6-B Teorías factoriales de la

Inteligencia

Aplicaciones
Investigación Factorial posterior a 1993
Lo que sabe la
nariz

Inteligencia tactil
Aplicaciones de las Teorías Factoriales de 
Inteligencia: 

El modelo de P.L. Ackerman para explicar las DDII en 
el aprendizaje de destrezas (competencias).
* Hasta 1965

* Desde 1965

* Modelo de Ackerman

* Aplicación al entrenamiento con videojuegos
Hasta 1965

1. Cómo medir lo aprendido: Ganancia como índice 
de aprendizaje?

2. Relación entre ensayos – medidas de ejecución

3. Práctica y variabilidad

4. Asociación aptitud‐ejecución
Simplex
Práctica y variabilidad

1. Medida de la ejecución: (a) TR; (b) logro
A: 8“ por problema A: ? por problema
Entrenamiento
B: 10” por problema B: ? por problema
Investigaciones con TR: < variabilidad interindividual con la práctica
Investigaciones con logro: resultados mixtos (un descenso uniforme en TR da lugar a DDII cada 
vez más grandes.

2. Tipo de tarea: (a) muy consistentes; (b) poco consistentes

Tareas consistentes y ejecución medida con TR:  < variabilidad interindividual con la práctica.
Tareas no consistentes: la variabilidad interindividual permanece o aumenta.

3. Medida de la variabilidad: (a) CV [M/Varianza]; (b) Variabilidad Media; (c) Sx.
Con métrica de TR, tareas consistentes, la variabilidad de la ejecución decrece con la práctica.
Aptitud ­ Ejecución Fleishman (1967): Tareas perceptivo‐motoras. 
Las rxy aptitud‐ejecución cambiaron en función 
de la práctica.
1. Aprendizaje como proceso : fases

2.   Características de la tarea: Consistencia, Transfer, 
Complejidad

3.   Características de las Personas: Capacidad General, 
Velocidad Perceptica, Aptitud Psicomotora

4.   Modelo Integrado: Cilindro de Ackerman
 Poca rapidez Aumenta rapidez  Rapidez y 
Error y Disminuye el  Exactitud
error

Fase Cognitiva Fase Asociativa Fase Autónoma FITTS

Estadio Declarativo Complilación de conocimiento          Estadio procedimental        ANDERSON

Procesamiento  Procesamiento Mixto Procesamiento                  SCHNEIDER  &     

Controlado SCHIFFRIN
 Características de las  Características de las 
Tareas Personas

Transfer: positivo; negativo Inteligencia general

Consistencia Velocidad perceptiva

- +

Complejidad Aptitud psicomotora

- +
Modelo Integrado: cilindro de Ackerman (1988)

1. Punto de partida

Radex de Guttman

N g
complejidad
F
 Suma, Resta,
Multiplicación

Juicios numéricos
División
Comparación números
W Dígitos (d e i)
Razonamiento aritmético W Claves
Amplitud numérica
(visual) W Búsqueda de
Símbolos
Amplitud numérica
(auditiva) Operaciones aritméticas Figuras Idénticas
Rendimiento
cuantitativo Analogías numéricas

Reconoc Series de
Anagramas imiento Raven Desarrollo de Superficies Banderas
de W letras
Doblado
Vocabul vocabulario Analogías de papel
ario verbalesAnalogías
Formación geométricas Cartas
de Mecanos
conceptos
verbales W Cubos
Escuchar y
comprender
Recuerdo
párrafos W
Rompecabezas
Palabras que
empiecen o acaben
igual Comprensión W Figuras
lectora incompletas
Sinónimos
 2. Incluye una dimensión más al Radex de Guttman

P.L. Ackerman
V
N g Complejidad Fase 1
F
Velocidad

Velocidad perceptiva Fase 2

Aptitud psicomotora
Fase 3

Fases del proceso de 
aprendizaje de destrezas
 Principios de una teoría integradora de diferencias individuales y 
adquisición de destrezas. (Ackerman, 1988)

Para una tarea moderadamente compleja y que requiere procesar información 
predominantemente consistente, la correlación entre las capacidades y el 
rendimiento en la tarea depende de la capacidad y la fase de aprendizaje.

+ + Velocidad Perceptiva + Aptitud Psicomotora
Capacidad General

r r
r

0 0 0
1 2 3 1 2 3 1 2 3

Fases del aprendizaje: 1. cognitiva, 2. asociativa y 3. autónoma.
Aplicación del Modelo de P. L. Ackerman a 
la práctica con Video Juegos
Punto de partida: ¿Qué correlaciones cabe esperar entre g y ejecución 
según tipo de video juego, a lo largo de la práctica? [plicación del modelo de 
Ackerman].

