|
Mayo - agosto
2025 - Volumen 7 - No. 20 |
|
|
ISSN: 2708 –
7794 |
|
|
ISSN-L: 2708 -
7794 |
|
|
Pp 3 - 13 |
|
|
|
Autorregulación del Aprendizaje en Estudiantes de Educación Tecnológica
Self-Regulation
of Learning in Technological Education Students
|
Sheyla Marjorie Jácome León Sheyla.jacome@upacifico.edu.ec https://orcid.org/0000-0002-2163-9036 Universidad de Pacífico, Guayaquil, Ecuador |
Rommel Alexander Enriquez Avila r.enriquez@istcge.edu.ec https://orcid.org/0009-0005-9409-4531 Universidad de Pacífico, Guayaquil, Ecuador |
https://doi.org/10.37260/merito.i7n20.1
Recibido: 18 de noviembre 2024 | Arbitrado: 08 de enero 2025 | Aceptado:
20 de febrero 2025 | Publicado: 15 de mayo 2025
Resumen
El objetivo del
estudio fue analizar la autorregulación del aprendizaje en estudiantes de
educación tecnológica superior, utilizando el Cuestionario de Autorregulación
del Aprendizaje (CAR) de Pichardo et al. (2014), basado en el modelo cíclico de
Zimmerman (2000), que contempla tres fases: planificación, ejecución y
autorreflexión. Se adoptó un enfoque cuantitativo con diseño preexperimental,
aplicando el instrumento a 70 estudiantes de la carrera de emergencias médicas.
Los datos, recopilados mediante Google Forms, se
analizaron con medidas de tendencia central y dispersión. Los resultados
muestran un nivel moderado a alto de autorregulación (M = 56.4, DE = 8.67),
aunque el 25.7 % de los estudiantes obtuvo puntajes bajos, evidenciando
dificultades en la toma de decisiones y el aprendizaje de los errores. Las
dimensiones más altas fueron “Metas” y “Perseverancia”, mientras que “Toma de
decisiones” mostró mayor variabilidad. Se concluye que es necesario fortalecer
estrategias metacognitivas y autorregulatorias en la formación tecnológica.
Palabras
claves: Aprendizaje; Autorregulación; Aprendizaje
autorregulado; Formación; Educación tecnológica
Abstract
This study examines learning
self-regulation in higher technological education students through the Learning Self-Regulation
Questionnaire (CAR) by
Pichardo et al. (2014), grounded in Zimmerman’s (2000) cyclical model, which involves
planning, performance, and self-reflection
phases. A quantitative approach with a pre-experimental design was employed, involving
70 students from the emergency medical technician program. Data were collected via Google Forms and analyzed using measures of central tendency and dispersion. Findings indicate a moderate to high
level of self-regulation (M = 56.4, SD = 8.67); however,
25.7% of students scored low, reflecting
challenges in decision-making
and learning from mistakes. The highest-performing
dimensions were “Goals” and “Perseverance,” whereas “Decision-making” showed the greatest
variability. These results highlight the need to
strengthen metacognitive and self-regulatory
strategies within technological education.
Keywords: Learning; Self-regulatio;
Self-regulated learning;
Training; Technological education
INTRODUCCIÓN
La
autorregulación del aprendizaje constituye un proceso esencial para el éxito
académico, pues permite a los estudiantes gestionar de manera autónoma y
eficiente su propio aprendizaje (Zimmerman, 2002). Este concepto se encuentra
estrechamente vinculado con la metacognición, definida por Flavell (1979) como
la capacidad de reflexionar sobre los propios procesos cognitivos y regularlos
con el fin de optimizar el rendimiento académico. En este sentido, la teoría
del aprendizaje autorregulado de Zimmerman (2000) resalta la importancia de la
planificación, la ejecución y la autoevaluación como componentes fundamentales
de dicho proceso.
Diversos
estudios exponen que los estudiantes con habilidades avanzadas de
autorregulación logran desempeños académicos superiores, ya que pueden
establecer metas claras, monitorear su progreso y ajustar estrategias según las
necesidades específicas del aprendizaje (Pichardo et al., 2014; Pintrich, 2000). En el contexto de la educación
tecnológica, la autorregulación adquiere una relevancia particular debido a la
elevada demanda de autonomía y gestión eficaz del tiempo. Por ello, el presente
estudio tiene como objetivo analizar los niveles de autorregulación del
aprendizaje en estudiantes de educación tecnológica mediante la aplicación del
Cuestionario de Autorregulación del Aprendizaje (CAR) y evaluar sus
implicaciones en el rendimiento académico.
