Contribuciones A La Mejora Del Soporte TESIS DOCTORAL

TESE DE DOUTORAMENTO
Contribuciones a la mejora del soporte al aprendizaje autorregulado en

entornos virtuales de aprendizaje
Mario Manso Vázquez · 2017 2017
Mario Manso Vázquez
autorregulado en entornos virtuales de aprendizaje

Contribuciones a la mejora del soporte al aprendizaje
Escola Internacional de Doutoramento
Mario Manso Vázquez
Contribuciones a la mejora del soporte al aprendizaje
autorregulado en entornos virtuales de aprendizaje
Dirixida polos doutores:

Martín Llamas Nistal e Manuel Caeiro Rodríguez
Ano 2017
Escola Internacional de Doutoramento
Martín Llamas Nistal e Manuel Caeiro Rodríguez
FAN CONSTAR que o presente traballo, titulado “Contribuciones a

la mejora del soporte al aprend izaje autorregulado en entornos
virtuales de aprendizaje.”, que presenta Mario Manso Vázquez para
a obtención do tí tulo de Doutor, foi elaborado baixo a súa dirección
no programa de douto ramento “Enxeñería Telemática”.
Vigo, 4 de Ma io de 2017.
Os directores da tese de doutoramento
Dr. Martín Llamas Nistal Dr. Manuel Caeiro Rodríguez

R ESUMEN
Esta tesis es un trabajo multidisciplinar situado en el dominio del aprendizaje
mejorado con tecnología (TEL en sus siglas en inglés), centrándose en el soporte
software al aprendizaje autorregulado (SRL en sus siglas en inglés). El SRL es una
teoría pedagógica orientada a mejorar la autonomía y capacidades de los
estudiantes. En el SRL, el estudiante debe planificar su aprendizaje, monitorizar,
regular y evaluar su cognición, motivación y conducta de cara a conseguir sus
objetivos, empleando lo que se conoce como estrategias de aprendizaje y
autorregulación. A pesar de que el proceso de enseñanza-aprendizaje es cada vez
más tecnológico y de que existen diferentes tipos de herramientas y Entornos
Virtuales de Aprendizaje (VLE en sus siglas en inglés) empleados comúnmente por
los estudiantes, no se han generado soluciones que faciliten a éstos la utilización
de las estrategias SRL, ni se ha definido cómo es posible ofrecer este soporte.
El objetivo principal de este trabajo es contribuir a mejorar las posibilidades del
software existente y futuro de ofrecer soporte al SRL, tratando de reducir las
limitaciones actuales para su desarrollo. Para alcanzar este objetivo se ha seguido
una aproximación práctica basada en el análisis de una amplia selección de
estrategias SRL, tratando de identificar y comprender los procesos implicados en
su aplicación y los resultados que se generan.
Los resultados obtenidos se resumen en tres contribuciones principales:
 Definición de un conjunto de requisitos para el soporte software al SRL, que

abarca el proceso de aprendizaje y autorregulación y define de forma
detallada las necesidades de implementación para cada estrategia. Estos
requisitos constituyen además una guía para la implementación de soporte
al SRL en software, estando clasificados en un conjunto de funcionalidades
identificadas como potenciales para el SRL.
 Diseño y desarrollo de un instrumento de evaluación del nivel de soporte

software al SRL (CESARAS) que permite a cualquier persona evaluar el
nivel de soporte sin tener conocimientos de SRL. Además esta herramienta
permite la detección de limitaciones al soporte SRL en las herramientas
evaluadas de forma casi inmediata, facilitando la mejora del mismo.
 Desarrollo de un perfil de aplicación (xAPI-SRL) en xAPI para el registro

de actividades relativas al SRL. Este perfil permite registrar de forma
unívoca una selección de las acciones derivadas de la utilización de las
estrategias SRL más importantes y pretende garantizar la interoperabilidad
para la monitorización, así como facilitar el desarrollo de soporte a la
monitorización del SRL.
Palabras clave: aprendizaje autorregulado, estrategia de aprendizaje y

autorregulación, TEL, soporte software, funcionalidad, evaluación de software,
monitorización.
i
ii
A GRADECIMIENTOS
Este trabajo de investigación ha sido posible principalmente gracias a la

financiación del Ministerio de Ciencia e Innovación (actual Ministerio de
Economía y Competitividad) bajo la beca FPI “Methodologies, Architectures and
Standards for adaptive and accessible e-learning”, bajo el proyecto Adapt2Learn
(TIN2010-21735-C02-01).
También agradecer al Fondo Europeo de Desarrollo Regional (FEDER) y al
Gobierno Regional de Galicia por su apoyo para la realización de los
desplazamientos necesarios para presentar este trabajo en múltiples conferencias
alrededor del globo (proyectos CN2012/260 y GRC2013-006 AtlantTIC).
iii
iv
A GRADECIMIENTOS PERSONALES
No puedo dejar de agradecer a todos los que me han apoyado, ya sea activa o
“moralmente”, durante la realización de este doctorado.
En primer lugar quiero agradecer enormemente a mis directores de tesis. A
Martín por su paciencia, sus ideas, sus valiosos consejos y su criticismo, que me han
hecho crecer como investigador. A Manuel por su soporte, guiado y motivación;
por ayudarme a enfocar siempre lo importante y a visualizar los resultados desde
el primer esbozo. Algunas de las claves de esta tesis provienen de debates llenos de
ideas innovadoras, de pragmatismo y, sobre todo, de colaboración.
A mis compañeros del GIST, pasados y presentes, un grupo de investigación lleno
de talento. Aunque nos vemos poco, siempre estáis ahí para lo que haga falta. En
especial a Roberto Pérez.
A los que me he encontrado por el camino durante esta andadura, especialmente
a Aubrie. Thanks a lot for endless intriguing conversations!
Por supuesto, a mis amigos, que están “a las duras y a las maduras”. Entre charlas
de música, ciencia, olas, coches, etc. han aguantado más de una queja y bastantes
“hoy no puedo que estoy con la tesis”. Aquí están todos los que son, pero no son
todos los que están: Luis, Isma, Mon y Chris (los chicos de The Venus’ Garden);
Pablo y Ana, Marcos “Manguitos”, Marco, Gise, Gerar, Manu, Jaime, Arturo, Javi,
David Alonso, Carlos Gago, “Loris”, Breixo, Paula, Julia, Cris, Marcos
Álvarez,…(seguro que me olvido de alguien) ¡me siento muy afortunado de teneros
conmigo!
A mi familia, por vuestro cariño, apoyo y ánimos. Siempre y pase lo que pase os
llevaré en mi corazón.
Por último, no hay palabras que permitan expresar lo agradecido que estoy a
Berta por su amor y su apoyo, por ponerme los pies en la tierra cuando me da por
soñar demasiado alto, por haber sido mi consultora personal de pedagogía durante
este doctorado,…En definitiva, por hacer que el viaje de la vida sea, en los tiempos
que corren, más que llevadero, apasionante.
v
vi
C ONTENIDOS
1 I N T R O D U C C IÓ N 17
1.1 Motivación 17
1.2 Objetivos 22
1.3 Metodología 24
1.4 Estructura de la memoria 27
2 C O N T E X T O P E D A G Ó G ICO 31
2.1 Teorías del aprendizaje 31

2.1.1 Conductismo 32
2.1.2 Cognitivismo 33
2.1.3 Constructivismo 33
2.1.4 Humanismo 34
2.1.5 Inteligencias múltiples 35
2.1.6 Competencias del siglo XXI 36
2.2 Metacognición 38
2.2.1 Componentes de la metacognición 39
2.2.2 Modalidades metacognitivas 39
2.2.3 Habilidades metacognitivas 40
2.2.4 Modelo metacognitivo 41
2.3 Aprendizaje autorregulado 41
2.3.1 Contexto y evolución del aprendizaje autorregulado 42
2.3.2 Modelos de aprendizaje autorregulado 44
2.3.3 Fases de la autorregulación del aprendizaje 49
2.3.4 Áreas de la autorregulación del aprendizaje 50
2.3.5 Características de los estudiantes autorregulados 50
2.4 Estrategias de aprendizaje y autorregulación 51
2.4.1 Enseñanza de las estrategias 51
2.4.2 Clasificación de estrategias 52
2.4.3 Estrategias de autorregulación 54
2.4.4 Estrategias de aprendizaje cognitivas 55
2.5 Conclusiones 56
3 C O N T E X T O T E C N O L Ó G IC O : V L E 59
3.1 Learning Management System (LMS) 60

3.2 Massive Open Online Course (MOOC) 63
3.3 Intelligent Collaborative Learning Environment (ICLE) 66
3.4 Sistemas de Tutor Inteligente (ITS) 67
3.5 Adaptive Systems (AS) 70
3.6 Portfolio electrónico 71
3.7 Redes sociales educativas 73
3.8 Personal Learning Environment 74
3.9 Conclusiones 76
4 ESTADO DEL ARTE: SRL EN SOFTWARE 79
4.1 Requisitos para el soporte software al SRL 79
vii
4.2 Aplicaciones software con soporte SRL 82
4.2.1 Aplicaciones específicas 82
4.2.2 Aplicaciones genéricas 88
4.3 Evaluación del soporte al SRL en software 90
4.3.1 Análisis teórico del nivel de soporte según tipo de herramienta 91
4.3.2 Proyecto TELEPeers 92
4.3.3 Acerca de las Metodologías 95
4.4 Monitorización del aprendizaje 96
4.4.1 Soluciones de Interoperabilidad 97
4.4.2 Activity Streams 98
4.4.3 Tin Can API o eXperience API (xAPI) 100
4.4.4 IMS Caliper 105
4.4.5 Proyectos de monitorización del SRL 106
4.5 Conclusiones 109
5 R E Q U IS I T O S P A R A E L S O P O R T E S O F T W A R E A L S R L 111
5.1 Análisis de estrategias de aprendizaje y autorregulación 112

