text in 
English (pdf)
Article in xml format
Article references
Automatic translation
Permalink
Es bien sabido que las competencias matemáticas tempranas (CMT) desempeñan un rol importante tanto para la educación como para el desarrollo del ser humano. Esto, debido a su utilidad para la realización de diversas actividades de la vida cotidiana y la adaptación ante los desafíos del ambiente (Fisk & Lombardi, 2021; Limas et al., 2020).
A nivel conceptual, las CMT incluyen las habilidades para usar, evaluar y comprender las matemáticas en distintos contextos en el que son necesarias (Cerda et al., 2011; Cerda et al., 2012; Raghubar & Barnes, 2017). A su vez, estas habilidades incorporan una mirada interaccionista respecto del aprendizaje de las matemáticas en la infancia, en el sentido de que asumen que tanto las habilidades lógicas como las de conteo son responsables del desarrollo del sentido numérico en los niños (Cerda et al., 2012). Desde esta perspectiva, las CMT pueden ser clasificadas en dos grandes grupos: (1) las de tipo lógico relacional, que incluyen las habilidades de comparación, clasificación, correspondencia y seriación, y (2) las de tipo numérico, que comprenden las habilidades de conteo verbal, conteo estructurado, conteo resultante y conocimiento general de los números (Cerda & Pérez, 2015; Van de Rijt et al., 1999).
Dado lo anterior y considerando que las CMT son la base fundamental para la adquisición y el desarrollo de habilidades matemáticas más avanzadas en etapas posteriores del desarrollo (Purpura et al., 2017), resulta primordial estimularlas precozmente, en específico, durante el periodo de educación inicial, ya que es una etapa propicia para fortalecer y potenciar su desarrollo (Cerda et al., 2011).
A pesar de su importancia, no es frecuente la evaluación de las CMT en la educación inicial, principalmente debido a que, en Chile, son pocos los instrumentos estandarizados para hacerlo (Cerda et al., 2012). La mayoría de las evaluaciones se realizan a estudiantes de educación básica o media (Cerda et al., 2012), etapas en donde las dificultades de aprendizaje ya son evidentes y de difícil solución (Agencia de Calidad de Educación, 2020; Chu et al., 2016).
Junto con lo anterior, diversos estudios han revelado que aproximadamente un 20 % de la población infantil presenta algún tipo de dificultad en el aprendizaje de las matemáticas (Moll et al., 2014; Wang et al., 2018). Dato que es corroborado por los resultados obtenidos en Chile en la prueba TIMSS (Trends in International Mathematics and Science Study), que es la evaluación internacional que mide el rendimiento académico en Matemáticas y Ciencias de los estudiantes de 4to y 8vo básico (Fishbein et al., 2021). Conforme a los resultados del 2019, los estudiantes chilenos presentan un rendimiento por debajo del promedio, donde entre un 18 % a 30 % no posee los conocimientos básicos en las áreas evaluadas (Agencia de Calidad de Educación, 2020; Arias, 2020).
A la luz de estos antecedentes, se confirma la importancia de la evaluación de las CMT en la educación inicial, no solo por su innegable contribución a los resultados positivos en el desarrollo académico posterior de los niños en la escuela (ten Braak et al., 2022), sino también porque se considera que pueden ser un medio para mejorar un conjunto amplio de habilidades, como las matemáticas, el lenguaje y las funciones ejecutivas (Mattera et al., 2017).
En este sentido, varios autores (Purpura, 2017; ten Braak et al., 2022; Viterbori et al., 2015; Yang et al., 2019) han explorado el rol de las funciones ejecutivas (FE) en el desarrollo de las CMT. Las FE se consideran fundamentales para el aprendizaje de las matemáticas (Arán Filippetti & Richaud, 2017; Escobar et al., 2018; ten Braak et al., 2022), principalmente por su contribución en el procesamiento de la información para lograr un objetivo y resolver problemas (Chan & Scalise, 2022).
