Legami cognitivi e successo matematico, un viaggio oltre i numeri per comprendere la mente degli studenti

Per quale motivo alcuni studenti comprendono i concetti matematici al primo colpo, mentre altri continuano a fare fatica anche dopo spiegazioni ripetute e dettagliate? La risposta a questa domanda fondamentale sta emergendo con sempre maggiore chiarezza grazie alle neuroscienze e alla psicologia dell’educazione. La soluzione non si trova soltanto nella capacità automatica di calcolare a memoria o di manipolare cifre sulla carta, ma in un insieme articolato di abilità cognitive che vanno ben oltre l’aritmetica di base.

La matematica richiede di riconoscere schemi astratti, interpretare informazioni complesse, filtrare i dati irrilevanti e applicare il ragionamento logico. Poiché i concetti matematici si sviluppano in modo piramidale, dove ogni mattoncino si appoggia saldamente su quello precedente, le piccole difficoltà che sorgono nei primi anni di scuola possono accumularsi nel tempo. Questo effetto palla di neve rende essenziale comprendere quali ingranaggi mentali determinino le differenze individuali nelle capacità matematiche degli studenti.

Uno studio scientifico di grande rilevanza, pubblicato sulla rivista scientifica Journal of Intelligence e guidato dal Dott. Daniel Hajovsky, professore associato presso il Dipartimento di Psicologia dell’Educazione della Texas A&M University, insieme a un team di ricercatori tra cui il Dott. Christopher R. Niileksela, ha gettato nuova luce su questo tema. L’indagine dimostra che le competenze linguistiche e le capacità di ragionamento fluido figurano tra i predittori cognitivi più affidabili e costanti del rendimento in matematica.

Il grande puzzle dell’intelligenza e le batterie di test

Per giungere a queste conclusioni, i ricercatori hanno realizzato una imponente meta-analisi, esaminando i dati provenienti da 122 diverse batterie di test standardizzati. Una batteria di test è un insieme coordinato di prove scientifiche progettate per misurare specifiche capacità mentali e comportamenti. Un esempio molto noto è la scala di intelligenza Wechsler, usata in tutto il mondo per valutare le funzioni cognitive nei bambini e negli adolescenti.

Raccogliendo ed elaborando oltre 47.000 correlazioni statistiche estratte da più di 550 matrici di dati, il team di ricerca ha potuto studiare con altissima precisione statistica la relazione esistente tra le funzioni mentali e quattro aree chiave della matematica:

• Conoscenza matematica generale, ovvero la padronanza dei concetti teorici e dei principi numerici di base.

• Calcolo, ossia l’abilità di svolgere operazioni aritmetiche scritte e mentali con accuratezza.

• Risoluzione dei problemi, cioè la capacità di applicare la logica per risolvere quesiti complessi e problemi a parole.

• Fluidità matematica, ovvero la velocità e l’efficienza nell’elaborare e richiamare i fatti numerici fondamentali.

I risultati hanno confermato che la conoscenza di base dei numeri, nota come senso del numero, è indispensabile quanto le abilità di pensiero più generali. Come ha spiegato il Dott. Hajovsky, comprendere intuitivamente cosa sono i numeri e come si mettono in relazione tra loro costituisce la base su cui si costruiscono tutte le competenze successive. Tuttavia, le sole doti numeriche non bastano, poiché le capacità cognitive generali rappresentano il vero motore che alimenta e sostiene l’apprendimento nel tempo.

Ragionamento fluido e la sfida dei problemi mai visti

Il primo grande pilastro cognitivo identificato dallo studio è il ragionamento fluido. Questa funzione mentale rappresenta la capacità di risolvere problemi del tutto nuovi e non familiari, senza poter fare affidamento su nozioni apprese in precedenza. Il ragionamento fluido opera attraverso due processi logici fondamentali:

1. Deduzione, che consiste nell’applicare una regola generale e astratta a un caso specifico e concreto.

2. Induzione, che parte da singole osservazioni dettagliate per ricostruire una regola o una conclusione di portata generale.

