Training sulla memoria di lavoro e sulla matematica per bambini con difficoltà di apprendimento

della matematica: prove da un’implementazione su larga scala

Dichiarazione sull’impatto e le implicazioni educative

Gli studi che esaminano la memoria di lavoro e i programmi di training matematico per bambini a rischio di
difficoltà di apprendimento della matematica sono aumentate in modo esponenziale nell’ultimo decennio.
Attualmente, i risultati suggeriscono che programmi di formazione matematica possono avvantaggiare in
misura maggiore questi bambini. I risultati richiamano anche all’attenzione sulla traduzione dei programmi
di formazione basati sul laboratorio in strumenti per supportare l’insegnamento, ma anche su come
superare le limitazioni delle strutture scolastiche reali.

Gli studi epidemiologici suggeriscono che circa il 6%-14% di bambini in età scolare hanno persistenti
difficoltà con la matematica, nonostante adeguate opportunità di apprendimento e risultati adeguate
all’età in altri ambiti. Queste difficoltà di apprendimento hanno portato ad accrescere una maggiore ricerca
su come fornire un sostegno adeguato ai bambini con difficoltà di apprendimento della matematica.
Obiettivo di questa ricerca è quello di determinare l’efficacia di un intervento di formazione sulla memoria
di lavoro e sulla matematica per bambini con difficoltà di apprendimento matematico. Si propone, inoltre,
di illustrare le sfide e i limite degli interventi su larga scala nei contesti di apprendimento della vita reale.

Disturbi dell’apprendimento della matematica: un disturbo misto

Il termine difficoltà di apprendimento della matematica (Math Learning Difficulties – MLD) è utilizzato per
indicare difficoltà in una varietà di abilità matematiche che non possono essere spiegate da scarsa
intelligenza, problemi neurologici o istruzioni inadeguate. Nonostante i crescenti numeri di ricerche su
MLD, le cause rimangono sconosciute e gli schemi di bambini e adulti con tali difficoltà sono ancora
discusse. Tra gli studi che hanno cercato di suddividere i tipi e le origini della MLD figura quello di
Karagiannakis et. al (2014), che ha suggerito quattro tipi di disturbi cognitivi: 1) Conoscenza dei numeri di
base; 2) Recupero ed elaborazione della memoria; 3) Ragionamento; 4) Difficoltà visuospaziali. Quindi le
difficoltà della matematica sono legate a meccanismi e costrutti cognitivi, come la memoria di lavoro (WM),
la memoria a lungo termine (memoria semantica), funzioni esecutive, recupero dei fatti e anche
l’elaborazione delle grandezze numeriche, che vengono attivate nel contesto delle prestazioni
matematiche. Tra questi meccanismi, la memoria di lavoro è uno dei processi cognitivi più frequenti alla
base delle difficoltà matematiche. Secondo Baddeley (2012), la memoria di lavoro si riferisce alla capacità di
conservare e simultaneamente elaborare la stessa o altre informazioni. L’abilità di aggiornare le
informazioni in modo efficiente è un processo chiave nella componente esecutiva della memoria di lavoro
ed è considerata una capacità chiave che influisce sulla capacità. Ci sono prove che la memoria di lavoro è
significativamente correlata alle difficoltà di apprendimento della matematica. Infatti, è stato suggerito che
i bambini a rischio di difficoltà di apprendimento della matematica possono essere identificati all’ingresso
della scuola sulla base della loro scarsa capacità nella memoria di lavoro. Si pensa che la memoria di lavoro
sia implicata in molteplici passaggi necessari a memorizzare, richiamare e ricordare informazioni numeriche
durante i compiti di matematica. È stato anche riscontrato che i bambini con MLD sono caratterizzati dalla
difficoltà di elaborazione della grandezza numerica e del concetto di numero. Ad esempio, Bull et al. (2021)
hanno scoperto che una scarsa abilità di stima della linea numerica nella scuola dell’infanzia caratterizza
bambini a rischio di sviluppare MLD nella scuola elementare. Infatti, gli screening (metodologia di
rilevazione precoce) della MLD presentano compiti che valutano abilità di base come il confronto numerico
e la mappatura da non simbolico a simbolico. Questo collegamento tra meccanismi cognitivi e difficoltà
matematiche ha stimolato la ricerca finalizzata alla progettazione di primi interventi incentrati su questi
particolari aspetti numerici e cognitivi.
Interventi formativi nella memoria di lavoro

La capacità di updating1 o la memoria di lavoro sono diventati un target di intervento popolare. Sebbene
concettualmente distinti, la memoria di lavoro e l’updating sono strettamente associati a livello di
misurazione. L’idea che una scarsa memoria di lavoro possa porre vincoli alle altre funzioni cognitive più
elevate suggerisce che, se la formazione può migliorare la memoria di lavoro o l’updating (cioè near-
transfer effects) (transfer2), ciò dovrebbe produrre far-transfer effects a diversi compiti di cui non è stato
fatto training, ma che comportano l’attivazione delle risorse della memoria di lavoro. Sebbene la maggior
parte dei programmi di training sulla memoria di lavoro abbia utilizzato partecipanti adulti, ci sono evidenze
che il training della memoria di lavoro produca vantaggi anche per i bambini. Infatti, i guadagni in termini di
formazione dovrebbero essere più evidenti nei bambini, soprattutto perché il tasso di sviluppo della
memoria di lavoro aumenta significativamente durante l’infanzia. La maggior parte delle prove sul training
della memoria di lavoro proviene da Cogmed, un programma commerciale ampiamente disponibile che si
concentra sulla formazione della memoria di lavoro visuospaziale. Tuttavia, ci sono anche prove da altri tipi
di training e paradigmi sulla memoria di lavoro. Ad esempio Ang et al. (2015) hanno trovato che il training
dell’updating ha comportato miglioramenti della memoria di lavoro negli studenti delle scuole primarie
subito dopo il test (near-transfer effect), che sono stati sostenuti e significativi 6 mesi dopo il training.
Sebbene diverse metanalisi e revisioni sistematiche abbiano suggerito che il training incrementi solo
temporaneamente la capacità di memoria di lavoro dei bambini, rimane controverso se tali miglioramenti
rappresentino aumenti sostanziali della capacità di memoria di lavoro. Shipstead et al. (2012), ha fornito
una revisione completa degli studi Cogmed e ne ha sottolineati diversi problemi che includevano la scarsa
replicabilità dei risultati, limitazioni metodologiche come l’assenza di un gruppo di controllo e, soprattutto,
problemi concettuali relativi al modo in cui i miglioramenti della memoria di lavoro sono valutati negli studi
che hanno utilizzato la formazione Cogmed. Hanno scoperto che la maggior parte degli studi ha utilizzato
compiti di span semplice o compiti di memoria a breve termine che non mettono alla prova la capacità
della componente esecutiva della memoria di lavoro, che era stata trovata più strettamente correlata al
successo nella matematica. In effetti, questo è un problema che influisce sull’interpretazione dei risultati
della metanalisi, man mano che la memoria di lavoro migliora, gli aspetti che non sono stati formati
direttamente vengono spesso chiamati far-transfer effects, che è un termine usato spesso per definire
miglioramenti in domini che non sono della memoria di lavoro. C’è anche una mancanza di consenso sul
fatto che i miglioramenti della memoria di lavoro siano stabili nel tempo. Infatti, recenti revisioni
suggeriscono che i miglioramenti della memoria di lavoro svaniscono una volta terminata la formazione. Le
prove sono contrastanti anche quando si tratta di come i miglioramenti nella memoria di lavoro si
traducano in miglioramenti nei risultati in matematica (far-transfer effetcs3). Ad esempio, Söderqvist e
Bergman Nutley (2015) hanno scoperto che il training Cogmed ha migliorato i risultati in matematica dei
bambini. Allo stesso modo Holmes et al. (2009), utilizzando la formazione Cogmed con bambini di 10 anni,
hanno riscontrato un miglioramento nei punteggi di ragionamento matematico 6 mesi dopo l’allenamento.
Tuttavia, poiché il gruppo di controllo in questo studio non è stato ritestato nel post-test non è chiaro se il
miglioramento può essere attribuito al training. Problemi simili sorgono anche da altri studi che non hanno
incluso un gruppo di controllo. Infatti, i far-transer effect sui risultati si sono dimostrati sfuggenti in
condizioni sperimentali più rigorosi come gli studi randomizzati controllati (RCT). Ad esempio, Dunning et
al. (2013) lavorando con bambini di otto anni con scarsa memoria di lavoro, hanno scoperto che Cogmed
non aveva migliorato le prestazioni nelle misure standardizzate di lettura e matematica. Infatti, gli effetti

