Introducción

El inicio de una carrera universitaria puede conllevar un cambio significativo en la manera, la intensidad y el compromiso con que una persona se debe aproximar a los objetos de estudio en cada uno de los cursos que matricula. El estilo de aprendizaje de cada discente debe ser flexible ante los distintos estilos de enseñanza de sus docentes, y para lograr esto se vuelve importante la adquisición o el replanteamiento de las estrategias que la persona utilizó durante su etapa de educación secundaria. Para una persona de nuevo ingreso a la universidad el centro de gravedad de un desempeño suficiente (y ojalá óptimo) se mueve dramáticamente hacia sus propias acciones. Ante este tipo de transición, Irvine et al. (2021) destacan que el ingreso a una carrera conlleva la adaptación a nuevos entornos, el desarrollo de estrategias de aprendizaje eficaces y una adecuada gestión del tiempo ante las diversas exigencias de los primeros cursos universitarios.

El aprendizaje autorregulado

Un constructo que ha cobrado interés en las décadas recientes y que en el inicio de la vida académica universitaria puede ser considerado de vital importancia es el aprendizaje autorregulado. Mannion (2020) señala que varios de los intentos por delimitar este concepto han incurrido en el traslape entre las definiciones de dos procesos asociados con él, a saber, la autorregulación y la metacognición. Ante esto, el autor propone la siguiente delimitación: la metacognición hace referencia al monitoreo y control de los pensamientos; la autorregulación hace referencia al monitoreo y control de emociones y comportamientos, mientras que el aprendizaje autorregulado conllevará la aplicación de la metacognición y la autorregulación al proceso de aprendizaje. Para De Araujo et al. (2023), el aprendizaje autorregulado ha sido definido convencionalmente como la interacción dinámica de la tripleta persona-entorno-tarea, en la que se involucran además tres componentes generales, a saber, cognición, metacognición y motivación. Nótese que en la definición anterior, aparte de la metacognición, ya mencionada, se hace explícita la referencia a otros dos componentes relevantes, a saber, la cognición y la motivación.

Con respecto al papel de la cognición, Winne (2017) afirma que los procesos cognitivos relacionados con el aprendizaje responden a operaciones de (I) codificación de la información, (II) almacenaje en la memoria a largo plazo y (III) recuperación de la información que es traída de la memoria a largo plazo a la memoria de trabajo (sistema en el que la información puede ser procesada con mayor detalle o atención cuando es requerida para la ejecución de alguna tarea). Además, según este autor, gran parte de la cognición, tanto en la escuela como en la vida, implica operaciones algorítmicas aprendidas o heurísticas diseñadas para alcanzar los objetivos de las personas. Sin embargo, para Usher y Schunk (2017) aunque la arquitectura cognitiva humana está constituida, en efecto, por la memoria a largo plazo y la memoria de trabajo, ambas necesarias para un funcionamiento exitoso en las tareas de aprendizaje, es la naturaleza de esas tareas la que determina si basta con los recursos cognitivos para llevarla a cabo o si la persona deberá utilizar recursos metacognitivos o autorregulatorios para completarla, ya que cuando la tarea es nueva o compleja la memoria de trabajo puede verse sobrecargada rápidamente y, ante esto, la persona debe activar esquemas cognitivos relevantes en la memoria a largo plazo que le ayuden a decidir cuál es el curso de acción a tomar y que propicien alivio a esa sobrecarga. Para ello es preciso recurrir a habilidades mentales que le permitan a la persona gestionarse a sí misma y sus recursos, mediante la selección y control de acciones y pensamientos que le permitan alcanzar sus objetivos.

En cuanto a la motivación, García y Cruz (2016) la describen como la atracción de una persona hacia un objetivo así como la aceptación del esfuerzo requerido para alcanzarlo. Para Dong et al. (2024), la motivación es uno de los factores esenciales en la autorregulación y sus componentes claves son la autoeficacia (creencia de una persona en su capacidad para realizar una tarea específica o alcanzar con éxito una meta), la motivación intrínseca (impulso interno hacia el interés, el logro y el dominio) y la motivación extrínseca (recompensas externas, como los elogios o la competencia).

Estrategias de aprendizaje

Pintrich et al. (1991) proponen que las principales estrategias de aprendizaje autorregulado son las siguientes:

1. 1. Repetición.- Corresponde a la repetición de la información con el fin de memorizarla.

