Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Protocollo multimodale per la valutazione della metacognizione e dell'autoregolamentazione negli adulti con difficoltà di apprendimento

Published: September 27, 2020 doi: 10.3791/60331
Automatic Translation
1, 1, 1, 1, 2, 2
1University of Oviedo, 2University of Central Florida

Summary

Il lavoro attuale propone un protocollo di valutazione multimodale incentrato sulla metacognitiva, l'autoregolamentazione dell'apprendimento e i processi emotivi, che costituiscono la base delle difficoltà negli adulti con LD.

Abstract

Le difficoltà di apprendimento (LD) comprendono i disturbi di coloro che hanno difficoltà ad apprendere e utilizzare le competenze accademiche, mostrando prestazioni al di sotto delle aspettative per la loro età cronologica nei settori della lettura, della scrittura e/o della matematica. Ciascuno dei disturbi che costituiscono gli LD comporta diversi deficit; tuttavia, alcuni punti in comune possono essere trovati all'interno di tale eterogeneità, come in termini di autoregolamentazione dell'apprendimento e metacognizione. A differenza delle prime età e dei livelli di istruzione successivi, non ci sono quasi protocolli di valutazione basati su prove per gli adulti con LD. In risposta a ciò, l'attuale lavoro propone un protocollo di valutazione multimodale incentrato sulla metacognitiva, l'autoregolamentazione dell'apprendimento e i processi emotivi, che costituiscono la base delle difficoltà negli adulti con LD. La valutazione viene effettuata attraverso l'analisi del processo di apprendimento on-line utilizzando metodi, tecniche e sensori di varietà (ad esempio, tracciamento oculare, espressioni facciali di emozione, risposte fisiologiche, verbalizzazioni simultanee, file di log, registrazioni dello schermo delle interazioni uomo-macchina) e metodi off-line (ad esempio, questionari, interviste e misure di auto-segnalazione). Questa linea guida teoricamente basata ed empiricamente mira a fornire una valutazione accurata degli LD in età adulta al fine di progettare proposte efficaci di prevenzione e intervento.

Introduction

Disturbi specifici dell'apprendimento (SLD) comprendono disturbi di coloro che hanno difficoltà ad apprendere e utilizzare le competenze accademiche, mostrando prestazioni al di sotto delle aspettative per la loro età cronologica nei settori della lettura, scrittura e/o matematica1,2. Ci sono diverse stime dei tassi di prevalenza a seconda dell'età, della lingua e della cultura analizzate, ma sono tra il 5% e il 15%1,3. All'interno della categoria globale dei disturbi del neurosviluppo nel Manuale diagnostico e statistico dei disturbi mentali(5 th Ed.) 1, è anche necessario concentrarsi sull'incidenza di Disordine di Attenzione-Deficit/Iperattività (qui in seguito ADHD) in quanto è un disturbo comune che ha dato origine a varie controversie su come avvicinarsi negli ultimi anni. Basato sul DSM-51, può essere definito come un modello di comportamenti persistenti di disattenzione e/o iperattività-impulsività. Allo stesso modo, il disturbo dello spettro autistico (qui di seguito ASD) è una categoria nello stesso manuale che include gli studenti che presentano disturbi del neurosviluppo a seguito di disfunzioni multifattoriali del sistema nervoso centrale, che si traduranno in disfunzioni qualitative in tre aree fondamentali dello sviluppo della persona: interazione sociale, comunicazione e interessi e comportamenti1,2.

Su queste linee, è emerso un nuovo concetto allontanarsi dal senso di deficit e offrire un approccio più positivo a questi disturbi per essere coerente con le attuali idee di difficoltà di neurosviluppo come altamente coesistenti e sovrapposte4. Da questi nuovi modelli, si comprende che le competenze coinvolte nei processi cognitivi di alto livello, che consentono di gestire e regolare il comportamento al fine di raggiungere un obiettivo desiderato, sono cruciali per l'autoregolamentazione e, quindi, per le attività della vita quotidiana, comprese quelleaccademiche 5. Nel contesto dell'età adulta, la neurodiversità si è evoluta per includere vari tipi di difficoltà, tra cui ADHD e ASD, così come dislessia, disprassia e/o discalculia. Di conseguenza, ci stiamo avvicinando a questa neurodiversità da un'ampia concezione delle difficoltà di apprendimento (LD). L'aumento degli studenti con questa diversità iscritti all'istruzione post-secondaria è ben documentato ed è dovuto, in parte, all'aumento dei tassi di laurea delle scuole superiori per gli studenticon disabilità 6, ma allo stesso tempo, c'è meno ricerca sul processo di apprendimento di questi studenti del necessario7.

Ciascuno dei disturbi affrontati isolatamente comporta diversi deficit e manifestazioni; tuttavia, alcune comunità possono essere trovate all'interno di tale eterogeneità in termini di LD, come metacognitivo, autoregolamentazione, e malfunzionamento emotivo8,9,10,11. Tre basi fondamentali nella letteratura dell'apprendimento in generale, e in particolare le LD, che rappresentano la base di un apprendimento di successo e svolgono un ruolo essenziale in queste ben note difficoltà a livello accademico12. Oltre a questo, altri approcci capiscono che ci potrebbe essere una certa comunanza tra deficit nelle funzioni esecutive, come problemi nell'elaborazione automatica o memoria di lavoro, che si verificano in diversi disturbi come ADHD e disturbi di lettura13 o ADHD e ASD5. Tuttavia, c'è ancora del lavoro da fare in questo campo, poiché non tutti gli studi giungere alle stesse conclusioni su questi punti in comune in relazione alle funzioni esecutive. Ciò potrebbe essere dovuto alle variazioni presentate dai campioni su cui si basano gli studi e alle procedure di valutazione delle funzioni esecutive utilizzate nelle indagini5,14.

In termini educativi, questo mix diversificato influisce non solo sulla qualità dell'apprendimento, a causa della natura fondamentale delle funzioni interessate, ma anche su fenomeni come l'abbandono scolastico, il cambiamento di grado, ecc., con implicazioni economiche per i governi e leuniversità 15. Il tasso di abbandono per gli studenti con LD è superiore a quello degli studenti della popolazione generale16, ma anche superiore ai tassi di abbandono per qualsiasi altra categoria di disabilità psicologica ad eccezione di quelli con disturbi emotivi17. Al contrario, il numero di studenti con LD che accedono all'istruzione post-obbligatoria (formazione professionale, college, ecc.) è inaumento di 15,in particolarenell'istruzione superiore 19,20,21,22. Inoltre, si potrebbe ben supporre che ci sono molti più studenti con LD rispetto a quelli che passano ufficialmente attraverso i servizi agli studenti e in genere costituiscono le statistiche di prevalenza23.

Queste difficoltà non sono sempre rilevate durante l'infanzia, soprattutto negli adulti nati prima che questi disturbi fossero considerati nel sistema accademico regolare, e i sintomi di questi disturbi persistono per tutta la vita delle persone e causano difficoltà nel lavoro, nell'istruzione e nella vitapersonale 24. La ricerca ha dimostrato che, sebbene le persone possano superare alcune delle loro difficoltà, la maggior parte continua a mostrare difficoltà con l'apprendimento durante l'età adulta e la loro persistenza è ancora problematica a quei livelli di istruzionesuperiore 25.

Paradossalmente, a differenza dei precedenti livelli di istruzione e delle epoche precedenti, non ci sono quasi strumenti basati su prove o protocolli di valutazione per gli adulti con LD. Nonostante la proliferazione di strumenti diagnostici per valutare gli LD durante l'infanzia, la disponibilità di strumenti e metodologie validi e affidabili per la popolazione adulta èsignificativamente limitata 24. Una recente revisione della letteratura sulle disabilità di apprendimento nell'istruzione superiore ha rilevato che la maggior parte delle informazioni raccolte a questo proposito è fatta attraverso interviste, e solo occasionalmente sono questionari auto-report utilizzati26. La metodologia e le interviste di auto-relazione, sebbene preziose, non sono sufficienti per valutare con precisione i processi metacognitivi, di autoregolamentazione e di abilità emotive, tra gli altri, a causa della natura del processo. L'importanza delle scale e della metodologia di intervista per la misurazione di tali processiè innegabile 27,28, ma anche i problemi associati di validità29 e incongruenza con altri metodi innovativi di valutazione30. Un ulteriore problema nell'individuazione degli LD è il pregiudizio nella diagnosi del disturbo a causa dell'assenza di protocolli di valutazione completi. Il fatto che i professionisti non abbiano un protocollo di riferimento basato su variabili oggettive sta spesso causando molti casi falsi positivi e falsi negativi di LDs31.

