Mapeo de la actividad eléctrica cerebral del razonamiento abstracto mediante electroencefalografía en estudiantes universitarios
Palabras clave:
electroencefalografía, razonamiento semántico, razonamiento visual, actividad cerebral, mapeo cerebralResumen
La actividad funcional de la corteza cerebral es el elemento primordial para el estudio de los correlatos neuronales de los procesos cognitivos de la mente humana. Desde esta perspectiva, el estudio tuvo como objetivo identificar la ubicación topográfica y actividad eléctrica cerebral mediante el método no invasivo de la electroencefalografía en estado de actividad y en reposo con los ojos abiertos, por medio de un paradigma que fue desarrollado con tareas de razonamiento abstracto de tipo semánticas y visuales en 15 jóvenes estudiantes universitarios sin ninguna patología neurológica. Los resultados evidenciaron que en la ejecución de tareas de razonamiento semánticas existió mayor activación a nivel de los lóbulos frontales bilaterales, parietal con predominio sobre el hemisferio derecho y occipital izquierdo; por el contrario, en el razonamiento visual activación en frontales y parietales bilaterales, temporal derecho y en el lóbulo occipital con predominio en el izquierdo. En lo que respecta a la actividad eléctrica cerebral se apreció una elevación de potencias de oscilaciones neuronales de los ritmos cerebrales rápidos alfa, beta y gamma con mayor amplitud en zonas frontales, occipitales y parietales. En cambio, en la condición de reposo sin presencia de estímulos con los ojos abiertos, en las tareas visuales y semánticas las amplitudes de los ritmos cerebrales (delta, theta, alfa, beta y gamma) redujeron en zonas frontales, parietales, occipitales y temporales.
Citas
Alamia, A., Luo, C., Ricci, M., Kim, J., Serre, T., & VanRullen, R. (2021). Differential involvement of EEG oscillatory components in sameness versus spatial-relation visual reasoning tasks. eNeuro, 8(1), 1–11. https://doi.org/10.1523/ENEURO.0267-20.2020
Brzezicka, A., Kamiński, J., Kamińska, O. K., Wołyńczyk-Gmaj, D., & Sedek, G. (2017). Frontal EEG alpha band asymmetry as a predictor of reasoning deficiency in depressed people. Cognition and Emotion, 31(5), 868–878. https://doi.org/10.1080/02699931.2016.1170669
Cabrales, A. (2015). Neuropsicología y la localización de las funciones cerebrales superiores en estudios de resonancia magnética funcional con tareas. Acta Neurológica Colombiana, 31(1), 92–100. https://doi.org/10.22379/2422402214
Calvo, E., Blanch, Á., Ruiz, C., & Borrell, D. (2021). Rendimiento académico y aptitudes intelectuales en relación a la actividad mental para la resolución de tareas cognitivas en estudiantes de ESO. Cuadernos del Marqués de San Adrián: Revista de Humanidades, 13, 25–39.
Cedeño-Mero, D., & Estévez-Abad, R. (2022). Localización cerebral y actividad eléctrica del razonamiento abstracto mediante electroencefalografía cuantitativa: Una revisión sistemática. Revista Ecuatoriana de Neurología, 31(1), 76–84. https://doi.org/10.46997/revecuatneurol31100076
Chuderski, A. (2016). Fluid intelligence and the cross-frequency coupling of neuronal oscillations. The Spanish Journal of Psychology, 19, e91. https://doi.org/10.1017/sjp.2016.86
Díaz, H., Cid, F., Flores, E., Gárate, E., & Muñoz, S. (2019). Intra and inter-individual variability in the chaotic component and functional connectivity of the EEG signal in basal eyes closed condition. Procedia Computer Science, 162, 966–973. https://doi.org/10.1016/j.procs.2019.12.077
Dix, A., Wartenburger, I., & Van der Meer, E. (2016). The role of fluid intelligence and learning in analogical reasoning: How to become neurally efficient? Neurobiology of Learning and Memory, 134, 236–247. https://doi.org/10.1016/j.nlm.2016.07.019
Fernández, E. (2019). Uso de Matlab, clases de reforzamiento y rendimiento académico en estudiantes de análisis matemático-USP 2017 [Tesis de maestría, Universidad San Pedro].