   2. Elaboración.- Es la estrategia en la que se integra el conocimiento adquirido con el previo.

   3. Organización.- Corresponde a la estrategia en la que se seleccionan y articulan los contenidos.

   4. Pensamiento crítico.- Es la estrategia en la que se utilizan argumentos lógicos para la evaluación de los nuevos contenidos.

   5. Autorregulación metacognitiva.- Es el conjunto de estrategias en las que se monitorea y regula la propia cognición (De Araujo et al., 2023).

Pintrich et al. (1991) elaboraron una escala en la que evalúan las distintas dimensiones del aprendizaje autorregulado, la cual se denomina Motivated Scale Learning Questionnaire (MSQL). Esta escala ha sido la base para la evaluación de las estrategias de aprendizaje en las décadas recientes, no obstante, las evidencias sobre la representación de la estructura factorial argumentadas en varios estudios son dudosas (De Araujo et al., 2023). Otro elemento que es cuestionable es que la estrategia de repetición presenta pesos factoriales mayores o iguales en el factor general de aprendizaje autorregulado que en las otras estrategias de aprendizaje consideradas. En otros estudios también se ha observado que los ítems considerados en las escalas presentan propiedades psicométricas dudosas, como reducción del alfa de Cronbach o cargas factoriales bajas (De Araujo et al., 2023; Suárez y Mora, 2016), lo cual podría indicar que los ítems considerados no representan apropiadamente el constructo pretendido.

Sin embargo, Wang et al. (2022) apuntan que existen varios aspectos positivos en las escalas del MSQL que lo vuelven un instrumento útil y ventajoso para la medición del aprendizaje autorregulado por diversas razones, tales como (I) su fundamentación en un marco teórico que integra varias aristas de ese tipo de aprendizaje; (II) su flexibilidad para ajustarse a diversas preguntas de investigación relacionadas con el constructo, ya que sus variables pueden utilizarse en forma conjunta o por separado; (III) la evidencia que reporta que el cuestionario constituye una medida eficiente, práctica y ecológicamente válida del aprendizaje autorregulado a través de diversas culturas, países, muestras y sujetos, y finalmente, (IV) el diseño del cuestionario a nivel de un curso universitario, lo que le confiere un nivel de detalle adecuado, evitando tanto la generalidad como la especificidad excesivas.

En cuanto a la asociación de las estrategias de aprendizaje con el rendimiento académico, en el artículo de Pintrich et al. (1991) únicamente la elaboración y la autorregulación metacognitiva tuvieron una correlación superior a .20 con la nota final de los estudiantes. Por su parte, Sun et al. (2018) implementaron un diseño para explicar las diferencias en el éxito académico de los estudiantes en cursos de Cálculo 1 y Cálculo 2 impartidos con modalidad invertida. El estudio usó el MSQL para evaluar las estrategias de aprendizaje y concluyó que las estrategias metacognitivas fueron el único predictor significativo de las notas; el resto de las estrategias, aun de forma agrupada, no presentaron una relación significativa.

Credé y Phillips (2011) llevaron a cabo una revisión metaanalítica del MSLQ a partir de una base de datos con 2,158 correlaciones obtenidas de un total 67 muestras independientes (19,900 estudiantes) y que fueron reportadas en 59 artículos. Ellos llegan a varias conclusiones con respecto al cuestionario, entre las que destacan que (I) el aprendizaje autorregulado reviste una naturaleza contextual, por lo que las motivaciones y estrategias de aprendizaje son específicas para cada curso y probablemente variarían entre diferentes cursos para un mismo individuo; (II) los puntajes del MSLQ correlacionaron más consistente e intensamente con el rendimiento en un curso específico que con el promedio de las personas estudiantes en diferentes cursos, y (III) las estrategias de repetición, organización, elaboración y pensamiento crítico no parecen estar muy relacionadas con el rendimiento académico; mientras que la autorregulación metacognitiva exhibió una correlación positiva moderada con las notas de los cursos.

León et al. (2015) llevaron a cabo una investigación en la que, mediante el ajuste de ecuaciones estructurales, evaluaron el efecto de varias variables sobre el desempeño en matemática, entre ellas el pensamiento crítico postulado en el MLSQ. Esta variable no resultó ser un predictor del desempeño en matemática, de hecho, no se evidenció un efecto estadísticamente significativo sobre el desempeño, ya sea de forma directa o indirecta.

