2020
2343
01012019
27092019
Berenice Dafne Ortiz-Saavedra dafne.ortiz.saavedra@gmail.com
Universidad Nacional Autónoma de México, Mexico
Resumen
Introducción: El Aprendizaje Autorregulado (AAR) contempla el uso de secuencias de procesamientos o actividades que facilitan la adquisición, procesamiento y uso de la información, mismas que se han vinculado fuertemente como predictores del desempeño académico (Dent & Koenka, 2016; Boruchovitch & Santos, 2015 p.20). Aunque se han desarrollado instrumentos para evaluar el AAR en educación superior, es necesario diseñar cuestionarios para estudiantes de bachillerato que abarquen estos predictores.
Objetivo: Realizar análisis de parámetros de un banco de ítems, así como de confiabilidad y validez para construir la Escala de Estrategias de Autorregulación (EEAR) de Ortiz-Saavedra para estudiantes de bachillerato.
Método: Estudio prospectivo y de validación psicométrica de un banco de ítems con una cohorte de 734 estudiantes de bachillerato de ambos sexos entre 15 y 19 años. Se realizó validación de contenido y psicométrica a través de Modelamiento por ecuaciones estructurales y la Teoría de la Respuesta al ítem, para integrar la EEAR.
Resultados: Se validó la estructura factorial y propiedades psicométricas (índices de discriminación y localización) de la EEAR que aseguran la estabilidad y precisión de las mediciones para las dimensiones hipotetizadas (α= ,92; CFI=,98; IFI=,98.; RMSEA= ,048 e IC RMSEA= 0,0370,058).
Conclusiones: Este estudio permitió validar el desarrollo teórico y las propiedades psicométricas de la Escala de Estrategias de autorregulación para estudiantes de bachillerato de la Cuidad de México. Además, permitió discutir aspectos teóricos, como la importancia de características personales y contextuales en las que el individuo desarrolla sus experiencias de aprendizaje, así como aspectos metodológicos en la evaluación del aprendizaje autorregulado, como la utilización de puntajes estandarizados, mismos que permiten identificar distintos niveles de autorregulación.
Palabras clave: estrategias de autorregulación, teoría de la respuesta al ítem, validación de constructo, modelamiento por ecuaciones estructurales.
Abstract
Introduction: Self-regulated Learning (SRL) consider the use of processing sequences or activities that facilItate the acquisition, processing and use of information, which have been strongly linked as predictors of academic performance (Dent & Koenka, 2016, Boruchovitch & Santos, 2015). Although several test have been developed to assess SRL in higher education, it is necessary to design questionnaires for high school students covering the predictors considered.
Objective: Perform analysis of parameters of an item bank, as well as reliability and validity to build the Ortiz-Saavedra Self-regulation strategies scale (SRSS) for high school students.
Method: Prospective study and psychometric validation of an item bank with a cohort of 734 high school students of both sexes between 15 and 19 years old. Content validation was performed, as well as psychometric validation through Structural Equation Modeling and Item Response Theory, to integrate the SRSS.
Results: The factor structure and psychometric properties of the SRSS were validated to ensure the stability and precision of the measurements for the hypothesized dimensions (α= .92; CFI= .98; IFI= .98.; RMSEA= .048 e IC RMSEA= 0.0370.058).
Conclusions: This study allowed to validate the theoretical development and psychometric properties of the Self-Regulation Strategies Scale for high school students of Mexico City. In addition, it allowed to discuss theoretical aspects, such as the importance of personal and contextual characteristics in which the individual develops his learning experiences; as well as methodological aspects in the evaluation of self-regulated learning, such as the use of standardized scores, which allow identifying different levels of self-regulation.
Keywords: self-regulation strategies, item response theory, construct validity, structural equation modeling.