La justificación
teórica de la autorregulación del aprendizaje se fundamenta en diversas teorías
del aprendizaje, tales como la teoría del procesamiento de la información (Craik & Lockhart, 1972) y la teoría de la carga
cognitiva (Sweller, 1988), las cuales postulan que el
conocimiento no se adquiere de forma pasiva, sino que se construye activamente
a partir de las experiencias y las interacciones con el entorno. En esta línea,
Zimmerman (2002) define la autorregulación como el proceso mediante el cual las
personas gestionan de manera efectiva sus pensamientos, emociones y acciones
con el propósito de alcanzar objetivos establecidos, promoviendo así su
desarrollo social y cognitivo. Por su parte, Pichardo et al. (2014) destacan
que la autorregulación en el ámbito académico es un factor determinante del
éxito estudiantil, ya que permite a los estudiantes monitorear y ajustar sus
estrategias de estudio para alcanzar sus metas. Pintrich
(2000) enfatiza que este es un proceso dinámico con implicaciones tanto cognitivas
como motivacionales, incluyendo aspectos fundamentales como la cognición, la
motivación, el comportamiento y el contexto.
En este marco,
la metacognición emerge como un factor clave que influye directamente en la
toma de decisiones de los estudiantes. Flavell (1979) la define como la
capacidad de reflexionar sobre el propio aprendizaje y desarrollar estrategias
para optimizarlo. Schraw y Moshman
(1995) distinguen dos componentes dentro de la metacognición: el conocimiento
metacognitivo, que implica la conciencia sobre los propios procesos cognitivos,
y la regulación metacognitiva, que engloba las estrategias utilizadas para ajustar
el aprendizaje. En cuanto al rendimiento académico, Bjork
et al. (2013) sostienen que los estudiantes con mayores habilidades
metacognitivas identifican con mayor precisión sus fortalezas y debilidades,
ajustando sus métodos de estudio para mejorar su desempeño. De manera similar, Dignath y Veenman (2021) afirman
que el entrenamiento metacognitivo potencia los procesos de autorregulación y,
en consecuencia, el éxito académico en diversas etapas del desarrollo
educativo.
En el contexto
de la educación superior, la metacognición y la autorregulación desempeñan un
papel fundamental en la adaptación de los estudiantes a las demandas académicas
contemporáneas, caracterizadas por su dinamismo y exigencia. Los estudiantes
con mayor autoeficacia tienden a establecer metas más ambiciosas y a enfrentar
los desafíos académicos con mayor resiliencia (Dignath
& Veenman, 2021). Bandura (1997) define la
autoeficacia como la capacidad de organizar y ejecutar acciones dirigidas al
logro de objetivos, lo que conlleva a los estudiantes a fijar metas desafiantes
y a perseverar ante las dificultades. Esto se encuentra estrechamente
relacionado con la autorregulación, una habilidad que, a pesar de su
importancia, no siempre es fomentada en los entornos educativos. Su desarrollo
no solo contribuye al éxito académico, sino que también favorece la
satisfacción personal, la superación individual y una experiencia educativa
enriquecedora (Honicke & Broadbent, 2016).
En el ámbito de
la educación tecnológica superior, la autorregulación del aprendizaje permite a
los estudiantes gestionar eficazmente su proceso formativo, lo que resulta
crucial en un entorno académico que exige un alto grado de autonomía. A través
de la autorregulación, los estudiantes pueden establecer objetivos claros,
monitorear su progreso y ajustar sus estrategias de aprendizaje de manera
proactiva para enfrentar los desafíos académicos (Zimmerman, 2002). Este
concepto encuentra sustento en la teoría del aprendizaje social de Bandura
(1986), quien resalta la importancia de la autoeficacia, la motivación y la
interacción entre factores personales y ambientales.
Uno de los
modelos más influyentes en la comprensión de la autorregulación es el modelo
cíclico de Zimmerman, el cual enfatiza la planificación, la ejecución y la
autorreflexión como elementos clave del proceso de aprendizaje autorregulado
(Zimmerman, 2000). Dicho modelo proporciona un marco teórico sólido para
comprender cómo los estudiantes pueden asumir el control de su aprendizaje.
Esta capacidad resulta especialmente relevante en la educación superior, donde
los estudiantes deben adaptarse a múltiples demandas académicas y gestionar sus
tareas de manera autónoma (Schunk & Zimmerman,
2007).
Autorregulación
del Aprendizaje en Educación Tecnológica
Una de las
teorías más influyentes en la comprensión de la autorregulación del aprendizaje
es el modelo cíclico propuesto por Zimmerman (2000), el cual describe este
proceso como una secuencia continua de tres fases interdependientes:
planificación, ejecución y autorreflexión. Este modelo enfatiza la capacidad
del estudiante para dirigir de manera proactiva su aprendizaje, estableciendo
metas, implementando estrategias y evaluando sus resultados de forma crítica.
En el contexto de la educación superior, esta capacidad se vuelve especialmente
crucial, dado que los estudiantes deben responder a múltiples exigencias
académicas, gestionar su tiempo de forma autónoma y desarrollar habilidades
metacognitivas que les permitan adaptarse a escenarios de alta complejidad (Schunk & Zimmerman, 2007).
