Waiting
Login processing...

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

Behavior

Protocolo multimodal para evaluar la metacognición y la autorregulación en adultos con dificultades de aprendizaje

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

Summary

El trabajo actual propone un protocolo de evaluación multimodal centrado en los procesos metacognitivos, autorreguladores del aprendizaje y emocionales, que conforman la base de las dificultades en adultos con LDs.

Abstract

Las discapacidades de aprendizaje (CD) abarcan trastornos de aquellos que tienen dificultad para aprender y usar habilidades académicas, exhibiendo un desempeño por debajo de las expectativas para su edad cronológica en las áreas de lectura, escritura y/o matemáticas. Cada uno de los trastornos que componen los LD implican diferentes déficits; sin embargo, algunos puntos en común se pueden encontrar dentro de esa heterogeneidad, como en términos de autoregulación de aprendizaje y metacognición. A diferencia de las primeras edades y los niveles educativos posteriores, apenas hay protocolos de evaluación basados en evidencia para adultos con LDs. Los LD influyen en el rendimiento académico, pero también tienen graves consecuencias en contextos profesionales, sociales y familiares. En respuesta a esto, el trabajo actual propone un protocolo de evaluación multimodal centrado en los procesos metacognitivos, autorreguladores del aprendizaje y emocionales, que conforman la base de las dificultades en adultos con LD. La evaluación se lleva a cabo mediante el análisis del proceso de aprendizaje en línea utilizando una variedad de métodos, técnicas y sensores (por ejemplo, seguimiento ocular, expresiones faciales de emoción, respuestas fisiológicas, verbalizaciones simultáneas, archivos de registro, grabaciones de pantalla de interacciones hombre-máquina) y métodos fuera de línea (por ejemplo, cuestionarios, entrevistas y medidas de autoinforme). Esta directriz teóricamente impulsada y empíricamente tiene como objetivo proporcionar una evaluación precisa de los CD en la edad adulta con el fin de diseñar propuestas eficaces de prevención e intervención.

Introduction

Los trastornos específicos del aprendizaje (SLD) abarcan trastornos de aquellos que tienen dificultad para aprender y utilizar habilidades académicas, exhibiendo un desempeño por debajo de las expectativas para su edad cronológica en las áreas de lectura, escritura y/o matemáticas1,,2. Existen diferentes estimaciones de las tasas de prevalencia en función de la edad, el idioma y la cultura analizadas, pero están entre el 5% y el 15%1,,3. Dentro de la categoría mundial de trastornos del neurodesarrolloth en el Manual Diagnóstico y Estadístico de los Trastornos Mentales (5o Ed.) 1, también es necesario centrarse en la incidencia del Trastorno por Déficit de Atención/Hiperactividad (en adelante TDAH), ya que se trata de un trastorno común que ha dado lugar a diversas controversias sobre cómo abordarlo en los últimos años. Basado en el DSM-51,se puede definir como un patrón de comportamientos persistentes de falta de atención y/o hiperactividad-impulsividad. Asimismo, el trastorno del espectro autista (en adelante ASD) es una categoría en el mismo manual que incluye a los estudiantes que presentan trastornos del neurodesarrollo como resultado de disfunciones multifactoriales del sistema nervioso central, que dan lugar a disfunciones cualitativas en tres áreas fundamentales del desarrollo de la persona: interacción social, comunicación e intereses y comportamientos1,,2.

En estas líneas, ha surgido un nuevo concepto alejándose de la sensación de déficit y ofreciendo un enfoque más positivo de estos trastornos para ser coherente con las ideas actuales de dificultades del neurodesarrollo como altamente coexistentes y superpuestos4. A partir de estos nuevos modelos, se entiende que las habilidades involucradas en procesos cognitivos de alto nivel, que permiten gestionar y regular el comportamiento deseado para alcanzar un objetivo deseado, son cruciales para la autorregulación y, por lo tanto, para las actividades de la vida diaria, incluidas las académicas5. En el contexto de la edad adulta, la neurodiversidad ha evolucionado para incluir varios tipos de dificultades, incluyendo TDAH y TEA, así como dislexia, dispraxia y/o discalculia. En consecuencia, nos acercamos a esta neurodiversidad desde una concepción amplia de las dificultades de aprendizaje (LD). El aumento de los estudiantes con esta diversidad matriculados en la educación postsecundaria está bien documentado y se debe, en parte, al aumento de las tasas de graduación de la escuela secundaria para los estudiantes con discapacidades6,pero al mismo tiempo, hay menos investigación sobre el proceso de aprendizaje de estos estudiantes de lo necesario7.

Cada uno de los trastornos abordados aisladamente implica diferentes déficits y manifestaciones; sin embargo, se puede encontrar cierta similitud dentro de esa heterogeneidad en términos de LD, tales como metacognitivo, autorregulación, y funcionamiento emocional8,9,10,11. Tres fundamentos fundamentales en la literatura del aprendizaje en general, y los LD en particular, que representan la base del aprendizaje exitoso y desempeñan un papel esencial en estas dificultades bien conocidas en el nivel académico12. Además de esto, otros enfoques entienden que podría haber una cierta similitud entre los déficits en las funciones ejecutivas, tales como problemas en el procesamiento automático o la memoria de trabajo, que ocurren en diferentes trastornos como el TDAH y los trastornos de lectura13 o TDAH y TEA5. Sin embargo, todavía queda trabajo por hacer en este campo, ya que no todos los estudios llegan a las mismas conclusiones sobre estos puntos en común en relación con las funciones ejecutivas. Podría deberse a las variaciones presentadas por las muestras a partir de las cuales se basan los estudios y a los procedimientos de evaluación de las funciones ejecutivas utilizadas en las investigaciones5,,14.

En términos educativos, esta mezcla diversa afecta no sólo a la calidad del aprendizaje, debido a la naturaleza fundamental de las funciones afectadas, sino también a fenómenos como la deserción escolar, el cambio de grado, etc., con implicaciones económicas para los gobiernos y las universidades15. La tasa de deserción escolar para los estudiantes con LD es mayor que para los estudiantes de la población general16, pero también más alta que las tasas de deserción para cualquier otra categoría de discapacidades psicológicas, excepto para aquellos estudiantes con trastornos emocionales17. Por el contrario, el número de estudiantes con LD que acceden a la educación post-obligatoria (formación profesional, colegio, etc.) está aumentando15,concretamente en la educación superior19,,20,,21,,22. Además, uno bien podría suponer que hay muchos más estudiantes con DA que aquellos que pasan oficialmente por los servicios estudiantiles y por lo general conforman las estadísticas de prevalencia23.