Per spiegare in modo semplice il ragionamento fluido, il Dott. Hajovsky propone una metafora molto efficace, chiedendosi quanto velocemente uno studente riesca a imparare un gioco completamente nuovo di cui nessuno gli ha spiegato le regole in anticipo. Quando affrontiamo un compito sconosciuto, la nostra mente esplora l’ambiente alla ricerca di indizi. Il ragionamento fluido è proprio la bussola interna che ci aiuta a capire istantaneamente quali dati siano rilevanti per la soluzione e quali siano semplici distrazioni.

Il ruolo cruciale del linguaggio e della comprensione

Il secondo pilastro, per certi versi inaspettato quando si parla di numeri, è la conoscenza della comprensione, nota in ambito scientifico anche come intelligenza cristallizzata. Questo fattore include il vocabolario, le competenze linguistiche e il ragionamento verbale.

Molti tendono a considerare la matematica e le materie umanistiche come due mondi separati e opposti, ma la realtà neuropsicologica è molto diversa. Per comprendere un problema matematico espresso in forma di testo, lo studente deve prima decodificare le parole, interpretare il significato del vocabolario specifico e connettere le nuove informazioni con ciò che già conosce.

Hajovsky paragona questo processo alle prove di ammissione per la facoltà di giurisprudenza, dove la capacità di comprendere un testo complesso e di estrapolare il senso logico dalle informazioni è il requisito primario. Questa stessa abilità linguistica e concettuale si rivela determinante per interpretare correttamente le richieste di un testo matematico. Il linguaggio fornisce la struttura simbolica fondamentale per rappresentare, manipolare e memorizzare i concetti matematici astratti.

Enigmi visivi, vocabolario e il motore mentale comune

Tutte queste funzioni mentali non lavorano mai in modo isolato, ma si sviluppano e si rafforzano a vicenda sia dentro sia fuori dalle aule scolastiche. Uno dei fenomeni più documentati nella psicologia cognitiva è il cosiddetto multifold positivo. Questo principio stabilisce che la prestazione di un individuo in un determinato compito mentale è correlata positivamente alla sua prestazione in quasi tutti gli altri compiti cognitivi.

Ad esempio, si osserva una chiara relazione tra la capacità di una persona di completare puzzle visivi, ruotando o ricomponendo mentalmente figure geometriche, e l’ampiezza del suo vocabolario verbale. A prima vista si tratta di due attività opposte, una visuo-spaziale e l’altra linguistica. Eppure, entrambe attingono a un unico motore mentale centrale che distribuisce energia cognitiva ed elabora le informazioni.

Analisi degli errori per una didattica su misura

Comprendere come interagiscono queste competenze apre la strada a un profondo rinnovamento delle strategie d’insegnamento e di diagnosi precoce. Tradizionalmente, la valutazione scolastica si limita a misurare il punteggio finale ottenuto in un test numerico, un dato che dice se lo studente ha risposto bene o male, ma non spiega il motivo dell’errore.

Il Dott. Hajovsky e il suo team propongono di sostituire i test tradizionali con una analisi dello schema degli errori. L’obiettivo è analizzare la natura specifica dello sbaglio per individuare l’esatta radice della difficoltà di apprendimento:

• Errori di tipo concettuale e linguistico, dovuti a fraintendimenti del testo o mancata comprensione dei termini.

• Errori di ragionamento logico, legati alla difficoltà di individuare il percorso corretto per giungere alla soluzione.

• Errori di efficienza ed elaborazione, dovuti a lentezza nel calcolo automatico o sovraccarico della memoria di lavoro.

Identificando l’ingranaggio specifico che si è inceppato, gli insegnanti possono personalizzare l’intervento didattico con aiuti mirati. In questo modo è possibile prevenire l’accumulo di lacune e sostenere con successo ogni studente.

Approfondimenti tecnici e modelli teorici avanzati della ricerca

Per comprendere appieno le basi scientifiche e la metodologia dello studio condotto da Niileksela, Hajovsky, Cocar-Montenegro, Schneider, Flanagan e Alfonso (2026), è necessario analizzare in dettaglio i modelli teorici ed econometrici impiegati.

