ENFEN. Fluidez verbal (VII)
El análisis de la entrada anterior permite que nos podamos replantear ahora la propuesta original de automatización de ENFEN-Fluidez.
Empezaré diciendo que el enfoque clínico es perfectamente válido en el ámbito profesional que le es propio, pero no en el educativo. Esto obliga a aclarar por qué utilizar herramientas de evaluación clínica como recursos de evaluación educativa, en qué circunstancias es admisible y cuales son los condicionantes que ese uso conlleva, si es que conlleva alguno.
La mayoría de los test clínicos (y la mayoría de los test empleados por los SEO lo son) están diseñados para la evaluación individual, lo que, en mi opinión, supone un hándicap como punto de partida, ya que este tipo de evaluación debe ser considerada una medida extraordinaria para nuestra intervención y sólo debemos optar por ella excepcionalmente y de forma justificada. Esto deriva del carácter contextual que debe tener toda intervención educativa para ser eficaz y justa; esto incluye nuestra intervención, sea ésta cual sea). También deriva de la constatación de los efectos negativos que para la inclusión tienen cierto tipo de intervenciones, una de ellas las actuaciones de evaluación individualizada por constituir una barrera a la presencia, con todo lo que de ella se deriva. Además hay que decir que la mayor parte de lo que pudiéramos obtener mediante la evaluación individualizada, lo podemos obtener mediante otras forma de trabajo, incluyendo la evaluación grupal contextualizada. La mayor parte, pero no todo.
Además en determinadas circunstancias y por razones de peso, la evaluación individualizada es necesaria, insustituible y está justificada, entre ellas, cuando...
- ... no existen procedimientos alternativos que permitan obtener la misma información sin que sea necesario recurrir a ese tipo de actuación o los disponibles son muy costosos o complejos.
- ... el proceso de evaluación está definido como constatación de hipótesis. Esto excluye la evaluación que se desarrolla en formatos descriptivos.
- ... de los resultados que podemos obtener de la aplicación de determinadas pruebas que conllevan evaluación individualizada se derivan implicaciones relevantes para la intervención.
Además de estar justificada en esos casos la evaluación individualizada y la aplicación de pruebas originalmente clínicas, muchos de ellas lo son en función de para qué se emplean y cómo se analizan, pero permiten otros planteamiento y otros análisis compatible con los objetivos propios del enfoque educativo: facilitar el análisis causal de las dificultades de aprendizaje. Muchos de esos test se convierten en herramientas útiles para la evaluación educativa al ser reformulados y/o reinterpretados dentro de la transformación que de ellos hace en función de objetivos educativos.
En lo que sigue de entrada trataré de ejemplificar lo anterior en el desarrollo de la propuesta alternativa de automatización de ENFEN-Fluidez.
Dado que justificar el primero no ofrece mayor dificultad (hay pocos test que sean tan económicos y fáciles de aplicar y analizar como F1 y F2) y a la vez,en abstaracto, todas las del mundo; trataré de aterrizar empezando por replanear el enfoque de la elección de la prueba de forma coherente con el segundo de los criterios indicados antes: plantear la evaluación como trabajo en relación a una hipótesis como base para dar razón de ser al uso de ENFEN-Fluidez.
Aquí se produce un cambio radical de enfoque respecto a cómo se presupuso que sería el uso del test en el diseño del DocAp original: en ese caso el contexto venía definido en términos de procesamiento hacia adelante, convirtiendo ENFEN-Fluidez en un medio para objetivar la presencia de un déficit o, en su caso, constatar la normalidad de los resultados como ausencia del mismo. Ahora se plantea una forma de procesamiento hacia atrás en la que primero presumimos o constatamos (no entraremos en el cómo ni mediante qué medios) la presencia en el alumno de determinada problemática para la que ENFEN-Fluidez asumimos que aporta información relevante para la intervención educativa: para la categorización en términos de NEAE y/o para la identificación de necesidades educativas y/o para definición de estrategias de intervención educativa.
Me voy a tomar la libertad de no tratar aquí cómo constatamos ese déficit, ya que realmente no es un tema que sea necesario tratar en estos momentos. Tampoco lo voy a tratar las razones que avalan la idoneidad de ENFEN-Fluidez como recurso para la evaluación educativa de ciertas problemáticas, aunque realmente sí sería exigible una explicación detallada al respecto, pero en parte esta explicación se ha ido desgranando en entradas anteriores y conlleva más tiempo del que ahora dispongo y estoy dispuesto a dedicar. Diré que no carece de respaldo teórico la asociación de las dos dificultades que planteo con ENFEN-Fluidez, aunque otra cosa es que sea la única o la mejor opción.
El procedimiento de análisis de los datos se basa en el DocAp y lo desarrolla, aunque modificando alguno de sus planteamientos yajustándolo a los resultados obtenidos en nuestra pequeña muestra. Esto tiene importancia por dos razones:
- Porque estoy asumiendo que es necesario constatar práctica y empíricamente la utilidad de un determinado recurso en función de objetivos propios y de la población y el contexto en que interviene el SEO.
-
Y porque se resalta la importancia de realizar este tipo de estudios como parte de las actuaciones de los SEO para la mejorar de su propia práctica.
Llegados a este punto estamos en condiciones de iniciar la construcción de nuestra propuesta de automatización, la cual consta de varias fases. Las primeras consisten en la recogida y el análisis de datos, las segundas tienen que ver con la elaboración del texto que sintetiza ese análisis y las terceras en el almacenamiento y devolución de información al usuario.
El primer bloque se incia (fase I) con la recopilación de datos de identificación de alumno: nombre, apellidos y edad como mínimos, aunque podemos ampliar el repertorio a centro escolar y curso o nivel. En realidad el único que realmente importa es el dato edad, ya que de él dependen procesos subsiguientes. Esto es importante para una cuestión que aquí y ahora no nos importa realmente: el tratamiento confidencial de los datos. dado que estamos trabajando en local, esa es una cuestión secundaria, cuyo tratamiento depende más de protocolos de custodia de los documentos que de con qué tecnologías se gestionan; pero en otros casos será una cuestión fundamental. De momento lo dejamos dicho.
