Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Carla E. Förster
Cristian A. Rojas-Barahona
Facultad de Educación, Pontificia Universidad Católica de Chile
Resumen
Este artículo hace una revisión de los principales instrumentos de evaluación de la
metacognición y la motivación en el contexto de la solución de problemas. Se analizan las
ventajas y limitaciones de los instrumentos, y se discute sobre las interrelaciones entre los
componentes motivacionales y metacognitivos y las variables moderadoras, como la
percepción de dificultad y el tipo de problema, que es necesario considerar al momento de
evaluar e interpretar los resultados de dichas evaluaciones.
Transferencia a la práctica
Esta revisión entrega un panorama de los instrumentos de evaluación de la metacognición y
motivación en el contexto de la solución de problemas. Así, profesores tendrán una
compilación de instrumentos que les permitirán conocer, comparar y seleccionar los más
idóneos para trabajar con sus estudiantes y realizar intervenciones en aula, de acuerdo a su
edad y disciplina. Además, permitirá a los investigadores tener una visión sintética de los
constructos que están a la base de estos instrumentos y tener en cuenta las ventajas,
limitaciones y variables moderadoras de los resultados que puedan obtener de su
aplicación.
Palabras Claves: Metacognición, Motivación, Instrumentos de Evaluación, Planificación,
Monitoreo, Autoeficacia, Esfuerzo, Solución de Problemas.
Introducción
La solución de problemas es una habilidad compleja considerada clave para el
desarrollo e integración de las personas a la sociedad actual. Numerosos estudios muestran
que la solución de problemas es una habilidad que requiere y es mediada por otras variables
como la motivación (Pintrich y DeGroot, 1990; Schraw, Crippen, y Hartley, 2006), la
metacognición (Davidson, Deuser y Sternberg, 1994; Hoffman y Spatariu, 2008; Howard,
McGee, Shia & Hong, 2000; Swanson, 1990) y la autoeficacia (Bandura, 1986; Hoffman y
Spatariu, 2008; Pajares, 2003) y, por tanto, debe ser evaluada como un constructo
multidimensional. Si bien, la importancia de la interacción entre estas variables no es un
tema nuevo (Gorrell, Hwang y Chung, 1996; O´Neil y Schacter, 1997; Schoenfeld, 1992;
Sugrue, 1994), solo en los últimos años ha tomado fuerza la idea de realizar estudios
respecto de las relaciones que se dan entre ellas (Dermitzaki, Leondari y Goudas, 2009;
Hoffman y Schraw, 2009; Hoffman y Spatariu, 2008), con un especial interés por su
impacto para el aprendizaje en el contexto escolar (Hoffman y Schraw, 2009; Hoffman y
Spatariu, 2008).
El presente artículo tiene como propósito presentar una revisión de los principales
instrumentos de evaluación de los aspectos metacognitivos y motivacionales asociados a la
1
solución de problemas en el ámbito escolar, y analizar las limitaciones y otras variables
moderadoras, que deben ser consideradas para tener una interpretación válida de la
información obtenida con dichos instrumentos.
2
La planificación se entiende como la capacidad de seleccionar las estrategias más
eficientes para solucionar el problema antes de actuar, implicando hacer predicciones,
secuencias de pasos, destinar los tiempos para cada acción y focalizar la atención de
acuerdo a la tarea (Miller, 1985). En la planificación la persona proyecta una actividad
orientándola a alcanzar una meta y de esta forma puede autorregular y controlar la conducta
o ejecución de una acción, con el fin de lograr su objetivo que, en el caso de enfrentarse a
un problema, sería llegar a la solución. Estudios realizados por Anderson, Greeno, Kline y
Neves (1981), Chi y Glaser (1985) y Chi et al. (1989), entre otros, plantean que las
personas que tardan más tiempo en planificar o que desarrollan más la planificación, son
más eficaces en la solución de los problemas, siendo esta, una diferencia fundamental entre
expertos y novatos.
El monitoreo es la capacidad de verificación durante el proceso de solución, la
eficacia del plan y las estrategias utilizadas para lograr una meta. Es decir, que la persona
no pierda de vista diversos aspectos de la ejecución incluyendo tiempo, esfuerzos, logros
para llegar a la meta y los requisitos del problema, siendo así, capaz de adaptar o rectificar
su estrategia en caso de que fuese necesario. Cuando esta función se realiza de manera
continua en los procesos de pensamiento, así como en la consecuente ejecución de los
cambios necesarios, la eficacia en la solución de problemas es mayor (Chi y Glaser, 1985;
Chi et al., 1989; DeLoache et al., 1998; Schoenfeld, 1985; Sugrue, 1994).
La evaluación es la capacidad de evaluar los resultados de la estrategia justo al
finalizar la tarea, en términos de su eficacia. Se ha observado que existe una clara relación
entre el conocimiento, la planificación y la evaluación (por ejemplo ver Baker, 1989). Al
igual que los procesos anteriores, se ha visto que los expertos dedican más tiempo que los
novatos en evaluar sus soluciones para asegurarse de que cumplieron con las restricciones
de la tarea (por ejemplo ver, Voss y Post, 1988).
3
Evaluation, Standards & Student Testing (CRESST). El primer modelo, de Pintrich y
Schunk, centrado en el aprendizaje autorregulado, considera tres tipos generales de
creencias motivacionales: a) la autoeficacia (juicio de las capacidades de uno mismo para
realizar una tarea académica), b) el valor de la tarea (creencias de la importancia de la
tarea, el interés en la tarea y el valor de la tarea), y c) las orientaciones a la meta (razones
extrínsecas para realizar la tarea, o habilidad en relación a comparaciones sociales). Por su
parte, la propuesta de Schraw et al., plantea que el componente motivacional incluye dos
subcomponentes: a) la autoeficacia (definida de acuerdo a Bandura) y b) las creencias
epistemológicas personales (referidas a las creencias sobre el origen y naturaleza del
conocimiento). Por último, la propuesta de CRESST, se basa en elementos de la
autorregulación, fue adaptada por O’Neil y Schacter (1997) y considera tres componentes
de la motivación: a) la autoeficacia (percepción de efectividad en la realización de la tarea),
b) el esfuerzo (energía e interés puesto en la tarea) y c) la importancia asignada (referida a
la preocupación de la persona por la tarea). Como se puede observar, todos los modelos
tienen como elementos comunes la percepción de autoeficacia y la valoración que hacen de
la tarea, aunque a este último le asignan distintas denominaciones.
