diferían (p = .259). Grado interactuó con
cluster, F (2, 48) = 3.77, p = .03, gp 2 = .136; las diferencias de racimo se redujeron con el tiempo, pero significativo al
inicio del segundo grado, F (2, 50) = 8.09, p = .001, gp 2 = .252, así como tercer grado, F (2, 50) = 3.37, p = .043, gp 2 =
.123.

Discusión:
Numerosos estudios han resaltado la importancia del procesamiento de la magnitud numérica simbólica habilidades para
aprender aritmética (Dowker, 2005; Jordan et al., 2009; Siegler & Lortie-Forgues, 2014; ver también Schneider et al., 2017,
para un metanálisis), e incluso se ha sugerido que el procesamiento de la magnitud numérica simbólica es un buen
candidato para el cribado de niños en riesgo de desarrollar dificultades matemáticas (Brankaer, Ghesquière y De Smedt,
2017; Nosworthy, Bugden, Archibald, Evans y Ansari, 2013). Sin embargo, sigue siendo poco claro cómo los niños
desarrollan estos simbólicos numéricos habilidades de procesamiento de magnitud. El estudio longitudinal actual identificó
tres grupos o grupos de niños que difirieron en su desarrollo de habilidades de procesamiento de magnitud numérica
simbólica durante los primeros 3 años de educación primaria. Estos grupos con diferentes trayectorias de desarrollo de
habilidades de procesamiento de magnitud numérica simbólica no difirieron en términos de edad, sexo, nivel
socioeconómico y razonamiento no verbal y fueron etiquetados como inexactos, precisos pero lentos, precisos y rápidos.
También probamos si estos grupos diferían en competencias cognitivas específicas de dominio y dominio general que
podrían contribuir a la capacidad de los niños para (eficientemente) procesar el significado numérico de símbolos numéricos
árabes. Los resultados mostraron diferencias menores entre los grupos en los no simbólicos habilidades de procesamiento
de magnitud numérica, habilidades de identificación de dígitos, memoria visoespacial a corto plazo y RAN, pero no
mostraron diferencias de agrupamiento en la memoria de trabajo verbal. Análisis adicionales revelaron que las diferencias
de agrupamiento en el desarrollo infantil de habilidades de procesamiento de magnitud numérica simbólica no se
explicaban simplemente por las competencias cognitivas generales de dominio y dominio mencionadas anteriormente, lo
que indica que se necesitan más estudios para determinar los orígenes del individuo diferencias en el procesamiento de la
magnitud numérica simbólica. Por otro lado, las tres trayectorias del procesamiento de la magnitud numérica simbólica
reveló diferencias notables y estables en los niños la recuperación de hechos aritméticos, que reproduce la asociación
estable entre el procesamiento de la magnitud numérica simbólica y la aritmética (Dowker, 2005; Gilmore et al., 2014;
Jordan et al., 2009; Price & Fuchs, 2016).
Las tres trayectorias de desarrollo identificadas estuvieron marcadas por las diferencias en el desarrollo de las habilidades
simbólicas de procesamiento de magnitud numérica desde el inicio de la educación primaria hasta la educación primaria
tercer grado. Con el tiempo progresivo, las habilidades simbólicas de procesamiento de magnitud numérica de todos los
participantes se volvieron más precisas, pero en comparación con los niños con una trayectoria de desarrollo precisa, pero
lenta o precisa y rápida, los niños con una trayectoria de desarrollo inexacta siempre más errores al resolver la tarea de
comparación simbólica. Los tres clusters mejoraron en términos de velocidad al resolver la tarea de comparación simbólica,
que no se explicó por las diferencias de velocidad, considerada en términos de RAN infantil. En comparación con los niños
con una trayectoria precisa pero lenta o inexacta, los niños con una trayectoria precisa y rápida resolvieron la comparación
simbólica de manera particularmente rápida.
En resumen, estos resultados resaltan que existen diferencias individuales notables en la capacidad de los niños para
acceder a la información de magnitud numérica simbólica de la memoria a largo plazo y que estas diferencias individuales
persisten durante los primeros 3 años de educación primaria.