5.1.1 Ejemplos de análisis de Estrategias metacognitivas 113
5.2 Requisitos software para el soporte al SRL 117
5.2.1 Planificación y gestión de proyectos o tareas 120
5.2.2 Gestión del tiempo 122
5.2.3 Entrega de contenidos 122
5.2.4 Gestión de recursos educativos e información 124
5.2.5 Guías de estrategias 124
5.2.6 Automonitorización y Autoevaluación 125
5.2.7 Trabajo colaborativo 126
5.2.8 Requisitos comunes 127
5.3 Otros requisitos importantes 128
5.3.1 Comunicación entre aplicaciones: lenguaje común 128
5.3.2 Compromiso en el nivel de guiado 129
6 C E S A R A S : E V A L U A C IÓ N D E L S O P O R T E A L S R L E N S O F T W A R E 131
6.1 Concepto, objetivos y requisitos de CESARAS 132

6.2 Preguntas y respuestas 133
6.2.1 Tipos de preguntas y respuestas 133
6.2.2 Elaboración de preguntas y respuestas 135
6.2.3 Clasificación y ordenación 137
6.3 Puntuación y creación de rúbricas 139
6.3.1 Clasificación de los items de cara a los resultados 139
6.3.2 Puntuaciones iniciales 140
6.4 Calibración de resultados 140
6.4.1 Selección de aplicaciones de control 141
6.4.2 Evaluación de expertos 143
6.4.3 Resultados iniciales para las aplicaciones de control 149
6.4.4 Comparación de resultados y ajuste de puntuaciones 150
6.4.5 Resultados finales para las herramientas de control 150
6.5 Implementación 151
viii
6.5.1 Capa de presentación 151
6.5.2 Datos y lógica de negocio 154
6.6 Validación 155
6.6.1 Validación por juicio de expertos 156
6.6.2 Validación por repetición (prueba de fiabilidad) 156
7 X A P I - S R L : P E R F I L D E A P L IC A C I Ó N 161
7.1 Concepto, objetivos y requisitos 162

7.2 Selección de la información a capturar 164
7.3 Selección del estándar xAPI 165
7.4 Desarrollo del perfil de aplicación xAPI-SRL 166
7.4.1 Creación de declaraciones 166
7.4.2 Estructuración en recetas 171
7.4.3 Implementación de recetas en función del tipo de herramienta 173
7.5 Demostración y evaluación 174
7.5.1 Escenarios de demostración 175
7.5.2 Simulación de trazas 176
7.5.3 Selección y Procesado de trazas 179
7.5.4 Muestra de visualizaciones de gráficas de la simulación 182
7.5.5 Evaluación 186
7.6 Ejemplos de visualizaciones que permite xAPI-SRL 187
7.6.1 Datos representados 188
7.6.2 Gráficas de ejemplo 188
8 C O N C L U S IO N E S 197
8.1 Revisión de la investigación 197

8.2 Resumen de contribuciones 200
8.3 Conclusiones finales 201
8.4 Problemas abiertos y trabajos futuros 204
8.5 Publicaciones 206
A A N Á L IS IS D E E S T R A T E G I A S 213
A.1 Estrategias metacognitivas 214

A.1.1 Estrategias de planificación 214
A.1.2 Estrategias de monitorización y control 220
A.1.3 Estrategias de evaluación, reflexión y reacción 223
A.2 Estrategias motivacionales 231
A.3 Estrategias de contexto 233
A.4 Estrategias cognitivas 234
A.4.1 Estrategias de búsqueda, recogida y selección de información 234
A.4.2 Estrategias de adquisición, procesamiento y uso de la info… 237
B CESARAS 255
B.1 Información personal 256

B.2 Información de la herramienta 256
B.3 Planificación y gestión de proyectos o tareas 257
ix
B.4 Entrega de contenidos 261
B.5 Gestión de recursos educativos e información 263
B.6 Guías para estrategias cognitivas 265
B.7 Automonitorización y autoevaluación 266
B.8 Gestión del tiempo 268
B.9 Social y trabajo colaborativo 269
B.10 Estrategias embebidas comunes 271
C PERFIL XAPI-SRL 273
C.1 General Information 273

C.1.1
What is Self-Regulated Learning? 273
C.1.2
What is this profile for? 274
C.1.3
How to use the xAPI-SRL profile 275
C.1.4
Main parts of a xAPI-SRL statement 277
C.1.5
Objects and activity types 278
C.1.6
Extensions 280
C.1.7 Properties that apply to all statements 280
C.2 xAPI-SRL Recipes 282
C.2.1 Resource and learning content management 282
C.2.2 View control 284
C.2.3 Task and goal management 285
C.2.4 Time and flow control 287
C.2.5 Planning 292
C.2.6 Curation (self and others) 295
C.2.7 Annotation 297
C.2.8 Vocabulary control 300
C.2.9 Motivation 302
C.2.10 Strategy Management 304
C.2.11 Step Sequencing 307
C.3 Example 308
B I B L IO G R A F Í A 311
x
F IGURAS
Fig. 1: Estructura modular del MLO (Manso & Llamas, 2013c). ........................... 20
Fig. 2: Contexto, objetivos y contribuciones de esta tesis. ..................................... 24
Fig. 3: Design Science Research Methodology Process (Peffers et al. 2007). ........ 26
Fig. 4: Desarrollo de la tesis de acuerdo con la metodología. ................................. 26
Fig. 5: Estructura de la memoria.............................................................................. 28
Fig. 6: Ilustración que representa en clave de humor la realidad de la ausencia de
adaptación a las inteligencias múltiples existente en la educación................ 36
Fig. 7 Relaciones entre tareas, estrategias y metacognición (Allueva Torres, 2002).
........................................................................................................................... 41
Fig. 8: Fases y subprocesos de la autorregulación en el modelo de Zimmerman
(Zimmerman, 2002). ........................................................................................ 45
Fig. 9: Fases y áreas de la autorregulación en el modelo de Pintrich (Pintrich P. ,
2004). ................................................................................................................ 47
Fig. 10: Modelo de SRL de Winne y Hadwin (Winne & Hadwin, 1998). ............. 48
Fig. 11: Modelo PLEJE de aprendizaje autorregulado (Rosario, Nuñez, &
González-Pienda, 2006). .................................................................................. 49
Fig. 12: Funciones clave de los ITS (Koedinger, Brunskill, Baker, McLaughlin, &
Stamper, 2013). ................................................................................................. 68
Fig. 13: Balance entre proceso y producto en un ePortfolio (Barrett, 2009). ........ 72
Fig. 14: Herramientas de un PLE distribuido. ........................................................ 76
Fig. 15: Escritorio personal de ILIAS....................................................................... 83
Fig. 16: Entorno gráfico de gStudy (Winne, y otros, 2006).................................... 84
Fig. 17: Gráficas de LearnTracker de izquierda a derecha: tiempo empleado por
un usuario para cada actividad de un curso, tiempo empleado para cada
actividad vs. el tiempo medio del resto de estudiantes, y tiempo empleado
para cada actividad comparado con el tiempo medio del resto de estudiantes
y el tiempo estimado por el profesor. .............................................................. 86
Fig. 18: Interfaz de MetaTutor................................................................................. 87
Fig. 19: Dashboard de Twitter Analytics. ............................................................... 89
Fig. 20: Funcionamiento de IMS LTI. ..................................................................... 98
Fig. 21: Combinaciones para compartir registros de actividad de aprendizaje. .. 101
Fig. 22: Evento en IMS Caliper (IMS GLC, 2015)................................................. 105
Fig. 23: Ejemplo de gráfico D/F de SoftLearn. ...................................................... 106
Fig. 24: StepUp! Big Table. ..................................................................................... 108
Fig. 25: Detalle de actividad semanal en StepUp! Big Table. .............................. 108
Fig. 26: Portada de CESARAS. ............................................................................... 152
Fig. 27: Vista del cuestionario................................................................................ 152
Fig. 28: Página de resultados. ................................................................................. 153
Fig. 29: Base de datos de CESARAS....................................................................... 155
Fig. 30: Resultados de la validación para las aplicaciones seleccionadas. ............ 157
Fig. 31: Desviación estándar por funcionalidad. ................................................... 158
Fig. 32: Declaración de xAPI. ................................................................................ 167
xi
Fig. 33: Proceso de creación de una declaración. ................................................. 170
Fig. 34: Escenarios de demostración para xAPI-SRL. .......................................... 176
Fig. 35: Interacciones en los escenarios de la simulación. ................................... 177
Fig. 36: Filtrado y organización de trazas. ............................................................ 180
Fig. 37: Opciones de agrupación de trazas para una gráfica de uso del tiempo: por
aplicación de origen (arriba) Vs. por tipo de actividad (abajo).................... 181
Fig. 38: Estimación temporal vs. tiempo empleado por tarea. ............................. 182
Fig. 39: Tiempo por actividad en episodio 1 escenario no-SRL. .......................... 183
Fig. 40: Tiempo por actividad en episodio 1 para escenario SRL. ....................... 183
Fig. 41: Tiempo empleado por objetivo principal. ............................................... 184
Fig. 42: Dudas por cada objetivo. .......................................................................... 184
Fig. 43: Uso de estrategias...................................................................................... 185
Fig. 44: Tiempo vs. notas de un usuario comparado con su clase. ....................... 185
Fig. 45: Número de acciones de un alumno por tipo de actividad (vista del
profesor) para el módulo 2 de un curso. ....................................................... 189
Fig. 46: Tiempo dedicado a actividades SRL durante el año. ............................... 190
Fig. 47: Tiempo dedicado a cada conjunto de actividades por día de la semana. 190
Fig. 48: Gráfica de uso de estrategias de un repositorio. ...................................... 191
Fig. 49: Gráfica de ayuda ofrecida y recibida. ...................................................... 192
Fig. 50: Integración de reflexiones y otros tipos de nota en las gráficas. ............ 193
Fig. 51: Interfaz de Trello siguiendo el formato Kanban. .................................... 194
Fig. 52: Diseño de la interfaz para la implementación de KWL en el MLO. ...... 243
Fig. 53: Ejemplo de red semántica. ....................................................................... 247
xii
T ABLAS
Tabla 1. Clasificación de estrategias (Mayor, Suengas, & González, 1995). .......... 53
Tabla 2: TELEs evaluados con el PRET. .................................................................. 94
Tabla 3: Leyenda de clasificación y subclasificación de requisitos. ..................... 119
Tabla 4: Requisitos para planificación y gestión de proyectos o tareas. .............. 121
Tabla 5: Requisitos para gestión del tiempo. ......................................................... 122
Tabla 6: Requisitos para entrega de contenidos. ................................................... 123
Tabla 7: Requisitos para gestión de recursos educativos e información. ............. 124
Tabla 8: Requisitos para guías de estrategias. ........................................................ 125
Tabla 9: Requisitos para automonitorización y autoevaluación. ......................... 126
Tabla 10: Requisitos para trabajo colaborativo. .................................................... 127
Tabla 11: Requisitos comunes. ............................................................................... 128
Tabla 12: Ejemplo de rúbrica (Fernández-Pampillón, Domínguez, & Armas,
2012). .............................................................................................................. 135
Tabla 13: Resultados iniciales para las aplicaciones de control por funcionalidad.
......................................................................................................................... 149
Tabla 14: Puntuación final calibrada de las herramientas de control por
funcionalidad. ................................................................................................. 150
Tabla 15: Resultados de la validación por repetición. .......................................... 157
Tabla 16: Actividad y trazas del estudiante no autorregulado. ............................ 177
Tabla 17: Actividad y trazas del estudiante autorregulado. ................................. 179
xiii
xiv
A CRÓNIMOS
21CC 21st Century Competencies