La autoeficacia es un tema ampliamente estudiado en el contexto de la solución de
problemas (por ejemplo ver, Artistico, Cervone y Pezzuti, 2003; Coutinho, 2008;
Dermitzaki et al., 2009; Hoffman y Schraw, 2009; Hoffman y Spatariu, 2008; Song y
Grabowsky, 2006). El concepto de autoeficacia más utilizado en los instrumentos de
evaluación se refiere a la percepción de la persona respecto de lo que es capaz de hacer
frente a una tarea concreta (Hoffman y Spatariu, 2008), es decir, la percepción de
autoeficacia es contextualmente específica en lo que se refiere a situaciones de desempeño,
como por ejemplo, problemas matemáticos o científicos (Zimmerman y Schunk, 2008) o
problemas de la vida diaria (Artistico et al, 2003), más que una creencia difusa de la
confianza en uno mismo.
Con respecto a la valoración de la tarea, la conceptualización más utilizada en los
instrumentos de evaluación se refiere al grado de interés, importancia o utilidad percibido
por la persona en relación con el involucramiento en la tarea y la búsqueda de una solución
(Pintrich y Schunk, 1996). Existen claras evidencias respecto de que las variables
motivacionales, como la regulación del esfuerzo al enfrentar una situación problemática
escolar y el interés puesto en ella, están asociados directamente con el desempeño (Awang-
Hashim et al., 2002; Hong y Peng, 2008; Hong et al., 2005; Suraya y Zah, 2009; Urdan y
Schoenfelder, 2006). Es decir, en la valoración de la tarea se incluyen dos conceptos claves,
el esfuerzo y el interés. El esfuerzo es un componente motivacional que se deriva de la
Teoría de la Atribución de Weiner (1986), en la cual se postula que la atribución de éxito y
de fracaso se relaciona con el esfuerzo. Es una característica de las personas orientadas al
éxito y quienes se adscriben como exitosos en una habilidad son más esforzados y tienden a
persistir más en la tarea. Diversos estudios señalan que quienes realizan mayor esfuerzo en
resolver una tarea tienen mayor eficacia en llegar a la solución (Awang-Hashim et al.,
2002; Chen, 2003; Hong et al., 2005; Pintrich et al., 1993; Suraya y Zah, 2009; Urdan y
Schoenfelder, 2006; Vollmeyer y Rheinberg, 2000; Wise, Bhola y Yang, 2006). El interés
según Mayer (1998) puede ser visto como una característica de la persona o del ambiente;
en el primer caso, se refiere a las predisposiciones o actividades preferidas de las personas,
mientras que en el segundo, corresponde al grado de interés que le produce una tarea
específica a dicha persona, se asocia a la motivación intrínseca, donde la tarea constituye
una meta en sí misma (Garcia y Pintrich, 1992). Si hay algún elemento particularmente
4
relevante en la tarea, es más probable que la persona le dé mayor dedicación a la tarea y el
esfuerzo también sea mayor (Chen, 2003; Hidi y Ainley, 2008; Suraya y Zah, 2009;
Zimmerman y Schunk, 2008).
5
enunciado: (1) un parafraseo del enunciado, (2) una frase que
cambia el sentido, (3) una frase distractora (similar en estructura
sintáctica y tema que la original, pero no relacionada
semánticamente con esta) y (4) incluye la versión original del
enunciado. El procedimiento consiste en que el estudiante lee el
texto original, luego lee los cuatro enunciados, los cuales están en
la siguiente página y marca “si” o “no” a cada uno de ellos. Para el
análisis, el enunciado original y el parafraseo deberían ser
respondidos afirmativamente. Al preguntar por qué escogió esas
respuestas, la evaluación se torna un proceso metacognitivo lo que
provee información respecto de la comprensión y el pensamiento
del estudiante y así generar una futura estrategia de enseñanza.
Visualización No descrito Este procedimiento se basa en las técnicas que permiten evaluar la De Koning
metacognitiva comprensión lectora en niños pequeños, donde se les pide que y van der
de imágenes dibujen lo que leyeron. La técnica metacognitiva comienza cuando Schoot
el profesor le pregunta al niño sobre los procesos de pensamiento (2013)
que hay detrás de sus dibujos. Este procedimiento sería válido para
evaluar las estrategias utilizadas para resolver problemas que
impliquen un registro gráfico del procedimiento de solución.
Entrevista Winser (1988) Consiste en videograbar la tarea y luego entrevistar al estudiante Henderson,
metacognitiva respecto de su realización, preguntándole qué fue lo que hizo para Henderson,
situada resolverla o porqué corrigió un error. El estímulo del recuerdo Grant y
permite tener una aproximación más precisa del proceso realizado. Huang
También se puede considerar un tipo de pensamiento en voz alta. (2005)
6
acciones concretas, a las cuales el estudiante debe responder señalando si las hizo o hace
habitualmente al enfrentarse a una situación problemática. Se ha visto instrumentos que
tienen estudios de validez y confiabilidad desde los 9 años en adelante, sin embargo, la
mayoría de estos instrumentos están diseñados para adolescentes y adultos (Baker y Cerro,
2000). En la tabla 2 se presenta una síntesis de las escalas más utilizadas en los estudios de
metacognición asociados a la solución de problemas.
7
que miden las estrategias metacognitivas de
planificación, regulación y monitoreo. La
respuesta está graduada desde 1 “No es
verdadero para mí” a 7 “Es muy verdadero para
mí”.
8
específicos.
