Introducción

El análisis del enfoque de aprendizaje en estudiantes universitarios es un área de investigación que conecta creencias y acciones en los procesos de aprendizaje; este campo de investigación, en la intersección entre la tradición de los enfoques de aprendizaje (SAL) por un lado, y el aprendizaje autorregulado (SRL) por otro, investiga la activación del aprendiz (estrategias de aprendizaje) con base en sus creencias sobre el aprendizaje (concepciones y orientaciones). En este estudio, discutimos la confiabilidad de un instrumento en el análisis del enfoque de aprendizaje: concretamente, el Inventario de Patrones de Aprendizaje de Estudiantes (ILS) desarrollado por Vermunt (1996). Esta herramienta se ha aplicado de manera útil e interesante en varios territorios (Shum et al., 2024; Vermunt, 2020); sin embargo, algunos autores han destacado que debería mejorarse o quizás complementarse con otras medidas que permitan tener evidencia más clara del enfoque de aprendizaje de los estudiantes universitarios (Hederich & Camargo, 2019). Un tema cada vez más prometedor es la identificación de patrones de aprendizaje, ya que nos permitirá trabajar con mayor precisión en el diseño de itinerarios de aprendizaje personalizados. Sin duda, esto es un tema de interés para quién tenga responsabilidad en la política, el diseño curricular y la formación de docentes. Así, identificar patrones de aprendizaje (y sus componentes) a partir de una comprensión profunda, diferenciada y fiable es esencial para diseñar intervenciones destinadas a mejorar los procesos de aprendizaje y enseñanza.

Por lo tanto, se considera fundamental analizar la fiabilidad del instrumento central a la luz de la información obtenida en diversos estudios a nivel mundial, como paso relevante para revisar su ajuste y la estabilidad de sus puntuaciones en diferentes territorios, adaptaciones lingüísticas y culturales, y entornos. En este sentido, el objetivo es contribuir a la revisión de un modelo teórico y su instrumento, ampliamente utilizado, que requiere ajustes según el territorio o área de aplicación.

Patrones de aprendizaje

Un patrón de aprendizaje se define como un “conjunto coherente de actividades de aprendizaje que los y las estudiantes suelen emplear, basándose en sus creencias sobre el aprendizaje y su motivación para aprender, un conjunto característico en un período determinado” (Vermunt & Donche, 2017, p. 270). De este modo, se forma por un componente de creencias (concepciones y orientaciones de aprendizaje) y un componente de acciones (estrategias de regulación y procesamiento) para aprender. En la Tabla 1 se muestran las subescalas del ILS, divididas por los dos componentes y cuatro subcomponentes del modelo: concepciones de aprendizaje, orientaciones de aprendizaje, estrategias de regulación y estrategias de procesamiento.

El inventario original estaba compuesto por 120 ítems Likert que se responden en una escala del 1 al 5 y se distribuye en 16 subescalas principales. Vermunt (1998) propuso un número diferente de ítems dependiendo de la subescala a evaluar. Los ítems de creencias se responden desde totalmente en desacuerdo (1) hasta totalmente de acuerdo (5) para cada una de las creencias expresadas. Los ítems de acción (estrategias de regulación y procesamiento) se responden desde nunca (1) hasta siempre (5) dependiendo de la frecuencia con la que se llevan a cabo estas actividades. Algunas subescalas, como “procesamiento profundo” (11 ítems), se pueden dividir en dos subescalas más pequeñas: “relacionar y estructurar” (7 ítems) y “procesamiento crítico” (4 ítems). De esta manera, se pueden utilizar dos estructuras de ítems: una con las 16 subescalas principales y otra con las 20 subescalas individuales.

Tras esta versión original se adaptaron algunas versiones, ya sea para poblaciones específicas (p. ej., para educación secundaria y primaria, como la versión de 60 ítems del ILS de Martínez-Fernández et al., 2015) o para reducir el tiempo de aplicación (como Vermetten et al., 1999, quienes propusieron una versión de 100 ítems). En la versión reducida de 60 ítems, estos se distribuyen equitativamente entre las 20 subescalas; por lo tanto, se seleccionaron 3 ítems para cada subescala, considerando resultados previos sobre análisis factoriales y la comprensibilidad de los ítems en diferentes poblaciones y contextos (Martínez-Fernández & Vermunt, 2015).

La forma más habitual de analizar los datos de este instrumento ha sido calcular la consistencia interna de cada subescala. Posteriormente, se obtiene una puntuación media para cada subescala; y estas puntuaciones medias se introducen en un análisis factorial, un análisis de componentes principales o un análisis de conglomerados para obtener los factores o grupos que corresponden a los patrones de aprendizaje (Vermunt et al., 2014b). Al respecto, la investigación internacional en este ámbito ha confirmado los patrones propuestos originalmente (Vermunt, 1998): el patrón dirigido al significado (MD), el dirigido a la aplicación (AD), el dirigido a la reproducción (RD) y el patrón no dirigido (UD) según varias combinaciones específicas de puntuaciones de subescalas. Los cuatro patrones propuestos inicialmente se han identificado en diferentes muestras de estudiantes universitarios, principalmente en países europeos. Sin embargo, en otros territorios o entornos educativos, surgieron estructuras diferentes como los patrones pasivo-idealista, el flexible, el pasivo-motivacional, y se han descrito diferentes combinaciones (Ahmedi, 2022; García-Ravidá, 2017; Marambe et al., 2012; Martínez-Fernández & García-Ravidá, 2012; Martínez-Fernández, et al., 2025; Shum et al., 2024; Vega-Martínez, 2022; Vermunt & Donche, 2017). Además, además de la posibilidad de identificar grupos cualitativamente diferentes de estudiantes en términos de su patrón de aprendizaje actual, este modelo también permite considerar "cómo aprenden los estudiantes" en un espectro: cada individuo puede manifestar puntuaciones diferentes para todos los patrones de aprendizaje, siendo las combinaciones más o menos disonantes (Vermunt & Minnaert, 2003).

Más allá de los propósitos de investigación y la transferencia de esta herramienta a la práctica educativa, la identificación de patrones de aprendizaje del estudiantado puede ser beneficiosa para que el profesorado comprenda mejor a sus grupos y los diferentes perfiles entre los y las estudiantes, en términos de la configuración de concepciones de aprendizaje, motivaciones y estrategias; y para ajustar mejor las estrategias instruccionales y el diseño de las clases (Martínez-Fernández et al., 2024), o las políticas institucionales y el entorno de aprendizaje (Delgado-Orrillo et al., 2023). Además, el ILS también puede constituir una herramienta para adquirir conciencia metacognitiva; ya que puede facilitar el conocimiento del propio proceso de aprendizaje, así como en la relación con otros compañeros de clase con formas similares y diferentes de abordar las actividades de aprendizaje (Ruiz-Bueno & García-Orriols, 2019). Todas estas acciones están dirigidas a ayudar a los estudiantes a desarrollar procesos más funcionales, con el fin de lograr un aprendizaje autorregulado y significativo en sus disciplinas. Sin embargo, para utilizar esta herramienta, es necesario asegurar que sus puntuaciones sean confiables.

Se han publicado algunas revisiones centradas en el análisis de la estructura factorial y las medidas de tendencia central (Vermunt & Donche, 2017; Vermunt & Vermetten, 2004), así como debates teóricos que sugieren la necesidad de revisar los aspectos de validez y fiabilidad del ILS (Hederich & Camargo, 2019; Martínez-Fernández, 2019). Sin embargo, las diferentes subescalas se construyen a partir del análisis de fiabilidad, pero hasta la fecha no se conocen estudios que profundicen en los indicadores de fiabilidad de dichas subescalas y, en consecuencia, en las configuraciones (patrones) que se derivan de ellas.

Como argumenta Martínez-Fernández (2019), existe un amplio margen de crecimiento en la investigación internacional sobre patrones de aprendizaje basados en el ILS desde una perspectiva inclusiva y transcultural. Por lo tanto, se hace evidente la necesidad de indagar en la consistencia interna de los componentes del modelo de patrones de aprendizaje, así como en las posibles fluctuaciones de la fiabilidad considerando variables personales y contextuales. En consecuencia, esta investigación se centra en la fiabilidad de las subescalas del ILS, basándose en los datos de diversos estudios distribuidos en un amplio territorio de América, Europa, Asia y Oceanía. Todo esto con el objetivo de explorar las diferencias personales y contextuales que pueden afectar a la medida y, por consiguiente, a las directrices pedagógicas derivadas de ella.

Fiabilidad y generalización de la fiabilidad

La fiabilidad, en su sentido más general, se refiere a la precisión de la medición obtenida mediante una prueba (Slaney, 2017). A pesar de la idea errónea de que la fiabilidad de las puntuaciones es una propiedad estática, esta puede variar de una aplicación a otra, dependiendo de la muestra, sus características, perfil o contexto, o de las condiciones de aplicación: por ejemplo, cuando un instrumento se traduce y adapta a otros idiomas (López Pina et al., 2012).