El código de consta esta fase es el siguiente:
# Cuerpo principal o de ejecución
if __name__ == "__main__":
#Fase 1. Recoida de datos personales ------------------------------------------------------------
print("--- DATOS PERSONALES DEL ALUMNO---")
# Solicitamos los datos al usuario
nombre = input("Nombre: ")
apellidos = input("Apellidos: ")
try: # Convertimos la edad a entero (int) para operar con el dato
edad = int(input("Edad (sólo años): "))
except ValueError:
print("Error: Por favor, introduce un número válido para la edad (6 a 12 años).")
centro_escolar = input("Centro escolar: ")
curso = input("Curso: ")
Hasta aquí nada que decir, salvo la estructura try...except, que sirve para evitar algún error en un dato fundamental. Su conversión de string a integar, mediante la función int() se explica en el comentario.
La fase II consiste en identificar el motivo de uso de ENFEN-Fluidez, cuestión muy importante en esta propuesta y que conlleva cierta complejidad. Por ello he decidido desarrollarla mediante una función (def cod_hipotesis()) que recibe edad como parámetro y devuelve un código que identifica el tipo de hipótesis con la que vamos a trabajar en las fases siguientes.
def cod_hipotesis(edad):
"""
Analiza la información disponible para plantear hipótesis para el análisis posterior y devuelve un código.
Parámetro: edad (int)
Retorna (return): string (Código de hipótesis de trabajo)
"""
codigo = ""
print("\n--- SEGUNDA FASE: ANÁLISIS DE INTERVENCIÓN ---")
print("0. Ninguna de las siguientes")
print("1. Hipótesis de TDAH")
print("2. Dificultades de aprendizaje (Lectura)")
opcion = input("Elija una opción (0 - 1 - 2): ")
#Lógica para hipótesis
if opcion == "0":
codigo = "0"
return codigo
else:
# --- Lógica para Hipótesis 1: TDAH ---
if opcion == "1":
codigo = "1"
tiene_diag = input("¿Consta informe de especialista con diagnóstico o impresión diagnóstica de TDA-H? (s/n): ").lower() == 's'
if tiene_diag:
codigo += "A" # Diagnóstico clínico informado por neuropediatra
else:
codigo += "B" # Sintomatología observada en contexto familiar y/o escolar
indicios_padres = input("¿Informan los padres de indicios compatibles con dificultades de atención y/o de hiperactividad ? (s/n): ").lower() == 's'
indicios_profe = input("¿Informa el profesorado de evidencias de dificultades de atención, hiperactividad o auto-regulación? (s/n): ").lower() == 's'
if indicios_padres and indicios_profe:
codigo += "ab"
elif indicios_padres:
codigo += "a"
elif indicios_profe:
codigo += "b"
# --- Lógica para Hipótesis 2: Lectura ---
elif opcion == "2":
codigo = "2"
if edad <= 7:
codigo += "A" # Para menores o iguales a 7 años
else:
codigo += "B" # Para mayores de 7 años
return codigo
Este código identifica la causa posible de las necesidades educativas en base a la (supuesta) información recogida en la anámnesis y el subtipo de la misma, en función de la fuente o de la edad. Posteriormente será utilizada para analizar los resultados en función del contexto que esa información ayuda a conformar.
La fase III consiste en recoger la puntuación que obtiene el alumno en las dos pruebas (F1 y F2). Aunque caben diferentes opciones, he decidido que sea recogida mediante input() desde el script principal, igual que los datos de identificación. De este modo forman parte de dicho script y pueden ser usados en la fase siguiente y en otras posteriores sin mayor dificultad.
#Fase 3. Obtención de la puntuación directa de F1 y F2
print("\n--- RESULTADOS DE LA APLICACIÓN DE ENFEN-FLUIDEZ---")
f1_pd = int(input(f"Resultado obtenido por {nombre} en F1: "))
f2_pd = int(input(f"Resultado obtenido por {nombre} en F2: "))
La fase IV consiste en obtener la puntuación z derivada de la puntuación directa anterior. Para ello usamos una función (def calcular_z()), que contiene un diccionario de diccionarios con los estadísticos necesarios y recibe tres parámetros; la edad, el identificador de la prueba (factor) y la puntuación directa (puntuacion_directa).
def calcular_z(edad, factor, puntuacion_directa):
baremos = { # Diccionario con los estadísticos F1 y F2
6: {'f1': (5.28, 2.65), 'f2': (10.26, 3.81)},
7: {'f1': (6.65, 2.68), 'f2': (11.18, 3.34)},
8: {'f1': (8.66, 2.85), 'f2': (13.57, 3.95)},
9: {'f1': (9.25, 3.02), 'f2': (14.08, 3.87)},
10: {'f1': (11.16, 3.09), 'f2': (16.79, 4.49)},
11: {'f1': (11.73, 3.35), 'f2': (17.88, 4.72)},
12: {'f1': (12.04, 3.19), 'f2': (17.81, 4.11)}
}
media, desviacion = baremos[edad][factor] # Obtención de estadisticos en función de edad y prueba
z = (puntuacion_directa - media) / desviacion # Cálculo de Puntuación Z
return round(z, 2)
´Primero obtenemos los estadísticos del diccionario mediante media, desviacion = baremos[edad][factor] de forma directa. Este procedimiento es adecuado en este caso porque controlamos directamente los datos de edad y factor y tenemos la seguridad de que no se va a producir error en el acceso a los datos. En otro caso sería más adecuado usar el método get(), como en el ejemplo siguiente, por ser más robusto y seguro:
datos_factor = baremos.get(edad, {}).get(factor)
if datos_factor:
media, desviacion = datos_factor
else:
print("Error: Edad o factor no encontrados")
Después se realiza el cálculo (z = (puntuacion_directa-media)/desviacion), que pasa (return round(z, 2)) a la variable del script desde la que se llama a la función ( f1_z = calcular_z (edad,"f1",f1_pd)).
La fase V sintentiza y codifica los resultados obtenidos, siendo la última del primer bloque. Esta codificación se ejecuta tambíén mediante una función y sirve para obtener una síntesis de datos que usaremos para construmir la base de datos de resultados sobre un documento csv que posteriormente servirá para el análisis de datos soporte de la invertigación-acción relativa la uso y la funcionalidad de ENFEN-Fluidez como herramienta de intervención del SEO.
Aunque no es estrictamente necesaria (y menos aun incorporarla a la base de datos), facilita la tarea poserior de análisis de datos, tanto grupales como individuales, así que he decidido implemantarla como parte del script.