Estas dificultades no siempre se detectan durante la infancia, especialmente en adultos nacidos antes de que estos trastornos fueran considerados en el sistema académico regular, y los síntomas de estos trastornos persisten a lo largo de la vida de las personas y causan dificultades en el trabajo, la educación y la vida personal24. Las investigaciones han demostrado que aunque las personas podrían superar algunas de sus dificultades, la mayoría continúan presentando dificultades con el aprendizaje durante la edad adulta y su persistencia sigue siendo problemática en los niveles educativos superiores25.

Paradójicamente, a diferencia de los niveles educativos anteriores y las edades anteriores, apenas hay instrumentos basados en evidencia o protocolos de evaluación para adultos con LD. A pesar de la proliferación de herramientas de diagnóstico para evaluar los DATOS durante la infancia, la disponibilidad de instrumentos y metodologías válidos y fiables para la población adulta está significativamente limitada24. Una revisión reciente de la literatura sobre discapacidades de aprendizaje en la educación superior encontró que la mayor parte de la información recopilada en este sentido se hace a través de entrevistas, y sólo ocasionalmente se utilizan cuestionarios de autoinforme26. La metodología y las entrevistas de autoindidancia, aunque valiosas, no son suficientes para evaluar con precisión los procesos metacognitivos, autorreguladores y de habilidades emocionales, de hecho, entre otros, debido a la naturaleza del proceso. La importancia de las escalas y la metodología de entrevistas para medir esos procesos es innegable27,,28,pero también lo son los problemas asociados de validez29 e incongruencia con otros métodos innovadores de evaluación30. Un problema adicional en la detección de LD es el sesgo en el diagnóstico del trastorno debido a la ausencia de protocolos de evaluación integrales. El hecho de que los profesionales no tengan un protocolo de referencia basado en variables objetivas suele causar muchos casos falsos positivos y falsos negativos de LDs31.

En respuesta tanto a la escasez de instrumentos para adultos como a la necesidad de mejorar la metodología existente, el estudio actual propone un protocolo de evaluación multimodal centrado en procesos metacognitivos, autorreguladores y emocionales, que conforman la base de las dificultades en adultos con LD. En línea con la literatura actual, proponemos un paso hacia la medición integradora y multicanal32,,33. La evaluación se lleva a cabo a través de un análisis del proceso de aprendizaje en línea utilizando varios métodos, técnicas y sensores (por ejemplo, entorno de aprendizaje hipermedia, realidad virtual, seguimiento ocular, expresiones faciales de emoción, respuestas fisiológicas, archivos de registro, grabaciones de pantalla de interacciones hombre-máquina) y métodos fuera de línea (por ejemplo, cuestionarios, entrevistas y medidas de autoinforme). Esta metodología mixta proporciona evidencia de la implementación de los procesos objetivo antes, durante y después del aprendizaje que se puede triangular para mejorar la comprensión de cómo los estudiantes aprenden y dónde se encuentra el problema, si hay uno34.

El protocolo de evaluación se lleva a cabo a lo largo de dos sesiones. Las sesiones se pueden hacer en una sola sesión o pueden necesitar aplicaciones parciales dependiendo de la persona. El primero se centra en la detección o confirmación de LDs y a qué tipo específico de trastorno nos enfrentamos, y el segundo está diseñado para entrar en los procesos metacognitivos, autorreguladores y emocionales de cada caso individual en profundidad.

La sesión 1 está destinada a ser una evaluación diagnóstica o de confirmación de las discapacidades de aprendizaje del participante: SLD, TDAH y/o TEA (alto funcionamiento) para determinar qué tipo de problemas específicos tienen los participantes. Esta evaluación es esencial por dos razones. 1) Los adultos con discapacidades de aprendizaje rara vez tienen información precisa sobre su comportamiento disfuncional. Algunos de ellos sospechan que tienen una DA pero nunca han sido evaluados. Otros pueden haber sido evaluados cuando eran niños, pero no tienen ningún informe o información adicional. 2) Puede haber discrepancias con diagnósticos anteriores (por ejemplo, un diagnóstico previo de dislexia en comparación con un diagnóstico actual de déficit de atención y velocidad de procesamiento lenta; diagnóstico previo de TEA en contraste con la capacidad intelectual limitada actual, etc.). El participante es entrevistado, y se aplican cuestionarios y pruebas estandarizadas. Esta sesión aquí es realizada por terapeutas con experiencia en el diagnóstico de dificultades de desarrollo y aprendizaje en el contexto de investigación y clínica en diferentes oficinas de una Facultad de Psicología Española. La sesión comienza con una entrevista estructurada que recopila información biográfica junto con la presencia de síntomas relacionados con los SLD a los que se hace referencia en el DSM-51. A continuación, la prueba de capacidad intelectual de referencia WAIS-IV35 se utiliza en caso de aplicación del criterio de exclusión y porque proporciona información muy valiosa para las dificultades de aprendizaje de las escalas "memoria de trabajo" y "velocidad de procesamiento"36. Además, la Prueba ProLEC SE-Revisada37 se utiliza ampliamente para evaluar discapacidades de lectura (procesos léxicos, semánticos y/o sintácticos de lectura), una de las dificultades más frecuentes e incapacitantes para el aprendizaje en los contextos académicos actuales, que se superpone con otros trastornos como el TDAH38. Esta evaluación recopila la precisión de la lectura, la velocidad y la fluidez junto con las discapacidades de lectura, y lo que es más importante, en qué proceso de lectura se produce37 (esta prueba ha sido evaluada con estudiantes preuniversitarios. Actualmente, no hay pruebas en España que se adapten a la población adulta general, por lo que esta prueba fue seleccionada porque es la más cercana a la población objetivo. A continuación, examinamos los síntomas del TDAH a través de la Escala de Autoindete de TDAH para Adultos de la Organización Mundial de la Salud (ASRS)39 y refinamos la evaluación de este trastorno, introduciendo la multimodalidad con una prueba de rendimiento continuo de realidad virtual de vanguardia para la evaluación de procesos de atención y memoria funcional en adultos, el Acuario Nesplora31,,40. Esta prueba es una herramienta muy útil para diagnosticar el TDAH en adultos y adolescentes mayores de 16 años en un escenario ecológico, proporcionando datos objetivos y fiables. Evalúa la atención selectiva y sostenida, la impulsividad, el tiempo de reacción, la atención auditiva y visual, la perseverancia, la calidad del enfoque atencional, la actividad motora, la memoria laboral y el costo del cambio de tarea. Además, junto con el WAIS-IV35 en su conjunto para recopilar información sobre la capacidad intelectual del participante, prestamos especial atención a las escalas "memoria de trabajo" y "velocidad de procesamiento" porque están relacionadas con dificultades de aprendizaje y los resultados de estas escalas se utilizan en la decisión final. Por último, incluimos el AC-Quotient autismo (AQ-Short)41 en el protocolo, la versión corta del fiable AQ-Adult de Baron-Cohen, Wheelwright, Skinner, Martin y Clubley42.