Un método para investigar cómo varía la fiabilidad de las puntuaciones de un instrumento es el metanálisis. En este sentido, Vacha-Haase (1998) propuso el enfoque de generalización de la fiabilidad como un tipo de metanálisis destinado a examinar la varianza del error obtenida por los instrumentos mediante sus aplicaciones. En otras palabras, se trata de un estudio metanalítico que investiga cómo varía la fiabilidad en diferentes muestras y qué características de los estudios o muestras pueden explicar esta variabilidad (López-Ibáñez et al., 2024).

En el presente estudio, se utilizó el coeficiente alfa como medida de fiabilidad, ya que es el más reportado en estudios empíricos del ILS. Bajo este coeficiente, la fiabilidad se conceptualiza como la consistencia interna de la prueba: es decir, el grado de correlación entre las partes de la escala. El alfa representa, concretamente, la media de todas las posibles fiabilidades de mitades divididas (Cronbach, 1951) cuando las medidas son esencialmente tau-equivalentes, con errores independientes, y la escala es unidimensional. A pesar del intenso debate sobre los usos incorrectos del coeficiente alfa, sus problemas y las alternativas disponibles (Cronbach & Shavelson, 2004; McNeish, 2018), sigue siendo el coeficiente de consistencia más ampliamente reportado, con utilidades prácticas y representando una estimación de límite inferior de fiabilidad (Doval et al., 2023). En concreto, en el caso de ILS, se utiliza generalmente como justificación el uso de puntuaciones medias de cada subescala, para posteriormente construir los patrones de aprendizaje con estas puntuaciones medias como variables para el análisis factorial o de clasificación.

En cuanto a los factores personales y contextuales que pueden afectar a esta fiabilidad, en este estudio consideramos una serie de aspectos sustantivos de las poblaciones, como la edad, el territorio y el dominio específico, que se identificaron en investigaciones previas como variables que podrían afectar la comprensión de la subescala y el patrón de aprendizaje en general (Martínez-Fernández & García-Ravidá, 2012; Martínez-Fernández, et al., 2019; Vermunt y& Donche, 2017). En este sentido, se reconoce la importancia de los componentes definidos por el modelo; sin embargo, también es necesario profundizar en las diferentes configuraciones para personalizar los procesos de aprendizaje y enseñanza.

Entre los aspectos metodológicos de los estudios que pueden afectar la consistencia de las medidas, se consideraron la versión del ILS (120, 100 y 60 ítems) y el idioma. Finalmente, el estado de publicación y el año de recopilación de datos se consideraron como aspectos extrínsecos.

Con base en lo anterior se propusieron las siguientes preguntas:

● ¿Son fiables las puntuaciones de las subescalas del ILS en diferentes aplicaciones?

● ¿Cómo se puede explicar la variabilidad entre los coeficientes de fiabilidad basándose en factores sustantivos, metodológicos y extrínsecos?

● ¿Cómo pueden los investigadores mejorar la fiabilidad de las subescalas?

Las respuestas a estas preguntas pueden ayudar a investigadores y profesionales a desarrollar pautas para el uso y desarrollo de este instrumento. La sección de discusión de este documento proporcionará algunas de estas orientaciones.

Método

Para responder a las preguntas de investigación, se propuso un estudio de generalización de la fiabilidad para integrar metanalíticamente los coeficientes de consistencia obtenidos en aplicaciones ILS en diferentes muestras, culturas y contextos. Como directrices, se utilizó la declaración Prisma (Page et al., 2021); las autoras principales revisaron la lista de verificación ampliada de Prisma 2020 antes de comenzar el estudio y se aseguraron de que se cumpliera con todos los elementos durante el proceso de escritura. La primera autora finalmente evaluó el manuscrito y verificó el cumplimiento del 80% de los elementos de la lista de verificación. Algunos de los criterios no se cumplieron completamente debido a las limitaciones de extensión del manuscrito; sin embargo, los resultados detallados y adicionales se publicaron a través de materiales abiertos (Ciraso-Calí et al., 2025). La revisión fue prerregistrada (Ciraso-Calí et al., 2024), y la base de datos final también está disponible en acceso abierto (Ciraso-Calí et al., 2023).

Identificación de estudios y criterios de búsqueda

Los estudios se identificaron mediante una búsqueda sistemática en cinco bases de datos: Web of Science, Scopus, PsycINFO, ERIC y Google Scholar. No se aplicó ninguna restricción de idioma, y el criterio temporal elegido fue "desde 1998 inclusive" (desde la fecha de publicación del artículo de Vermunt donde el ILS, en su versión de 120 ítems, se presentó por primera vez al público académico internacional). Según cada base de datos, se utilizaron diferentes combinaciones y adaptaciones de la siguiente cadena de búsqueda: TITLE-ABS-KEY (("Inventory of Learning Patterns" OR "ILP" OR "Inventory of Learning Styles" OR "ILS" OR "learning patterns") AND ("Higher Education" OR "Secondary Education")) AND ALL ("Vermunt").

La segunda estrategia de búsqueda fue examinar las referencias reportadas por los estudios primarios que se estaban compilando, así como las incluidas en otras revisiones sistemáticas sobre el mismo tema. En tercer lugar, se consideró relevante la búsqueda de literatura gris: estudios que no se habían publicado (o, en algunos casos, aún no se habían publicado) en revistas académicas revisadas por pares. Esta decisión fue apoyada por Conn et al. (2003), quienes demostraron que no es el rigor metodológico lo que varía, en principio, entre la literatura publicada y la literatura gris; más bien, esta última suele presentar resultados que no son estadísticamente significativos y tienen tamaños del efecto menores. Por lo tanto, para investigar el sesgo de publicación y tener una visión más completa de la confiabilidad del ILS, se consideró particularmente interesante utilizar este tipo de literatura, incluyendo estudios con muestras más pequeñas y/o peores resultados psicométricos. Sin embargo, se tuvo en cuenta que estos informes podrían carecer de revisión por pares. En este caso, para garantizar una cierta calidad metodológica, se estableció que los informes no publicados incluidos debían ser escritos por: (a) autores/as con artículos publicados en revistas académicas; o (b) autores/as que han recibido asesoramiento o supervisión de investigadores/as con artículos publicados. La literatura gris se obtuvo mediante una primera búsqueda en las redes sociales profesionales Academia y ResearchGate; y se contactó con autores/as ya incluidos en la base de datos metanalítica para identificar estudios en curso o no publicados, incluyendo tesis doctorales.

No se integró el uso de ninguna herramienta de automatización dentro del proceso de selección de estudios.

Criterios de inclusión y extracción de datos

De acuerdo con los criterios de búsqueda, el equipo de investigación incluyó como posibles fuentes primarias artículos académicos, actas de congresos publicados, informes de investigación inéditos, disertaciones y tesis doctorales que fueron realizadas o dirigidas por autores de artículos publicados en revistas académicas, reportando el uso del mismo instrumento.

La primera etapa de cribado fue realizada por la primera autora del metanálisis, con el apoyo de otra persona autora en caso de dudas. En esta etapa, solo se revisaron los títulos y resúmenes. Se descartaron los registros duplicados y se verificó que los estudios utilizaran eficazmente el cuestionario ILS, en su versión original de Vermunt (1998) o adaptaciones.

En la segunda fase de selección, participaron dos miembros del equipo, quienes, en caso de duda, también consultaron a otros investigadores o a los autores del estudio primario. En esta etapa, se verificó el cumplimiento de los criterios de selección de las fuentes primarias:

● Participantes: muestras de estudiantes de educación superior (incluidos cursos especializados como la residencia en el sector salud) y de educación secundaria superior no obligatoria.

● Exposición: A través de ILS, se invita a los estudiantes a reflexionar sobre sus estudios y cómo perciben su propio aprendizaje, respondiendo a una lista de afirmaciones sobre estrategias, motivaciones y actitudes de aprendizaje. La exposición se refiere, por lo tanto, a cualquier experiencia de aprendizaje organizada.

● Grupo de control: no aplicable a los fines de este metanálisis. Si más de un grupo participó en un estudio primario, se recuperarían todas las respuestas para este metanálisis, siempre que se cumplan los demás criterios.

● Resultados: Los principales resultados incluidos fueron los coeficientes de fiabilidad de las subescalas del ILS. No fue necesaria ninguna conversión, ya que el coeficiente alfa fue el indicador de fiabilidad elegido en todos los estudios primarios. En el caso de los datos longitudinales, solo se recuperó el primer coeficiente alfa.

● Diseño del estudio: Se seleccionaron estudios transversales, longitudinales, experimentales o cuasiexperimentales. Se excluyeron las revisiones bibliográficas o empíricas, así como los estudios cualitativos.

Después de la etapa de búsqueda preliminar, el equipo de investigación estableció criterios de elegibilidad adicionales: a) Los estudios primarios deben utilizar una de las versiones estándar de ILS (versiones de 120, 60 o 100 ítems); y b) Los ítems deben agruparse de una de las formas estándar (en 16, 20 o 24 subescalas); sin embargo, es posible incluir estudios que no utilicen algunas de las subescalas.

