medigraphic.com
ISSN 0185-3325 (Impreso)
Órgano Oficial del Instituto Nacional de Psiquiatría Ramón de la Fuente Muñiz

2017, Número 5

<< Anterior Siguiente >>

Salud Mental 2017; 40 (5)


Socioeconomic environment effect on inferential reasoning of Latin American students

Flores-Mendoza C, Saraiva RB, Vilela CGC, Guimarães LWM, Carvalho PPAP, Valladão PGAM, de Oliveira BV, Assunção RL, Ardila R, Rosas R, Gallegos M, Reategui N

Idioma: Portugués
Referencias bibliográficas: 32
Paginas: 183-190
Archivo PDF: 210.43 Kb.


RESUMEN

Introducción. El razonamiento inferencial (IR) es un componente importante de la inteligencia que comprende diversos procesos cognitivos, como la percepción, la memoria y la lógica. Muchos estudios han propuesto que el nivel socioeconómico (NSE) tiene una baja asociación con IR, pero hallazgos más recientes sugieren que el NSE del grupo puede tener mayor asociación que el NSE individual con el IR. Objetivo. El objetivo de este estudio es investigar los efectos del nivel socioeconómico individual (estudiantes) y de grupo (escuelas) sobre el IR, haciéndose comparaciones entre diferentes países de América Latina. Método. La muestra estuvo compuesta por 2 358 estudiantes con edades comprendidas entre los 14 y los 15 años, de 52 escuelas diferentes (44% públicas), de cinco países de América Latina (Argentina, Brasil, Chile, Colombia y Perú). Los participantes fueron evaluados con una prueba de razonamiento inferencial y un cuestionario socioeconómico. Resultados. El NSE individual mostró una pequeña correlación positiva con IR (r = .10 p ‹ .001), mientras que el NSE de grupo tuvo un efecto más pronunciado sobre IR (F [2, 1944] = 74.68, p ‹ .001, ηp2 = .07) con mayor IR en las escuelas con mayor NSE. También se encontró una diferencia significativa de IR entre los países (F [4, 1976] = 20.68, p ‹ .001, ηp2 = .04), con un promedio más alto para Perú, el país con mayor número de escuelas particulares en el presente estudio. Se ajustó un modelo multinivel utilizando las variables principales. Discusión y conclusión. Nuestros resultados demostraron que el NSE de grupo tiene un mayor valor predictivo de IR en comparación con el SES individual. Este resultado sugiere que los individuos con un nivel socioeconómico bajo pueden beneficiarse de estudiar en escuelas con SES superiores. Se discuten las futuras investigaciones y la importancia de las políticas públicas.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Arcidiácono, M., Cruces, G., Gasparini, L., Jaume, D., Serio, M., & Vázquez, E. (2014). La segregación escolar público-privada en América Latina. Retrieved from: http://repositorio.cepal.org/bitstream/handle/11362/36757/S2014249_es- .pdf?sequence=1&isAllowed=y

  2. Ashby-Mitchell, K., Jagger, C., Fouweather, T., & Anstey, K. J. (2015). Life Expectancy with and without Cognitive Impairment in Seven Latin American and Caribbean Countries. PloS one, 10(3), e0121867. doi:10.1371/journal. pone.0121867

  3. Beddington, J., Cooper, C. L., Field, J., Goswami, U., Huppert, F. A., Jenkins, R., … Thomas, S. M. (2008). The mental wealth of nations. Nature, 455(7216), 1057- 1060. doi: 10.1038/4551057a

  4. Beier, M. E., & Ackerman, P. L. (2001). Current-events knowledge in adults: An investigation of age, intelligence, and nonability determinants. Psychology and aging, 16(4), 615-628. doi: 10.1037/0882-7974.16.4.615

  5. Ciarrochi, J., Heaven, P. C., & Skinner, T. (2012). Cognitive ability and health-related behaviors during adolescence: A prospective study across five years. Intelligence, 40(4), 317-324. doi: 10.1016/j.intell.2012.03.003

  6. Coleman, J. S. (1966). Equality of educational opportunity (Vol. 2). Washington, DC: US Department of Health, Education, and Welfare, Office of Education. Colom, R., & Flores-Mendoza, C. E. (2007). Intelligence Predicts Scholastic Achievement Irrespective of SES Factors: Evidence from Brazil. Intelligence, 35(3), 243-251. doi: 10.1016/j.intell.2006.07.008

  7. Der, G., Batty, G. D., & Deary, I. J. (2009). The association between IQ in adolescence and a range of health outcomes at 40 in the 1979 US National Longitudinal Study of Youth. Intelligence, 37(6), 573-580. doi: 10.1016/j.intell.2008.12.002

  8. Douglas, B., Martin, M., Ben, B., Steve, W. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1-48.

  9. Duarte, J., Bos, M. S., & Moreno, M. (2010). Inequity in School Achievement in Latin America: Multilevel Analysis of SERCE results according to the socioeconomic status of students. Inter-American Development Bank. Retrieved from: https://publications. iadb.org/bitstream/handle/11319/2558/Inequity%20in%20School%20 Achievement%20in%20Latin%20America.pdf?sequence=1&isAllowed=y