El Cuestionario de Estrategias de Aprendizaje para matemática –CEAm–

El presente estudio tiene como propósito analizar las propiedades psicométricas de un instrumento que pretende medir las estrategias de aprendizaje autorregulado, adaptado al contexto del aprendizaje de la matemática. Las estrategias de interés que se tomaron en cuenta para implementar la adaptación propuesta fueron repetición, organización y elaboración, y autorregulación metacognitiva. Se decidió tomar en cuenta solo ese tipo de estrategias pues son las que se relacionan específicamente con la incorporación de conocimientos matemáticos nuevos en los esquemas mentales de las personas. Se decidió descartar la subescala correspondiente a la estrategia cognitiva de pensamiento crítico puesto que, aunque se relaciona con procesos mentales muy importantes tales como el juzgamiento de la validez de una proposición teórica, no se consideró que fuera de uso generalizado en la adquisición de los conocimientos matemáticos en el contexto de los cursos de precálculo o que esa estrategia estuviera de alguna manera relacionada con el rendimiento en esos cursos (León et al., 2015). Debido a lo anterior, el propósito del instrumento diseñado es la medición de estrategias cognitivas y metacognitivas para el aprendizaje autorregulado de la matemática.

A partir de las consideraciones anteriores fueron definidas las dimensiones teóricas que serían tomadas en cuenta para la medición del constructo (estrategias cognitivas y metacognitivas para el aprendizaje autorregulado de matemática en precálculo), a saber: repetición, elaboración, organización y metacognición. Posteriormente se procedió a seleccionar una adaptación del MSLQ cuyos ítems ya hubieran sido ajustados a un contexto cercano a la matemática y, específicamente, a los primeros cursos universitarios de esa disciplina. Así, se define que el instrumento sobre el cual se basaría el diseño inicial del nuevo cuestionario sería una adaptación del MSLQ al idioma español diseñado para estudiantes universitarios de Bogotá que habían matriculado cursos de física para carreras de ingeniería (Suárez y Mora, 2016) y que incorporó los cambios necesarios al cuestionario original para que se adaptara a las características el estudio de la física a nivel superior. Esos autores denominaron el instrumento que generaron como MSLQf (puesto que es la adaptación del MSLQ a la física) y, de acuerdo con el análisis de sus características psicométricas, concluyeron que puede ser utilizado en su contexto específico. De esta manera, la cercanía y similitud entre las áreas de la física y la matemática en el nivel de los primeros cursos universitarios propiciaron que se tomara el MSLQf como referencia y fuente de reactivos para el diseño del cuestionario específico de estrategias cognitivas y metacognitivas para el aprendizaje de la matemática en el contexto del curso de precálculo. Dado que el instrumento que se quería diseñar tenía un rango muy específico en cuanto a las estrategias que pretendía medir para el aprendizaje en matemática, y como además se suprimieron del todo las escalas relacionadas con la motivación y la gestión de recursos, no se consideró conveniente denominarla MSLQm, pues dicho acrónimo no correspondería con las dimensiones particulares del aprendizaje autorregulado que se incluirían, por lo que se le denominó CEAm (Cuestionario de Estrategias de Aprendizaje para matemática). Los procesos del diseño, pilotaje y validación del cuestionario se describen en el siguiente apartado.

Abordaje metodológico

La investigación llevada a cabo utiliza un diseño no experimental transversal de tipo instrumental con alcance descriptivo (Cabrera-Tenecela, 2023; Hernández-Sampieri y Mendoza, 2018), que se enfoca en la adaptación de cuestionario a un contexto diferente a aquel para el que fue creado originalmente, reconfigurándolo a una versión más breve con el propósito de medir solo algunas de las dimensiones del constructo. El análisis de datos busca exponer las propiedades psicométricas del instrumento construido.

Participantes

La versión final del CEAm se aplicó a 892 estudiantes de un curso de nivelación de conocimientos matemáticos para nuevos estudiantes de una universidad. En este grupo hubo 468 hombres, 419 mujeres, dos personas no binarias y tres personas que prefirieron no indicar su género. La media de edad de las personas participantes fue 18.51 (D.E. = 2.14), mientras que la mediana fue de 18, lo cual señala una leve asimetría positiva (el rango de edad fue de 15 a 42 años).