Gągol, A., Magnuski, M., Kroczek, B., Kałamała, P., Ociepka, M., Santarnecchi, E., & Chuderski, A. (2018). Delta-gamma coupling as a potential neurophysiological mechanism of fluid intelligence. Intelligence, 66, 54–63. https://doi.org/10.1016/j.intell.2017.11.003
Henríquez, F., Martínez-Pernía, D., Forno, G., & Núñez-Huasaf, A. (2019). Anatomía funcional del córtex prefrontal y modelos de funcionamiento. Librería Akadia Editorial.
Liang, Y., Liu, X., Qiu, L., & Zhang, S. (2018). An EEG study of a confusing state induced by information insufficiency during mathematical problem-solving and reasoning. Computational Intelligence and Neuroscience, 2018, 1943565. https://doi.org/10.1155/2018/1943565
Miasnikova, A., Troshkov, D., Baklushev, M., & Perevoznyuk, G. (2019). Predicting states of abstract reasoning using EEG functional connectivity markers. In 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) (pp. 2451–2454). IEEE. https://doi.org/10.1109/EMBC.2019.8857031
Portellano, J., & García, J. (2014). Neuropsicología de la atención, las funciones ejecutivas y la memoria. Síntesis.
Qazi, E.-H., Hussain, M., Aboalsamh, H., Malik, A., Amin, H., & Bamatraf, S. (2017). Single trial EEG patterns for the prediction of individual differences in fluid intelligence. Frontiers in Human Neuroscience, 10, 687. https://doi.org/10.3389/fnhum.2016.00687
Santarnecchi, E., Khanna, A., Musaeus, C., Benwell, C., Davila, P., Farzan, F., Matham, S., Pascual-Leone, A., & Shafi, M. (2017). EEG microstate correlates of fluid intelligence and response to cognitive training. Brain Topography, 30(4), 502–520. https://doi.org/10.1007/s10548-017-0565-z
Shunta, L. (2020). Revisión sistemática de literatura sobre paradigmas de razonamiento abstracto para resonancia magnética funcional (RMF) [Tesis de maestría, Universidad de Azuay].
Stelzer, F., Andrés, M., Canet-Juric, L., & Introzzi, I. (2016). Memoria de trabajo e inteligencia fluida. Una revisión de sus relaciones. Acta de Investigación Psicológica, 6(1), 2302–2316. https://doi.org/10.1016/S2007-4719(16)30051-5
Valle, T., Gómez-Ariza, C., & Bajo, T. (2020). Electrophysiological correlates of interference control at retrieval predict performance on a subsequent analogical reasoning task. Neurobiology of Learning and Memory, 173, 107253. https://doi.org/10.1016/j.nlm.2020.107253
Vázquez Espinosa, E., & Cahuich Cahuich, T. (2023). Análisis correlacional del razonamiento lógico abstracto y deductivo con el rendimiento académico en general y en el área matemática. RIEE | Revista Internacional de Estudios en Educación, 23(2), 87–101. https://doi.org/10.37354/riee.2023.232
Vílchez, J., & Orellana, E. (2021). Nivel de razonamiento abstracto en estudiantes universitarios. Transformación, 17(2), 373–384. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2077-29552021000200373&lng=es&tlng=es
Villegas, B., & Rojas, M. (2019). Interfaz cerebro ordenador BCI mediante el uso de Emotiv Insight. Acta Nova, 9(1), 3–31. http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S1683-07892019000100002&lng=es&tlng=es
Volk, D., Dubinin, I., Myasnikova, A., Gutkin, B., & Nikulin, V. (2018). Generalized cross-frequency decomposition: A method for the extraction of neuronal components coupled at different frequencies. Frontiers in Neuroinformatics, 12, 72. https://doi.org/10.3389/fninf.2018.00072
Williams, C., Kappen, M., Hassall, C., Wright, B., & Krigolson, O. (2019). Thinking theta and alpha: Mechanisms of intuitive and analytical reasoning. NeuroImage, 189, 574–580. https://doi.org/10.1016/j.neuroimage.2019.01.048
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista Conecta Libertad ISSN 2661-6904
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
