Summary

Multimodalt protokoll för bedömning av metakognition och självreglering hos vuxna med inlärningssvårigheter

Published: September 27, 2020
doi:

Summary

Det nuvarande arbetet föreslår ett multimodalt utvärderingsprotokoll inriktat på metakognitiv, självreglering av lärande, och emotionella processer, som utgör grunden för svårigheterna hos vuxna med LDs.

Abstract

Inlärningssvårigheter (LDs) omfattar störningar hos dem som har svårt att lära sig och använda akademiska färdigheter, uppvisar resultat under förväntningarna för sin kronologiska ålder inom områdena läsning, skrivning och / eller matematik. Var och en av de störningar som utgör LDs innebär olika underskott; emellertid, vissa likheter kan hittas inom det heterogenitet, sådana när det gäller att lära självreglering och metakognition. Till skillnad från i tidig ålder och senare utbildningsnivåer, det finns knappast några evidensbaserade utvärderingsprotokoll för vuxna med LDs. LDs påverka akademiska resultat men också ha allvarliga konsekvenser i professionella, sociala och familjesammanhang. Som svar på detta föreslår det nuvarande arbetet ett multimodalt utvärderingsprotokoll inriktat på metakognitiv, självreglering av lärande, och emotionella processer, som utgör grunden för svårigheterna hos vuxna med LDs. Bedömningen utförs genom analys av on-line learning processen med hjälp av en sort metoder, tekniker, och sensorer (t.ex. eye tracking, ansiktsuttryck av känslor, fysiologiska svar, samtidiga verbaliseringar, loggfiler, skärminspelningar av människa-maskin interaktioner) och off-line metoder (t.ex. frågeformulär, intervjuer, och själv-rapport åtgärder). Denna teoretiskt drivna och empiriskt baserade riktlinje syftar till att ge en korrekt bedömning av LD:s i vuxen ålder för att utforma effektiva förslag till förebyggande och ingripande.

Introduction

Specifika inlärningsstörningar (SLDs) omfattar störningar hos dem som har svårt att lära sig och använda akademiska färdigheter, uppvisar resultat under förväntningarna för sin kronologiska ålder inom områdena läsning, skrivning och /eller matematik1,2. Det finns olika uppskattningar av prevalensen priser beroende på ålder, språk och kultur analyseras men de är mellan 5% och 15%1,3. Inom den globala kategorin neuroutvecklingsstörningar i Diagnostic and Statistical Manual ofth Mental Disorders (5th Ed.) 1, det är också nödvändigt att fokusera på förekomsten av Attention-Deficit/Hyperactivity Disorder (hädanefter ADHD) eftersom det är en vanlig sjukdom som har gett upphov till olika kontroverser om hur man ska närma sig det under de senaste åren. Baserat på DSM-51, det kan definieras som ett mönster av ihållande beteenden av ouppmärksamhet och / eller hyperaktivitet-impulsivitet. Likaså autismspektrumstörning (hädanefter ASD) är en kategori i samma handbok som inkluderar studenter som presenterar neuroutvecklingsstörningar till följd av multifaktoriella dysfunktioner i centrala nervsystemet, som resulterar i kvalitativa dysfunktioner i tre grundläggande områden av utvecklingen av personen: social interaktion, kommunikation och intressen och beteenden1,2.

På dessa linjer, ett nytt koncept har uppstått på väg bort från känslan av underskott och erbjuder en mer positiv inställning till dessa sjukdomar att vara förenligt med nuvarande idéer om neuroutveckling svårigheter som mycket samexistens och överlappande4. Från dessa nya modeller, det är underförstått att de färdigheter som deltar i hög nivå kognitiva processer, som gör det möjligt att hantera och reglera sitt beteende för att uppnå ett önskat mål, är avgörande för självreglering och, därför, för verksamhet i det dagliga livet, inklusive de akademiska5. I samband med vuxenlivet har neuromångfald utvecklats till att omfatta olika typer av svårigheter, inklusive ADHD och ASD, samt dyslexi, dyspraxi, och/eller dyskalkyli. Följaktligen närmar vi oss denna neuromångfald från en bred uppfattning om inlärningssvårigheter (LDs). Ökningen av studenter med denna mångfald inskrivna i eftergymnasial utbildning är väl dokumenterad och beror delvis på ökningen av gymnasiet gradering för studenter med funktionshinder6, men samtidigt, det finns mindre forskning om inlärningsprocessen av dessa elever än nödvändigt7.