AS Adaptive System
CSCL Computer Supported Collaborative Learning
DLE Distrubuted Learning Environment
EEES Espacio Europeo de Educación Superior
EVA Entorno Virtual de Aprendizaje
IA Inteligencia Artificial
ICC Intraclass Correlation Coefficient
ITS Intelligent Tutoring Systems
KC Knowledge Components
LA Learning Analytics
LMS Learning Management System
LRS Learning Record Store
MLO Metacognitive Learning Organizer
MOOC Massive Open Online Course
MVC Modelo Vista-Controlador
OER Open Educational Resource
PLE Personal Learning Environment
PLEJE Planificación, Ejecución, Evaluación
SDL Self-Directed Learning
SOA Service Oriented Architecture
SRL Self-Regulated Learning
TEL Technology Enhanced Learning
TIC Tecnologías de la Información y la Comunicación
URI Uniform Resource Identifier
URL Uniform Resource Locator
VLE Virtual Learning Environment
xv
xvi
1 I NTRODUCCIÓN 1
The only thing that interferes with my learning is my education.
— Albert Einstein
Este capítulo introduce el contexto de investigación de la tesis, los objetivos

definidos, la metodología seguida para alcanzarlos y las contribuciones realizadas,
así como la estructura del resto del documento.
1.1 M OTIVACIÓN
En la literatura sobre tecnología educativa encontramos dos tendencias que
destacan en el marco educativo reciente, presentes en la siguiente afirmación
(Mooij, Steffens, & Snow Andrade, 2014):
El aprendizaje autorregulado, aprender a aprender y su potencial

estimulación a través de tecnologías de la información y
comunicación (TIC) son temas principales en la política europea.
Por un lado, la Declaración de Bolonia refleja la tendencia hacia un aprendizaje En la universidad, la

centrado en el estudiante y basado en competencias, empleando metodologías tendencia hacia el
aprendizaje
activas y colaborativas 1 (Núñez, y otros, 2011). El aprendizaje autorregulado autorregulado está
(Self-Regulated Learning – SRL) recoge estas metodologías empleadas para mejorar enmarcada dentro del
la autonomía y capacidades de los estudiantes e incluye aspectos clave del proceso Espacio Europeo de
Educación Superior
de aprendizaje como estrategias cognitivas, metacognición y motivación en un
(EEES).
único constructo (Núñez, y otros, 2011) (Carneiro, Lefrere, Steffens, &
Underwood, 2011) (Rosario, Nuñez, & González-Pienda, 2006). Según Pintrich, el
aprendizaje autorregulado es “un proceso activo y constructivo por el que los
estudiantes establecen objetivos para su aprendizaje, y tratan de monitorizar,
regular y controlar su cognición, motivación y conducta guiados por sus objetivos
y las características contextuales de su entorno” (Pintrich P. , 2000a). La aplicación
práctica del SRL se realiza a través de las estrategias de aprendizaje y
autorregulación, que son “secuencias integradas de procedimientos cuya selección
apropiada y adaptación flexible cubre las necesidades de una situación de
aprendizaje específica” (Nisbet & Shucksmith, 1986). Es decir, son métodos y
procedimientos que los estudiantes emplean para aprender de forma más efectiva
y eficiente.
Por otro lado, al igual que en otros ámbitos de la sociedad, el uso de la tecnología
se ha extendido enormemente haciendo evolucionar la enseñanza y el aprendizaje
1 http://www.ehea.info/
INTRODUCCIÓN
(Carneiro, Lefrere, Steffens, & Underwood, 2011). En ese aspecto, el campo de

investigación dedicado al aprendizaje apoyado por tecnología (Technology
Enhanced Learning – TEL) (Dillenbourg, Järvelä, & Fischer, 2009), en el que se
enmarca este trabajo, trata de promover y facilitar el uso de tecnologías de la
información como apoyo para el aprendizaje. Así, es común el uso de entornos
virtuales de aprendizaje (Virtual Learning Environments – VLE) como Moodle1 o
EDX2 como soporte a clases presenciales (blended learning) o para impartir cursos
en línea. Además de estos entornos, los estudiantes autorregulados emplean
múltiples herramientas software durante el proceso de aprendizaje, que van desde
gestores de tareas a herramientas de la web 2.0, como blogs o wikis. Estos conjuntos
de herramientas seleccionadas por los estudiantes han sido definidos como
entornos de aprendizaje personalizado (Personal Learning Environments – PLE),
vistos desde un punto de vista puramente tecnológico. Según la mayoría de autores
un PLE no es una herramienta software, sino un conjunto de herramientas,
recursos, conexiones y actividades empleadas por los estudiantes como su propio
espacio para aprender (Wilson, y otros, 2007) (Attwell, 2007) (Adell & Castañeda,
2010).
Los PLE, foco inicial de esta investigación, son la aproximación tecnológica más
adecuada para el SRL según la literatura (Adell & Castañeda, 2010). Dada su
naturaleza abierta, flexible y personalizada, llevan asociados los siguientes
problemas:
1. Interoperabilidad e integración con entornos virtuales de aprendizaje

institucionales (García, Conde, Alier, & Casany, 2011). Las aplicaciones de
un PLE son generalmente independientes, por lo que no comparten datos.
Esto es un problema tanto para la integración de herramientas como para
La monitorización se
la trazabilidad de la actividad del usuario. La investigación ha generado
refiere a la
supervisión, más o varias soluciones diferentes para este problema, como la utilización del
menos automatizada, estándar IMS LTI (García, Conde, Alier, & Casany, 2011) (Anido, y otros,
de un proceso, evento, 2011) (Caeiro, Manso, & Anido, 2012), válido para arquitecturas SOA
sujeto o entorno,
dependiendo de la (Service Oriented Architecture); y la utilización de un mediador (Conde,
disciplina, atendiendo García, Alier, Mayol, & Fernández, 2013), permitiendo todo tipo de
al cumplimiento de arquitecturas. Aunque el autor ha realizado una propuesta para este
algún criterio
establecido problema en (Manso & Llamas, 2013a), esta línea no realizaba aportes
previamente. significativos con respecto a propuestas existentes. Un problema
relacionado con la interoperabilidad que no se resuelve con ninguna de
estas propuestas es el relacionado con la estandarización del intercambio
de datos, léase formato común para el intercambio de datos, especialmente
de trazas de actividad necesarias para la monitorización de la misma.
2. Dificultad de creación y uso de los PLE (Valtonen, y otros, 2012). Aunque

los estudiantes estén acostumbrados a emplear multitud de herramientas
software y en línea, no necesariamente saben cómo emplearlas para
1 https://moodle.org
2 https://www.edx.org/
18
1.1 MOTIVACIÓN
aprender (Kvavik, 2005). Además de esto se considera que las habilidades