1
Ovvero sostituire le informazioni non più rilevanti con quelle nuove, in accordo agli scopi del compito.
2
Un transfer nell’apprendimento si verifica quando una determinata acquisizione precedente è in grado di
influenzare un apprendimento successivo da parte del medesimo individuo.
3
Effetti di trasferimento lontani
del training sulla memoria di lavoro non sono stati osservati nelle attività di classe che somigliavano al
training (ad esempio, seguire istruzioni vocali in più fasi). Studi che hanno aderito ai progetti RCT, ma hanno
considerato le popolazioni tipiche hanno anche mostrato far-transfer effects nulli. Altri programmi di
formazione della memoria di lavoro hanno prodotto risultati simili. Di recente, nel tentativo di replicare il
far-transfer effect riportato in Ramani et al. (2017), i medesimi autori hanno scoperto che i miglioramenti
nella capacità di memoria di lavoro dei bambini dell’asilo non si sono tradotti in miglioramenti nelle loro
abilità matematiche. Ad ogni modo, metanalisi più recenti e complete e revisioni sistematiche suggeriscono
che esiste un legame debole tra i miglioramenti della memoria di lavoro e il rendimento in matematica nei
bambini.

Interventi di formazione numerica

La forza dell’associazione tra abilità di numerazione di base e successivamente la matematica ha anche

stimolato gli sforzi per sostenere i bambini che sono alle prese con la matematica. Sebbene alcuni di questi
programmi si siano concentrati sul rafforzamento delle capacità aritmetiche dei bambini (perché scarse
abilità di tipo aritmetico nella scuola formale sono uno dei primi degni di MLD), altri si sono concentrati
sugli elementi costitutivi dell’aritmetica (ad es. comprendere i concetti di più o meno, più grande e più
piccolo, abbinare numeri simbolici e rappresentazioni non simboliche, discriminazione di due numeri o due
matrici di oggetti, e identificando la posizione di un numero su una retta numerica). Testimonianze da
programmi di sviluppo professionali e adattamenti curriculari suggeriscono un chiaro collegamento tra lo
sviluppo di tali abilità e i risultati in matematica dei bambini. Altri studi, che si sono focalizzati su training di
matematica specifica e sulle abilità numeriche, hanno anche fornito prove positive. Per esempio,
nonostante il legame tra l’elaborazione della grandezza simbolica e non simbolica è ampiamente discussa.
Hyde et al. (2014) hanno scoperto che i bambini addestrati al confronto non simbolico, utilizzando un
compito di discriminazione numerica, hanno mostrato miglioramenti nella matematica simbolica rispetto
ad un gruppo di controllo. Il compito di discriminazione numerica è pensato per attivare l’approximate
number system (ANS), che contribuisce alla comprensione delle grandezze numeriche. Ci sono anche prove
sostanziali che la l’abilità di stimare la linea dei numeri, che riflette la conoscenza dei bambini delle relazioni
tra i numeri e della comprensione delle addizioni e sottrazioni, possono essere efficacemente allenate.
Anche altri studi che hanno affrontato diversi aspetti contemporaneamente hanno riscontrato effetti
positivi. Per esempio, giocare a giochi da tavolo con numeri lineari come “The Number Race”, che implica
confronti di grandezze numeriche e problemi aritmetici, migliora la conoscenza dei numeri. Allo stesso
modo, Wilson et al. (2009) hanno scoperto che giocare a “The Number Race” ha aumentato l’abilità dei
bambini per quanto riguarda le grandezze numeriche. Inoltre, ci sono prove che il training sulle abilità di
numerazione precoce possono avere un impatto maggiore sui risultati in matematica dei bambini, rispetto
ad altri programmi che affrontano abilità dominio-generali. Ad esempio, Ramani et al. (2020) hanno
studiato i vantaggi del training delle abilità dominio-specifiche e dominio-generale (memoria di lavoro –
updating) in bambini in età prescolare, riscontrando che solo i bambini a cui era stata assegnata la
condizione dominio-specifica (giocare a giochi che prevedevano conteggio e confronto numerico) hanno
sperimentato miglioramenti nelle abilità matematica (misurati come variabili latenti che includevano sia
abilità numeriche di base che abilità aritmetiche). Allo stesso modo, Nemmi et al. (2016) hanno scoperto
che un programma di training numerico, basato sulla stima della linea dei numeri, ha prodotto vantaggi in
matematica in bambini di 6 anni, mentre un training della memoria di lavoro no. Tuttavia, le dimensioni
dell’effetto dei programmi di training di matematica rimangono piccole e le prove di effetti far-transfer
(cioè miglioramenti in abilità diverse da quelle allenate) sono contrastanti. Ad esempio, Räsänen et al.
(2009) hanno trovato miglioramenti sui compiti di cui era stato fatto il training, o compiti strutturalmente
equivalenti, dopo aver giocato a The Number Race, ma non sono stati osservati cambiamenti nelle capacità
di stima della linea numerica. In modo simile, Toll e Vam Luit (2013) hanno scoperto che i bambini che
hanno ricevuto una formazione su abilità più complesse, che includevano la conoscenza
dell’apprendimento procedurale e concettuale del conteggio, erano migliorati nell’aritmetica rispetto a un
gruppo di controllo, ma non avevano superato i loro pari nella stima della linea numerica. Inoltre, problemi
metodologici simili a quelli menzionati sopra (per quanto riguarda i programmi di training della memoria di
lavoro) sorgono anche nel contesto degli studi sul training della matematica. Diversi problemi che
influenzano la forza delle evidenze del training persistono in letteratura, come l’inclusione di gruppi di
controllo senza contatto o l’assenza del gruppo di controllo stesso. Altre problematiche derivano dalla
misurazione delle capacità attraverso singoli compiti, utilizzando come risultato le attività che sono
allineate ai compiti addestrati. Inoltre, altro limite deriva dalla mancanza di test successivi.