In risposta sia alla scarsità di strumenti per gli adulti che alla necessità di migliorare la metodologia esistente, lo studio attuale propone un protocollo di valutazione multimodale incentrato sui processi metacognitivi, di autoregolamentazione ed emotivi, che costituiscono la base delle difficoltà negli adulti con LD. In linea con la letteratura attuale, proponiamo un passaggio verso la misurazione integrativa emulticanale 32,33. La valutazione viene effettuata attraverso un'analisi del processo di apprendimento on-line utilizzando diversi metodi, tecniche e sensori (ad esempio, ambiente di apprendimento ipermediale, realtà virtuale, tracciamento oculare, espressioni facciali delle emozioni, risposte fisiologiche, file di log, registrazioni dello schermo delle interazioni uomo-macchina) e metodi off-line (ad esempio, questionari, interviste e misure di auto-segnalazione). Questa metodologia mista fornisce la prova della distribuzione dei processi target prima, durante e dopo l'apprendimento che possono essere triangolati per migliorare la comprensione di come gli studenti imparano e dove si trova il problema, se c'è un34.

Il protocollo di valutazione viene eseguito nell'corso di due sessioni. Le sessioni possono essere fatte in una sola seduta o possono richiedere applicazioni parziali a seconda della persona. Il primo è focalizzato sul rilevamento o la conferma di LD e sul tipo specifico di disturbo che stiamo affrontando, e il secondo è progettato per entrare nei processi metacognitivi, di autoregolamentazione ed emotivi di ogni singolo caso in profondità.

La sessione 1 è destinata ad essere una valutazione diagnostica o di conferma delle difficoltà di apprendimento del partecipante: SLD, ADHD e/o ASD (alto funzionamento) per determinare il tipo di problemi specifici che i partecipanti hanno. Questa valutazione è essenziale per due motivi. 1) Gli adulti con difficoltà di apprendimento raramente hanno informazioni accurate sul loro comportamento disfunzionale. Alcuni di loro sospettano di avere un LD, ma non sono mai stati valutati. Altri possono essere stati valutati quando erano bambini, ma non hanno alcuna segnalazione o ulteriori informazioni. 2) Ci possono essere discrepanze con le diagnosi precedenti (ad esempio, una precedente diagnosi di dislessia in contrapposizione a una diagnosi corrente di deficit di attenzione e velocità di elaborazione lenta; diagnosi precedente di ASD in contrasto con l'attuale limitata capacità intellettuale, ecc.). Il partecipante viene intervistato e vengono applicati questionari e test standardizzati. Questa sessione qui è effettuata da terapisti con esperienza nella diagnosi di difficoltà di sviluppo e apprendimento nel contesto di ricerca e clinici in diversi uffici di una Facoltà di Psicologia Spagnola. La sessione inizia con un'intervista strutturata che raccoglie informazioni biografiche insieme alla presenza di sintomi legati alle SDD a cui si fa riferimento nel DSM-51. In seguito, il test di capacità intellettuale di riferimento WAIS-IV35 viene utilizzato in caso di implementazione di criteri di esclusione e perché fornisce informazioni molto preziose per le difficoltà di apprendimento dalle scale "memoria di lavoro" e "velocità di elaborazione"36. Inoltre, il PROLEC SE-Revised Test37 è ampiamente utilizzato per valutare le disabilità di lettura (processi lessicali, semantici e/o sintattici di lettura), una delle difficoltà più diffuse e invalidanti per l'apprendimento negli attuali contesti accademici, che si sovrappone ad altri disturbi come ADHD38. Questa valutazione raccoglie l'accuratezza della lettura, la velocità e la fluidità insieme alle disabilità di lettura e, cosa ancora più importante, in cui il processo di lettura siverifica l'errore 37 (questo test è stato valutato con gli studenti pre-universitari. Attualmente, non ci sono test in Spagna che sono adattati alla popolazione adulta generale, quindi questo test è stato selezionato perché è il più vicino alla popolazione target). Quindi, controlliamo i sintomi di ADHD attraverso l'Organizzazione Mondiale della Sanità Adult ADHD Self-Report Scale (ASRS)39 e affiniamo la valutazione di questo disturbo, introducendo la multimodalità con un test di prestazioni continue di realtà virtuale all'avanguardia per la valutazione dei processi di attenzione e della memoria di lavoro negli adulti, il Nesplora Aquarium31,40. Questo test è uno strumento molto utile per diagnosticare ADHD in adulti e adolescenti di età oltre 16 anni in uno scenario ecologico, fornendo oggettivi, dati affidabili. Valuta l'attenzione selettiva e sostenuta, l'impulsività, il tempo di reazione, l'attenzione uditiva e visiva, la perseveranza, la qualità della messa a fuoco attenzioni, l'attività motoria, la memoria di lavoro e il costo del cambiamento di compito. Inoltre, insieme al WAIS-IV35 nel suo complesso per la raccolta di informazioni sulla capacità intellettuale del partecipante, prestamo particolare attenzione alle scale "memoria di lavoro" e "velocità di elaborazione" perché sono correlate alle difficoltà di apprendimento e i risultati di queste scale vengono utilizzati nella decisione finale. Infine, includiamo l'Autism Spectrum Quotient (AQ-Short)41 nel protocollo, la versione breve dell'affidabile AQ-Adult di Baron-Cohen, Wheelwright, Skinner, Martin e Clubley42.

La sessione 2 si concentra su una valutazione multimodale del processo di apprendimento del partecipante. La chiave per comprendere l'apprendimento complesso sta nella comprensione della distribuzione dei processi cognitivi, metacognitivi, motivazionali e affettivi deglistudenti 43. A tal fine, i partecipanti lavorano con MetaTutor, dove l'uso di strategie metacognitive e cognitive implementate vengono osservate mentre stanno imparando. MetaTutor è un ambiente di apprendimento ipermediato progettato per rilevare, modellare, tracciare e promuovere l'apprendimento autoregolato degli studenti mentre si impara diversi argomentiscientifici 44. Il progetto di MetaTutor si basa su una vasta ricerca di Azevedo e colleghi43,45,46,47 e appartiene ad una nuova tendenza nella misurazione della SRL, la cosiddetta terza ondata, che si caratterizza per l'uso combinato di tecniche di misurazione e di apprendimento avanzato33. L'uso di MetaTutor fornisce anche dati di traccia multimodale, incorporando misure come, tracciamento degli occhi, risposte fisiologiche emotive (risposta della pelle galvanica (GSR) ed espressioni facciali di emozioni)48, dati di log e questionari. Tutte queste misure sono combinate per raggiungere una comprensione più profonda dei partecipanti SRL e metacognizione.

Il tracciamento oculare fornisce una comprensione di ciò che attira l'attenzione immediata, quali elementi di destinazione vengono ignorati, in cui gli elementi dell'ordine vengono notati o come gli elementi si confrontano con gli altri; l'attività elettrodermica ci fa sapere come cambia l'eccitazione emotiva in risposta all'ambiente; riconoscimento facciale-emozione permette il riconoscimento automatico e l'analisi delle espressioni facciali; e la registrazione dei dati raccoglie e memorizza l'interazione dello studente con l'ambiente di apprendimento per ulteriori analisi. Per quanto riguarda i questionari, il Mini International Personality Item Pool49 informa su una serie di attività e pensieri che le persone sperimentano nella vita quotidiana valutando ciascuno dei cinque principali tratti della personalità (estraversione, gradevolezza, coscienziosità, nevrosi e apertura). Gli aspetti connotativi delle credenze epistemologiche50 forniscono informazioni sulle credenze dei partecipanti sulla conoscenza. La scala di autostima di Rosenberg mostra come i partecipanti si sentono su se stessinel complesso 51. Il questionario52 sulla regolazione delle emozioni fornisce informazioni sulla regolazione delle emozioni dei partecipanti. Il Achievement Emotions Questionnaire (AEQ)53 informa sulle emozioni tipicamente vissute all'università.

In breve, valutare gli LD durante l'età adulta è particolarmente difficile. L'istruzione e l'esperienza permettono a molti adulti di compensare i loro deficit e successivamente mostrano sintomi indifferenziati o mascherati, sui quali le conoscenze scientifiche sono ancora scarse. Tenendo conto del divario critico di ricerca che si presenta, questo lavoro attuale mira a garantire linee guida teoricamente guidate, basate empiricamente per una valutazione accurata degli LD durante l'età adulta al fine di progettare azioni efficaci di prevenzione e intervento.

Per aiutare i lettori a decidere se il metodo descritto è appropriato o meno, è necessario specificare che il protocollo non è adatto alle persone con disabilità intellettive perché la loro diagnosi invalida la diagnosi delle difficoltà di apprendimento. Inoltre, a causa delle singolarità delle attrezzature utilizzate e del formato di visualizzazione del contenuto di apprendimento, non è ancora possibile valutare le persone con disabilità motorie (arti superiori, collo e/o viso), ipoacusia o disabilità visive. Né sarebbe adatto per i partecipanti con gravi disturbi psichiatrici. Richiederebbe l'uso di farmaci che potrebbero alterare l'elaborazione delle informazioni o l'espressione fisiologica delle emozioni.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Il comitato etico di ricerca del Principato delle Asturie e dell'Università di Oviedo hanno approvato questo protocollo.