Las categorías obedecen a criterios de utilidad descriptivo-analítica en función de los objetivos y el contexto en que aplicamos el recurso. Esto quiere decir que nos interesan determinados resultados en cuanto son significativos para establecer necesidades educativas en función del contexto hipotético en que nos movemos. Por ejemplo, si estamos trabajando con la hipótesis de incidencia de TDAH, nos interesa sólo si el sujeto obtiene puntuaciones inferiores a promedio, pero tiene importancia que dichas puntuaciones se den en ambos test o sólo en F1. Esto quiere decir que nos interesa saber si los valores z son iguales o inferiores a -1 Dt y si esto se produce en F1 y en F2 o sólo en F1 (sólo en F2 es irrelevante para el contexto TDAH). Esto es debido a que sólo déficit en F1 implica menor nivel de severidad que si la dificultad se observa también en F2.
En el segundo contexto (dificultad lectora) es de esperar discrepancia y F1 débil. Cualquier otro resultado es no confirmatorio, pero no determinante, por lo que resulta irrelevante para nuestros objetivos: no nos permite tomar decisiones de evaluación ni de intervención, que el lo mismo que sucede para un resultado dentro de normalidad (o superior, ya que unificamos ambos como N (normal) tanto en este contexto como en el de TDAH.
Esta es una forma de entender los resultados necesariamente restrictiva. No es la única y posiblemente tampoco la más correcta o la que mejores análisis produzca, pero sí es la que podemos usar en función del modo en que trabajamos con los datos: sólo determinados resultados (confirmatorios) son relevantes para nuestro análisis, en cuanto que están aceptados o confirmados por la teoría y la investigación. Si en su momento, de estas prácticas derivan nuevos soportes teóricos que permiten establecer otras hipótesis, determinados resultados pasarían a ser considerados relevantes.
def resulta_categ(f1_z, f2_z):
# 1. Identificamos el grupo de cada factor True si es Bajo (B), False si es Normal (N)
es_f1_bajo = f1_z <= -1
es_f2_bajo = f2_z <= -1
# 2. Lógica de la categorización
if es_f1_bajo and es_f2_bajo: # Caso: Ambos Bajos
return "EB"
elif not es_f1_bajo and not es_f2_bajo: # Caso: Ambos Normales
return "EN"
else: # Caso: Desequilibrio (uno B y otro N)
if es_f1_bajo:
return "DF1d"
else:
return "DF2d"
Lo que estamos haciendo con esta función es categorizar los resultados dependiendo del nivel de desempeño, el cual toma como referencia el valor -1 Dt (esto permite que seas tú quien determine la referecnia cuantitativa que consideres más adecuada, aquí o en cualquier otro caso), derivando las dos primeras categorías de la pertenencia de ambos valores al mismo grupo (EB y EN) y las dos últimas por la discrepancia (DF1d, DF2d).
Una vez finalizada esta fase, entramos en el tercer bloque que afronta la recopilación de datos en un archivo csv y su publicación como informe individualizado.
Dentro de este bloque, la recopilación de resultados en un archivo csv constituye la fase VI y se concreta como función que recibe como parámetro la colección de datos recopilada en el script principal como diccionario (datos_archivar):
datos_archivar = {
'nombre': nombre,
'apellidos': apellidos,
'edad': edad,
'centro': centro,
'curso': curso,
'codigo_h': codigo_h,
'f1_pd': f1_pd,
'f1_z': f1_z,
'f2_pd': f2_pd,
'f2_z': f2_z,
'cat_z': cat_z
}
Este es el parámetro datos que recibe la función def archivar_en_csv() mediante la cual se crear el archivo...
def archivar_en_csv(datos):
# 1. Definir el nombre del archivo y la ruta (mismo directorio que el script)
nombre_archivo = "bd_enfen_fluidez.csv"
ruta_directorio = os.path.dirname(os.path.abspath(__file__))
ruta_completa = os.path.join(ruta_directorio, nombre_archivo)
# 2. Definir los encabezados del CSV
encabezados = [
'nombre',
'apellidos',
'edad',
'centro',
'curso',
'codigo_h',
'f1_pd',
'f1_z',
'f2_pd',
'f2_z',
'cat_z'
]
# 3. Comprobar si el archivo ya existe para saber si escribir encabezados
archivo_existe = os.path.isfile(ruta_completa)
try:
# Abrimos en modo 'a' (append/añadir) y newline='' para evitar líneas vacías
with open(ruta_completa, mode='a', newline='', encoding='utf-8') as archivo:
escritor = csv.DictWriter(archivo, fieldnames=encabezados)
# Si el archivo es nuevo, escribimos la cabecera
if not archivo_existe:
escritor.writeheader()
# Escribimos la fila con los resultados
escritor.writerow(datos)
print(f"✅ Datos archivados correctamente en: {nombre_archivo}")
except Exception as e:
print(f"❌ Error al guardar en CSV: {e}")
... y en la que, como contenidos fundamentales, primero se crea el encabezado del archivo csv mediante la lista encabezados[] y después se escribe el contenido mediante escritor.writerow(datos). En este documento se recopilarán todos los resultados de la aplicación del ENFEN-Fluidez, con idea de que sirva para realizar los estudios que se consideren convenientes mediante procedimientos de acceso al contenido de archivos de datos estructurados (por ejemplo).
Con la fase VII concluye este proyecto. En ella se construye el informe individualizado pero es suficientemente compleja como para que sea necesario sudividirla en varias partes. Esto facilita que se formule como función (principal) a la que se asocian varias funciones secundarias.
La función def generar_info (): también recibe como parámetro el contenido del conjunto datos pero los maneja de forma más compleja que la anterior, pudiendo diferenciarse varias partes en su desarrollo. Unas son asumidas directamente por la función y otras se derivan a funciones complementarias o secundarias.
En la primera de estas partes, además de crear el documento (doc = Document()) como archivo .docx (lo que supone cargar la biblioteca docx), creamos el título y copiamos los datos de identificación (por ejemplo: p.add_run(f"{datos['nombre']} {datos['apellidos']}\n"))
La segunda parte también es asumida por la función principal y consiste en explicar el concepto de Fluidez verbal, informar sobre ENFEN-Fluidez y sobre la utilidad de este (sub)test para la evaluación clínica y para la evaluación y la intervención educativa. Todo ello se realiza mediante un conjunto de instrucciones como la siguiente: p1 = doc.add_paragraph(), que contienen dentro del paréntesis el texto que deseamos sea escrito en el documento .docx.