Lacune attuali nella letteratura

Sebbene il numero degli interventi sulla memoria di lavoro e sul calcolo per bambini più piccoli sia
notevolmente aumentato durante l’ultimo decennio, ci sono ancora lacune nella letteratura che richiedono
ulteriori indagini. Ad esempio, la maggior parte delle evidenze sui miglioramenti della memoria di lavoro,
dopo il training, si riferisce a miglioramenti su compiti di span semplice o prestazioni medie su attività di
span semplice e complesso, che sono deboli indicatori della memoria di lavoro. Pertanto, sono necessarie
ulteriori prove per quando riguarda i miglioramenti sui compiti della memoria di lavoro che riflettano in
modo più adeguato le complessità e le funzioni della capacità di memoria di lavoro del bambino. In questo
studio, abbiamo utilizzato una combinazione di compiti di span complessi e di updating, sia per il training
che per la valutazione, per garantire che stessimo prendendo di mira il miglioramento della componente
esecutiva della memoria di lavoro. Una possibile ragione dell’assenza di un far-transfer effects negli studi
sui training della memoria di lavoro, è che richiede migliori prestazioni matematiche più che migliorate
capacità della memoria di lavoro. In particolare, anche se è stato sostenuto che sono necessarie ulteriori
indicazioni, istruzioni o rinforzi per aiutare i partecipanti ad applicare le loro nuove conoscenze e
competenze a nuovi compiti o situazioni, un’altra possibile ragione è che i protocolli di training della
memoria di lavoro sono di solito “senza numero”. In altre parole, l’utilizzo di stimoli non numerici durante il
training della memoria di lavoro, può limitare il transfer alle abilità matematiche o numeriche. Questo è
ancora più critico per i bambini con MLD. Un crescente numero di studi richiede che il training sulla
memoria di lavoro sia incorporato all’interno di attività tipiche in cui sono necessari benefici. Sebbene ci
siano alcune prove che ciò possa essere vantaggioso, non sappiamo se gli effetti di tali programmi si
mantengano nel tempo. Inoltre, non è noto come gli interventi sulla memoria di lavoro e sul calcolo
influiscano sulla velocità con cui si sviluppano le abilità matematiche. In particolare, se l’intervento altera il
corso temporale dello sviluppo o la variabilità nella velocità di miglioramento. Molte capacità cognitive
aumentano in modo lineare nelle fasi iniziali e poi si stabilizzano nel corso dello sviluppo, il che può influire
sull’interpretazione degli effetti ritardati o a lungo termine. Inoltre, periodi di intervento prolungato
possono essere più efficaci nel migliorare le abilità che si sviluppano naturalmente in periodi di tempo più
lunghi. Sebbene la memoria di lavoro possa contribuire alla fluidità aritmetica, ci sono altri fattori che
contribuiscono a tale fluidità e si basano su una vasta gamma di esperienza con i numeri. Queste possibilità
sottolineano la necessità di una maggiore durata dei training, per indagare come gli effetti dei programmi
di intervento si sviluppano nel tempo e differiscono dal trend normativo. Inoltre, non sappiamo se i
bambini con MLD, o a rischio di MLD, possono trarre maggiori benefici dall’uno o dall’altro tipo di
trattamento per migliorare le loro abilità matematiche. La maggior parte degli studi sui training della
memoria di lavoro hanno preso come soggetti target bambini con sviluppo tipico che presentavano disturbi
comportamentali, come il disturbo da deficit di attenzione e iperattività. Tra gli studi che hanno preso come
soggetti target i bambini a rischio di difficoltà di apprendimento matematico e quelli con bassa capacità di
memoria di lavoro, alcuni di essi non hanno incluso i protocolli di training sia della memoria di lavoro che
della numerazione, altri hanno considerato lo stato socioeconomico (SES) come criterio di inclusione, e altri
ancora non hanno incluso un gruppo di controllo adeguato o mostra questioni metodologiche come quelle
menzionate sopra. Inoltre, non si sa se gli effetti positivi che hanno riportato in ambienti sperimentali o
controllati in laboratorio possano essere replicati in contesti di apprendimento reali. Anche se alcuni studi
su piccola scala hanno implementato studi basati sul laboratorio in classe, i requisiti e le impostazioni di
questi studi imitano ancora gli ambienti controllati dal laboratorio, piuttosto che il vero contesto di
apprendimento. La traduzione dei programmi di training richiede supporto e monitoraggio individuali, il che
è impegnativo in ambienti di apprendimento tipici con tempo curriculare limitato.

Lo studio attuale

Abbiamo progettato tre differenti interventi di memoria di lavoro-updating e di numerazione basati sul
gioco: solo memoria di lavoro (WM-only); numerico-memoria di lavoro (Numeric-WM); e solo numerico
(Numeric-only). Tali interventi sono stati informatizzati, auto-amministrati e implementati in un ambiente
di classe come parte delle attività normalmente programmate per 1 anno. I partecipanti erano bambini di
prima elementare identificati dalle scuole come aventi difficoltà in matematica. Il principale quesito di
ricerca era se questi protocolli di training migliorassero la capacità della memoria di lavoro-updating e una
gamma di abilità di matematica e numerazione, inclusa la discriminazione numerica non simbolica, la
capacità di stima della linea numerica e abilità misurate da un test standardizzato di rendimento in
matematica. Ci aspettavamo che tutti e tre gli interventi producessero effetti di facilitazione nei rispettivi
domini, non eravamo tuttavia sicuri che gli effetti positivi si sarebbero mantenuti una volta interrotto
l’intervento e se ci sarebbe stato un transfer ad abilità non addestrate (far-transfer effects). Eravamo
particolarmente interessati e ci aspettavamo che la condizione Numeric-WM (in cui il contenuto numerico
era incorporato nel training della memoria di lavoro) avrebbe prodotto il massimo miglioramento.

Metodo

Campione

I bambini sono stati reclutati tra coloro che frequentano il Learning Support Program for Mathematics
(LSM), un programma offerto ai bambini che potrebbero non avere le competenze fondamentali necessarie
in matematica e aritmetica di base all’ingresso scolastico. Circa il 5%-6% dei bambini che accedono alla
Primary 1 a Singapore si iscrivono nel programma LSM, che si allinea con i tassi di prevalenza esistenti dei
bambini a rischio di MLD. Un totale di 428 bambini in 63 scuole primarie in tutta Singapore è stato reclutato
(età media= 83.9 mesi, deviazione standard età= 4.35 mesi; 41% femmine) da 569 bambini sottoposti a
screening per la capacità di memoria di lavoro, la fluidità matematica e la capacità di lettura. Dei 428
bambini, 216 sono stati iscritti sia a LSM che a Language Support Program (LSP): questo programma è
progettato per gli studenti con bisogno di supporto in inglese, la lingua di istruzione. La maggior parte dei
bambini reclutati (82%) aveva una bassa capacità di memoria di lavoro. Loro avevano ottenuto un
punteggio pari o inferiore al 20° percentile dei punteggi sullo stesso compito di memoria di lavoro da un
gruppo di età simile in un precedente studio longitudinale con bambini di Singapore. La maggior parte dei
bambini proveniva da famiglie con una mediana di reddito familiare mensile di $ 5.000, misurato su una
scala a 8 punti da meno di $ 2.000 a oltre $ 14.000 in gradazioni di $ 2.000. Ciò si confronta con una
mediana della popolazione di $ 9.023. I bambini sono stati raggruppati in base ai punteggi degli screening e
divisi in modo casuale in otto gruppi basati su un disegno fattoriale 2 (raggruppamento difficoltà: LSM vs
LSM+LSP) x 4 (condizione di allenamento: WM-only [WM], Numeric-WM [NWM], Numeric [NUM], vs
gruppo di controllo attivo [AC]). Per ottenere una distribuzione equilibrata, un numero simile di bambini da
ogni classe era assegnato a ciascuno degli 8 gruppi. Un ANOVA non ha rilevato differenze nelle misure di
screening tra le condizioni di trattamento.

Materiali

Una batteria di compiti per valutare la capacità iniziale dei partecipanti e le competenze matematiche, così
come la loro capacità di memoria di lavoro-updating, somministrata in ogni time-point (quattro time-point).
I compiti erano suddivisi in 3 serie di attività somministrate in 3 sessioni. Ogni serie impiegava dai 40 ai 45
minuti per essere somministrata.