SRL, necesarias para emplear un PLE de forma efectiva, han de ser
incorporadas en el diseño de PLE y en el soporte pedagógico (Valtonen, y
otros, 2012).
Este segundo punto es clave y resalta la importancia del SRL para facilitar un uso
efectivo de software para aprender. Esta relación PLE-SRL puede considerarse
bidireccional o incluso simbiótica, ya que numerosos autores defienden que el
software podría y debería dar soporte al SRL y a los procesos metacognitivos
(Reeves & Hedberg, 2003) (Yong Ku & Morgan, 2006) (Carneiro, Lefrere, Steffens,
& Underwood, 2011) (Nussbaumer, y otros, 2013). Es decir, el SRL da soporte al
estudiante para la construcción y el uso de un PLE como conjunto de herramientas
distribuidas, y estas herramientas deberían ofrecer soporte al alumno para la
implementación de procesos SRL. Es esta segunda parte la que nos interesa desde
un punto de vista tecnológico.
Soporte software al aprendizaje autorregulado

En una primera aproximación a este problema, hemos realizado una propuesta de
diseño de una herramienta que incorpora soporte a la metacognición —parte
fundamental del SRL—, llamada Metacognitive Learning Organizer (MLO)
(Manso & Llamas, 2013b) (Manso & Llamas, 2013c). Esta herramienta es un
organizador del aprendizaje pensado para integrar estrategias de aprendizaje y
autorregulación y dar soporte así a los procesos SRL, principalmente a la parte
metacognitiva, y convertirse en el centro de un PLE. Está compuesto de varios
módulos, que se muestran en la Fig. 1.
El módulo que ha recibido más atención es el sistema de monitorización. Como
se verá en el Capítulo 2, la auto-monitorización es una de las partes más
importantes tanto del SRL como de la metacognición, ya que permite al estudiante
ser consciente de lo que está haciendo y a la vez permite evaluar el desempeño una
vez concluye el episodio de aprendizaje o la tarea. En (Manso & Llamas, 2014) se
realizaba una propuesta de este sistema de monitorización1 software automatizada,
centrada en la detección de posibles problemas de aprendizaje. Esta
automatización, aunque útil para la detección temprana de problemas, no encaja
con la filosofía del SRL en la que el estudiante es responsable de su aprendizaje,
incluyendo la monitorización. Además, esta propuesta no incluía originalmente
ninguna forma de integrar trazas de otras aplicaciones.
1 Es importante no confundir la monitorización realizada por el software con la

monitorización SRL realizada por un estudiante sobre sí mismo o por el profesor. De
aquí en adelante, el término monitorización se referirá siempre a su acepción relativa al
SRL como ha sido definida en el Capítulo 2.
19
INTRODUCCIÓN
Fig. 1: Estructura modular del MLO (Manso & Llamas, 2013c).
El proyecto resultó ser demasiado ambicioso debido a la cantidad de medios

necesarios para desarrollar todos los módulos incluidos en el MLO, por lo que
hemos vuelto al origen del problema, abordándolo desde una perspectiva más
general y analítica, partiendo de la siguiente pregunta:
¿De qué forma es posible ofrecer soporte al aprendizaje

autorregulado con el fin de facilitar la utilización de estrategias de
aprendizaje y autorregulación empleando herramientas software?
Esta nueva aproximación nos ha llevado a tratar de identificar de forma clara cómo
se puede ofrecer soporte al SRL, atendiendo a los procesos implicados en el
aprendizaje autorregulado.
Para dar respuesta a esta pregunta, lo primero es identificar los requisitos que ha
de cumplir una herramienta software para ofrecer este soporte. Aquí nos
encontramos con el primer problema. Los requisitos para el soporte software al
SRL actuales tienen como origen el estudio de la teoría SRL. Los más significativos
son los creados por Bartolomé y Steffens (2011):
1. “Los estudiantes deben ser alentados a planificar sus actividades de

aprendizaje.”
2. “Los estudiantes deben recibir una realimentación adecuada para

monitorizar su propio aprendizaje.”
3. “Es necesario proporcionar a los estudiantes criterios para que puedan

evaluar sus propios resultados y logros”.
Estos criterios cubren, de forma general y sin entrar en detalle, algunos de los
aspectos que afectan a un número limitado de estrategias de aprendizaje, y aunque
son acertados, son insuficientes y no tienen en cuenta el tipo de herramienta.
20
1.1 MOTIVACIÓN
El segundo problema lo encontramos cuando tratamos de analizar y evaluar el

nivel de soporte al SRL ofrecido por herramientas existentes. El proyecto
TELEpeers (TELEPEERS Consortium, 2005) es el único en el que se ha tratado de
evaluar el soporte de entornos software al SRL. En este proyecto empleaban dos
cuestionarios, uno para expertos y otro para los alumnos que usaban el sistema a
evaluar. Los instrumentos de evaluación que aporta este proyecto dependen del
contexto pedagógico y están claramente enfocados a herramientas de entrega de
contenidos, como LMS. Por tanto, no contamos con ningún instrumento de
evaluación ni con criterios adecuados para evaluar el soporte software al SRL.
Además de esto, el análisis del software existente con soporte al SRL desvela una
aproximación al problema muy generalista, poco enfocada, en consonancia con los
criterios antes mencionados.
En este trabajo se pretende establecer un nuevo punto de partida de cara al
desarrollo de soporte software al SRL. Así, se propone la especificación de un
conjunto de requisitos para la creación de este soporte desde un enfoque práctico,
partiendo del análisis de un amplio conjunto de estrategias de aprendizaje y
autorregulación que, como se ha mencionado anteriormente, son el elemento
práctico del SRL. En base a estos requisitos será posible además establecer los
criterios de evaluación del soporte.
Monitorización del aprendizaje autorregulado

Continuando la línea de trabajo comenzada con la monitorización incluida en el
MLO, una de las grandes carencias que encontramos para permitir la
monitorización del proceso de aprendizaje y autorregulación es la ausencia de un
formato común para el registro trazas relativas al aprendizaje autorregulado. Este
formato ha de definir qué acciones se han de registrar (específicas de SRL y otras
relevantes dentro del proceso de aprendizaje) y permitir la integración de trazas de
diferentes herramientas. De esta forma sería posible compartir los datos de
actividad entre herramientas, lo que permitiría la creación de software específico
de informes. Además, haría posible integrar y visualizar los datos de todo el proceso
de autorregulación del aprendizaje en su conjunto facilitando a los estudiantes la
auto-monitorización de su aprendizaje y a los profesores la monitorización de los
alumnos, facilitando a su vez, como veremos, la evaluación del SRL. La
información necesaria para estudiar esta propuesta provendrá también del análisis
de estrategias SRL comentado en el párrafo anterior. Este formato común continúa
con el propósito de mejora del soporte software al SRL, ya que contribuiría a
facilitar el desarrollo de soporte a la monitorización del aprendizaje, de gran
importancia en el SRL.
Esta es además una línea de trabajo original, ya que hasta el momento todas las
aplicaciones con funcionalidades de monitorización emplean únicamente trazas
generadas en la propia aplicación almacenadas en formatos propietarios
(Rodríguez, Vázquez, Lama, Gewerk, & Muciente, 2014) (Santos-Odriozola,
Verbert, & Duval, 2012).
21
INTRODUCCIÓN
Con el fin de introducir al lector en el trabajo realizado a lo largo de esta tesis,

este capítulo continúa con la exposición de objetivos planteados (Sección 1.2), la
descripción de la metodología empleada (Sección 1.3) y la estructura del
documento (Sección 1.4).
1.2 O BJE TIVOS

En la sección anterior se resalta la importancia de apoyar al alumno en la
utilización de estrategias de aprendizaje y autorregulación a través de software.
Con el fin de abordar este problema en este trabajo de tesis, se propone el siguiente
objetivo general:
Facilitar el desarrollo de herramientas y funcionalidades software

que den soporte al aprendizaje autorregulado y, más
concretamente, a las estrategias de aprendizaje y autorregulación.
Este objetivo hace referencia a la identificación de todos los elementos intermedios

necesarios para facilitar la implementación de soporte a las estrategias, de modo
que las propuestas formen un framework de aplicación directa al desarrollo de
soporte al SRL en herramientas software nuevas o existentes. Por esto se proponen
los siguientes objetivos específicos:
OE1: IDENTIFICAR FUNCIONALIDADES SOFTWARE POTENCIALES PARA EL SOPORTE SRL.
Dentro de un PLE coexisten multitud de tipos de herramientas. Dentro de las

funcionalidades disponibles en las mismas, algunas ofrecerán por sí mismas soporte
al SRL, aunque sea parcial. Por ejemplo, un gestor de tareas genérico puede dar
soporte a estrategias de planificación. En el Capítulo 4 se tratarán de identificar las
funcionalidades o conjuntos de funcionalidades que permitan facilitar este soporte.
OE2: DEFINIR LOS REQUISITOS DE DISEÑO PARA PROPORCIONAR SOPORTE SOFTWARE