Instrumento

El CEAm es una escala que evalúa tres estrategias cognitivas de aprendizaje de matemática y, además, posee una subescala para la medición del uso de estrategias para la autorregulación metacognitiva de ese aprendizaje. Así, la escala se compone de seis ítems de estrategias metacognitivas, cinco de elaboración, tres de organización y tres de repetición. Además, los ítems usan una escala Likert de cinco puntos, que iba desde muy en desacuerdo hasta muy de acuerdo.

Como ya se mencionó, la primera etapa para el desarrollo del CEAm fue la construcción del cuestionario a partir de la selección y adaptación de los ítems del MSLQf (Suárez y Mora, 2016). En este proceso se escogieron los ítems de las dimensiones de interés que aportaban al incremento del alfa de Cronbach de la subescala correspondiente. Posteriormente se adaptó la redacción de los ítems para que fuera pertinente en el contexto matemático. La adaptación del contenido de los ítems fue revisada por dos personas expertas en educación matemática. Luego, con este grupo de ítems se definió la versión 1 del cuestionario.

En la segunda etapa se aplicó la versión 1 del cuestionario a un grupo de 140 estudiantes de un curso introductorio de matemática en una universidad. En este pilotaje se obtuvo una estructura factorial de tres factores. El factor 1 agrupó a los ítems de metacognición y repetición, el 2 a los reactivos de organización y el 3 a los de elaboración. En vista de lo anterior, se concluyó que debían elaborarse nuevos ítems de metacognición y repetición, para definir apropiadamente tales constructos. De hecho, el análisis de contenido de los ítems arrojó que las conductas enunciadas no correspondían con las formas esperadas de repetición o metacognición utilizadas en la matemática.

En la tercera etapa se definieron los ítems que se utilizarían en la versión 2 del cuestionario. En elaboración y organización se usaron los ítems que cargaron en los factores correspondientes en la aplicación piloto, que fueron tres por cada dimensión. Luego se construyeron seis, cinco, dos y dos ítems para las dimensiones de estrategias metacognitivas, repetición, elaboración y organización, respectivamente. Esta versión preliminar fue aplicada a 146 estudiantes de Cálculo y se obtuvo una estructura factorial de cuatro factores, definidos en función de las estrategias consideradas. Se eliminaron dos ítems de repetición, debido a que no cargaron en la dimensión esperada; también se eliminaron dos ítems de organización, debido a que cargaron en dos dimensiones: la esperada y metacognición. Los ítems de la versión 2 del cuestionario con buenas propiedades psicométricas determinaron la versión final, la cual es analizada en este artículo.

Procedimiento

El CEAm fue aplicado en todos los grupos de un curso de nivelación de conocimientos matemáticos para nuevos estudiantes de una universidad (precálculo). La aplicación se realizó una semana antes del primer parcial del curso. Para la toma de datos se visitaron los grupos del curso y se compartió el código QR de la versión digital del cuestionario. Las personas que no pudieron ingresar a la dirección web completaron el cuestionario de forma física.

Es importante mencionar que antes de completar el cuestionario se les compartió un formato de consentimiento informado para participar en la investigación, el cual fue aprobado por la vicerrectoría de investigación de la universidad en la que se realizó el estudio. A las personas que no estuvieron de acuerdo en participar se les indicó que no debían completar el cuestionario.

Análisis de datos

La primera etapa fue realizar un análisis paralelo de la matriz de correlaciones de los ítems del CEAm, con el fin de determinar el número de factores que se debían considerar en el análisis factorial exploratorio –AFE–. Para esto se utilizó el criterio del número de autovalores mayores a los observados en la matriz de correlaciones de datos simulados. Luego se realizó el AFE con el número de factores establecidos. Este análisis se realizó con el método de mínimos cuadrados ponderados, junto con una rotación promax. Se definió que un ítem cargaba en un factor si presentaba una carga factorial mayor o igual a .30.

Posteriormente, se definió que las subescalas del CEAm eran los grupos de ítems con cargas superiores a .30 en cada factor. En estas subescalas se estudió el alfa de Cronbach y las puntuaciones ítem-total. Luego se analizaron sus estadísticas descriptivas y se contrastaron sus puntuaciones totales con el género y con la nota obtenida en el primer parcial del curso en el que se tomaron los datos.

