Uso de la comprensión lectora para la construcción de un modelo predictivo del éxito de estudiantes de 4º de Primaria cuando resuelven problemas verbales en un sistema inteligente

espanolPresentamos la construccion de un modelo matematico dinamico para predecir el desempeno individual de alumnos de 4o de Educacion Primaria (9 y 10 anos) en la resolucion aritmetica de problemas verbales. En la primera parte del articulo 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 estan las que describen las caracteristicas del sujeto: a) el desempeno previo del estudiante en la resolucion de problemas, b) el nivel de comprension lectora y c) la capacidad para resolver problemas de razonamiento a traves de estimulos visuales tanto figurativos como abstractos (la llamada inteligencia fluida). El modelo tambien incorpora una variable de tarea, la cual describe la dificultad de cada problema tomando como criterio de la complejidad la categorizacion semantica del enunciado los problemas. En el estudio participaron 64 alumnos de 4o de Educacion Primaria. Para cada sujeto, las variables se recogieron mediante: un test de comprension lectora PIRLS, el subtest de matrices del test de Kaufman, y un sistema tutorial inteligente donde resolvieron 26 problemas verbales. Todas las variables muestran relacion significativa grande con la variable objetivo, excepto la inteligencia fluida. El modelo presentado revela que la compresion lectora posee una relevancia significativa a la hora de predecir el desempeno en problemas verbales. A su vez, el modelo ofrece un comportamiento superior a alternativas similares presentadas en la literatura. EnglishThis 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.