A LAS ESTRATEGIAS DE APRENDIZAJE Y AUTORREGULACIÓN QUE LO PERMITAN.
La base para el diseño coherente, intencional y significativo de funcionalidades

para el soporte SRL es el establecimiento de unos requisitos previos concretos y
detallados. Se hace por tanto necesaria la creación de estos requisitos en los que se
basará no solamente el diseño de herramientas, sino también la evaluación del
nivel de soporte. Este objetivo motiva la creación del listado de requisitos descrito
en el Capítulo 5.
22
1.2 OBJETIVOS
OE3: FACILITAR UNA FORMA DE EVALUACIÓN DEL SOPORTE SOFTWARE AL SRL
El primer paso para decidir si es necesario mejorar una herramienta o no es ver si

cumple con el propósito que se espera de ella, o por el contrario muestra alguna
limitación o carencia. La evaluación del nivel de soporte al SRL de una herramienta
software no es un problema trivial, sino que implica conocer bien la herramienta
y conocer en profundidad el SRL así como sus métodos. Dado que ni los estudiantes
ni los profesores, usuarios finales de las herramientas, ni tampoco los
desarrolladores, creadores de las mismas, son necesariamente expertos en SRL, se
hace necesaria la creación de una herramienta de evaluación que permita a
cualquier persona conocedora de la herramienta valorar el nivel de soporte al SRL
ofrecido. La posibilidad de evaluar el soporte a la autorregulación facilitará por un
lado la selección de herramientas, una de las dificultades de la creación de PLE, y
por otro, la detección de posibles mejoras en el soporte para la herramienta
evaluada. Este objetivo motiva el desarrollo e implementación de CESARAS
(Cuestionario de Evaluación del Soporte a la Auto-Regulación del Aprendizaje en
Software), descrito en el Capítulo 6.
OE4: FACILITAR UN FORMATO ESTÁNDAR PARA EL REGISTRO DE TRAZAS DE SRL
Como se ha indicado en la sección anterior, el disponer de la información de

actividad de todo o la mayor parte del proceso de aprendizaje y autorregulación
facilita al estudiante la auto-monitorización y la auto-evaluación, y facilita al
profesor la monitorización y evaluación de sus alumnos como estudiantes
autorregulados. En este aspecto, es deseable la existencia de un estándar o
especificación que permita registrar de forma unívoca las acciones implicadas en
los procesos de aprendizaje y autorregulación, de cara a poder disponer de
información cronológica de varias herramientas, permitiendo su integración. Este
objetivo motiva el desarrollo de la especificación xAPI-SRL, un perfil de aplicación
para eXperience API que trata de dar solución a estos problemas, descrita en el
Capítulo 7.
La Fig. 2 ilustra gráficamente y de forma resumida el contexto, los objetivos de esta

tesis y su relación con las contribuciones realizadas.
23
INTRODUCCIÓN
Fig. 2: Contexto, objetivos y contribuciones de esta tesis.
1.3 M ETODOLOGÍA
Esta tesis pertenece al programa de Doctorado en Tecnologías de la Información y
las Comunicaciones, siendo por tanto una contribución al campo de los sistemas
de la información. No obstante, está enmarcada en el campo del e-learning y más
concretamente en el del aprendizaje apoyado por tecnología (TEL). Este dominio
es multidisciplinar por definición, incorporando una fuerte componente
pedagógica. Sin perder de vista el aspecto tecnológico, se han tenido muy en cuenta
tanto esta componente pedagógica como el hecho de que, en último término, se
trata de facilitar soluciones a estudiantes y profesores que interaccionarán con el
software. El factor humano es especialmente relevante para el autor dado que uno
de sus campos de especialización es el diseño de experiencia de usuario (UX o User
eXperience), habiendo realizado varios trabajos previos a esta tesis, y alguna
24
1.3 METODOLOGÍA
colaboración durante la misma. Una vez se ha ubicado al lector en la visión del

investigador sobre el mundo y el contexto de la investigación, procederemos a
plantear el método seleccionado para estructurar el proceso.
La metodología empleada en esta investigación está inspirada en la propuesta por
Peffers et al. (Peffers, Tuunanen, Rothenberger, & Chatterjee, 2007), llamada
Design Science Research Methodology (DSRM). Esta metodología, según sus
propios autores, está orientada hacia el diseño, creación y evaluación de artefactos
IT que resuelvan problemas observados. Se ha elegido esta metodología debido a
que se adecúa al trabajo a realizar para abordar los objetivos planteados en esta
tesis. DSRM cuenta originalmente con seis pasos, siendo un proceso iterativo (ver
Fig. 3):
1. Identificación del problema y motivación: Definir el problema de

investigación y justificar el valor de una solución.
2. Definición de los objetivos para una solución: Los objetivos para alcanzar
la solución son inferidos de la definición del problema. Los objetivos
pueden ser cuantitativos o cualitativos. Los recursos para esta actividad
incluyen el conocimiento del estado del problema y la eficacia de las
soluciones actuales.
3. Diseño y desarrollo: Implica crear el artefacto. El artefacto de diseño de

investigación es un objeto en cuyo diseño está embebida la contribución
de investigación. El conocimiento teórico puede ser empleado para diseñar
una solución.
4. Demostración: Consiste en demostrar el uso del artefacto para resolver una

o más instancias del problema. Esto puede ser realizado mediante
experimentación, simulación, prueba u otra actividad adecuada.
5. Evaluación: Observar y medir hasta qué punto el artefacto supone una

solución al problema. Esto implica comparar los resultados del uso del
artefacto en la demostración con los objetivos planteados inicialmente.
6. Comunicación: Envuelve la comunicación del problema y su importancia,

el artefacto, la utilidad y novedad del artefacto, el diseño y su efectividad
a otros investigadores y audiencias relevantes, como profesionales.
En este trabajo, que se ha desarrollado en tres etapas, se ha hecho una pequeña

adaptación de esta metodología cuyo resultado se muestra en la Fig. 4. Esta
adaptación afecta principalmente a la primera etapa. Con respecto a la metodología
DSRM original, en esta primera etapa se ha añadido una fase de análisis previa a la
implementación imprescindible para el paso de diseño y desarrollo de las tres
etapas. Además de esto, la demostración de la primera etapa se ha materializado en
la implementación del artefacto de la segunda etapa.
25
INTRODUCCIÓN
Fig. 3: Design Science Research Methodology Process (Peffers et al. 2007).
Fig. 4: Desarrollo de la tesis de acuerdo con la metodología.
Veamos en detalle cada una de estas tres etapas:
ETAPA 1: En una primera aproximación a la problemática contemplada se realizó

una revisión extensa de la literatura. Primero, para tener una comprensión
suficiente del problema, se ha realizado una revisión de las teorías del aprendizaje
y en especial del aprendizaje autorregulado. Posteriormente y ya centrándonos en
la parte tecnológica, se ha hecho una revisión de los principales tipos de VLE
atendiendo a sus funcionalidades, y se ha hecho una revisión del estado del arte
del software en relación con sus necesidades y ofertas para el SRL. Así, se han
identificado los principales problemas y se han definido los objetivos de
investigación que se abordarán en las tres etapas, enfocados hacia la mejora del
soporte software para el SRL. En este punto y a diferencia de la metodología DSRM
en la que se procedería a la implementación, se ha llevado a cabo una segunda fase
de análisis en la que se han seleccionado y estudiado un gran conjunto de
estrategias de aprendizaje y autorregulación atendiendo a una posible
implementación software. En base a este análisis se han definido un conjunto de
requisitos para el soporte al SRL a través de software, así como las funcionalidades
con potencial para ofrecer este soporte, en relación a los objetivos específicos OE2
y OE1 respectivamente. Estos requisitos han sido publicados en la Frontiers in
Education Conference en su edición de 2014 (Manso, Caeiro, & Llamas, 2014a).
26
1.3 METODOLOGÍA
ETAPA 2: En esta segunda etapa se ha abordado el objetivo específico OE3 (facilitar

una forma de evaluación del soporte software al SRL). Así, partiendo de los
requisitos resultado de la etapa anterior y como demostración de su uso, se ha
diseñado e implementado CESARAS, un instrumento para la evaluación del nivel
de soporte al aprendizaje autorregulado en software. Para su demostración y
validación, este instrumento se ha presentado a un conjunto de expertos y se ha
realizado un test de fiabilidad. Los resultados de esta etapa han sido publicados en
el XVI Simposio Internacional de Informática Educativa (Manso, Caeiro, & Llamas,
2014b) y en el International Journal of Engineering Education (Manso, Caeiro, &
Llamas, 2016a). Cabe destacar que al final de esta etapa se han revisado los
requisitos generados durante la primera etapa gracias a las aportaciones realizadas
por dos pedagogas que han colaborado en la revisión de CESARAS.
ETAPA 3: Tras haber abordado el problema de forma conceptual y general, en esta