La Sesión 2 se centra en una evaluación multimodal del proceso de aprendizaje del participante. La clave para entender el aprendizaje complejo reside en entender el despliegue de los procesos cognitivos, metacognitivos, motivacionales y afectivos de los estudiantes43. Con ese fin, los participantes trabajan con MetaTutor, donde se observa el uso de estrategias metacognitivas y cognitivas desplegadas mientras están aprendiendo. MetaTutor es un entorno de aprendizaje hipermedia que está diseñado para detectar, modelar, rastrear y fomentar el aprendizaje autorregulado de los estudiantes mientras aprenden diferentes temas científicos44. El diseño de MetaTutor se basa en una extensa investigación de Azevedo y sus colegas43,45,46,47 y pertenece a una nueva tendencia en la medición de SRL, la llamada tercera onda,que se caracteriza por el uso combinado de las tecnologías de medición y aprendizaje avanzado33. El uso de MetaTutor también proporciona datos traza multimodal, incorporando medidas tales como, seguimiento ocular, respuestas fisiológicas emocionales (respuesta cutánea galvánica (GSR) y expresiones faciales de emociones)48,log-data y cuestionarios. Todas estas medidas se combinan para lograr una comprensión más profunda de los participantes SRL y la metacognición.

El seguimiento ocular proporciona una comprensión de lo que atrae la atención inmediata, qué elementos de destino se ignoran, en qué orden se notan los elementos o cómo los elementos se comparan con otros; la actividad electrodérmica nos permite saber cómo la excitación emocional cambia en respuesta al medio ambiente; el reconocimiento facial-emoción permite el reconocimiento y análisis automático de expresiones faciales; y el registro de datos recopila y almacena la interacción del estudiante con el entorno de aprendizaje para su posterior análisis. En cuanto a los cuestionarios, el Mini International Personality Item Pool49 informa sobre una serie de actividades y pensamientos que las personas experimentan en la vida cotidiana evaluando cada uno de los cinco rasgos principales de la personalidad (extraversión, comodidad, conciencia, neuroticismo y apertura). Los Aspectos Connotantes de las Creencias Epistemológicas50 proporcionan información sobre las creencias de los participantes sobre el conocimiento. La escala de autoestima de Rosenberg muestra cómo se sienten los participantes sobre sí mismos en general51. El Cuestionario de Regulación de Emociones52 proporciona información sobre la regulación de las emociones de los participantes. El Cuestionario de Emociones De Logro (AEQ)53 informa sobre las emociones típicamente experimentadas en la universidad.

En resumen, evaluar los LD durante la edad adulta es particularmente difícil. La educación y la experiencia permiten a muchos adultos compensar sus déficits y luego mostrar síntomas indiferenciados o enmascarados, en los que el conocimiento científico es todavía escaso. Teniendo en cuenta la brecha crítica de investigación que surge, este trabajo actual tiene como objetivo asegurar directrices teóricamente impulsadas y basadas empíricamente para la evaluación precisa de los CD durante la edad adulta con el fin de diseñar acciones eficaces de prevención e intervención.

Para ayudar a los lectores a decidir si el método descrito es apropiado o no, es necesario especificar que el protocolo no es adecuado para personas con discapacidad intelectual porque su diagnóstico invalida el diagnóstico de dificultades de aprendizaje. Además, debido a las singularidades del equipo utilizado y al formato de mostrar el contenido de aprendizaje, todavía no es posible evaluar a las personas con discapacidades motoras (extremidades superiores, cuello y/o cara), discapacidad auditiva o visual. Tampoco sería adecuado para participantes con trastornos psiquiátricos graves. Se requeriría el uso de drogas que podrían alterar el procesamiento de la información o la expresión fisiológica de las emociones.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

El comité de ética investigadora del Principado de Asturias y de la Universidad de Oviedo ha aprobado este protocolo.

1. Sesión 1: evaluación del diagnóstico

NOTA: En esta sesión del protocolo, se utilizan pruebas de evaluación de diferentes editores, que tienen sus propios manuales de aplicación e interpretación específicos. Dado que estas pruebas, u otras similares, son ampliamente conocidas por la comunidad científica en el campo de la psicología y la educación, el procedimiento para aplicarlas no es detallado paso a paso (por ejemplo, dado el objetivo de este documento, no tiene sentido detallar cada paso de la aplicación WAIS-IV35).

  1. Consentimiento informado
    1. Explicar a los participantes los aspectos éticos y confidencialidad de la investigación y pedirles que reconozcan y firmen el consentimiento informado individual.
  2. Entrevista estructurada
    1. Explique las siguientes instrucciones al participante: "Ahora, voy a entrevistarlo con el fin de obtener información importante sobre su vida y temas académicos. Hay preguntas abiertas y cerradas, pero puedes interrumpirme cuando quieras. Por favor, avísame si necesitas que aclare algún punto. Después de esta entrevista inicial, puedo pedirle que haga algunas pruebas de evaluación y cuestionarios. Te diré las instrucciones específicas para cada uno. ¿Estás listo?"
    2. Recopile la información biográfica junto con la presencia de síntomas relacionados con SLD y los criterios de exclusión que se mencionan en el DSM-51 siguiendo el guión de la entrevista (véase el archivo suplementario A ).
  3. Primer punto de decisión en relación con la entrevista estructurada (criterios de exclusión)
    1. Finalizar la evaluación si el participante cumple con los criterios de exclusión inicial, es decir, explican que tienen una discapacidad motora (segmentos superiores), discapacidad sensorial (visual o auditiva), un diagnóstico de discapacidad intelectual o un trastorno mental grave.
    2. Continuar la evaluación si parece que el participante tiene o piensa que tiene un SLD y no cumple con los criterios de exclusión.
  4. Capacidad intelectual
    1. Aplique la prueba WAIS-IV35 para recopilar información sobre la capacidad intelectual del participante siguiendo las instrucciones del manual.
  5. Segundo punto de decisión en relación con la capacidad intelectual (criterios de exclusión)
    1. Finalice la evaluación si el participante no entiende las instrucciones de la prueba, si no se puede evaluar, o si tiene un coeficiente intelectual inferior a 70.
    2. Continúe con la evaluación si la persona tiene una capacidad intelectual normal o limitada.
      NOTA: El límite del CI aceptado en el presente estudio se ha establecido como una puntuación de más de 70.
  6. Tdah
    1. Pida al participante que complete los seis elementos del Cuestionario de Selección Autoinformada del Adulto-v1.1. (ASRS39) de la Entrevista De Diagnóstico Internacional Compuesta de la Organización Mundial de la Salud (OMS).
      NOTA: Este cuestionario proporciona información sobre la presencia de síntomas relacionados con el TDAH a los que se hace referencia en el DSM-IV54.
    2. Aplique la prueba40 del Acuario Nesplora si el participante obtiene 12 o más puntos en el cuestionario anterior de ASRS36.
  7. Dificultades de lectura
    1. Aplicar la prueba de detección PROLEC SE-R de las dificultades de lectura37 siga las instrucciones del manual.
  8. Trastorno del espectro autista (nivel 1)
    1. Pida al participante que complete los 28 elementos del cuestionario de Cociente de Espectro de Autismo (AQ-Short) de Hoekstra etal.
      NOTA: Este cuestionario proporciona información sobre la presencia de síntomas relacionados con el comportamiento social, las habilidades sociales, la rutina, el cambio, la imaginación y los números/patrones.
  9. Analice los resultados.
    1. Analice la entrevista, los cuestionarios y los resultados de las pruebas de cada participante y decida si tiene dificultades de aprendizaje significativas o no o si está en riesgo de tenerlas.
      NOTA: Dos miembros del comité de expertos (el evaluador y otro miembro del equipo de investigación) analizan el perfil de aprendizaje de cada participante y deciden si son estudiantes con SLD, TDAH y/o TEA o no o están en riesgo de tenerlos. Ninguna prueba puede sustituir el juicio del experto.
  10. Punto de decisión final
    1. Termine la evaluación si el participante claramente no es un estudiante con dificultades de aprendizaje.
    2. Continúe la evaluación si el participante es una persona con LDs (o en riesgo) y vaya a la Sesión 2.