La tercera parte del desarrollo del informe es responsabilidad de una función secundaria justifica_hipotesis (): que recibe como parámetro codigo_h desde la llamada a la subfunción que realizamos desde la función principal (parrafo_hipotesis = justifica_hipotesis(datos['codigo_h'])).
def justifica_hipotesis (codigo_h):
# Caso para TDAH
if codigo_h.startswith("1"):
base = "La evaluación se fundamenta en la sospecha clínica de TDAH. "
if "A" in codigo_h:
detalle = "Al existir un diagnóstico previo de especialista, esta prueba sirve para cuantificar el impacto actual en las funciones ejecutivas."
else:
detalle = "Dada la sintomatología observada en casa y/o el colegio, se requiere objetivar la eficiencia del control atencional e inhibitorio."
return base + detalle
# Caso para Dificultades de Aprendizaje (Lectura)
elif codigo_h.startswith("2"):
base = "El motivo de evaluación son las dificultades en el proceso lector. "
if "A" in codigo_h:
detalle = "En edades tempranas (≤7 años), la fluidez verbal es un indicador crítico de la madurez léxica necesaria para la alfabetización."
else:
detalle = "En alumnos mayores de 7 años, se busca evaluar la automatización del acceso al léxico, clave para la comprensión lectora."
return base + detalle
return "Evaluación de cribado neuropsicológico general."
Esta función secundaria genera un texto específico basado en el código de hipótesis (pasado por parámetro) y en élla se diferencian las dos opciones que derivan de las dos categorías hipotéticas: TDAH o dificultades lectoras. Primero se extrae el primer elemento del código (v.g. if codigo_h.startswith("1"): y seguidamente el resto del contenido de dicho código. En función de ambos se va generando un texto u otro, que será lo que retorne la función a la principal (return base + detalle).
Se debe aclarar en este punto que la forma en que se concretan las hipótesis de trabajo no sólo son únicamente hipotéticas, además sólo lo son en el contexto previo de identificación de una determinada categoría de dificultades preeminentes derivadas de la anámnesis. Sin esta referencia carecen del contexto necesario para ser relevantes en el proceso de evaluación.
Una vez resuelta esta parte del informe, la que sigue se planea como parte de la función principal y se concreta como tabla que contiene los datos de ejecución de F1 y F2, incluyendo la puntuación directa (PD) y la puntuación típica calculada (Pz). En base a ella y a la codificación resultante de esos datos se planteará la parte final de esta función, la cual, dada su complejidad, se traslada a dos funciones secundarias que reciben (ambas) los mismos datos como parámetros ((codigo_h, cat_z)).
La primera función secundaria (analizar_resultados()) se encarga de realizar un breve análisis cualitativo de los resultados cuantitativos tomando como referencia la hipótesis de trabajo.
def analizar_resultados(codigo_h, cat_z):
es_tdah = codigo_h.startswith("1")
es_lectura = codigo_h.startswith("2")
# --- Casos para HIPÓTESIS TDAH ---
if es_tdah:
if cat_z == "EN":
return "Los procesos de recuperación léxica y control inhibitorio evaluados se sitúan en niveles de normalidad. Es posible que ENFEN-Fluidez no permita, en este caso, objetivar la incidencia del TDAH en los procesos requeridos en tareas de fluidez verbal."
elif cat_z == "EB":
return "Se observa un déficit global en fluidez que, en el marco del TDAH, sugiere dificultades importantes en la memoria de trabajo y en la velocidad de procesamiento."
elif cat_z == "DF1d":
return "Al ser F1 un marcador primario de TDAH por requerir mayor control inhibitorio y una búsqueda no rutinaria, esta disociación entre F1 y F2 se puede considerar compatible con TDAH, pudiendo interpretarse como indicador de un menor grado de severidad en términos de incidencia del trastorno en el procesamiento cognitivo requerido en tareas de Fluidez por comparación con resultados inferiores a promedio en F1 y F2."
else: # Para DF2d
return "Esta disociación es extremadamente infrecuente y sugiere dificultades de monitorización de la respuesta por inatención al resultar la tarea supuestamente poco relevante o novedosa."
# --- Casos para HIPÓTESIS LECTURA ---
if es_lectura:
if cat_z == "EN":
return "Atendiendo a los resultados observados, la madurez léxica y el acceso al vocabulario se sitúan en niveles acordes a la edad cronológica del niño o niña. En este caso, las tareas de fluidez verbal posiblemente no permitan observar las causas de las dificutlades lectoras que presenta el alumno según los datos que constan en la anámnesis realidad."
elif cat_z == "EB":
return "El bajo rendimiento en ambas tareas de fluidez verbal indica una pobreza en el almacén léxico o una lentitud severa en la recuperación, lo que puede estar incidiendo negativamente en la decodificación y comprensión lectora."
elif cat_z == "DF1d":
return "El perfil sugiere que el acceso al léxico está comprometido en la ruta fonológica, lo que justifica la falta de automatización en la decodificación lectora e inciden negativamente en la fluidez."
else: # Para DF2d
return "El perfil sugiere que el acceso al léxico está comprometido en la ruta semántica, posiblemente por déficit general en el desarrollo del lenguaje derivado de distintas causas. No obstante esta manifestación de déficit es sumamente infrecuente, por lo que se debe interpretar con cautela."
return "Perfil de cribado general sin hallazgos específicos vinculados a una hipótesis previa."
Como puedes ver no es una función demasiado compleja en términos de algoritmo, pero sí en cuanto al contenido. El que aquí se propone es es, una primera propuesta, que deberá ser revisado en función de los resultados del uso del test y que desde ya tú puedes adaptar en función de tus preferencias y conocimientos. Esto es totalmente coherente con el planteamiento de base: paradigma IA modelo experto. Y el experto eres tú.
La segunda función secundaria también ahonda en ese mismo planteamiento en dos sentidos: el mismo que en la anterior (tú decides el contenido) y como usuario del script: en este caso se proponen una colección de opciones de evaluación y de intervención, y es el OE quie selecciona aquellas que considera relevantes para el caso.
def propuestas (codigo_h, cat_z):
opciones_validadas = {"evaluacion": [], "intervencion": []}
# 1. Selección estricta del banco de datos según hipótesis
if codigo_h.startswith("1"): # MARCO TDAH
banco_ev = [
"Aplicar pruebas de atención sostenida y selectiva (ej. CPT, d2).",
"Completar escalas de conducta para observación de impulsividad en aula.",
"Realizar observación estructurada de la conducta en tareas de mesa."