Artículos
Construcción y validación de una escala para medir estrategias usadas en el aprendizaje autorregulado en estudiantes de bachillerato
Construction and validation of a scale for assessing strategies used in self-regulated learning in high school students
Berenice Dafne Ortiz-Saavedra dafne.ortiz.saavedra@gmail.com
Recepción: 01 Enero 2019
Aprobación: 27 Septiembre 2019
El aprendizaje autorregulado (AAR) se ha convertido en una de las áreas más importantes de investigación dentro de la psicología educativa. El AAR es un marco conceptual desarrollado con la finalidad de tratar de comprender en qué medida los aspectos cognitivos, meta-cognitivos, motivacionales y afectivos explican el aprendizaje (Panadero, 2017, p.1). El aprendizaje autorregulado abarca muchos de los predictores más fuertes del desempeño, desde planear una tarea académica hasta persistir frente a la frustración (Dent & Koenka, 2016, p.2). Por lo tanto, identificar qué estrategias de autorregulación del aprendizaje son más funcionales, así como qué factores facilitan su uso, es esencial para promover el rendimiento académico, y con esto, obtener mayor conocimiento sobre cómo es que los estudiantes aprenden de manera efectiva. Diversos estudios sugieren que la frecuencia y efectividad del AAR varía en función de los factores del estudiante y la escuela (Dent & Koenka, 2016, p.3). Uno de los factores del estudiante es la auto-eficacia, la cual predice positivamente el uso de estrategias de autorregulación (Hernández, 2018; Bozpolat, 2016; Ocak & Yamaç, 2013). Otras investigaciones sostienen que el tipo de metas elegidas y el compromiso hacia ellas, son determinantes para que un individuo active procedimientos cognitivos que faciliten la toma de decisiones y la implementación de objetivos (Gollwitzer & Oettingen, 2011, p.162). También, el auto-monitoreo y la autorreflexión han demostrado ser mediadoras del aprendizaje (Panadero & Alonso-Tapia, 2014).
Una forma en la que se ha evaluado el AAR, es mediante el uso de estrategias de autorregulación (Boruchovitch, & Santos, 2015), secuencias de procesamientos o actividades elegidas con la finalidad de facilitar la adquisición, el procesamiento y el uso de la información (Nisbet & Schucksmith, 1986 en Boruchovitch & Santos, 2015 p.20). El uso de estas estrategias se ha estudiado a través de instrumentos de autorreporte, o entrevistas sobre la forma de abordar diversas tareas de aprendizaje. En los últimos años se han desarrollado y validado diversas escalas para medir las estrategias de autorregulación, basadas principalmente en los modelos de Zimmerman y Pintrich (Magno, 2010; Boruchovitch & Santos, 2015; Erdogan & Senemoglu, 2016) y también se han realizado adaptaciones de escalas validadas anteriormente (Castañeda, Pérez & Peña, 2016; Jakešová, Gavora, Kalenda & Vávrová, 2016; Jiménez, García, López-Cepero & Saavedra, 2018).
Si bien se han generado diversos instrumentos para medir el aprendizaje autorregulado y las estrategias que los estudiantes usan, la mayoría de ellos se han validado en población universitaria y todos miden principalmente auto-monitoreo, orientación a metas, control volitivo y memoria; además de metacognición, autoeficacia, locus de control, autoevaluación, ansiedad, estrategias de adquisición de la información, motivación intrínseca y organización. Las funciones de monitoreo y control, en la mayoría de los modelos, están principalmente enfocadas en la cognición, sin atender a lo que ocurre en los procesos metacognitivos (Dinsmore, Alexander, & Loughlin, 2008; Schunk, 2008), lo cual dificulta el conocer información sobre cómo lidia cada estudiante al momento de la acción.
En la Tabla 1 se presenta un análisis de 5 escalas que miden estrategias de autorregulación desarrolladas en los últimos años, considerando sus características principales en cuanto a las variables que miden, así como aspectos metodológicos que incluyen las características de la muestra y los métodos empleados para el proceso de construcción de los instrumentos de medición.
De acuerdo con esta información, y analizando las variables autorregulatorias después de la tarea de aprendizaje, los instrumentos no miden variables como estrategias de auto-reacción, las cuales se refieren a las reacciones emocionales y cognitivas del alumno frente a las atribuciones sobre sus resultados de aprendizaje. Además, no establecen una clara diferencia entre las variables que están más estrechamente relacionadas con las situaciones de aprendizaje, indagando principalmente en variables de la persona.
La mayor parte de los instrumentos generados hasta ahora se enfocan en las variables cognitivas y motivacionales relacionadas a la persona; dejando descubierta la medición del nivel situacional en su carácter metacognitivo y motivacional. Si bien varias revisiones teóricas y estudios han modelado las relaciones entre los procesos metacognitivos de aprendizaje, en la literatura empírica ha recibido menos atención. Como resultado, variables como la planificación, el establecimiento de metas, el auto-monitoreo, el auto-control y la auto-evaluación han sido combinadas en una sola medida (Dent & Koenka, 2016, p.5). Esto es congruente con la revisión que hacen Dinsmore et al. (2008) y Schunk (2008), quienes sugieren que las funciones de monitoreo y control, en la mayoría de los modelos, están principalmente enfocadas en la cognición, sin atender a lo que ocurre en los procesos metacognitivos.