Las FE son una familia de procesos de orden superior que hacen posible prestar y mantener la atención, solucionar problemas, adaptarse a situaciones novedosas, tener autocontrol y disciplina, ver las cosas desde diferentes perspectivas y ajustarse al cambio (Diamond, 2020; Tirapu-Ustárroz et al., 2018). De allí su importancia en el aprendizaje y éxito escolar (Bernal-Ruiz et al., 2020).
Existen dos perspectivas teóricas respecto a la dimensionalidad de las FE. La primera hace referencia a que son un constructo unitario (Hughes et al., 2010) y la segunda, plantea que las FE son multidimensionales, esto quiere decir que, si bien son procesos independientes, estos se encuentran interrelacionados entre sí (Tirapu-Ustárroz et al., 2018). En esta última perspectiva se distinguen al menos tres dominios ejecutivos principales: la inhibición, la memoria de trabajo y la flexibilidad cognitiva (Miyake et al., 2000; Salehinejad et al., 2021). La inhibición hace referencia a la habilidad para suprimir una respuesta prepotente en pro de una más adaptativa (Coulanges et al., 2021). La memoria de trabajo se refiere a la capacidad para mantener, manipular y transformar información mientras se lleva a cabo una tarea (Allen et al., 2021). Por su parte, la flexibilidad cognitiva hace referencia a la habilidad de considerar simultáneamente diferentes opciones y cambiar la atención de manera flexible entre ellas (Chan & Scalise, 2022; Rosas et al., 2017).
De estos tres dominios ejecutivos se derivan la planificación y la resolución de problemas (Diamond, 2020), que se relacionan con la organización del pensamiento y comportamiento, y que logran anticipar consecuencias y crean y selecciona alternativas y mapas mentales para dirigir la acción en pro de una meta u objetivo (Arroyo et al., 2014; Deng et al., 2020; Diamond, 2020; Díaz et al., 2012).
Esta investigación se centra específicamente en las FE de flexibilidad cognitiva y planificación y su contribución al logro matemático en la educación inicial.
La flexibilidad cognitiva (FC) tiene relación con la habilidad para modificar un esquema mental aprendido en función de las demandas del entorno (Chan & Scalise, 2022; Legare et al., 2018; Rosas et al., 2017; Van der Ven et al., 2011). En este sentido, para Diamond (2020), la FC tiene dos subcomponentes, uno de ellos consiste en poder ver algo desde variadas perspectivas, y el otro, en la capacidad de adaptarse rápida y flexiblemente a los cambios para encontrar diversos caminos para llegar a un objetivo deseado. Dicho de otro modo, esta FE permite cambiar el foco atencional entre distintas estrategias de solución, no solo considerando variables divergentes para la resolución de problemas sino, además, anulando comportamientos automáticos (Cantin et al., 2016; Chan & Scalise, 2022; Nunes de Santana et al., 2022).
Desde el punto de vista anatómico, se sabe que la FC emerge de la corteza prefrontal (CPF) y está conectada con los ganglios basales (Cameron et al., 2010; Chakravarthy et al., 2010; Pauli et al., 2016; Stocco et al., 2010; Zink et al., 2021). En efecto, Zink et al. (2021) reconocen que la FC está conectada con áreas cerebrales específicas que están circunscritas anatómicamente a la CPF y que se pueden relacionar con un conjunto de estructuras cerebrales similares o superpuestas. En este sentido, la FC activaría grandes porciones del cerebro, lo que convergería tanto en la CPF, la corteza cingulada anterior y la corteza parietal posterior (Chakravarthy et al., 2010; Niendam et al., 2012; Stocco et al., 2010; Zink et al., 2021).
A partir de estos antecedentes, diversos autores consideran que la FC favorece la resolución de problemas matemáticos, e incluso, se erige como un predictor de los logros y desempeño matemático durante la etapa de educación inicial y escolar (Cantin et al., 2016; Magalhães et al., 2020; Nunes de Santana et al., 2022; Palacios & Bohlmann, 2020). Logros que son posibles gracias a la habilidad de cambiar de perspectiva, de adaptarse a un ambiente cambiante y de tener un pensamiento divergente (Ropovik, 2014; Titz & Karbach, 2014).