En concordancia
con lo anterior, la promoción de la autorregulación del aprendizaje constituye
un objetivo prioritario en todos los niveles del sistema educativo, debido a su
comprobada incidencia en el rendimiento académico y en la formación de aprendices
autónomos y críticos. No obstante, las estrategias pedagógicas orientadas al
fortalecimiento de esta competencia no siempre logran los resultados esperados,
particularmente en contextos vulnerables. Esta situación se ha agravado en la
etapa pospandemia, donde las brechas educativas se
han acentuado, afectando de manera desproporcionada a estudiantes que provienen
de sectores socioeconómicamente desfavorecidos. Dichos estudiantes han
enfrentado múltiples obstáculos, entre ellos el limitado acceso a recursos
tecnológicos, la falta de acompañamiento académico y condiciones inadecuadas
para el estudio en el hogar, lo cual ha dificultado el desarrollo de
habilidades autorregulatorias (Zambrano & Yaguarema,
2021).
Ante esto, el
presente estudio se propone analizar las fortalezas y debilidades en la
autorregulación del aprendizaje de los estudiantes del área de emergencias
médicas, pertenecientes a una institución de educación tecnológica. El objetivo
es identificar dificultades académicas recurrentes y contribuir a la mejora de
las prácticas docentes mediante el diseño de intervenciones pedagógicas más
eficaces y contextualizadas. Para ello, se aplica el Cuestionario de
Autorregulación del Aprendizaje (CAR) desarrollado por Pichardo et al. (2014),
instrumento validado que permite medir distintos niveles de autorregulación en
contextos educativos. El análisis se realizará a la luz del modelo cíclico de
Zimmerman, a fin de comprender la incidencia de cada fase del proceso
autorregulatorio en el desempeño académico de los estudiantes.
El
Modelo Cíclico de Zimmerman como Marco Conceptual
El modelo
cíclico de autorregulación del aprendizaje propuesto por Zimmerman (2000)
constituye uno de los referentes teóricos más robustos y ampliamente aceptados
en el campo de la psicología educativa. Su enfoque integrador permite
comprender de manera holística las dimensiones cognitivas, motivacionales y
conductuales que intervienen en la autorregulación del aprendizaje. Este modelo
se estructura en tres fases dinámicas e interdependientes: la fase de
planificación, la fase de ejecución y la fase de autorreflexión.
Durante la fase
de planificación, los estudiantes formulan metas específicas, eligen
estrategias apropiadas y anticipan los resultados esperados. En la fase de
ejecución, implementan dichas estrategias, monitorean su desempeño y regulan su
motivación y atención. Finalmente, en la fase de autorreflexión, evalúan los
resultados obtenidos, emiten juicios sobre su eficacia y ajustan sus
estrategias y creencias de autoeficacia para futuras tareas (Zimmerman, 2000;
Zimmerman & Moylan, 2009).
Este marco
teórico resulta especialmente pertinente en la educación tecnológica, donde los
estudiantes enfrentan demandas cognitivas complejas, escenarios de aprendizaje
autónomo y contextos prácticos que requieren un alto grado de autorregulación.
En el presente estudio, se hará énfasis en la fase de planificación, con
especial atención a la formulación de metas y la selección estratégica de
recursos, utilizando como instrumento de medición el Cuestionario de
Autorregulación del Aprendizaje (CAR) (Pichardo et al., 2014). El objetivo es
fomentar en los estudiantes la capacidad de establecer objetivos realistas y
significativos, alineados con sus intereses, habilidades y contextos
específicos de formación profesional.
Procesos
Metacognitivos y su Impacto en el Aprendizaje
La
metacognición, entendida como la capacidad de reflexionar, regular y supervisar
los propios procesos cognitivos, desempeña un rol fundamental en el aprendizaje
autorregulado. Flavell (1979), pionero en el estudio de la metacognición,
distingue entre dos componentes esenciales: el conocimiento metacognitivo
(conciencia sobre el propio pensamiento) y la regulación metacognitiva
(habilidades para planificar, supervisar y evaluar el desempeño cognitivo).
Schraw y Moshman (1995) amplían esta
conceptualización al señalar que la regulación metacognitiva incluye tres
procesos esenciales: planificación de estrategias, monitoreo del progreso y
evaluación de los resultados. Estos procesos permiten al estudiante tomar
decisiones conscientes respecto a qué, cómo y cuándo aprender, favoreciendo así
una gestión más eficiente de su desempeño académico.
En el ámbito de
la educación tecnológica, caracterizado por su enfoque práctico y orientado a
la solución de problemas, el desarrollo de habilidades metacognitivas se torna
indispensable. Dignath y Veenman
(2021) afirman que los estudiantes que aplican estrategias metacognitivas
muestran una mayor capacidad para adaptarse a entornos dinámicos y tomar
decisiones críticas de manera autónoma. De igual manera, Bjork,
Dunlosky y Kornell (2013)
sostienen que los estudiantes metacognitivamente
competentes no solo logran identificar sus propias fortalezas y debilidades,
sino que también seleccionan estrategias más eficaces y ajustan su
planificación conforme a los resultados obtenidos, lo que conlleva una mejora
sustancial del rendimiento académico.