Capacità memoria di lavoro-updating

Misurata con 4 compiti (Running Letters task, Keep Track task, N-Back task, and Complex Span task). In tutti
I compiti I bambini hanno fornito le loro risposte verbalmente mentre l’esaminatore ha scritto le loro
risposte su un modula di registrazione. Un punteggio elevato indicava una migliore capacità di updating.
Inoltre, prima di ogni compito e blocco di stimoli, uno sperimentatore addestrato spiegava i meccanismi del
compito o blocco con delle flashcard. Tutte le attività sono state informatizzate e sono state utilizzate in
diversi studi che affrontano l’associazione tra funzioni esecutive e la matematica nei bambini piccoli.

Il compito Running Letters task era basato sul paradigma running span di Pollack et al. Inizialmente, si
valutava la conoscenza del bambino delle lettere usate nel compito (B, F, K, H, M, Q, R, X). Dopo, veniva
mostrata ai bambini una serie di lettere una alla volta (intervallo inter-stimolo di 1.500 ms e 500 ms) e
veniva chiesto loro di ricordare l’ultima lettera (aumentata a due, tre e quattro nei blocchi successivi) alla
fine di ogni prova. Ai bambini non veniva detto quanti items dovevano essere presentati. Questo compito
comprendeva quattro blocchi di compiti; ogni blocco aveva tre prove di pratica seguite da 6 prove
sperimentali. L’attività era interrotta se i partecipanti ottenevano meno di tre prove corrette per blocco. La
misura dipendente era il numero totale di lettere richiamate correttamente, indipendentemente dalla
sequenza in cui le lettere venivano presentate.

Il compito Keep Track task, era basato sul paradigma Keep Track di Yntema (1963). In primo luogo, ai
bambini sono state mostrate cinque categorie (lettere, sport, mestieri, colori e animali) e gli esemplari (4
foto) ciascuno, per assicurarsi che sapessero a quale categoria ciascuna immagine apparteneva. Dopo, ai
bambini veniva mostrata una serie di immagini una alla volta (intervallo inter-stimolo di 1.500 ms e 500 ms)
e veniva loro chiesto di richiamare l’ultimo stimolo mostrato in ogni categoria (aumentato a due, tre e
quattro categorie nei blocchi successivi) alla fine di ciascuna prova. Ai bambini non è stato detto quante
immagini dovevano essere presentate. Questo compito comprendeva 4 blocchi di prove (ogni blocco aveva
tre prove di pratica seguite da 6 prove sperimentali). Il compito era interrotto se i partecipanti ottenevano
meno di tre punteggi corretti per blocco. La misura dipendente era il numero totale di prove corrette.

Il compito N-Back task, richiedeva ai bambini di decidere se ogni lettera in una sequenza era
corrispondente a quella apparsa un n di lettere prima. Prima abbiamo valutato la conoscenza dei bambini
delle lettere utilizzate come stimoli (B, F, K, H, M, Q, R, X). Dopo, ai bambini veniva mostrata una lista di
lettere una alla volta (intervallo inter-stimolo 1.500 ms e 500 ms) e si chiedeva loro di indicare se la lettera
presentata era corrispondente a quella che era apparsa una lettera prima (aumentata a due e tre lettere
nei blocchi successivi). Le risposte verbali erano richieste solo per le corrispondenze positive (risposta “sì”).
Questo compito comprendeva tre blocchi; ogni blocco aveva una lista di pratica di 16 lettere, in cui cinque
erano corrispondenze positive (cioè “sì”, per esempio: B D K K F X … per blocco #1, dove la seconda K indica
il target), seguita da tre liste sperimentali di 16 lettere (ogni lista comprendeva cinque corrispondenze
positive). 30-s di pausa erano inclusi tra ogni lista di lettere. La distribuzione di corrispondenze positive in
ogni lista di lettere variava tra le liste. Il compito veniva interrotto se i partecipanti non riuscivano a
identificare meno di 10 (su un massimo di 15) corrispondenze positive per blocco. La misura dipendente era
il numero totale di corrispondenze positive corrette.

Il compito Complex Span task si basava sulla versione breve del Rotation task di Foster et al. I bambini
vedevano prima una lettera presentata normalmente o speculare, che veniva ruotata sul suo asse verticale.
Il loro compito era quello di determinare se la lettera ruotata era stata presentata normalmente o
speculare. Dopo ai bambini veniva presentata una freccia che puntava in una di otto direzioni. Veniva
quindi loro chiesto di ricordare la direzione delle frecce. Il numero di coppie di lettere e frecce variava da
due a nove per prova, e i bambini ricordavano le frecce nell’ordine in cui erano presentate. Questo compito
comprendeva quattro blocchi di prove; ogni blocco aveva tre prove pratiche seguite da 6 prove
sperimentali. Nel blocco #1, i bambini dovevano ricordare l’ultima coppia di lettere e frecce che era
presentata in ogni prova; nel blocco #2 le ultime due coppie e così via. Il compito era interrotto se i
partecipanti ottenevano meno di tre prove corrette per blocco. La misura dipendente era il numero totale
di prove corrette (frecce).

Competenze matematiche precoci (stima della linea numerica e acutezza nella discriminazione numerica)

Abbiamo utilizzato due misure che sono state ampiamente utilizzate negli studi che hanno indagato le
competenze di base fondamentali che supportano l'acquisizione di abilità matematiche nei bambini in età
scolare. Per esempio, si ritiene che le scarse capacità di stima della linea numerica caratterizzino i bambini a
rischio di sviluppare MLD nella scuola elementare. Allo stesso modo, la capacità di discriminazione
numerica di bambini con difficoltà matematiche e discalculia è significativamente più povera rispetto a
quella dei loro coetanei con risultati tipici.

Nel Number-Line task, i bambini avevano il compito di indicare su quale punto di una linea dovrebbe andare
un numero dato. I bambini avevano il compito di risolvere due diverse versioni del compito (0-10 e 0-100).
Su ogni problema, un numero compreso tra 1 e 9 (e 1 e 99 nella versione 0–100) è stato presentato insieme
a una riga numerica orizzontale al centro dello schermo di un computer, con 0 all'estremità sinistra e 10
all'estremità destra (e 0 e 100 nella versione 0–100). I bambini completavano quattro prove di pratica,
dopodiché i numeri rimanenti venivano presentati, uno alla volta senza feedback. Tutti i numeri da 1 a 9
erano presentati nel compito da 0 a 10. Ogni numero era presentato due volte per calcolare un
posizionamento medio. Nella versione da 0 a 100, solo i numeri 3, 4, 6, 8, 12, 14, 17, 18, 21, 24, 25, 29, 33,
39, 42, 48, 52, 57, 61, 64, 72, 76, 79, 81, 84, 88, 90, 94 e 96 sono stati presentati una volta. La competenza
nella stima della linea numerica era basata sulla percentuale di errore assoluto (PAE). Il PAE è stato
calcolato come [(numero effettivo stimato - numero target presentato) /scala della linea numerica] 3 100.
Un PAE inferiore indica migliori capacità di stima.

Nel Numerical Discrimination task, ogni prova consisteva nella presentazione di due matrici di punti sullo
schermo di un computer che venivano descritte ai bambini come monete da collezionare. Le matrici erano
presentate per 2 s, dopodiché appariva una schermata che mostrava due punti interrogativi. Al bambino
veniva chiesto di indicare quale display ha mostrato più monete premendo un tasto corrispondente al lato
della matrice più numerosa. Il feedback era fornito dopo ogni prova, e dopo ogni 20 prove veniva
presentato uno schermo di feedback per incoraggiare il bambino. Vi erano un totale di 100 prove. La misura
dipendente era la percentuale di prove corrette.