2. Sesión 2: evaluación multimodal

NOTA: La sesión 2 debe realizarse entre 1 y 7 días después de la Sesión 1.

  1. Prepare al participante.
    1. Recuerde a los participantes que la sesión dura aproximadamente 2 horas, y que van a completar algunos cuestionarios y tareas en el entorno de aprendizaje de MetaTutor mientras algunos dispositivos están registrando su rendimiento durante toda la sesión.
    2. Pida a los participantes que se aten el cabello, se despejen el cuello, se quiten los anteojos y retiren la goma de mascar si corresponde.
      NOTA: Si el participante lleva gafas, tiene el pelo largo o flequillo que cubre parte de su cara, el rastreador de ojos no podrá leer sus movimientos de ojos.
    3. Presentar MetaTutor a los participantes. Explique que el objetivo de la sesión es aprender de forma autónoma sobre el sistema circulatorio utilizando la herramienta.
    4. Asegúrese de que los altavoces estén conectados y funcionando.
      NOTA: El participante también puede usar auriculares si lo prefiere.
  2. Preparación y calibración de la respuesta de la piel galvánica
    NOTA: Recuerde que hay muchos tipos de GSR fabricados por diferentes empresas. Utilícelo de acuerdo con las especificaciones del proveedor.
    1. Limpie el GSR y los dedos del participante con alcohol.
    2. Coloque los sensores GSR de dedo/muñeca en el índice y los dedos anulares con los conectores en el lado de la yema del dedo o de acuerdo con las instrucciones del fabricante.
    3. Pida al participante que descanse la mano sobre la mesa en silencio y trate de relajarse durante 5 minutos.
    4. Abra el software en el ordenador.
    5. Asegúrese de que el gráfico de registro funciona. Compruebe que el gráfico de registro se está registrando.
    6. Haga clic en Ejecutar experimento > Velocidad 10 por segundo > Duración > 10 > Minuto. Registre la información durante diez minutos para establecer la línea de base.
      NOTA: La velocidad 10 por segundo significa la frecuencia con la que se toman las medidas.
    7. Minimice la pantalla.
    8. Continúe con la calibración de otros dispositivos, y después de 10 minutos guarde la información en un archivo .csv.
  3. Seguimiento de ojos y preparación y calibración de webcam
    NOTA: Recuerde que hay muchos tipos de seguimiento de ojos y webcam fabricados por diferentes empresas. Utilícelos de acuerdo con las especificaciones del proveedor.
    1. Abra el software en el portátil lateral y en el ordenador.
      NOTA: Los movimientos oculares se capturan en el PC en el que el participante está trabajando, pero los datos se registran en el portátil lateral. Además, en el portátil lateral, el experimentador puede ver los movimientos que el participante está haciendo y corregir la posición del participante si es necesario.
    2. Indique qué sesión se grabará (Metatutor en este caso) y los datos de registro del participante: Archivo > Experimento reciente > Metatutor > Incluir datos de registro del participante > Aceptar.
    3. Compruebe que los dos ordenadores están conectados entre sí y que las luces infrarrojas de seguimiento ocular están encendidas y listas para capturar el movimiento de los ojos.
    4. Ajuste la cámara web del ordenador a la posición del participante.
    5. Pida al participante que se siente mirando hacia adelante y sea lo más neutral posible, aunque se espera que sus expresiones faciales varíen durante la sesión de aprendizaje.
      NOTA: Durante la sesión de aprendizaje se graba un vídeo de la cara del participante con la cámara web que luego se analiza mediante una aplicación de escritorio55.
    6. Pida al participante que se queme quieto y que mire los diferentes puntos de la pantalla con la nariz alineada con/ligeramente sobre el borde del escritorio (a 90o).
    7. Haga clic en Grabar > Escribir los datos de registro del participante > Aceptar para iniciar el proceso de calibración.
    8. Pida al participante que presione la barra espaciadora y siga los puntos de la pantalla con los ojos.
    9. Asegúrese de que los ojos del participante, al mirar la pantalla, están centrados antes de pasar al siguiente paso, utilizando el portátil lateral para comprobar esta información.
      NOTA: La mirada del participante se centra cuando los movimientos de sus ojos se registran en la pantalla lateral del portátil con dos círculos blancos. Cuando la mirada sale del área de registro, el software advierte con flechas amarillas (si se desvían ligeramente), con flechas rojas (si se desvían mucho) o sin círculos blancos (si no se registra). El camino del movimiento de los ojos se refleja con una luz amarilla (enfoque atencional) y la pista a través de la pantalla con una línea verde.
    10. Pida a los participantes que eviten tocarse la cara o descansar la cabeza en sus manos tanto como sea posible.
    11. Minimice la pantalla.
  4. Seguimiento multimodal de la sesión de aprendizaje
    1. Maximice la pantalla GSR y haga clic en Ejecutar experimento > Velocidad 10 por segundo > Duración > 5 > horas > Grabar y minimizar la pantalla de nuevo.
    2. Maximice el seguimiento ocular y la pantalla de la cámara web, asegúrese de que el software funciona correctamente, haga clic en Grabar en el ordenador y en el portátil lateral para registrar y grabar la sesión y minimizar la pantalla de nuevo.
      NOTA: Una vez calibrados los dispositivos, no olvide comenzar a grabar la sesión de evaluación en cada uno de ellos. A partir de este punto, toda la interacción del participante con la herramienta de aprendizaje se registrará hasta el final de la sesión.
  5. Cuestionarios y sesión de aprendizaje en MetaTutor
    1. Abra el software en el PC y complete los datos de registro del participante. ID completo > Experimentador > Día > Cuestionarios sí > Continuar.
      NOTA: Todos los registros se registrarán durante la sesión en un registro de datos de archivo.
    2. Explique al participante que debe seguir las instrucciones de la herramienta y que solo interactuará con el equipo durante la sesión de aprendizaje. Explique que el investigador estará en la habitación de al lado en caso de que algo suceda.
      1. Pida al participante información sociodemográfica y académica. Nombre completo > Género > Edad > Grupo étnico > Nivel educativo > Universidad > Grado > GPA > Información sobre los cursos de biología realizados si corresponde > Continuar. Antes de hacer clic en Continuar, explique a los participantes que deben seguir todas las instrucciones que la herramienta les dará. Además, que solo interactuarán con el equipo durante la sesión de aprendizaje.
      2. Pida al participante que complete algunos cuestionarios.
        NOTA: El participante tiene que completar cinco cuestionarios de aprendizaje metacognitivos y autorregulados: a) El Grupo de Artículos de Personalidad Mini Internacional49; b) Los Aspectos Connotantes de las Creencias Epistemológicas50; c) La escala de autoestima de Rosenberg51; d) El Cuestionario de Regulación de las Emociones52; e) El Cuestionario de Emociones Logros (AEQ)53 y un cuestionario sobre conocimientos generales sobre el sistema circulatorio.
      3. Muestre al participante la interfaz de MetaTutor y sus diferentes partes.
        1. Explique al participante que el área de contenido es donde el contenido de aprendizaje se muestra a lo largo de la sesión en forma de texto.
        2. Muestre al participante que puede navegar a través de una tabla de contenido en el lado de la pantalla para ir a diferentes páginas.
        3. Muestre al participante que el objetivo general de aprendizaje se muestra en la parte superior de la pantalla durante la sesión.
        4. Muestre al participante que los subobjetivos que los alumnos establecen se muestran en la parte superior en el centro de la pantalla, y pueden administrar subobjetivos o priorizarlos aquí.
        5. Mostrar al participante que hay un temporizador situado en la esquina superior izquierda de la pantalla muestra la cantidad de tiempo restante en la sesión.
        6. Muestre al participante la lista de procesos autorregulables, que se muestran en una paleta en el lado derecho de la pantalla, y el participante puede hacer clic en ellos durante toda la sesión para implementar estrategias de planificación, supervisión y aprendizaje.
        7. Mostrar al participante que las imágenes estáticas relevantes para las páginas de contenido se muestran junto al texto para ayudar a los alumnos a coordinar información de diferentes fuentes.
        8. Muestre al participante el texto introducido en el teclado y cómo se muestran y registran las interacciones de los alumnos con los agentes en esta parte de la interfaz.
        9. Muestre al participante los cuatro agentes artificiales que ayudan a los alumnos en su aprendizaje durante toda la sesión.
          NOTA: Estos agentes son Gavin the Guide, Pam the Planner, Mary the Monitor y Sam the Strategizer.
      4. Pida al participante que haga clic en Iniciar para comenzar la sesión de aprendizaje siempre que esté listo.
        NOTA: El participante interactúa con la herramienta.
      5. Una vez finalizada la sesión, pida al participante que complete de nuevo el cuestionario de conocimientos.