Autoeficacia
y su Relación con la Autorregulación
La autoeficacia,
definida por Bandura (1997) como la creencia en la capacidad personal para
ejecutar acciones requeridas para lograr un objetivo, constituye un
determinante central en el proceso de autorregulación del aprendizaje. Esta
creencia influye directamente en la selección de metas, el grado de esfuerzo
invertido, la persistencia ante las dificultades y la interpretación de los
resultados obtenidos (Pajares, 2008).
Estudios
recientes reafirman esta relación. Schunk y DiBenedetto (2019) señalan que los estudiantes con altos
niveles de autoeficacia académica tienden a adoptar metas más ambiciosas,
utilizar estrategias cognitivas más elaboradas y mostrar mayor motivación
intrínseca. En contextos educativos exigentes, como los programas tecnológicos,
donde se requiere tanto autonomía como precisión técnica, la autoeficacia se
erige como un predictor del éxito académico.
Honicke y Broadbent (2016), en una revisión meta-analítica, demostraron que la
autoeficacia está positivamente correlacionada con el uso de estrategias de
aprendizaje profundo, el automonitoreo y la evaluación
reflexiva, lo cual se traduce en una autorregulación más eficaz y en mejoras
sostenidas en el desempeño académico. Zimmerman (2002) argumenta que la
autoeficacia actúa como un motor interno que impulsa la autorregulación,
fortaleciendo la resiliencia académica y la disposición a enfrentar desafíos de
aprendizaje.
Intervenciones
Educativas Basadas en la Autorregulación
El desarrollo de
programas e intervenciones pedagógicas sustentadas en el modelo cíclico de
Zimmerman ha demostrado ser una estrategia eficaz para promover la
autorregulación del aprendizaje en estudiantes de educación superior. Según Schunk y DiBenedetto (2019),
estas intervenciones no solo mejoran la autoeficacia, sino que también
incrementan el rendimiento académico y la motivación del estudiante. Entre las
estrategias más eficaces destacan la autoevaluación estructurada, la reflexión
guiada y el establecimiento de metas específicas y medibles.
En el contexto
del presente estudio, la implementación del Cuestionario de Autorregulación del
Aprendizaje (CAR) permitirá identificar con precisión los aspectos del proceso
autorregulatorio que requieren fortalecimiento. Esta herramienta diagnóstica
posibilitará el diseño de estrategias docentes adaptadas a las necesidades
particulares de los estudiantes del área de emergencias médicas, promoviendo
así un aprendizaje más autónomo y eficaz.
Asimismo, se
propone el uso de técnicas como el automonitoreo, el
registro de avances, la revisión periódica de metas y la retroalimentación
formativa son fundamentales para el fortalecimiento de la autorregulación
(Zimmerman, 2000). Estas estrategias no solo optimizan el rendimiento
académico, sino que además fomentan la motivación intrínseca, al permitir que
los estudiantes perciban un vínculo directo entre su esfuerzo y sus logros. En
consecuencia, la percepción de control y autonomía sobre el propio proceso de
aprendizaje se incrementa, lo que favorece la persistencia, el compromiso y la
resiliencia frente a los desafíos académicos (Honicke
& Broadbent, 2016).
Cuestionario
de Autorregulación del Aprendizaje (CAR)
El Cuestionario
de Autorregulación del Aprendizaje (CAR), diseñado y validado por Pichardo et
al. (2014), constituye un instrumento psicométricamente confiable para la
evaluación del grado de autorregulación en contextos educativos. Este
cuestionario se organiza en torno a cuatro dimensiones clave:
Metas (ítems
1–6): evalúa la capacidad del estudiante para formular y planificar objetivos
concretos;
Perseverancia
(ítems 7–9): analiza la persistencia y el compromiso frente a las metas
establecidas;
Toma de
decisiones (ítems 10–14): examina la capacidad del estudiante para seleccionar
estrategias adecuadas en función de los desafíos del aprendizaje;
Aprendizaje de
los errores (ítems 15–17): mide la habilidad para reflexionar sobre el propio
desempeño y modificar estrategias en función de experiencias previas.
El uso de este
instrumento permite no solo identificar áreas críticas que requieren
intervención, sino también establecer una línea base sobre la cual se puedan
diseñar propuestas pedagógicas diferenciadas. En el marco de la educación
tecnológica, esta evaluación cobra especial relevancia, ya que permite detectar
con mayor precisión los obstáculos que limitan el desarrollo de competencias
autorregulatorias esenciales para el desempeño profesional futuro.
Promover la
autorregulación en estudiantes de formación técnica no solo contribuye a
mejorar su rendimiento académico inmediato, sino que también sienta las bases
para una práctica profesional autónoma, reflexiva y ética, consolidando así un
aprendizaje significativo, transferible y sostenible a lo largo del tiempo.
