Las fracciones simbólicas tienen una mayor similitud de representación neural con el razonamiento discretizado que el...

Área de la Ciencia:

• Neurociencia cognitiva y neurociencia cognitiva.
• Psicología del desarrollo Psicología del desarrollo.
• Conocimiento matemático de la cognición.

Sus antecedentes:

• Los seres humanos extraen cantidades proporcionales de las exhibiciones visuales a través del desarrollo.
• Dos teorías, la magnitud compartida y la interferencia compartida, explican cómo las habilidades no simbólicas contribuyen a la comprensión de las fracciones.
• Estas teorías difieren en si las pantallas proporcionales continuas o discretizadas son más fundamentales.

Objetivo del estudio:

• Para probar las cuentas de magnitud compartida e interferencia compartida de la comprensión de las fracciones utilizando análisis de similitud de representación neural (NRS).
• Investigar cómo el cerebro procesa magnitudes proporcionales a través de formatos continuos, discretizados y simbólicos.
• Para determinar la base neuronal de la superación de la interferencia de números enteros en tareas de fracciones.

Principales métodos:

• Diecinueve adultos jóvenes compararon proporciones en formatos continuo, discretizado y simbólico.
• Los análisis univariados identificaron efectos de distancia neural en las regiones frontal, parietal y occipital.
• Los análisis de la región de interés (ROI) se centraron en el sulco intraparietal (IPS).
• Los análisis de similitud de representación neural (NRS, por sus siglas en inglés) compararon las respuestas cerebrales a diferentes formatos de proporción.

Principales resultados:

• Se observaron efectos de distancia neuronal en todos los formatos.
• El sulco intraparietal (IPS) mostró efectos de distancia racional para proporciones continuas.
• Para las fracciones discretizadas y simbólicas, las señales de magnitud racional surgieron solo con interferencia de números enteros.
• La actividad de IPS relacionada con la magnitud de la fracción fue más similar a las representaciones discretizadas que a las continuas cuando la información de números enteros era engañosa.

Conclusiones:

• Los hallazgos apoyan y refinan tanto las cuentas de magnitud compartida como las de interferencia compartida.
• La competencia en fracciones simbólicas implica el acceso a códigos de magnitud proporcional a pesar de la interferencia de números enteros.
• El razonamiento proporcional discretizado adecuado también requiere superar la información engañosa de números enteros.