1. Sessione 1: valutazione della diagnosi

NOTA: in questa sessione del protocollo vengono utilizzati test di valutazione di diversi editori, che dispongono di manuali specifici di applicazione e interpretazione. Poiché questi test, o altri simili, sono ampiamente conosciuti dalla comunità scientifica nel campo della psicologia e dell'istruzione, la procedura per applicarli non è dettagliata passo dopo passo (ad esempio, dato lo scopo di questo documento, non ha senso dettagliare ogni fase dell'applicazione WAIS-IV35).

  1. Consenso informato
    1. Spiegare ai partecipanti gli aspetti etici e di riservatezza della ricerca e chiedere loro di riconoscere e firmare il consenso informato dell'individuo.
  2. Intervista strutturata
    1. Spiega le seguenti istruzioni al partecipante: "Ora, ti intervisterò per ottenere informazioni importanti sulla tua vita e sui problemi accademici. Ci sono domande aperte e chiuse, ma puoi interrompermi ogni volta che vuoi. Per favore, fatemi sapere se avete bisogno di me per chiarire qualsiasi punto. Dopo questo primo colloquio, posso chiederle di fare alcuni test di valutazione e questionari. Vi dirò le istruzioni specifiche per ciascuno di essi. Sei pronto?
    2. Raccogliere le informazioni biografiche insieme alla presenza di sintomi relativi a SLD e ai criteri di esclusione che sono indicati nel DSM-51 dopo lo script dell'intervista (vedere Supplemental File A ).
  3. Primo punto di decisione in relazione al colloquio strutturato (criteri di esclusione)
    1. Terminare la valutazione se il partecipante soddisfa i criteri di esclusione iniziali, vale a parte, spiegano di avere una disabilità motoria (segmenti superiori), disabilità sensoriale (visiva o uditiva), una diagnosi di disabilità intellettiva o un grave disturbo mentale.
    2. Continuare la valutazione se sembra che il partecipante abbia o pensi di avere un SLD e non soddisfi i criteri di esclusione.
  4. Capacità intellettuale
    1. Applicare il test WAIS-IV35 per raccogliere informazioni sulle capacità intellettuali dei partecipanti seguendo le istruzioni nel manuale.
  5. Secondo punto di decisione in relazione alla capacità intellettuale (criteri di esclusione)
    1. Terminare la valutazione se il partecipante non comprende le istruzioni del test, se non può essere valutato, o se ha un QI inferiore a 70.
    2. Continuare la valutazione se la persona ha una capacità intellettuale normale o limitata.
      NOTA: il limite del QI accettato nel presente studio è stato fissato come un punteggio superiore a 70.
  6. Adhd
    1. Chiedere al partecipante di completare i sei articoli del questionario di screening auto-segnalato dell'adulto-v1.1. (ASRS39) dell'Intervista Diagnostica Composta Internazionale dell'Organizzazione Mondiale della Sanità (OMS).
      NOTA: Questo questionario fornisce informazioni sulla presenza di sintomi correlati all'ADHD a cui si fa riferimento nel DSM-IV54.
    2. Applicare il test Nesplora Aquarium40 se il partecipante segna 12 o più nel precedente questionario ASRS36.
  7. Difficoltà di lettura
    1. Applicare il PROLEC SE-R Screening Test delle difficoltà dilettura 37 seguire le istruzioni nel manuale.
  8. Disturbo dello spettro autistico (livello 1)
    1. Chiedere al partecipante di compilare le 28 voci del questionario Autism Spectrum Quotient (AQ-Short) da Hoekstra etal.
      NOTA: Questo questionario fornisce informazioni sulla presenza di sintomi legati al comportamento sociale, alle abilità sociali, alla routine, al passaggio, all'immaginazione e ai numeri/modelli.
  9. Analizzare i risultati.
    1. Analizzare il colloquio, i questionari e i risultati dei test di ciascun partecipante e decidere se hanno notevoli difficoltà di apprendimento o meno o sono a rischio di averli.
      NOTA: Due membri del comitato di esperti (il valutatore e un altro membro del team di ricerca) analizzano il profilo di apprendimento di ogni partecipante e decidono se sono uno studente con SLD, ADHD e/o ASD o meno o sono a rischio di averli. Nessun test può sostituire il giudizio dell'esperto.
  10. Punto di decisione finale
    1. Termina la valutazione se il partecipante non è chiaramente uno studente con difficoltà di apprendimento.
    2. Continuare la valutazione se il partecipante è una persona con LD (o a rischio) e passare alla Sessione 2.

2. Sessione 2: valutazione multimodale

NOTA: la sessione 2 deve essere eseguita tra 1 e 7 giorni dopo la Sessione 1.