Conquista matematica

Le abilità matematiche sono state misurate con tre compiti con carta e penna (operazioni numeriche,
risoluzione di problemi matematici e fluidità matematica subtest del WIAT-III, Wechsler, 2009). Il WIAT-III è
uno strumento frequentemente utilizzato per misurare il rendimento scolastico dei bambini e per
identificare le difficoltà di apprendimento della matematica. Ogni attività misura un aspetto diverso delle
abilità matematiche che i bambini dovrebbero sviluppare nel corso del primo anno di scuola.

Il subtest di fluidità matematica è composto da 48 somme per l'addizione e la sottrazione e richiede il

completamento da parte dei bambini di quante più somme possibili in ogni set entro un minuto. Il
punteggio grezzo era il numero totale di problemi di addizione e sottrazione risolti correttamente entro il
termine del tempo.

Il subtest delle operazioni numeriche valuta le abilità nell'identificare e scrivere numeri, contare a memoria,
produzione di numeri, risoluzione di problemi di calcolo scritti e semplici equazioni, attingendo alle
operazioni di base di addizione, sottrazione, moltiplicazione e divisione.

Il subtest per la risoluzione dei problemi di matematica è un test di risoluzione dei problemi verbali che (per
questa fascia di età) misura la capacità di contare, identificare forme geometriche e risolvere singoli e
molteplici problemi di parole con l'ausilio di segnali visivi. Per entrambi i compiti, il test veniva interrotto
dopo che il bambino dava sei risposte errate consecutive. Nelle analisi sono stati utilizzati punteggi grezzi.

Intervento (training)

Vi erano quattro protocolli di training basati su giochi computerizzati (WM, Numeric NWM, NUM e AC). Nel
training WM, ai bambini veniva assegnata una serie di attività che richiedevano l'archiviazione,
l'aggiornamento e il recupero di informazioni secondo i quattro paradigmi precedentemente descritti in
“Capacità memoria di lavoro-updating”. Nella formazione NWM i bambini erano testati con attività simili,
ma con l’utilizzo di stimoli numerici. In entrambi i compiti, la difficoltà aumentava con il progredire del
training. Ciò era effettuato aumentando il numero di item che i bambini dovevano ricordare da uno a
quattro, oltre che a passare da elementi facili da codificare (ad esempio, frutti nella training WM e simboli
numerici nel training NWM) a elementi difficili da codificare (ad esempio, estranei nel training WM e
grandezze non simboliche nel training NWM). Il training NUM non aveva componenti mnemoniche. Le
attività includevano transcodifica tra grandezze numeriche simboliche e non simboliche, stima della linea
numerica, confronto delle grandezze numeriche e addizione e sottrazione di piccoli numeri. La difficoltà in
questo gioco veniva manipolata in funzione della dimensione dei numeri o del rapporto tra i numeri nel
caso delle attività che richiedevano il confronto tra grandezze. I bambini assegnati alla condizione AC erano
esposti agli stessi stimoli mostrati nel gioco WM, ma non avevano il compito di archiviare e richiamare
informazioni (la fase di richiamo non era inclusa). Al termine di ogni prova (indipendentemente dal
trattamento del training), i bambini ricevevano feedback sotto forma di badge e monete d’oro virtuali che
servivano a migliorare gli aspetti non giocabili del gioco, che erano relativi alla progressione di ciascun
partecipante nel gioco. Durante la prima sessione di training, ai bambini venivano fornite le istruzioni del
gioco, che erano incorporate in una trama (storyline). Ciascuna delle condizioni di trattamento includeva
quattro temi e un metastoria generale per mantenere il coinvolgimento. I giochi di training erano svolti su
tablet touchscreen identici di 7 pollici e le risposte dei bambini erano registrate sul tablet. Abbiamo raccolto
i dati riguardanti la quantità complessiva di esperienza che hanno avuto sul gioco (ad esempio, percentuale
di gioco completata) e il tempo che i bambini hanno speso a giocare.

Procedura

I bambini sono stati testati individualmente quattro volte: pre-test, a metà intervento, post-test immediato
e post-test ritardato. Il pre-test e l'immediato post-test corrispondevano rispettivamente all'inizio e alla fine
del training computerizzato. L'intervento veniva avviato subito dopo il pre-test. L'intervento è stato
pianificato in modo da essere somministrato due o tre volte alla settimana (10-15 minuti per sessione) per
40 settimane durante le sessioni LSM, che sarebbero equivalenti a circa 24 ore di allenamento.

Approccio Analitico
Abbiamo utilizzato un modello di curva di crescita latente multi-gruppo (MG-LGC) per stimare gli effetti del
trattamento sulla traiettoria longitudinale e sul tasso di crescita della capacità di updating della memoria di
lavoro, di calcolo precoce, e delle abilità matematiche. I dati dei gruppi di training e di controllo attivo sono
stati analizzati separatamente e simultaneamente. Per ciascuna curva di crescita, l'intercetta corrispondeva
alla prestazione sull'abilità modellata all'inizio dell'intervento. Abbiamo adottato l'approccio descritto in
Muthén e Curran (1997) per testare l'efficacia dei vari trattamenti di training. Innanzitutto, abbiamo
studiato la forma della curva di crescita per ciascuna delle quattro condizioni. Quindi, abbiamo modellato
un MG LGC (???) per ciascuna variabile di risultato in cui le stime di crescita (intercetta, pendenza e le
corrispondenti varianze e covarianze) erano vincolate all'uguaglianza tra le condizioni. Muthén e Curran
(1997) le hanno definite stime normative. Simultaneamente, abbiamo stimato due ulteriori fattori di
crescita lineare per ciascuno dei tre gruppi di training. Il primo fattore di crescita aggiuntivo (G1) ha
misurato la crescita dall'inizio dell'intervento all'immediato post-test; il secondo fattore di crescita
aggiuntivo (G2) misurava la crescita dall'immediato post-test al post-test ritardato. Le medie di G1 e G2
corrispondono alle differenze del tasso di crescita rispetto al tasso di crescita normativo (immediato e
ritardato o effetti del trattamento a lungo termine, rispettivamente (???)). Poiché lo studio è stato
implementato durante il normale orario di lezione, le differenze nell'esposizione al training con i giochi
probabilmente influirebbero sui risultati del training. Pertanto, abbiamo incluso la percentuale di gioco
completato come covariante che ha influenzato gli effetti del trattamento G1 e G2. La covarianza tra la
percentuale di gioco completato e i fattori di crescita normativi (intercetta e lineare e pendenze
quadratiche (???)) era fissata a zero perché questi fattori di crescita riflettevano la tendenza normativa, per
la quale non vi era alcun effetto ipotizzato dell'esposizione al gioco. Le misure WM-updating e le misure
matematiche sono state modellate come due diverse variabili latenti dal WIAT. Anche se le variabili latenti
offrono vantaggi, rispetto alle variabili manifeste o osservate, trattando ipotesi statistiche e correggendo
l'errore di misurazione, richiedono anche forti ipotesi sull'invarianza della struttura fattoriale nel tempo
quando viene specificato un modello di crescita. Se i fattori sottostanti sono sostanzialmente diversi, allora
non vi è alcuna base per interpretare le differenze osservate o il modello di crescita nel tempo. Pertanto,
abbiamo condotto un'analisi di misurazione dell’invarianza per ogni costrutto latente. I punteggi fattoriali
derivati da queste analisi sono stati utilizzati come variabili di risultato nel corrispondente modello di
crescita. (… → la parte mancante mi rifiuto di tradurla per ovvi motivi).

Risultati

Medie e deviazioni standard per tutte le variabili di risultato e i punti temporali (per condizione di
trattamento) sono mostrati nella Tabella 1.