0,80

0,70

0,60

0,50

0,40

0,30

0,20

0,10

0,00
1 2 3 4 5 6 7 8 9 10

(a) (b)

a: Tarea consistente, de complejidad media y en la que no se produce transfer.

b: Tarea poco consistente, de complejidad media y en la que no se produce transfer. 
Primer estudio: Big Brain Academy para Wii®

Correlación ejecución­g
1,0
0,8
0,6
0,4
0,2

(r) 
0,0
‐0,2
‐0,4
1. Algunos vídeo‐juegos requieren Inteligencia ‐0,6
no sólo al comienzo sino siempre que se juegan, la  ‐0,8
ejecución no se automatiza y las correlaciones de la  ‐1,0
Inteligencia con el rendimiento en el juego se  1 2 3 4 5 6 7 8 9 10
mantienen constantes (Recuerdo Inverso, BBA) o  Bloques de problemas
aumentan (Tren, BBA). Por tanto cada vez que se 
Mazomáticas Recuerdo Inverso Tren
juegue se requerirá activar la Inteligencia.

2.   Es posible identificar las características de los  N= 27, 17 mujeres  (MEDAD= 21,5; SD=1,4)
vídeo‐juegos que promueven el uso de capacidades 
2 semanas (100 problemas)
cognitivas centrales como g.
 Hipótesis rival

Con más entrenamiento las correlaciones entre Inteligencia y Rendimiento en 
los Vídeo‐Juegos disminuirán, incluso para el juego más visoespacial (“Tren”).
Segundo estudio: Big Brain Academy para Wii®
a: Tarea que se aprende
b: Tarea que no se aprende 1,00
0,80

Correlation with cognitive ability

0,60
0,40
0,20
0,00
-0,20 1 2 3 4 5

-0,40
El más rápido
-0,60
-0,80
-1,00
Weeks of practice

Expected pattern (a) Expected pattern (b)

Obtained pattern Speed Sorting Obtained pattern Train

N= 27 mujeres (MEDAD= 21; SD=1,54)
5 semanas de entrenamiento (250 
problemas)
Quiroga et al. (In Press)
Se rechaza la Hipótesis rival.

La inteligencia correlaciona con el rendimiento en el Juego del 
Tren de forma estable y alta desde el primer ensayo hasta el 
25º (se confirman los resultados del Primer Estudio).

La correlación entre inteligencia y el rendimiento en 
exclusión es alta en el primer ensayo y a partir de ahí decrece 
sistemáticamente (sólo requiere Inteligencia al comienzo del 
juego).
Tercer estudio: Big Brain Academy para Wii© [g, MT y VP]

¿Han automatizado la destreza? De no ser así, ¿En qué fase del proceso de 
aprendizaje se encuentran?
0,80

0,60

0,40

0,20

0,00
gf
-0,20 MTs
PSA
-0,40

-0,60

-0,80
 Conclusiones Finales

1.  El patrón de correlaciones muestra el efecto que tiene la práctica extensa 
(intensa).

2.  Tres grupos de participantes, pero el mismo resultado.

3.  Tres baterías para medir inteligencia, pero el mismo resultado..

Si el juego es de complejidad media­alta (dificultad), sin posibilidad de transfer (ni 
positivo ni negativo) y la consistencia de la tarea se halla en lo motor, no en lo 
cognitivo…

La inteligencia correlaciona con el rendimiento en el juego, no sólo al 
inicio sino tras una práctica prolongada. El juego no se automatiza. 
Jugar repetidamente supone activar recursos mentales.
Aplicaciones
Personnel Selection Applications
Intelligence Measurement
1. GMA predicts achievement (on the game) in 
the long run. 1. Game selection through discrimination and 
After 13 playing hours difficulty indexes. Final set comprises 18 
New fields games.
.61*** Explorations
IQ 2. A total game score (max 18) is calculated. 
.57*** Solving new problems
Reliability for this score is high (α = .94).
For each extra 2 IQ points, 1 extra problem is solved.
3. The scores at the games show correlations 
with intelligence measures as large as 
2. GMA predicts time required to complete the 
task (β = ‐.49) .
correlations among these measures.
IQ ≥  IQ< 
100 100
DAT-AR .52**
1 2 3 4 5 6 7 8 9 1 1 1 1 1 1
0 1 2 3 4 5
DAT-VR .43**
Time needed to solve the video game
DAT-SR .55**
IQ .57**
3. Three groups of games (reasoning, verbal, and 
spatial). Different content domains are associated 
with distinguishable ability profiles. References
Ackerman, P. L. (1988) Individual differences and skill 
.43***
DAT­AR acquisition. In P. L. Ackerman, R. J. Sernberg, & R. Glaser 
Reasoning DAT­ (Eds.), Learning and individual differences: Advances in 
DAT­VR .26ns AR
games .21ns Spatial .29* DAT­ theory and practice (pp. 165–217). New York: W.H. 
.41** DAT­SR games VR Freeman and Company.
DAT­
DAT­AR .53***
.45** SR
Quiroga, M.A., Herranz, M., Gómez‐Abad, M., Kebir, M., Ruiz, 
Verbal games .52*** DAT­VR J. & Colom, R. (2009). Video‐games: Do they require 
DAT­SR general intelligence? Computers and Education, 53, 414‐
.54***
418. 

Quiroga et al. (2009)