]
banco_int = [
"Entrenamiento en autoinstrucciones para tareas de producción verbal.",
"Uso de organizadores gráficos y tiempos de descanso tras tareas de carga atencional.",
"Adaptación de materiales: fragmentar tareas largas en pasos cortos."
]
elif codigo_h.startswith("2"): # MARCO LECTURA
banco_ev = [
"Evaluación de procesos de decodificación y pseudopalabras (PROLEC-R / SE).",
"Valoración de la velocidad de denominación (RAN/RAS).",
"Evaluación de la conciencia fonológica y memoria fonológica de trabajo."
]
banco_int = [
"Refuerzo de la ruta fonológica mediante entrenamiento en conciencia fonémica.",
"Lecturas repetidas y modelado para mejorar la prosodia y automatización.",
"Uso de apoyos visuales y diccionarios de imágenes para reforzar el acceso léxico."
]
else:
# Si no hay hipótesis definida, retornamos listas vacías
return opciones_validadas
# 2. Interacción por CMD para validación directa
print(f"\n--- VALIDACIÓN DE PROPUESTAS TECNICAS (Hipótesis: {codigo_h}) ---")
print("Responda 's' para incluir la propuesta en el informe o cualquier otra tecla para omitirla.")
print("\n[ BLOQUE: EVALUACIÓN ]")
for prop in banco_ev:
confirmar = input(f"¿Validar '{prop}'? (s/n): ").lower()
if confirmar == 's':
opciones_validadas["evaluacion"].append(prop)
print("\n[ BLOQUE: INTERVENCIÓN ]")
for prop in banco_int:
confirmar = input(f"¿Validar '{prop}'? (s/n): ").lower()
if confirmar == 's':
opciones_validadas["intervencion"].append(prop)
return opciones_validadas
Por varios motivos, esta función es significativamente más compleja que las anteriores desde diferentes puntos de vista: es evidente que lo es en cuanto al contenido, por lo que en esta propuesta no pretendo haber resuelto el proyecto, quedando pendente un análisis detallado del contenido presente y ausente. La segunda razón es que estas propuestas lo son en función de la hipótesis que deriva de la anámnesis, lo que hace que sean aun más necesaria la revisión que acabo de plantear.
Pero aun hay un tercer motivo de dificultad, en este caso "informática": esta función secundaria devuelve una colección de datos expresada como diccionario, motivo por el que la función primaria debe transformarlos para poder exponerlos como texto en el documento docx
#Acceso a función secundaria 3: propuestas (codigo_h, cat_z)
# 1. Llamada a la función
dict_propuestas = propuestas(datos['codigo_h'], datos['cat_z'])
# 2. Preparar el texto para el informe. Creamos una lista de frases para luego unirlas
lineas_informe = []
doc.add_heading('Propuestas para la evaluación y para la intervención', level=1)
if dict_propuestas["evaluacion"]:
for item in dict_propuestas["evaluacion"]:
lineas_informe.append(f"- {item}")
if dict_propuestas["intervencion"]:
for item in dict_propuestas["intervencion"]:
lineas_informe.append(f"- {item}")
# 3. Unir todo en un solo string separado por saltos de línea
texto_final = "\n".join(lineas_informe)
# 4. Añadir al documento de Word
if texto_final:
p_just = doc.add_paragraph(texto_final)
p_just.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
else:
doc.add_paragraph("No se seleccionaron propuestas técnicas.")
Script final Para finalizar esta larga y compleja entrada te dejo a continuación acceso al script completo. Recuerda que deberás importar todas las bibliotecas que se precisan para su funcionamiento en caso de no tenerlas ya descargadas. Puedes identificarlas al inicio del script.
#Bibliotecas
import sys
import csv
import os
from docx import Document
from docx.shared import Pt
from docx.enum.text import WD_ALIGN_PARAGRAPH
from datetime import datetime
#FUNCIONES ========================================================================
#FUNCIÓN Definir hipótesis --------------------------------------------------------
def cod_hipotesis(edad):
"""
Analiza la hipótesis clínica y devuelve un código identificador.
Parámetro: edad (int)
Retorna: string (Código de hipótesis de trabajo)
"""
codigo = ""
print("\n--- SEGUNDA FASE: ANÁLISIS DE INTERVENCIÓN ---")
print("0. Ninguna de las siguientes")
print("1. Hipótesis de TDAH")
print("2. Dificultades de aprendizaje (Lectura)")
opcion = input("Elija una opción (0 - 1 - 2): ")
#Lógica para hipótesis
if opcion == "0":
codigo = "0"
return codigo
else:
# --- Lógica para Hipótesis 1: TDAH ---
if opcion == "1":
codigo = "1"
tiene_diag = input("¿Consta informe de especialista con diagnóstico o impresión diagnóstica de TDA-H? (s/n): ").lower() == 's'
if tiene_diag:
codigo += "A" # Diagnóstico clínico informado por neuropediatra
else:
codigo += "B" # Sintomatología observada en contexto familiar y/o escolar
indicios_padres = input("¿Informan los padres de indicios compatibles con dificultades de atención y/o de hiperactividad ? (s/n): ").lower() == 's'
indicios_profe = input("¿Informa el profesorado de evidencias de dificultades de atención, hiperactividad o auto-regulación? (s/n): ").lower() == 's'
if indicios_padres and indicios_profe:
codigo += "ab"
elif indicios_padres:
codigo += "a"
elif indicios_profe:
codigo += "b"
# --- Lógica para Hipótesis 2: Lectura ---
elif opcion == "2":
codigo = "2"
if edad <= 7:
codigo += "A" # Para menores o iguales a 7 años
else:
codigo += "B" # Para mayores de 7 años
return codigo
# FUNCIÓN Cálculo de puntuaciones típicas (z) ------------------------------------------------------
def calcular_z(edad, factor, puntuacion_directa):
baremos = { # Diccionario con los estadísticos F1 y F2
6: {'f1': (5.28, 2.65), 'f2': (10.26, 3.81)},
7: {'f1': (6.65, 2.68), 'f2': (11.18, 3.34)},
8: {'f1': (8.66, 2.85), 'f2': (13.57, 3.95)},
9: {'f1': (9.25, 3.02), 'f2': (14.08, 3.87)},
10: {'f1': (11.16, 3.09), 'f2': (16.79, 4.49)},
11: {'f1': (11.73, 3.35), 'f2': (17.88, 4.72)},
12: {'f1': (12.04, 3.19), 'f2': (17.81, 4.11)}
}
media, desviacion = baremos[edad][factor] # Obtención de estadisticos en función de edad y prueba
z = (puntuacion_directa - media) / desviacion # Cálculo de Puntuación Z
return round(z, 2)
# FUNCIÓN Categorización resultados z ----------------------------------------------
def resulta_categ(f1_z, f2_z):
"""
Categorizamos el desempeño como EB, EN, DF1d, DF2d.