En caso de falta de datos o datos poco claros, se contactó a las personas autoras de los estudios primarios por correo electrónico institucional o redes sociales profesionales. Si no proporcionaban información crucial (coeficientes de fiabilidad, número de ítems, tamaño de la muestra), los estudios no se incluyeron. Asimismo, con el fin de seleccionar datos de múltiples informes correspondientes a un solo estudio, se contactó a los autores para resolver inconsistencias.

Durante estas fases de selección, las razones por las que un estudio no se incluyó se registraron en una hoja de cálculo compartida. La primera autora del metanálisis revisó estas decisiones. En caso de desacuerdo, se resolvieron mediante discusión; en algunos casos, también fue necesaria la participación de otros miembros de la revisión. Sin embargo, tras establecer los dos últimos criterios de elegibilidad, no se produjo ningún desacuerdo.

Finalmente, se incluyeron 39 informes en la revisión (véase la Figura 1). Estas fuentes informaron sobre 46 aplicaciones independientes del ILS y proporcionaron un total de 698 coeficientes alfa. La muestra total fue de 19.376 participantes; sin embargo, no todos los estudios utilizaron todas las subescalas: por lo tanto, en los metanálisis por separado, las muestras varían de 10.733 (k = 24) para “relacionar y estructurar” a 16.972 (k = 42) para “ausencia de regulación”.

De los 39 informes, 9 de ellos eran literatura gris, que aportaron el 14.03% del total de participantes.

Codificación

Dos revisores recopilaron datos de los estudios primarios. Inicialmente, trabajaron juntos en cinco informes para lograr un consenso; tras codificar de forma independiente los mismos diez informes, se calcularon los coeficientes kappa de Cohen y de correlación intraclase

En cuanto a las variables nominales, todos los coeficientes kappa de Cohen fueron 1 excepto el dominio específico, que resultó en .571 (p = .065). En este caso, se encontraron tres malentendidos en la codificación de esta variable; estos se discutieron hasta llegar a un acuerdo total; y cada revisor verificó que la codificación era correcta para el resto de los estudios. En cuanto a las variables métricas, se calculó la correlación intraclase (modelo de efectos mixtos con acuerdo absoluto). Todos los coeficientes fueron superiores a .990 excepto para las subescalas de relación y estructuración (.665), construcción de conocimiento (.967) y porcentaje de chicos/chicas (.124). Estos tres coeficientes bajos se debieron a tres errores en la codificación, que fueron corregidos. Las dos personas revisoras mantuvieron reuniones regulares para compartir sus dudas y verificar múltiples informes correspondientes al mismo estudio. En estos casos, la codificación se realizó de forma conjunta, resolviendo las posibles inconsistencias entre los informes contactando a los autores.

Las características sustantivas que se codificaron fueron: a) país donde se realizó el estudio; b) entorno educativo (educación superior, residencia de profesionales de la salud o educación secundaria superior); c) edad media de la muestra; d) porcentaje de chicas y chicos. En cuanto a las características metodológicas, se codificaron: a) versión del ILS (60, 100 o 120 ítems); y b) idioma del cuestionario. Finalmente, en cuanto a las variables extrínsecas, los datos codificados fueron: a) estado de publicación (las opciones de codificación fueron: publicado en una revista revisada por pares, no publicado, publicado, pero con datos faltantes); b) año de recopilación de datos, cuando estaba disponible. En los casos en que se realizó análisis factorial, los revisores también registraron el método de extracción, la varianza total explicada y la rotación utilizada. En los materiales en abierto (Ciraso-Calí et al., 2025), se presenta un resumen de los estudios incluidos. La muestra combinada está compuesta por un 56.7% de chicas y un 43.3% de chicos, con una media de 24.3 años (SD = 7.82); cabe destacar que 15 estudios no informaron sobre género ni edad. En cuanto a los territorios, el 43.35% reside en Asia u Oceanía; el 37.17% en el norte de Europa; el 10.5% en América Central o del Sur; y el 8.98% en Europa Meridional u Oriental.

Entre las características metodológicas, cabe destacar que 19 de los 46 estudios no utilizaron el cuestionario completo, reportando resultados de 3 a 15 subescalas. En cuanto al idioma, 12 estudios utilizaron la traducción al español del cuestionario; 9 utilizaron el ILS en holandés; 5 en inglés; 3 en chino; 3 en turco; 2 en portugués; 2 en finlandés; en total, se utilizaron 16 idiomas.

Figura 1.
Diagrama de flujo del proceso de selección de estudios

Evaluación de calidad

La calidad de los informes se evaluó mediante una adaptación propia de la Herramienta de Evaluación para Estudios Transversales (AXIS; Downes et al., 2016), que aborda el diseño del estudio y la calidad de los informes, así como el riesgo de sesgo en estudios transversales. La herramienta adaptada consistía en una lista de verificación de 18 componentes, organizada en cinco dimensiones: introducción, métodos, resultados, discusión y ética.

La evaluación se realizó a nivel de estudio y cinco revisores participaron en la evaluación del riesgo de sesgo. Como lo comentaron los autores de AXIS (Downes et al., 2016), las tasas numéricas derivadas de las listas de verificación de evaluación son problemáticas; por lo tanto, se requirió una evaluación cualitativa y subjetiva general, facilitada por el examen de cada elemento de la lista de verificación.

La evaluación de calidad reveló algunas fortalezas y debilidades comunes en la investigación sobre patrones de aprendizaje utilizando el ILS. Los 39 informes expusieron claramente los objetivos del estudio y el diseño se consideró, en general, adecuado (38 informes). En 35 artículos, los métodos se describieron adecuadamente para permitir su replicación. Todos los artículos, excepto dos, expusieron claramente las estimaciones utilizadas para determinar la significancia estadística y la precisión.

Por otro lado, solo 6 informes presentaron datos suficientes para inferir que la muestra era representativa y que el tamaño estaba justificado. Además, en 5 de los informes no estaba claro a qué población se podían generalizar los resultados, si la muestra era representativa. Asimismo, en cuanto a los métodos, otras deficiencias comunes fueron la falta de información sobre cómo se abordaron los valores faltantes (solo 7 informes presentaron esta información); y las bajas tasas de respuesta o la falta de información sobre la tasa de respuesta y las personas que no respondieron al inventario (19 informes).

En cuanto al instrumento, 11 artículos reportaron resultados de nuevas traducciones del ILS que no se habían publicado ni probado previamente. Se trata de estudios que utilizaron la herramienta en otros idiomas (como versiones en albanés, japonés, chino y sueco, entre otros). Sin embargo, esto no implica una menor calidad, siempre que se proporcionen suficientes detalles sobre la traducción, la adaptación y los procedimientos (como fue el caso).

En cuanto a los resultados, la principal debilidad encontrada fue que, en 19 informes, no todos los resultados reportados fueron totalmente consistentes: es decir, algunos constructos con α < .60 se reportaron y posteriormente se utilizaron en los análisis. Como se analiza más adelante en este artículo, este problema afecta básicamente a las mismas subescalas del ILS en todas las fuentes primarias. De los 39 artículos, 33 reportaron una descripción de la muestra, aunque no siempre completa.

En 18 de los artículos, no se discutieron las limitaciones del estudio. Finalmente, en general, no se informaron aspectos éticos como posibles conflictos de intereses de los autores ni la aprobación ética (sin embargo, los autores generalmente confirmaron que se tuvieron en cuenta consideraciones éticas mínimas, como el consentimiento informado).

En general, la evaluación de calidad reveló información que podría generar dudas sobre la validez externa de los estudios; o, al menos, se recomienda cautela al interpretar los resultados de la investigación, ya que podría estar omitiendo parte de la población objetivo. Por lo demás, no se consideró relevante ningún otro riesgo de sesgo que pudiera afectar a este metanálisis. Las evaluaciones de calidad individuales se proporcionarán al autor correspondiente, previa solicitud, para fines de replicabilidad y para futuras investigaciones.

Análisis estadístico

Se realizaron diferentes análisis para cada una de las 24 subescalas posibles. El modelo de efectos aleatorios se consideró teóricamente apropiado, ya que no implica la suposición de que los estudios incluidos en el metanálisis sean funcionalmente idénticos y analicen el mismo tamaño del efecto (Botella & Sánchez Meca, 2015); y debido a la utilidad de este metanálisis para proporcionar orientación a estudios diferentes a los incluidos. Además, se consideró la convergencia general de los resultados entre los modelos de efectos aleatorios y el modelo de coeficientes variables, como se observa en Gisbert-Pérez et al. (2022).

Se utilizó el método de estimación de Paule y Mendel (PM), ya que se considera robusto con respecto a otros métodos, como el DerSimonian-Laird, y tiene buen desempeño en términos de sesgo (Veroniki et al., 2014).

En cuanto a la transformación, se aplicó la de Bonett (2002) para normalizar la distribución de los coeficientes de fiabilidad y estabilizar sus varianzas; la combinación de modelos de efectos aleatorios y la transformación de Bonett ya se ha explorado en la literatura y se ha discutido en Sánchez-Meca et al. (2013). Todos los resultados se re-transformaron finalmente a métricas alfa.