  1. Preparare il partecipante.
    1. Ricordare ai partecipanti che la sessione dura circa 2 ore e che completeranno alcuni questionari e attività nell'ambiente di apprendimento Di MetaTutor mentre alcuni dispositivi stanno registrando le loro prestazioni durante la sessione.
    2. Chiedere ai partecipanti legare indietro i capelli, asciugarsi il collo, rimuovere gli occhiali e rimuovere la gomma da masticare, se applicabile.
      NOTA: Se il partecipante indossa occhiali, ha i capelli lunghi o la frangia che coprono parte del viso, il rilevatore oculare non sarà in grado di leggere i movimenti degli occhi.
    3. Introdurre MetaTutor ai partecipanti. Spiegare che l'obiettivo della sessione è quello di conoscere autonomamente il sistema circolatorio utilizzando lo strumento.
    4. Assicurarsi che gli altoparlanti siano collegati e funzionanti.
      NOTA: il partecipante può anche utilizzare le cuffie, se lo si preferisce.
  2. Preparazione e calibrazione della risposta della pelle Galvanica
    NOTA: Ricorda che ci sono molti tipi di GSR prodotti da diverse aziende. Utilizzarlo secondo le specifiche del fornitore.
    1. Pulire il GSR e le dita del partecipante con l'alcol.
    2. Mettere i sensori GSR del dito/polso sull'indice e sulle dita ad anello con i connettori sul lato della punta delle dita o secondo le istruzioni del produttore.
    3. Chiedi al partecipante di appoggiare la mano sul tavolo tranquillamente e cercare di rilassarsi per 5 minuti.
    4. Aprire il software nel computer.
    5. Assicurarsi che il grafico di registrazione funzioni. Controllare che il grafico di registrazione sia in registrazione.
    6. Fare clic su Esegui esperimento > Frequenza 10 al secondo > Durata > 10 > Minuto. Registrare le informazioni per dieci minuti per stabilire la previsione.
      NOTA: Tasso 10 al secondo indica la frequenza con cui vengono adottate le misure.
    7. Ridurre a icona lo schermo.
    8. Continuare con la calibrazione di altri dispositivi e dopo 10 minuti salvare le informazioni in un file CSV.
  3. Monitoraggio degli occhi e preparazione e calibrazione webcam
    NOTA: Ricorda che ci sono molti tipi di eye tracking e webcam prodotte da diverse aziende. Utilizzarli secondo le specifiche del fornitore.
    1. Aprire il software nel computer portatile laterale e nel computer.
      NOTA: I movimenti oculari vengono acquisiti sul PC su cui il partecipante sta lavorando, ma i dati vengono registrati sul computer portatile laterale. Inoltre, nel portatile laterale, lo sperimentatore può vedere i movimenti che il partecipante sta facendo e correggere la posizione del partecipante, se necessario.
    2. Indicare quale sessione verrà registrata (Metatutor in questo caso) e i dati di registrazione del partecipante: File > Esperimento recente > Metatutor > Includi dati di registrazione del partecipante > OK.
    3. Verificare che i due computer siano collegati tra loro e che le luci a infrarossi di tracciamento oculare siano accese e pronte a catturare il movimento degli occhi.
    4. Regolare la webcam sul computer in base alla posizione del partecipante.
    5. Chiedere al partecipante di sedersi rivolto in avanti ed essere il più neutro possibile, anche se si prevede che le loro espressioni facciali varieranno durante la sessione di apprendimento.
      NOTA: durante la sessione di apprendimento viene registrato un video del volto del partecipante con la webcam che viene successivamente analizzata utilizzando un'app desktop55.
    6. Chiedere al partecipante di essere fermo e di fissare i diversi punti dello schermo con il naso messo in linea con / leggermente sopra il bordo della scrivania (a 90 gradi).
    7. Fare clic su Registra > Scrivi i dati di registrazione del partecipante > OK per avviare il processo di calibrazione.
    8. Chiedere al partecipante di premere la barra spaziatrice e seguire i punti sullo schermo con i loro occhi.
    9. Assicurarsi che gli occhi del partecipante, quando si guarda lo schermo, siano centrati prima di passare al passaggio successivo, utilizzando il portatile laterale per controllare queste informazioni.
      NOTA: lo sguardo del partecipante è centrato quando i movimenti dei loro occhi sono registrati sullo schermo del portatile laterale con due cerchi bianchi. Quando lo sguardo lascia l'area di registrazione, il software avverte con frecce gialle (se leggermente deviate), con frecce rosse (se deviate molto) o senza cerchi bianchi (se non registrandosi). Il percorso del movimento degli occhi si riflette con una luce gialla (messa a fuoco attenzione) e la traccia attraverso lo schermo con una linea verde.
    10. Chiedi ai partecipanti di evitare di toccare il viso o di appoggiare il più possibile la testa tra le mani.
    11. Ridurre a icona lo schermo.
  4. Monitoraggio multimodale della sessione di apprendimento
    1. Ingrandisci lo schermo GSR e fai clic su Esegui esperimento > Valuta 10 al secondo > Durata > 5 > Ore > Registra e riduci di nuovo lo schermo.
    2. Massimizzare il tracciamento oculare e lo schermo della webcam, assicurarsi che il software funzioni correttamente, fare clic su Registra sul computer e sul computer portatile laterale per registrare e registrare la sessione e ridurre nuovamente a icona lo schermo.
      NOTA: Una volta che i dispositivi sono stati calibrati, non dimenticare di avviare la registrazione della sessione di valutazione in ciascuno di essi. Da questo punto, l'intera interazione del partecipante con lo strumento di apprendimento verrà registrata fino alla fine della sessione.
  5. Questionari e sessione di apprendimento in MetaTutor
    1. Aprire il software nel PC e completare i dati di registrazione del partecipante. ID completo > Sperimentatore > Giorno > Questionari sì > Continua.
      NOTA: tutti i registri verranno registrati durante la sessione in un registro dei dati di file.
    2. Spiegare al partecipante che deve seguire le istruzioni nello strumento e che inter inter interseranno con il computer solo durante la sessione di apprendimento. Spiega che il ricercatore sarà nella stanza accanto nel caso in cui succede qualcosa.
      1. Chiedete al partecipante informazioni sociodemografiche e accademiche. Nome completo > Sesso > Età > Gruppo etnico > Livello di istruzione > Università > Grado > GPA > Informazioni sui corsi di biologia presi se applicabile > Continua. Prima di fareclic su Continua , spiegare ai partecipanti che devono seguire tutte le istruzioni che lo strumento darà loro. Inoltre, che interagiranno solo con il computer durante la sessione di apprendimento.
      2. Chiedere al partecipante di compilare alcuni questionari.
        NOTA: il partecipante deve compilare cinque questionari di apprendimento metacognitivo e autoregolato: a) Il Mini International Personality Item Pool49; b) Gli aspetti connotivi delle credenze epistemologiche50; c) La scala di autostima di Rosenberg51; d) Il questionario sul regolamento sulleemozioni 52; e) Il questionario sulle emozioni da realizzazione (AEQ)53 e un questionario sulle conoscenze generali sul sistema circolatorio.
      3. Mostra al partecipante l'interfaccia di MetaTutor e le sue diverse parti.
        1. Spiegare al partecipante che l'area del contenuto è il punto in cui il contenuto dell'apprendimento viene visualizzato durante la sessione in formato testo.
        2. Mostrare al partecipante che può navigare all'interno di un sommario sul lato dello schermo per passare a pagine diverse.
        3. Mostrare al partecipante che l'obiettivo di apprendimento complessivo viene visualizzato nella parte superiore dello schermo durante la sessione.
        4. Mostra al partecipante che gli studenti secondari impostati vengono visualizzati nella parte superiore al centro dello schermo e possono gestire gli obiettivi secondari o assegnarle una priorità qui.
        5. Mostrare al partecipante che è presente un timer situato nell'angolo in alto a sinistra dello schermo visualizza la quantità di tempo rimanente nella sessione.
        6. Mostrare al partecipante l'elenco dei processi autoregolanti, che vengono visualizzati in una tavolozza sul lato destro dello schermo, e il partecipante può fare clic su di essi durante tutta la sessione per implementare strategie di pianificazione, monitoraggio e apprendimento.
        7. Mostra al partecipante che le immagini statiche relative alle pagine di contenuto vengono visualizzate accanto al testo per aiutare gli Allievi a coordinare le informazioni provenienti da fonti diverse.
        8. Mostrare al partecipante il testo immesso sulla tastiera e come le interazioni degli studenti con gli agenti vengono visualizzate e registrate in questa parte dell'interfaccia.
        9. Mostra al partecipante i quattro agenti artificiali che aiutano gli studenti nel loro apprendimento durante la sessione.
          NOTA: Questi agenti sono Gavin la Guida, Pam il Pianificatore, Mary il Monitor, e Sam lo Strategizer.
      4. Chiedere al partecipante di fare clic su Avvia per iniziare la sessione di apprendimento ogni volta che è pronto.
        NOTA: il partecipante interagisce con lo strumento.
      5. Al termine della sessione, chiedere al partecipante di completare nuovamente il questionario sulla conoscenza.

3. Disconnessione

  1. Al termine della sessione salvare i dati registrati da GSR, eye tracking/webcam e Metatutor insieme ai dati di registrazione del partecipante. Estrarre i dati in un file CSV per un utilizzo più semplice.
  2. Rimuovere i sensori GSR dalla mano del partecipante e pulire nuovamente i sensori galvanici con l'alcol.
  3. Ringraziamo i partecipanti per la loro collaborazione e salutate.

4. Analisi delle difficoltà di apprendimento

  1. Analizzare le prestazioni di apprendimento di ogni partecipante in base ai diversi report prodotti (vedere la sezione Risultati) per ottenere un profilo multimodale.
    NOTA: almeno due membri del comitato di esperti analizzano il processo di apprendimento di ciascun partecipante. Anche se la valutazione può essere effettuata in modo esaustivo utilizzando nuovi strumenti e strumenti, nessuna relazione può sostituire il giudizio dell'esperto.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Questa sezione illustra i risultati rappresentativi ottenuti dal protocollo, tra cui un esempio di risultati congiunti della Sessione 1 e un esempio di ogni fonte di informazioni della Sessione 2.

I risultati sui disturbi vengono raccolti nella Sessione 1 attraverso test diagnostici tenendo conto delle procedure e dei punti di cut-off specificati per la valutazione diagnostica delle difficoltà di apprendimento dei partecipanti (SLD, ADHD e ASD). Il comitato di esperti decide se il partecipante ha difficoltà di apprendimento o è a rischio di averle o meno (vedere un esempio di processo decisionale nella Figura 1). Se il partecipante presenta difficoltà di apprendimento e partecipa alla Sessione 2, vengono raccolti dati provenienti da fonti alternative.

Durante la Sessione 2 il protocollo raccoglie i risultati da cinque diverse fonti: GSR dei partecipanti, emozioni facciali, movimenti oculari, questionari e dati di log.

In primo luogo, otteniamo una misura del GSR come indicazione di eccitazione emotiva durante la sessione di apprendimento (calma/eccitato)56. Le disabilità di apprendimento sono legate all'ansia negli adulti, e diversi studi hanno trovato che gli studenti con difficoltà di apprendimento dalla prima elementare all'università riferiscono sintomi di ansia più elevati, agendo come un fattore in diminuzione delle prestazioni57,58,59. Tuttavia, non esiste una relazione uno a uno tra comprensione e bonifica; ogni caso deve essere analizzato individualmente dal comitato di esperti tenendo conto della linea di base specifica di ciascun partecipante. La Figura 2 mostra due casi paradigmatici che possono mostrarci se la regolazione dell'ansia è un punto chiave per l'intervento.

In secondo luogo, otteniamo una registrazione del volto del partecipante durante tutta la sessione che ci mostra le diverse emozioni che provavano durante il processo di apprendimento per considerare il rapporto teorico con la metacognizione e l'autoregolamentazione. C'è una varietà di software di riconoscimento delle emozioni facciali per raccogliere queste informazioni. Nell'attuale protocollo, usiamo uno strumento55, che include il riconoscimento delle emozioni, restituendo la fiducia attraverso una serie di emozioni per ogni volto nel video (disgusto, paura, rabbia, felicità, disprezzo, neutro, tristezza e sorpresa). Queste emozioni sono intese per essere comunicati interculturalmente e universalmente con specifiche espressioni facciali60. I partecipanti tendevano a provare tutte le emozioni rilevate durante la sessione, ma possiamo ottenere un indice generale per ogni dare informazioni sulla tendenza generale. Le emozioni positive come la felicità, la sorpresa e il divertimento, sono pensate per promuovere sia la motivazione intrinseca che estrinsica, facilitando l'uso di strategie di apprendimento flessibili e promuovendo l'autoregolamentazione. Al contrario, le emozioni negative di disattivazione, come la noia e la tristezza, sono ipotizzate per ridurre uniformemente la motivazione e l'elaborazione delle informazioni, producendo effetti negativi sui risultati dell'apprendimento. Per la disattivazione neutra e l'attivazione negativa delle emozioni, come la rabbia, la paura, il disprezzo e il disgusto, si presume che le relazioni siano più complesse. In particolare, la rabbia e la paura possono minare la motivazione intrinseca, ma possono indurre una forte motivazione estrinsica a investire sforzi per evitare il fallimento, il che significa che gli effetti sull'apprendimento degli studenti non devono esserenegativi 53 (vedi Figura 3). I risultati indicano il grado di coincidenza con una delle emozioni analizzate, assegnando valori compresi tra 0 e 1 a ciascuna di esse.