"""
# 1. Identificamos el grupo de cada factor True si es Bajo (B), False si es Normal (N)
es_f1_bajo = f1_z <= -1
es_f2_bajo = f2_z <= -1
# 2. Lógica de Categorización Acumulativa
# Caso: Ambos Bajos
if es_f1_bajo and es_f2_bajo:
return "EB"
# Caso: Ambos Normales
elif not es_f1_bajo and not es_f2_bajo:
return "EN"
# Caso: Desequilibrio (uno B y otro N)
else:
if es_f1_bajo:
return "DF1d"
else:
return "DF2d"
#FUNCIONES SECUNDARIAS a generar_info () ---------------------------------------------------------------------------
# FUNCIÓN SECUNDARIA para crear el párrafo justificativo del hipótesis
def justifica_hipotesis (codigo_h):
"""
Genera un texto específico basado en el código de hipótesis.
"""
# Caso para TDAH
if codigo_h.startswith("1"):
base = "la evaluación se fundamenta en la sospecha clínica de TDAH. "
if "A" in codigo_h:
detalle = "Al existir un diagnóstico previo de especialista, esta prueba sirve para cuantificar el impacto actual del TDAH en las funciones ejecutivas."
else:
detalle = "Dada la sintomatología observada en casa y/o en el colegio, se requiere objetivar la eficiencia del control atencional e inhibitorio, potencialmente afectado en caso de TDAH."
return base + detalle
# Caso para Dificultades de Aprendizaje (Lectura)
elif codigo_h.startswith("2"):
base = "el motivo de evaluación son las dificultades en el proceso lector. "
if "A" in codigo_h:
detalle = "En edades tempranas (≤7 años), la fluidez verbal es un indicador crítico de la madurez léxica necesaria para la alfabetización."
else:
detalle = "En alumnos mayores de 7 años, se busca evaluar hasta qué punto la automatización del acceso al léxico, clave para la comprensión lectora, puede verse lastrada por la persistencia de dificultades de decodificación."
return base + detalle
return "Evaluación de cribado neuropsicológico general."
# FUNCIÓN SECUNDARIA 2: Análisis cualitativo ligado a la hipótesis
def analizar_resultados(codigo_h, cat_z):
es_tdah = codigo_h.startswith("1")
es_lectura = codigo_h.startswith("2")
# --- Casos para HIPÓTESIS TDAH ---
if es_tdah:
if cat_z == "EN":
return "Los procesos de recuperación léxica y control inhibitorio evaluados se sitúan en niveles de normalidad. Es posible que ENFEN-Fluidez no permita, en este caso, objetivar la incidencia del TDAH en los procesos requeridos en tareas de fluidez verbal."
elif cat_z == "EB":
return "Se observa un déficit global en fluidez que, en el marco del TDAH, sugiere dificultades importantes en la memoria de trabajo y en la velocidad de procesamiento."
elif cat_z == "DF1d":
return "Al ser F1 un marcador primario de TDAH por requerir mayor control inhibitorio y una búsqueda no rutinaria, esta disociación entre F1 y F2 se puede considerar compatible con TDAH, pudiendo interpretarse como indicador de un menor grado de severidad en términos de incidencia del trastorno en el procesamiento cognitivo requerido en tareas de Fluidez por comparación con resultados inferiores a promedio en F1 y F2."
else: # Para DF2d
return "Esta disociación es extremadamente infrecuente y sugiere dificultades de monitorización de la respuesta por inatención al resultar la tarea supuestamente poco relevante o novedosa."
# --- Casos para HIPÓTESIS LECTURA ---
if es_lectura:
if cat_z == "EN":
return "Atendiendo a los resultados observados, la madurez léxica y el acceso al vocabulario se sitúan en niveles acordes a la edad cronológica del niño o niña. En este caso, las tareas de fluidez verbal posiblemente no permitan observar las causas de las dificutlades lectoras que presenta el alumno según los datos que constan en la anámnesis realidad."
elif cat_z == "EB":
return "El bajo rendimiento en ambas tareas de fluidez verbal indica una pobreza en el almacén léxico o una lentitud severa en la recuperación, lo que puede estar incidiendo negativamente en la decodificación y comprensión lectora."
elif cat_z == "DF1d":
return "El perfil sugiere que el acceso al léxico está comprometido en la ruta fonológica, lo que justifica la falta de automatización en la decodificación lectora e inciden negativamente en la fluidez."
else: # Para DF2d
return "El perfil sugiere que el acceso al léxico está comprometido en la ruta semántica, posiblemente por déficit general en el desarrollo del lenguaje derivado de distintas causas. No obstante esta manifestación de déficit es sumamente infrecuente, por lo que se debe interpretar con cautela."
return "Perfil de cribado general sin hallazgos específicos vinculados a una hipótesis previa."
# FUNCIÓN SECUNDARIA 3: Propuesta de actuaciones para conformidad del orientador
def propuestas (codigo_h, cat_z):
opciones_validadas = {"evaluacion": [], "intervencion": []}
# 1. Selección estricta del banco de datos según hipótesis
if codigo_h.startswith("1"): # MARCO TDAH
banco_ev = [
"Aplicar pruebas de atención sostenida y selectiva (ej. CPT, d2).",
"Completar escalas de conducta para observación de impulsividad en aula.",
"Realizar observación estructurada de la conducta en tareas de mesa."
]
banco_int = [
"Entrenamiento en autoinstrucciones para tareas de producción verbal.",
"Uso de organizadores gráficos y tiempos de descanso tras tareas de carga atencional.",
"Adaptación de materiales: fragmentar tareas largas en pasos cortos."
