METACOGNICIÓN Y MOTIVACIÓN EN LA SOLUCIÓN DE PROBLEMAS:

CONSIDERACIONES PARA SU EVALUACIÓN

Carla E. Förster
Cristian A. Rojas-Barahona
Facultad de Educación, Pontificia Universidad Católica de Chile

Correspondecia: Dr. Carla E. Förtser M. Facultad de Educación, Pontificia Universidad

Católica de Chile. Av. Vicuña Mackenna 4860, Macul, Santiago, Chile. Teléfono: (56 2)
3545326. E-mail: ceforste@uc.cl / Dr. Cristian A. Rojas-Barahona, a la misma dirección
anterior. Teléfono (56 2) 3545362. E-mail: crojash@uc.cl

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.

La Metacognición en la Solución de Problemas

Las investigaciones que se han preocupado de la relación entre solución de
problemas y metacognición, han observado que las personas que utilizan mejor sus
habilidades metacognitivas, son más efectivas en solucionar un problema que quienes no
las utilizan (por ejemplo ver, Hjalmarson, 2001; Howard et al., 2000; Hwang y Gorrell,
2001). Aunque existe un número importante de definiciones de la metacognición, y no hay
consenso entre ellas (Baker y Cerro, 2000), en general, es entendida como la noción del
pensamiento sobre el propio pensamiento, incluyendo los conocimientos de los procesos
cognitivos (sería el conocimiento declarativo, por ejemplo ver, Flavell, 1987) como de la
autorregulación de los mismos (sería el conocimiento procedimental, por ejemplo ver,
Brown & DeLoache, 1978; Veenman, 2005). La metacognición facilitaría la solución del
problema en la medida que gestiona el conocimiento a través de la planificación, el
monitoreo y la evaluación de las acciones, sea conciente o inconcientemente (por ejemplo
ver, Hjalmarson, 2001; Howard et al., 2000; Martínez-Fernández, 2007; Montague, 2008;
O´Neil y Abedi, 1996; Schraw y Denison, 1994; Schraw et al., 2006). Para DeLoache et al.
(1998) un elemento clave en la solución de problemas es la habilidad para planificar y
manejar el proceso de solución. Estas funciones cognitivas se asocian al concepto de
autorregulación y sus componentes metacognitivos se consideran claves, en la medida que
apoyan la adaptación flexible del conocimiento de una persona para resolver las demandas
de un problema desconocido (Sugrue, 1994). Según Baxter y Glaser (1998), los estudiantes
considerados “expertos” tienen características de autorregulación más desarrolladas, lo que
se evidencia en la ejecución de habilidades de monitoreo y control de su desempeño,
utilizan eficientemente sus recursos, chequean su pensamiento y adaptan sus estrategias de
acuerdo con las necesidades; mientras que los estudiantes considerados “novatos” en la
solución de problemas, desestiman las demandas de la tarea, sobreestiman sus
conocimientos y habilidades y, consecuentemente fallan en lograr una solución. Del mismo
modo, Schoenfeld (1987), señala que los novatos se basan en la exploración del problema
para iniciar la solución y luego continúan sin realizar un monitoreo de sus progresos, lo que
implica, en la mayoría de los casos, la utilización de vías de solución ineficaces; en
comparación, los expertos leen y analizan el problema y para avanzar en la solución,
utilizan otros procesos cognitivos como la planificación, implementación y verificación de
sus resultados, lo que les permite cambiar su comportamiento de acuerdo con los progresos
que observan.
Tanto planificar como solucionar un problema, monitorear y corregir el proceso de
solución configuran una dificultad en sí mismos (DeLoache et al., 1998). En este sentido,
Lee (1982) considera que los estudiantes tienen escasa capacidad para separar la
elaboración de un plan, de su posterior ejecución y que solo realizan un chequeo de la
respuesta final, pero no de los pasos o cálculos realizados. Estas funciones cognitivas han
sido estudiadas por diversos autores (por ejemplo ver, Glaser y Baxter, 2000; O’Neil y
Schacter, 1997; Schoenfeld, 1985; Siegler, 1988), los cuales consideran que son posibles de
estudiar en forma aislada. De los componentes metacognitivos asociados a la solución de
problemas, los más estudiados son la planificación (Kaller et al., 2008) y el monitoreo o
autoevaluación (Hong, O´Neil y Feldom, 2005).

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).