3. Cierre de sesión

  1. Al final de la sesión guarde los datos grabados de GSR, seguimiento ocular/webcam y Metatutor junto con los datos de registro del participante. Extraiga los datos en un archivo .csv para facilitar su uso.
  2. Retire los sensores GSR de la mano del participante y limpie los sensores galvánicos con alcohol de nuevo.
  3. Agradezca a los participantes su colaboración y despídete.

4. Análisis de las dificultades de aprendizaje

  1. Analice el rendimiento de aprendizaje de cada participante en función de los diferentes informes producidos (consulte la sección Resultados) para obtener un perfil multimodal.
    NOTA: Al menos dos miembros del comité de expertos analizan el proceso de aprendizaje de cada participante. Aunque la evaluación se puede hacer exhaustivamente utilizando nuevos instrumentos y herramientas, ningún informe puede reemplazar el juicio del experto.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Esta sección ilustra los resultados representativos obtenidos del protocolo, incluido un ejemplo de resultados conjuntos de la Sesión 1 y un ejemplo de cada fuente de información de la Sesión 2.

Los resultados sobre los trastornos se recogen en la Sesión 1 a través de pruebas diagnósticas teniendo en cuenta los procedimientos y puntos de corte especificados para la evaluación diagnóstica de las dificultades de aprendizaje de los participantes (SLD, TDAH y TEA). El comité de expertos decide si el participante tiene discapacidades de aprendizaje o está en riesgo de tenerlas o no (ver un ejemplo de toma de decisiones en la Figura 1). Si el participante exhibe discapacidades de aprendizaje y participa en la Sesión 2, se recopilan datos de fuentes alternativas.

Durante la Sesión 2, el protocolo recopila resultados de cinco fuentes diferentes: GSR de los participantes, emociones faciales, movimientos oculares, cuestionarios y datos de registro.

En primer lugar, obtenemos una medida del GSR como una indicación de excitación emocional durante la sesión de aprendizaje (calma/emocionado)56. Las discapacidades de aprendizaje están relacionadas con la ansiedad en adultos, y varios estudios han encontrado que los estudiantes con discapacidades de aprendizaje de primer grado a la universidad reportan síntomas de ansiedad más altos, actuando como un factor en la disminución del rendimiento57,,58,,59. Sin embargo, no hay una relación uno a uno entre la comprensión y la corrección; cada caso debe ser analizado individualmente por el comité de expertos teniendo en cuenta la línea de base específica de cada participante. La Figura 2 muestra dos casos paradigmáticos que pueden mostrarnos si la regulación de la ansiedad es un punto clave para la intervención.

