La inteligencia fluida como predictor del rendimiento académico en portugués y matemática
DOI:
https://doi.org/10.34019/1982-1247.2020.v14.30398Resumen
La presente investigación correlacionó datos de la aplicación de la prueba de inteligencia BPR-5 con una evaluación escolar de matemáticas y portugués en una muestra de 679 estudiantes en el noveno grado de la escuela primaria de cuatro escuelas en una red privada. Se demostró que los resultados de estas evaluaciones están fuertemente correlacionados y son estadísticamente significativos con los puntajes de las pruebas de CI (r =, 58, p < 0.01), mostrando altas cargas en Inteligencia fluida (Gf). Se aplicó un análisis longitudinal (5º a 9º año) utilizando el Modelo de curva de crecimiento latente que investigó el promedio de la varianza inicial (intercepción) y el promedio de crecimiento (pendiente) en el rendimiento académico (RA) de los sujetos, en dos modelos (con y sin la variable independiente BPR), con el fin de investigar la capacidad predictiva de Gf en AD. Cuando se insertó la variable BPR, su impacto en la intersección se estimó en 20,288 y en la pendiente, 6,381. Estas estimaciones indican un aumento en el rendimiento inicial y el crecimiento en RA debido a cada punto adicional en el puntaje BPR. La diferencia entre la intersección y la pendiente fue negativa y estadísticamente significativa (-224,156, p < 0.01), lo que indica que los sujetos que tuvieron un rendimiento inicial más bajo en RA, tuvieron un mayor crecimiento en el período evaluado. Por lo tanto, se demostró la capacidad predictiva de Gf en AD, corroborando los resultados de la literatura.
Descargas
Citas
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.