Después de verificar la existencia de tres trayectorias en la magnitud numérica simbólica de los niños
En el desarrollo de procesamiento, contrastamos los grupos de habilidades cognitivas tanto de dominio como de dominio
general que (posiblemente) ayudan a aprender y procesar el significado numérico de los símbolos numéricos arábigos. En
vista de la idea de que las representaciones simbólicas se basan en representaciones de la cantidad no simbólicas
preexistentes (Bugden et al., 2016; Merkley & Ansari, 2016; Siegler & Lortie-Forgues, 2014), predijeron que los
conglomerados también diferirían en términos de su rendimiento en una tarea de comparación no simbólica.
Sorprendentemente, nuestros datos longitudinales no revelaron sorprendentes diferencias de agrupamiento en el
procesamiento de magnitud numérica no simbólica.
Este hallazgo, junto con algunos estudios (Lyons, Nuerk, y Ansari, 2015; Matejko & Ansari, 2016; Sasanguie, De Smedt,
Defever, y Reynvoet, 2012; Vanbinst, Ghesquière y De Smedt, 2012) que muestran correlaciones débiles o no significativas
entre el rendimiento en tareas de comparación simbólicas y no simbólicas, cuestiona el papel prominente del procesamiento
de la magnitud numérica no simbólica como base para el desarrollo de la magnitud numérica simbólica habilidades de
procesamiento. Esto se alinea con otras observaciones que sugieren que los niños aprenden a conectar símbolos
numéricos arábigos con sus magnitudes correspondientes independientemente de las habilidades de procesamiento de
magnitud numérica no simbólica adquiridas anteriormente.
Primero, en niños con discalculia, un trastorno específico del aprendizaje en matemáticas, los déficits en lo simbólico el
procesamiento de magnitud numérica se ha observado constante y persistentemente, pero los déficits en el procesamiento
de magnitud numérica no simbólica se han encontrado en algunos estudios sobre discalculia (por ejemplo, Mazzocco,
Feigenson y Halberda, 2011; Mussolin, Mejias , Y Noël, 2010; Piazza et al., 2010), particularmente no en niños más
pequeños (por ejemplo, De Smedt & Gilmore, 2011; Iuculano, Tang, Hall, & Butterworth, 2008; Landerl & Kölle, 2009;
Rousselle & Noël, 2007). Si las habilidades no simbólicas son fundamentales para la adquisición de habilidades simbólicas
de procesamiento de la magnitud numérica, las alteraciones no simbólicas en la discalculia deberían ser las más
prominentes en los grupos de edad más jóvenes, lo que no es el caso.
En segundo lugar, fuertes asociaciones entre la magnitud numérica no simbólica el procesamiento y el logro de las
matemáticas no se han encontrado sistemáticamente (ver Schneider et al., 2017, para un metanálisis). Finalmente, la
evidencia longitudinal de Sasanguie, Defever, Maertens y Reynvoet (2014) ilustró que las habilidades de procesamiento
de la magnitud numérica no simbólica en el preescolar no predecían las habilidades futuras de procesamiento de la
magnitud numérica simbólica. Aún más sorprendente, Mussolin, Nys, Content y Leybaert (2014) encontraron que las
habilidades de procesamiento de la magnitud numérica no simbólica de los niños de 3 y 4 años se predecían por su dominio
de cardinalidad previamente medido su conocimiento de número simbólico. La predicción inversa fue, sin embargo, no
significativa.
Estos hallazgos, junto con los observados en el estudio actual, contradicen la suposición de que
las representaciones simbólicas se basan en representaciones no simbólicas preexistentes e incluso sugieren una
asociación inversa, es decir, las habilidades de procesamiento de la magnitud numérica simbólica temprana de los niños
podría optimizar sus habilidades de procesamiento de magnitud numérica no simbólica. De hecho, los datos actuales
muestran que las diferencias entre nuestros grupos en la comparación no simbólica no están presentes en la primaria
entrada a la escuela, pero solo comienzan a aparecer en segundo y tercer grado, cuando los niños de la escuela y el clúster
rápido se realizó significativamente más rápido en comparación con los niños del grupo preciso pero lento. Es posible que
una vez que los niños hayan adquirido un cierto nivel de habilidad en el procesamiento de la magnitud numérica simbólica,
comiencen a usar su conocimiento simbólico para resolver la comparación no simbólica tarea. Es importante mencionar
que este estudio comenzó solo en los primeros años de la educación primaria, y de ahí el inicio de la instrucción matemática
formal, un período en el que los niños aprenden a procesar fluidamente el significado numérico de los símbolos numéricos
arábigos. Sigue siendo posible que, antes de la matemática formal instrucción, como cuando los preescolares de 2 a 4
años están familiarizados con los símbolos numéricos arábigos por primera vez, los niños inicialmente conectan estas
representaciones simbólicas con la correspondiente representación no simbólica de la cantidad, y que esta conexión se
desvanece rápidamente con el tiempo.