]
elif codigo_h.startswith("2"): # MARCO LECTURA
banco_ev = [
"Evaluación de procesos de decodificación y pseudopalabras (PROLEC-R / SE).",
"Valoración de la velocidad de denominación (RAN/RAS).",
"Evaluación de la conciencia fonológica y memoria fonológica de trabajo."
]
banco_int = [
"Refuerzo de la ruta fonológica mediante entrenamiento en conciencia fonémica.",
"Lecturas repetidas y modelado para mejorar la prosodia y automatización.",
"Uso de apoyos visuales y diccionarios de imágenes para reforzar el acceso léxico."
]
else:
# Si no hay hipótesis definida, retornamos listas vacías
return opciones_validadas
# 2. Interacción por CMD para validación directa
print(f"\n--- VALIDACIÓN DE PROPUESTAS TECNICAS (Hipótesis: {codigo_h}) ---")
print("Responda 's' para incluir la propuesta en el informe o cualquier otra tecla para omitirla.")
print("\n[ BLOQUE: EVALUACIÓN ]")
for prop in banco_ev:
confirmar = input(f"¿Validar '{prop}'? (s/n): ").lower()
if confirmar == 's':
opciones_validadas["evaluacion"].append(prop)
print("\n[ BLOQUE: INTERVENCIÓN ]")
for prop in banco_int:
confirmar = input(f"¿Validar '{prop}'? (s/n): ").lower()
if confirmar == 's':
opciones_validadas["intervencion"].append(prop)
return opciones_validadas
#FUNCIÓN Archivo de datos en csv------------------------------------------------------------
def archivar_en_csv(datos):
# 1. Definir el nombre del archivo y la ruta (mismo directorio que el script)
nombre_archivo = "bd_enfen_fluidez.csv"
ruta_directorio = os.path.dirname(os.path.abspath(__file__))
ruta_completa = os.path.join(ruta_directorio, nombre_archivo)
# 2. Definir los encabezados del CSV
encabezados = [
'nombre',
'apellidos',
'edad',
'centro',
'curso',
'codigo_h',
'f1_pd',
'f1_z',
'f2_pd',
'f2_z',
'cat_z'
]
# 3. Comprobar si el archivo ya existe para saber si escribir encabezados
archivo_existe = os.path.isfile(ruta_completa)
try:
# Abrimos en modo 'a' (append/añadir) y newline='' para evitar líneas vacías
with open(ruta_completa, mode='a', newline='', encoding='utf-8') as archivo:
escritor = csv.DictWriter(archivo, fieldnames=encabezados)
# Si el archivo es nuevo, escribimos la cabecera
if not archivo_existe:
escritor.writeheader()
# Escribimos la fila con los resultados
escritor.writerow(datos)
print(f"✅ Datos archivados correctamente en: {nombre_archivo}")
except Exception as e:
print(f"❌ Error al guardar en CSV: {e}")
#FUNCIÓN. Escribir informe individualizado ----------------------------------------------------
def generar_info (datos):
# Obtener la fecha actual para el nombre del archivo
fecha_actual = datetime.now()
anio = fecha_actual.year
mes = fecha_actual.strftime('%m') # Formato de dos dígitos (01, 02...)
# Construir el nombre del archivo
primer_nombre = datos['nombre'].split()[0]
inicial_apellido = datos['apellidos'][0].upper()
nombre_final = f"{datos['nombre']}{inicial_apellido}_infofluidez{anio}{mes}.docx"
# Gestión del directorio para almacenar los informes
directorio_destino = "informes"
if not os.path.exists(directorio_destino):
os.makedirs(directorio_destino)
ruta_final = os.path.join(directorio_destino, nombre_final) # Ruta completa
doc = Document() # Creación del documento
# Escritura del título
titulo = doc.add_heading('Informe individualizado de evaluación de la fluidez verbal', 0)
titulo.alignment = WD_ALIGN_PARAGRAPH.CENTER
# Datos de identificación
doc.add_heading('Datos de identificación', level=1)
p = doc.add_paragraph()
p.add_run(f"Alumno: ").bold = True
p.add_run(f"{datos['nombre']} {datos['apellidos']}\n")
p.add_run(f"Curso: ").bold = True
p.add_run(f"{datos['curso']} - {datos['centro']}\n")
p.add_run(f"Fecha de emisión: ").bold = True
p.add_run(f"{fecha_actual.strftime('%d/%m/%Y')}")
# Escritura de párrafo descriptivo ENFEN-Fluidez
doc.add_heading('ENFEN-Fluidez. Descripción', level=1)
# Primer párrafo: Definición de fluidez verbal
p1 = doc.add_paragraph(
"La fluidez verbal es una tarea de producción del lenguaje que requiere el recurso a mecanismos de "
"acceso al léxico para evocar rápidamente los conceptos verbales necesarios. Se trata de una tarea "
"compleja en la que intervienen procesos cognitivos que involucran al procesamiento lingüístico "
"(memoria semántica y fonológica) como la capacidad de producción verbal controlada y programada, "
"la organización de la respuesta, la estrategia de búsqueda léxica y la monitorización para evitar la "
"emisión de respuestas ya dadas. También implica el procesamiento no lingüístico, en concreto, la atención, "
"la memoria de trabajo, la velocidad de procesamiento, la inhibición y la flexibilidad mental."
)
p1.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
# Segundo párrafo: ENFEN-Fluidez como recurso para el evaluación clínica (neuropsicológica)
p2 = doc.add_paragraph(
"ENFEN-Fluidez es un recurso pertinente para evaluar la fluidez verbal en población infantil (6 a 12 años). "
"Desde el punto de vista neuropsicológico, esta prueba forma parte de ENFEN, primera batería adaptada "
"al castellano que permite evaluar las funciones ejecutivas en niños de manera global. En concreto los resultados "
"obtenidos con esta subprueba se consideran indicadores fiables de la eficiencia cognitiva del lóbulo frontal "
"y del estatus neurocognitivo general del niño."
