Razonamiento mecánico, memoria de trabajo y velocidad de procesamiento

  • Irene Injoque-Ricle Departamento de Procesos Básicos, Instituto de Investigaciones, Facultad de Psicología, Universidad de Buenos Aires, Argentina http://orcid.org/0000-0002-7043-677X
  • Jésica Formoso Departamento de Procesos Básicos, Instituto de Investigaciones, Facultad de Psicología, Universidad de Buenos Aires, Argentina http://orcid.org/0000-0003-3062-4036
  • Alejandra Calero Departamento de Procesos Básicos, Instituto de Investigaciones, Facultad de Psicología, Universidad de Buenos Aires, Argentina http://orcid.org/0000-0001-7197-1320
  • Guido Caruso Departamento de Procesos Básicos, Instituto de Investigaciones, Facultad de Psicología, Universidad de Buenos Aires, Argentina http://orcid.org/0000-0002-8591-6215
  • Andrea Álvarez Drexler Departamento de Procesos Básicos, Instituto de Investigaciones, Facultad de Psicología, Universidad de Buenos Aires, Argentina
  • Juan Pablo Barreyro Departamento de Procesos Básicos, Instituto de Investigaciones, Facultad de Psicología, Universidad de Buenos Aires, Argentina; Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Argentina http://orcid.org/0000-0002-1606-1049
Palabras clave: razonamiento mecánico, memoria de trabajo, memoria de corto plazo, velocidad de procesamiento

Resumen

Antecedentes: El razonamiento mecánico (RM) es la habilidad para identificar los componentes de un sistema y comprender como estos interactúan para que el sistema funcione. Distintos sistemas mecánicos, como de rueda y de engranaje, requieren diferentes tipos de razonamiento. Objetivo: Este trabajo busca analizar la relación de la MT y la velocidad de procesamiento (VP) con el RM. Método: Para ello, se administraron a 173 estudiantes universitarios 30 problemas de RM del test DAT, el sub-test Búsqueda de Símbolos de la batería WAIS-III para evaluar VP y las baterías BIMET-V y BIMET-VE para evaluar los componentes verbal y visoespacial de la MT. Resultados: Los análisis de regresión mostraron que las variables propuestas no predicen el rendimiento en problemas de engranajes, mientras que la MT viso-espacial y la VP predicen el rendimiento en problemas de rueda. Discusión: Los resultados sugieren que los problemas de engranaje tienen una baja demanda ejecutiva al poder resolverse de forma fraccionada, mientras que los problemas de rueda requieren sostener en memoria la totalidad de los componentes que forman parte del sistema, a la vez que requieren mayor carga atencional.

Descargas

La descarga de datos todavía no está disponible.

Citas

An, Y., Feng, L., Zhang, X., Wang, Y., Wang, Y., Tao, L., ... & Xiao, R. (2018). Patterns of cognitive function in middle-aged and elderly Chinese adults- findings from the EMCOA study. Alzheimer’s Research & Therapy, 10(1), 93. doi: 10.1186/s13195-018-0421-8

Ackerman, P. L. (2014). Nonsense, common sense, and science of expert performance: Talent and individual differences. Intelligence, 45, 6-17. doi: 10.1016/j.intell.2013.04.009

Andersen, L. (2014). Visual-Spatial Ability: Important in STEM, Ignored in Gifted Education. Roeper Review, 36(2), 114-121. doi: 10.1080/02783193.2014.884198

Arribas, D., Santamaría, P., Sánchez-Sánchez, F., & Fernández-Pinto, I. (2013). Batería para la evaluación de las aptitudes, BAT. Madrid, ES: TEA Editores.

Baddeley, A. D. (2010). Working memory. Current Biology, 20(4), 136-140. doi: 10.1016/ j.cub.2009.12.014

Baddeley, A. D. (2018). Exploring Working Memory: Selected Works of Alan Baddeley. Abingdon, UK: Routledge.

Baddeley, A. D., & Hitch, G. J. (1974). Working memory. In G. H. Bower (Ed.), The Psychology of Learning and Motivation: Advances in Research and Theory (Vol. 8, pp. 47-90). New York, NY: Academic Press.

Barreyro, J. P., Injoque-Ricle, I., Formoso, J., & Burin, D. (2019). Computerized Working Memory Battery (BIMeT-V): Studying the Relation between Working Memory, Verbal Reasoning and Reading Comprehension. Trends in Psychology. 27(I), 53-67. doi: 10.9788\tp2019.1-05

Bennett, G. K., Seashore, H. G., & Wesman, A. G. (1992). Tests de Aptitudes Diferenciales. Buenos Aires: Paidós.

Conway, A. R. A., Cowan, N., Bunting, M. F., Therriault, D. J., & Minkoff, S. R. B. (2002). A latent variable analysis of working memory capacity, short-term memory capacity, processing speed, and general fluid intelligence. Intelligence, 30(2), 163-183. doi: 10.1016/S0160-2896(01)00096-4

Corsi, P. M. (1972). Human memory and the medial temporal region of the brain. Montreal: McGill University Press.