Resultados

Análisis factorial exploratorio

El estudio inicial de la base de datos señaló que esta podía presentar una estructura factorial subyacente (KMO = .88 y prueba de esfericidad de Bartlett significativa al 5%). Posteriormente, el análisis paralelo sugirió una estructura de cuatro factores, ya que únicamente los primeros cuatro autovalores observados en los ítems utilizados fueron superiores a los observados en una matriz de datos simulados.

A partir de lo anterior se realizó un análisis factorial exploratorio con una extracción de cuatro factores. En este análisis se utilizó el método de mínimos cuadrados ponderados y una rotación promax. El ajuste del modelo a los datos fue aceptable (TLI = .948, RMSEA = .042 y RMSR = .02) y los cuatro factores explicaron un 45% de la varianza de los ítems. Las cargas factoriales de cada ítem se presentan en la Tabla 1. En el factor 1 cargaron todos los ítems de metacognición y dos de elaboración, en el factor 2 cargaron todos los de organización y uno de repetición, en el 3 todos los de elaboración, y en el 4 todos los de repetición. En consecuencia, se concluyó que los factores 1, 2, 3 y 4 representaban a las dimensiones metacognición, organización, elaboración y repetición.

Las subescalas de metacognición, organización, elaboración y repetición quedaron conformadas por seis, cinco, tres y tres ítems, respectivamente. Los coeficientes alfa de Cronbach ordinal de estas subescalas fueron .78, .77, .77 y .70, respectivamente. Por otro lado, todos los ítems presentaron correlaciones ítem-total mayores a 0.40, con la subescala correspondiente reducida (sin considerar el ítem estudiado en la puntuación total).

Estadísticas descriptivas de las puntuaciones de las subescalas

En la Tabla 2 se presentan las estadísticas descriptivas de las subescalas definidas en el CEAm. Se reportaron promedios altos en metacognición y medios en las otras tres escalas. En las escalas de organización y repetición se observó que al menos un 25% de la población reportó un nivel bajo de uso, pero al menos un 25% reportó un nivel alto de uso. En la subescala de estrategias metacognitivas, al menos el 75% de la población mostró un alto nivel de uso. Finalmente, en la escala de elaboración se observaron las puntuaciones más bajas, al menos la mitad de la población reportó puntuaciones inferiores al punto medio de la escala y al menos el 25% reportó un nivel muy bajo de uso.

Con respecto al género, en las escalas de metacognición y elaboración no se observaron diferencias considerables en los promedios del grupo femenino y el masculino, considerando el criterio de la d de Cohen. En la escala de organización se observó una diferencia mediana a favor del género femenino (d = 0.53).

Correlaciones de las subescalas con las notas de un curso de matemática

En la Tabla 3 se presentan las correlaciones de las puntuaciones de las subescalas del CEAm, entre ellas y con la nota del primer examen del curso de matemática para el cual se recopilaron los datos. Se obtuvo que las escalas de metacognición, organización y elaboración presentaron correlaciones positivas moderadas entre ellas (superiores a .3). La escala de repetición tuvo correlaciones positivas bajas con metacognición y elaboración, mientras que con la escala de organización mostró una asociación moderada.

Las notas del examen presentaron una correlación baja con dos escalas y con las otras dos fueron irrelevantes. La asociación del examen con las estrategias metacognitivas fue positiva, mientras que con repetición fue baja.

Discusión

Las etapas preliminares de la construcción del CEAm evidenciaron varios aspectos sobre el MSQL que deben ser analizados. En primer lugar, cuando se realizó el AFE se obtuvo que los ítems de repetición y autorregulación cognitiva cargaron en un mismo factor. Esta situación es inesperada desde el punto de vista teórico, ya que en la repetición hay una escasa presencia de procesos metacognitivos. Dicha agrupación puede indicar que alguna de las escalas no representa bien la dimensión pretendida o no es comprendida claramente por la población meta. Por otro lado, en varios estudios con el MSLQ se concluye que repetición y autorregulación metacognitiva son indicadores relevantes de un mismo factor o que presentan correlaciones relevantes, superiores a .30 (De Araujo et al., 2023; Pintrich et al., 1991), lo cual debe ser discutido teóricamente, ya que estas configuraciones estadísticas son inesperadas a nivel teórico. En el presente estudio se obtuvo que la correlación entre esas dos dimensiones fue de apenas .17.