Visti i risultati delle singole analisi di gruppo e che la media del termine quadratico era significativamente
diverso da zero per tutte le misure di risultato e i gruppi di trattamento, una curva quadratica normativa è
stata specificata. Il modello utilizzato per studiare gli effetti del trattamento durante il periodo di intervento
e gli effetti a lungo termine sei mesi dopo (rispettivamente G1 e G2) è mostrato nella Figura 1.

Si noti che questo modello è un modello condizionale che riflette gli effetti dell'intervento in contesti di vita
reale, dove il training è auto-somministrato e l’esposizione al gioco (% di gioco completato) può variare tra i
bambini. Infatti, abbiamo anche riscontrato differenze significative nella progressione del gioco tra le
condizioni di training. In particolare, la progressione del gioco nei giochi di allenamento WM e NWM era
sostanzialmente più piccola (vedi Figura 2, pannello di sinistra).

La metà dei bambini assegnati a questi protocolli di training aveva completato appena il 20% del gioco.
Dato che il tempo di gioco medio era simile in tutte le condizioni di training (vedere la figura 2, pannello di
destra), una progressione di gioco così limitata potrebbe essere dovuta alle differenze nella difficoltà del
gioco o all’impegno cognitivo che richiedeva ai bambini dei training WM e NWM. C'erano differenze
sostanziali nella progressione del gioco tra le tre condizioni di trattamento. Tuttavia, non eravamo
interessati solo a confrontare gli effetti del trattamento tra le condizioni di training, ma volevamo anche
sapere se erano presenti differenze tra ciascuna condizione di trattamento e la condizione AC (cioè se i
bambini hanno beneficiato di uno qualsiasi dei trattamenti), l'efficacia del training era stata stimata in base
alla percentuale di gioco completato all'interno di ogni condizione di trattamento. A causa delle differenze
nella progressione del gioco, gli effetti del trattamento stimati per le varie condizioni erano, in sostanza, gli
effetti del trattamento al tasso medio di progressione in ogni condizione (20% per WM e NWM e 60% per
NUM).

Effetti del trattamento

Con queste considerazioni in mente, abbiamo prima indagato se le differenze tra le condizioni di
trattamento esistevano all'inizio dell'intervento. A tal fine, abbiamo vincolato lo stato iniziale a essere
uguali in tutte le condizioni di trattamento, il che non ha portato a un deterioramento in Model fit. Gli indici
Model fit del modello restrittivo erano più piccoli di quelli del modello originale (non restrittivo) per tutte le
condizioni di trattamento (vedere Tabella 1, pannello superiore).

Ciò significa che non esistevano differenze tra le condizioni di trattamento all'inizio dell'intervento e la
pseudo-randomizzazione ha funzionato in modo appropriato. Stime dei parametri di questo modello
restrittivo sono mostrati nella Tabella 1 (pannello inferiore). Anche se il nostro campione includeva bambini
con due diversi profili di difficoltà (ad esempio, i bambini che ricevono supporto per la matematica e quelli
che ricevono sia supporto matematico che linguistico), non hanno beneficiato in modo diverso dai training.
In linea con i risultati delle analisi dei singoli gruppi, questo modello ha dimostrato che c'è stata una crescita
significativa nel tempo, ma anche una significativa decelerazione per la maggior parte delle misure di
risultato (l'unica eccezione è la stima della linea numerica 0–100). Il modello ha rivelato che l'entità
dell'effetto immediato del trattamento (G1) varia in funzione dell'esperienza dei bambini con i giochi (% di
gioco completato) per la maggior parte delle variabili di risultato (l’unica eccezione è la stima della linea
numerica 0-100). I bambini che hanno avuto più esperienza con i giochi hanno mostrato un tasso di crescita
maggiore. Questo era evidente anche nei bambini assegnati alle condizioni WM e NWM (anche se non
hanno prodotto alcun effetto significativo del trattamento complessivo). In altre parole, i tassi di crescita
del WM-updating, durante il periodo di intervento, erano maggiori per i bambini che erano progrediti di più
nell'intervento rispetto a quelli che erano progrediti di meno, quando si confrontano ai tassi di crescita
nella condizione AC. Allo stesso modo, i bambini che hanno completato una percentuale maggiore del
training NWM hanno beneficiato maggiormente del training rispetto a coloro che lo avevano completato di
meno per NWM (questi risultati sono applicati alla matematica, alla stima della linea numerica e alla
capacità di discriminazione numerica). Un significativo effetto del trattamento è stato riscontrato per
entrambi i compiti di stima della linea numerica. Bambini nella condizione NUM hanno mostrato una
crescita più ripida in entrambe le attività. I vantaggi corrispondevano al compito da 0 a 10 sostenuto nel
tempo. La scoperta che G2 non era significativo indica che i bambini hanno mostrato una crescita simile a
quelli del gruppo AC una volta terminato l'intervento. Poiché i bambini nella condizione di training NUM
hanno mostrato un miglioramento maggiore alla fine dell'intervento, il risultato mostra che i bambini del
gruppo AC non hanno raggiunto quelli del training NUM. Al contrario, il coefficiente positivo di G2 nel
compito da 0 a 100 indica che l'effetto dell'intervento è svanito. I bambini nella condizione AC hanno
mostrato una diminuzione più ripida (cioè, PAE più piccoli) rispetto a quelli assegnati alla formazione NUM
una volta terminato l'intervento. Curiosamente, anche i bambini nella condizione NWM hanno mostrato un
deterioramento della loro accuratezza sul compito della stima da 0 a 100 al post-test ritardato. A differenza
dei bambini nella condizione NUM, questi bambini non hanno beneficiato in modo significativo della
formazione nell'immediato post-test. Pertanto, i risultati suggeriscono che i bambini nella condizione NWM
hanno avuto performance peggiori rispetto a quelli nella condizione AC al post-test ritardato. L'analisi ha
anche rivelato che i bambini nel training NWM hanno mostrato una crescita più ripida nelle capacità di
discriminazione numerica una volta che l'intervento è stato interrotto (effetti a lungo termine).

Conditional Treatments Effects

Poiché la progressione complessiva nelle condizioni WM e NWM era bassa, abbiamo condotto un'ulteriore
serie di analisi per stimare l'efficacia del trattamento (così come il potenziale del trattamento) quando i
bambini erano in grado di progredire ulteriormente nell'intervento. Piuttosto che suddividere
semplicemente il campione in gruppi più piccoli e concentrarci sui bambini che hanno completato una
percentuale specifica del gioco, abbiamo stimato l'effetto condizionale della covariante a,
approssimativamente, l'interquartile superiore del gioco sperimentato per ogni condizione di training (cioè,
la covariante era centrata al 30% per WM e NWM e 80% per NUM). Questo approccio ha il vantaggio di
utilizzare l'intero campione ed è strutturalmente lo stesso modello di quello riportato in precedenza. Stime
dei parametri dell’analisi condizionale sono riportate nella Tabella 2.

A percentuali più alte di gioco completato (interquartile superiore, 30% per WM e NWM e 80% per NUM), i
vantaggi del training NUM sono più evidenti. Per esempio, i vantaggi immediati (G1) in entrambi i compiti di
stima della linea numerica sono rimasti una volta terminato l'intervento (cioè, l'effetto G2 non significativo
indica che le differenze osservate nell'immediato post-test sono rimaste al post-test ritardato). Inoltre, i
bambini assegnati alla condizione di training NUM hanno anche mostrato tassi di crescita maggiori nelle
abilità matematiche che erano già evidenti nell'immediato post-test e persistevano una volta che
l'intervento veniva interrotto (cioè l’effetto a lungo termine non significativo (G2) indica che le differenze
tra i gruppi NUM e AC non variavano dall'immediato post-test al post-test ritardato). Gli effetti a lungo
termine del trattamento, per quanto riguarda il compito di discriminazione numerica, sono stati osservati
anche nei bambini assegnati al training NUM. Al contrario, non vi era alcuna prova che percentuali più
elevate di gioco completato nel training WM influissero sul potenziale di trattamento. Allo stesso modo, il
potenziale di trattamento del training NWM non è cambiato in modo sostanziale a percentuali più alte di
gioco completato. È stato riscontrato solo un effetto positivo per quanto riguarda l’abilità di stima della
linea numerica (compito 0-10).