La Motivación en la Solución de Problemas

Schunk, Pintrich y Meece (2008) señalan que la motivación es un concepto
ampliamente definido en la literatura especializada, y es posible encontrar grandes
discrepancias respecto de su naturaleza. Aunque hay diversos modelos de motivación que
pueden ser relevantes para el desempeño de la persona, desde las propuestas de evaluación
de la habilidad de solución de problemas este tema se focaliza desde una visión cognitiva y
social (Hong et al., 2005). Schunk et al. (2008) la definen como “un conjunto de fuerzas
internas o de rasgos personales, de respuestas conductuales a determinados estímulos o de
diferentes escenarios de creencias y afectos” (p. 5) y Bandura (1986) plantea que la
motivación incluye los conocimientos de la persona y de la tarea, es decir, las creencias
acerca de su capacidad académica y de las expectativas sobre los resultados de su
desempeño. Para Bandura, este conjunto de creencias sería autoeficacia. Por su parte,
Schraw et al. (2006) plantean que la motivación incluye creencias y actitudes que afectan
las habilidades cognitivas y metacognitivas de las personas, y que es necesario
considerarlas al momento de estudiar dichas habilidades.
Aunque los procesos básicos motivacionales de la persona al enfrentarse a la tarea,
son un elemento relevante en la efectividad para solucionar un problema (ver por ejemplo,
Perels, Gürtler y Schmitz, 2005; Pintrich y de Grott, 1990; Suárez y Fernández, 2005), han
sido poco estudiados (Hoffman y Schraw, 2009). Entre los modelos de motivación más
utilizados, asociados a la solución de problemas, se encuentran las propuestas de Pintrich y
Schunk (1996); la de Schraw et al. (2006) y la del National Center for Research on

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).

Instrumentos para evaluar la metacognición

En términos generales, Hacker (1998) plantea dos enfoques como los más
frecuentemente usados en los estudios metacognitivos. En el primero, los estudiantes
evalúan su comprensión en términos de la “sensación de saber” (feeling of knowing), de
“juzgar su aprendizaje” (judgments of learning), o de la “facilidad de aprender” (ease of
learning). En el segundo, responden instrumentos de autoevaluación o autorreporte, como
los inventarios de conciencia metacognitiva, que se utilizan para evaluar las habilidades de
comprensión monitoreada. En específico, los procedimientos e instrumentos para evaluar
los elementos metacognitivos son diversos y entre ellos se incluyen las entrevistas,
cuestionarios, escalas de valoración, protocolos de pensamiento en voz alta, cooperación en
tareas colectivas, etc. No obstante, es importante considerar que la definición que se asuma
de este concepto, tendrá implicancias en su medición, ya que los componentes que se
incluyan en los instrumentos variarán de acuerdo a la concepción que se tenga de esta
(Baker y Cerro, 2000). A continuación se presentan las técnicas e instrumentos más
utilizados y se describen sus principales características:
a) Entrevistas
Los procedimientos de entrevista son ampliamente utilizados para evaluar la
metacognición y tienen como propósito ayudar al entrevistador a “observar” el
razonamiento que hay detrás de las respuestas del entrevistado, frente a una determinada
tarea (Israel, Bauserman y Collins, 2005) y pueden ser aplicadas mientras esta se realiza o
luego de su ejecución. Aunque algunos autores plantean que las entrevistas son complejas
de aplicar en la población infantil y en personas con problemas lingüísticos (Mayor et al.,
1993), estas han sido utilizadas desde preescolares (Hwang, 1998). La Tabla 1 describe
algunos ejemplos de protocolos de entrevista.

Tabla 1: Estrategias de entrevistas más utilizadas para evaluar la metacognición.

Nombre (Sigla) Autor (Año) Descripción Ejemplos de
su uso
Entrevista de Gorrell, Consta de dos secciones, una de Autorregulación en situaciones Gorrell et
Autorregulación Dharmadasa, problemáticas y otra de Autorregulación personal. La primera parte al. (1996).
Kularatna y contiene 20 situaciones, donde se le presenta al niño un problema
Abeyratne (1992) con dos posibles cursos de acción, debe elegir uno y fundamentar la
razón de su elección; y la segunda, consiste en 6 preguntas, donde
el niño debe responder respecto de su propia vida escolar.
Reflective Recopilación de Es una entrevista reflexiva, inicialmente diseñada para evaluar la Craig y
Metacognitive Rhodes y Shanklin comprensión lectora, pero que puede ser adaptada para la solución Yore (1995)
Interviews (1993) de problemas. Se realiza luego de resuelto el problema para
(RMIs) determinar el razonamiento que hay detrás de la respuesta de este.
El procedimiento es: el estudiante es interrogado para que mire en
retrospectiva su trabajo y explique cómo lo hizo y por qué lo hizo
de esa forma. Con esta entrevista se puede conocer si un estudiante
no comprendió lo que debía hacer o si fue un problema de
vocabulario, por ejemplo, lo que influyó en su comprensión.
Técnica de Royer (2001) Esta entrevista se realiza a partir de la elección del estudiante de Kalyuga
Verificación de cuatro opciones de respuesta. Toma enunciados desde un texto (2006)
Enunciados original y los cambia por tres formas claves de crear dicho

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)

b) Protocolos de Pensamiento en voz alta

Este tipo de procedimientos es el más utilizado en metodologías donde hay una
dependencia a un dominio disciplinar específico (O’Neil y Abedi, 1996). En esta técnica, la
persona debe verbalizar sus procesos de pensamiento mientras trabaja en una tarea. Luego
la información es codificada siguiendo algún modelo específico, que permite profundizar
en elementos, patrones, y secuencias de los procesos subyacentes del pensamiento. Royer,
Cisero y Carlo (1993), realizaron una revisión exhaustiva de las técnicas de evaluación de
habilidades metacognitivas dominio-dependientes, la cual incluye los protocolos de análisis
de la información. También Branch (2000) analizó la técnica de pensamiento en voz alta y
las comparó con técnicas de entrevista luego de realizar la tarea y concluye que el
pensamiento en voz alta puede no ser adecuado para estudiantes que tienen dificultades de
aprendizaje. Esta técnica se ha aplicado de manera exitosa en niños de tercer grado en
adelante (Branch, 2000). Entre los más conocidos se encuentra el Swanson Metacognitive
Questionnaire (SMQ) elaborado por Swanson (1990) a partir de las propuestas de Kreutzer
Leonard y Flavell (1975) y Myers y Paris (1978). Consiste en 17 preguntas de conciencia
metacognitiva asociadas a problemas matemáticos y cuyas respuestas se graban y luego se
cuantifican de 1 a 5 por dos jueces independientes y posteriormente se analiza la
consistencia entre ellos. La confiabilidad reportada fue de Alfa 0,87.

c) Escalas de valoración e inventarios

En esta categoría se encuentran los instrumentos más utilizados para evaluar la
metacognición (Baker y Cerro, 2000). A través de ellos se busca que los estudiantes
reporten sus procesos de pensamiento luego de realizar una tarea de solución de problemas.
Este autorreporte puede realizarse retrospectivamente o de manera introspectiva (Winser,
1988). Para ello, en general se le presenta una serie de afirmaciones o preguntas sobre

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.

Tabla 2: Escalas de valoración, Cuestionarios e Inventarios más utilizados en la evaluación

de aspectos metacognitivos asociados a la solución de problemas.
Nombre (Sigla) Autor (Año) Descripción Confiabilidad Ejemplos de Uso
Inventario de Rasgos O´Neil y Abedi Escala tipo Likert que evalúa la autorregulación Alpha 0,90 Hong, O’Neil y
Metacognitivos (1996) al enfrentarse a una tarea, (el constructo incluye con un rango Feldon (2005);
metacognición, esfuerzo y ansiedad). En la de 0,73 a 0,83 Martínez-
dimensión de metacognición se considera la en las Fernández
planificación, el monitoreo, las estrategias subescalas. (2007);
cognitivas y la conciencia de lo que realiza. Fue Martínez-
diseñado para aplicarse en tareas independientes Fernández et al.
de un dominio disciplinar y permite la (2008).
adecuación de las afirmaciones a un contexto o
tarea específicos. Consta de 20 ítems y se
responde desde 1 “Muy en desacuerdo” a “Muy
de acuerdo”. Se reporta para estudiantes de 14
años o más.
Metacognitive Schraw y Denison Escala tipo Likert que considera dos factores: Alfa está en Dennison
Awareness Inventory (1994) Conocimientos metacognitivos y Regulación de un rango de (1997);
(MAI) la Cognición. Consta de 52 ítems y es 0,90-0,95. Dennison,
autoaplicada. Se responde desde 1 “Nunca” a 5 Howard,
“Siempre”, o desde 1 “Nunca es cierto” a 5 Krawchuk y
“Siempre es cierto” según sea el autor que la Hill, (1996) y
use. Esta escala se utiliza tanto en adultos como Hammann
en adolescentes. Tiene fuerte validez predictiva (2005).
para evaluar el desempeño y el monitoreo en
tareas académicas (Hammann, 2005).
Inventory of Howard, McGee, Escala tipo Likert derivada del MAI que evalúa Alfa para la Scott y Levy
Metacognitive Self- Shia y Hong la conciencia metacognitiva y las habilidades escala es (2013)
Regulation (IMSR) (2000) regulatorias en el contexto de la solución de 0,935 y para
problemas (Conocimiento de la cognición, cada factor
Objetividad, Representación del problema, están en un
Monitoreo de las estrategias de aprendizaje, y rango de 0,720
Evaluación). Se espera que los sujetos a 0,867.
respondan lo que mejor describe la forma en
que ellos son, cuando están haciendo una tarea
en la escuela o en la casa. Consta de 37 ítems
que se responden desde 1 “Nunca” a 5
“Siempre”. Los factores son considerados
independientes entre sí y el que presenta mayor
peso factorial es Conocimiento de la cognición
(Howard et al., 2000).
Motivated Strategies Pintrich, Smith, Es una escala Likert que consta de 81 ítems Alfa para la Ramírez, Canto
for Learning Garcia y relacionados con: motivación y estrategias sub-escala es y Rodríguez,
Questionnarie McKeachie, cognitivas (Ensayo, Elaboración, Organización, de 0,78 a 0,83. Bueno y
(MSLQ) (1993) Pensamiento crítico Autorregulación No se reporta Echazarreta
metacognitiva, y Administración de recursos). para la escala (2013).
La subescala de Autorregulación tiene 13 ítems completa.

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”.

Instrumentos para evaluar la Motivación

Existen diversos instrumentos que abordan los componentes afectivos o motivacionales
relacionados con la solución de problemas, entre los que se encuentran principalmente las
escalas de valoración, cuestionarios e inventarios motivacionales (por ejemplo ver, O’Neil
y Schacter, 1997; Pintrich et al., 1993). Estos instrumentos tienen como propósito recoger
información de los componentes motivacionales mayoritariamente reconocidos como
factores que influyen en la eficacia para solucionar problemas, como son el tipo de
motivación (intrínseca o extrínseca), la percepción de autoeficacia y control y la ansiedad
que produce la tarea. Estos instrumentos se aplican en general desde los 9 años en adelante.
En la Tabla 3 se presentan algunos de los instrumentos que se utilizan habitualmente para
evaluar la motivación en el contexto de la solución de problemas y se describen sus
principales características.

Tabla 3. Principales Escalas de valoración para evaluar los componentes motivacionales

asociados a la solución de problemas.
Nombre (Sigla) Autor (Año) Descripción Confiabilidad Ejemplos de Uso
Motivated Strategies Pintrich, Smith, Es una escala Likert que consta de 81 ítems Alfa para la Ramírez, Canto y
for Learning Garcia y relacionados con: motivación (Valoración de la sub-escala es Rodríguez, Bueno y
Questionnarie McKeachie, tarea, Expectativas y Afecto) y estrategias de 0,78 a 0,83. Echazarreta (2013).
(MSLQ) (1993) cognitivas (Ensayo, Elaboración, Organización, No se reporta
Pensamiento crítico Autorregulación para la escala
metacognitiva, y Administración de recursos). completa.
Se responde en siete categorías desde 1 “No es
verdadero para mí” a 7 “Es muy verdadero para
mi”
The Morgan–Jinks Jinks y Morgan Escala tipo Likert que evalúa las creencias de Tiene un Afari, Ward y Khine
Student Efficacy (1999) los estudiantes en relación con el éxito en la coeficiente (2012)
Scale (MJSES) escuela en los dominios académico y social. Alfa de 0,82
Consta de 34 ítems que se responden en una para la escala
graduación de 4 puntos desde 1 Total acuerdo a completa y
4 Total desacuerdo. La escala tiene tres sub- 0,78 para
escalas que conforman el puntaje total: Esfuerzo Talento, 0,70
(empeño en la tarea), Talento (innato o para contexto
habilidad), y Contexto (creencias sobre la y 0,66 para
experiencia escolar). esfuerzo.
Middle School Self- Fouad, Smith y Escala tipo Likert que evalúa tres dimensiones Alfa entre Cupani y Lorenzo
Efficacy Scale Enochs (1997) motivacionales: Creencias de autoeficacia (12 0,70 y 0,84 (2010) la validaron
ítems, 5 de matemáticas y 7 de ciencias); para las para Argentina.
Expectativas de resultados (6 ítems, 4 en subescalas. No
matemática y 2 en ciencia); Intenciones y metas se reporta para
(6 ítems, 2 en matemática y 4 en ciencias). La la escala total
respuesta va desde 1 “Totalmente en
desacuerdo” a 5 “Totalmente de acuerdo”. Está
diseñada para estudiantes de secundaria. Esta
escala puede ser un buen complemento cuando
se evalúan tareas de solución de problemas
asociadas a estos dominios disciplinares

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.

Variables moderadoras en la interpretación de los resultados

Como se mencionó anteriormente, para tener una visión completa de la evaluación
de la habilidad de solución de problemas, es relevante considerar la relación con la
metacognición y la motivación. Los componentes metacognitivos frecuentemente incluidos
en los instrumentos de evaluación en el contexto de la solución de problemas, debido a la
posibilidad de evaluarlos de manera independiente, son la Planificación y el
Monitoreo/Evaluación, mientras que entre los componentes motivacionales los más
abordados son la Autoeficacia y el Esfuerzo e Interés por la tarea.
No obstante, hay que tener presente que existen otras variables como la percepción
de dificultad, las experiencias previas y el tipo de problema, que pueden mediar la
magnitud de estas relaciones y que es importante considerarlas al momento de realizar las
mediciones y su posterior interpretación. En este sentido, se ha observado que la
autoeficacia opera independientemente de las habilidades subyacentes, y es mediada por las
diferencias individuales como los conocimientos previos (Jonassen, 2000; Pajares, 2003) y
la conciencia metacognitiva (Schunk y Ertmer, 2000). También se ha observado que las
creencias de autoeficacia ayudan a determinar cuánto esfuerzo pondrá la persona en una
actividad, y cuánto va a perseverar en la tarea cuando se enfrente a algún obstáculo; así
quienes se perciben más autoeficaces, invertirán mayor esfuerzo, tendrán mayor
perseverancia frente a las dificultades y presentarán menor ansiedad que quienes se
perciben como poco autoeficaces (Hong et al., 2005; Pajares, 1996; Schunk y Ertmer,
2000), y como producto de este conjunto de conductas, su eficacia en la solución o
cumplimiento de la tarea será mejor. Sin embargo, esta relación no es lineal (Garcia y
Pintrich, 1992), y está estrechamente relacionada con la percepción de dificultad de la tarea
(Dweck y Master, 2008; Rabinowitz, Freeman y Cohen, 1992; Stajkovic y Luthans, 1998;
Urdan y Schoenfelder, 2006; Zimmerman, 1995). Se ha observado que quienes encuentran
que la tarea es fácil o la perciben como inabordable, invierten poco esfuerzo en lograr una
solución (Dweck y Master, 2008; Rabinowitz et al., 1992). Esta condición de distribución
en forma de parábola es un elemento que se debe considerar en la interpretación de los
resultados de su medición, ya que tanto quienes perciban la tarea como muy fácil como
quienes la perciban como muy difícil, obtendrán una puntuación similar en cuanto al
esfuerzo invertido, enmascarando el problema subyacente asociado a la tarea.

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.

Limitaciones de los instrumentos

Las limitaciones de los instrumentos de autorreporte en general, como son las
entrevistas, procesos de pensamiento en voz alta, las escalas de valoración, inventarios y
cuestionarios, están dadas porque los estudiantes no son capaces de retener o ser concientes
con precisión de lo que han hecho para luego traspasarlo al instrumento o explicitarlo

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.

Consideraciones para la Práctica

Como se ha presentado en este artículo, en la solución de problemas hay una serie
de habilidades metacognitivas y motivacionales que es necesario considerar para tener una
interpretación precisa del grado de efectividad de los estudiantes al enfrentarse a una
situación problema. Aquí se presenta una compilación de los instrumentos y técnicas más
frecuentes para su evaluación, que permitirá a los profesores de aula 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.

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