Inteligência fluida como preditora do desempenho acadêmico em Língua Portuguesa e Matemática

Resumo

A presente pesquisa correlacionou dados provenientes da aplicação do teste de Inteligência BPR-5 com uma avaliação escolar de matemática e língua portuguesa em uma amostra de 679 alunos do nono ano do ensino fundamental de quatro escolas de uma rede particular de ensino. Os resultados dessas avaliações se mostraram fortemente correlacionados e estatisticamente significativos com escores dos testes de QI (r =,58, p < 0,01), evidenciando elevadas cargas em Inteligência Fluida (Gf). Uma análise longitudinal (5° ao 9° ano) foi aplicada através do Modelo de Curva de Crescimento Latente que investigou a média da variância inicial (intercepto) e a média de crescimento (slope) no desempenho acadêmico (DA) dos sujeitos, em dois modelos (com e sem a variável independente BPR), com o objetivo de investigar a capacidade preditiva de Gf no DA. Quando inserida a variável BPR, seu impacto no intercepto foi estimado em 20,288 e no slope, 6,381. Essas estimativas indicam o acréscimo no desempenho inicial e no crescimento no DA em razão de cada ponto a mais no escore em BPR. A diferença entre o intercepto e o slope foi negativa e estatisticamente significativa (-224,156, p < 0,01), sinalizando que os sujeitos que apresentaram desempenho inicial mais baixo no DA, obtiveram um crescimento maior no período avaliado. Assim, a capacidade preditiva de Gf sobre o DA foi demonstrada, corroborando os resultados da literatura.

 

Referências

Ackerman, P.L. (1996). A theory of intellectual development: Process, personality, interests, and knowledge. Intelligence, 22, 227-257.
Almeida, L. S. (1988). O impacto das experiências educativas na diferenciação cognitiva dos alunos: Análise dos resultados em provas de raciocínio diferencial. Revista Portuguesa de Psicologia, 24, 131-157.
Cattell, R. B. (1971). Abilities, their structure, growth, andaction. Boston: Houghton Mifflin.
Ceci, S. J. (1991). How much does schooling influence general intelligence and its cognitive components? Developmental Psychology, 27, 703-722.
Colom, R., & Flores-Mendoza, C. E. (2007). Intelligence predicts scholastic achievement irrespective of SES factors: evidence from Brazil. Intelligence, 35(3), 243-251.
Coyle, T. R., & Pillow, D. R. (2008). SAT and ACT predict college GPA after removing g. Intelligence, 36(6), 719-729.
Deary, I. J., Strand, S., Smith, P., & Fernandes, C. (2007). Intelligence and educational achievement. Intelligence, 35(1), 13-21.
Floyd, R. G., Evans, J. J., & Mcgrew, K. S. (2003). Relations between measures of Cattell–Horn–Carroll (CHC) cognitive abilities and mathematics achievement across the school-age years. Psychology in the Schools, 40, 155−171.
Gomes, C. M. A., & Golino, H. F. (2012). O que a inteligência prediz: diferenças individuais ou diferenças no desenvolvimento acadêmico? Psicologia: teoria e prática. 14(1), 126-139.
Green, C. T., Bunge, S. A., Chiongbian, V. B., Barrow, M., & Ferrer, E. (2017). Fluid reasoning predicts future mathematical performance among children and adolescents. Journal of Experimental Child Psychology, 157, 125-143.
Gustafsson, J. E. (2001). Schooling and intelligence: Effects of track of study on level and profile of cognitive abilities. International Education Journal, 2, 166-186.
Hu, L., & Bentler, P. M. (1999). Cut-off criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6, 1-55.
Karbach, J., Gottschling, J., Spengler, M., Hegewald, K., & Spinath, F. M. (2013). Parental involvement and general cognitive ability as predictors of domain-specific academic achievement in early adolescence. Learning and Instruction, 23, 43-51.
Lemos, G., Almeida, L. S., Guisande, M. A., & Primi, R. (2008). Inteligência e rendimento escolar: análise da sua relação ao longo da escolaridade. Revista Portuguesa de Educação, 21(1), 83-99.
Nascimento, M. M., & Rueda, F. J. M. (2014). Estudo da estrutura interna do Teste de Inteligência – TI. Psico-USF, 19(2), 307-316.
Nisbett, R. E. (2013). Schooling makes you smarter: What teachers need to know about IQ. American Educator, 37(1), 10-19.
Primi, R., Couto, G., Almeida, L. S., Guisande, M. A., & Miguel, F. K. (2012). Intelligence, age and schooling: Data from the Batery of ReasoningTests (BRT-5). Psicologia: Reflexão e Crítica, 25(1), 79-88.
Primi, R., Ferrão, M. E., & Almeida, L. S. (2010). Fluid Intelligence as a predictor of learning: A longitudinal multilevel approach applied to math. Learning and Individual Differences, 20, 446-451.
Primi, R., Santos, A. A. A., Vendramini, C. M., Taxa, F., Muller, F. A., Lukjanenko, M. F., & Sampaio I. S. (2001). Competências e Habilidades Cognitivas: Diferentes definições do mesmo constructo. Psicologia: Teoria e Pesquisa. 17(2), 151-159.
Ritchie, S. J., Bates, T. C., & Deary, I. J. (2015). Is Education Associated With Improvements in General Cognitive Ability, or in Specific Skills. Developmental Psychology, 51(5), 573-582.
Silva, J. A. da, Ribeiro-Filho, N. P., & Santos, R. C. dos (2012). Inteligência humana e suas implicações. Temas em Psicologia. 20(1), 155-187.
Soares, D. L., Lemos, G. C., Primi, R., & Almeida, L. S. (2015). The relationship between intelligence and academic achievement throughout middle school: The role of students’ prior academic performance. Learning and Individual differences, 41, 73-78.
Spinath, B., Spinath, F. M., Harlaar, N., & Plomin, R. (2006). Predicting school achievement from general cognitive ability, sef-perceived ability, and intrinsic value. Intelligence, 34(4), 363-374.
Swanson, H. L., Jerman, O., & Zheng, X. (2008). 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, 343−379.
Tamez, E., Myerson, J., & Hale, S. (2008). Learning, working memory, and intelligence revisited. Intelligence, 78, 240−245.
Taub, G. E., Floyd, R. G., Keith, T. Z., & McGrew, T. Z. (2008). Effects of general and broad cognitive abilities on mathematics achievement. School Psychology Quarterly, 23, 187−198.
Voelkle, M. C.,Wittmann, W. W., & Ackerman, P. L. (2006). Abilities and skill acquisition: A latent growth curve approach. Learning and Individual Differences, 16, 303−319.
Watkins, M. W., Lei, P. W., & Canivez, G. L. (2007). Psychometric intelligence and achievement: a cross-lagged panel analysis. Intelligence, 35(1), 59-68.
Weber, H. S., Lu, L., Shi, J., & Spinath, F. M. (2013). The roles of cognitive and motivational predictors in explaining school achievement in elementary school. Learning and Individual Differences, 25, 85–92.
Zhang, Z., Davis, H. P., Salthouse, T. A., & Tucker-Drob, E. M. (2007). Correlates of individual, and age-related, differences in short-term learning. Learning and Individual Differences, 17, 231−240.
Publicado
2020-10-24
Seção
Número Temático Cérebro & Mente: Reflexões e Processos Psicológicos Básicos