Le competenze linguistiche e il ragionamento sono tra i fattori che aiutano a prevedere il rendimento in matematica, insieme alla familiarità con i numeri. Lo indica un’analisi di 122 batterie di test, pubblicata il 5 luglio 2026 sul Journal of Intelligence, che suggerisce anche come gli errori degli studenti possano offrire indizi sulle difficoltà che un punteggio complessivo non mostra.
La ricerca è stata guidata da Daniel Hajovsky, professore associato al Dipartimento di psicologia dell’educazione della Texas A&M University. Gli autori hanno confrontato valutazioni cognitive e scolastiche per esaminare i rapporti tra diverse abilità e conoscenze matematiche, calcolo, risoluzione dei problemi e velocità di esecuzione. Una batteria di test è un insieme di prove che misurano capacità cognitive o comportamentali; tra gli strumenti di questo tipo c’è il test cognitivo Wechsler, usato comunemente per valutare le capacità intellettive dei bambini.
Tra i fattori più costantemente associati al rendimento in matematica sono emersi il ragionamento fluido e le conoscenze di comprensione, che comprendono linguaggio, vocabolario e ragionamento verbale. Anche il senso del numero — la comprensione generale dei numeri e delle relazioni tra loro — è risultato importante.
«Nel nostro studio abbiamo scoperto che il senso del numero, cioè la comprensione generale della matematica e delle relazioni tra i numeri, era altrettanto importante e costituiva una solida base per le successive abilità matematiche», ha detto Hajovsky. «Le capacità cognitive sono importanti per l’apprendimento e i risultati scolastici, ma non sono l’unico elemento che determina le abilità matematiche di una persona».
Il ragionamento fluido consiste nel ricavare conclusioni per deduzione o induzione. La deduzione applica una regola generale a un caso specifico; l’induzione parte da osservazioni particolari per formulare una conclusione più ampia. Questa capacità può aiutare a capire quali informazioni sono rilevanti quando si affronta un problema nuovo.
«L’esempio che mi piace usare per spiegare il ragionamento fluido è: “Quanto è bravo uno studente a imparare un gioco che non richiede regole o conoscenze pregresse?”», ha detto Hajovsky. «Quando si ragiona autonomamente, si continuano a usare conoscenze e informazioni verbali, ma il ragionamento fluido aiuta a capire quali informazioni sono pertinenti e quali no».
Le conoscenze di comprensione, invece, permettono di interpretare informazioni nuove facendo ricorso a ciò che si sa già e ai propri schemi interpretativi. Hajovsky le paragona alle capacità richieste in una parte del test di ammissione alle facoltà di giurisprudenza, che richiede di comprendere un testo e collegarlo alle conoscenze pregresse.
«Sono importanti per la lettura e la scrittura, e ora vediamo che lo sono anche per la matematica», ha detto.
Secondo Hajovsky, queste abilità continuano a svilupparsi con il tempo e l’impegno, dentro e fuori dalle lezioni di matematica. I loro legami possono riguardare anche attività apparentemente lontane tra loro. In psicologia, il cosiddetto «manifold positivo» descrive il fatto che i risultati ottenuti in un’attività mentale tendono a essere correlati positivamente con quelli ottenuti in altre.
«Per esempio, la capacità di manipolare rompicapi visivi e ruotarli mentalmente è correlata positivamente allo sviluppo del vocabolario. Entrambe le attività attingono allo stesso motore mentale che sostiene le prestazioni in questi compiti cognitivi distinti», ha detto.
Gli autori ritengono che comprendere meglio queste relazioni possa contribuire a sviluppare metodi di screening per individuare precocemente gli studenti che hanno bisogno di sostegno. Hajovsky propone di osservare non soltanto i punteggi, ma anche gli schemi degli errori: questi potrebbero aiutare a distinguere le difficoltà concettuali, legate per esempio al linguaggio o al ragionamento, da quelle di efficienza, e a orientare di conseguenza l’insegnamento.
«Invece di concentrarci sui punteggi degli studenti, possiamo prestare attenzione agli schemi degli errori che commettono, così da individuare con precisione le maggiori necessità di apprendimento», ha detto.
Lo studio individua associazioni tra abilità cognitive e rendimento matematico, ma non dimostra che le prime causino direttamente il secondo. Le capacità cognitive, sottolinea Hajovsky, non sono l’unico elemento che determina le competenze matematiche di una persona.
La ricerca, intitolata «Cognitive–Mathematics Relations: A Meta-Analysis of Norm-Referenced Standardized Test Batteries», è firmata da Christopher R. Niileksela, Daniel B. Hajovsky, Francisco Philippe Cocar-Montenegro, William Joel Schneider, Dawn P. Flanagan e Vincent C. Alfonso. È stata pubblicata il 5 luglio 2026 sul Journal of Intelligence. DOI: 10.3390/jintelligence14070142