)
p2.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
# Tercer párrafo: Utilidad de ENFEN-FLuidez para el ámbito escolar
p3 = doc.add_paragraph(
"A nivel escolar, ENFEN-Fluidez es un recurso apropiado para la detección de dificultades de "
"aprendizaje (DA) y la identificación de necesidades específicas de apoyo educativo (NEAE), ya que "
"contribuye a la evaluación de desarrollo madurativo global de los niños de 6 a 12 años y del nivel "
"de desarrollo de su lenguaje expresivo (madurez léxica y habilidades fonológicas). Además es sensible "
"a las dificultades asociadas al TDAH."
)
p3.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
# Cuarto párrafo: Implicaciones para la intervención educativa
p4 = doc.add_paragraph(
"Por todo ello se considera que ENFEN-Fluidez es un recuros útil para plantear medidas educativas y "
"para orientar la intervención especializada de apoyo."
)
p4.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
# Escritura de párrafo justificativo del uso de ENFEN-Fluidez en relación a la hipótesis
doc.add_heading('Motivación del uso de ENFEN-Fluidez', level=1)
# Llamada a la función secundaria 1 justifica_hipotesis()
parrafo_hipotesis = justifica_hipotesis(datos['codigo_h'])
p_just = doc.add_paragraph(f"En el caso de {datos['nombre']} " + parrafo_hipotesis)
p_just.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
# Continuamos con la Tabla de resultados...
# Tabla de resultados
doc.add_heading('Resultados cuantitativos', level=1)
table = doc.add_table(rows=1, cols=3)
table.style = 'Light Grid Accent 1'
hdr_cells = table.rows[0].cells
hdr_cells[0].text = 'Subtest'
hdr_cells[1].text = 'PD'
hdr_cells[2].text = 'Puntuación Z'
# Factor 1
row1 = table.add_row().cells
row1[0].text = 'Fluidez fonológica (F1)'
row1[1].text = str(datos['f1_pd'])
row1[2].text = str(datos['f1_z'])
# Factor 2
row2 = table.add_row().cells
row2[0].text = 'Fluidez semántica (F2)'
row2[1].text = str(datos['f2_pd'])
row2[2].text = str(datos['f2_z'])
# Acceso a funciones secundarias ------------------------------------------------------
# Análisis
doc.add_heading('Análisis de los resultados cuantitativos', level=1)
# Acceso a función secundaria 2: analizar_resultados ()
parrafo_analisis_resultados = analizar_resultados (datos['codigo_h'], datos['cat_z'])
p_just = doc.add_paragraph(parrafo_analisis_resultados)
p_just.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
#Acceso a función secundaria 3: propuestas (codigo_h, cat_z)
# 1. Llamada a la función
dict_propuestas = propuestas(datos['codigo_h'], datos['cat_z'])
# 2. Preparar el texto para el informe. Creamos una lista de frases para luego unirlas
lineas_informe = []
doc.add_heading('Propuestas para la evaluación y para la intervención', level=1)
if dict_propuestas["evaluacion"]:
for item in dict_propuestas["evaluacion"]:
lineas_informe.append(f"- {item}")
if dict_propuestas["intervencion"]:
for item in dict_propuestas["intervencion"]:
lineas_informe.append(f"- {item}")
# 3. Unir todo en un solo string separado por saltos de línea
texto_final = "\n".join(lineas_informe)
# 4. Añadir al documento de Word
if texto_final:
p_just = doc.add_paragraph(texto_final)
p_just.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY
else:
doc.add_paragraph("No se seleccionaron propuestas técnicas.")
# Guardar el informe final
doc.save(ruta_final)
print(f"\n✅ Proceso completado. Informe generado: {nombre_final}")
#==================================================================
# Cuerpo principal o de ejecución
#===================================================================
if __name__ == "__main__":
#Fase 1. Recogida de datos personales ------------------------------------------------------------
print("--- DATOS PERSONALES DEL ALUMNO---")
# Solicitamos los datos al usuario
nombre = input("Nombre: ")
apellidos = input("Apellidos: ")
try: # Convertimos la entrada de edad a entero (int) para poder operar con ella
edad = int(input("Edad (sólo años): "))
except ValueError:
print("Error: Por favor, introduce un número válido para la edad (6 a 12 años).")
centro = input("Centro escolar: ")
curso = input("Curso: ")
# Fase 2. Llamada a la función cod_hipotesis ------------------------------------------------------
codigo_h = cod_hipotesis(edad)
print(f"\n[SISTEMA] Evaluación completada para {nombre}.")
print(f"[SISTEMA] Código generado: {codigo_h}")
if codigo_h == "0":
print(f"No procede aplicar ENFEN-Fluidez en la evaluación de {nombre}. Fin del proceso")
sys.exit() # Se interrumpe el script
#Fase 3. Obtención de la puntuación directa de F1 y F2
print("\n--- RESULTADOS DE LA APLICACIÓN DE ENFEN-FLUIDEZ---")
f1_pd = int(input(f"Resultado obtenido por {nombre} en F1: "))
f2_pd = int(input(f"Resultado obtenido por {nombre} en F2: "))
#Fase 4. Obtención de puntuación z para F1 y para F2
f1_z = calcular_z (edad,"f1",f1_pd)
f2_z = calcular_z (edad,"f2",f2_pd)
#Fase 5. Categorización de los resultados
cat_z = resulta_categ(f1_z, f2_z)
# Bloque 2. Fase 6. Guardar datos en csv
datos_archivar = {
'nombre': nombre,
'apellidos': apellidos,
'edad': edad,
'centro': centro,
'curso': curso,
'codigo_h': codigo_h,
'f1_pd': f1_pd,
'f1_z': f1_z,
'f2_pd': f2_pd,
'f2_z': f2_z,
'cat_z': cat_z
}
archivar_en_csv(datos_archivar)
print (f"Se han archivado correctamente los datos de {nombre} en la base de datos de ENFEN-Fluidez")
# Fase 7. Informe individualizado
print(f"A continuación se procede a generar el informe individualizado de {nombre}")
generar_info (datos_archivar)
print(f"Se ha generado el Informe Individualizado Fluidez de {nombre}")
Este gráfico muestra la distribución de la tipología de archivos. Predominan claramente los archivos .doc, creados con el procesador de textos Word. Además tienen cierta antigüedad, ya que las versiones actuales de Word tienen .docx por extensión. Este dato confirma nuestra hipótesis, que se ve reforzada por el sumatorio que resulta de añadir a ese grupo los documentos de las extensiones .docx (3 archivos) y .odt (5 archivos); esto hace un total de 90 archivos, el 90,9% del total.