MÉTODO
Diseño
Se aplicó un
diseño metodológico de tipo preexperimental, con enfoque cuantitativo y nivel
descriptivo. El instrumento utilizado fue el Cuestionario de Autorregulación
del Aprendizaje (CAR) en su versión abreviada en español, validado por Pichardo
et al. (2014), compuesto por 17 ítems distribuidos en una escala de tipo Likert
de cinco niveles (1 = nada; 2 = poco; 3 = regular; 4 = bastante; 5 = mucho). La
encuesta fue administrada mediante la plataforma Google Forms,
sin aleatorización, en una única toma y a un grupo general.
Participantes
La muestra del
estudio estuvo conformada por 70 estudiantes de nivel superior tecnológico, con
edades comprendidas entre los 18 y 25 años, pertenecientes a los niveles
segundo y tercer semestre de la carrera de Emergencias Médicas del Instituto
Superior Tecnológico Consulting Group
Ecuador Esculapio. Del total de participantes, el 58,6% se identificaron como
hombres y el 51,4% como mujeres. La recolección de datos se realizó al
finalizar el ciclo académico, luego de que los estudiantes hubieran cursado
asignaturas teóricas, prácticas y actividades socioformativas durante un
periodo continuo de cuatro meses.
Procedimiento
El procedimiento
inició con una sesión de sensibilización de diez minutos sobre los fundamentos
teóricos de la autorregulación del aprendizaje, desarrollada en un ambiente
controlado libre de distractores. A continuación, se proporcionaron
instrucciones claras a los participantes, enfatizando que la actividad no
tendría incidencia en sus calificaciones y que debían responder con sinceridad
en función de su experiencia a lo largo del ciclo académico.
El proceso
contempló dos instrumentos. El primero, un cuestionario de 10 preguntas
destinadas a recoger datos sociodemográficos y actividades extrínsecas, como
empleo, práctica deportiva o responsabilidades familiares, con el objetivo de
identificar factores motivacionales externos. El segundo instrumento fue el
CAR, el cual evaluó aspectos clave de la autorregulación mediante 17 ítems
distribuidos en cuatro dimensiones. Los participantes dispusieron de 10 minutos
para completar ambos formularios, utilizando sus dispositivos móviles
conectados a la red institucional con acceso restringido.
Análisis
de Resultados
Para el
tratamiento de los datos, se aplicaron estadísticas descriptivas: medidas de
tendencia central, dispersión, percentiles y frecuencias, a fin de caracterizar
los niveles de autorregulación presentes en la muestra. Inicialmente, se
asignaron valores numéricos a las respuestas del CAR según la escala de Likert.
Posteriormente, se excluyeron cuatro encuestas por exceder el tiempo límite de
respuesta, lo que dejó un total de 70 respuestas válidas para el análisis.
Los ítems con
puntuación inversa fueron recodificados mediante transformación matemática (1⇄5,
2⇄4, 3 permanece igual). A partir de ello, se calcularon los puntajes
individuales de las cuatro subescalas: Metas, Perseverancia, Toma de Decisiones
y Aprendizaje de los Errores. Finalmente, se determinó el índice global de
autorregulación sumando los puntajes de todas las
subdimensiones.
Tendencias
Generales
El puntaje total
de autorregulación osciló entre 37 y 74 puntos, con una media de 56,4 y una
desviación estándar de 8,67. Este resultado evidencia que la mayoría de los
participantes se sitúan en un nivel moderado a alto de autorregulación, aunque
se identificaron casos con puntuaciones significativamente bajas.
Análisis
por Dimensiones
Metas (M): Media
de 20,14 sobre un máximo de 30, con desviación estándar de 3,21. Esto refleja
una capacidad general adecuada para establecer objetivos, aunque algunos
estudiantes evidencian dificultades en la planificación estratégica.
Perseverancia
(P): Media de 10,08 sobre 15, con DE = 2,05, lo cual indica niveles aceptables
de constancia y compromiso en la consecución de metas académicas.
Toma de
Decisiones (TD): Esta dimensión presentó mayor
dispersión, con puntuaciones que oscilaron entre 5 y 24 (media = 15,77; DE =
4,13), lo que revela variabilidad significativa en la capacidad para tomar
decisiones eficaces relacionadas con el aprendizaje.
Aprendizaje de
los Errores (AR): Media de 10,4 sobre 15, con valores entre 4 y 15, lo cual
sugiere que, aunque muchos estudiantes reflexionan adecuadamente sobre sus
errores, persisten deficiencias en algunos casos.
Identificación
de Niveles Bajos de Autorregulación
Se estableció un
punto de corte en el percentil 25 (puntaje ≤ 50,25) para identificar a los
estudiantes con baja autorregulación. Con base en este criterio, se determinó
que 18 de los 70 participantes (25,7%) se ubicaron por debajo del umbral, lo
que representa una proporción considerable (uno de cada cuatro) de estudiantes
con limitaciones significativas en sus competencias autorregulatorias.