Esta idea coincide con un estudio reciente de Matejko y Ansari (2016) en el que los autores exploraron si las trayectorias
de desarrollo de las habilidades de procesamiento de magnitud numérica simbólica y no simbólica se relacionan entre sí
durante el primer año de escolarización formal. Se capturaron distintas trayectorias simbólicas y no simbólicas, pero ambas
trayectorias solo se relacionaron durante los primeros 6 meses de educación primaria. El estudio de Matejko y Ansari, así
como el estudio actual, señala que el vínculo entre el procesamiento de magnitud numérica no simbólica y simbólica podría
no ser unidireccional como se pensó originalmente. Se necesita investigación evolutiva sobre las relaciones bidireccionales
entre las habilidades de procesamiento de magnitud numérica simbólica y no simbólica a lo largo del tiempo para
desentrañar aún más este problema.
Las habilidades de identificación de dígitos de los tres grupos se contrastaron, revelando que los niños con una trayectoria
precisa pero lenta identificaron dígitos arábigos sistemáticamente más lentos que los niños con una trayectoria precisa
pero rápida. No es de extrañar que esta observación fuera especialmente destacada en primer grado, pero no tanto durante
los años siguientes. Los análisis de covarianza ilustraron aún más que la identificación de dígitos
habilidades no explican la identificación de tres grupos con distintas trayectorias de desarrollo de habilidades de
procesamiento de magnitud numérica simbólica. Estos hallazgos nos permiten concluir que diferencias individuales
prolongadas en el desarrollo del procesamiento de la magnitud numérica simbólica de los niños
no se puede reducir a las diferencias individuales en las habilidades de identificación de dígitos.
El papel de la memoria de trabajo en el aprendizaje de la aritmética, así como en otros procesos de aprendizaje como
lectura, ha recibido mucha atención de investigación en las últimas décadas (ver Peng, Namkung, Barnes, & Sun, 2015,
para un metanálisis). Por el contrario, muy pocos estudios han examinado si la memoria operativa está relacionada con el
procesamiento de la magnitud numérica simbólica y de qué manera (Caviola et al., 2012; Simmons et al., 2012; Xenidou-
Dervou et al., 2013).
Esto es sorprendente porque no es poco probable que funcione los recursos de memoria son necesarios para aprender a
procesar el significado numérico de las representaciones simbólicas, como los símbolos numéricos árabes. En el estudio
actual, no pudimos encontrar diferencias de agrupamiento en la memoria de trabajo verbal, pero sí hubo diferencias
significativas entre las trayectorias de desarrollo en la memoria visoespacial a corto plazo. Más específicamente, los niños
con una trayectoria inexacta se desempeñaron significativamente más bajos en una tarea de bloqueo Corsi que los niños
con una trayectoria precisa y rápida. Adicional los análisis de covarianza mostraron, sin embargo, que la capacidad de la
memoria visoespacial a corto plazo de los niños
no explicó completamente las diferencias entre los grupos identificados. Estudios previos sobre la asociación entre la
memoria visoespacial a corto plazo y el procesamiento de la magnitud numérica simbólica se llevaron a cabo en el mismo
grupo de edad (Caviola et al., 2012; Simmons et al., 2012; Xenidou-Dervou et al., 2013).