Children’s Academic Gottfried (1985, Escala tipo Likert para evaluar la motivación Alfa de 0,90 Song (2005)
Intrinsic Motivation 1998) intrínseca de los estudiantes para aprender y Adaptada para
Inventory (CAIMI y comprender problemas en ciencias. Respuesta evaluar motivación
CAIMI-HS) graduada en 5 categorías desde 1 “Fuertemente respecto de una tarea
en desacuerdo” a 5 “Fuertemente de acuerdo”. de solución de
problemas en
ciencias.
Trait Thinking O’Neil y Schacter Escala tipo Likert que consta de 5 subescalas Alpha 0,90 Awang-Hashim,
Questionnaire (1997) y revisado con 8 ítems cada una: Planificación, Estrategias con un rango O´Neil y Hocevar
por Hong, O’Neil Cognitivas, Monitoreo, Autoeficacia y Esfuerzo. de 0,81 a 0,86 (2002); Förster y
y Feldom (2005) Las dos últimas se refieren a componentes en las Rojas-Barahona
motivacionales. La escala se responde desde 1 subescalas. (2010, Validación
“Casi nunca” a 4 “Casi siempre”. Se debe para Chile).
aplicar luego de realizada una tarea ya que las
afirmaciones están estructuradas haciendo
referencia a dicha actividad.
9
Como la percepción de dificultad incide en la percepción de autoeficacia, frente a
tareas más fáciles, hay menos riesgo de tener una medición subestimada (Schraw, Potenza
y Nebelsick-Gullet, 1993). Esto es relevante al momento de seleccionar la tarea de solución
de problemas que se aplicará a los estudiantes, pues mientras más difícil sea el problema,
mayor será el riesgo de obtener un resultado distorsionado en cuanto a eficacia percibida.
A su vez, la percepción de dificultad está, en parte, mediada por las experiencias y
conocimientos previos de los estudiantes (William y Noyes, 2007); así por ejemplo,
quienes han tenido experiencias reiteradas de fracaso en un tipo de problema o han tenido
malas experiencias asociadas a un contenido disciplinar específico, tienden a percibir
mayor dificultad en la tarea, lo que incidirá en su autoeficacia y esfuerzo.
En el caso de la habilidad metacognitiva de Monitoreo/Evaluación, la percepción de
dificultad actúa de manera inversa, es decir, cuando el estudiante encuentra que la tarea es
fácil, no ve la necesidad de desplegar estrategias de monitoreo para asegurar la eficacia de
su respuesta (Hoffman y Spatariu, 2008) y esto puede enmascarar la medición de este
componente, ya que un resultado deficiente en la medición no significa que el estudiante
tenga menos desarrollada esta habilidad, puede ser que no haya tenido la necesidad de
utilizarla y, por tanto, en su reporte declare escasas acciones en relación a este componente
metacognitivo.
Respecto del tipo de problemas que se presente como tarea, Jonassen, Strobel y Lee
(2006) encontraron que en problemas mal-estructurados, quien los resuelve no sabe si su
propuesta fue óptima y debe recurrir a su experiencia para emitir un juicio respecto de su
eficacia; por tanto, la percepción que tengan de sí mismos y de la tarea tendrá mayor peso
en su juicio que en un problema donde puedan comprobar la solución propuesta. Este es
otro elemento a considerar en la interpretación de los resultados, porque en problemas
estructurados habrá una mayor correlación entre la autoeficacia percibida y la eficacia para
alcanzar la solución, mientras que en problemas mal estructurados, esta correlación será
menor.
Por último, Suraya y Zah (2009) encuentran que los estudiantes en general, tienden
a sobrevalorar el esfuerzo realizado en una tarea, razón por la que se recomienda utilizar
mediciones particulares de la percepción de esfuerzo (para cada ítem) si la tarea asociada
incorpora más de un ítem y luego hacer medidas globales. Además, debido a que la
evaluación de la autoeficacia y del esfuerzo habitualmente carecen de la especificidad y
consistencia de la medición con tareas criteriales (distintas a un autorreporte) que optimicen
el poder predictivo de las variables motivacionales, la influencia de estos componentes en
la solución de problemas se ve minimizada (por ejemplo ver, Bandura, 1986; Pajares, 1996;
Wise et al., 2006; Zimmerman y Kitsantas, 2005). Por estas razones, la sugerencia de medir
el esfuerzo para cada ítem, es relevante también para autoeficacia y dificultad percibida; si
se presenta más de una situación problemática como tarea, se debería incluir una escala de
percepción de estas variables para cada situación; de esta forma, se obtiene una medida más
confiable y precisa que luego se puede agrupar; por el contrario, si se tiene solo una medida
global, no es posible desagregarla.
10
(Veenman, 2005). Dinsmore, Alexander y Loughlin (2008) señalan que se pueden usar
métodos mixtos que incorporen más de un instrumento o técnica y de esta forma triangular
la información y obtener medidas más confiables (Burke Johnson y Onwuegbuzie, 2004;
Winne y Perry 2000). Sin embargo, Schellings y Van Hout-Wolters (2011) advierten que
esta solución puede resultar más costosa, utilizar mayor tiempo y en algunos casos obtener
información que resulte contradictoria, dificultando el proceso de interpretación de los
resultados. Entre las limitaciones específicas para la técnica de entrevistas (Mayor et al.,
1993) se encuentran que: a) no se puede saber a ciencia cierta si lo que dice la persona
entrevistada, es algo que ha pensado realmente mientras realizaba la tarea, o si es lo que
piensa en el momento de hacer la reflexión o, incluso, si está mintiendo; b) muchas veces
las personas no saben cómo han hecho algo y c) la probabilidad de olvidar lo que se hizo y
cómo se hizo es mayor a medida que aumenta el tiempo entre la tarea y la entrevista. Otra
limitación es que las técnicas de pensamiento en voz alta y las entrevistas requieren un
tiempo prolongado y altos costos ya que deben realizarse de manera individual (Kalyuga,
2006; Veenman, Van Hout-Wolters y Afflerbach, 2006). También, Branch (2000) analizó
los procesos cognitivos involucrados en la técnica de pensamiento en voz alta y encontró,
que para algunos estudiantes la carga cognitiva de estar resolviendo un problema y al
mismo tiempo verbalizando el pensamiento puede ser demasiada y con esto, la información
que se recoge poco precisa.