Discussione

Anche se il numero di studi sui training della memoria di lavoro e della matematica è aumentato in modo
esponenziale durante l'ultimo decennio, non è chiaro se i bambini con MLD (o a rischio) possono trarne
beneficio. Probabilmente, l'idea che il training della WM possa effettivamente migliorare la capacità della
WM e (indirettamente) contribuire alle prestazioni matematiche è allettante. In effetti, alcuni studi hanno
suggerito che l'effetto del training della WM potrebbe essere maggiormente evidente per coloro che hanno
una minore capacità di WM e difficoltà di apprendimento. Tuttavia, i nostri risultati non hanno mostrato
effetti di trasferimento vicino o lontano (near- e far-transfer effects) per il training WM nei bambini a
rischio di MLD. Poiché le difficoltà in matematica possono derivare dal dominio-generale (ad esempio,
memoria di lavoro, attenzione), dominio-specifico (ad esempio, elaborazione delle grandezze numeriche) o
una combinazione di entrambi i tipi di fattori, è stato suggerito che l'incorporamento del training della WM
e della matematica potrebbe essere più vantaggioso per gli studenti in difficoltà. Nello studio attuale, il
protocollo di training NWM incorporava attività numeriche con i training della memoria di lavoro. Ad
esempio, esso includeva un gioco che richiedeva ai partecipanti di stimare la posizione di un numero su una
linea numerica mentre memorizzavano (e richiamavano) le forme in cui ogni numero era incapsulato.
Abbiamo scoperto che il programma di formazione NWM ha indotto miglioramenti a lungo termine
nell’acuità della discriminazione numerica e che i bambini che avevano più esperienza con i giochi
mostravano anche migliori capacità di stima della linea numerica durante il training. Tuttavia, questi effetti
sono stati identificati anche nei bambini assegnati al training numerico (NUM). Dal momento che il training
NWM non ha prodotto alcun miglioramento nella memoria di lavoro-updating, è più probabile che il
miglioramento derivi dalla componente matematica del training. In questo senso, i nostri risultati sono
coerenti con altri studi che hanno scoperto che il training numerico può giovare ai bambini a rischio di MLD
in misura maggiore. Abbiamo scoperto che i bambini assegnati al training NUM hanno mostrato prestazioni
migliori, rispetto a quelli nella condizione AC, nelle loro capacità di stima della linea numerica. L'effetto
condizionale supportava anche il potenziale del trattamento. Quelli che avevano più esperienza con i giochi
hanno mostrato anche migliori abilità matematiche e acuità di discriminazione numerica. Sia la stima della
linea numerica che la discriminazione numerica facevano parte del training NUM. Questa specificità degli
effetti del training è stata osservata anche in altri studi sul training numerico, che si sono concentrati su
aspetti particolari dello sviluppo della matematica dei bambini. In effetti, i miglioramenti sui compiti che
sono stati addestrati sono la norma piuttosto che l'eccezione e possono essere considerati un segno del
potenziale del trattamento. Degno di nota è il fatto che i bambini che hanno completato l'80% del training
NUM, hanno mostrato miglioramenti nel fattore latente matematico che ne rifletteva altri rispetto alle
abilità che erano state addestrate. I nostri risultati suggeriscono che l'efficacia di interventi cognitivamente
gravosi possono ridursi se le risorse cognitive presenti sono molto limitate. Affinché un programma di
formazione sulla WM sia efficace, i bambini devono lavorare alla massima capacità della memoria di lavoro,
il che significa in condizioni di maggiore carico cognitivo. La maggior parte dei bambini nel nostro studio
avevano una capacità di WM inferiore al 20° percentile. È possibile che, sebbene i giochi di intervento siano
stati adattati, le richieste del compito possano aver sovraccaricato le limitate risorse cognitive di questi
bambini. Pertanto, non hanno potuto beneficiare del training. La limitata progressione del gioco dei
bambini assegnati a entrambe le condizioni di training della WM, sebbene non decisive, sono coerenti con
questa interpretazione e può illustrare come questi bambini hanno lottato con prove che coinvolgevano
items difficili da ricodificare fonologicamente (estranei). Queste prove sono state presentate quando i
bambini avevano completato circa il 30% del gioco. Considerando che i bambini sono stati in grado di
eseguire relativamente bene le prove Span-3 e -4 (quando oggetti familiari come i frutti sono stati
presentati) hanno fallito nelle prove Span-1 e -2 quando si ricordano oggetti non familiari coinvolti (ogni
item estraneo includeva caratteristiche morfologiche uniche per supportare la codifica in memoria—
sinuoso, appuntito). Si noti, inoltre, che sia il training WM che le misure di risultato WM miravano all’abilità
della WM-updating, che possono attivare richieste computazionali più pesanti rispetto ad altri compiti
semplici di span della memoria di lavoro, che mirano più alla memoria a breve termine verbale o visiva,
come quelli inclusi nel training Cogmed. In effetti, Shavelson et al. (2008) hanno utilizzato il training
Cogmed e non hanno trovato prove di near-transfer effects quando sono stati utilizzati compiti di span
complessi della WM.

Inoltre, si potrebbe sostenere che il protocollo auto-somministrato potrebbe essere responsabile del
limitato training/esposizione, vincolando quindi la nostra interpretazione per quanto riguarda il potenziale
effetto dei corsi di training della WM. Tuttavia, risultati simili sono stati riportati in altri studi su larga scala
con bambini possedenti caratteristiche simili e esposizione "adeguata" al training. Ad esempio, i bambini di
Roberts et al. (2016) erano inferiori al 15° percentile in un compito che misurava la capacità della WM e
venivano somministrato dosaggi specifici (numero di sedute) del training Cogmed. Tuttavia, non è stato
osservato alcun miglioramento. Anche questo è in linea con i risultati di due metanalisi sull'efficacia del
training della memoria di lavoro in bambini con bassa capacità nella WM. Ad esempio, Peijnenborgh et al.
(2016) si sono concentrati sull'ADHD e hanno scoperto che i programmi di training della memoria di lavoro
sembrano più efficaci per i bambini più grandi rispetto a quelli del presente studio (10 anni).
Recentemente, Aksayli et al. (2019) hanno ampliato sostanzialmente il corpus di queste metanalisi e hanno
scoperto che i programmi di training della WM, come Cogmed, non esercitano maggiori benefici per gli
individui con bassa WM. Infatti, Nemmi et al. (2016) hanno scoperto in un training di WM e di matematica
computerizzato con bambini di 6 anni, che i vantaggi maggiori sono legati a bambini con migliori risultati in
matematica e una migliore capacità nella WM.