En segundo lugar, obtenemos un registro del rostro del participante a lo largo de la sesión que nos muestra las diferentes emociones que estaban sintiendo durante el proceso de aprendizaje para considerar la relación teórica con la metacognición y la autorregulación. Hay una variedad de software de reconocimiento de emociones faciales para recopilar esa información. En el protocolo actual, utilizamos una herramienta55,que incluye el reconocimiento de emociones, devolviendo la confianza a través de un conjunto de emociones para cada cara en el video (disgusto, miedo, ira, felicidad, desprecio, neutral, tristeza y sorpresa). Estas emociones se entienden entre cultura y universalidad comunicadas con expresiones faciales específicas60. Los participantes tendían a experimentar todas las emociones detectadas durante la sesión, pero podemos obtener un índice general para cada uno dando información sobre la tendencia general. Se cree que las emociones activas positivas como la felicidad, la sorpresa y el disfrute promueven la motivación intrínseca y extrínseca, facilitando el uso de estrategias de aprendizaje flexibles y fomentando la autorregulación. Por el contrario, la desactivación negativa de las emociones, como el aburrimiento y la tristeza, se postulan para reducir uniformemente la motivación y el procesamiento esfuerzo de la información, produciendo efectos negativos en los resultados de aprendizaje. Para la desactivación neutral y la activación negativa de las emociones, como la ira, el miedo, el desprecio y el disgusto, se presume que las relaciones son más complejas. Específicamente, la ira y el miedo pueden socavar la motivación intrínseca, pero pueden inducir una fuerte motivación extrínseca para invertir esfuerzos para evitar el fracaso, lo que significa que los efectos en el aprendizaje de los estudiantes no tienen por qué sernegativos 53 (ver Figura 3). Los resultados indican el grado de coincidencia con una de las emociones analizadas, asignando valores entre 0 y 1 a cada una de ellas.

En tercer lugar, utilizamos datos de seguimiento ocular. Los rastreadores oculares capturan la información de la mirada en términos de fijaciones y saccades (Figura 4). En el protocolo actual, estamos interesados en analizar las fijaciones, particularmente la proporción de tiempo de fijación y el patrón de fijaciones. Para ello, definimos siete áreas de interés (AOI) en la interfaz de MetaTutor para la evaluación de autorregulación (etiquetada con rectángulos en la Figura 5):Temporizador AOI1, Objetivo y Subobjetivos AOI2, Agente/avatar de AOI3 para andamios, Tabla de Contenidos AOI4, Contenido de Texto AOI5, Contenido de Imagen AOI6, Paleta de Estrategias de Aprendizaje AOI7.

En términos de evaluación de la orientación de intervención concisa, podemos inferir lo siguiente.

Las fijaciones en AOI1 denotan estrategias de gestión del tiempo y/o de gestión de recursos. Las fijaciones reducidas o masivas en AOI1 denotan habilidades de gestión del tiempo incorrectas. Debe comprobarse con prontitud.

Las fijaciones en AOI2 denotan la planificación, el establecimiento y la priorización de objetivos y subobjetivos. Estudios previos muestran que este AOI en particular, junto con el AOI7, es especialmente importante para evaluar el aprendizaje con MetaTutor61. Dado que esta información es concisa, corta y visual, la proporción de fijaciones no debe ser muy alta (Figura 6).

Las fijaciones en el agente de AOI3 muestran que el participante está aprovechando las indicaciones y comentarios que los agentes proporcionan durante la interacción en respuesta a los objetivos, comportamientos, autoevaluaciones y progreso de los participantes. Vale la pena señalar que la falta de fijaciones en el agente AOI debe ser considerado cuidadosamente, porque los estudiantes no siempre necesitan mirar a un agente para procesar sus mensajes de audio y comentarios61. Este AOI debe comprobarse ocasionalmente. Los avatares no hablan con frecuencia, por lo que debe haber un pequeño porcentaje de fijaciones en comparación con otras áreas, pero reflejaría que han establecido una interacción con el agente (Figura 6).

Las fijaciones en AOI4 y/o las transiciones entre texto e imagen/gráfico (AOI5 y AOI6) apuntan al uso de la estrategia de los participantes para coordinar las fuentes de información (COIS), asociadas con las ganancias conceptuales45. La duración de las fijaciones en textos e imágenes indica procesos de integración que contribuyen a representaciones mentales precisas de la información presentada62. Los COIS se ejecutan como una secuencia de dos transiciones entre las fijaciones oculares en el texto y las áreas de imagen/gráfico (por ejemplo, texto/gráfico/texto). AOI4 debe comprobarse con cierta frecuencia. Como la información es clara, corta y visual, la proporción de fijaciones no debe ser muy alta. La mayor proporción de fijaciones debe estar en AOI5 y AOI6. El tema debe dedicar la mayor parte de su tiempo a revisar el contenido (es decir, los textos escritos) y dedicar una cantidad notable de tiempo a las imágenes y gráficos para coordinar e integrar ambas fuentes de conocimiento (Figura 6).

Las fijaciones en AOI7 indican el uso de estrategias cognitivas (tomar notas, escribir un resumen, hacer una inferencia) y estrategias metacognitivas (activar el conocimiento previo, evaluar la relevancia del contenido, evaluar la comprensión y el conocimiento)63. Es razonable que el participante revise los recursos disponibles o las estrategias de aprendizaje con cierta frecuencia(Figura 6).

Para el análisis posterior, es necesario centrarse en los datos relacionados con los estudiantes que interactúan con MetaTutor, excluyendo las partes de la interacción durante las cuales los participantes ven los tutoriales del sistema. Los datos recopilados pueden ser ruidosos y necesita validación de expertos. La principal fuente de ruido se debe a que los participantes que miran hacia fuera de la pantalla, que el rastreador ocular interpreta como datos no válidos; en este caso, es aconsejable eliminar los segmentos correspondientes de los datos de la mirada. La Figura 6 muestra a un participante con mal funcionamiento metacognitivo y un participante con un uso adaptativo de estrategias a este nivel.

En cuarto lugar, los cuestionarios se analizan junto con el resto de la información y se punt realizan una puntuación según las instrucciones de los autores. Proporcionan datos a nivel de participante de autoestima y regulación emocional. Un nivel favorable de autoestima o estrategias de regulación emocional correctas facilita los procesos de aprendizaje64. Para ver ejemplos de interpretación (Figura 7).

Por último, todas las interacciones de los alumnos con el contenido, los agentes y el entorno de aprendizaje se registran en los registros para un análisis más detallado siguiendo el esquema de la Figura 8. Los datos de registro de MetaTutor nos proporcionan una amplia gama de posibilidades para determinar, entre otras cosas, el número de veces que los estudiantes implementaron estrategias de aprendizaje autorregulador (por ejemplo, toma de notas, resúmenes, monitoreo del progreso hacia la meta, evaluación de contenido, juicios de aprendizaje, sentimientos de conocimiento, planificación, activación previa del conocimiento, etc.), si estas estrategias eran auto o externamente generadas por el andamiaje externo, y el tiempo que cada participante pasó viendo material en MetaTutor que era relevante/irrelevante para su sub-objetivo activo actual65,,66 . La minería de patrones, la minería de procesos, las reglas de asociación y otros enfoques potenciales67,,68 proporcionarían una medida del uso de los estudiantes de monitoreo y regulación cognitiva y metacognitiva a lo largo de la sesión de aprendizaje.