Este vínculo se puede explicar por la edad de los participantes en estudio, lo que indica que la memoria visoespacial a
corto plazo es importante en las primeras etapas de la magnitud numérica simbólica de los niños procesamiento de
desarrollo. Esto también está en línea con investigaciones recientes con niños con síndrome de Turner, un síndrome
genético caracterizado por alteraciones en la memoria visoespacial a corto plazo y discalculia (Brankaer, Ghesquière, De
Wel, Swillen y De Smedt, 2016). Este estudio reveló que en esta genética condición visoespacial memoria a corto plazo
estaba fuertemente relacionada con las deficiencias en simbólico numérico habilidades de procesamiento de la magnitud,
aunque estas asociaciones fueron mucho menos fuertes o incluso ausentes en los controles o niños con otros trastornos
genéticos y discalculia como el síndrome de deleción 22q11. Tomados en conjunto, esto sugiere que la memoria
visoespacial a corto plazo puede ser importante en el procesamiento de la magnitud numérica simbólica y sus deficiencias,
aunque se necesitan más estudios para aclarar para qué niños sostiene esta conclusión. Puede ser que la comparación
de magnitudes (simbólicas) requiera empleo de representaciones visoespaciales (en memoria) porque las
representaciones numéricas de magnitud pueden ser de naturaleza visuoespacial, ya que están representadas en una
línea numérica mental (Simmons et al., 2012).
Esto, entonces, podría explicar por qué las diferencias individuales en la memoria visoespacial a corto plazo se
correlacionan con las diferencias individuales en la comparación de magnitud simbólica (Simmons et al., 2012). Por otro
lado, son posibles explicaciones alternativas, que están relacionadas con la naturaleza específica de la tarea del bloque
Corsi. Específicamente, podría ser que los niños usen alguna estrategia de conteo en la tarea del bloque Corsi para
mantener los bloques en su memoria porque el golpeteo de los bloques podría parecerse al recuento de objetos. Esta
naturaleza algo numérica de la tarea del bloque Corsi podría explicar la asociación observada entre el procesamiento de
la magnitud numérica simbólica y la memoria a corto plazo visoespacial. Tal explicación sigue siendo especulativa, sin
embargo, y se necesitan estudios futuros para probar más estas posibilidades. Además, los datos actuales no hablan de
la relevancia de otras habilidades visoespaciales, y esto claramente también representa un área para el estudio futuro.
Similar a Reeve et al. (2012), el estudio actual demostró que la variabilidad de los participantes en el desarrollo de
habilidades de procesamiento de magnitud numérica simbólica no se puede reducir a efectos generales de la velocidad de
procesamiento. Encontramos que los niños con una trayectoria precisa pero lenta de desarrollo de procesamiento de
magnitud numérica simbólica tuvieron un desempeño más lento en una tarea RAN al ingresar a la escuela primaria en
comparación con niños con una trayectoria precisa y rápida. Las habilidades de RAN reflejan no solo la velocidad de
procesamiento general de los niños, sino también su capacidad de recuperar información de la memoria a largo plazo como
la información de magnitud numérica necesaria para resolver una tarea de comparación. No es sorprendente que los niños
de la trayectoria precisa pero lenta experimenten más dificultades para recuperar esta información de la memoria a largo
plazo. Análisis adicionales mostraron que la diferencia individual de larga duración en desarrollo de procesamiento de
magnitud numérica simbólica de los niños se mantuvo después de la contabilidad de RAN indican que la influencia de las
habilidades de RAN en el desarrollo del procesamiento de magnitud simbólica es solo limitada.
Este estudio longitudinal respalda estudios previos que señalan un vínculo entre las habilidades de procesamiento de la
magnitud numérica simbólica competente y el desarrollo aritmético (de hecho) exitoso (por ejemplo, Baroody, 2006; Bartelet
et al., 2014; Jordan, Hanich y Kaplan, 2003; Vanbinst et al., 2015).
Todos los niños mejoraron su dominio de los hechos aritméticos desde el segundo grado hasta el tercer grado, pero
especialmente en la precisión y rapidez.
Los niños resolvieron adiciones y sustracciones con mayor frecuencia con la recuperación de hechos, y también fueron
sistemáticamente más rápidos que los niños en las otras dos trayectorias, independientemente de las diferencias de grupo
en RAN. Como era de esperar, los niños del grupo inexacto formaron el grupo de niños que permanecieron lentos y
continuaron cometiendo errores mientras resolvían la aritmética.