Tabla
1. Estadísticas descriptivas del puntaje total de
autorregulación (CAR)
|
Estadístico |
Valor |
|
N |
70 |
|
Mínimo |
37 |
|
Máximo |
74 |
|
Media
(M) |
56.40 |
|
Desviación
estándar (DE) |
8.67 |
Tabla
2. Medias y desviaciones estándar por subescala del
Cuestionario de Autorregulación del Aprendizaje (CAR)
|
Subescala |
M (Máx.) |
DE |
|
Metas |
20.14
(30) |
3.21 |
|
Perseverancia |
10.08 (15) |
2.05 |
|
Toma
de decisiones |
15.77
(25) |
4.13 |
|
Aprendizaje
de errores |
10.40 (15) |
2.62 |
Tabla
3. Distribución de estudiantes según nivel de autoregulación
|
Nivel
de autorregulación |
Frecuencia
(n) |
Porcentaje
(%) |
|
Bajo
(< p25) |
18 |
25.7
% |
|
Moderado
- Alto (≥ p25) |
52 |
74.3 % |
|
Total |
70 |
100
% |
Discusión
Los resultados
obtenidos mediante la aplicación del Cuestionario de Autorregulación del
Aprendizaje (CAR) evidencian patrones significativos en el nivel de
autorregulación de los estudiantes de la carrera de Emergencias Médicas. En
términos generales, la mayoría de los participantes se ubicó en niveles
moderados a altos de autorregulación (M = 56,4; DE = 8,67), lo que indica una
tendencia favorable en el manejo autónomo del proceso de aprendizaje. No
obstante, un 25,7 % de la muestra obtuvo puntajes bajos, lo cual revela que una
proporción considerable de estudiantes presenta dificultades en el control,
monitoreo y ajuste de sus estrategias de aprendizaje. Esta variabilidad
concuerda con los planteamientos de Zimmerman (2002), quien sostiene que la
autorregulación no es una competencia homogénea, sino que fluctúa según
factores individuales como la motivación, la autoeficacia y las habilidades
metacognitivas.
Al analizar las
dimensiones específicas del CAR, se destaca que la subescala “Metas” obtuvo el
mejor desempeño (M = 20,14; DE = 3,21), lo cual refleja una adecuada capacidad
de los estudiantes para formular objetivos académicos y planificar sus
actividades. Este hallazgo es coherente con la primera fase del modelo cíclico
de Zimmerman (2000), la planificación, la cual se considera fundamental para el
inicio de un aprendizaje autorregulado, pues permite anticipar estrategias,
organizar recursos y clarificar propósitos. Schraw y Moshman (1995) enfatizan que la planificación efectiva
incide positivamente en la autorregulación, ya que proporciona dirección y
estructura al proceso de aprendizaje.
Por el
contrario, la dimensión “Toma de decisiones” mostró una alta dispersión (rango:
5 a 24 puntos; M = 15,77; DE = 4,13), evidenciando una mayor variabilidad en
esta competencia. Algunos estudiantes presentan dificultades al seleccionar
estrategias adecuadas para afrontar tareas académicas o resolver problemas
durante su proceso formativo. Este hallazgo es particularmente relevante, ya
que la toma de decisiones se vincula con la fase de ejecución del modelo de
Zimmerman (2000), donde los estudiantes deben implementar y adaptar las
estrategias elegidas. Investigaciones previas (Dignath
& Veenman, 2021) han señalado que las debilidades
en esta fase pueden comprometer la eficacia del aprendizaje, especialmente en
contextos tecnológicos que exigen autonomía, juicio crítico y resolución de
problemas.
En cuanto a la
subescala “Perseverancia” (M = 10,08; DE = 2,05), los datos indican un nivel
aceptable de constancia frente a las tareas, con baja dispersión, lo cual
sugiere una relativa homogeneidad en esta competencia. Duckworth y Seligman
(2005) destacan que la perseverancia es un predictor significativo del éxito
académico, ya que implica mantener el esfuerzo y la motivación a pesar de las
dificultades o distracciones. Esta habilidad se relaciona estrechamente con el
componente emocional de la autorregulación, el cual permite sostener el
compromiso académico en escenarios de alta exigencia.
La dimensión
“Aprendizaje de los errores” también arrojó resultados relevantes (M = 10,40;
DE = 2,62), revelando que la mayoría de los estudiantes posee una disposición
favorable hacia la reflexión crítica sobre sus fallos, aunque persisten algunas
debilidades. Panadero (2017) sostiene que el aprendizaje autorregulado implica
una autorreflexión constante, no solo individual sino también en contextos
colaborativos, donde los errores se convierten en oportunidades para el
aprendizaje compartido y la mejora continua. Esta dimensión es clave en la fase
de autorreflexión del modelo de Zimmerman (2000), en la que los estudiantes
evalúan su desempeño y ajustan sus creencias y estrategias para futuras
situaciones académicas.
En conjunto, los
hallazgos subrayan la necesidad de diseñar e implementar estrategias
pedagógicas que fortalezcan las competencias de planificación y toma de
decisiones en los estudiantes con bajos niveles de autorregulación. La
presencia de un grupo significativo con dificultades autorregulatorias
justifica la adopción de programas de intervención que no solo estén dirigidos
a los estudiantes, sino también a los docentes, en tanto agentes formativos
responsables de crear ambientes que promuevan la autonomía, la metacognición y
el aprendizaje estratégico (Schunk & DiBenedetto, 2019). La formación docente en estrategias de
autorregulación es esencial para fomentar prácticas educativas que estimulen el
aprendizaje autónomo, crítico y reflexivo.