En segundo lugar, en las aplicaciones piloto aparecieron varios reactivos que cargaron en varios factores, este detalle es un aspecto que aparece pocas veces en los estudios, ya que desde la investigación original de Pintrich et al. (1991) se estudia el MSLQ por medio de análisis factoriales confirmatorios. Esta particularidad provocó que la escala de elaboración tuviera una cantidad de ítems reducida, ya que desde los primeros análisis varios de sus reactivos presentaron cargas en la dimensión de autorregulación cognitiva, lo cual es coherente con la teoría, dado que para establecer conexiones con conocimientos previos hay que realizar un monitoreo del conocimiento adquirido. Con base en estos análisis, surge la duda de si tiene sentido pensar en reactivos exclusivos de las estrategias de aprendizaje o más bien hay que considerar modelos en los que se postule que algunos reactivos pueden ser indicadores de dos estrategias.

Con respecto a la versión final del CEAm hay que resaltar que se obtuvo una versión con la cantidad de dimensiones esperadas teóricamente, con reactivos que cargaron únicamente en una dimensión. Este logro fue de la mano con el sacrificio del tamaño de las subescalas, ya que varios reactivos tuvieron que ser eliminados en las rondas previas puesto que cargaban en dos dimensiones. Por otro lado, cada una de las escalas presentó coeficientes alfa de Cronbach ordinal mayores o iguales a .70, lo cual brinda evidencias de la consistencia interna de estas.

En lo que concierne a indagación de evidencias de validez basadas en la relación con otras variables, a partir de las correlaciones entre las diferentes subescalas del CEAm y los puntajes de la primera prueba parcial del curso de matemática introductoria se obtuvo que la única correlación positiva y estadísticamente significativa (aunque algo moderada) fue obtenida por la autorregulación metacognitiva, lo cual es consistente con Sun et al. (2018) y Pintrich et al. (1991). La correlación obtenida era esperada, dado que los reactivos utilizados en la escala aluden a procesos que le permitan a la persona estudiante determinar cuál es el proceso de solución necesario para resolver un problema matemático, lo cual es aplicable directamente en situaciones evaluativas. En cambio, las dimensiones de elaboración y organización refieren a procesos de organización del conocimiento que son útiles para el aprendizaje inicial de nuevos conceptos o procedimientos, pero no forman parte de los procesos a los que las personas recurren durante una situación de examen.

Por otro lado, hubo una correlación estadísticamente significativa negativa (r = -.143), pero muy baja, entre la subescala de repetición y los resultados en el primer examen, esta correlación sugiere que el uso frecuente de la repetición en el aprendizaje autorregulado se relaciona con una disminución en el desempeño. Los resultados sugieren que la repetición podría ser contraproducente para el aprendizaje de la matemática, lo cual tiene sentido dado que la repetición por sí sola no permite una asimilación estable del conocimiento, pues no establece relaciones con contenidos adquiridos previamente por la persona, situación que podría generar que varias de las estructuras que se creía haber memorizado no logren ser recuperadas a la hora de una evaluación. Ese impacto negativo de las estrategias de repetición y memorización en el desempeño de la matemática ya ha sido previamente reportado en otros estudios (Kilic et al., 2012). Además, cabe destacar que Gasco-Txabarri (2016, 2017) recopiló evidencias de diferencias en cuanto al uso de estrategias para el aprendizaje de la matemática (organización, elaboración, metacognitivas, etc.) en estudiantes de secundaria según el nivel que cursaban o mediante comparación entre grupos que seleccionaban metodologías diferentes en la resolución de cierto tipo de problemas matemáticos. Sin embargo, la repetición asociada a la memorización mostró en ambos estudios una tendencia contrastante con las demás estrategias y que se relacionó con un menor desempeño en la resolución de problemas matemáticos. El autor atribuyó este comportamiento al hecho de que la memorización ha sido reportada con anterioridad como una estrategia ineficaz para el aprendizaje de nuevos conocimientos matemáticos que, además, ha sido identificada como una estrategia de procesamiento superficial o de bajo nivel (Gasco, 2016, 2017; Richardson et al., 2012).