El proceso de análisis consistió en calcular un tamaño del efecto promedio ponderado (con el método de ponderación de varianza inversa) con su intervalo de confianza del 95%, la prueba de heterogeneidad Q y el índice I ² para evaluar el grado de homogeneidad de los tamaños del efecto individuales alrededor de la estimación promedio (Higgins et al., 2003).

Para explicar la heterogeneidad, se analizó la influencia de las variables moderadoras mediante análisis de regresión ponderada simple para las variables moderadoras continuas y meta-ANOVA para las variables categóricas, como se muestra en la Tabla 2. Para el análisis de subgrupos, posteriormente se realizaron metanálisis de efectos fijos por separado, en cada una de las categorías de las variables donde se encontró un efecto moderador significativo.

Se evaluó el posible sesgo de publicación mediante la prueba de regresión de Egger. Debido a su baja potencia estadística y al reducido número de estudios (k < 30), se adoptó un nivel de significación de .10. Además, el estado de publicación se utilizó como variable moderadora del meta-ANOVA para analizar su influencia en la fiabilidad reportada.

Resultados

Sesgo de publicación

Los resultados de la prueba de regresión de Egger sobre asimetría del gráfico de embudo no sugirieron ningún sesgo de publicación que pudiera amenazar la validez de nuestros resultados; para todas las subescalas, la intersección no fue significativa (se estableció un criterio más estricto para la significancia cercana, y p fue > .10 en todas las pruebas). Los resultados detallados están disponibles en los materiales abiertos (Ciraso-Calí et al., 2025).

Sin embargo, se llevaron a cabo análisis adicionales para determinar si el estado de publicación de los estudios incluidos podría influir en los coeficientes alfa. Para 8 de las 24 subescalas, se encontraron diferencias significativas (p < .05) entre alfas de informes publicados, informes no publicados o informes que se publicaron, pero con algunos datos críticos faltantes. En todas estas subescalas, los artículos publicados muestran coeficientes de consistencia mayores que los otros grupos, lo que sugiere que puede haber un sesgo de publicación en algunos casos. Las diferencias en "regulación externa de los resultados de aprendizaje" y "ausencia de regulación" parecen ser notables, con un alfa combinado entre los estudios no publicados por debajo de .60. Esto respalda nuestra decisión de incluir estudios y datos no publicados, para compensar este posible sesgo.

Fiabilidad combinada

La Tabla 3 muestra los principales estadísticos de resumen de los coeficientes alfa obtenidos para cada subescala del ILS. Los metanálisis arrojaron coeficientes de fiabilidad combinados que oscilaron entre α = .55 (para “interés personal”) y α = .83 (para “procesamiento profundo”).

Las subescalas principales, de la estructura de 16 subescalas, obtuvieron un mejor desempeño de confiabilidad: por ejemplo, "procesamiento paso a paso" con un α combinado = .77, en comparación con "memorización y ensayo" (α = .73) y "análisis" (α = .68). Los coeficientes originales también se informan en la Tabla 3; en algunos casos, principalmente en estrategias de procesamiento, las estimaciones de fiabilidad combinadas son cercanas a las originales. Por otro lado, en otras subescalas (como "ausencia de regulación" y la mayoría de las subescalas de orientaciones de aprendizaje) el α combinado es menor. La heterogeneidad fue significativa (según las estadísticas Q) en todos los análisis primarios, lo que indica variaciones sustanciales en la consistencia entre las poblaciones incluidas. Todas las estadísticas I² son mayores del 90% (excepto para "análisis"), lo que sugiere que esta heterogeneidad tiene un impacto considerable en la precisión de las estimaciones. Para explicar la heterogeneidad, se realizaron análisis moderadores.

Análisis de moderación

En el Apéndice se presentan los resultados de los análisis de moderadores para las 16 subescalas principales. Se observa mayor variabilidad en las concepciones y orientaciones del aprendizaje que en las estrategias. En general, las subescalas donde se explica mayor variabilidad son "construcción de conocimientos", "educación estimulante" y "orientación a la certificación". Cabe destacar esta última subescala: como se observó previamente, presenta un alfa combinado de .60; además, su fiabilidad disminuye significativamente a medida que aumenta la edad promedio de los participantes, especialmente en el sector sanitario; y al medirse con el ILS60, se alcanza un alfa combinado de tan solo .41.

Entre todos los factores destaca la edad, ya que mantiene una relación inversa con los coeficientes alfa en estas tres subescalas, así como en la de “ausencia de regulación”. El territorio no parece afectar a la fiabilidad del cuestionario en general, excepto en la subescala de “interés personal”. En este caso, observamos, en primer lugar, que no se obtienen puntuaciones alfa mayores de .70 en ningún territorio; y, en segundo lugar, que existen grandes diferencias entre los resultados obtenidos en el norte de Europa, por un lado, y en América y el sur de Europa, por otro.

Al analizar las variables metodológicas, se observa el efecto esperado en la fiabilidad de la reducción de ítems en las versiones de 100 y 60 ítems del ILS. Sin embargo, en las estrategias de procesamiento, dicha variación no es tan notable; y entre las estrategias de regulación, solo se detectaron diferencias en la subescala de "ausencia de regulación", donde tanto el ILS100 como el ILS120 presentaron coeficientes alfa significativamente más altos.

Discusión

La discusión aborda las cuestiones planteadas en este estudio y concluye con sugerencias de mejora, con base en los resultados obtenidos y considerando los antecedentes de esta línea de investigación.

¿Son fiables las puntuaciones de las subescalas del ILS en diferentes aplicaciones?

Del análisis de alfas combinados se desprende que la mayoría de las subescalas alcanzan, globalmente, coeficientes alfa con valores superiores al mínimo aceptable para los fines del ILS (Cicchetti, 1994). Sin embargo, algunas de ellas presentan alfas inferiores a .70: “análisis”, “autorregulación del contenido de aprendizaje”, “regulación externa del proceso de aprendizaje”, “regulación externa de los resultados de aprendizaje”, “ausencia de regulación”, “interés personal”, “orientación a la certificación” y “orientación a la vocación”. Por lo tanto, las afirmaciones sobre estrategias regulatorias y orientación motivacional no parecen claras ni formuladas de forma coherente para la comprensión internacional. En comparación con el mayor rendimiento de las estrategias de procesamiento, estas subescalas más débiles ponen de manifiesto la calidad desigual de la medición en todo el instrumento y dichos ítems deberían ser mejorados y/o su medición cuantitativa debería complementarse con enfoques cualitativos basados en entrevistas y/o observaciones sistemáticas.

La subescala más problemática en términos de fiabilidad es claramente la de "interés personal", y cabe destacar que, incluso en la primera aplicación del ILS original, el valor alfa fue inferior a .60. Es muy recomendable revisar la conceptualización de las subescalas y la redacción de los ítems, especialmente por ser un componente tan importante del patrón de aprendizaje orientado al significado. Un aspecto que parece claro, como ya señalaron Martínez-Fernández y Vermunt (2015), es la propia conceptualización del interés personal, así como el posible efecto de las diferentes situaciones de aprendizaje: ítems como "Veo estos estudios como pura relajación" o "Estudio estos estudios por puro interés en los temas que se tratan" probablemente no se ajusten a la percepción de los estudiantes universitarios, que se enfrentan a tareas de aprendizaje exigentes. Su motivación intrínseca puede estar más relacionada con el valor que asignan a la tarea; incluso si el interés por el tema es alto, podría no ser suficiente para considerarlo "relajante" en el compromiso de aprendizaje a largo plazo.

Cabe reconocer que un alfa bajo no implica necesariamente que la subescala no proporcione información fiable; la relevancia y la calidad general del instrumento también pueden corroborarse considerando su validez externa, por ejemplo, su relación bien demostrada con las calificaciones académicas (Busato et al., 2000; Donche et al., 2014; Martínez-Fernández & Vermunt, 2015; Vega-Martínez et al., 2023). Sin embargo, al comparar estos indicadores externos con las inconsistencias internas encontradas, se hace evidente que algunas subescalas pueden producir inferencias menos estables entre muestras, y la potencia estadística de las técnicas que se utilizan habitualmente para configurar los patrones de aprendizaje (principalmente el análisis de componentes principales o el análisis factorial) puede verse afectada por coeficientes de fiabilidad bajos. Por lo tanto, sería un avance considerable mejorar la fiabilidad de algunas de estas subescalas para obtener resultados más precisos sobre los patrones de aprendizaje y, por consiguiente, realizar una evaluación más precisa de los procesos de aprendizaje e identificar posibles mejoras desde el punto de vista de la intervención educativa.

¿Cómo se puede explicar la variabilidad entre los coeficientes de fiabilidad, con base en factores sustantivos, metodológicos y extrínsecos?