Demetriou, A., Spanoudis, G., Shayer, M., Ven, S. van der, Brydges, C. R., Kroesbergen, E., ... & Swanson, H. L. (2014). Relations between speed, working memory, and intelligence from preschool to adulthood: Structural equation modeling of 14 studies. Intelligence, 46, 107-121. doi: 10.1016/ j.intell.2014.05.013

Engelhardt, L. E., Mann, F. D., Briley, D. A., Church, J. A., Harden, K. P., & Tucker-Drob, E. M. (2016). Strong genetic overlap between executive functions and intelligence. Journal of Experimental Psychology: General, 145(9), 1141-1159. doi: 10.1037/xge0000195

English, L. D. (2016). STEM education K-12: perspectives on integration. International Journal of STEM Education, 3(1), 3. doi: 10.1186/s40594-016-0036-1

Formoso, J., Jacubovich, S., Injoque-Ricle, I., & Barreyro, J. P. (2018). Resolution of arithmetic problems, processing speed and working memory in children. Trends in Psichology, 26(3), 1249-1266. doi: 10.9788/TP2018.3-05en

Fry, A. F., & Hale, S. (2000). Relationships among processing speed, working memory, and fluid intelligence in children. Biological psychology, 54(1- 3), 1-34. doi: 10.1016/S0301-0511(00)00051-X

Hegarty, M. (2004). Mechanical reasoning by mental simulation. Trends in Cognitive Sciences, 8(6), 280- 285. doi: 10.1016/s1364-6613(04)00100-7

Hegarty, M. (2010). Components of Spatial Intelligence. In B. H. Ross (Ed.), The psychology of learning and motivation (Vol. 52, pp. 265–297). San Diego, CA: Academic Press. doi: 10.1016/S0079-7421(10) 52007-3

Hegarty, M., & Kozhevnikov, M. (1999). Spatial abilities, working memory and mechanical reasoning. In J. S. Gero & B. Tversky (Eds.), Visual and spatial reasoning in design, Sydney, AU: Key Center for Design Computing and Cognition, University of Sydney.

Hegarty, M., & Sims, V. K. (1994). Individual differences in mental animation during mechanical reasoning. Memory & Cognition, 22(4), 411-430. doi: 10.3758/bf03200867

Hegarty, M., & Steinhoff, K. (1997). Individual differences in use of diagrams as external memory in mechanical reasoning. Learning and Individual Differences, 9(1), 19-42. doi: 10.1016/s1041- 6080(97)90018-2

Hegarty, M., & Tarampi, M. R. (2015). Teaching Spatial Thinking: Perspectives from Cognitive Psychology.Teaching Spatial Thinking from Interdisciplinary Perspectives, New México. Recuperado de http://ceur-ws.org/Vol-1557/paper8.pdf

Injoque-Ricle, I., Barreyro, J. P., Formoso, J., & Burin, D. (2018). Working memory, processing speed and general intelligence: Possible models of relations with visuospatial working memory using the visuospatial Computerized Working Memory Battery (BIMeT-VE). Trends in Psychology, 26(1), 413-427. doi: 10.9788/tp2018.1-16

Jensen, A. R. (2006). Clocking the mind: Mental chronometer individual differences. Oxford, UK: Elsevier.

Kelley, T. R., & Knowles, J. G. (2016). A conceptual framework for integrated STEM education. International Journal of STEM Education, 3(1), 11. doi: 10.1186/s40594-016-0046-z

Liu, A. S., & Schunn, C. D. (2017). Applying math onto mechanisms: Mechanistic knowledge is associated with the use of formal mathematical strategies. Cognitive Research: Principles and Implications, 2(1), 6. doi: 10.1186/s41235-016-0044-1

Mella, N., Fagot, D., Lecerf, T., & Ribaupierre, A. de (2015). Working memory and intraindividual variability in processing speed: A lifespan developmental and individual-differences study. Memory & cognition, 43(3), 340-356. doi: 10.3758/ s13421-014-0491-1

Rouse, W. B., & Morris, N. M. (1986). On looking into the black box: Prospects and limits in the search for mental models. Psychological bulletin, 100(3), 349- 363. doi: 10.1037/0033-2909.100.3.349

Sheppard, L. D., & Vernon, P. A. (2008). Intelligence and speed of information-processing: A review of 50 years of research. Personality and Individual Differences, 44(3), 535-551. doi: 10.1016/ j.paid.2007.09.015

Stieff, M., & Uttal, D. H. (2015). How Much Can Spatial Training Improve STEM Achievement? Educational Psychology Review, 27(4), 607-615. doi: 10.1007/s10648-015-9304-8

Wai, J., & Kell, H. J. (2017). What Innovations Have We Already Lost?: The Importance of Identifying and Developing Spatial Talent. In M. Khine (Eds), Visual- spatial Ability in STEM Education (pp. 109-124). Springer, Cham. doi: 10.1007/978-3-319-44385-0_6

Wechsler, D. (2003). WAIS III: Test de Inteligencia para Adultos. Buenos Aires, AR: Paidós.

Williams, M. D., Hollan, J. D., & Stevens, A. L. (1983). Human reasoning about a simple physical system. Mental models. In D, Gentner & A. L., Stevens (Eds), Mental models (pp. 131-154). New York, NY: Psychology Press.
Publicado
2019-06-24
Sección
Artículos Originales Breves