I modelli teorici di riferimento

La ricerca integra due quadri teorici complementari relativi alla cognizione e alla matematica:

1. La Teoria Cattell-Horn-Carroll (CHC) delle Abilità Cognitive: rappresenta una tassonomia gerarchica dell’architettura dell’intelligenza umana. Nel modello a tre strati (Three-Stratum Theory), al vertice (Stratum III) si trova il fattore generale di intelligenza $g$. Lo Stratum II comprende ampie abilità cognitive (Broad Abilities), tra cui:

   • Ragionamento Fluido ($Gf$): capacità di induzione e deduzione con materiale non familiare.

   • Conoscenza della Comprensione ($Gc$): ampiezza e profondità delle conoscenze acquisite all’interno di una cultura, incluse le competenze lessicali e grammaticali.

   • Memoria di Lavoro ($Gwm$): abilità di mantenere e manipolare informazioni nella consapevolezza immediata.

   • Elaborazione Visiva ($Gvis$): capacità di generare, percepire e manipolare immagini visive.

   • Velocità di Elaborazione ($Gs$): efficienza nell’eseguire compiti cognitivi automatici e ripetitivi sotto pressione temporale.

   • Apprendimento a Lungo Termine ($Glr$): facilità di memorizzazione e recupero di nuove informazioni.

   • Elaborazione Uditiva ($Ga$): capacità di analizzare e sintetizzare modelli sonori e fonetici.

   Lo Stratum I comprende abilità ristrette (Narrow Abilities) come la ragionevolezza sequenziale generale ($RG$), l’induzione ($I$), la conoscenza lessicale ($VL$) e l’informazione scientifica/generale ($K0$).

2. Il Modello dei Percorsi (Pathways Model) e la Gerarchia delle Competenze Matematiche:

   • Il Pathways Model di Dehaene e LeFevre descrive tre percorsi neurocognitivi: il percorso linguistico (accesso simbolico e recupero di fatti aritmetici), il percorso quantitativo (sistema di approssimazione della magnitudo numerica e senso del numero non simbolico) e il percorso di attenzione spaziale (allineamento spaziale e rappresentazione dei numeri sulla linea numerica mentale).

   • La Gerarchia delle Competenze Matematiche di Xu e collaboratori definisce la struttura cumulativa e disgiuntiva delle competenze.

Struttura cumulativa della Gerarchia delle Competenze Matematiche

1. Numerosità Fondamentale: sensibilità ai simboli, cardinalità e ordinamento iniziale.

2. Relazioni Additive e Moltiplicative: padronanza delle operazioni aritmetiche con numeri interi (addizione, sottrazione, moltiplicazione e divisione).

3. Numeri Razionali: comprensione di frazioni, proporzioni e concetti decimali.

4. Conoscenza Algebrica: manipolazione di incognite, equazioni e relazioni astratte avanzate.

Metodologia della Meta-Analisi di Equazioni Strutturali (MASEM)

Lo studio ha raccolto matrici di correlazione dai manuali tecnici di 122 batterie di test standardizzate con campioni normativi rappresentativi della popolazione. Per sintetizzare questi dati, i ricercatori hanno utilizzato la Meta-Analisi di Equazioni Strutturali (Meta-SEM o MASEM).

Fasi della procedura MASEM

1. Sintesi delle Matrici di Correlazione (Stage 1 MASEM):

   Si stimano le matrici di correlazione pooled combinando le matrici provenienti dai diversi studi attraverso un modello a effetti casuali. La trasformazione $z$ di Fisher viene applicata per stabilizzare la varianza dei coefficienti di correlazione $r$:

   $$z = \frac{1}{2} \ln \left( \frac{1 + r}{1 – r} \right)$$

   Le correlazioni trasformate vengono pesate con l’inverso della loro varianza per calcolare la matrice sintetica media.

2. Adattamento dei Modelli di Equazioni Strutturali (Stage 2 MASEM):

   Sulla matrice di correlazione sintetica calcolata nella fase precedente, si adattano modelli di equazioni strutturali per testare le relazioni dirette e indirette tra le abilità cognitive CHC e i domini della matematica.