tercera etapa se ha vuelto a los resultados del análisis de estrategias de la primera
etapa para abordar el objetivo específico OE4: facilitar un formato estándar para el
registro de trazas de SRL). A partir de estos resultados se ha generado xAPI-SRL,
una especificación para el registro de trazas de aprendizaje autorregulado. Los
resultados de esta etapa han sido publicados en la IEEE Global Engineering
Education Conference (EDUCON) en su edición de 2015 (Manso, Caeiro, &
Llamas, 2015a), y en la Frontiers In Education Conference en sus ediciones de 2015
y 2016 (Manso, Caeiro, & Llamas, 2015b) (Manso, Caeiro, & Llamas, 2016c) y en la
propia web de ADL (Manso, M.,Caeiro, M., Llamas, M., & ADL, 2016b).
Dada la distinta naturaleza de las contribuciones, la evaluación de cada una de
ellas ha seguido aproximaciones diferentes. CESARAS se ha evaluado mediante un
test de fiabilidad empleando métodos estadísticos siguiendo una aproximación más
cuantitativa, mientras que xAPI-SRL se ha evaluado realizando una demostración
de uso mediante una simulación de trazas.
1.4 E STRUCTURA DE LA MEMO RIA
El objetivo de esta investigación hace que haya sido necesaria una fase de análisis
bastante extensa, abarcando varias disciplinas, lo cual está representado en los tres
capítulos de contexto y estado del arte. Además, el proceso de desarrollo de la
investigación ha provocado que, siendo la segunda contribución (CESARAS)
consecuencia de la primera (requisitos software para SRL), la primera se viese
modificada en una segunda iteración paralela al desarrollo de la segunda
contribución. Asimismo, la tercera contribución (xAPI-SRL) fue desarrollada en
paralelo a la segunda (CESARAS). Por sencillez para el lector se presentan las
contribuciones siguiendo una organización lineal agrupando los resultados
obtenidos para cada contribución.
En la figura 5 podemos ver la estructura de la tesis en relación a la metodología
empleada, agrupando los procesos seguidos en los capítulos cuyo contenido se
describe a continuación.
27
INTRODUCCIÓN
Fig. 5: Estructura de la memoria.
El Capítulo 2 revisa la teoría pedagógica fundamental para abordar esta

investigación. Así, comienza por las principales teorías del aprendizaje, que
aportan un contexto necesario para comprender las siguientes secciones. Continúa
con la metacognición, que expone el conocimiento propio sobre el aprendizaje y
sus métodos de control, para seguir con el aprendizaje autorregulado, central en
esta investigación. Aquí se describe su evolución, los principales modelos y
posteriormente las estrategias de aprendizaje y autorregulación, que representan la
parte práctica de esta teoría.
El Capítulo 3 sitúa el contexto tecnológico, haciendo un repaso de los principales
entornos virtuales de enseñanza y aprendizaje, incluyendo LMS, MOOC, ICLE,
ITS, AS, e-portfolios, RRSS educativas y PLE. Aquí se exponen sus principales
características y se comentan algunos aspectos interesantes en relación a su
idoneidad para su utilización en contextos SRL.
El Capítulo 4 revisa el contexto y estado del arte de las contribuciones,
comenzando por los requisitos para el soporte software al SRL. A continuación se
valora la posibilidad de emplear herramientas no específicas de e-learning que son
potencialmente adecuadas para dar soporte a ciertas estrategias SRL. Seguidamente
se expone el estado del arte de la evaluación de soporte software al SRL, y finaliza
con el estado del arte de la monitorización del aprendizaje.
El Capítulo 5 describe la primera de las contribuciones de esta tesis. Comienza
con la exposición de varios ejemplos del análisis de estrategias de aprendizaje y
autorregulación, que podríamos decir que es la semilla de la que nacen las tres
contribuciones. Aquí se ha omitido el análisis al completo por ser demasiado
extenso, pero es posible ver un resumen de éste en el apéndice A. Seguidamente se
presentan los requisitos software para el soporte SRL.
En el Capítulo 6 se describe CESARAS, la segunda contribución de este trabajo.
Primeramente se describe el concepto, seguido de los diferentes elementos que
conforman el cuestionario: preguntas, respuestas, puntuación y rúbricas. Tras esto
se expone el resto del desarrollo, que incluye la calibración de los resultados, la
28
1.4 ESTRUCTURA DE LA MEMORIA
implementación del cuestionario en línea y la validación del instrumento de

evaluación.
El Capítulo 7 describe xAPI-SRL, la tercera contribución principal. Comienza
por describir el concepto y el proceso seguido para seleccionar la información a
capturar. Posteriormente se describe el desarrollo del perfil empleando la
especificación xAPI y se justifica la validación de la propuesta.
Por último, el Capítulo 8 está dedicado a las conclusiones de esta tesis,
incluyendo un resumen de la investigación, de las contribuciones presentadas y de
las publicaciones derivadas de este trabajo. Adicionalmente se trazan las líneas
futuras de trabajo para continuar esta investigación.
Los tres apéndices contienen el análisis de estrategias, una versión en texto del
cuestionario en línea CESARAS y una versión en texto del perfil de aplicación
xAPI-SRL al completo, disponible también en la web de ADL en su versión más
actualizada.
29
INTRODUCCIÓN
30
2 C ONTEXTO PEDAGÓGICO
2
Everybody is a genius. But if you judge a fish by its ability to climb a tree, it
will live its whole live believing that it is stupid.
— Albert Einstein
Si intentamos resolver posibles problemas o inconvenientes que pueden tener los

sistemas software para ofrecer un soporte adecuado a estudiantes y profesores no
es suficiente con preguntarles qué necesitan. Para poder comprender
perfectamente las necesidades de alumnos y profesores es necesario un
conocimiento adecuado acerca de cómo aprendemos y cuáles son los problemas o
dificultades habituales del proceso de aprendizaje. Los pedagogos, expertos en la
materia, pueden ilustrarnos y ayudarnos a comprender la problemática, pero no
sin cierta dificultad y no podremos profundizar si no tenemos conocimientos
suficientes para “hablar el mismo idioma”. La pedagogía no es una ciencia exacta,
y no es extraño que no haya acuerdo en cuanto a la definición de los conceptos, o
en cuanto a cómo se desarrolla el aprendizaje, por lo que es necesario conocer los
principales puntos de vista para tener una visión global. Existen diversas teorías,
que pueden ser en algunos casos equivalentes o complementarias, que nos pueden
ayudar a entender los procesos del aprendizaje, qué factores influyen en éstos y
cómo se controlan. En este capítulo se exponen primero las principales teorías y
corrientes pedagógicas, que sientan las bases y explican cómo se produce el
aprendizaje, para luego centrarnos en las teorías de metacognición y
autorregulación del aprendizaje, que explican cómo gestionar y mejorar los
procesos de aprendizaje. Estas teorías se han estudiado en profundidad para poder
plantear mejoras en el soporte al aprendizaje autorregulado en software y en
definitiva llevar a cabo el trabajo desarrollado en esta tesis.
2.1 T EORÍAS DEL APRE NDIZA JE
Las teorías del aprendizaje describen la forma en la que se produce el aprendizaje,

tratando de explicar por qué y cómo ocurre, para poder entender los procesos
implicados. Pero, ¿qué es el aprendizaje? En términos generales, se entiende por
aprendizaje la adquisición de conocimiento, siendo el conocimiento la “adquisición
de comprensión de las cosas” (Allueva Torres, 2002).
A lo largo de la historia de la pedagogía ha habido tres paradigmas principales
con los que se ha intentado dar respuesta a qué es el aprendizaje y cómo se produce:
el conductismo, el cognitivismo y el constructivismo. Más recientemente han
surgido nuevos paradigmas como el humanismo o conceptos como las
competencias del siglo XXI y las inteligencias múltiples, también muy interesantes.
Veamos estos paradigmas y sus teorías:
CONTEXTO PEDAGÓGICO
2.1.1 C O N D U C T IS M O
El conductismo está basado en el principio de estímulo-respuesta. Asume que el

