Acceso usuarios
María T. Sanz, José Antonio González-Calero Somoza, David Arnau Vera, Miguel Arevalillo Herráez
Presentamos la construcción de un modelo matemático dinámico para predecir el desempeño individual de alumnos de 4º de Educación Primaria (9 y 10 años) en la resolución aritmética de problemas verbales. En la primera parte del artículo se analizan las variables que se van a incluir en el modelo, las relaciones existentes entre ellas y el efecto sobre la variable objetivo. Dentro de las variables incluidas en el modelo están las que describen las características del sujeto: a) el desempeño previo del estudiante en la resolución de problemas, b) el nivel de comprensión lectora y c) la capacidad para resolver problemas de razonamiento a través de estímulos visuales tanto figurativos como abstractos (la llamada inteligencia fluida). El modelo también incorpora una variable de tarea, la cual describe la dificultad de cada problema tomando como criterio de la complejidad la categorización semántica del enunciado los problemas. En el estudio participaron 64 alumnos de 4º de Educación Primaria. Para cada sujeto, las variables se recogieron mediante: un test de comprensión lectora PIRLS, el subtest de matrices del test de Kaufman, y un sistema tutorial inteligente donde resolvieron 26 problemas verbales. Todas las variables muestran relación significativa grande con la variable objetivo, excepto la inteligencia fluida. El modelo presentado revela que la compresión lectora posee una relevancia significativa a la hora de predecir el desempeño en problemas verbales. A su vez, el modelo ofrece un comportamiento superior a alternativas similares presentadas en la literatura.
This work presents a dynamic mathematical model designed to predict fourth-grade primary students’ (9-10 years-old) achievement in the arithmetic solving of word problems. The work is organized into two parts. In the first part, we analyzed the variables that will be eventually included into the model, the relationships between them and the effect on the predicted outcome variable. The model takes into consideration variables related to subjects’ features: prior proficiency in solving word problems, level of reading comprehension, and the ability to solve reasoning problems through figurative and abstract visual stimuli (also called fluid intelligence). Additionally, the model employs a variable that describes the task difficulty using the semantic category of the statements as a criterion of complexity. Sixty-four fourth-grade students took part in the experiment. For each student data were gathered by using three different instruments: a PIRLS reading comprehension test, the matrix subtest from the Kaufman test, and an intelligent tutorial system, which was used by participants to solve 26 word problems. All variables showed a strong statistical correlation with the dependent variable (the students’ achievement in word problems), except for fluid intelligence. The presented model reveals that reading comprehension has a significant relevance when it comes to predicting primary students’ performance in word problems. In addition, this model offers better behaviour in comparison to similar alternatives presented in the literature.