Uno de los modelos que han surgido en esta área de investigación es el modelo de aprendizaje autorregulado metacognitivo y afectivo de Efklides (MASRL, por sus siglas en inglés). De acuerdo con el modelo de Efklides (2011), la metacognición, la motivación y el afecto están representados por las características de la persona, su autoeficacia, etc. La metacognición toma diferentes formas, con el conocimiento metacognitivo y las competencias metacognitivas ocurriendo a nivel personal y la experiencia motivacional siendo específica de la situación (Efklides, 2001; Flavell, 1979).
En este sentido, Zimmerman & Moylan (2009) hacen referencia a variables metacognitivas después de la ejecución. Señalan que hay que tener en cuenta dos procesos en torno a la auto-reacción, la cual es en cierta medida dependiente de la situación específica de aprendizaje:
Por otro lado, es de hacer notar que la mayoría de las publicaciones no reportan análisis de ítems, contando con solo dos instrumentos que los reportan. Este tipo de análisis son importantes para asegurar la eficiencia de las mediciones en cuanto a su sensibilidad para clasificar mejor si los examinados cuentan o no con estrategias de autorregulación.
Por lo tanto, el objetivo de este estudio es fiabilizar, calibrar y validar la Escala de Estrategias de Autorregulación (EEAR) de Ortiz-Saavedra, lo cual permitirá contar con un instrumento que permita integrar a la medición indicadores diferenciados de variables metacognitivas, así como de niveles de autorregulación, como son el personal y la situación.
Se realizó un estudio prospectivo, de una cohorte, y transversal, ya que se realizó un solo levantamiento de datos para probar el instrumento.
Se recolectó de manera intencionada una muestra no probabilística, por cuotas de 734 estudiantes de bachilleratos de tres planteles de la Escuela Nacional Preparatoria y dos planteles del Colegio de Ciencias y Humanidades de la Universidad Nacional Autónoma de México. La Tabla 2 resume las características de la muestra.
Un banco inicial de 97 reactivos tipo Likert, con cuatro opciones de respuesta que miden autovaloraciones sobre las estrategias de autorregulación del aprendizaje de los estudiantes, sobre afirmaciones relativas a seis dimensiones de autorregulación de la situación y cinco dimensiones de autorregulación de la persona. La Tabla 3 incluye la construcción teórica de los ítems de la escala.
Se definieron teóricamente once sub-dimensiones se elaboraron diseños de observación y medición para cada sub-dimensión. Se utilizó el análisis Cognitivo de Tarea (Castañeda, 2006) para operacionalizar los constructos hipotetizados y elaborar los ítems. Una vez construido el banco de reactivos, se sometió a proceso de validación de contenido a través del juicio intersubjetivo de cinco expertos en el área de aprendizaje autorregulado.
Se ajustó el banco de reactivos en función de los comentarios y observaciones de los expertos y se integró una versión preliminar. Se aplicó el banco de reactivos, se sistematizó la información y se realizaron los análisis de confiabilidad, validación y análisis de ítems.
Posteriormente se estimaron las puntuaciones estandarizadas de once conjuntos de ítems, correspondientes a las sub-dimensiones desarrolladas, Por último, con las puntuaciones estandarizadas se realizaron los análisis de validación de constructo.
Para verificar la consistencia entre jueces expertos, se aplicó el Estadístico Kuder-Richardson (KR20) y un alfa de Cronbach para valorar la consistencia interna. Posteriormente se implementó la calibración politómica utilizando el modelo de Respuesta Graduada de Samejima (1969). Se estimaron los pesos factoriales para verificar la unidimensionalidad de las dimensiones; así como la validez de constructo convergente y divergente para todo el instrumento a través de las puntuaciones estandarizadas del conjunto de ítems para cada sub-dimensión (se obtuvieron once variables, puntajes Ɵ, análogos a las puntuaciones Z). Se utilizó el método de estimación bayesiana (EAP), con la finalidad de atender a la varianza de error debido al método de registro de los datos (categóricos, por medio de auto-reporte con respuestas en escala tipo Likert) y tomar en cuenta solo el puntaje de cada individuo en la variable latente (Brown & Croudance, 2015).
