A superdotação é um fenômeno complexo, que se manifesta como o resultado da interação entre fatores genéticos e ambientais. A genética comportamental sugere que a superdotação em habilidades cognitivas é poligênica, ou seja, resultado de muitas variantes genéticas comuns, cada uma com um pequeno efeito. Por outro lado, a literatura em educação destaca a influência do ambiente, com evidências de que crianças brilhantes de famílias de baixa renda podem ser prejudicadas em seu desenvolvimento posterior. O modelo neurocomputacional apresentado neste artigo busca fornecer uma visão mecanicista de como essas influências se combinam para moldar as trajetórias de desenvolvimento de crianças superdotadas.
O modelo utiliza redes neurais artificiais para simular uma população de crianças, incorporando variações em parâmetros neurocomputacionais (influências genéticas) e na riqueza do ambiente de aprendizagem (influências ambientais, como o status socioeconômico – SES). As simulações demonstraram que as redes “superdotadas” tendem a ter maior capacidade, maior plasticidade, processamento neural menos ruidoso e um ambiente mais rico. No entanto, as contribuições desses fatores podem ser heterogêneas em casos individuais, indicando que a superdotação pode ter causas diversas.
Um dos achados mais importantes do modelo é sua capacidade de replicar um padrão empírico observado por Feinstein (2003a), que mostrou que crianças brilhantes de famílias de baixo SES tendem a cair em seu ranque populacional ao longo do tempo. O modelo demonstrou que essa queda não é um artefato estatístico (como regressão à média), mas sim uma consequência da influência do ambiente na estimulação cognitiva. Em outras palavras, a promessa precoce pode ser perdida sem o apoio de um ambiente rico e estimulante.
A análise do modelo também revelou que os parâmetros neurocomputacionais, que podem ser influenciados por genes, contribuem para as mudanças no ranque populacional ao longo do desenvolvimento. Isso contrasta com a interpretação comum de que essas mudanças refletem apenas influências ambientais. O modelo sugere que um desempenho superdotado sustentado requer a combinação de propriedades computacionais intrínsecas fortes e um ambiente enriquecido.
Outra descoberta interessante foi a assimetria entre as caudas da distribuição de desempenho. Um ambiente pobre não foi um fator preditivo de atraso no desenvolvimento, mas um ambiente rico foi preditivo de superdotação. Além disso, os indivíduos com atraso precoce puderam, em alguns casos, alcançar um bom desempenho final, mas os superdotados que regrediram raramente terminaram na metade inferior da população.
Em resumo, este estudo demonstra como um modelo neurocomputacional pode fornecer um relato mecanicista das complexas interações entre genética e ambiente no desenvolvimento da superdotação. Ele ressalta que, embora o potencial inicial possa ter uma forte base genética, o ambiente desempenha um papel crucial em sustentar e nutrir esse potencial. O modelo sugere que a ausência de um ambiente estimulante pode ser um fator limitante, impedindo que a promessa inicial se transforme em um desempenho sustentado.
Referência:
Thomas, M.S.C. (2018). A neurocomputational model of developmental trajectories of gifted children under a polygenic model: When are gifted children held back by poor environments?. Intelligence, 69, 200-212. https://doi.org/10.1016/j.intell.2018.06.008.