Los resultados de moderación muestran que la dimensión cultural no afecta la precisión de la medición en la mayoría de los casos: en diferentes territorios, los ítems de las subescalas se relacionan entre sí de forma similar (como ya identificaron Shum et al., 2024). Además, la traducción del ILS a diferentes idiomas no parece implicar una disminución de los coeficientes de fiabilidad, excepto en el caso de “educación estimulante”. Sin embargo, para esta subescala, podría existir un efecto de la versión del ILS, ya que tres de los cinco estudios principales incluidos en este análisis (Boyle et al., 2003; Richardson, 2007; Richardson, 2010) utilizaron la versión de 100 ítems. En este sentido, y considerando la internacionalización de la educación superior, el ILS parece ser una herramienta potente para identificar patrones de aprendizaje en estudiantes internacionales y, a partir de ello, diseñar acciones de mejora, adaptación al nuevo contexto y personalización de la experiencia de aprendizaje basada en la comprensión de las propias creencias y acciones de aprendizaje de los estudiantes, reduciendo así la fricción en el nuevo contexto.

Por el contrario, la edad media de los estudiantes merece especial atención como factor de fluctuaciones en los coeficientes alfa. Los resultados indican que, cuando los estudiantes mayores responden al cuestionario, la fiabilidad es significativamente menor en las subescalas “ausencia de regulación”, “construcción de conocimiento”, “educación estimulante” y “orientación a la certificación”. Esto sugiere que estas subescalas podrían ser interpretadas de forma diferente por los estudiantes mayores y revelar conceptos más complejos a medida que los estudiantes maduran, adquieren experiencia en los procesos de aprendizaje y el contenido de aprendizaje también se vuelve más complejo. En este sentido, la identificación de patrones de aprendizaje con el ILS debe tener en cuenta la edad al interpretar los datos y definir directrices educativas para la mejora.

Otra explicación podría encontrarse en una característica del coeficiente alfa: la homogeneidad de las respuestas atenúa su estimación. Como ya señaló Vermunt (2005), existe una relación entre la edad de los encuestados y los patrones de aprendizaje; los estudiantes mayores son más propensos a adoptar un patrón de aprendizaje orientado al significado. Es posible que los grupos de estudiantes mayores den respuestas más homogéneas en estas subescalas (por ejemplo, respondiendo con mayor precisión al polo positivo en la "construcción del conocimiento").

La edad media de los estudiantes, el dominio específico y el territorio se combinan como factores moderadores para explicar una variabilidad significativa en algunas concepciones del aprendizaje y sus orientaciones. En particular, la "construcción de conocimiento" produce puntuaciones menos consistentes entre los estudiantes mayores; el "interés personal" presenta mayor fiabilidad en el norte de Europa; y la "orientación a la certificación" presenta puntuaciones menos consistentes entre los estudiantes mayores y los estudiantes que cursan disciplinas relacionadas con la salud y las ciencias sociales. En este sentido, el uso de ILS debe combinarse con técnicas cualitativas que nos permitan refinar nuestra comprensión del aprendizaje, tanto con estudiantes jóvenes como adultos (algunos métodos se han aplicado en Ciraso-Calí et al., 2026).

Finalmente, otro hallazgo clave es que, con el paso de los años, la fiabilidad de dos subescalas disminuye significativamente: “procesamiento profundo” y “educación estimulante”. Una posible explicación sería que otras características de los estudios o las muestras constituyan variables de confusión para esta relación: por ejemplo, algunos de los informes más recientes incluidos en el metanálisis utilizaron el ILS-60 (como Martínez-Fernández et al., 2020; o Vega Martínez, 2022), y la reducción del número de ítems afecta negativamente a las mismas subescalas. Asimismo, los estudios más recientes incluidos en el metanálisis utilizaron una versión del ILS en un idioma diferente, y el idioma del cuestionario es un factor que contribuye a la disminución de los valores alfa de la subescala de “educación estimulante”. Otra posible explicación es que los conceptos involucrados en esta estrategia y concepción del aprendizaje podrían estar adquiriendo un significado ligeramente diferente, desde la definición original de los ítems. Este podría ser el caso del "procesamiento profundo": dos ítems se refieren al "libro de texto utilizado en ese curso", mientras que muchos cursos universitarios pueden no tener, de hecho, "libros de texto", y en su lugar dependen de diferentes materiales de enseñanza y recursos en línea, incluyendo multimedia (Liu et al., 2021). En general, los ítems de esta subescala necesitan una adaptación considerando la abrumadora expansión del aprendizaje cooperativo y otras formas de trabajo en equipo (Namaziandost et al., 2020), así como los métodos activos, experienciales y orientados a la creatividad (Habib et al., 2021). Estos cambios metodológicos entre los estudios probablemente contribuyan a la variabilidad e introduzcan más amenazas a la comparabilidad, y como se mencionó en la discusión de la primera pregunta, seguramente el diseño de entrevistas semiestructuradas, así como las observaciones sistemáticas en situaciones de aprendizaje auténticas, nos proporcionarán evidencia más clara con respecto a la identificación de los diferentes patrones de aprendizaje dominantes. en entornos de aprendizaje auténticos.

¿Cómo pueden los investigadores mejorar la fiabilidad de las subescalas?

Los hallazgos indican que el uso de 16 subescalas parece ser la opción más adecuada para el ILS. Sin embargo, los ítems referentes a las orientaciones de aprendizaje y la ausencia de regulación deberían mejorarse con base en un análisis exhaustivo del significado de estos constructos. Asimismo, las subescalas de concepciones del aprendizaje son susceptibles de revisión. En particular, el contraste entre el mejor desempeño de las subescalas de procesamiento y los resultados más débiles de los componentes motivacionales o regulatorios sugiere una definición desigual del constructo que merece un análisis más detallado.

Considerando todos los resultados, las principales revisiones del instrumento deberían dirigirse a mejorar la consistencia interna de todas las orientaciones de aprendizaje y la ausencia de regulación, especialmente al estudiar a estudiantes mayores y con versiones reducidas del ILS. Tanto el constructo “interés personal” como la redacción de los ítems se beneficiarían de una revisión exhaustiva; como ya sugirieron Martínez-Fernández y Vermunt (2015), es posible que algunas traducciones, como “enriquecimiento”, afecten la unicidad de los ítems. Para aumentar los coeficientes alfa, sería recomendable ajustar el número de ítems en cada subescala a la complejidad de los constructos.

Limitaciones e implicaciones para la práctica y la investigación educativa

En cuanto a las limitaciones, especialmente en los resultados de moderación, se recomienda precaución con la naturaleza observacional de los análisis. Además, los análisis de regresión múltiple no fueron posibles debido a la considerable cantidad de datos faltantes en las variables moderadoras y, por lo tanto, a una reducción de los estudios que podrían incluirse en cada modelo. En este sentido, enfatizamos la importancia de reportar todos los detalles relevantes en los informes empíricos, para mejorar la replicabilidad de la investigación y facilitar los metanálisis con técnicas multinivel y multivariadas más refinadas y precisas. El informe incompleto de las características de la muestra, las distribuciones de edad, las diferencias de versión y las prácticas de traducción en los estudios primarios limita la precisión e interpretabilidad de los análisis de moderación e introduce amenazas adicionales a la validez. Sería interesante informar también la varianza de la puntuación total, para utilizarla como covariable en futuros metanálisis de confiabilidad.

Además, cabe señalar que la generalización de las conclusiones puede verse cuestionada por la alta heterogeneidad encontrada en este metanálisis. Dicha heterogeneidad reduce la posibilidad de afirmar la fiabilidad general de las subescalas; además, el informe incompleto de los estudios primarios dificulta la explicación completa de esta heterogeneidad.

A pesar de las limitaciones encontradas, este es el primer estudio metanalítico sobre la fiabilidad de las puntuaciones del ILS, que puede orientar el uso de los instrumentos en la práctica educativa, especialmente en la educación superior. Con base en los resultados, se han desarrollado algunas directrices.

Al utilizar e interpretar los resultados del ILS con fines educativos, es recomendable centrarse en las subescalas principales en lugar de las menores, para obtener puntuaciones más fiables. Por ejemplo, el “procesamiento profundo” debe considerarse como una combinación de “relacionar y estructurar” y “procesamiento crítico”; “procesamiento paso a paso” como una combinación de “memorización y ensayo” y “análisis”; “autorregulación” como algo que abarca tanto los aspectos relacionados con el proceso como con el contenido; y “regulación externa” como la integración del proceso de aprendizaje y la regulación de los resultados.

Cuando el objetivo principal del profesorado es la autorreflexión individual de cada estudiante basada en sus puntuaciones, se recomienda la versión extendida (ILS120). Por el contrario, cuando el propósito es obtener una visión general de los patrones de aprendizaje de un grupo, la versión corta (ILS60) ofrece una alternativa más práctica y eficiente, a la vez que proporciona una perspectiva global.

Es importante destacar que la subescala “interés personal” no debe utilizarse de forma aislada, ya que su fiabilidad es limitada en todos los territorios, dominios específicos, versiones de los instrumentos y rangos de edad. Sin embargo, su agrupación factorial con otras subescalas puede ofrecer información sobre los patrones de aprendizaje de los estudiantes. Por ejemplo, su combinación con la orientación a la autoevaluación generó, en un estudio reciente (Ciraso-Calí et al., 2026), la comprensión de una motivación orientada al desafío hacia tareas de aprendizaje difíciles; e impulsó la selección de estrategias de enseñanza para apoyar esta orientación, que prevaleció incluso entre estudiantes que no presentaban motivación intrínseca.

