Identifying Early Mathematics Learning Difficulty Risk: A Cross-Sectional Evaluation of Rating- and Performance-Based Tiered Screening

Resumo Técnico: Identificação de Risco Precoce de Dificuldades de Aprendizagem em Matemática

Definição do Problema
A identificação precoce de dificuldades de aprendizagem em matemática (DAM) durante os anos pré-escolares é crítica para prevenir o fracasso acadêmico posterior, mas permanece metodologicamente complexa. Crianças em idade pré-escolar exibem alta variabilidade de desenvolvimento, e os indicadores de dificuldade podem se manifestar de formas distintas nos domínios comportamental, cognitivo e acadêmico. Uma abordagem de avaliação única é frequentemente insuficiente; medidas baseadas em desempenho fornecem evidências diretas de competência, mas são intensivas em recursos, enquanto medidas baseadas em escalas de avaliação oferecem eficiência prática, mas podem refletir percepções de informantes em vez de déficits objetivos. Além disso, o diagnóstico formal é muitas vezes inapropriado na primeira infância devido à falta de padrões de desempenho estabilizados, necessitando de uma perspectiva "orientada ao risco". A literatura carece de dados comparativos suficientes sobre como as ferramentas baseadas em escalas de avaliação e as baseadas em desempenho se relacionam entre si e como podem ser organizadas de forma otimizada dentro de uma estrutura de triagem sequencial para identificar DAM e dificuldades de aprendizagem (DA) mais amplas.

Metodologia
O estudo empregou um delineamento correlacional transversal com uma amostra de 111 crianças pré-escolares (idade média = 65,9 meses) de três contextos de jardim de infância no nordeste da Turquia. A pesquisa utilizou uma abordagem de avaliação multimétodo integrando três instrumentos distintos:

1. Triagem Comportamental Baseada em Escalas de Avaliação: A Escala de Triagem de Sinais Precoces de Dificuldade de Aprendizagem (LDESSS), uma ferramenta de relato dos pais que avalia os domínios de linguagem, cognitivo, psicomotor e socioemocional.
2. Avaliação Cognitiva Baseada em Desempenho: A Escala de Inteligência Anadolu-Sak (ASİS), focando especificamente no Índice de Capacidade de Memória (MCI) e um composto VSM–WoM (soma das subtestes de Memória Sequencial Visual e Palavras–Significados).
3. Avaliação Acadêmica Baseada em Desempenho: O Teste de Habilidade Matemática Precoce – Terceira Edição (TEMA-3), servindo como o principal critério para a competência matemática precoce.

A análise de dados incluiu correlações de Pearson, regressões lineares múltiplas e hierárquicas, e análises de validade de triagem (sensibilidade, especificidade, valores preditivos e análises de curva de Característica de Operação do Receptor [ROC]). As classificações de risco foram dicotomizadas em "em risco" e "não em risco" com base em pontos de corte inclusivos (ex: pontuações no TEMA-3 iguais ou abaixo do percentil 40) para maximizar a sensibilidade para fins de triagem inicial.

Principais Resultados

• Achados Correlacionais: As pontuações totais da LDESSS mostraram uma correlação negativa significativa com o desempenho no TEMA-3 ($r = -0,380$) e com indicadores cognitivos da ASİS. As pontuações da LDESSS explicaram um adicional de 14,2% da variância nas pontuações do TEMA-3 além da duração da frequência escolar pré-escolar. Notavelmente, a subescala de Linguagem e Comunicação da LDESSS predisse unicamente as pontuações do MCI.
• Validade de Triagem de Medidas Baseadas em Escalas de Avaliação (LDESSS): A LDESSS demonstrou alta sensibilidade para detectar risco de DAM (0,90) e risco de DA (0,91), minimizando efetivamente os falsos negativos. No entanto, apresentou baixa especificidade (0,35 para DAM; 0,33 para DA) e acurácia discriminativa modesta (AUC = 0,658 para DAM; AUC = 0,685 para DA). A subescala de Linguagem e Comunicação mostrou uma acurácia discriminativa ligeiramente melhor (AUC = 0,716) para o risco de DA.
• Validade de Triagem de Medidas Baseadas em Desempenho (ASİS): Os indicadores cognitivos demonstraram uma acurácia discriminativa significativamente mais forte. O MCI apresentou uma AUC de 0,855 com alta especificidade (0,87) e um valor preditivo positivo (VPP) de 0,81. O composto VSM–WoM apresentou uma AUC de 0,838 com especificidade extremamente alta (0,98) e VPP (0,96), embora com sensibilidade menor (0,48).
• Utilidade Comparativa: Enquanto as medidas baseadas em escalas de avaliação capturaram dificuldades observáveis amplas, as medidas cognitivas baseadas em desempenho forneceram evidências mais precisas sobre as vulnerabilidades cognitivas subjacentes à competência matemática.

Principais Contribuições
O estudo contribui para a área validando empiricamente os papéis complementares das avaliações baseadas em escalas de avaliação e baseadas em desempenho, em vez de tratá-las como alternativas concorrentes. Demonstra que:

1. Os indicadores comportamentais relatados pelos pais são ferramentas altamente sensíveis para a detecção inicial ampla, mas carecem da especificidade necessária para uma classificação definitiva.
2. Os indicadores cognitivos baseados em desempenho (especificamente MCI e VSM–WoM) oferecem precisão discriminativa superior para identificar crianças em risco real de DAM.
3. Os indicadores comportamentais relacionados à linguagem relatados pelos pais são particularmente informativos para detectar vulnerabilidades cognitivas mais amplas, não apenas déficits específicos em matemática.

Significância e Estrutura Proposta
Os autores propõem uma estrutura de triagem em níveis, baseada em evidências, que integra esses distintos tipos de avaliação em um processo sequencial:

• Nível 1 (Triagem Universal): Utilizar ferramentas comportamentais baseadas em escalas de avaliação de alta sensibilidade (ex: LDESSS) como um primeiro filtro eficiente para detectar amplamente o risco potencial e minimizar falsos negativos, reconhecendo que isso resultará em uma taxa maior de falsos positivos.
• N-2 (Refinamento Cognitivo): Aplicar indicadores cognitivos baseados em desempenho (ex: MCI e VSM–WoM da ASİS) às crianças sinalizadas no Nível 1. Estas medidas fornecem alta especificidade para refinar a classificação de risco e confirmar as vulnerabilidades cognitivas subjacentes.
• Nível 3 (Confirmação Acadêmica): Realizar avaliações acadêmicas de domínio específico (ex: TEMA-3) para confirmar fraquezas observáveis na competência matemática.

O artigo argumenta que esta abordagem em níveis é tanto psicometricamente sólida quanto pragmaticamente viável para triagens pré-escolares em larga escala. Aborda restrições logísticas utilizando relatos parentais de baixo custo para a triagem inicial, reservando testes diretos mais intensivos em recursos para o refinamento direcionado. Os autores concluem que a identificação precoce não deve depender de uma única medida, mas sim de um sistema de múltiplas fontes que aproveite as forças tanto da observação comportamental quanto do desempenho cognitivo para apoiar intervenções preventivas direcionadas.