En definitiva,
los datos obtenidos en este estudio son coherentes con investigaciones previas
que resaltan la relación positiva entre la autorregulación y el rendimiento
académico (Pintrich, 2000; Honicke
& Broadbent, 2016). Se confirma que los estudiantes con mayor capacidad
para planificar, monitorear y ajustar sus estrategias tienden a alcanzar
mejores resultados académicos. No obstante, las diferencias individuales
observadas reafirman que la autorregulación no es un rasgo estático ni
uniforme, sino un proceso dinámico influenciado por factores personales,
contextuales y pedagógicos.
CONCLUSIONES
Los resultados
del estudio confirman que la autorregulación del aprendizaje constituye un
factor crítico en el rendimiento académico de los estudiantes de educación
tecnológica superior. Se evidenció que quienes presentan niveles elevados de
autorregulación son capaces de establecer metas claras, mantener estrategias de
aprendizaje consistentes y ajustar su desempeño con base en la reflexión
crítica. Por el contrario, aquellos con bajos niveles de autorregulación
enfrentan limitaciones significativas en la toma de decisiones y en la
capacidad de aprender a partir de los errores, lo cual repercute negativamente
en su desempeño académico global.
El estudio logró
cumplir sus objetivos al identificar tanto las fortalezas como las debilidades
en las competencias autorregulatorias de los estudiantes de la carrera de
Emergencias Médicas. Asimismo, se respondió satisfactoriamente a la pregunta de
investigación, al evidenciar que la planificación estratégica y la toma de
decisiones efectivas se constituyen como elementos determinantes en el proceso
de aprendizaje autónomo y exitoso.
A partir de
estos hallazgos, se recomienda la implementación de programas educativos
dirigidos al fortalecimiento de las habilidades metacognitivas y de
autorregulación, tanto en el estudiantado como en el cuerpo docente. Tales
programas deben incluir estrategias explícitas de planificación, monitoreo y
autorreflexión, así como el desarrollo de prácticas pedagógicas que favorezcan
la autonomía, la autoevaluación y la resolución crítica de problemas.
Se sugiere,
además, que futuras investigaciones profundicen en el análisis de variables
asociadas a la autorregulación, como la motivación intrínseca, la autoeficacia,
el contexto socioeducativo y el uso pedagógico de tecnologías digitales. El
estudio de estas dimensiones permitiría comprender de manera más integral los
factores que inciden en el aprendizaje autorregulado, y contribuiría a la
formulación de políticas educativas más efectivas, inclusivas y
contextualizadas a la realidad de la educación tecnológica ecuatoriana.
En suma,
fomentar la autorregulación del aprendizaje no solo mejora el rendimiento
académico, sino que también fortalece la capacidad de los estudiantes para
desenvolverse con autonomía, responsabilidad y pensamiento crítico en entornos
de alta exigencia, preparando así profesionales más competentes y resilientes
ante los desafíos contemporáneos de la formación técnica y profesional.
REFERENCIAS
Artino, A. R. (2007). Self-regulated learning in online education: A review of the
empirical literature.
International Journal of Instructional Technology and Distance Learning, 4(6), 3–18.
Recuperado de http://www.itdl.org/Journal/Jun_07/article01.htm
Bandura, A.
(1986). Social foundations of
thought and action: A
social cognitive theory. Prentice-Hall.
Bandura, A.
(1997). Self-efficacy: The exercise of control. W. H.
Freeman.
Bjork, R. A., Dunlosky, J., & Kornell, N. (2013). Self-regulated
learning: Beliefs, techniques, and illusions. Annual Review of
Psychology, 64(1), 417–444.
https://doi.org/10.1146/annurev-psych-113011-143823
Boekaerts, M. (1999). Self-regulated learning: Where we are today. International Journal of Educational
Research, 31(6), 445–457.
https://doi.org/10.1016/S0883-0355(99)00014-2
Cassará, M. S. (2012). La autorregulación del aprendizaje: Un componente clave
para la mejora del rendimiento académico. Revista de Educación, 358, 88–109.
https://doi.org/10.4438/1988-592X-RE-2012-358-151
Craik, F. I. M., & Lockhart, R. S. (1972). Levels
of processing: A framework for memory
research. Journal of Verbal Learning and Verbal Behavior, 11(6), 671–684.
https://doi.org/10.1016/S0022-5371(72)80001-X
Dignath, C., & Veenman, M. V. J. (2021). The role of direct
strategy instruction and indirect activation of self-regulated learning—Evidence from classroom interventions. Educational Psychologist, 56(4), 207–228.
https://doi.org/10.1080/00461520.2021.1985501
Duckworth, A.