Ahora bien, las evidencias de validez basadas en la relación entre las dimensiones del CEAm con los puntajes de la primera prueba parcial son coherentes con otros estudios que han indagado acerca de la relación entre las estrategias para el aprendizaje autorregulado y el desempeño. Por ejemplo, Broadbent y Poon (2015) llevaron a cabo una revisión sistemática de investigaciones que se centraban en estrategias de aprendizaje autorregulado en entornos virtuales y el desempeño académico en cursos de esa modalidad. Al efectuar el metaanálisis posterior con una muestra de los 12 estudios, esos autores encontraron que la metacognición evidenció una débil correlación positiva, estadísticamente significativa, con el desempeño académico, mientras que las estrategias cognitivas de elaboración, repetición y organización no se relacionaron con el rendimiento académico en línea. Otra revisión sistemática que abarcó trece años de investigación sobre los antecedentes del promedio de calificaciones de estudiantes universitarios fue llevada a cabo por Richardson et al. (2012), quienes a partir del metaanálisis posterior obtuvieron, como parte de sus resultados, que la metacognición y la elaboración mostraban correlaciones significativas y moderadas con el promedio de calificaciones, mientras que las medidas de organización y repetición no se asociaban significativamente con ese promedio. La similitud entre las relaciones obtenidas con el CEAm con las relaciones reportadas en los metaanálisis mencionados sugiere una exitosa recolección de las evidencias de validez asociada a la variable de desempeño en el examen parcial.

Otro aspecto que destaca entre los resultados en el presente estudio es que las puntuaciones promedio de las escalas no mostraron diferencias considerables según género, con excepción de la escala de organización. Las puntuaciones más altas en esta estrategia por parte de las mujeres señalan una tendencia de este grupo a estructurar el material de estudio de una forma que les resulte más funcional para el aprendizaje. Ahora bien, esta estrategia no parece representar una ventaja para las mujeres, ya que no se asoció significativamente con el rendimiento en matemática. En futuros estudios de la CEAm hay que estudiar la invarianza de la estructura factorial de las escalas, para asegurar que tanto en hombres como en mujeres se evalúen los mismos constructos (Chen, 2007).

Ahora bien, el CEAm es un instrumento derivado de la selección de los mejores reactivos del MSLQ, desde una perspectiva psicométrica, junto con la construcción de ítems con base en las definiciones teóricas de las dimensiones y el contexto meta. Este instrumento obtuvo medidas de las cuatro dimensiones establecidas con una estructura factorial bien definida, con evidencias apropiadas de consistencia interna y de relaciones con otras variables. De esta manera, el uso de la escala CEAm se propone y se recomienda como un instrumento pertinente en estudios que requieran evaluar el uso de estrategias cognitivas y metacognitivas en el aprendizaje autorregulado de la matemática. Además, el CEAm puede servir también como referencia o base para la adaptación de nuevos instrumentos destinados a la medición del aprendizaje autorregulado en otros contextos y cursos, teniendo siempre el cuidado de analizar en cada estudio las características psicométricas de las nuevas adaptaciones del cuestionario.

Referencias

Broadbent, J., y Poon, W. L. (2015). Self-regulated learning strategies & academic achievement in online higher education learning environments: A systematic review. The Internet and Higher Education, 27, 1-13. https://doi.org/10.1016/j.iheduc.2015.04.007

Cabrera-Tenecela, P. (2023). Nueva organización de los diseños de investigación. South American Research Journal, 3(1), 37-51. https://doi.org/10.5281/ZENODO.8050508

Chen, F. F. (2007). Sensitivity of goodness of fit indexes to lack of measurement invariance. Structural Equation Modeling: A Multidisciplinary Journal, 14(3), 464-504. https://doi.org/10.1080/10705510701301834

Credé, M., y Phillips, L. A. (2011). A meta-analytic review of the Motivated Strategies for Learning Questionnaire. Learning and Individual Differences, 21(4), 337-346. https://doi.org/10.1016/j.lindif.2011.03.002

De Araujo, J., Gomes, C. M. A., y Jelihovschi, E. G. (2023). The factor structure of the Motivated Strategies for Learning Questionnaire (MSLQ): New methodological approaches and evidence. Psicologia: Reflexão e Crítica, 36, 38. https://doi.org/10.1186/s41155-023-00280-0