Otro foco de discusión esta en torno a los constructos evaluados en los
instrumentos. Martínez-Fernández (2004) señala que la mayoría de los estudios que se han
realizado para validar estos instrumentos concluyen que, aun cuando es posible distinguir
dos o tres subcomponentes específicos de la metacognición, “las estrategias metacognitivas
constituyen una sola dimensión o factor dentro de las estrategias de aprendizaje e, incluso,
los subcomponentes o subescalas metacognitivas muestran altos valores de correlación, lo
que las define como una escala monofactorial” (p. 116). Sin embargo, quienes elaboran
estos instrumentos han llegado a presentar cinco factores claramente definidos (ver por
ejemplo, Howard et al., 2000).
Por último, Veenman et al. (2006) señalan que quien desee medir la metacognición
debe tener claro que estos instrumentos y técnicas tienen pros y contras y, por tanto,
algunos son más efectivos para medir ciertos componentes que otros. Esta afirmación
también sería válida para los componentes motivacionales.
Conclusión
Tanto para los componentes metacognitivos como motivacionales las escalas de
valoración o inventarios son los más comunes, seguidos en el caso de la metacognición de
las entrevistas y protocolos de pensamiento en voz alta.
Las variables metacognitivas y motivacionales están estrechamente relacionadas
entre sí y, por tanto, al evaluar la eficacia de la solución de problemas se debería considerar
estas relaciones. A su vez, todo indica que estas relaciones están mediadas por la
percepción de dificultad de la tarea y el tipo de problema (estructurado/no estructurado).
Así, es necesario considerar esto en la interpretación de los resultados de las mediciones
para no llegar a conclusiones sesgadas del desarrollo de estas habilidades en los estudiantes.
En síntesis, la evaluación de la metacognición es un proceso complejo debido a la
dificultad que existe para operacionalizar la actividad metacognitiva, puesto que no se
traduce en una respuesta observable de manera directa (Garrett et al., 2007; Mayor,
Suengas y González-Marqués, 1993). Por tanto, la elección de los procedimientos e
11
instrumentos para llevar a cabo la evaluación no es fácil y se relaciona estrechamente con:
a) la concepción que se esté utilizando de metacognición, b) la dependencia o no a un
dominio disciplinar (O’Neil y Abedi, 1996; Saldaña y Aguilera, 2003), c) el grado en el que
el propio sujeto es considerado un informante útil (Saldaña y Aguilera, 2003) y d) la edad
de los sujetos (Oli y Zelinski, 1997). Para los componentes motivacionales, es posible
observar algunas conductas; sin embargo, los instrumentos son de autorreporte con todos
los problemas mencionados anteriormente. Es importante considerar el constructo
específico que está a la base de los instrumentos motivacionales, ya que las denominaciones
de las categorías pueden ser similares en distintos instrumentos, pero tener enfoques
diferentes (Muis, Winne y Jamieson-Noel, 2007) y por tanto, medir otros aspectos.
Cabe considerar que los instrumentos de autorreporte tienen una serie de ventajas
como el tiempo y masividad de aplicación, fácil interpretación y bajo costo; y aunque su
uso está en discusión a nivel investigativo (Schellings y Van Hout-Wolters, 2011), la
invitación es a considerar las limitaciones analizadas para mejorar la interpretación de la
información obtenida a partir de ellos, y buscar fórmulas de evaluaciones complementarias
que permitan una comprensión más precisa de estos procesos (metacognitivos y
motivacionales) tan importantes para los aprendizajes de los estudiantes y de tan alta
complejidad en su medición.
12
Referencias Bibliográficas
Awang-Hashim, R., O´Neil, H.F., Jr., & Hocevar, D. (2002). Ethnicity, effort, self-efficacy,
worry, and statistics achievement in Malasia: A construct validation of the state-trait
motivation model. Educational Assessment, 8(4), 341-364. DOI:
10.1207/S15326977EA0804_3
Afari, E., Ward, G., & Khine, M.S. (2012). Global Self-Esteem and Self-Efficacy
Correlates: Relation of Academic Achievement and Self-Esteem among Emirati
Students. International Education Studies 5(2), 49-57. DOI: 10.5539/ies.v5n2p49
Anderson, J.R., Greeno, J.G., Kline, P.K., & Neves, D.M. (1981). Acquisition of problem
solving skill. En J. R. Anderson (Ed.), Cognitive skills and their acquisition.
Hillsdale, NJ: Lawrence Erlbaum Associates.
Artistico, D., Cervone, D., & Pezzuti, L. (2003). Perceived self-efficacy and everyday
problem solving among young and older adults. Psychology and Aging, 18, 68-79.
DOI: 10.1037/0882-7974.18.1.68
Awang-Hashim, R., O’Neil, H., & Hocevar, D. (2002). Ethnicity, Effort, Self-Efficacy,
Worry, and Statistics Achievement in Malaysia: A Construct Validation of State-
Traits Motivation Model. Educational Assessment, 8(4), 341-365. DOI:
10.1207/S15326977EA0804_3
Bandura, A. (1986). Social foundations of thought and action: a social cognitive theory.
Englewood Cliffs, N.J.: Prentice Hall.
Baker, L. (1989). Metacognition, comprehension monitoring, and the adult reader.
Educational Psychology Review, 1, 3-38. DOI: 10.1007/BF01326548
Baker, L., & Cerro, L. (2000). Assessing metacognition in children and adults. En G.
Schraw & J. Impara (Eds.), Issues in the measurement of metacognition (pp. 99-145).
Lincoln: Buros Institute of Mental Measurements, University of Nebraska.
Baxter, G., & Glaser, R. (1998). Investigating the cognitive complexity of science
assessments. Educational Measurement: Issues and Practices, 17 (3), 37-45. DOI:
10.1111/j.1745-3992.1998.tb00627.x
Branch, J.L. (2000). Investigating the information-seeking processes of adolescents: The
value of using think-alouds and think afters. Library and Information Science
Research, 22(4), 371-392.