En esta misma línea, para Cheung y Chan (2022), la FC desempeñaría un papel crucial tanto para la realización del cálculo mental, como también para la resolución de problemas matemáticos complejos. Esto, debido a que la naturaleza de estas operaciones requiere una transición constante entre diferentes procesos cognitivos que permiten que se lleven a cabo procesos como la representación mental del problema, la integración de información relevante, la ideación de un plan de resolución y la ejecución de este plan, los cuales son esenciales para resolver los problemas matemáticos (Cheung & Chan, 2022; Mayer & Hegarty, 1996).
Por otra parte, la FE de planificación (PLA) permite no solo la formulación de planes de acción, sino también su ejecución y la evaluación de su eficacia (Cortés et al., 2019). Esta habilidad ejecutiva ha sido relacionada con el funcionamiento del lóbulo frontal, específicamente con la corteza prefrontal lateral, y con los núcleos caudados dorsales, los cuales desempeñan un papel fundamental en la selección de las habilidades cognitivas pertinentes para la formación de metas y objetivos y en la elaboración de los planes necesarios para alcanzarlos (Cai et al., 2016; Levy & Dubois, 2006; Luria, 1966; Turnbull, 2002). De allí su vínculo con el desempeño matemático (Agudelo et al., 2016).
En efecto, si bien la relación entre la PLA y las competencias matemáticas ha sido abordada, no ha sido tan estudiada como las otras FE, por lo que su contribución no está del todo establecida aún (Arroyo et al., 2014). No obstante, los resultados de algunas investigaciones sugieren que la PLA tiene un importante papel en el desarrollo de las habilidades matemáticas. De hecho, Cai et al. (2016) evidenciaron este rol señalando que la PLA ejerce influencia en el proceso del aprendizaje de las matemáticas, y que este proceso se produce de manera independiente de otras FE como la memoria de trabajo, por lo que, para estos autores, prestar atención a este dominio ejecutivo desde la educación inicial incrementa las posibilidades de detectar a niños con dificultades matemáticas.
En definitiva, son múltiples los estudios que han abordado la relación entre las CMT y las FE; sin embargo, en su mayoría, estas investigaciones se han centrado solo en los tres dominios ejecutivos principales (i.e., memoria de trabajo, flexibilidad cognitiva e inhibición) (Van der Ven, 2011; Viterbori et al., 2015), relacionándolos con los resultados matemáticos generales, sin considerar que esta disciplina incluye diversos componentes que varían en su complejidad cognitiva y que, por ende, es fundamental conocer de manera específica las FE que subyacen a cada uno de ellos. En este sentido, Viterbori et al. (2015) señalan que es necesario un modelo comprensivo que incluya aspectos del funcionamiento ejecutivo y diferentes componentes de las habilidades matemáticas durante las etapas iniciales del aprendizaje matemático.
A partir de lo anterior, cabe preguntarse ¿son las funciones ejecutivas de PLA y FC predictoras de las competencias matemáticas tempranas en los niños de educación inicial? A partir de esto, el presente estudio pretende aportar nuevos resultados para así complementar y profundizar en el estudio de la capacidad predictiva de los dominios de FC y PLA en las CMT y así brindar información útil al campo de conocimiento sobre la temática.
Ahora bien, considerando el marco teórico que existe actualmente sobre este tema, se espera observar una capacidad predictiva de los dos dominios ejecutivos (FC y PLA) que sea estadísticamente significativa sobre el desarrollo de las CMT. Es decir, se espera que la capacidad predictiva tanto de la FC como de la PLA sean estadísticamente significativas en el desarrollo de las competencias matemáticas lógico-relacionales y también en las de tipo numéricas de los niños de educación inicial.
El objetivo principal de nuestro estudio fue determinar la capacidad predictiva de la FC y la PLA en las competencias matemáticas tempranas de tipo lógico-relacionales (CMLR; comparación, clasificación, correspondencia, seriación) y de tipo numéricas (CMN; conteo verbal, conteo estructurado, conteo resultante y conocimiento general de los números) en niños de educación inicial.