L., & Seligman, M. E. P. (2005). Self-discipline outdoes IQ in predicting
academic performance of adolescents. Psychological Science, 16(12), 939–944.
https://doi.org/10.1111/j.1467-9280.2005.01641.x
Flavell, J. H.
(1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist,
34(10), 906–911. https://doi.org/10.1037/0003-066X.34.10.906
González Torres,
M. C., & Tourón, J. (2015). El aprendizaje
autorregulado: Una propuesta para la mejora de la calidad de la enseñanza
universitaria. Revista Española de Pedagogía, 73(260), 29–48.
https://doi.org/10.22550/REP73-1-2015-01
Hadwin, A. F., Järvelä, S., & Miller, M. (2018).
Self-regulated, co-regulated,
and socially shared regulation of learning.
In D. H. Schunk & J. A. Greene (Eds.), Handbook of self-regulation
of learning and performance
(2nd ed., pp. 83–106). Routledge.
Honicke, T., & Broadbent, J. (2016). The influence of academic
self-efficacy on academic performance: A systematic
review. Educational Research Review, 17, 63–84.
https://doi.org/10.1016/j.edurev.2015.11.002
Kirschner, P. A., Sweller, J., & Clark, R. E.
(2006). Why minimal guidance during instruction does not work: An
analysis of the failure of
constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2),
75–86. https://doi.org/10.1207/s15326985ep4102_1
Núñez, J. C., Rosário, P., Valle, A., González-Pienda,
J. A., & Lourenço, A. (2013). Motivational
profiles and academic achievement: The role of self-regulated learning strategies. Revista de Psicodidáctica, 18(1), 191–206.
https://doi.org/10.1387/RevPsicodidact.6492
Pajares, F.
(2008). Motivational role of
self-efficacy beliefs in self-regulated learning. In D. H.
Schunk & B. J. Zimmerman (Eds.), Motivation and self-regulated learning: Theory, research, and applications (pp.
111–139). Lawrence Erlbaum Associates.
Panadero, E.
(2017). A review of self-regulated learning: Six models and four directions for research. Frontiers
in Psychology, 8, 422.
https://doi.org/10.3389/fpsyg.2017.00422
Paris, S. G.,
& Winograd, P. (2003). The
role of self-regulated learning in contextual teaching: Principles and practices for teacher preparation.
In Preparing teachers for a changing world (pp. 213–232). Jossey-Bass.
Pichardo, M. C.,
Justicia, F., de la Fuente, J., Martínez-Vicente, J. M., & Berbén, A. B.
(2014). Factor structure of
the Self-Regulation Questionnaire (SRQ) at Spanish universities. The Spanish Journal
of Psychology, 17, E62.
https://doi.org/10.1017/sjp.2014.65
Pintrich, P. R. (2000). The role of
goal orientation in self-regulated learning. In M. Boekaerts, P. R. Pintrich, &
M. Zeidner (Eds.), Handbook
of self-regulation (pp.
451–502). Academic Press.
Schraw, G., & Moshman, D. (1995). Metacognitive theories. Educational Psychology Review, 7(4), 351–371.
https://doi.org/10.1007/BF02212307
Schunk, D. H., & DiBenedetto, M. K. (2019). Motivation and social-emotional learning: Theory, research, and practice. In C. A. Cefai & P. Cooper (Eds.), Social and emotional education in primary school (pp. 21–34).
Springer.
Schunk, D. H., & Zimmerman, B. J. (2007). Influencing
children's self-efficacy
and self-regulation of reading and writing through modeling. Reading & Writing Quarterly, 23(1), 7–25.
https://doi.org/10.1080/10573560600837578
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning.
Cognitive Science, 12(2), 257–285.
https://doi.org/10.1207/s15516709cog1202_4
Weinstein, C.
E., Acee, T. W., & Jung, J. (2011). Self-regulation and learning strategies. In B. J. Zimmerman & D. H. Schunk (Eds.), Self-regulated learning and academic achievement: Theoretical perspectives (2nd ed., pp. 45–66). Routledge.
Zambrano, J.,
& Yaguarema, M. (2021). Autorregulación del
aprendizaje en estudiantes en situación de vulnerabilidad postpandemia. Revista
Latinoamericana de Educación Inclusiva, 15(1), 203–223.
https://doi.org/10.4067/S0718-73782021000100203
Zimmerman, B. J.
(2000). Attaining self-regulation:
A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, &
M. Zeidner (Eds.), Handbook
of self-regulation (pp.
13–39). Academic Press.
Zimmerman, B. J.
(2002). Becoming a self-regulated
learner: An overview. Theory Into Practice, 41(2), 64–70.
https://doi.org/10.1207/s15430421tip4102_2
Zimmerman, B.
J., & Moylan, A. R. (2009). Self-regulation:
Where metacognition and motivation intersect. In D. J.
Hacker, J. Dunlosky, & A. C. Graesser
(Eds.), Handbook of metacognition in education (pp.
299–315). Routledge.
Zimmerman, B.
J., & Schunk, D. H. (2011). Self-regulated
learning and academic achievement: Theoretical perspectives (2nd ed.). Routledge.