estudiante es esencialmente pasivo, y que básicamente responde a estímulos del
entorno. El estudiante parte como una tabula rasa y su conducta es moldeada a
través de refuerzos positivos y negativos (Schunk D. , 2012). Se define el
aprendizaje como un cambio en la conducta del estudiante, es decir, la conducta
del estudiante puede ser controlada o modificada en base a los antecedentes y
consecuencias de la conducta. Para su estudio, se toma la mente como una “caja
En el conductismo negra” y se observan las respuestas a estímulos.
original el estudiante
es pasivo, responde a El conductismo se desarrolló como teoría del aprendizaje a principios del siglo
estímulos del entorno. XX, siguiendo una aproximación empírica. Surge originalmente de los estudios
sobre el condicionamiento clásico de Ivan Pavlov, y su conocido experimento con
los perros y la campana. Otros autores importantes son Thorndike, que propuso la
teoría del conexionismo (Thorndike, 1905) en la que se explica el aprendizaje de
las personas como el establecimiento de conexiones entre estímulos y respuestas;
Watson, creador del término conductismo (Watson, 1913); y Skinner,
desarrollador del conductismo radical, y creador de la teoría del condicionamiento
operante (Skinner, 1938). En el condicionamiento clásico el estímulo desencadena
directamente la respuesta, mientras que en el operante es al revés: una respuesta
voluntaria es seguida de un estímulo de refuerzo positivo o negativo, como por
ejemplo premiar por sacar buena nota o castigar por suspender. Ya en los años 70
(siglo XX), Gagné creó la teoría descriptiva del conocimiento (Gagné, 1977), una
de las aproximaciones conductistas más interesantes. Gagné clasifica los tipos de
aprendizaje en cinco categorías: información verbal, habilidades intelectuales,
estrategias cognitivas, habilidades motoras y actitudes. En esta teoría se reconoce
la necesidad de emplear condiciones internas y externas en forma de estrategias o
recursos pedagógicos para promover los distintos tipos de aprendizaje.
Un autor relacionado con el conductismo que merece una mención aparte es
Bandura, creador de la teoría del aprendizaje social, que postula que las personas
aprenden unas de otras por observación, imitación y modelado. Dado que esto
implica atención, memoria y motivación es a menudo considerada como un puente
hacia el cognitivismo (Bandura, 1977), y se desmarca del conductismo radical.
La aplicación del conductismo en la docencia está relacionada con el sistema de
evaluación-puntuación en forma de calificación, que actúa de premio o castigo en
función del resultado, además del acceso a progresar hacia nuevos contenidos en
caso de éxito. Esto ha sido aplicado ya en los primeros sistemas de e-learning. Una
de las aplicaciones más evidentes del conductismo es el control de la conducta de
El conductismo se los alumnos en clase a base de castigos y recompensas (siguiendo el
emplea hoy en día
condicionamiento operante de Skinner), para conseguir que lleguen a tiempo, que
para el control de la
conducta. participen en clase, que mantengan el orden, etc. Como vemos, en este caso no se
trata de aprendizaje en sí sino de control de la conducta de cara a crear un ambiente
favorable para el aprendizaje.
32
2.1 TEORÍAS DEL APRENDIZAJE
2.1.2 C O G N IT I V IS M O
El cognitivismo se centra en que es necesario comprender el funcionamiento de la

mente para comprender cómo aprendemos, en contraposición al conductismo, que
consideraba la mente como una “caja negra” a la hora de estudiar el aprendizaje
(Schunk D. , 2012). El cognitivismo explora los procesos mentales como el
pensamiento, la memoria, el conocimiento y la resolución de problemas. El
conocimiento es visto como construcciones mentales o simbólicas, el esquema es
visto como estructura de conocimiento interna a la mente. El aprendizaje es visto
como procesamiento de la información. Se centra en cómo la información es
En el cognitivismo el
recibida (registro sensorial), organizada (procesamiento en la memoria a corto
aprendizaje es visto
plazo), almacenada (en memoria a largo plazo) y recuperada por la mente. como procesamiento
de la información.
El cognitivismo reemplazó al conductismo durante la década de los sesenta como
paradigma dominante, aunque fue durante los años 20 y 30 cuando Jean Piaget
planteó los aspectos principales de esta teoría (1928) (1936). Frente al conductismo,
el cognitivismo considera a las personas como seres racionales que necesitan
participar activamente para aprender, y cuyos actos son la consecuencia del
pensamiento (Schunk D. , 2012). Autores relevantes son John Dewey y la
psicología instruccional (1902), Bruner y su propuesta del aprendizaje por
descubrimiento (1961), Ausubel y su aprendizaje significativo (2000), y Bloom y
su taxonomía del aprendizaje (1956).
A la hora de aplicar esta teoría en la docencia, la información ha de ser
secuenciada y presentada de forma que sea comprensible y significativa para el
estudiante. Enfatiza la retención y la recuperación a través del uso de prácticas de
enseñanza de calidad, ayudando a los estudiantes a emplear habilidades de
pensamiento de alto nivel. Algunos ejemplos de prácticas pueden ser el uso de test
para activar el conocimiento previo, emplear gráficos, esquemas o mapas
conceptuales. para relacionar conceptos o estructurar la información en partes
claramente diferenciadas.
A diferencia del conductismo, en el que los objetivos están asociados a la
evaluación con cuestionarios, los objetivos del cognitivismo están enfocados a la
realización de actividades.
2.1.3 C O N S T R U C T I V IS M O
El constructivismo como paradigma mantiene que el aprendizaje es un proceso

activo, constructivo, en el que la persona crea sus propias representaciones
subjetivas de la realidad basándose en experiencias personales e hipótesis del
entorno (Good & Brophy, 1990). La nueva información es enlazada con el El constructivismo
explica los procesos de
conocimiento previo, y cada persona tiene procesos de interpretación y
aprendizaje a partir de
construcción diferentes. Según el constructivismo, el conocimiento se construye, conocimientos ya
no se adquiere (Schunk D. , 2012). Esto contrasta con el conductismo en el que el adquiridos.
aprendizaje es pasivo y el cognitivismo en el que el conocimiento se puede
representar con esquemas mentales adquiridos.
33
Esta teoría nace a principios del siglo XX gracias a autores como John Dewey y
Jean Piaget, aunque no ha sido hasta finales de siglo cuando ha adquirido más
fuerza a través de las propuestas realizadas por autores como Jonassen.
Una de las bases del constructivismo es la teoría del desarrollo social de Vygotsky
La teoría del (Vygotsky, 1978). Para Vygotsky, la interacción social juega un papel fundamental
desarrollo social de
Vygotsky es a veces
en el proceso del desarrollo cognitivo, creando la figura del conocedor (MKO o
considerado un More Knowledgeable Other), persona que sabe más que el estudiante y sirve de
paradigma fuera del referencia, y de la zona de desarrollo próximo (ZPD o Zone of Proximal
constructivismo.
Development), que es la distancia entre la capacidad del estudiante de hacer una
tarea guiado por un conocedor y la capacidad del estudiante de hacer esa tarea sin
ayuda.
Otros autores importantes son Siemens y Downes, creadores del conectivismo
(Siemens, Connectivism: a learning theory for the digital age, 2005), definido por
ellos mismos como “una teoría pedagógica para la era digital”. El conectivismo
Según el
conectivismo, el explica cómo Internet ha creado nuevas oportunidades para aprender y compartir
aprendizaje es un información. Según esta teoría, “el conocimiento es el conjunto de conexiones
proceso consistente en
formadas por acciones y experiencias” (Downes, 2007). En el conectivismo, el
conectar nodos o
fuentes de profesor guía a los estudiantes a la información y responde a preguntas clave, para
información ayudar a los estudiantes a aprender y compartir por sí mismos y entre ellos. El
especializados; el aprendizaje ocurre cuando individuos de una comunidad concreta acceden a
conocimiento
depende de la conocimiento disponible en esa comunidad, y a su vez alimentan la comunidad
diversidad de con su conocimiento. Un ejemplo concreto podría ser un conjunto de gente que
opiniones. comparte un conjunto específico de intereses y que interactúan entre ellos y con
recursos a través de Internet, adquiriendo conocimiento y a su vez alimentando la
comunidad. Los cMOOC (connectivist MOOC) han surgido de esta teoría (ver
sección 3.2).
En la aproximación pedagógica constructivista se plantea la educación en base a
la generación de experiencias relevantes. De esta forma, la puesta en práctica de
En el constructivismo esta teoría consiste en la utilización de actividades que han de ser realizadas por
el estudiante
descubre y aplica sus los alumnos, generando estas experiencias. Éstas suelen consistir en problemas
propias ideas. cuya solución requiere la adquisición y utilización de los conocimientos y
habilidades deseados (Wilson & Lowri, 2000). El educador ha de ofrecer
información relevante y proponer problemas complejos, de forma que pueda
ofrecerles distintas perspectivas y sean los propios alumnos quienes descubran y
apliquen sus propias ideas de forma activa. La evaluación está integrada en el
contexto educativo y se centra en lo que los alumnos aprenden en las tareas, por lo
que cada alumno puede tener objetivos diferentes.
2.1.4 H U M A N IS M O
El humanismo ve el aprendizaje como un acto personal para cubrir el potencial de

uno mismo. Se centra en la libertad, dignidad y potencial del ser humano.
Contrasta con la noción del condicionamiento operante del conductismo y con la
creencia cognitivista de que el descubrimiento del conocimiento o la construcción
34
del significado son centrales en el aprendizaje. Además, también considera

necesario estudiar a la persona como un todo que crece y se desarrolla a lo largo de
la vida (DeCarvalho, 1991). El estudio de uno mismo, la motivación y los objetivos
El humanismo se
tienen especial importancia en este paradigma, junto con las necesidades afectivas centra en la persona y
y cognitivas, así como la cooperación. El fomento de la creatividad para la solución está enfocado hacia el
desarrollo y la
de problemas y de la autonomía es especialmente relevante.
autonomía.
Aunque las raíces del humanismo derivan de ideas de Aristóteles y Confucio
entre otros, la aplicación del humanismo a la pedagogía ha sido promovida
principalmente por Carl Rogers y Abraham Maslow durante la década de 1970.
El humanismo tiene como propósito principal el desarrollar personas autónomas
que se auto-actualicen (Rogers & Freiberg, 1994). El aprendizaje es personalizado
y está centrado en el estudiante, en base a sus potenciales y necesidades
individuales, y el rol del educador es de facilitador. Su aplicación en la educación
se enfoca hacia el desarrollo integral de la persona, buscando la autorrealización.
La docencia se centra en el aprendizaje significativo y la autoevaluación, haciendo
posible la autocrítica y la autoconfianza.
2.1.5 I N T E L IG E N C IA S M Ú L T I P L E S
La teoría de las inteligencias múltiples fue desarrollada por Gardner (1983). En ella
se postula la existencia de siete inteligencias que tienen habilidades asociadas:
 Lingüística: habilidad para el uso de la palabra.
 Lógico-matemática: pensamiento inductivo y deductivo y habilidades de