Var och en av de störningar som närmade sig i isolering innebär olika underskott och manifestationer; emellertid, vissa commonality kan hittas inom det heterogenitet i termer av LD, såsom metakognitiv, självreglerande, och känslomässigakrånglande 8,9,10,11. Tre grundläggande grunder i litteraturen om lärande i allmänhet, och LDs i synnerhet, som representerar grunden för framgångsrikt lärande och spelar en väsentlig roll i dessa välkända svårigheter på den akademiskanivån 12. Förutom detta, andra metoder förstår att det kan finnas en viss gemensamhet mellan underskott i verkställande funktioner, såsom problem i automatisk bearbetning eller arbetsminne, som förekommer i olika sjukdomar såsom ADHD och lässtörningar13 eller ADHD och ASD5. Det finns dock fortfarande arbete att göra på detta område, eftersom inte alla studier når samma slutsatser om dessa punkter gemensamt i förhållande till verkställande funktioner. Det skulle kunna bero på de variationer som presenteras av de prover som studierna bygger på och utvärderingsförfarandena för de verkställande funktioner som används iundersökningarna 5,14.

I utbildningsmässigt påverkar denna mångsidiga blandning inte bara kvaliteten på lärandet, på grund av de berörda funktionernas grundläggande karaktär, utan även fenomen som skolavhopp, byte av examen osv., med ekonomiska konsekvenser för regeringar och universitet15. Andelen avhopp för studenter med LDs är högre än för studenter i den allmännabefolkningen 16 men också högre än andelen avhopp för någon annan kategori av psykologiska funktionshinder med undantag för de studenter med känslomässiga störningar17. Däremot ökar antalet studenter med LD som har tillgång till post-obligatorisk utbildning (yrkesutbildning, högskola, etc.)15, närmare bestämt inom högreutbildning 19,20,21,22. Dessutom kan man mycket väl anta att det finns många fler studenter med LD än de som officiellt passerar genom studenttjänster och vanligtvis utgör prevalensstatistiken23.

Dessa svårigheter upptäcks inte alltid under barndomen, särskilt hos vuxna födda innan dessa störningar ansågs i det ordinarie akademiska systemet, och symtomen på dessa störningar kvarstår under människors liv och orsakar svårigheter i arbetet, utbildning och privatliv24. Forskning har visat att även om människor kan övervinna några av sina svårigheter, de flesta fortsätter att uppvisa kamp med lärande under vuxen ålder och deras uthållighet är fortfarande problematiskt på de högre utbildningsnivåer25.

Paradoxalt nog, till skillnad från tidigare utbildningsnivåer och tidigare åldrar, finns det knappast några evidensbaserade instrument eller utvärderingsprotokoll för vuxna med LD. Trots spridningen av diagnostiska verktyg för att utvärdera LDs under barndomen, är tillgången på giltiga, tillförlitliga instrument och metoder för den vuxna befolkningen betydligt begränsad24. En nyligen genomförd litteraturstudie om inlärningssvårigheter inom högre utbildning fann att det mesta av den information som samlas in i detta avseende sker genom intervjuer, och endast ibland används självrapportfrågeformulär26. Själv-rapport metodik och intervjuer, även om värdefulla, är inte tillräckligt för att exakt bedöma metakognitiva, självreglering, och emotionella processer färdigheter, i själva verket, bland annat, på grund av processen karaktär. Betydelsen av skalor och intervjumetodik för att mäta dessa processer ärobestridlig 27,28, men så är också de tillhörande problemen med giltighet29 och inkongruens med andra innovativa metoder för bedömning30. Ett ytterligare problem i detektion av LDs är den bias i diagnos av oordning på grund av avsaknad av omfattande bedömning protokoll. Det faktum att yrkesverksamma inte har ett referensprotokoll baserat på objektiva variabler ofta orsakar många falska positiva och falska negativa fall av LDs31.