Brown, A.L., & DeLoache, J.S. (1978). Skills, plans, and self-regulation. En R.S. Siegel
(Ed.), Childrens thinking: What develops? (pp. 3-35). Hillsdale, N.J.: Erlbaum.
Burke Johnson, R., & Onwuegbuzie, A. J. (2004). Mixed methods research: A research
paradigm whose time has come. Educational Researcher, 33(7), 14-26. DOI:
10.3102/0013189X033007014
Chi, M., Bassok, M., Lewis, M., Reimann, P., & Glaser, R. (1989). Self- Explications: How
students Study and Use Examples in Learning to Solve Problems. Cognitive Science,
13, 145-182. DOI: 10.1207/s15516709cog1302_1
Chi, M. & Glaser, R. (1985). Problem-solving ability. En R.J. Sternberg (Ed.), Human
abilities: An information-processing approach (pp. 227-250). New York: W.H.
Freeman.
Coutinho, S. (2008). Self-efficacy, metacognition, and performance. North American
Journal of Psychology, 10, 165-172.
13
Craig, M.T., & Yore, L.D. (1995). Middle school students’ metacognitive knowledge about
science reading and science text: an interview study. Reading Psychology, 16(2), 169-
213. DOI: 10.1080/0270271950160203
CRESST (1997). National Center for Research on Evaluation, Standars, and Student
Testing. Modelos de Evaluación. Recuperado el 18 de mayo de 2007 de
http://www.cse. ucla.edu/products.html
Cupani, J. y Lorenzo, M. (2010). Evaluación de un modelo social-cognitivo del
rendimiento en matemática en una población de preadolescentes argentinos. Infancia
y Aprendizaje, 33(1), 63-74. DOI: 10.1174/021037010790317216
Davidson, J.E., Deuser, R., & Sternberg, R.J. (1994). The role of metacognition in problem
solving. Metacognition: Knowing about knowing. En J. Metcalfe y A. Shimamura
(Eds.), Metacognition: Knowing about knowing. Cambridge, M.A.: The MIT Press.
De Koning, B.B., & Van der Schoot, M. (2013). Becoming part of the story! Refueling the
interest in visualization strategies for reading comprehension. Educational
Psychology Review, 25(2), 261-287. DOI: 10.1007/s10648-013-9222-6
DeLoache, J.S., Miller, K.F., & Pierroutsakos, S.L. (1998). Reasoning and problem
solving. En R.M.D. Kuhn y R.S. Siegler (Eds.), Handbook of child psychology (pp.
801-946). Nueva York, U.S.A.: Wiley.
Dennison, R.S. (1997). Relationships among measures of metacognitive monitoring.
Documento presentado en el Annual meeting of the American Educational
Association, Chicago, IL.
Dennison, R.S., Howard, B.C., Krawchuk, C.M., & Hill, L. (1996). Validation of a
children’s measure of metacognition. Documento presentado en el Annual meeting of
the American Educational Research Association, San Diego, CA.
Dermitzaki, I., Leonardi, A., & Goudas, M. (2009). Relationships between young student’s
strategic behaviours, domain-specific self-concept, and performance in a problem-
solving situation. Learning and Instruction, 19(2), 144-157. DOI:
10.1016/j.learninstruc.2008.03.002
Dinsmore, D.L., Alexander, P.A., & Loughlin, S.M. (2008). Focusing the conceptual lens
on metacognition, self-regulation, and self-regulated learning. Educational
Psychology Review, 20, 391-409. DOI: 10.1007/s10648-008-9083-6
Dweck, C.S., & Master, A. (2008). Self-theories motivate self-regulated learning. En D.
Schunk y B. Zimmerman (Eds), Motivation and self-regulated learning: Theory,
Research, and Applications. Mahwah, NJ: Erlbaum.
Flavell, J. (1987). Speculations about the nature and development of metacognition. En F.
Weinert y R. Kluwe (Eds.), Metacognition, motivation and understanding (pp. 21-
29). Hillsdale, NJ: Erlbaum.
Förster Marín, C.E., & Rojas-Barahona, C.A. (2010). Adaptation and Validation of Trait
Thinking Questionnaire of O’Neil and colleagues: Metacognition and Motivation in
Problem Solving. Revista Iberoamericana de Diagnóstico y Evaluación Psicológica,
30 (2), 9-34.
Fouad, N.A., Smith, P.L., & Enochs, L. (1997). Reliability and Validity Evidence for the
Middle School Self-Efficacy Scale. Measurement and Evaluation in Counseling and
Development, 30, 4-16.
Garcia, T., & Pintrich, P.R. (1992). Critical thinking and its relationship to motivation,
learning strategies, and classroom experience. Documento presentado en el 100th
Annual Meeting of the American Psychological Association, Washington, DC.
14
Garrett, J., Alman, M., Gardner, S., & Born, C. (2007). Assessing Students’ Metacognitive
Skills. American Journal of Pharmaceutical Education, 71 (1), 1-7. DOI:
10.5688/aj710114
Glaser, R., & Baxter, G. (2000). Assessing active knowledge. CSE Tech. Rep. Nº 516. Los
Angeles: University of California, National Center for Research on Evaluation,
Standards, and Student Testing.
Gorrell, J., Dharmadasa, K.H., Kularatna, N.G., & Abeyratne, L.A. (1992). Understanding
the Sri Lankan Child: Metamemory Development Among Primary-School Sri Lanka
Children. Technical report submitted to the National institute of Education,
Maharagama, Sri Lanka.
Gorrell, J., Hwang, Y.S., & Chung, K.S. (1996). A Comparison of Self-Regulated Problem-
Solving Awareness of American and Korean Children. Documento presentado en el
Annual Meeting of the American Educational Research Association, New York.
Gottfried, A.E. (1985). Academic intrinsic motivation in elementary and junior high school
students. Journal of Educational Psychology, 77, 631-645. DOI: 10.1037/0022-
0663.77.6.631
Gottfried, A.E. (1998). Academic intrinsic motivation in high school students: relationships
with achievement, perception of comptenece, and academic anxiety. Paper presentado
en la reunion de la American Educational Research Association, San Diego, CA.
Hacker, D.J. (1998). Definitions and empirical foundations. En D.J. Hacker, J. Dunloskey,
A.C. Graesser (Eds.), Metacognition in Educational Theory and Practice. Mahwah,
New Jersey: Lawrence Erlbaum Associates.
Hammann, L. (2005). Self-Regulation in Academic Writing Tasks. International Journal of
Teaching and Learning in Higher Education, 17(1), 15-26.
Henderson, L., Henderson, M., Grant, S., & Huang, H. (2010). What are users thinking in a
virtual world lesson? Using stimulated recall interviews to report student cognition,
and its triggers. Journal of Virtual Worlds Research, 3(1), 3-22. DOI:
10.4101/jvwr.v3i1.823
Hidi, S., & Ainley, M. (2008). Interest and self-regulation: relationships between two
variables that influence learning. En D.H. Schunk y B.J. Zimmerman (Eds.),
Motivation and self regulated learning. Theory, Research and Applications (pp.77-
109). New York: Lawrence Erlbaum Associates.
Hjalmarson, M.A. (2001). A modelling perspective on metacognition in everyday problem-
solving situations. Documento presentado en el Twenty-third Annual meeting of the
Association for the Psychology of Mathematics Education – North American
Chapter. Snowbird, UT.
Hoffman, B., & Schraw, G. (2009). The influence of self-efficacy and working memory
capacity on problem-solving efficiency. Learning and Individual Differences, 19, 91-
100. DOI: org/10.1016/j.lindif.2008.08.001
Hoffman, B., & Spatariu, A. (2008). The influence of self-efficacy and metacognitive
prompting on math problem-solving efficiency. Contemporary Educational
Psychology, 33, 875-893. DOI: org/10.1016/j.cedpsych.2007.07.002
Hong, E., & O’Neil, H.F (2001). Construct validation of a traits self-regulation models.
International Journal of Psychology, 36, 186-194. DOI:
10.1080/00207590042000146
15
Hong, E., & Peng, Y. (2008) Do Chinese students’ perceptions of test performance?
Mediating role of motivational and metacognitive regulation in test preparation,
Learning and Instruction, 18(6), 499-512. DOI: 10.1016/j.learninstruc.2007.10.002
Hong, E., O’Neil, H.F., Jr., & Feldon, D. (2005). Gender effects on mathematics
achievement. Mediating role of state and trait self-regulation. En A.M. Gallagher y
J.C. Kaufman (Eds.), Gender differences in mathematics (pp. 264-293). Cambridge,
UK: Cambridge University Press.
Howard, B.C., McGee, S., Shia, R., & Hong, N.S. (2000). Metacognitive self-regulation
and problem-solving: Expanding the theory base through factor analysis. Documento
presentado en el Annual Meeting of the American Educational Research Association,
New Orleans, LA. Recuperado el 20 de junio de 2007 de
http://www.eric.ed.gov/ERICDocs/data/ericdocs2sql/content_storage_01/0000019b/8
0/1a/96/8d.pdf
Hwang, Y.S. (1998). Problem-solving Performance and Understanding of High and Low
Self-Regulated Kindergarten Children. Documento presentado en el Annual Meeting
of the American Educational Research Association, San Diego.
Hwang, Y.S., & Gorrell, J. (2001). Young children’s awareness of self-regulated learning
(SRL). Documento presentado en el Annual Meeting of the American Educational
Research Association, Seattle.
Israel, S., Bauserman, K., & Collins, C. (2005). Metacognitive Assessment Strategies.
Thinking Classroom 6(2), 21-28.
Jinks, J., & Morgan, V. (1999). Children’s perceived academic self-efficacy: An inventory
scale. The Clearing House: A Journal of Educational Research, Controversy, and
Practices, 72, 224–230. DOI: 10.1080/00098659909599398
Jonassen, D.H. (2000). Toward a Design Theory of Problem Solving. Educational
Technology Research and Development, 48(4), 63-85. DOI: 10.1007/BF02300500
Jonassen, D.H., Strobel, J., & Lee, C.B. (2006). Everyday problem solving in engineering:
Lessons for engineering educators. Journal of Engineering Education, 95(2), 139-51.
DOI: 10.1002/j.2168-9830.2006.tb00885.x
Kaller, C.P., Rahm, B., Spreer, J., Mader, I., & Unterrainer, J.M. (2008). Thinking around
the corner: The development of planning abilities. Brain and Cognition, 67, 360-370.
DOI: 10.1016/j.bandc.2008.02.003
Kalyuga, S. (2006). Assessment of learners’ organized knowledge structures in adaptive
learning environments. Applied Cognitive Psychology, 20, 333-342. DOI:
10.1002/acp.1249
Kalyuga, S., Chandler, P., Tuovinen, J., & Sweller, J. (2001). When problem solving is
superior to studying worked examples. Journal of Educational Psychology, 93(3),
579–588. DOI: 10.1037/0022-0663.93.3.579
Kreutzer, M.A., Leonard, C., & Flavell, J.H. (1975). An interview study of children’s
knowledge about memory. Monographs of the Society for Research in Child
Development, 40, 313–319. DOI: 10.2307/1165955
Lee, K.S. (1982). Fourth Graders' Heuristic Problem-Solving Behavior. Journal for
Research in Mathematics Education, 13(2), 110- 123.
Maqsud, M. (1997). Effects of Metacognitive Skills and Nonverbal Ability on Academic
Achievement of High School Pupils. Educational Psychology, 17(4), 387-397. DOI:
10.1080/0144341970170402
16
Martínez-Fernández, R. (2004). Concepción de aprendizaje, metacognición y cambio
conceptual en estudiantes universitarios de psicología. Tesis Doctoral no publicada,
Facultada de Psicología, Universitat de Barcelona.
Martínez-Fernández, R. (2007). Concepción de aprendizaje y estrategias metacognitivas en
estudiantes universitarios de psicología. Anales de psicología, 23(1), 7-16. DOI:
10.6018/23261
Martínez-Fernández, R., Tubau, E., Guilera, L., Rabanaque, S. y Sánchez, E. (2008).
Utilidad de distintas ayudas en la resolución de un problema de insight y su relación
con las estrategias metacognitivas. Anales de Psicología, 24(1), 16-24. DOI:
10.6018/31661
Mayer, R. (1998). Cognitive, metacognitive, and motivational aspects of problem solving.
Instructional Science, 26(1-2), 49-63. DOI: 10.1023/A:1003088013286
Mayor, J., Suengas, A. y González-Marqués, J. (1993). Estrategias Metacognitivas.
Aprender a aprender y aprender a pensar. Madrid, España: Síntesis Psicología.
Miller, P.H. (1985). Metacognition and attention. En D.L. Forrest-Pressley, E.G.
McKinnon y T.G. Waller (Eds.), Metacognition, cognition, and human performance
(pp. 181-221). New York: Academic Press.
Montague, M. (2008). Self-regulation strategies to improve mathematical problem solving
for students with learning disabilities. Learning Disability Quaterly, 31, 37-44. DOI:
10.2307/30035524
Muis, K.R., Winne, P.H., & Jamieson-Noel, D. (2007). Using a multitrait-multimethod
analysis to examine conceptual similarities of three self-regulated learning
inventories. British Journal of Educational Psychology, 77, 177-195. DOI:
10.1348/000709905X90876
Myers, M., & Paris, S.G. (1978). Children’s metacognitive knowledge about reading.
Journal of Educational Psychology, 70, 680-690. DOI: 10.1037/0022-0663.70
O´Neil, H.F., & Abedi, J. (1996). Reliability and validity of a state metacognitive
inventory: Potential for alternative assessment. Journal of Educational Research, 89,
234-245. DOI: org/10.1016/j.sbspro.2012.06.290.
O´Neil, H.F., & Schacter, J. (1997). Test Specifications for Problem-Solving Assessment.
CSE Tech. Rep. Nº 463. Los Angeles: National Center for Research on Evaluation,
Standards, and Student Testing.
Oli, J.T., & Zelinski, E.M. (1997). Age differences in calibration of comprehension.
Educational Gerontology, 23, 67-77. DOI: 10.1080/0360127970230106
Pajares, F. (1996). Self-Efficacy Beliefs in Academic Settings. Review of Educational
Research, 66(4), 543-578. DOI: 10.3102/00346543066004543
Pajares, F. (2003). Self-efficacy beliefs, motivation and achievement in writing: A review
of the literature. Reading & Writing Quarterly, 19, 139-158. DOI:
10.1080/10573560308222
Perels, F., Gürtler, T., & Schmitz, B. (2005). Training of self-regulatory and problem-
solving competence. Learning and Instruction, 15, 123-139. DOI:
10.1016/j.learninstruc.2005.04.010
Pintrich, P.R., & de Groot, E.V. (1990). Motivational and self-regulated learning
components of classroom academic performance. Journal of Educational Psychology,
82(1), 33-40. DOI: 10.1037/0022-0663.82.1.33
Pintrich P.R., & Schunk, D.H. (1996). Motivation in education: Theory, research, and
applications. Englewood Cliffs, NJ: Merrill.
17
Pintrich, P. R., Smith, D. A. F., Garcia, T., & McKeachie, W. J. (1993). Reliability and
predictive validity of the motivated strategies for learning questionnaire (MLSQ).
Educational and Psychological Measurement, 53(3), 801-813. DOI:
10.1177/0013164493053003024
Rabinowitz, M., Freeman, K., & Cohen, S. (1992). Use and maintenance of strategies: The
influence of accessibility to knowledge. Journal Educational Psychology, 84, 211-
218. DOI: 10.1037/0022-0663.84.2.211
Ramírez, M.C., Canto y Rodríguez, J.E., Bueno, J.A. y Echazarreta, A. (2013). Validación
Psicométrica del Motivated Strategies for Learning Questionnaire en Universitarios
Mexicanos. Electronic Journal of Research in Educational Psychology, 11(29), 193-
214. Recuperado de http://www.redalyc.org/articulo.oa?id=293125761009
Rhodes, L.K., & Shanklin, N.L. (1993). Windows into literacy: Assessing learners K-8.
Portsmouths, NH: Heinemann.
Royer, J.M., Cisero, C.A., & Carlo, M.S. (1993). Techniques and procedures for assessing
cognitive skills. Review of Educational Research, 63, 201-243. DOI:
10.2307/1170473
Royer, J.M. (2001). Developing reading and listening comprehension test based on the
Sentence Verification Tecnique (SVT). Journal of Adolescent & Adult Literacy, 45,
30-41.
Sabogal, L.F., Barraza, E., Hernández, A. y Zapata, L. (2011). Validación del cuestionario
de motivación y estrategias de aprendizaje forma corta MSLQ SF, en estudiantes
universitarios de una institución pública santa marta. Psicogente, 14 (25), 36-50.
Saldaña, D. y Aguilera, A. (2003). La evaluación de los procesos metacognitivos:
estrategias y problemáticas actuales. Estudios de Psicología, 24(2), 189-204. DOI:
10.1174/021093903765762901
Schellings, G., & Van Hout-Wolters, B. (2011). Measuring strategy use with self-report
instruments: theoretical and empirical considerations. Metacognition Learning, 6, 83-
90. DOI: 10.1007/s11409-011-9081-9
Schoenfeld, A.H. (1985). Mathematical Problem Solving. USA: Academic Press.
Schoenfeld, A.H. (1987). What's all the fuss about metacognition? En A.H. Schoenfeld
(Ed.), Cognitive science and mathematics education (pp. 189-215). Hillsdale, NJ:
Lawrence Erlbaum Associates.
Schoenfeld, A.H. (1992). Learning to think mathematically: Problem solving,
Metacognition, and Sense-making in mathematics. En D. Grouws (Ed.), Handbook
for Research on Mathematics Teaching and Learning (pp. 334-370). New York:
MacMillan.
Schraw, G., & Denison, R. (1994). Assessing metacognitive awareness. Contemporary
Educational Psychology, 19, 460-475. DOI: 10.1006/ceps.1994.1033.
Schraw, G., Crippen, K.J., & Hartley, K. (2006). Promoting self-regulation in education:
Metacognition as part of broader perspective on learning. Research in Science
Education, 36, 111-139. DOI: 10.1007/s11165-005-3917-8
Schraw, G., Potenza, M.T., & Nebelsick-Gullet, L. (1993). Constraints on the calibration of
performance. Contemporary Educational Psychology, 18, 455–463. DOI:
10.1006/ceps.1993.1034
Schunk, D.H., & Ertmer, P. (2000). Self-regulation and academic learning: Self-efficacy
enhancing interventions. En M. Boekaerts, P.R. Pintrich y M. Zeidner (Eds.),
Handbook of Self-Regulation (pp. 631-649). San Diego, CA: Academic Press.
18
Schunk, D.H., Pintrich, P., & Meece, J. (2008). Motivation in Education. Theory, Research,
and Applications. Upper Saddle River, NJ: Pearson/Merrill Prentice Hall.
Scott, B., & Levy, M. (2013). Metacognition: Examining the Components of a Fuzzy
Concept. Educational Research, 2(2), 120-131. DOI:
http://dx.doi.org/10.5838/erej.2013.22.04
Siegler, R. (1988). Individual differences in strategy choices: Good student, not-so-good
students, and perfectionist. Child Development, 59, 833-851. DOI: 10.2307/1130252
Song, H.D. (2005). Motivating ill-structures problem solving in a web-based peer-group
learning environment: a learning-goal perspective. Journal of Educational Computing
Research, 33(4), 351-367. DOI: 10.2190/BEPD-ND3H-CXN4-GR30
Song, H.D., & Grabowski, B.L. (2006). Stimulating Intrinsic Motivation for Problem
Solving Using Goal-Oriented Contexts and Peer Group Composition. Educational
Technology Research and Development, 54(5), 445-466. DOI: 10.1007/s11423-006-
0128-6
Stajkovic, A., & Luthans, F. (1998). Self-Efficacy and work-related performance: a meta-
analysis. Psychological Bulletin, 124, 240-261. DOI: 10.1037/0033-2909.124.2.240.
Suárez, J.M. y Fernández, A.P. (2005). Escalas de evaluación de estrategias motivacionales
de los estudiantes. Anales de Psicología, 21(1), 116- 128. DOI: 10.6018/27221
Sugrue, B. (1994). Specifications for the Design of Problem-Solving Assessment in Science.
CSE Tech. Rep. Nº 387. Los Angeles: University of California, National Center for
Research on Evaluation, Standards, and Student Testing.
Suraya, M.Y.A., & Zah, W.A. (2009). Motivation in the Learning of Mathematics.
European Journal of Social Sciences, 7(4), 93-101.
Swanson, H.L. (1990). Influence of metacognitive knowledge and aptitude on problem
solving, Journal of Educational Psychology, 82, 306-314. DOI: 10.1037/0022-
0663.82.2.306
Urdan, T., & Schoenfelder, E. (2006). Classroom effects on student motivation: Goal
structures, social relationships, and competence beliefs. Journal of School
Psychology, 44, 331-349. DOI: 10.1016/j.jsp.2006.04.003
Veenman, M.V.J. (2005). The assessment of metacognitive skills: What can be learned
from multimethod designs? En C. Artelt y B. Moschner (Eds.), Lernstrategien und
Metakognition: Implikationen für Forschung und Praxis (pp. 75–97). Berlin:
Waxmann.
Veenmam, M.V.J., Van Hout-Wolters, H.A.M., & Afflerbach, P. (2006). Metacognition
and learning: conceptual and methodological considerations. Metacognition
Learning, 1, 3-14. DOI: 10.1007/s11409-006-6893-0
Vollmeyer, R., & Rheinberg, F. (2000). Does motivation affect performance via
persistence? Learning and Instruction, 10, 293-309. DOI: 10.1016/S0959-
4752(99)00031-6
Voss, J.F., & Post, T.A. (1988). On the solving of ill-structured problems. En M.T.H. Chi,
R. Glaser, and M.J. Farr (Eds.), The Nature of Expertise (pp. 261-285). Hillsdale, NJ:
Erlbaum.
Weiner, B. (1986). An attributional theory of motivation and emotion. New York: Springer-
Verlag.
Williams, D.J., & Noyes, J.M. (2007). Effect of experience and mode of presentation on
problem solving. Computers in Human Behavior, 23, 258-274. DOI:
10.1016/j.chb.2004.10.011
19
Winne, P.H., & Perry, N.E. (2000). Measuring self-regulated learning. En P.R. Pintrich, M.
Boekaerts, y M. Zeidner (Eds.), Handbook of self-regulation (pp. 531–567). Orlando:
Academic.
Winser, B. (1988). Readers getting control of reading. Australian Journal of Reading,
11(4), 257-268.
Wise, S.L., Bhola, D.S., & Yang, S.T. (2006). Taking the Time to Improve the Validity of
Low-Stakes Tests: The Effort-Monitoring CBT. Educational Measurement: Issues
and Practice, 25(2), 21-30. DOI: 10.1111/j.1745-3992.2006.00054.x
Zimmerman, B.J. (1995). Self-efficacy and educational development. En A. Bandura (Ed.),
Self-efficacy in changing societies (pp. 202–231). New York: Cambridge University
Press.
Zimmerman, B.J., & Kitsantas, A. (2005). The hidden dimension of personal competence:
Self-regulated learning and practice. En A.J. Elliot y C.S. Dweck (Eds.), Handbook of
competence and motivation (pp. 204–222). New York: Guilford Press.
Zimmerman, B.J., & Schunk, D.H. (2008). Motivation. An essential dimension of self-
regulated learning. En D.H. Schunk y B.J. Zimmerman (Eds.), Motivation and self
regulated learning. Theory, Research and Applications (pp.1-30). New York:
Lawrence Erlbaum Associates.
20