  10. Flores-Mendoza, C., Mansur-Alves, M., Ardila, R., Rosas, R. D., Guerrero-Leiva, M. K., Maqueo, Lucio-Gómez, M. E., ... Burga, A. B. (2015). Fluid intelligence and school performance and its relationship with social variables in Latin American samples. Intelligence, 49, 66-83. doi: 10.1016/j.intell.2014.12.005

  11. Flynn, J. R., & Rossi-Casé, L. (2012). IQ gains in Argentina between 1964 and 1998. Intelligence, 40(2), 145-150. doi: 10.1016/j.intell.2012.01.006

  12. Gottfredson, L. S. (2002). Where and Why g Matters: Not a Mystery. Human Performance, 15(1-2), 25-46. doi: 10.1080/08959285.2002.9668082

  13. Gottfredson, L. S., & Deary, I. J. (2004). Intelligence Predicts Health and Longevity, but Why? Current Directions in Psychological Science, 13(1), 1-4. doi: 10.1111/j.0963-7214.2004.01301001.x

  14. Gottfredson, L. S. (2006). Consequências sociais das diferenças de grupo na capacidade cognitiva. In C. Flores-Mendoza & R. Colom (Eds.), Introdução à Psicologia das Diferenças Individuais (433-456). Porto Alegre: Artmed.

  15. Guàrdia-Olmos, J., Peró-Cebollero, M., Rivera, D., & Arango-Lasprilla, J. C. (2015). Methodology for the development of normative data for ten Spanish-language neuropsychological tests in eleven Latin American countries. NeuroRehabilitation, 37(4), 493-499. doi: 10.3233/NRE-151277

  16. Hox, J. J., Moerbeek, M., & van de Schoot, R. (2010). Multilevel analysis: Techniques and applications. New York: Routledge.

  17. Jargowsky, P. A., & El Komi, M. (2011). Before or After the Bell? School Context and Neighborhood Effects on Student Achievement. In: S. Wachter, E. L. Birch, & H. Newberger (Eds.), Neighborhood and Life Chances: How Place Matters in Modern America (pp. 50-72). Philadelphia: University of Pennsylvania Press.

  18. Jensen, A. R. (1998). The g Factor: The Science of Mental Ability. Westport: Praeger.

  19. Kuncel, N. R., Hezlett, S. A., & Ones, D. S. (2004). Academic Performance, Career Potential, creativity, and Job Performance: Can One Construct Predict Them All? Journal of Personality and Social Psychology, 86(1), 148-161. doi: 10.1037/0022-3514.86.1.148

  20. Liu, H., van Damme, J., Gielen, S., & van Den Noortgate, W. (2014). School processes mediate school compositional effects: model specification and estimation. British Educational Research Journal, 41(3), 423-447. doi: 10.1002/berj.3147

  21. Miller, D. I., & Halpern, D. F. (2014). The new science of cognitive sex differences. Trends in cognitive sciences, 18(1), 37-45. doi: 10.1016/j.tics.2013.10.011

  22. Ministerio de Educación de Perú (2016). Magnitudes. ESCALE: Unidad de Estadística Educativa. Retrieved from: http://escale.minedu.gob.pe/magnitudes

  23. Neisser, U., Boodoo, G., Bouchard T. J., Jr., Boykin, A. W., Brody, N., Ceci, S. J., ... Urbina, S. (1996). Intelligence: Knowns and unknowns. American psychologist, 51(2), 77-101. doi: 10.1037/0003-066X.51.2.77

  24. Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods (Vol. 1). California: Sage Publications Inc.

  25. R Development Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna. [computer software] Retrieved from http://www.R-project.org. 2016.

  26. Sisto, F. F. (2006). Teste de raciocínio inferencial. São Paulo: Vetor Editora Psicopedagógica.

  27. Soares, J. F., & Andrade, R. J. (2006). Socioeconomic status, quality and equity in the schools of Belo Horizonte. Ensaio: Avaliação e Políticas Públicas em Educação, 14(50), 107-125. doi: 10.1590/S0104-40362006000100008

  28. Strenze, T. (2007). Intelligence and socioeconomic success: A meta-analytic review of longitudinal research. Intelligence, 35(5), 401-426. doi: 10.1016/j.intell.2006.09.004

  29. Voyer, D., Voyer, S., & Bryden, M. P. (1995). Magnitude of sex differences in spatial abilities: A meta-analysis and consideration of critical variables. Psychological Bulletin, 117(2), 250-270. doi: 10.1037/0033-2909.117.2.250

  30. UK Government for Science. (2016). Future of skills and lifelong learning [Web log post]. Retrieved from: https://www.gov.uk/government/collections/future-ofskills- and-lifelong-learning.

  31. United Nations International Children’s Emergency Fund. (2016). Monitoring the Situation of Children and Women. Retrieved from: http://data.unicef.org/topic/ education/secondary-education/#

  32. Walker, N. P., McConville, P. M., Hunter, D., Deary, I. J., & Whalley, L. J. (2002). Childhood mental ability and lifetime psychiatric contact: A 66-year follow-up study of the 1932 Scottish Mental Ability Survey. Intelligence, 30(3), 233-245. doi: 10.1016/S0160-2896(01)00098-8




2020     |     www.medigraphic.com