Som svar på både knapphet av instrument för vuxna och behovet av att förbättra befintliga metodik, den aktuella studien föreslår en multimodal utvärderingsprotokoll inriktad på metakognitiva, självreglering, och känslomässiga processer, som utgör grunden för svårigheterna hos vuxna med LDs. I linje med den aktuella litteraturen föreslår vi en utveckling mot integrativ och flerkanalsmätning32,33. Bedömningen utförs genom en analys av on-line learning-processen med hjälp av flera metoder, tekniker och sensorer (t.ex. hypermedia learning environment, virtual reality, eye tracking, ansiktsuttryck av emotion, fysiologiska svar, loggfiler, skärminspelningar av människa-maskin-interaktioner) och off-line-metoder (t.ex. frågeformulär, intervjuer och självrapporteringsåtgärder). Denna blandade metodik ger bevis för införandet av målprocesser före, under och efter lärande som kan trianguleras för att öka förståelsen för hur eleverna lär sig och var problemet ligger, om det finnsen 34.

Utvärderingsprotokollet genomförs under två sessioner. Sessionerna kan göras i ett sammanträde eller kan behöva partiella ansökningar beroende på personen. Den första är inriktad på upptäckt eller bekräftelse av LDs och vilken specifik typ av störning vi står inför, och den andra är utformad för att gå in i metakognitiva, självreglering, och känslomässiga processer i varje enskilt fall på djupet.

Session 1 är avsedd att vara en diagnostisk eller bekräftelse bedömning av deltagarens inlärningssvårigheter: SLD, ADHD och / eller ASD (hög fungerande) för att avgöra vilken typ av specifika problem deltagarna har. Denna bedömning är väsentlig av två skäl. 1) Vuxna med inlärningssvårigheter har sällan korrekt information om deras dysfunktionella beteende. Några av dem misstänker att de har en LD men har aldrig utvärderats. Andra kan ha bedömts när de var barn men inte har några rapporter eller ytterligare information. 2) Det kan finnas avvikelser med tidigare diagnoser (t.ex. en tidigare dyslexi diagnos i motsats till en aktuell diagnos av uppmärksamhet underskott och långsam bearbetning hastighet; tidigare ASD diagnos i motsats till nuvarande begränsad intellektuell förmåga, etc.). Deltagaren intervjuas, och enkäter och standardiserade tester tillämpas. Denna session här utförs av terapeuter med erfarenhet av att diagnostisera utvecklings- och inlärningssvårigheter i forskning och klinisk kontext i olika kontor för en spansk psykologi fakultet. Sessionen inleds med en strukturerad intervju som samlar in biografisk information tillsammans med förekomsten av symptom relaterade till SLDs som avses i DSM-51. Efter det används referens intellektuella förmåga test WAIS-IV35 vid uteslutning kriterium genomförande och eftersom det ger mycket värdefull information för inlärningssvårigheter från skalorna “arbete minne” och “bearbetning hastighet”36. Dessutom är PROLEC SE-Reviderad Test37 i stor utsträckning används för att utvärdera lässvårigheter (lexikala, semantiska och / eller syntaktiska processer för läsning), en av de vanligaste och handikappande svårigheter för lärande i nuvarande akademiska sammanhang, som överlappar med andra störningar såsom ADHD38. Denna utvärdering samlar in läsnoggrannhet, snabbhet och flyt tillsammans med lässvårigheter, och ännu viktigare, i vilken läsprocess misslyckandetinträffar 37 (detta test har utvärderats med pre-universitetsstudenter. För närvarande finns det inga tester i Spanien som är anpassade till den allmänna vuxna befolkningen, så detta test valdes eftersom det är närmast målpopulationen). Sedan, vi skärmen symtom på ADHD genom Världshälsoorganisationen Vuxen ADHD Självrapport Skala (ASRS)39 och förfina utvärderingen av denna sjukdom, införa multimodalitet med en banbrytande virtuell verklighet kontinuerlig prestanda test för utvärdering av attentional processer och arbetsminne hos vuxna, den Nesplora Aquarium31,40. Detta test är ett mycket användbart verktyg när diagnostisera ADHD hos vuxna och ungdomar över 16 år i ett ekologiskt scenario, vilket ger objektiva, tillförlitliga data. Den utvärderar selektiv och ihållande uppmärksamhet, impulsivitet, reaktionstid, auditiv och visuell uppmärksamhet, uthållighet, kvaliteten på uppmärksamhetsfokus, motorisk aktivitet, arbetsminne och kostnader för byte av uppgift. Dessutom, tillsammans med WAIS-IV35 som helhet för att samla in information om deltagarens intellektuella förmåga, vi ägna särskild uppmärksamhet åt skalorna “arbetsminne” och “bearbetningshastighet” eftersom de är relaterade till inlärningssvårigheter och resultaten av dessa skalor används i det slutliga beslutet. Slutligen inkluderar vi Autism Spectrum Quotient (AQ-Short)41 i protokollet, den korta versionen av den tillförlitliga AQ-Vuxen från Baron-Cohen, Wheelwright, Skinner, Martin och Clubley42.