Para estudiantes adultos mayores, en particular en programas de ciencias de la salud y ciencias sociales, se recomiendan instrumentos complementarios que evalúen las motivaciones y las estrategias de estudio para compensar la menor fiabilidad de las subescalas de "procesamiento profundo" y "orientación al certificado". Una mayor triangulación con otras medidas, como subescalas seleccionadas del MSLQ (Pintrich et al., 1991), otros instrumentos de motivación académica descritos por Sánchez-Bolívar y Martínez-Martínez (2022), o enfoques cualitativos como los protocolos de pensamiento en voz alta, puede mejorar la validez de las interpretaciones y respaldar intervenciones educativas más integrales.

Las investigaciones futuras podrían dirigirse al análisis de las propiedades psicométricas de las adaptaciones existentes del ILS para diferentes contextos, como la Formación Profesional, la Educación Primaria o el aprendizaje permanente; para discutir el ámbito de aplicabilidad del modelo y del instrumento. Además, futuras revisiones sistemáticas podrían centrarse en la configuración factorial de los patrones de aprendizaje, una vez investigada la consistencia de las subescalas.

Cabe mencionar que la consistencia interna es solo una forma de informar sobre la fiabilidad. Se pueden obtener otras evidencias, como las correlaciones test-retest, así como otros indicadores de precisión de las medidas, que se basan en la estructura factorial de la subescala y no dependen de los supuestos estrictos del coeficiente alfa (Doval et al., 2023). La diversidad de cargas factoriales entre los ítems en muchas de las subescalas del ILS es relevante; por lo tanto, podría ser apropiado explorar métodos alternativos para calcular la puntuación de cada subescala, que puedan ser más precisos en este caso, y utilizar diferentes índices de determinación y fiabilidad para estas puntuaciones, como proponen Ferrando y Lorenzo-Seva (2017).

Asimismo, una perspectiva metodológica más amplia y completa puede integrar diferentes estrategias para comprender mejor la precisión y la validez del modelo: por ejemplo, la recopilación de datos cualitativos (a partir de observaciones y entrevistas, como en Martínez-Fernández et al., 2018) que nos permitiría acceder a los procesos más internos y personales en términos de aprendizaje. En general, estas limitaciones resaltan la necesidad de estándares metodológicos más sólidos y una mayor transparencia en los informes para reforzar la validez de las conclusiones derivadas de futuras aplicaciones del ILS.

Finalmente, la investigación futura en esta área debería fortalecer el debate sobre los perfiles de aprendizaje mediante un enfoque de métodos mixtos. Los resultados deberían ser analizados por equipos de formuladores de políticas, diseñadores curriculares, formadores de docentes y otros actores relevantes para diseñar intervenciones docentes adaptadas que promuevan procesos de aprendizaje más significativos. Con base en los resultados de este metanálisis, algunos aspectos a considerar son el origen del alumnado, su edad y su comprensión de sus creencias de aprendizaje como base de las acciones que se activan para el aprendizaje.

Agradecimientos

Esta investigación se realizó en el marco del programa de doctorado interuniversitario en Psicología de la Comunicación y el Cambio (UB y UAB, España).

Agradecemos a Javier Íbias Martín por su apoyo en el plan de análisis y el prerregistro del estudio.

Referencias

*Ahmedi, S. (2020). A cross-cultural study on learning patterns and social-emotional learning of Balkan students in Secondary Education. [Unpublished doctoral project]. Universitat Autònoma de Barcelona.

*Ajisuksmo, C. R. P., & Vermunt, J. (1999). Learning styles and self-regulation of learning at University: An Indonesian study. Asia Pacific Journal of Education, 19(2), 45-59. https://doi.org/10.1080/0218879990190205

*Alves De Lima, A., Bettati, M. I., Baratta, S., Falconi, M., Sokn, F., Galli, A., Barrero, C., Cagide, A., & Iglesias, R. (2006). Learning strategies used by cardiology residents: assessment of learning styles and their correlations. Education Health: Change in Learning and Practice, 19(3), 289-297.https://doi.org/ 10.1080/13576280600937788.

Botella, J., & Sánchez-Meca, J. (2015). Meta-análisis en ciencias sociales y de la salud. [Meta-analysis in social and health sciences]. Sintesis.

Bonett, D. G. (2002). Sample size requirements for testing and estimating coefficient alpha. Journal of Educational and Behavioral Statistics, 27(4), 335–340. https://doi.org/10.3102/10769986027004335

*Boyle, E., Duffy, T., & Dunleavy, K. (2003). Learning styles and academic outcome: The validity and utility of Vermunt's Inventory of Learning Styles in a British higher education setting. British Journal of Educational Psychology, 73(2), 267-290. https://doi.org/10.1348/00070990360626976

Busato, V. V., Prins, F. J., Elshout, J. J., & Hamaker, C. (2000). Intellectual ability, learning style, personality, achievement motivation and academic success of psychology students in higher education. Personality and Individual Differences, 29(6), 1057-1068. https://doi.org/10.1016/S0191-8869(99)00253-6

Ciraso-Calí, A., Martínez-Fernández, J.R., García-Ravidà, L., Vega Martínez, A., Quesada-Pallarès, C., & Vermunt, J.D. (2023). Reliability coefficients from the Inventory of Learning patterns of Students (ILS). CORA. Repositori de Dades de Recerca, V2. https://doi.org/10.34810/data634

Ciraso-Calí, A., Martínez-Fernández, J.R., García-Ravidà, L., Vega Martínez, A., Quesada-Pallarès, C., & Vermunt, J.D. (2024). Reliability generalization of Vermunt’s Inventory of Learning Patterns: a meta-analysis of alpha coefficients. PROSPERO. https://www.crd.york.ac.uk/PROSPERO/view/CRD42021239103

Ciraso-Calí, A., Martínez-Fernández, J. R., García Ravidá, L. B., Vega-Martínez, A., Quesada-Pallarès, C., & Vermunt, J. D. (2025). Open material of manuscript "Reliability Generalization of the Inventory of Learning Patterns of Students: A Meta-analysis of Alpha Coefficients". PsychArchives. https://doi.org/10.23668/psycharchives.21445

Ciraso-Calí, A., Quesada-Pallarès, C., & Martínez-Fernández, J.R. (2026). El modelo de patrones de aprendizaje en Educación Primaria: Una aproximación con métodos mixtos [The learning patterns model in Primary Education: A mixed-methods approach]. Revista de Investigación Educativa, 44 (in press). https://doi.org/10.6018/rie.656951

Cicchetti, D. V. (1994). Guidelines, criteria, and rules of thumb for evaluating normed and standardized assessments instruments in psychology. Psychological Assessment, 6(4), 284–290. https://doi.org/10.1037/1040-3590.6.4.284

Conn, V. S., Valentine, J. C., Cooper, H, M, & Rantz, M. J. (2003). Grey literature in meta-analysis. Nursing Research, 52(4), 256-261.https://doi.org/10.1097/00006199-200307000-00008

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555

Cronbach, L. J., & Shavelson, R. J. (2004). My Current Thoughts on Coefficient Alpha and Successor Procedures. Educational and Psychological Measurement, 64(3), 391-418. https://doi.org/10.1177/0013164404266386

*De la Barrera, M.L., Riccetti, A. E. (2020). De decisiones y aprendizajes en la formación de profesores de educación física: poniendo en juego la metacognición. Revista de Educación Física, 9(3), 63-75. https://revistas.udea.edu.co/index.php/viref/article/view/340869

Delgado Orrillo, Y., Ciraso-Calí, A., Quesada-Pallarès, C., Matos Nunes, T.C., de Oliveira Figuereido, G., García-Orriols, J., Rodrigues Guilam, M., & Martínez-Fernández, J.R. (2023). Learning patterns of postgraduate students in public health: relationships with identity, training and the work of teachers in Brazil. Medical Education 24(4). https://doi.org/10.1016/j.edumed.2023.100829

*Dolly Arancibia, M. (2020). Informe de avance: Patrones de aprendizaje y educación superior. Influencia de los patrones de aprendizaje en el rendimiento académico de estudiantes universitarios de primer ciclo [Progress report: Learning patterns and higher education. Influence of learning patterns on the academic performance of first cycle university students]. Unpublished research report.

Donche, V., Coertjens, L., Van Daal, T., De Maeyer, S., & Van Petegem, P. (2014). Understanding diferences in student learning academic achievement in first year higher education: an integrative research perspective. In D. Gijbels, V., Donche, J. T. E. Richardson, & J. Vermunt, (Eds.) Learning Patterns in Higher Education. Dimensions and research perspectives (pp. 214-231). Routledge.