Método
Diseño de investigación
Se implementó un diseño no experimental ex post facto el cual tiene por objeto examinar los efectos de un acontecimiento natural sobre un resultado posterior para establecer una asociación causal o correlacional entre ellos (Kerlinger & Lee, 2000; Portell & Vives, 2019). En este caso, se estableció la capacidad predictiva de la FC y la PLA en el desarrollo de las dimensiones de las CMT de los niños de educación inicial.
Participantes
El tipo de muestreo fue no probabilístico, por conveniencia y estuvo compuesto por 106 estudiantes de educación inicial (varones n = 47, 44.3 %; niñas n = 59, 55.7 %), pertenecientes a establecimientos educacionales (EE) públicos (n = 20, 18.9 %), subvencionados (n = 72, 67.9 %) y privados (n = 14, 13.2 %) de la región de Valparaíso, Chile. Cincuenta estudiantes eran de prekínder (47.2 %) (varones n = 22, M edad = 5.01; niñas n = 28; M edad = 4.89) y 56 eran de kínder (52.8 %) (varones n = 25, M edad = 6.05; niñas n = 31; M edad = 5.96).
Los criterios de inclusión fueron: a) estar cursando prekínder o kínder, b) contar con la autorización de sus familias para participar en la investigación a través de la firma de un consentimiento informado. Los criterios de exclusión fueron: a) presentar cualquier trastorno del desarrollo neurológico, b) estar en tratamiento farmacológico que pueda afectar el desempeño en las tareas ejecutivas, y c) no querer participar en el estudio o no contar con el consentimiento informado debidamente firmado por sus familias.
Instrumentos
Las competencias matemáticas de los participantes se evaluaron con el Test de Evaluación Matemática Temprana Utrecht (Cerda et al., 2012), el cual evalúa ocho áreas de competencia, cuatro para la dimensión lógico-relacional (i.e., comparación, correspondencia, clasificación y seriación) y cuatro para la dimensión numérica (i.e., conteo verbal, conteo estructurado, conteo resultante y conocimiento general de los números) de las CMT. Este test se aplica a niños de entre 4 y 7 años y tiene una duración aproximada de 20 a 30 minutos. Consta de 40 ítems agrupados en las ocho áreas de competencia que incluyen cinco ítems cada una. Por lo que tiene una puntuación máxima de 40 puntos, de los cuales 20 puntos corresponden a las CMT de tipo lógico relacional y 20 a las de tipo numérico. Su alfa de Cronbach reportado es de .91 (Cerda et al., 2012).
Para la evaluación de la FC se utilizó la prueba Dimensional Change Card Sort (DCCS; Zelazo, 2006), en la cual los participantes clasifican tarjetas bivalentes (por ej. camiones rojos y estrellas azules) a partir de un atributo (por ej. por color) y luego se les indica que cambien y clasifiquen las mismas tarjetas a partir de un nuevo atributo (por ej. por forma). Esta prueba se aplica a niños de 3 a 5 años y tiene una duración aproximada de 5 minutos. Su alfa de Cronbach es de .94 (Zelazo, 2006).
La PLA se evaluó utilizando el Test de Laberintos de Porteus (Porteus, 1965), que mide la capacidad de una persona para elaborar y llevar a cabo un plan de acción. Este instrumento puede ser administrado en niños a partir de los 3 años, se administra de manera individual y tiene una duración aproximada de 10 minutos. Cuenta con 12 laberintos de dificultad creciente, en los cuales se debe localizar y dibujar con un lápiz la ruta más corta desde el inicio hasta el final del laberinto sin entrar en una calle sin salida. Este instrumento tiene una adecuada consistencia interna con un alfa de Cronbach de .81 (Krikorian & Bartok, 1998).
Procedimiento
En primer lugar, se llevó a cabo una reunión con el equipo directivo de cada uno de los EE que aceptaron formar parte de la investigación, en donde se les explicó el objetivo del estudio y, al mismo tiempo, se les pidió entregar el consentimiento informado a las familias con el fin de que pudieran firmar la autorización para la participación de los niños.
Luego, los niños cuyas familias autorizaron su participación fueron evaluados de manera individual en una sesión de aproximadamente 45 minutos durante su jornada escolar. Las evaluaciones fueron realizadas entre los meses de septiembre y octubre del 2022.