Session 2 fokuserar på en multimodal bedömning av deltagarens inlärningsprocess. Nyckeln till förståelse av komplext lärande ligger i att förstå spridningen av elevernas kognitiva, metakognitiva, motiverande och affektiva processer43. För detta ändamål, deltagarna arbetar med MetaTutor, där användningen av metakognitiva och kognitiva strategier utplacerade observeras medan de lär sig. MetaTutor är en hypermedia inlärningsmiljö som är utformad för att upptäcka, modell, spåra, och främja elevernas självreglerade lärande samtidigt lära sig olika vetenskap ämne44. Utformningen av MetaTutor bygger på omfattande forskning av Azevedo och kollegor43,45,46,47 och tillhör en ny trend i mätningen av SRL, den så kallade tredje vågen, som kännetecknas av kombinerad användning av mätning och avancerad inlärningsteknik33. Användningen av MetaTutor ger också multimodala spårdata, införliva åtgärder såsom, eye tracking, emotionell fysiologiska reaktioner (galvanisk hud svar (GSR) och ansiktsuttryck av känslor)48, log-data och frågeformulär. Alla dessa åtgärder kombineras för att nå en djupare förståelse av deltagarna SRL och metakognition.

Eye tracking ger en förståelse för vad som väcker omedelbar uppmärksamhet, vilka målelement ignoreras, i vilken ordning element uppmärksammas, eller hur element jämföra med andra; elektrodermal aktivitet låter oss veta hur känslomässig upphetsning förändras som svar på miljön; ansikts-känsla-erkännande tillåter automatisk igenkänning och analys av ansiktsuttryck; och dataloggning samlar in och lagrar studentens interaktion med inlärningsmiljön för vidare analys. När det gäller frågeformulären informerar Mini International Personality Item Pool49 om en rad aktiviteter och tankar som människor upplever i vardagen bedöma var och en av de fem stora personlighetsdrag (extraversion, vänlighet, samvetsgrannhet, neuroticism och öppenhet). De konnotativa aspekterna av epistemologiska övertygelser50 ger information om deltagarnas föreställningar om kunskap. Rosenberg Självkänsla skala visar hur deltagarna känner för sig själva totalt51. Emotion Förordning Enkät52 ger information om deltagarnas känslor förordning. The Achievement Emotions Questionnaire (AEQ)53 informerar om känslor som vanligtvis upplevs vid universitetet.

Kort sagt, att bedöma LDs under vuxenlivet är särskilt svårt. Utbildning och erfarenhet gör det möjligt för många vuxna att kompensera för sina underskott och senare visa odifferentierade eller maskerade symtom, på vilka vetenskaplig kunskap fortfarande är knapp. Med hänsyn till den kritiska forskningslucka som uppstår syftar detta nuvarande arbete till att säkerställa teoretiskt drivna, empiriskt baserade riktlinjer för korrekt bedömning av LD:s under vuxenlivet för att utforma effektiva förebyggande åtgärder och interventionsåtgärder.

För att hjälpa läsarna att avgöra om den metod som beskrivs är lämplig eller inte, är det nödvändigt att ange att protokollet inte är lämpligt för personer med intellektuella funktionshinder eftersom deras diagnos ogiltigförklarar diagnos av inlärningssvårigheter. Dessutom, på grund av singulariteterna i den utrustning som används och formatet för att visa inlärningsinnehållet, är det fortfarande inte möjligt att utvärdera personer med motoriska funktionshinder (övre extremiteter, hals och /eller ansikte), hörsel eller synnedsättning. Det skulle inte heller vara lämpligt för deltagare med svåra psykiska störningar. Det skulle kräva användning av läkemedel som kan förändra informationsbehandling eller fysiologiska uttryck för känslor.