También fue sorprendente que este grupo usara muy pocos datos para resolver la aritmética, especialmente al inicio del
segundo grado. Nuestra evidencia longitudinal de educación primaria temprana sugiere claramente que el procesamiento
de la magnitud numérica simbólica juega un papel importante en el desarrollo de la recuperación de hechos aritméticos
(para resultados similares, ver Bartelet et al., 2014; Geary, Hoard, y Bailey, 2012; ver también Baroody , 2006; Jordan et
al.,
2003).
Numerosos estudios también apuntan a asociaciones de comportamiento entre RAN infantil y su
crecimiento en matemáticas, más específicamente su adquisición de hechos aritméticos (Koponen, Georgiou, Salmi,
Leskinen y Aro, 2016). En el estudio actual, las diferencias de clúster en el desarrollo aritmético se mantuvo después de
que se tuvieron en cuenta las habilidades de RAN, lo que sugiere que RAN parece jugar un papel menos prominente en el
desarrollo de hechos aritméticos de los niños en comparación con las habilidades de procesamiento de magnitud numérica
(simbólicas) consideradas simultáneamente.

Al evaluar los hallazgos actuales, es importante señalar que se basaron en un lugar bastante pequeño tamaño de muestra
debido al hecho de que incluimos solo a aquellos participantes para los cuales teníamos datos sobre el todo el período de
3 años. Por lo tanto, es importante replicar este estudio con un tamaño de muestra más grande. Por otro lado, post hoc
calculamos el poder de nuestros análisis dado el tamaño de muestra actual (n = 51) y asumiendo tres grupos de
participantes, un nivel alfa de .05 y un tamaño de efecto medio, y estos cálculos indicaron que nuestro estudio tuvo poder
de 0.77.
También volvimos a analizar los datos con estadísticas bayesianas: para las cuales ya no se necesita análisis de poder
porque se evalúa la probabilidad de diferentes hipótesis (incluida la nula) (ver Dienes, 2011, página 276, para una excelente
elaboración de este tema), y estos análisis adicionales convergieron a los mismos resultados que con los análisis
frecuentistas informados originalmente. También es importante resaltar que la muestra actual es restringida a niños de
barrios de clase media-alta-alta. Los estudios futuros, por lo tanto, debería centrarse en muestras que son más variadas
en términos de antecedentes sociales.

En conclusión, las diferencias de agrupamiento en el desarrollo de procesamiento de magnitud numérica simbólica

permanecer a pesar de tener en cuenta las competencias cognitivas importantes de dominio y dominio general.
Colectivamente, estos hallazgos enfatizan la importancia del procesamiento de magnitud numérica simbólica habilidades
para aprender aritmética. Por otro lado, también plantean la cuestión de si esta asociación podría ser bidireccional. Los
estudios futuros deberían investigar esto al examinar el significado simbólico de los niños desarrollo de procesamiento
numérico incluso antes de que los niños reciban instrucción matemática formal, en
Para explorar cómo este desarrollo simbólico predice el dominio de los diferentes componentes de la aritmética (Cowan et
al., 2011; Dowker, 2005; Jordan et al., 2009). La investigación futura también debería investigar los orígenes de las
diferencias individuales en el procesamiento de la magnitud numérica simbólica. Potencial los candidatos de otras
competencias cognitivas específicas de dominio incluyen el enfoque espontáneo en la numerosidad (Hannula, Lepola y
Lehtinen, 2010) y el conocimiento de procedimientos de conteo y / o principios de conteo (por ejemplo, Fazio, Bailey,
Thompson, y Siegler, 2014; Goffin & Ansari , 2016). Además, incluso los factores determinantes no cognitivos, como el
cálculo aritmético del hogar, deberían considerarse en futuras investigaciones porque hay evidencia que sugiere que las
experiencias hogareñas antes de la escuela son importantes para comprender el desarrollo de habilidades de
procesamiento de magnitud numérica simbólica (LeFevre et al., 2009). Sin embargo, el estudio actual destaca la existencia
de diferencias individuales duraderas en el procesamiento de la magnitud numérica simbólica que coexisten con diferencias
individuales notables y estables en el aprendizaje de la aritmética.