Con estas puntuaciones se toma ventaja de los análisis de invarianza de parámetros, desde el cual se ven las respuestas a los ítems como indicadores del estado o posición de un examinado en algún atributo psicológico subyacente o rasgo latente (Vander Linden & Hambleton, 1997).
Para realizar los análisis de confiabilidad se utilizó el programa estadístico SPSS versión 20 (IBM, 2010); para confirmar la estructura factorial del instrumento se utilizó el software EQS 6.1 (Bentler, 2006), y por último, para realizar los análisis psicométricos de calibración politómica, unidimensionalidad y estimación de puntajes estandarizados se utilizó el software IRTPRO 4.2 (SSI, 2017).
La Figura 1 muestra el modelo teórico de la escala de estrategias de autorregulación. El modelo asume que cada uno de las sub-dimensiones se asocia positivamente al factor; con excepción de la sub-dimensión atribuciones causales, en la cual se asume una relación teórica negativa con el factor autorregulación de la persona.
La autora declara no tener conflicto de intereses.
Se contó con la participación de cinco jueces expertos, quienes indicaron su acuerdo o desacuerdo en cuanto a la presencia de la variable en cuestión en cada ítem y la pertinencia de este en la escala para la población objetivo. La Tabla 4 resume los resultados de la prueba KR20.
Con base en los resultados es posible afirmar que los ítems cuentan con validez de contenido.
En la Tabla 5 se muestra el análisis de consistencia interna, mismo que se realizó a través del alfa de Cronbach; el índice de confiabilidad para todo el instrumento fue de ,921. Así mismo, se realizaron los estadísticos para verificar la adecuación muestral (KMO) para el cual se obtuvieron índices muy buenos, y la Prueba de esfericidad de Bartlett, para evaluar la aplicabilidad del análisis factorial.
Es posible observar que el instrumento es lo suficientemente confiable para la medición de este tipo de constructos.
Se estimaron las cargas factoriales (λ) de cada conjunto de ítems, así como la confiabilidad marginal. Para realizar los análisis se consideró el modelo teórico de la Figura 1; los resultados se pueden apreciar en las Tablas 6 a 16. En las estimaciones resultantes, 12 ítems obtuvieron pesos factoriales <,30, mientras que los demás reactivos demostraron tener pesos factoriales adecuados, mayores de ,30 (Abell, Springer & Kamata, 2009) para los que es posible interpretar que las dimensiones se encuentran claramente representadas y son explicadas por el conjunto de reactivos propuestos inicialmente.
Se realizó una calibración para conocer las propiedades psicométricas de cada reactivo (véanse Tablas 6 a 16). Se identificaron las propiedades psicométricas de los ítems en cuanto a su discriminación y nivel de rasgo latente. Posteriormente se realizó una segunda calibración con los ítems que se consideraron suficientes para medir el factor psicométrico. Se conservaron 60 reactivos de los 97 originales. Se utilizó como principal criterio la medida del nivel de discriminación, considerando dentro de la escala aquellos ítems con índices por encima de 0,90, por lo que ocho reactivos de la dimensión Autoeficacia mostraron índices de discriminación (a) altos, además de errores estándar pequeños (ver Tabla 6).
En la dimensión Valor de la tarea, ocho ítems mostraron índices (a) altos y bajos errores estándar, funcionando para discriminar de niveles medios a bajos de la variable latente (ver Tabla 7). Con respecto a la dimensión Auto-monitoreo, siete reactivos cuentan con índices (a) altos, errores estándar pequeños y funcionan para clasificar en distintos niveles de la variable (Ver Tabla 8).
Por otro lado, en la dimensión Atribuciones Causales, solo cuatro reactivos demostraron cumplir con el criterio de Unidimensionalidad, siendo sus índices de discriminación altos y sus errores estándar bajos (ver Tabla 9). Para la dimensión auto-evaluación, cinco ítems cumplieron con índices de discriminación altos y bajos errores estándar, funcionando a diversos niveles de la variable latente que van de muy bajos a medios (ver Tabla 10).
En cuanto a la dimensión Análisis de la Tarea, seis ítems mostraron índices (a) altos y errores estándar pequeños (ver Tabla 11).
Para la dimensión Establecimiento de metas, cinco ítems demostraron cumplir con el criterio de Unidimensionalidad, siendo sus índices de discriminación altos y sus errores estándar bajos (ver Tabla 12). En la dimensión Estrategias metacognitivas se aprecia que los ítems discriminan con niveles altos y bajos errores estándar en las mediciones (ver Tabla 13).