In terzo luogo, usiamo i dati provenienti dal tracciamento oculare. Gli eye-tracker catturano le informazioni sullo sguardo in termini di fissazioni e saccades (Figura 4). Nell'attuale protocollo, siamo interessati ad analizzare le fissazioni, in particolare la proporzione dei tempi di fissaggio e del modello di fissazioni. A tale scopo, sono state definite sette aree di interesse (AOI) nell'interfaccia MetaTutor per la valutazione dell'autoregolamentazione (etichettate con rettangoli nella Figura 5): AOI1 Timer, AOI2 Goal and Sub goals, AOI3 Agent/avatar per lo scaffolding, AOI4 Table of Contents, AOI5 Text Content, AOI6 Image Content, AOI7 Learning Strategies Palette.

In termini di valutazione per le concise linee guida d'intervento, possiamo dedurre quanto segue.

Le fissazioni in AOI1 indicano la gestione del tempo e/o le strategie di gestione delle risorse. Fissazioni ridotte o massicce in AOI1 denotano capacità di gestione del tempo errate. Dovrebbe essere controllato tempestivamente.

Le fissazioni in AOI2 indicano la pianificazione, l'impostazione e la definizione delle priorità degli obiettivi e dei sotto-obiettivi. Studi precedenti dimostrano che questo particolare AOI, insieme all'AOI7, è particolarmente importante per valutare l'apprendimento con MetaTutor61. Poiché queste informazioni sono concise, brevi e visive, la percentuale di fissazioni non dovrebbe essere molto elevata (Figura 6).

Le fissazioni nell'agente AOI3 mostrano che il partecipante sta sfruttando i prompt e i feedback forniti dagli agenti durante l'interazione in risposta agli obiettivi, ai comportamenti, alle autovalutazioni e ai progressi dei partecipanti. Vale la pena notare che la mancanza di fissazioni sull'agente AOI deve essere considerata con attenzione, perché gli studenti potrebbero non sempre avere bisogno di guardare un agente per elaborare le sue istruzioni audio e feedback61. Questo AOI deve essere controllato occasionalmente. Gli avatar non parlano spesso, quindi ci dovrebbe essere una piccola percentuale di fissazioni rispetto ad altre aree, ma rifletterebbe che hanno stabilito un'interazione con l'agente (Figura 6).

Le fissazioni in AOI4 e/o le transizioni tra testo e immagine/grafico (AOI5 e AOI6) indicano l'uso della strategia dei partecipanti per il coordinamento delle fonti in informazioni (COIS), associate ai guadagniconcettuali 45. La lunghezza delle fissazioni su testi e immagini indica processi di integrazione che contribuiscono a rappresentazioni mentali accurate delle informazioni presentate62. I COIS sono operativi come una sequenza di due transizioni tra le fissazioni oculari su aree di testo e immagini/grafici (ad esempio, testo/grafico/testo). AOI4 deve essere controllato con una certa frequenza. Poiché le informazioni sono chiare, brevi e visive, la proporzione di fissazioni non dovrebbe essere molto elevata. La percentuale più alta di fissazioni dovrebbe essere in AOI5 e AOI6. L'oggetto dovrebbe dedicare la maggior parte del tempo a rivedere il contenuto (cioè i testi scritti) e dedicare una notevole quantità di tempo alle immagini e ai grafici per coordinare e integrare entrambe le fonti di conoscenza (Figura 6).

Le fissazioni su AOI7 indicano l'uso di strategie cognitive (prendere appunti, scrivere un riassunto, fare un'inferenza) e strategie metacognitive (attivazione di conoscenze precedenti, valutazione della pertinenza dei contenuti, valutazione della comprensione e della conoscenza)63. È ragionevole che il partecipante esamini le risorse disponibili o le strategie di apprendimento con una certa frequenza (Figura 6).

Per la successiva analisi, è necessario concentrarsi sui dati relativi agli studenti che interagiscono con MetaTutor, escludendo le parti dell'interazione durante la quale i partecipanti guardano le esercitazioni del sistema. I dati raccolti possono essere rumorosi e necessitano di una convalida da parte di esperti. La principale fonte di rumore è dovuta ai partecipanti che guardano lontano dallo schermo, che l'eye-tracker interpreta come dati non validi; in questo caso, è consigliabile rimuovere i segmenti corrispondenti dai dati di sguardo. La figura 6 mostra un partecipante con malfunzionamento metacognitivo e un partecipante con un uso adattivo delle strategie a questo livello.

In quarto luogo, i questionari vengono analizzati insieme al resto delle informazioni e vengono segnati secondo le istruzioni degli autori. Forniscono dati a livello di autostima e regolazione emotiva. Un livello favorevole di autostima o corrette strategie di regolazione emotiva facilita i processi di apprendimento64. Per vedere esempi di interpretazione (Figura 7).

Infine, tutte le interazioni degli studenti con il contenuto, gli agenti e l'ambiente di apprendimento vengono registrate nei log per un'ulteriore analisi dettagliata seguendo lo schema illustrato nella Figura 8. I dati di registro di MetaTutor ci forniscono un'ampia gamma di possibilità per determinare, tra le altre cose, il numero di volte in cui gli studenti hanno implementato strategie di apprendimento autore regolamentare (ad esempio, prendere note, riepiloghi, monitorare i progressi verso l'obiettivo, la valutazione dei contenuti, i giudizi di apprendimento, i sentimenti di conoscenza, pianificazione, attivazione preventiva delle conoscenze, ecc.), se queste strategie erano generate da sé o esternamente dagli impalcature esterne, e il tempo trascorso da ogni partecipante a visualizzare il materiale in MetaTutor che era rilevante/irrilevante per il loro attuale sotto-obiettivoattivo 65,66. Pattern Mining, Process Mining, Regole di associazione e altri potenziali approcci67,68 fornirebbeuna misura dell'uso degli studenti di monitoraggio cognitivo e metacognitivo e regolazione durante tutta la sessione di apprendimento.

Figure 1
come illustrato nella figura 1. Esempio di punti decisionali della Sessione 1. Questo caso mostra un partecipante che ha avuto problemi di apprendimento fin dall'infanzia, soprattutto nei processi di lettura. L'esperto può vedere che queste disabilità di lettura sono più significative nei processi lessicali e sintattici (b). Inoltre, si osserva che il partecipante non ha alcuna disabilità motoria, sensoriale o mentale. Si osserva che il partecipante ha una normale capacità intellettuale e non è a rischio in relazione al disturbo dello spettro autistico o ADHD (a) omissioni, commissioni e tempo di reazione, nei canali visivi e uditivo, sono meno di 60, così sono nella gamma normale). In questo caso, vengono rilevati problemi di lettura e i criteri di esclusione non vengono rispettati, quindi si considera che il partecipante ha SLD a causa di disabilità di lettura. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 2
come illustrato nella Figura 2. Risultati di un livello di attivazione stabile e di un livello di attivazione instabile durante la sessione di apprendimento. Questa immagine rappresenta i risultati di due partecipanti. Partecipante A con livelli di attivazione stabili e partecipante B con livelli di attivazione instabili durante la sessione di apprendimento poiché la linea B del partecipante è più irregolare e con molti picchi. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 3
come illustrato nella figura 3. Immagine del riconoscimento delle emozioni. a) Esempio di emozione neutra; b) Esempio di emozione di tristezza; e c) Esempio di tendenza emozioni di felicità. Nel cerchio giallo è possibile vedere la tendenza dell'emozione. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 4
come illustrato nella figura 4. Esempio che mostra i dati di transizione tra testo e grafico (AOI5 e AOI6) durante una sessione di apprendimento Di MetaTutor. Cerchi e linee rappresentano aree di fissazione e transizioni tra le aree. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 5
come illustrato nella figura 5. Aree di interesse (AOI) dell'interfaccia MetaTutor per la valutazione dell'autoregolamentazione: da AOI1 a AOI7. AOI1 Timer, AOI2 Goal and Sub-goals, AOI3 Agent, AOI4 Sommario, Contenuto di testo AOI5, Contenuto immagine AOI 6, Tavolozza strategie di apprendimento AOI7. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 6
come illustrato nella figura 6. Percentuale di fissazioni nell'interfaccia MetaTutor AI espressa in percentuale. a) Esempio di un partecipante che distribuisce malfunzionamenti di autoregolamentazione; b) Esempio di un partecipante che distribuisce comportamenti di autoregolamentazione. Percentuale di fissazioni in ogni area (valori compresi tra 0 e 1). a) Dati reali di un partecipante che trascorre più dell'80% del tempo a leggere il testo scritto (AOI5) sottoutilizze le risorse progettate per aiutarlo a comprendere quel contenuto (AOI6); difficilmente esamina lo schema dei contenuti per verificare ciò che ha già imparato e ciò che rimane da imparare (AOI4); trascura gli obiettivi di apprendimento e i sotto-obiettivi (AOI2) e raramente rivede la tavolozza delle strategie di apprendimento (AOI7). Inoltre, non monitora il tempo assegnato al compito (AOI1) e ignora gli avatar che cercano di aiutarlo (AOI3); b) Dati reali di un partecipante che trascorre la metà del tempo (50% circa) a leggere il testo scritto (AOI5) e spesso esamina il grafico progettato per aiutarlo a comprendere il contenuto (AOI6). Anche se passa la maggior parte del suo tempo sui contenuti, esamina spesso lo schema dei contenuti per verificare ciò che ha imparato e ciò che ha lasciato imparare (AOI4); presta attenzione agli obiettivi di apprendimento e ai sotto-obiettivi (AOI2) per assicurarsi che li raggiunga e va alla tavolozza delle strategie di apprendimento (AOI7) quando necessario. Inoltre, monitora il tempo senza preoccuparsi troppo (AOI1) e stabilisce alcune interazioni con gli agenti (AOI3). Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 7
come illustrato nella figura 7. Esempio di interpretazione dei risultati dei questionari. Nella grafica a sinistra) Scala di autostima rosenberg51, punteggi più alti indicano una maggiore autostima (minimo 10; massimo 40). In grafica a destra), Questionario diregolazione delle emozioni 52, rivalutazione cognitiva (minimo 7; massimo 42); Soppressione espressiva (minimo : 4; massimo : 28). Punteggi più alti indicano un maggiore uso delle strategie di rivalutazione o soppressione. La rivalutazione cognitiva è una forma di cambiamento a livello cognitivo che aiuta a interpretare una situazione che provoca emozioni in un altro modo, cambiando così il loro impatto emotivo (utilizzando strategie di rivalutazione aiutano a pensare a situazioni negative e ad alcune alternative per risolverle). La soppressione espressiva è una forma di modulazione della risposta che comporta l'inibizione del comportamento continuo di emozioni-espressive (gli utenti ricorrenti delle strategie di soppressione dovrebbero avere meno comprensione dei loro stati d'animo, visualizzarli meno favorevolmente e gestirli con meno successo). Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Figure 8
come illustrato nella figura 8. Registrare l'elaborazione dei dati. Questa immagine rappresenta la gestione dei dati di log. Il sistema raccoglie i dati di interazione non elaborati tra lo studente e MetaTutor, quindi esegue la pre-elaborazione dei dati per applicare successivamente le tecniche di Learning Analytics e/o Data Mining per scoprire, analizzare o visualizzare l'intero processo di apprendimento. Si prega di fare clic qui per visualizzare una versione più grande di questa figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