Principali Risultati Statistici ed Effetti Diretti

La tabella seguente riassume i coefficienti di regressione standardizzati ($\beta$) e le relazioni individuate nel modello strutturale integrato tra le abilità cognitive CHC e i domini matematici:

Analisi delle Abilità Ristrette (Narrow Abilities)

L’analisi supplementare sulle abilità ristrette dello Stratum I ha rivelato contributi specifici fondamentali:

• General Sequential Reasoning ($RG$): l’abilità di ragionare logicamente passo dopo passo usando premesse note. Ha mostrato una saturazione elevatissima nelle prestazioni di calcolo complesso e risoluzione algebrica.

• Induction ($I$): la capacità di scoprire la regola sottostante che governa una serie di elementi numerici o figurativi. È risultata cruciale nelle fasi iniziali di apprendimento dei concetti matematici.

• Lexical Knowledge ($VL$) e General Information ($K0$): la conoscenza del significato delle parole e il bagaglio di cultura generale predirre con precisione l’accuratezza nella soluzione di problemi matematici complessi formulati in linguaggio naturale.

Sequenza dei flussi cognitivo-matematici nell’apprendimento

1. Input Linguistico-Funzionale ($Gc$ / $VL$): decodifica del testo e comprensione dei termini e del linguaggio specifico del problema.

2. Filtro e Astrazione Logica ($Gf$ / $I$): identificazione delle informazioni rilevanti ed eliminazione dei dati irrilevanti o fuorvianti.

3. Pianificazione Sequenziale ($RG$): formulazione della strategia risolutiva e impostazione dell’equazione o del procedimento matematico.

4. Esecuzione e Gestione del Carico Cognitivo ($Gwm$ / $Gs$): mantenimento in memoria dei passaggi intermedi ed esecuzione rapida e accurata dei calcoli numerici.

5. Produzione dell’Output Numerico: verifica finale della soluzione per accertare la coerenza logica con le condizioni di partenza.

In sintesi, la ricerca del Dott. Hajovsky e dei suoi colleghi dimostra in modo inconfutabile che la matematica non è una disciplina isolata. Al contrario, si tratta di un’attività mentale complessa che richiede il supporto costante dell’intero profilo cognitivo dell’individuo, in cui il linguaggio e la logica fluida giocano un ruolo di primissimo piano.

Traduzione abstract. La disponibilità dello studio completo, in accesso libero o riservato, è verificabile tramite il link del DOI nel box sotto se disponibile.

Abstract

È importante esaminare le relazioni tra abilità cognitive e competenze matematiche per chiarire come le abilità cognitive promuovano lo sviluppo matematico e per comprendere perché alcuni individui incontrino difficoltà nell’acquisizione di tali competenze. Le meta-analisi delle relazioni cognitivo-matematiche possono contribuire a riassumere questa ricerca attraverso un’ampia varietà di batterie di test e campioni. Questo studio ha raccolto dati da manuali tecnici di 122 batterie di test standardizzate con riferimento normativo e ha incluso oltre 47.000 correlazioni provenienti da oltre 550 matrici di correlazione per riassumere le relazioni cognitivo-matematiche mediante meta-analisi. Le correlazioni meta-analitiche sono state utilizzate per stimare le relazioni cognitivo-matematiche in un modello integrato di abilità cognitive e competenze matematiche. Il ragionamento fluido e la comprensione-conoscenza sono risultati due dei predittori cognitivi più consistenti delle competenze matematiche, mentre le competenze matematiche di base (ad esempio, il senso del numero e la fluidità matematica) sono risultate predittori consistenti delle competenze matematiche avanzate (ad esempio, la risoluzione di problemi matematici). Un’analisi supplementare ha esaminato come diverse abilità cognitive specifiche (ad esempio, la conoscenza lessicale, l’induzione) predicano le competenze matematiche. I risultati suggeriscono che alcune abilità cognitive specifiche, come la conoscenza generale e il ragionamento sequenziale generale, sono predittori affidabili delle competenze matematiche. Questo studio riassume una grande quantità di dati provenienti da batterie di test standardizzati con riferimento normativo per chiarire in che modo le abilità cognitive predicono le competenze matematiche. Questi risultati possono fornire spunti sia per i modelli teorici dello sviluppo matematico sia per le strategie pratiche di valutazione degli individui che potrebbero avere difficoltà nell’acquisizione di competenze matematiche.

by