*Donche, V., Coertjens, L., & Van Petegem, P. (2010). Learning pattern development throughout higher education: A longitudinal study. Learning and Individual Differences, 20(3), 256-259. https://doi.org/10.1016/j.lindif.2010.02.002

*Donche, V., & Van Petegem, P. (2009). The development of learning patterns of student teachers: a cross sectional and longitudinal study. Higher Education, 57, 463–475. https://doi.org/10.1007/s10734-008-9156-y

Doval, E., Viladrich, C., & Angulo-Brunet, A. (2023). Coefficient Alpha: The resistance of a classic. Psicothema, 35(1), 5-20. https://doi.org/10.7334/psicothema2022.321

Downes, M. J., Brennan, M. L., Williams, H. C., & Dean, R. (2016). Development of a critical appraisal tool to assess the quality of cross sectional studies (AXIS). BMJ Open. https://doi.org/10.1136/bmjopen-2016- 011458

*Edelbring, S. (2012). Measuring strategies for learning regulation in medical education: scale reliability and dimensionality in a Swedish sample. BMC Medical Education, 12, 76. https://doi.org/10.1186/1472-6920-12-76

*Elisondo, R., De la Barrera, M.L., Rigo, D.Y., Kowszky, D.I., Fagotti, E., Riccetti, A., & Siracusa, M.R. (2016). Estudiantes hoy, entre Facebook, Google y Metacognición. Ideas para innovar en la Educación Superior. Revista de Docencia Universitaria, 14(1), 225-244. https://doi.org/10.4995/redu.2016.5800

Ferrando, P. J., & Lorenzo-Seva, U. (2017). Assessing the quality and appropriateness of factor solutions and factor score estimates in exploratory item factor analysis. Educational and Psychological Measurement, 27(5), 1-19. https://doi.org/10.1177/0013164417719308

*Fryer, L. K., Ginns, P., & Walker, R. (2016). Reciprocal modelling of Japanese university students’ regulation strategies and motivational deficits for studying. Learning and Individual Differences, 51, 220–228. https://doi.org/10.1016/j.lindif.2016.08.032

*Gaeta González, M. L., Reyes Vergara, M. L., González Rabino, M. L., García-Béjar, L., Espinosa Jiménez, M., Gutiérrez Niebla, M. I., & Benítez Ríos, Y. T. (2020). Perspectiva de futuro, patrones de aprendizaje y rendimiento académico en estudiantes universitarios mexicanos [Time Perspective, Learning Patterns and Academic Achievement in Mexican University Students]. Estudios sobre Educación, 39, 9-31. https://doi.org/10.15581/004.39.9-31

*Gamboa-Salcedo, T., García-Durán, R., & Peña-Alonso, Y. R. (2012). Traducción al español y análisis de confiabilidad del inventario de estilos de aprendizaje de Vermunt en residentes de pediatría [Spanish translation and reliability analysis of Vermunt's inventory of learning styles in pediatric residents]. Investigación en Educación Médica, 1(2), 57-63. https://doi.org/10.22201/fm.20075057e.2012.02.00003

García-Ravidá, L. B. (2017). Patrones de aprendizaje en universitarios latinoamericanos: Dimensión cultural e implicaciones educativas [Learning patterns in Latin-American university students: Cultural dimension and educational implications] [Doctoral Dissertation]. Universitat Autònoma de Barcelona, Spain. https://www.tesisenred.net/handle/10803/454839

Gisbert-Pérez, J., Martí-Vilar, M., Merino-Soto, C., & Vallejos-Flores, M. (2022). Reliability Generalization Meta-Analysis of Internet Gaming Disorder Scale. Healthcare, 10(10), 1992. https://doi.org/10.3390/healthcare10101992

*Gülpinar, M. A. (2014). Klinik öncesi dönem tıp fakültesi öğrencilerinin öğrenme stilleri [Learning Styles of Preclinical Medical Students]. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi [H. U. Journal of Education], 29(3), 68-80.

Habib, M. K., Nagata, F., & Watanabe, K. (2021). Mechatronics: Experiential Learning and the Stimulation of Thinking Skills. Education Sciences, 11(2), https://doi.org/10.3390/educsci11020046

Hederich-Martínez, C., & Camargo-Uribe, A. (2019). Revisión crítica del modelo de patrones de aprendizaje de J. Vermunt [Critical revisión of J. Vermunt’s model of learning patterns]. Revista Colombiana de Educación, 77. https://doi.org/10.17227/rce.num77-9469

*Helle, L., Laakkonen, E., Tuijula, T., & Vermunt, J. D. (2013). The developmental trajectory of perceived self-regulation, personal interest, and general achievement throughout high school: a longitudinal study. British Journal of Educational Psychology, 83, 252–266. https://doi.org/10.1111/bjep.12014

*Juklova, K., Vondroušová, R., & Henter, R. (2017). Learning patterns of Czech and Romanian students within the context of a cross cultural comparison. 8th ICEEPSY 2017 The International Conference on Education & Educational Psychology.http://dx.doi.org/10.15405/epsbs.2017.10.36

*Kalaca, S., & Gulpinar, M. (2011). A Turkish study of medical student learning styles. Education for Health, 24(3), 1-11. https://doi.org/10.4103/1357-6283.101429

*Konings, K. D., Brand-Gruwel, S., & Elen, J. (2012). Effects of a school reform on longitudinal stability of students’ preferences with regard to education. British Journal of Educational Psychology, 82, 512–532. http://dx.doi.org/10.1111/j.2044-8279.2011.02044.x

*Kumar Chakrabarti, A. (2017). Learning style in relation to course experience, aptitude in chemistry and learning outcome [unpublished PhD dissertation]. Department of Education, University of Calcutta.

*Law, D. C. S., & Meyer, J. H. F. (2010). Adaptation and validation of the Inventory of Learning Styles for quality assurance in a Hong Kong post-secondary education context. Quality in Higher Education, 16, 269-283. http://dx.doi.org/10.1080/13538322.2010.506717

Liu, J., Wang, C., & Wu, Y. (2021). Construction and Optimization of Higher Education Management System Based on Internet Video Online Technology. Scientific Programming. https://doi.org/10.1155/2021/5520662

López-Ibáñez, C., López-Nicolás, R., Blázquez-Rincón, D.M., & Sáncez-Meca, J. (2024). Reliability generalization meta-analysis: Comparing different statistical methods. Current Psychology, 43, 18275–18293. https://doi.org/10.1007/s12144-023-05604-y

López Pina, J. A., Sánchez-Meca, J., & López-López, J. A. (2012). Métodos para promediar coeficientes alfa en los estudios de generalización de la fiabilidad. Psicothema, 24(1), 161-166.

*Lycke, K. H., Grøttum, P., & Strømsø, H. I. (2006). Student learning strategies, mental models and learning outcomes in problem-based and traditional curricula in medicine. Medical Teacher, 28(8), 717-722. https://doi.org/10.1080/01421590601105645

*Marambe, K. N., Vermunt, J. D., & Boshuizen, H. P. A. (2012). A cross-cultural comparison of student learning patterns in higher education. Higher Education, 64, 299–316. https://doi.org/10.1007/s10734-011-9494-z

Martínez-Fernández, J. R. (2019). El modelo patrones de aprendizaje: Estado actual, reflexiones y perspectivas desde el territorio de Iberoamérica [The learning patterns model: Current state, reflections and perspectives from the territory of Ibero-America]. Revista Colombiana de Educación, 77(1). https://doi.org/10.17227/rce.num77-9953

*Martínez-Fernández, J. R., Ciraso-Calí, A., & García-Orriols, J. (2020). Patrones de aprendizaje y factores personales asociados: una exploración en profesores y estudiantes de la Fiocruz (Brasil) [Learning patterns and associated personal factors: an exploration with teachers and students of Fiocruz (Brazil)]. Unpublished research report.

*Martínez Fernández, J. R., & García Ravidá, L. (2012). Patrones de aprendizaje en estudiantes universitarios del Máster de Educación Secundaria: variables personales y contextuales relacionadas [Learning patterns in students of the Master on Secundary Education: personal and contextual related variables]. Profesorado: Revista de Currículum y Formación del Profesorado, 16(1), 165-182.

Martínez-Fernández, J. R., García-Ravidá, L. B., García-Orriols, J., & Martí-Garbayo, L. (2018). Desarrollo personal y aprendizaje: desafíos a la escuela desde una mirada longitudinal a los patrones de aprendizaje [Personal development and learning: Challenging the school from a longitudinal approach to learning patterns]. Contextos de Educación, 20(25), 45-57.