L'attuale protocollo propone una valutazione multimodale incentrata sui processi metacognitivi, di autoregolamentazione ed emotivi, che costituiscono la base delle difficoltà negli adulti con gli LD.

La sessione 1 è essenziale perché è destinata ad essere una valutazione diagnostica delle difficoltà di apprendimento del partecipante. Si noti che questa sessione qui è effettuata da terapisti con esperienza nella diagnosi di difficoltà di sviluppo e di apprendimento nel contesto di ricerca e clinico. Usiamo questi strumenti in Spagna, quindi i ricercatori di altri paesi dovrebbero selezionare test adattati alla loro popolazione. Il significato del metodo rispetto ai metodi esistenti è che molte delle scale per ADHD, SLD e ASD sono stati progettati per l'uso nei bambini, con test neuropsicologici e neuroimaging essendo il migliore, ma meno realistico, alternativa a questa scarsità di strumenti24. Inoltre, tutte le disabilità di cui sopra sono di solito valutate attraverso i loro sintomi specifici in isolamento, senza prendere in considerazione i commonità ben noti trovati in LD, come metacognitivo, autoregolamentazione, e malfunzionamento emotivo. In ogni caso, la maggior parte delle conoscenze sulla metacognizione, l'autoregolamentazione e le emozioni si basa su dati auto-riferiti in età precoce o adulta. Tuttavia, auto-rapporti di qualsiasi tipo sono vulnerabili a vari tipi di pregiudizi69 e più volte nessuna correlazione tra dati fisiologici e auto-riferiti sono stati trovati in campioni LD70.

Per questo motivo, la sessione 2 del protocollo è fondamentale. Si concentra sui processi fondamentali di apprendimento (metacognitivo, autoregolamentazione e comportamento emotivo), il significato del metodo rispetto ai metodi alternativi è che si tratta di una valutazione multimodale del processo di apprendimento del partecipante che fornisce dati di traccia multicanale. Lo strumento che rende possibile l'integrazione di tutte queste fonti di informazione è MetaTutor43, uno strumento metacognitivo basato su tecnologia di apprendimento avanzata e uno dei migliori rappresentanti e linee di ricerca più note della cosiddetta terza ondata di misurazione dell'autoregolamentazione33.

Per quanto riguarda le risposte della pelle galvanica, la maggior parte degli studi psicofisiologici dei soggetti di LD si sono concentrati su uno dei tre argomenti correlati: eccitazione, orientamento e attenzione. In questo protocollo, l'eccitazione fornisce un quadro unico per comprendere le emozioni e la cognizione che non possono essere fornite da misure statiche come auto-report71. Con le espressioni facciali, ricerche precedenti hanno indicato che le emozioni accademiche sono significativamente legate alla motivazione degli studenti, alle strategie di apprendimento, alle risorse cognitive, all'autoregolamentazione e ai risultatiaccademici 72. Quando si tratta di movimenti oculari, conosciamo il valore dei dati dello sguardo nel prevedere l'apprendimento degli studenti durante l'interazione con MetaTutor61 e più ricercatori hanno suggerito che la durata delle fissazioni indica un'elaborazione cognitiva più profonda durantel'apprendimento 73. I questionari forniscono informazioni complementari sulle prestazioni dei partecipanti durante la sessione di apprendimento in MetaTutor, sulle loro percezioni di se stessi come studenti e sul loro comportamento quando imparano. Infine, i dati di registro sono un'ulteriore fonte di informazioni sui processi di autoregolamentazione dei partecipanti. Dopo la raccolta di dati grezzi e la pre-elaborazione dei dati, le tecniche emergenti di Learning Analytics e Educational Data Mining ci consentono di scoprire, analizzare e visualizzare, o per dirla in un altro modo, immergersi nel processo diapprendimento 74,75,76.

Questa metodologia mista fornisce la prova della distribuzione dei processi target prima, durante e dopo l'apprendimento che possono essere triangolati per migliorare la nostra comprensione di come gli adulti con LD imparano e dove si trovano i problemi.

Questa proposta è un protocollo, che significa una procedura e un sistema di strumenti, quindi è consigliabile ricordare che le misure proposte non hanno lo stesso valore isolato come fanno quando fanno parte del tutto, e qui sta l'interesse per questa proposta. L'obiettivo è quello di far convergere questi flussi di dati, per capire come gli adulti con LD monitorano e controllano i loro processi cognitivi, metacognitivi e affettivi durante l'apprendimento.

Anche se questo protocollo è un efficace strumento per lo screening e la diagnosi da parte dello psicologo praticante, non è senza limitazioni. La diagnosi di LD adulti è particolarmente difficile. L'istruzione e l'esperienza consentono a molti adulti di compensare i loro deficit e questi adulti successivamente mostrano caratteristiche individuali al test24. Come indicano i risultati, è difficile fornire punti di cut-off accurati da alcune delle origini dati (ad esempio, GSR, dati di log, ecc.) come regola generale nella popolazione di destinazione.

Un'altra sfida, piuttosto che una limitazione, riguarda la complessità nel trattare con i dati complessi, rumorosi e disordinati risultanti, che richiede il coinvolgimento di esperti provenienti da diversi settori come psicologi, fisiologi, informatici e scienziati educativi, ecc. Come recentemente notato da Azevedo e Gaevic77 abbiamo bisogno di integrare un mosaico complesso di modelli teorici e quadri dalle scienze psicologiche, educative, didattiche e computazionali. In aggiunta a ciò, gli errori di strumentazione, la validità interna ed esterna, la validità ecologica rispetto al rigore sperimentale, i canali di dati convergenti e le deduzioni sui dati di processo sono solo alcuni dei problemi metodologici che derivano dalla raccolta di dati multicanale multicanale che i ricercatori devonoaffrontare 77,78.

Tuttavia, la direzione futura di questa metodologia supera l'obiettivo della valutazione, attualmente la possibilità è aperta all'utilizzo di dati multicanale multimodale in tempo reale per progettare interventi preventivi basati su ambienti di apprendimento adattivi di ipermedia79 o fornire agli studenti scaffolding in tempo reale, intelligente e adattivo (modellazione di strategie cognitive, regolazione della metacognizione tramite un agente artificiale, sollecitando la regolazione delle emozioni, introducendo strumenti di visualizzazione per scoprire processi nascosti, ecc.) 77,80.