Protocol

Den forskningsetiska kommittén i Furstendömet Asturien och universitetet i Oviedo godkände detta protokoll. 1. Session 1: diagnos bedömning OBS: I denna session av protokollet används utvärderingstester från olika utgivare, som har sina egna specifika program- och tolkningsmanualer. Eftersom dessa tester, eller andra liknande, är allmänt kända av det vetenskapliga samfundet inom psykologi och utbildning, är förfarandet för att tillämpa dem inte detaljera…

Representative Results

Det här avsnittet illustrerar de representativa resultat som erhållits från protokollet, inklusive ett exempel på samtidiga resultat av Session 1 och ett exempel på varje informationskälla från Session 2. Resultaten om störningar samlas in i session 1 genom diagnostiska tester med hänsyn till de förfaranden och avskärningspunkter som anges för diagnostisk bedömning av deltagarnas inlärningssvårigheter (SLD, ADHD och ASD). Expertkommittén beslutar om deltagaren har inlärningssv…

Discussion

Det nuvarande protokollet föreslår en multimodal utvärdering inriktad på metakognitiva, självreglering och emotionella processer, som utgör grunden för svårigheterna hos vuxna med LDs.

Session 1 är väsentlig eftersom den är avsedd att vara en diagnostisk bedömning av deltagarens inlärningssvårigheter. Observera att denna session här utförs av terapeuter med erfarenhet av att diagnostisera utvecklings- och inlärningssvårigheter i forskningen och kliniska sammanhang. Vi använd…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Detta manuskript stöddes av finansiering från National Science Foundation (DRL#1660878, DRL#1661202, DUE#1761178, DRL#1916417), Det sociala vetenskaps- och humanioraforskningsrådet i Kanada (SSHRC 895-2011–1006), ministeriet för vetenskap och innovation I+D+i (PID2019-107201GB-100), och Europeiska unionen genom Europeiska regionala utvecklingsfonderna (ERUF) och Furstendömet Asturien (FC-GRUPIN-IDI/2018/000199). Eventuella åsikter, resultat, slutsatser, eller rekommendationer som uttrycks i detta material är de av författaren (er) och inte nödvändigtvis återspeglar åsikter National Science Foundation eller samhällsvetenskap och humaniora Research Council of Canada. Författarna vill också tacka medlemmar i SMART Lab på UCF för deras hjälp och bidrag.

Materials

AQUARIUM Nesplora
Eye-tracker RED500 Systems SensoMotoric Instruments GmbH
Face API Microsoft
GSR NUL-217 NeuLog

References

  1. American Psychiatric Association. . Diagnostic and statistical manual of mental disorders (5th ed.). , (2013).
  2. World Health Organization. . International statistical classification of diseases and related health problems (11th Revision). , (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.). , (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., Wong, B. Self-regulation among students with LD and ADHD. Learning about Learning Disabilities. , 167-195 (2004).
  10. National Joint Committee on Learning Disabilities. . Collective Perspectives on Issues Affecting Learning Disabilities. , (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. , (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. , (2013).
  16. Cortiella, C. . Diplomas at risk: A critical look at the graduation rate of students with learning disabilities. , (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). , (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., Zimmerman, B. J., Schunk, D. H. Motivational sources and outcomes of self-regulated learning and performance. Handbook of Self-Regulation of Learning and Performance. , 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., Boekaerts, M., Pintrich, P. R., Zeidner, M. Measuring self-regulated learning. Handbook of Self-Regulation. , 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., Alexander, P. A., Schunk, D. H., Greene, J. A. 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. , (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.). , (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. , (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. , (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., Khine, M., Saleh, I. Self-regulated learning with MetaTutor: Advancing the science of learning with MetaCognitive tools. New Science of Learning. , 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). , (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. , (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. , (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). , (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. , (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. , 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. , (2017).
  76. Romero, C., Ventura, S., Pechenizkiy, M., Baker, R. S. J. . Handbook of educational data mining. , (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., Brusilovsky, P., Kobsa, A., Nejdl, W. User models for adaptive hypermedia and adaptive educational systems. The adaptive web. , 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).

Play Video

Cite This Article
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).

View Video