Con respecto a la dimensión Estrategias motivacionales, todos los ítems mostraron funcionar adecuadamente para discriminar a distintos niveles de la variable Latente (ver Tabla 14).
En cuanto a la dimensión Autosatisfacción, cinco ítems mostraron índices (a) altos, errores estándar pequeños, funcionando para clasificar a distintos niveles de la variable Latente (ver Tabla 15). Por último, para la dimensión
Inferencias, cinco ítems mostraron funcionar para clasificar a lo largo del continuo de la variable latente, con niveles altos en sus índices de discriminación y errores estándar pequeños (ver Tabla 16).
Dados estos resultados se puede concluir que el instrumento cuenta con propiedades psicométricas adecuadas, que garantizan la eficiencia en sus mediciones.
Se utilizó el modelo teórico de la Figura 1; los resultados se aprecian en la Figura 2.
El modelo resultante demostró tener índices de ajuste estadístico (x2= 117,16, p= 0.00) y práctico adecuados (CFI= ,98; IFI= ,98.; RMSEA= ,048 e IC RMSEA=0.0370.058) por lo que es posible concluir que no existen diferencias significativas entre el modelo teórico hipotetizado y los datos empíricos. Con esto, es posible confirmar la estructura factorial de la EEAR.
En cuanto a la valoración de la validez convergente y divergente, es posible concluir que el instrumento cuenta con validez convergente en las seis dimensiones propuestas para el factor Autorregulación Situación y en las cinco dimensiones del factor Autorregulación Persona propuestas inicialmente. Se esperaba una asociación negativa entre la variable Atribución Causal y el factor Autorregulación Persona, misma que se presentó. La validez divergente también quedó validada en tanto que no hay asociaciones entre los factores de primer orden propuestos. El instrumento en su versión final se puede encontrar en la Tabla 17.
En la investigación contemporánea sobre aprendizaje autorregulado, es posible identificar bastante evidencia empírica acerca del papel que juegan las estrategias de autorregulación con las que cuenta el estudiante, así como en el desempeño académico a lo largo de diversos niveles educativos (Dent & Koenka, 2016, p.11). Sin embargo, no es muy clara la diferenciación entre aquellas estrategias que tienen que ver con un modo de regulación personal o procesos metacognitivos y aquellas que se insertan en la situación específica de aprendizaje, como las estrategias de análisis de la tarea, motivacionales y de auto-reacción. En este sentido, Efklides (2011) propone dos niveles de autorregulación, en donde por un lado la metacognición, motivación y afecto están representadas por las características personales, las cuales funcionan a través de las situaciones o tareas y representan un nivel general, y por el otro lado, toma lugar un procesamiento más específico, abarcando los procesos de control y monitoreo. Esto implica que la autorregulación no solo es un proceso de arriba hacia abajo (Zimmerman, 2008) dictado por el objetivo establecido de acuerdo con las características generales de la persona; también existe una autorregulación ascendente y dirigida por datos a nivel específico, guiada por el monitoreo del procesamiento de tareas a medida que se lleva a cabo, así como características contextuales (Efklides, 2011).
En cuanto a la evidencia de validez de los instrumentos presentados, se puede considerar que los métodos estadísticos son pertinentes para el tipo de muestra de cada estudio; sin embargo, se podría cuestionar la representatividad de las muestras utilizadas en términos de la validez de las conclusiones expuestas.
En este sentido, el instrumento desarrollado atiende al uso de estrategias de autorregulación dependientes de la situación, incluyendo a los procesos metacognitivos de autocontrol representados por las estrategias metacognitivas y motivacionales. También incluye la medición de estrategias de auto-reacción, representadas por las sub-dimensiones auto-satisfacción e inferencias adaptativas/defensivas. Por otro lado, contar con un instrumento que considera la varianza de error generada por el método de medición (escala tipo Likert), nos acerca a mediciones más precisas de variables latentes, dado que a partir de la obtención de puntuaciones estandarizadas es posible calcular puntos de corte más sensibles al continuo del rasgo, para la interpretación de resultados de la prueba.
En conclusión, los resultados presentados aportan evidencia empírica que permite concluir que la Escala de Estrategias de Autorregulación (EEAR) es un instrumento confiable, dado que proporciona mediciones precisas. La escala también cuenta con validez convergente (se confirman las relaciones entre variables teorizadas) y divergente (se confirma la no relación entre constructos) entre sus dimensiones, tanto en su desarrollo teórico y de contenido, como en sus propiedades psicométricas.