Plan de análisis de datos
En primer lugar, se hicieron análisis descriptivos para sintetizar la información demográfica de la muestra. Posteriormente, análisis de correlación para establecer la asociación entre la FC, PLA y las CMT de los participantes. Finalmente, modelos de regresión lineal múltiple jerárquica para la evaluación de la capacidad predictiva de las FE sobre las dimensiones de las CMT de los niños. Los análisis se hicieron con el software estadístico Jamovi, versión 2.2.5 (2021).
Consideraciones éticas de la investigación con seres humanos
Todos los procedimientos fueron implementados siguiendo los lineamientos de la Declaración de Singapur sobre la Integridad en la Investigación (Comisión Nacional de Investigación Científica y Tecnológica, 2010). Es por esto por lo que se definió un protocolo de consentimiento informado que fue firmado por los apoderados de los niños de la muestra, así como un asentimiento el cuál fue presentado a los participantes. Adicionalmente, el estudio contó con la aprobación del Comité de Ética de la Universidad.
Resultados
Análisis descriptivos
En la Tabla 1 se presentan, para cada curso, los valores promedio y desviación estándar de todas las variables de estudio.
Análisis de correlación entre la flexibilidad cognitiva, la planificación y las competencias matemáticas tempranas
En primer lugar, para evaluar la capacidad predictiva de la FC y PLA sobre las CMLR y las CMN de los niños de la muestra, se analizó el supuesto de normalidad univariante para el análisis de correlación de Pearson, el cual se cumplió. Posteriormente, se generó la matriz de correlación entre las CMLR, CMN y la FC y PLA de los niños.
Se encontraron correlaciones significativas entre todas las variables (Tabla 2). En el caso de las CMLR, la correlación con la PLA es moderada (.406) y con la FC es más bien discreta (.278). Asimismo, se hallaron correlaciones significativas respecto a las CMN, con la FC (.348) y con la PLA (.263).
Modelos de regresión lineal múltiple: FC y PLA como predictores de las competencias matemáticas de los niños
Para conocer qué FE (i.e., FC y PLA) predice las CMT (i.e., CMLR y CMN) de los participantes se empleó el análisis de regresión lineal múltiple jerárquica, donde se introdujeron como predictores las variables explicativas en función del grado de correlación con las variables dependientes de CMLR y CMN. Dado lo cual, se fueron agregando en cada uno de los modelos de regresión los dominios ejecutivos que mostraron mayor correlación con las CMT.
En la Tabla 3 se presentan los modelos testeados y se puede observar que la PLA es el mejor predictor de las CMLR, en tanto como predictor único explica el 16.5 % de la variabilidad en las CMLR. Al agregar al modelo la FC como un segundo predictor, este explica el 21.3 % y al agregar como factor el Curso, el modelo explica el 27.1 % de la variabilidad de los puntajes de los niños en las CMLR. Por lo tanto, un modelo de tres predictores compuesto por PLA, FC y curso permite predecir significativamente las CMLR, R 2 = 0.271, F (3, 102) = 12.6, p < .001.
Por su parte, la FC predijo de mejor manera las CMN, pues como predictor único explica el 11.9 % de la variabilidad en las CMN. Al agregar al modelo la PLA como un segundo predictor, este explica el 16.6 % y al agregar como factor el curso, el modelo explica el 26.4 % de la variabilidad de los puntajes de los niños en las CMN; sin embargo, en este último caso, la PLA deja de ser un predictor significativo (p = .051) en dicho modelo (Tabla 4). Por lo tanto, se elige un modelo de dos predictores compuesto por la FC y curso, el que permite predecir de manera significativa las CMN, R 2 = 0.237, F (2, 103) = 16.0, p< .001, permitiendo explicar el 23.7 % de la variabilidad de los puntajes de los niños en las CMN.
Es importante señalar que como en ambos modelos se observaron diferencias estadísticamente significativas para el factor curso (Tabla 4) -no sucedió lo mismo con sexo ni tipo de EE-, las ecuaciones de regresión introducen la variable curso dicotomizada (i.e., variable ficticia), la cual toma el valor 0 si el participante cursa prekínder y valor 1 si cursa kínder.