Figure 1
Figura 1. Ejemplo de toma de puntos de decisión de la Sesión 1. Este caso muestra a un participante que ha tenido problemas de aprendizaje desde la infancia, principalmente en los procesos de lectura. El experto puede ver que estas discapacidades de lectura son más significativas en los procesos léxicos y sintácticos (b). Además, se observa que el participante no tiene ninguna discapacidad motora, sensorial o mental. Se observa que el participante tiene una capacidad intelectual normal y no está en riesgo en relación con el trastorno del espectro autista o TDAH(a) omisiones, comisiones y tiempo de reacción, en canales visuales y auditivos, son menores de 60, por lo que están en el rango normal). En este caso, se detectan problemas de lectura y no se observan criterios de exclusión, por lo que se considera que el participante tiene SLD debido a discapacidades de lectura. Haga clic aquí para ver una versión más grande de esta figura.

Figure 2
Figura 2. Resultados de un nivel de activación estable y un nivel de activación inestable durante la sesión de aprendizaje. Esta imagen representa los resultados de dos participantes. Participante A con niveles de activación estables y participante B con niveles de activación inestables durante la sesión de aprendizaje ya que la línea B del participante es más irregular y con muchos picos. Haga clic aquí para ver una versión más grande de esta figura.

Figure 3
Figura 3. Imagen de reconocimiento de emociones. a) Ejemplo de emoción neutral; b) Ejemplo de emoción de tristeza; y c) Ejemplo de tendencia de emoción de felicidad. En el círculo amarillo es posible ver la tendencia de la emoción. Haga clic aquí para ver una versión más grande de esta figura.

Figure 4
Figura 4. Ejemplo que muestra datos de transición entre texto y gráfico (AOI5 y AOI6) durante una sesión de aprendizaje de MetaTutor. Los círculos y las líneas representan áreas de fijación y transiciones entre áreas. Haga clic aquí para ver una versión más grande de esta figura.

Figure 5
Figura 5. Zonas de interés (AOI) de la interfaz MetaTutor para la evaluación de autorregulación: AOI1 a AOI7. Temporizador AOI1, Objetivo y Subobjetivos AOI2, Agente AOI3, Tabla de Contenidos AOI4, Contenido de Texto AOI5, Contenido de Imagen AOI 6, Paleta de Estrategias de Aprendizaje AOI7. Haga clic aquí para ver una versión más grande de esta figura.

Figure 6
Figura 6. Proporción de fijaciones en los AOIs de la interfaz MetaTutor expresadas como un porcentaje. a) Ejemplo de que un participante despliega un mal funcionamiento de la autorregulación; b) Ejemplo de un participante que implementa comportamientos de autorregulación. Proporción de fijaciones en cada área (valores entre 0 y 1). a) Datos reales de un participante que pasa más del 80% del tiempo leyendo el texto escrito (AOI5) subutiles los recursos diseñados para ayudarle a entender ese contenido (AOI6); apenas revisa el esquema de contenido para comprobar lo que ya ha aprendido y lo que queda por aprender (AOI4); descuida los objetivos de aprendizaje y los subobjetivos (AOI2) y rara vez revisa la paleta de estrategias de aprendizaje (AOI7). Además, no supervisa el tiempo asignado a la tarea (AOI1) e ignora los avatares que intentan ayudarlo (AOI3); b) Datos reales de un participante que pasa la mitad del tiempo (50% aproximadamente) leyendo el texto escrito (AOI5) y revisa con frecuencia el gráfico diseñado para ayudarle a entender el contenido (AOI6). Aunque pasa la mayor parte de su tiempo en contenido, revisa el esquema de contenido con frecuencia para comprobar lo que ha aprendido y lo que le queda por aprender (AOI4); presta atención a los objetivos y subobjetivos de aprendizaje (AOI2) para asegurarse de que los está alcanzando y va a la paleta de estrategias de aprendizaje (AOI7) cuando es necesario. Además, supervisa el tiempo sin preocuparse demasiado por ello (AOI1) y establece cierta interacción con los agentes (AOI3). Haga clic aquí para ver una versión más grande de esta figura.

Figure 7
Figura 7. Ejemplo de interpretación de los resultados de los cuestionarios. En la escala de autoestima de Rosenberg51,las puntuaciones más altas indican una autoestima más alta (mínimo 10; máximo 40). En el derecho gráfico), Cuestionario de Regulación de las Emociones52, reevaluación cognitiva (mínimo 7; máximo 42); Supresión expresiva (mínimo 4; máximo 28). Las puntuaciones más altas indican un mayor uso de estrategias de reevaluación o supresión. La reevaluación cognitiva es una forma de cambio a nivel cognitivo que ayuda a interpretar una situación que provoca emociones de otra manera, cambiando así su impacto emocional (el uso de estrategias de reevaluación ayuda a pensar en situaciones negativas y en alguna interpretación alternativa para resolverlas). La supresión expresiva es una forma de modulación de respuesta que implica inhibir el comportamiento expresivo de las emociones en curso (los usuarios recurrentes de estrategias de supresión deben tener menos comprensión de sus estados de ánimo, verlos menos favorablemente y manejarlos con menos éxito). Haga clic aquí para ver una versión más grande de esta figura.

Figure 8
Figura 8. Procesamiento de datos de registro. Esta imagen representa la administración de datos de registro. El sistema recopila los datos de interacción sin procesar entre el estudiante y MetaTutor, luego realiza el preprocesamiento de datos para aplicar posteriormente Las técnicas de Análisis de Aprendizaje y/o Minería de Datos para descubrir, analizar o visualizar el proceso de aprendizaje completo. Haga clic aquí para ver una versión más grande de esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

El protocolo actual propone una evaluación multimodal centrada en procesos metacognitivos, autorreguladores y emocionales, que conforman la base de las dificultades en adultos con LDs.

La sesión 1 es esencial porque está destinada a ser una evaluación diagnóstica de las discapacidades de aprendizaje del participante. Tenga en cuenta que esta sesión aquí es llevada a cabo por terapeutas con experiencia en el diagnóstico de dificultades de desarrollo y aprendizaje en el contexto de investigación y clínica. Utilizamos estas herramientas en España, por lo que investigadores de otros países deben seleccionar pruebas adaptadas a su población. La importancia del método con respecto a los métodos existentes es que muchas de las escalas para el TDAH, los SLD y el TEA fueron diseñados para su uso en niños, siendo las pruebas neuropsicológicas y la neuroimagen la mejor, pero menos realista, alternativa a esta escasez de instrumentos24. Además, todas las discapacidades antes mencionadas generalmente se evalúan a través de sus síntomas específicos de forma aislada, sin tener en cuenta los puntos en común conocidos que se encuentran en los LD, como el metacognitivo, la autorregulación y el mal funcionamiento emocional. En cualquier caso, la mayor parte del conocimiento sobre la metacognición, la autorregulación y las emociones se basa en datos autoinformados a edades tempranas o adultas. Sin embargo, los autoinformes de cualquier tipo son vulnerables a varios tipos de sesgos69 y varias veces no se han encontrado correlaciones entre datos fisiológicos y autoinformados en las muestras de DA70.