Infine, gli LD dovrebbero essere monitorati nel corso della loro vita; il corso longitudinale di SLD, ADHD e ASD e le loro sequele a lungo termine stanno solo cominciando ad essere esplorato21. Ci auguriamo che un uso diffuso di questa linea guida teoricamente basata su empiricamente contribuirà a identificare la popolazione di adulti con LD e a stimolare una comprensione più profonda di questi disturbi al fine di progettare azioni efficaci di prevenzione e intervento.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Gli autori non hanno nulla da rivelare.

Acknowledgments

Questo manoscritto è stato sostenuto dal finanziamento della National Science Foundation (DRL-1660878, DRL-1661202, DUE-1761178, DRL-1916417), il Consiglio per la ricerca sulle scienze sociali e le scienze umane del Canada (SSHRC 895-2011 (PID2019-107201GB-100) e l'Unione europea attraverso i Fondi europei di sviluppo regionale (ERDF) e il Principato delle Asturie (FC-GRUPIN-IDI/2018/000199). Eventuali opinioni, conclusioni, conclusioni o raccomandazioni espresse in questo materiale sono quelle degli autori e non riflettono necessariamente le opinioni della National Science Foundation o del Social Sciences and Humanities Research Council of Canada. Gli autori ringraziano anche i membri dello SMART Lab dell'UCF per l'assistenza e il loro contributo.

Materials

Name Company Catalog Number Comments
AQUARIUM Nesplora
Eye-tracker RED500 Systems SensoMotoric Instruments GmbH
Face API Microsoft
GSR NUL-217 NeuLog