Anche se non è stato riportato nella sezione risultati, non abbiamo trovato che i bambini con diverse
esigenze di supporto (matematica vs. matematica e linguaggio) abbiano beneficiato in modo diverso dai
trainings. Tuttavia, i bambini che avevano ricevuto sostegno sia in matematica che in lingua avevano scarsa
capacità nella WM-updating e nelle abilità matematiche e di calcolo precoce. Considerando che le difficoltà
linguistiche potrebbero aver influito sulle prestazioni, nei compiti che comportavano una componente
verbale (ad esempio, la risoluzione di problemi matematici), bambini nel gruppo LSM+LSP (quelli che hanno
ricevuto sia supporto matematico che linguistico) hanno anche mostrato prestazioni inferiori nei compiti
che misuravano altre abilità numeriche di base che non si basano sulla competenza linguistica. Ad esempio,
nel compito di discriminazione numerica, i bambini avevano il compito di indicare semplicemente quale
delle due matrici di punti erano più grandi (cioè confronto di grandezza non simbolica). Ciò suggerisce che i
bambini nel gruppo LSM+LSP hanno più difficoltà radicate che vanno al di là delle loro capacità cognitive e
linguistiche. Questo si allinea con alcune ricerche sulla comorbilità delle abilità di lettura e di matematica,
che hanno suggerito un modello multideficit, che coinvolge fattori eziologici condivisi e influenzano sia
aspetti verbali che non verbali dello sviluppo del bambino. Questa scoperta si aggiunge anche alla ricerca
esistente sulle difficoltà di apprendimento della matematica e suggerisce che i deficit vanno oltre fatti
matematici e semplici calcoli, che sono aspetti fondamentali per determinare la prevalenza di MLD
all'ingresso nella scuola formale in molti paesi.

Gli effetti del training si mantengono nel tempo?

Abbiamo riscontrato effetti a lungo termine per quanto riguarda i compiti sulla linea dei numeri e la
matematica nei bambini che avevano più esperienza con i giochi; le differenze che sono state osservate al
post-test immediato erano ancora evidenti 6 mesi dopo. Ciò suggerisce che l'intervento ha contribuito al
perfezionamento del sistema numerico da parte dei bambini. Un modello diverso è stato trovato per
quanto riguarda la capacità di discriminazione numerica; i bambini che avevano completato una
percentuale più alta dei giochi NUM avevano iniziato a mostrare una migliore acuità di discriminazione
numerica rispetto ai bambini nella condizione AC, solo durante i 6 mesi successivi alla fine dell'intervento
(cioè, G2 era significativo). Anche se non possiamo concludere che tali differenze siano dovute
esclusivamente ai bambini nella condizione di training NUM, che hanno maggiore esperienza con il compito
di discriminazione numerica durante il periodo di intervento, questa scoperta suggerisce che tale
raffinamento del sistema numerico approssimato (ANS) emerge solo dopo una notevole pratica o
esperienza con i numeri. Si noti che anche i bambini nella condizione di training NWM hanno mostrato tassi
di crescita più ripidi durante il periodo post-intervento. Vale la pena ricordare che l'attuale studio ha
scoperto i modelli che influenzano l'interpretazione della sostenibilità nel contesto degli studi che hanno
indagato gli effetti a lungo termine senza un gruppo di controllo, così come gli studi che hanno considerato
periodi di intervento più brevi. Ad esempio, abbiamo scoperto che il trend normativo di tutte le misure di
risultato includeva una decelerazione della crescita (crescita non lineare), il che suggerisce che la mancata
identificazione degli effetti a lungo termine, in studi che non hanno incluso un gruppo di controllo, possano
semplicemente riflettere la non linearità della crescita dovuta ad artefatti del compito o limitazioni nelle
capacità cognitive, che influenzerebbe anche la traiettoria normativa. Allo stesso modo, il nostro studio
richiama l'attenzione sui risultati di studi che hanno preso in considerazione periodi di intervento più brevi
o non hanno studiato gli effetti a lungo termine. Ad esempio, al valore mediano della percentuale di gioco
completato, l'effetto immediato del training NUM sulla linea dei numeri da 0 a 100 era significativo, ma
l'effetto a lungo termine non lo era (i bambini nella condizione AC mostravano ancora una certa crescita
durante quel periodo e hanno avuto prestazioni a un livello simile rispetto a quelli del training NUM 6 mesi
dopo l'intervento). In modo simile, gli effetti dell'intervento, che riguardavano capacità di discriminazione
numerica dei bambini, emergevano solo a lungo termine.

Classroom Implementations of WM and Numeracy Training Programs Are Challenging

Sebbene i deficit cognitivi radicati dei bambini con (o a rischio) di MLD possano porre vincoli ai programmi
di training che sono cognitivamente impegnativi di per sé e richiedono un controllo faticoso e attenzione,
uno dei motivi della dimensione modesta dell’effetto è la natura autonoma dell'intervento. Uno dei vincoli
di progettazione per il nostro intervento è quello di allontanarsi dai progetti che richiedono un alto grado di
supervisione e monitoraggio, che è difficile da raggiungere nella maggior parte dei contesti scolastici tipici.
Agli insegnanti, nello studio corrente, non è stato chiesto di monitorare da vicino la progressione di ogni
studente ed è possibile che alcuni bambini non si siano impegnati con i giochi (i bambini con debole
capacità di WM sono generalmente disattenti e distraibili). Inoltre, va notato che gli interventi utilizzati nel
presente studio dovrebbero essere considerati più come supplementari rispetto alla normale istruzione
matematica, piuttosto che sostituire l'istruzione matematica stessa.

Vale la pena ricordare che è improbabile che gli insegnanti abbiano contribuito (direttamente o
indirettamente) alle basse percentuali di gioco completato nei bambini assegnati ai protocolli WM e NWM.
Per quanto possibile, abbiamo mirato ad ottenere una distribuzione equilibrata delle condizioni di training
all'interno di ogni classe. Cioè, lo stesso insegnante maneggiava diversi tablet che corrispondevano alle
quattro diverse condizioni. Gli insegnanti sono stati informati sulla natura dello studio, ma non sapevano
chi fosse assegnato a ciascuna condizione. Essi sono stati informati su come accendere e spegnere il tablet
e accedere/uscire dal gioco, ma l'implementazione del training non richiedeva che gli insegnanti guidassero
gli studenti nei giochi. Inoltre, il tempo di gioco (vedere Figura 2, sezione Risultati) è stato simile in tutte le
condizioni di trattamento, indipendentemente dalla difficoltà.

Va notato che lo studio soffriva anche di scarsa conformità, che rappresenta una grave minaccia per
l'ottenimento di potere statistico e per rilevare gli effetti dell'intervento (Jo, 2002). In media, i bambini
erano esposti ai giochi per circa 6 ore (intervallo = 0,6-24,2). Tra i motivi di scarsa conformità, gli insegnanti
hanno menzionato il frequente assenteismo dei bambini, il tempo limitato del curriculum, la necessità di
stabilire le priorità tra tempo del curriculum e tempo di gioco, e che alcuni bambini non avevano voglia di
giocare. Il tempo di gioco limitato potrebbe influire sull’esperienza dei bambini con i giochi (percentuale di
gioco completato), così come l'entità degli effetti riportati.

Per quanto ci riguarda, il nostro è il primo studio su larga scala che ha particolarmente mirato nell'adattare
e testare un programma di training autosomministrato per bambini a rischio di MLD e il fatto che lo studio
soffre di scarsa conformità indica che le implementazioni in contesti scolastici reali sono complesse e
possono essere influenzate da variabili non direttamente relative alla formazione stessa. Il fatto che gli
effetti significativi del trattamento sono stati trovati, nonostante queste limitazioni, suggerisce che tale
training debba essere ulteriormente perseguito. Si noti, inoltre, che i bambini nell’attuale studio
presentavano un'eziologia complessa che comprendeva difficoltà nelle abilità matematiche e linguistiche,
nonché difficoltà cognitive molto limitate, che potevano porre vincoli al training. I risultati richiamano
anche l'attenzione su futuri interventi e trainings, oltre che su studi che superino i limiti intrinseci dei
contesti scolastici reali. Studi futuri dovrebbero anche indagare se altri tipi di abilità matematiche sono più
sensibili all'intervento. Fornire un focus più equilibrato sul verbale e sulla memoria visuospaziale può essere
un buon modo di proseguire.