Por esta razón, la sesión 2 del protocolo es crítica. Se centra en los procesos centrales del aprendizaje (metacognitivo, autorregulación y comportamiento emocional), la importancia del método en comparación con los métodos alternativos es que es una evaluación multimodal del proceso de aprendizaje del participante que proporciona datos de rastreo multicanal. La herramienta que hace posible la integración de todas esas fuentes de información es MetaTutor43,una herramienta metacognitiva basada en tecnología de aprendizaje avanzado y una de las líneas de investigación más conocidas y representativas de la llamada tercera onda de medición de autorregulación33.

En cuanto a las respuestas galvánicas de la piel, la mayoría de los estudios psicofisiológicos de temas de LD se han centrado en uno de los tres temas relacionados: excitación, orientación y atención. En este protocolo, la excitación proporciona un marco único para entender la emoción y la cognición que no pueden ser proporcionados por medidas estáticas como los autoinunciados71. Con las expresiones faciales, investigaciones anteriores han indicado que las emociones académicas están significativamente relacionadas con la motivación de los estudiantes, las estrategias de aprendizaje, los recursos cognitivos, la autorregulación y el logro académico72. Cuando se trata de movimientos oculares, sabemos el valor de los datos de la mirada en la predicción del aprendizaje de los estudiantes durante la interacción con MetaTutor61 y múltiples investigadores han sugerido que la duración de las fijaciones indican un procesamiento cognitivo más profundo durante el aprendizaje73. Los cuestionarios proporcionan información complementaria sobre el rendimiento de los participantes durante la sesión de aprendizaje en MetaTutor, sus percepciones de sí mismos como estudiantes y su comportamiento cuando aprenden. Por último, los datos de registro son una fuente adicional de información sobre los procesos de autorregulación de los participantes. Después de la recopilación de datos sin procesar y preprocesamiento de datos, las técnicas emergentes de Análisis de Aprendizaje y Minería de Datos Educativos nos permiten descubrir, analizar y visualizar, o decirlo de otra manera, sumergirnos en el proceso de aprendizaje74,,75,,76.

Esta metodología mixta proporciona evidencia de la implementación de procesos objetivo antes, durante y después del aprendizaje que se pueden triangular para mejorar nuestra comprensión de cómo los adultos con LD aprenden y dónde se encuentran los problemas.

Esta propuesta es un protocolo, que significa un procedimiento y un sistema de instrumentos, por lo que es aconsejable recordar que las medidas propuestas no tienen el mismo valor de forma aislada que cuando forman parte del conjunto, y en ella reside el interés en esta propuesta. El objetivo es converger esos flujos de datos, para entender cómo los adultos con LDs monitorean y controlan sus procesos cognitivos, metacognitivos y afectivos durante el aprendizaje.

Aunque este protocolo es una caja de herramientas eficaz para el cribado y diagnóstico por parte del psicólogo practicante, no está exento de limitaciones. El diagnóstico de LD para adultos es particularmente difícil. La educación y la experiencia permiten a muchos adultos compensar sus déficits y estos adultos posteriormente muestran características individuales en las pruebas24. Como indican los resultados, es difícil proporcionar puntos de corte precisos de algunas de las fuentes de datos (por ejemplo, GSR, datos de registro, etc.) como regla general en la población objetivo.

Otro desafío, más que la limitación, es la complejidad en el tratamiento de los datos complejos, ruidosos y desordenados resultantes, que necesita la participación de expertos de diferentes ámbitos como psicólogos, fisiólogos, informáticos y científicos educativos, etc. Como han señalado recientemente Azevedo y Gaéviá77, necesitamos integrar un complejo mosaico de modelos teóricos y marcos de las ciencias psicológicas, educativas, educativas y computacionales. Además de esto, los errores de instrumentación, la validez interna y externa, la validez ecológica frente al rigor experimental, los canales de datos convergentes y las inferencias sobre los datos del proceso son sólo algunas de las cuestiones metodológicas que resultan de la recopilación de datos multicanal multimodales que los investigadores deben abordar77,,78.

No obstante, la dirección futura de esta metodología supera el objetivo de la evaluación, actualmente la posibilidad está abierta a utilizar datos multicanal multimodales en tiempo real para diseñar intervenciones preventivas basadas en Entornos de Aprendizaje Adaptativo Hypermedia79 o proporcionar a los estudiantes andamios en tiempo real, inteligentes y adaptables (modelar estrategias cognitivas, regular la metaconticación a través de un agente artificial, incitar a la regulación de las emociones, introducir herramientas de visualización para descubrir procesos ocultos, etc.) 77,80.

Por último, los LD deben ser rastreados a lo largo de su vida; el curso longitudinal de los SLD, el TDAH y el TEA y sus secuelas a largo plazo apenas están empezando a explorarse21. Esperamos que el uso generalizado de esta directriz teóricamente impulsada y empíricamente ayude a identificar a la población de adultos con LD y a estimular una comprensión más profunda de estos trastornos con el fin de diseñar acciones eficaces de prevención e intervención.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores no tienen nada que revelar.

Acknowledgments

Este manuscrito fue apoyado por la financiación de la Fundación Nacional de Ciencias (DRL-1660878, DRL-1661202, DUE-1761178, DRL-1916417), el Consejo de Investigación de Ciencias Sociales y Humanidades de Canadá (SSHRC 895-2011-1006), el Ministerio de Ciencias e Innovación I+D+i (PID2019-107201GB-100), y la Unión Europea a través de los Fondos Europeos de Desarrollo Regional (FEDER) y el Principado de Asturias (FC-GRUPIN-IDI/2018/000199). Todas las opiniones, hallazgos, conclusiones o recomendaciones expresadas en este material son las del autor o autores y no reflejan necesariamente las opiniones de la Fundación Nacional de Ciencias o del Consejo de Investigación de Ciencias Sociales y Humanidades de Canadá. Los autores también desean agradecer a los miembros del SMART Lab de LA UCF por su asistencia y contribuciones.

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

Comportamiento Número 163 Discapacidades de Aprendizaje metacognición autorregulación evaluación multimodal edad adulta MetaTutor
Protocolo multimodal para evaluar la metacognición y la autorregulación en adultos con dificultades de aprendizaje
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