DOWNLOAD MATERIALS LIST

References

  1. American Psychiatric Association. Diagnostic and statistical manual of mental disorders (5th ed.). , Washington,DC. (2013).
  2. World Health Organization. International statistical classification of diseases and related health problems (11th Revision). , Retrieved from https://icd.who.int/browse11/l-m/en (2018).
  3. Education's Individuals with Disabilities Education Act. 2018 Annual Report to Congress on the Individuals with Disabilities Education Act. , Available from: https://sites.ed.gov/idea/data (2018).
  4. Armstrong, T. The myth of the normal brain: Embracing neurodiversity. AMA Journal of Ethics. 17 (4), 348-352 (2015).
  5. Berenger, C., Roselló, B., Miranda, A., Baixauli, I., Palomero, B. Executive functions and motivation in children with autism spectrum disorder and attention deficit hyperactivity disorder. International Journal of Developmental and Educational Psychology. 1 (1), 103-112 (2016).
  6. Brinkerhoff, L. C., McGuire, J. M., Shaw, S. F. Postsecondary education and transition for students with learning disabilities (2nd ed.). , Pro-ed. Austin, TX. (2002).
  7. Allsopp, D. H., Minskoff, E. H., Bolt, L. Individualized course-specific strategy instruction for college students with learning disabilities and ADHD: Lessons learned from a model demonstration project. Learning Disabilities Research & Practice. 20 (2), 103-118 (2005).
  8. Crane, N., Zusho, A., Ding, Y., Cancelli, A. Domain-specific metacognitive calibration in children with learning disabilities. Contemporary Educational Psychology. 50, 72-79 (2017).
  9. Harris, K. R., Reid, R. R., Graham, S. Self-regulation among students with LD and ADHD. Learning about Learning Disabilities. Wong, B. , Academic Press. Orlando, FL. 167-195 (2004).
  10. National Joint Committee on Learning Disabilities. Collective Perspectives on Issues Affecting Learning Disabilities. , PRO-ED. Austin, Texas. (1994).
  11. Sawyer, A. C., Williamson, P., Young, R. Metacognitive processes in emotion recognition: Are they different in adults with Asperger's disorder. Journal of Autism and Developmental Disorders. 44 (6), 1373-1382 (2014).
  12. Meltzer, L. Executive function in education: From theory to practice. , Guilford Publications. New York. (2018).
  13. Martino, G., Capri, T., Castriciano, C., Fabio, R. A. Automatic Deficits can lead to executive déficits. Mediterranean Journal of Clinical Psychology. 5 (3), 1-31 (2017).
  14. Fabio, R. A., et al. Frequency bands in seeing and remembering: comparing ADHD and typically developing children. Neuropsychological Trends. 24, 97-116 (2018).
  15. Bernardo, A. B., Esteban, M., Cerezo, R., Muñiz, L. J. Principales variables influyentes en el abandono de titulación en la Universidad de Oviedo. Informe PRIOR: PRoyecto Integral de ORientación Académico-Profesional. , Universidad de Oviedo. Oviedo. (2013).
  16. Cortiella, C. Diplomas at risk: A critical look at the graduation rate of students with learning disabilities. , National Center for Learning Disabilities. New York, NY. (2013).
  17. Plasman, J. S., Gottfried, M. A. Applied STEM coursework, high school dropout rates, and students with learning disabilities. Educational Policy. 32 (5), 664-696 (2018).
  18. Cortiella, C., Horowitz, S. H. The state of learning disabilities: Facts, trends and emerging issues (3rd Ed). , National Center for Learning Disabilities. New York. (2014).
  19. Chevalier, T. M., Parrila, R., Ritchie, K. C., Deacon, S. H. The role of metacognitive reading strategies, metacognitive study and learning strategies, and behavioral study and learning strategies in predicting academic success in students with and without a history of reading difficulties. Journal of Learning Disabilities. 50 (1), 34-48 (2017).
  20. Goroshit, M., Hen, M. Academic procrastination and academic performance: Do learning disabilities matter. Current Psychology. , 1-9 (2019).
  21. Grinblat, N., Rosenblum, S. Why are they late? Timing abilities and executive control among students with learning disabilities. Research in Developmental Disabilities. 59, 105-114 (2016).
  22. Heiman, T., Fichten, C. S., Olenik-Shemesh, D., Keshet, N. S., Jorgensen, M. Access and perceived ICT usability among students with disabilities attending higher education institutions. Education and Information Technologies. 22 (6), 2727-2740 (2017).
  23. Couzens, D., et al. Support for students with hidden disabilities in universities: A case study. International Journal of Disability. Development and Education. 62 (1), 24-41 (2015).
  24. Schelke, M. W., et al. Diagnosis of developmental learning and attention disorders in adults: A review of clinical modalities. Neurology, Psychiatry and Brain Research. 23, 27-35 (2017).
  25. Madaus, J. W., Shaw, S. F. The impact of the IDEA 2004 on transition to college for students with learning disabilities. Learning Disabilities Research & Practice. 21 (4), 273-281 (2006).
  26. Santos, C. G., Fernández, E., Cerezo, R., Núñez, J. C. Dificultades de aprendizaje en Educación Superior: un reto para la comunidad universitaria. Publicaciones. 48 (1), 63-75 (2018).
  27. Jiménez, L., García, A. J., López-Cepero, J., Saavedra, F. J. The brief-ACRA scale on learning strategies for university students. Revista de Psicodidáctica. 23 (1), 63-69 (2018).
  28. Zimmerman, B. J. Motivational sources and outcomes of self-regulated learning and performance. Handbook of Self-Regulation of Learning and Performance. Zimmerman, B. J., Schunk, D. H. , Routledge. NY. 49-65 (2011).
  29. Pike, G. R., Kuh, G. D. A tipology of student engagement for Amer-ican colleges and universities. Research in Higher Education. 46, 185-209 (2005).
  30. Winne, P. H., Perry, N. E. Measuring self-regulated learning. Handbook of Self-Regulation. Boekaerts, M., Pintrich, P. R., Zeidner, M. , Elsevier Academic Press. San Diego, CA. 531-566 (2000).
  31. Areces, D., Cueli, M., García, T., González-Castro, P., Rodríguez, C. Using brain activation (nir-HEG/Q-EEG) and execution measures (CPTs) in an ADHD assessment protocol. Journal of Visualized Experiments. (134), e56796 (2018).
  32. Azevedo, R., Taub, M., Mudrick, N. V. Understanding and reasoning about real-time cognitive, affective, and metacognitive processes to foster self-regulation with advanced learning technologies. Handbook of Self-Regulation of Learning and Performance. Alexander, P. A., Schunk, D. H., Greene, J. A. , Routledge. New York. (2017).
  33. Panadero, E., Klug, J., Järvelä, S. Third wave of measurement in the self-regulated learning field: when measurement and intervention come hand in hand. Scandinavian Journal of Educational Research. 60 (6), 723-735 (2016).
  34. Greene, J. A., Azevedo, R. The measurement of learners' self-regulated cognitive and metacognitive processes while using computer-based learning environments. Educational Psychologist. 45 (4), 203-209 (2010).
  35. Wechsler, D. A. Wechsler Adult Intelligence Scale (4th ed.). , Psychological Corporation. San Antonio, TX. (2008).
  36. Theiling, J., Petermann, F. Neuropsychological profiles on the WAIS-IV of adults with ADHD. Journal of Attention Disorders. 20 (11), 913-924 (2016).
  37. Cuetos, F., Arribas, D., Ramos, J. L. Prolec-SE-R, Batería para la evaluación de los procesos lectores en Secundaria y Bachillerato - Revisada. , TEA. Madrid. (2016).
  38. Mayes, S. D., Calhoun, S. L., Crowell, E. W. Learning disabilities and ADHD: Overlapping spectrum disorders. Journal of Learning Disabilities. 33 (5), 417-424 (2000).
  39. Kessler, R. C., et al. The World Health Organization Adult ADHD Self-Report Scale (ASRS): a short screening scale for use in the general population. Psychological Medicine. 35 (2), 245-256 (2005).
  40. Climent, G., Banterla, F., Iriarte, Y. AULA: Theoretical manual. , Nesplora. San Sebastián, Spain. (2011).
  41. Hoekstra, R. A., et al. The construction and validation of an abridged version of the autism-spectrum quotient (AQ-Short). Journal of Autism and Developmental Disorders. 41, 589-596 (2010).
  42. Baron-Cohen, S., Wheelwright, S., Skinner, R., Martin, J., Clubley, E. The autism-spectrum quotient (AQ): evidence from Asperger syndrome/high-functioning autism, males and females, scientists and mathematicians. Journal of Autism and Developmental Disorders. 31, 5-17 (2001).
  43. Azevedo, R., Johnson, A., Chauncey, A., Burkett, C. Self-regulated learning with MetaTutor: Advancing the science of learning with MetaCognitive tools. New Science of Learning. Khine, M., Saleh, I. , Springer. New York, NY. 225-247 (2010).
  44. Azevedo, R., Witherspoon, A., Chauncey, A., Burkett, C., Fike, A. MetaTutor: A MetaCognitive tool for enhancing self-regulated learning. 2009 AAAI Fall Symposium Series. , (2009).
  45. Azevedo, R. Theoretical, methodological, and analytical challenges in the research on metacognition and self-regulation: A commentary. Metacognition & Learning. 4 (1), 87-95 (2009).
  46. Feyzi-Behnagh, R., Trevors, G., Bouchet, F., Azevedo, R. Aligning multiple sources of SRL data in MetaTutor: Towards interactive scaffolding in multi-agent systems. 18th biennial meeting of the European Association for Research on Learning and Instruction (EARLI). , Munich, Germany. Paper presented (2013).
  47. Harley, J. M., et al. Assessing learning with MetaTutor: A Multi-Agent Hypermedia Learning Environment. Annual meeting of the American Educational Research Association. , Philadelphia, PA. Paper presented (2014).
  48. Azevedo, R., Feyzi-Behnagh, R., Harley, J., Bouchet, F. Analyzing temporally unfolding self-regulatory process during learning with multi-agent technologies. EARLI Biannual Conference 2013. , Munich. Paper presented (2013).
  49. Donnellan, M. B., Oswald, F. L., Baird, B. M., Lucas, R. E. The mini-IPIP scales: tiny-yet-effective measures of the Big Five factors of personality. Psychological Assessment. 18 (2), 192 (2006).
  50. Stahl, E., Bromme, R. The CAEB: An instrument for measuring connotative aspects of epistemological beliefs. Learning and Instruction. 17 (6), 773-785 (2007).
  51. Gray-Little, B., Williams, V. S. L., Hancock, T. D. An item response theory analysis of the Rosenberg Self-Esteem Scale. Personality and Social Psychology Bulletin. 23, 443-451 (1997).
  52. Gross, J. J., John, O. P. Individual differences in two emotion regulation processes: implications for affect, relationships, and well-being. Journal of Personality and Social Psychology. 85 (2), 348 (2003).
  53. Pekrun, R., Goetz, T., Frenzel, A. C., Barchfeld, P., Perry, R. P. Measuring emotions in students' learning and performance: The Achievement Emotions Questionnaire (AEQ). Contemporary Educational Psychology. 36 (1), 36-48 (2011).
  54. American Psychiatric Association. Diagnostic and statistical manual of mental disorders - reviewed (DSM-IV-TR). , Washington, DC. (2000).
  55. Face API [Computer software]. , Available from: https://azure.microsoft.com/es-es/services/cognitive-services/face/ (2019).
  56. Picard, R. W. Affective computing. , MIT press. (2000).
  57. Grills-Taquechel, A. E., Fletcher, J. M., Vaughn, S. R., Stuebing, K. K. Anxiety and reading difficulties in early elementary school: Evidence for unidirectional-or bi-directional relations. Child Psychiatry & Human Development. 43 (1), 35-47 (2012).
  58. Mammarella, I. C., et al. Anxiety and depression in children with nonverbal learning disabilities, reading disabilities, or typical development. Journal of Learning Disabilities. 49, 130-139 (2014).
  59. Nelson, J. M., Harwood, H. Learning disabilities and anxiety: A meta-analysis. Journal of Learning Disabilities. 44 (1), 3-17 (2011).
  60. Arora, M. R., Sharma, J., Mali, U., Sharma, A., Raina, P. Microsoft Cognitive Services. International Journal of Engineering Science. 8 (4), 17323-17326 (2018).
  61. Bondareva, D., et al. Inferring learning from gaze data during interaction with an environment to support self-regulated learning. International Conference on Artificial Intelligence in Education. , Springer. Berlin, Heidelberg. 229-238 (2013).
  62. Mason, L., Tornatora, M. C., Pluchino, P. Do fourth graders integrate text and picture in processing and learning from an illustrated science text? Evidence from eye-movement patterns. Computers & Education. 60 (1), 95-109 (2013).
  63. Duffy, M. C., Azevedo, R. Motivation matters: Interactions between achievement goals and agent scaffolding for self-regulated learning within an intelligent tutoring system. Computers in Human Behavior. 52, 338-348 (2015).
  64. Cerezo, R., et al. Mediating Role of Self-efficacy and Usefulness Between Self-regulated Learning Strategy Knowledge and its Use. Revista de Psicodidáctica. 24 (1), 1-8 (2019).
  65. Mudrick, N. V., Azevedo, R., Taub, M. Integrating metacognitive judgments and eye movements using sequential pattern mining to understand processes underlying multimedia learning. Computers in Human Behavior. 96, 223-234 (2019).
  66. Taub, M., Azevedo, R. How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System. International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).
  67. Bogarín, A., Cerezo, R., Romero, C. A survey on educational process mining. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 8 (1), 1230 (2018).
  68. Cerezo, R., Bogarín, A., Esteban, M., Romero, C. Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education. , (2019).
  69. Levenson, R. W. Blood, sweat, and fears. Annals of the New York Academy of Sciences. 1000 (1), 348-366 (2003).
  70. Meer, Y., Breznitz, Z., Katzir, T. Calibration of Self-Reports of Anxiety and Physiological Measures of Anxiety While Reading in Adults With and Without Reading Disability. Dyslexia. 22 (3), 267-284 (2016).
  71. Daley, S. G., Willett, J. B., Fischer, K. W. Emotional responses during reading: Physiological responses predict real-time reading comprehension. Journal of Educational Psychology. 106 (1), 132-143 (2014).
  72. Pekrun, R., Goetz, T., Titz, W., Perry, R. P. Academic emotions in students' self-regulated learning and achievement: A program of qualitative and quantitative research. Educational Psychologist. 37 (2), 91-105 (2002).
  73. Antonietti, A., Colombo, B., Di Nuzzo, C. Metacognition in self-regulated multimedia learning: Integrating behavioural, psychophysiological and introspective measures. Learning, Media and Technology. 40 (2), 187-209 (2015).
  74. Bogarin, A., Cerezo, R., Romero, C. Discovering learning processes using inductive miner: a case study with Learning Management Systems (LMSs). Psicothema. 30 (3), 322-329 (2018).
  75. Lang, C., Siemens, G., Wise, A., Gašević, D. Handbook of learning analytics. , Society for Learning Analytics and Research. Beaumont, AB, Canada. (2017).
  76. Romero, C., Ventura, S., Pechenizkiy, M., Baker, R. S. J. Handbook of educational data mining. , CRC Press. Boca Raton, FL. (2010).
  77. Azevedo, R., Gašević, Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
  78. Veenman, M. V. J., Van Hout-Wolters, B., Afflerbach, P. Metacognition and Learning: Conceptual and Methodological Considerations. Metacognition Learning. 1, 3-14 (2006).
  79. Brusilovsky, P., Millán, E. User models for adaptive hypermedia and adaptive educational systems. The adaptive web. Brusilovsky, P., Kobsa, A., Nejdl, W. , Springer. Berlin, Heidelberg. 3-53 (2007).
  80. Taub, M., et al. using multi-channel data with multi-level modeling to assess in-game performance during gameplay with CRYSTAL ISLAND. Computers in Human Behavior. 76, 641-655 (2017).

Tags

Comportamento Problema 163 Disabilità di apprendimento metacognizione autoregolamentazione valutazione multimodale età adulta MetaTutor
Protocollo multimodale per la valutazione della metacognizione e dell'autoregolamentazione negli adulti con difficoltà di apprendimento
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Cerezo, R., Fernández, E.,… More

Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. J. Vis. Exp. (163), e60331, doi:10.3791/60331 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter