Marta Bueno y José R. Alonso,
Hay experimentos con bebés y niños muy pequeños en los que se
demuestra la existencia de una habilidad numérica presente en los seres
humanos desde su nacimiento (Szkudlarek y Brannon, 2017). También muchos
insectos, aves y mamíferos tienen la habilidad de hacer estimaciones
numéricas, de establecer aproximaciones cuantitativas e incluso de comparar conjuntos con distinto número de elementos.
Las abejas, por poner un ejemplo de un animal con un cerebro pequeño,
saben contar hasta cuatro, son capaces de sumar y restar y entienden el
concepto de cero. Resultados
similares se han obtenido estudiando córvidos, elefantes y primates no
humanos. La presencia de sistemas numéricos en especies tan diferentes
puede ser el resultado de una evolución convergente o, quizá, la
habilidad matemática aparece muy tempranamente en la evolución, en un
ancestro común a todos esos grupos.
Un mecanismo numérico primitivo no verbal, como el que atribuimos a
animales, permite hacer estimaciones de cantidades y cálculos mentales
sin el uso de símbolos (Feigelson et al., 2004). Este razonamiento
numérico se basa en una red cortical que incluye regiones de los lóbulos
frontal y parietal (Piazza et al., 2007). Es interesante recordar que
la lectura y la escritura son habilidades adquiridas que no tenemos al
nacer y, sin embargo, esta intuición sobre el número ya está marcada en
nuestros cerebros desde el momento del parto. En cierta manera nacemos
matemáticos pero no escritores ni lectores. Esta predisposición innata
al análisis cuantitativo nos facilita procesos de aproximación numérica
que a su vez constituyen el sustrato del aprendizaje de la competencia
aritmética simbólica. Lo
que sabemos hasta el momento sugiere que es conveniente avanzar en las
implicaciones de esta habilidad y capacitar a los niños pequeños en
tareas aritméticas aproximadas incluso antes de que consoliden la
comprensión del número simbólico, ya que ejercitar esta competencia
innata puede ser útil para mejorar la educación matemática futura (Park y
Brannon, 2014).
Uno de estos métodos que trabajan la estimación de cantidades, la
aproximación cuantitativa y la comparación de conjuntos de objetos, así
como conceptos geométricos muy básicos es utilizar en casa libros
infantiles con contenido matemático. Una práctica tan sencilla como
compartir un cuento con algún componente matemático entre padres e hijos
es muy eficaz para que el niño adquiera con más facilidad los
contenidos de esta materia en la escuela (Berkowitz et al, 2015). Es
fundamental que los niños jueguen con bloques de construcción, o con
piezas si son más mayores, con cuerpos geométricos para encajar en sus
huecos correspondientes, con modelos para trabajar la simetría espacial,
con objetos con que hacer montones, agrupar y contar, ¡las viejas
regletas!, con volúmenes con aristas, esquinas o curvas, etc. No
descubrimos nada nuevo si aseguramos que el juego es el mejor medio
para consolidar aprendizajes. Jugar, descubrir, imaginar, innovar,
buscar soluciones diferentes son también habilidades que sería
conveniente no perder con el final de la infancia. El imaginario
matemático que el niño va adquiriendo en otros ambientes fuera del
sistema formal sirve de excusa para abrir en casa y en el aula
discusiones sobre cualquier tema y, por qué no, sobre las matemáticas,
volviendo así más amable y cotidiana la visión subjetiva de este campo
de conocimiento.
Pero si existe un sistema numérico primitivo con el que todos
nacemos, surge una pregunta inmediata ¿Hay diferencias entre niños y
niñas a la hora de afrontar el aprendizaje de las matemáticas?, ¿están
los niños primados de alguna manera para el razonamiento cuantitativo? o
¿es el cerebro matemático sexualmente dimórfico?.
A lo largo del tiempo se han realizado numerosas investigaciones que
han intentado despejar la incógnita sobre estas cuestiones. Hasta la
década de los años ochenta eran varios los estudios que señalaban un
desempeño matemático diferente en niñas y en niños (Fennema, 1974;
Halpern, 1986), y que sugerían un mejor rendimiento de los varones, lo
que explicaría o justificaría a posteriori la preponderancia de hombres
en las carreras STEM (ciencia, tecnología, ingenierías y matemáticas). Recogiendo
todas estas investigaciones, Hyde (1990) llevó a cabo un meta-análisis
con el propósito de aplicar, sobre más de cien estudios y más de tres
millones de participantes, un tratamiento estadístico frecuentista.
Encontró un resultado poco concluyente que apuntaba a una similitud de
género en cuestiones matemáticas.
A raíz del análisis de Hyde, Hutchison, Lyons y Ansari han publicado
en 2019 una investigación que solventa posibles inconvenientes de
estudios anteriores. Esta investigadora y sus colegas han identificado
las siguientes fuentes de error: muestras de pequeño tamaño, rango
estrecho de edades de los niños evaluados en algunas de las
investigaciones o la elección sesgada de la tarea matemática que se
evaluaba. Algunas de esas tareas podrían dar prioridad a los niños, como
la habilidad visuoespacial, y otras a las niñas, como la capacidad para
contar. Además, con el resultado tan poco significativo obtenido por
Hyde, se cuestionaron la manera frecuentista de analizar los datos, es
decir, aplicando el cálculo de probabilidades a partir de frecuencias de
respuestas. Para solucionar estos errores Hutchison y sus colaboradores
tomaron una muestra de 1400 niños con edades comprendidas entre 6 y 13
años, toda la Educación Primaria, propusieron tareas de procesamiento
matemático básico y, lo más novedoso, realizaron un tratamiento
estadístico bayesiano.
Nos detenemos en los dos últimos puntos y aclaramos las pruebas
propuestas y la estadística. Se propusieron quince tareas que abordan el
procesamiento numérico básico. Éste no es banal ya que avanzar en este
procesamiento predice de forma muy eficaz futuros logros en matemáticas
(Schneider et al., 2016). Estas cuestiones fueron tales como contar
elementos, comparar conjuntos de puntos, decir si un número es mayor o
menor que otro dado (tanto variando la cercanía al cero de los dos
números como variando la cercanía entre ellos), estimar la posición
espacial en una línea numérica marcada de 0 a 100 y de 0 a 1000,
comparar un conjunto de elementos con una matriz de puntos, escuchar un
número y escribirlo, sumar y restar y multiplicar y dividir. El análisis
bayesiano que se aplicó a los datos obtenidos plantea la hipótesis de
la similitud de género y calcula la probabilidad de la misma en cada
tarea y en cada curso, desde 1º a 6º, por separado. Las únicas
diferencias detectadas fueron una ventaja para las niñas en la tarea de
recuento, pero sólo para las niñas de seis años, y una primacía de los
niños sobre las niñas en la ubicación de números en la recta numérica,
mayor cuando colocaban números sobre la recta del 0 al 1000 que cuando
lo hacían sobre la recta del 0 al 100, para niños de primero y de
segundo. Observaron, no obstante, que estas diferencias desaparecían en
cursos superiores. Por lo tanto, la conclusión del estudio de Hutchison
et al. fue rotunda: no existe diferencia de género en cuanto a la
capacidad de niños y niñas para afrontar con éxito tareas matemáticas.
Demostrar la similitud de género puede tener un efecto positivo sobre
maestros y padres que siguen subestimando la capacidad de las niñas
para las matemáticas. Muchas
veces, el efecto negativo que ejerce sobre ellas el estereotipo de que
sólo los chicos pueden ser buenos en matemáticas y la falsa creencia de
que son inferiores en su rendimiento matemático frente a sus compañeros
varones les lleva a limitarse, a boicotearse a sí mismas.
Este
estereotipo se mantiene por la idea equivocada que muchos padres tienen
sobre el rendimiento en matemáticas de sus hijas, con estimaciones
inferiores a la realidad, lo que genera una actitud negativa hacia esta
disciplina por parte de las niñas. A los seis años muchas niñas empiezan
a cuestionar su identidad condicionada en muchas ocasiones por
planteamientos estereotipados de roles femeninos. A partir de esta edad
las niñas se perciben como menos brillantes que sus compañeros y valoran
la bondad como una cualidad femenina y la genialidad como una cualidad
masculina (Bian et al., 2017). A los 16 años, incluso siendo mejores que
sus compañeros en asignaturas como física o matemáticas, las chicas no
eligen un bachillerato de ciencias o tecnológico (Hamzelou, 2014). Su
posible desarrollo académico y profesional en campos como la ingeniería
queda truncado por esta elección.
De hecho, el menor interés de las
chicas por carreras STEM ocasiona un porcentaje bajo de mujeres en estos
estudios (Nosek y Smyth, 2011), algunos de los cuales, en especial la
informática, tienen un futuro laboral excelente.
Las variables que influyen en las vocaciones femeninas son enormemente variadas y,
por tanto, no es conveniente hacer inferencias simplistas con datos
empíricos como las calificaciones en las matemáticas de secundaria, los
resultados en pruebas PISA o similares, el número y calificaciones de
las estudiantes universitarias, el éxito de las egresadas o el
porcentaje de catedráticas de matemáticas en las universidades. Lo que
sí podemos asegurar es que cualquier aprendizaje es más costoso sin una
motivación que a su vez se refuerce con ilusión y altas expectativas
propias y ajenas. Así, no hay ninguna razón para desanimar a las niñas
en desarrollar su carrera personal en las carreras STEM (o en cualquier
otra).
El futuro no está escrito. Estamos convencidos de que el conocimiento
que va adquiriendo un niño o una niña tiene que ir más allá del
currículo escolar. La pasión por aprender, también en las matemáticas,
surge del diálogo en el hogar y en cualquier ambiente que enriquezca las
vivencias del niño y satisfaga su curiosidad por conocer. Es
indispensable apreciar la variabilidad del cerebro humano, la
neurodiversidad, y ser conscientes, sobre todo como educadores, de que
no existen dos clases de cerebros, uno de mujeres y otro de hombres,
sino uno solo estructurado como un mosaico en el que prevalecen aspectos
comunes. Desde este hecho científicamente probado (Joel et al., 2015)
una educación personalizada evitaría injusticias y sesgos en la
formación de niños y niñas. Con el propósito de avanzar hacia una
sociedad más justa, al aceptar este mosaico irrepetible que constituye
el cerebro humano, tomemos en cuenta las diferencias individuales y
pongamos el foco de atención en una educación más equilibrada, inclusiva
y equitativa.
Referencias:
- Berkowitz T, Schaeffer MW, Maloney EA, Peterson L, Gregor C, Levine
SC, Beilock S (2015) Math at home adds up to achievement at school.
Science 350(6257): 196–198. DOI: 10.1126/science.aac7427
- Bian L, Leslie SJ, Cimpian A (2017) Gender stereotypes about
intellectual ability emerge early and influence children’s interests.
Science 355(6323): 389–391. DOI: 10.1126/science.aah6524
- Feigenson L, Dehaene S, Spelke E (2004) Core systems of number.
Trends in cognitive sciences 8(7): 307–314. DOI:
10.1016/j.tics.2004.05.002
- Fennema E (1974) Mathematics learning and the genders. Journal for
Research in Mathematics Education 5: 126–129. DOI: 10.2307/748949
- Halpern DF (1986) Gender differences in cognitive abilities. Hillsdale, NJ: Erlbaum.
- Hutchison J, Lyons I, Ansari D (2019) More similar than different:
Gender differences in basic numeracy are the exception, not the rule. Child Development 90(1): e66–e79. DOI: 10.1111/cdev.13044
- Hyde JS, Fennema E, Lamon SJ (1990) Gender differences in
mathematics performance: A meta-analysis. Psychological Bulletin 107(2)
139–155. DOI: 10.1037/0003-066x.60.6.581
- Joel D, Berman Z, Tavor I, Wexler B, Gaber O, Stein Y, Shefi N, Pool
J, Urchs S, Margulies DS, Liem F, Hänggi J, Jäncke L, Assaf Y (2015)
Sex beyond the genitalia: The human brain mosaic. Proceedings of the
National Academy of Sciences of the USA 112(50): 15468-15473. DOI:
10.1073/pnas.1509654112
- Kanjlia S, Lane C, Feigenson L, Bedny M (2016) Absence of visual
experience modifies the neural basis of numerical thinking. Proceedings
of the National Academy of Sciences of the USA 113(40): 11172-11177 DOI:
10.1073/pnas.1524982113
- Park J, Brannon EM (2014) Improving arithmetic performance with number sense training: An investigation of underlying mechanism. Cognition 133(1): 188–200. DOI: 10.1016/j.cognition.2014.06.011
- Piazza M, Pinel P, Le Bihan D, Dehaene S (2007) A Magnitude Code
Common to Numerosities and Number Symbols in Human Intraparietal Cortex.
Neuron 53: 293–395. DOI: 10.1016/j.neuron.2006.11.022
- Szkudlarek E, Brannon EM (2017) Does the approximate number system serve as a foundation for symbolic mathematics? Language Learning and Development 13(2): 171–190. DOI: 10.1080/15475441.2016.1263573.
"Yo no quiero vivir en un sociedad de mujeres sumisas,
maltratadas, asesinadas. 