De esta manera, la ecuación de regresión para la variable CMLR sería: (y= α + (β1*PLA) + (β2*FC) + (β3* curso dicotomizado) + ε), cuyos valores son: (yi= 4.441 + (0.045*puntaje PLAi) + (0.131*puntaje FCi) + (1.865*cursoi) + ε). El subíndice i indica la persona de interés. Por otro lado, la ecuación de regresión para las CMN sería: (y= α + (β1*FC) + (β2* curso) + ε) y cuyos valores son: (yi = 1.564 + (0.246*puntaje FCi) + (3.226* cursoi) + ε). En ambas ecuaciones, γ corresponde al valor del criterio, α al valor estimado para el intercepto, β1, β2 y β3 a la estimación de los coeficientes de regresión no estandarizados de las variables (i.e., PLA, FC y Curso) y ε al error estándar de la predicción.
Tabla 3: Resumen de los modelos de regresión lineal múltiple jerárquica testeados para predecir
Notas:a Predictor: Planificación. b Predictores: Planificación y Flexibilidad Cognitiva. cPredictores: Planificación, Flexibilidad Cognitiva y Curso. d Predictores: Flexibilidad Cognitiva. ePredictores: Flexibilidad Cognitiva y Planificación. *p < .05 ***p < .001
Discusión
El objetivo de este estudio fue evaluar la capacidad predictiva de las funciones ejecutivas de FC y PLA en las competencias matemáticas tempranas en niños de educación inicial. Los hallazgos dan cuenta que ambas funciones tienen una capacidad predictiva en las competencias matemáticas tempranas. La FC tanto en las de tipo lógico-relacional como en las numéricas y la PLA solo en las lógico-relacionales. En este sentido, se cumplió parcialmente lo esperado, ya que la hipótesis era que la capacidad predictiva de ambas funciones ejecutivas sería significativa con respecto al desarrollo de los dos tipos de competencias matemáticas en los niños de la muestra.
A pesar de lo anterior, los hallazgos están en línea con los resultados de investigaciones que plantean que la FC está relacionada con el desempeño matemático en niños de educación inicial (Yang et al., 2019) y otros estudios como el de Cheung y Chan (2022) y el de Palacios y Bolhmann (2020), quienes concluyeron que la FC es un predictor para el desarrollo de las competencias matemáticas también en etapas posteriores de escolarización. Lo que evidencia que la FC es fundamental no solo para el cambio de foco en la representación mental de un problema y la incorporación de datos relevantes acerca del mismo, sino que también para la creación de un plan de solución y la ejecución de este, todas, habilidades que son fundamentales para resolver los problemas matemáticos (Cheung & Chan, 2022; Mayer & Hegarty, 1996). Así también, Nunes de Santana et al. (2022) concluyen que la influencia de la FC se da en ambas competencias matemáticas, tanto en las ligadas a las habilidades piagetianas, como en las de dominio numérico, lo que es confirmado por estos hallazgos.
Respecto de la influencia de la PLA en las competencias matemáticas lógico-relacionales (CMLR), este podría responder al propio proceso evolutivo de estas destrezas matemáticas, puesto que es sabido que se desarrollan a temprana edad, incluso antes del proceso de escolarización, coincidiendo con la etapa preoperatoria (Cerda et al., 2011; Piaget, 1965), de manera que los preescolares han tenido más experiencia utilizando la planificación en tareas que implican comparación, correspondencia, clasificación y seriación, que en tareas de tipo numérico (Bernal-Ruiz et al., 2022).
De igual manera, este hallazgo está en línea con otros estudios que han situado a la PLA como un buen predictor del desempeño matemático en población infantil, concluyendo que la eficiencia de los niños para resolver tareas matemáticas no se relaciona solamente con la habilidad matemática que posean, sino que depende de su habilidad para autorregularse y planificarse (Agudelo et al., 2016; Arroyo et al., 2014; Tzuriel et al., 2022), lo que corrobora que procesos como la formulación, ejecución y evaluación de un plan de acción, son necesarios para el aprendizaje de las matemáticas (Bernal-Ruiz et al., 2022).