Martínez-Fernández, J. R., García-Ravidá, L. B., González Velázquez. L., Badia Martín, M. (2025). Approaches to the study, associated factors and academic performance in a sample of Mexican undergraduates from native communities. Journal for the Study of Education and Development, 48(4), 893-924. https://doi.org/10.1177/02103702251382676

Martínez-Fernández, J. R., García-Ravidá, L. B., & Mumbardó Adams, C. (2019). Latin American undergraduates and learning patterns in the transition to higher education: an exploratory study in Colombia. Electronic Journal of Research in Educational Psychology, 17(3), 561-588. http://dx.doi.org/10.25115/ejrep.v17i49.2421

Martínez-Fernández, J. R., Noguera-Fructuoso, I., Ciraso-Calí, A., & Vega-Martínez, A. (2024). An exploratory study of university students’ regulation profiles and satisfaction with flipped classrooms. Revista Española de Pedagogía, 82(287), 111-124. https://doi.org/10.22550/2174-0909.3931

*Martínez Fernández, J. R., & Vermunt, J. (2015). A cross-cultural analysis of the patterns of learning and academic performance of Spanish and Latin-American undergraduates. Studies in Higher Education, 40(2), 278-295. https://doi.org/10.1080/03075079.2013.823934

McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. https://doi.org/10.1037/met0000144

Namaziandost, E., Homayouni, M., & Rahmani, P. (2020). The impacts of cooperative learning approach on the development of EFL learners’ speaking fluency. Cogent Arts & Humanities, 7(1). https://doi.org/10.1080/23311983.2020.1780811

Page, M. J., McKenzie, J. E., Bossuy, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. Systematic Reviews, 10(89). https://doi.org/10.1186/s13643-021-01626-4

*Picarelli, A., Slaats, M., Bouhuijs, J., & Vermunt, J. D. (2006). Leerstijl en leeromgeving in het voortgezet onderwijs: Nederland en Vlaanderen vergeleken [Learning style and learning environment in secondary education: The Netherlands and Flanders compared]. Pedagogische Studiën, 83, 139-155

Pintrich, P., Smith, D., García, T., & McKeachie, W. (1991). A manual for the use of the motivated strategies for learning questionnaire (MSLQ). University of Michigan.

*Richardson, J. T. E. (2010). Conceptions of learning and approaches to studying among white and ethnic minority students in distance education. British Journal of Educational Psychology, 80, 535–556. https://doi.org/10.1348/000709910x489283

*Richardson, J. T. E. (2007). Mental models of learning in distance education. British Journal of Educational Psychology, 77, 253–270. https://doi.org/10.1348/000709906x110557

*Rocha, M., & Ventura, M. (2011). Vermunt’s Learning Styles: Searching for Portuguese College student’s functioning. Journal of Learning Styles, 4(8). 40-70. https://doi.org/10.55777/rea.v4i8.936

Ruiz-Bueno, C., & García-Orriols, J. (2019). ¿Qué nos aporta el modelo de patrones de aprendizaje para el diseño de acciones formativas? [What does the learning paterns model contribute to the design of educational actions?] Revista Colombiana de Educación, 77, 321-341. https://doi.org/10.17227/rce.num77-9527

Sánchez-Bolívar, L., & Martínez-Martínez, A. (2022). Factors related to University Students’ motivation and instruments for its evaluation: A systematic review. Revista Electrónica Educare, 26(2), 484-505. https://dx.doi.org/10.15359/ree.26-2.26

Sánchez-Meca, J., López López, J. A. & López-Pina, J. A. (2013). Some recommended statistical analytic practices when reliability generalization studies are conducted. British Journal of Mathematical and Statistical Psychology, 66, 402–425. https://doi.org/10.1111/j.2044-8317.2012.02057.x

Shum, A., Fryer, L. K., Vermunt, J. D., Ajisuksmo, C., Cano, F., Donche, V., Law, D. C., Martínez-Fernández, J. R., Van Petegem, P., & Yu, J. (2024). Variable‑ and Person‑centred meta‑re‑analyses of university students’ learning strategies from a cross‑cultural perspective. Higher Education, 87(5), 1227-1250. https://doi.org/10.1007/s10734-023-01062-4

Slaney, K. (2017). Validating psychological constructs. Palgrave Macmillan. https://doi.org/10.1057/978-1-137-38523-9

*Song, Y., & Vermunt, J. (2021). A comparative study of learning patterns of secondary school, high school and college students. Studies in Educational Evaluation, 68. https://doi.org/10.1016/j.stueduc.2020.100958

Vacha-Haase, T. (1998). Reliability generalization: Exploring variance in measurement error affecting score reliability across studies. Educational and Psychological Measurement, 58, 6-20. https://doi.org/10.1177/0013164498058001002

*Vázquez, S. M. (2009). Rendimiento académico y patrones de aprendizaje en estudiantes de ingeniería [Academic Performance and Learning Styles in Engineering Students]. Ingeniería y Universidad, 13(1).

*Vega-Martínez, A. (2022). Evolución de los patrones de aprendizaje en universitarios iberoamericanos: Relaciones con la regulación, el estrés académico y el rendimiento [Evolution of learning patterns in Ibero-American university students: Relationships with regulation, academic stress and achievement] [Doctoral dissertation]. Universitat Autònoma de Barcelona, Spain. https://www.tesisenred.net/handle/10803/675467

Vega-Martínez, A., Martínez-Fernández J. R., & Coiduras-Rodríguez, J. L. (2023). Patrones de aprendizaje, estrés académico y rendimiento en universitarios de primer curso: un estudio exploratorio [Learning patterns, academic stress and achievement among first grade university students: An exploratory study]. Educar, 59(1), 163-178. https://doi.org/10.5565/rev/educar.1527

*Vermetten, Y. J., Lodewijks, H. G., & Vermunt, J. D. (2001). The Role of Personality Traits and Goal Orientations in Strategy Use. Contemporary Educational Psychology, 26(2), 149–170. https://doi.org/10.1006/ceps.1999.1042

*Vermetten, Y. J., Lodewijks, H. G., & Vermunt, J. D. (1999). Consistency and variability of learning strategies in different university courses. Higher Education, 37, 1-21. https://doi.org/10.1023/A:1003573727713

*Vermunt. J. D. (1998). The regulation of constructive learning processes. British Journal of Educational Psychology, 68, 149-71. https://doi.org/10.1111/j.2044-8279.1998.tb01281.x

Vermunt, J. (2005). Relations between student learning patterns and personal and contextual factors and academic performance. Higher Education, 49(3), 205–234. https://doi.org/10.1007/s10734-004-6664-2

Vermunt, J. D. (2020). Surveys and retrospective self-reports to measure strategies and strategic processing. In D. L. Dinsmore, L. K. Fryer, & M. M. Parkinson (Eds.), Handbook of strategies and strategic processing (pp. 259-274). Routledge. https://doi.org/10.4324/9780429423635-16

Vermunt, J. D., Bronkhorst, L. H., & Martínez-Fernández, J. R. (2014a). The dimensionality of student learning patterns in different cultures. En D. Gijbels, V. Donche, J. T. E. Richardson and J. D. Vermunt, Learning Patterns in Higher Education: Dimensions and Research Perspectives (pp. 33-55). Routledge.

Vermunt, J. D., & Donche, V. (2017). A learning patterns perspective on student learning in higher education: State of the art and moving forward. Educational Psychology Review, 29(2), 269-299. https://doi.org/10.1007/s10648-017-9414-6

*Vermunt, J. D., & Minnaert, A. (2003). Dissonance in student learning patterns: when to revise theory?. Studies in Higher Education, 28(1), 49-61. https://doi.org/10.1080/03075070309301

Vermunt, J. D., Richardson, J. T. E., Donche, V., & Gijbels, D. (2014b). Students’ learning patterns in higher education. Dimensions, measurement and change. In D. Gijbels, V., Donche, J. T. E. Richardson, & J. Vermunt, (Eds.) Learning Patterns in Higher Education. Dimensions and research perspectives (pp.295-310). Routledge.

Vermunt, J. D., & Vermetten, Y. J. (2004). Patterns in student learning: Relationships between learning strategies, conceptions of learning, and learning orientations. Educational Psychology Review, 16, 359-384. https://doi.org/10.1007/s10648-004-0005-y

Veroniki, A. A., Jackson, D., Viechtbauer, W., Bender, R., Bowden, J., Knapp, G., Kuss, O. Higgins, J. P., Langani, D., & Salantij, G. (2014). Methods to estimate the between-study variance and its uncertainty in meta-analysis. Research Syntesis Methods, 7(1), 55-79. https://doi.org/10.1002/jrsm.1164

*Vilppu, H., Mikkila-Erdmann, M., & Ahopelto, I. (2013). The role of regulation and processing strategies in understanding science text among university students. Scandinavian Journal of Educational Research, 57(3), 246–262. https://doi.org/10.1080/00313831.2011.637229

*Wijnen, M., Loyens, S. M., Smeets, G., Kroetze, M., & van der Molen, H. (2016). Comparing problem-based learning students to students in a lecture-based curriculum: Learning strategies and the relation with self-study time. European Journal of Psychology of Education, 32, 431-447. https://doi.org/10.1007/s10212-016-0296-7

*Zeegers, P. (2004). Student learning in higher education: a path analysis of academic achievement in science. Higher Education Research & Development, 23(1), 35-56. https://doi.org/10.1080/0729436032000168487

*Zeybek, G., & Şentürk, C. (2020). Analysis of pre-service teachers’ learning styles according to Vermunt learning style model. International Online Journal of Education and Teaching (IOJET), 7(2). 669-682.

Notas de autor

Información adicional

redalyc-journal-id: 916

Enlace alternativo

https://revistaseug.ugr.es/index.php/RELIEVE/article/view/32715 (html)