Dong, J., Manning, K. Q., y Wang, C.-H. (2024). The influence of adjustment, mental health and motivation on graduate student learning strategies during COVID-19. Discover Psychology, 4, 195. https://doi.org/10.1007/s44202-024-00314-3

García, M. E., y Cruz, M. L. (2016). El alumno motivado: Un análisis empírico de los factores motivadores intrínsecos y extrínsecos en el aula de inglés. Revista Investigación en la Escuela, 90, 72-93. https://doi.org/10.12795/IE.2017.i90.05

Gasco, J. (2016). El empleo de estrategias en el aprendizaje de las matemáticas en enseñanza secundaria obligatoria. Revista de Investigación Educativa, 34(2), 487-502. https://www.redalyc.org/pdf/2833/283346043013.pdf

Gasco-Txabarri, J. (2017). La resolución de problemas aritmético-algebraicos y las estrategias de aprendizaje en matemáticas. Un estudio en educación secundaria obligatoria (ESO). Revista Latinoamericana de Investigación en Matemática Educativa, 20(2), 167-192. https://doi.org/10.12802/relime.17.2022

Hernández-Sampieri, R., y Mendoza, C. P. (2018). Metodología de la investigación. Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.

Irvine, S., Williams, B., Smallridge, A., Solomonides, I., Gong, Y. H., y Andrew, S. (2021). The self-regulated learner, entry characteristics and academic performance of undergraduate nursing students transitioning to university. Nurse Education Today, 105, 105041. https://doi.org/10.1016/j.nedt.2021.105041

Kilic, S., Cene, E., y Demir, I. (2012). Comparison of learning strategies for mathematics achievement in Turkey with eight countries. Educational Sciences: Theory and Practice, 12(4), 2594-2598. https://eric.ed.gov/?id=EJ1002865

León, J., Núñez, J. L., y Liew, J. (2015). Self-determination and STEM education: Effects of autonomy, motivation, and self-regulated learning on high school math achievement. Learning and Individual Differences, 43, 156-163. https://doi.org/10.1016/j.lindif.2015.08.017

Mannion, J. (2020, may. 1). Metacognition, self-regulation and self-regulated learning: What’s the difference? Impact, (8), 66-69. https://my.chartered.college/impact_article/metacognition-self-regulation-and-self-regulated-learning-whats-the-difference/

Pintrich, P. R., Smith, D. A. F., Garcia, T., y Mckeachie, W. J. (1991). A manual for the use of the Motivated Strategies for Learning Questionnaire (MSLQ). National Center for Research to Improve Post-Secondary Teaching and Learning. https://files.eric.ed.gov/fulltext/ED338122.pdf

Richardson, M., Abraham, C., y Bond, R. (2012). Psychological correlates of university students’ academic performance: A systematic review and meta-analysis. Psychological Bulletin, 138(2), 353-387. https://doi.org/10.1037/a0026838

Suárez, Ó. J., y Mora, C. (2016). Adaptación y validación del inventario MSLQ para los cursos iniciales de física en la educación superior. Latin-American Journal of Physics Education, 10(3), 3306. http://www.lajpe.org/sep16/3306_Mora_2016.pdf

Sun, Z., Xie, K., y Anderman, L. H. (2018). The role of self-regulated learning in students’ success in flipped undergraduate math courses. The Internet and Higher Education, 36, 41-53. https://doi.org/10.1016/j.iheduc.2017.09.003

Usher, E. L., y Schunk, D. H. (2017). Social cognitive theoretical perspective of self-regulation. En D. H. Schunk y J. A. Greene (eds.), Handbook of self-regulation of learning and performance (2a. ed., pp. 23-37). Routledge. https://doi.org/10.4324/9781315697048

Wang, F., Jiang, C., King, R. B., y Leung, S. O. (2022). Motivated Strategies for Learning Questionnaire (MSLQ): Adaptation, validation, and development of a short form in the Chinese context for mathematics. Psychology in the Schools, 60(6), 2018-2040. https://doi.org/10.1002/pits.22845

Winne, P. H. (2017). Cognition and metacognition within self-regulated learning. En D. H. Schunk y J. A. Greene (eds.), Handbook of self-regulation of learning and performance (2a. ed., pp. 38-49). Routledge. https://doi.org/10.4324/9781315697048

Notas de autor

Información adicional

redalyc-journal-id: 5216