Bajo esta misma perspectiva, y con respecto a la influencia no significativa de la PLA sobre las CMN, este hallazgo coincide con la reciente investigación de Tzuriel et al. (2022), en donde en niños de 3 a 6 años la PLA tampoco fue un predictor significativo del desempeño matemático relacionado a lo numérico. Hallazgo que se puede atribuir al desarrollo posterior que tienen las competencias numéricas respecto de las lógico-relacionales en la infancia, en tanto las primeras se desarrollan en etapas posteriores a la preoperacional (Cerda et al., 2011), y en este sentido, podrían requerir del desarrollo de las CMLR para ser adquiridas (Cerda et al., 2011; Piaget, 1965).
Bajo la misma línea, se sabe que generalmente la escolarización favorece el desarrollo de las CMN, producto de la enseñanza del sistema de numeración tradicional que se da en ese contexto (Cerda et al., 2011). Por lo tanto, al estar la muestra compuesta por niños de 4 a 6 años, es posible que presenten un desarrollo incipiente en este tipo de competencia, debido a que se encuentran en proceso de adaptación al sistema educativo. A lo anterior se suma, el desarrollo evolutivo de la PLA, la cual se forma progresivamente desde los 4 años alcanzando pleno desarrollo a los 15 años (Injoque-Ricle et al. 2014; Muchiut, 2019; Rubiales et al., 2011) debido a la maduración del lóbulo frontal durante el ciclo vital (Er-Rafiqi et al. 2022; Segundo-Marcos et al. 2022), estructura que se termina de desarrollar a finales de la infancia.
Si bien esta investigación aporta interesantes hallazgos, sobre todo respecto a la capacidad predictiva de una FE relativamente desatendida, como es la PLA en el desarrollo de las CMT, presenta algunas limitaciones. En primer lugar, el tamaño muestral fue acotado (106 niños) y el tipo de muestra intencionada, lo que restringe la posibilidad de realizar generalizaciones. Por lo que se sugiere para futuras investigaciones ampliar el tamaño muestral. En segundo lugar, no se consideró la memoria de trabajo como posible variable predictora, a pesar de haber bastante evidencia de que es una de las FE con mayor asociación con las habilidades matemáticas y la comprensión numérica (Allen et al., 2021; Bisagno et al., 2023; Peng et al., 2016). También sería interesante incluir en futuros estudios otras FE como el control inhibitorio que también es considerado un dominio ejecutivo importante en el desempeño matemático en la infancia (Cueli et al., 2020).
A pesar de estas limitaciones, el presente estudio se constituye como una contribución para la investigación de la relación de las FE de FC, PLA y el desempeño matemático en edades tempranas. Además, se erige como un aporte novedoso para la investigación, específicamente de la PLA, la cual ha sido poco estudiada y que a la luz de estos hallazgos se constituye como una variable predictora de las competencias matemáticas tempranas, específicamente de aquellas de tipo lógico-relacional.
Finalmente, a partir de los resultados de este estudio se busca brindar información útil a los educadores que pueda servir de insumo para el desarrollo de planes curriculares orientados a fortalecer el área de las matemáticas, sobre todo estimulando el desarrollo de las CMT, en tanto diversas investigaciones, no solo han evidenciado que estas competencias matemáticas constituyen un potente y estable predictor de logro del desempeño académico tanto en matemáticas como en otras áreas disciplinares (Cerda & Pérez, 2015), sino que también permiten continuar con la adquisición de conocimientos y habilidades matemáticas más complejas en las etapas escolares posteriores (Purpura et al., 2017). Además, se espera que esta investigación pueda guiar tanto a los cuidadores como a los educadores de la escolaridad inicial en el desarrollo dentro y fuera del aula estrategias de estimulación de las de las FE de FC y PLA, puesto que se ha demostrado que los niños que comienzan la educación inicial con mejores habilidades ejecutivas tienen una ventaja en términos de rendimiento matemático que persiste en los años escolares (Arroyo et al., 2014; Cervigni & Stelzer, 2011; Clements et al., 2016; Wongupparaj & Kadosh, 2022).