razonamiento, lógica, cálculo numérico y reconocimiento de patrones
abstractos.
 Visual-espacial: habilidad para visualizar objetos y dimensiones espaciales.
 Corporal-kinestésica: conocimiento del cuerpo y habilidad para controlar

su movimiento.
 Músico-rítmica: habilidad para dominar música, tono, ritmo y patrones

rítmicos.
 Interpersonal: habilidad para comunicarse de forma efectiva con otras

personas y habilidad para desarrollar relaciones.
 Intrapersonal: habilidad para entender tus propias emociones,

motivaciones, estados del ser y para reflexionar sobre uno mismo.
Posteriormente se han añadido dos inteligencias más, la naturalística, que hace

referencia a la habilidad para entender y conectar con la naturaleza, los animales,
el entorno, etc., y la existencial, relativa a la capacidad de conceptualizar o abordar
grandes cuestiones sobre la existencia humana, el significado de la vida, nuestro
lugar en el cosmos, etc. La inteligencia existencial ha sido dejada fuera de la teoría
de forma oficial debido a la facilidad para conectarla con temas que están
35
totalmente fuera de la ciencia y la razón, como religión, esoterismo o

pseudo-ciencia, lo cual se considera que va en contra de la educación.
Como podemos observar, cada inteligencia define una o varias competencias que
es importante desarrollar, y según esta teoría, cada persona destaca en una o más
Según esta teoría un inteligencias, teniendo más aptitudes para unos campos de aprendizaje que para
individuo puede tener
más aptitudes para otros. Hasta hace poco tiempo, tan sólo la lingüística y la lógico-matemática
unos campos de parecían tener importancia en la educación. Esta situación está cambiando gracias
aprendizaje que para a la apertura hacia el humanismo y la tendencia al aprendizaje centrado en el
otros.
estudiante y la autodeterminación. Lo que propone esta teoría es que se deben
potenciar las cualidades de cada individuo, no forzar a todos a seguir el mismo
camino.
Fig. 6: Ilustración que representa en clave de humor la realidad de la ausencia de adaptación a las
inteligencias múltiples existente en la educación.
2.1.6 C O M P E T E N C IA S D E L S I G LO X X I
En el marco del EEES, las denominadas competencias del siglo XXI han cobrado
importancia desde la recomendación realizada en el año 2006 por el parlamento
europeo (European Parliament, 2011).
Este concepto también conocido como habilidades del siglo XXI o 21CC por sus
siglas en inglés (21st century competencies), se refiere a las habilidades que los
estudiantes necesitan para desarrollarse con éxito en el mundo competitivo,
digitalizado y conectado de hoy en día. Según expertos, no se trata de habilidades
nuevas: por ejemplo, pensamiento crítico o resolución de problemas han sido
componentes del progreso humano a lo largo de la historia. Lo que es nuevo es que
en el mundo actual, el éxito individual y colectivo depende de estas habilidades
debido a los cambios sociales y económicos (Rotherham & Willingham, 2010).
36
Existen múltiples iniciativas que describen estas competencias, de entre los que
destacamos “5 minds for the future” (Gardner, 2008), Partnership for 21st Century
Las 21CC se centran
Skills (P21 framework, 2015), el proyecto australiano “Assessment and Teaching
en habilidades
of 21st Century Skills” (ATC21S, 2012), y el “European Reference Framework on deseables para el éxito
Key Competences for Lifelong Learning” (European Parliament, 2011). Todas ellas en la sociedad
competitiva actual.
coinciden en las principales competencias, habiendo otras que aparecen con menos
frecuencia en estos frameworks, llegando incluso algunas a aparecer en uno solo.
A continuación veremos las competencias más relevantes:
 Iniciación y autodirección: esta competencia resalta la necesidad de

establecer y compensar tus objetivos para iniciar y auto-dirigir tus propias
actividades, y para trabajar de forma independiente.
 Aprender a aprender: hace referencia a la capacidad de aprender por uno

mismo.
 Formas de pensar: hace referencia la creatividad, al pensamiento crítico, y

a las habilidades para la resolución de problemas.
 Adaptabilidad a varios roles, responsabilidades y contextos: esta

competencia resalta la habilidad individual para trabajar de forma efectiva
en contextos ambiguos o bajo demandas cambiantes. A su vez es necesaria
flexibilidad para proporcionar buena realimentación, y para entender y
responder ante diversos puntos de vista.
 Colaboración y comunicación: esta competencia hace referencia a la

habilidad de comunicarse de forma efectiva con otros y de trabajar como
parte de un equipo incluyendo las capacidades de respetar y valorar las
habilidades de los demás y de cooperar para conseguir objetivos comunes
(Wolters, 2010). Esto implica dominar varias formas de comunicación,
generalmente oral y escrita, aunque se incluyen también de forma
específica los medios digitales.
 Conocimientos del mundo digital: esta competencia hace referencia a la

alfabetización informática y en tecnologías de la información (TIC).
 Habilidades para la vida: hace referencia a habilidades como la consciencia

global y cultural, responsabilidad social, ética, etc.
2.1.6.1 21CC y SRL

Como veremos en el apartado 2.3, en una visión general y desde la perspectiva del
aprendizaje, los modelos de SRL y el 21CC framework tienen bastante en común
(Wolters, 2010): ambos incorporan habilidades y competencias que son necesarias
para que los estudiantes sean efectivos en contextos académicos; muchos de los
aspectos críticos de ambos pueden ser enseñados y aprendidos por la mayoría de
estudiantes; ambos destacan por ser esenciales para un aprendizaje eficaz y
efectivo, y constituyen una base necesaria para garantizar la productividad más allá
37
de los estudios (Wolters, 2010). El SRL está más enfocado al aprendizaje en sí y las
propuestas de las 21CC son más generalistas y abarcan también competencias más
básicas necesarias para la vida. En cualquier caso, su enseñanza aboga por métodos
centrados en el estudiante, como la enseñanza basada en problemas o en proyectos
(Rotherham & Willingham, 2010).
Uno de los problemas que los expertos ven en enseñar las habilidades del siglo
XXI es que ciertas competencias no se pueden enseñar como se enseña cualquier
materia. Competencias como la auto-dirección, colaboración o creatividad son
competencias complejas y en cierto modo abstractas. Estas competencias son
centrales en el SRL, y es posible desarrollarlas gracias a la utilización de estrategias
y la práctica, como se ha demostrado en varios proyectos de promoción del SRL
(Rosario, Nuñez, & González-Pienda, 2006).
2.2 M ETACOGNICIÓN
Analizando la propia palabra podemos intuir a qué se refiere: la cognición sobre la
cognición, el conocimiento sobre el conocimiento, el pensamiento sobre el
pensamiento (Mayor, Suengas, & González-Marqués, 1993). Sin embargo, hay aún
debate acerca de lo que es exactamente la metacognición. El hecho de que haya
La metacognición se varios términos para referirse al mismo fenómeno, como autorregulación o control
refiere a la capacidad
para reflexionar y ejecutivo, y para referirse a aspectos del mismo fenómeno como la metamemoria,
actuar sobre los hacen que se genere cierta confusión (Livingston, 2003). La falta de acuerdo entre
propios procesos de los autores puede deberse a que el mismo elemento ha sido estudiado desde
aprendizaje.
perspectivas diferentes, que comparten solamente algunos aspectos (Crespo, 2004).
El término ha sido empleado en psicología educativa desde los años setenta
gracias a John Flavell, quien lo usó inicialmente para referirse a la metamemoria
(Flavell, 1976) y pronto se empleó para dominios específicos como la lectura y la
comprensión. Como encontramos en (Nisbet & Shucksmith, 1986), según Flavell,
“Metacognición significa el conocimiento de uno mismo concerniente a los propios
procesos y productos cognitivos o a todo lo relacionado con ellos. (…) Indica, entre
otras cosas, el examen activo y consiguiente regulación y organización de estos
procesos en relación con los objetos cognitivos sobre los que versan, por lo general
al servicio de algún fin u objeto concreto” (Flavell, 1979).
Durante los años 80 del siglo XX es definida teórica y operacionalmente por
varios autores (Mayor, Suengas, & González-Marqués, 1993), forjándose el
concepto general. En 1978 Brown (Brown A. L., 1987) lo definió como el
conocimiento sobre el conocimiento, que según Brown, se regula a sí mismo. Para
este trabajo se ha elegido la definición que tiene más fuerza en la comunidad de
psicología educativa y pedagogía, que además encaja con los objetivos de la
investigación.
La metacognición se refiere a “pensamientos de alto nivel (complejos) que
implican un control activo sobre los procesos cognitivos envueltos en el
38
2.2 METACOGNICIÓN
aprendizaje” (Livingston, 2003). Es decir, se trata del conocimiento y la habilidad

para controlar nuestros propios procesos cognitivos.
2.2.1 C O M P O N E N T E S D E L A M E T A C O G N IC IÓ N
De acuerdo con Flavell y otros autores importantes, la metacognición se compone

de conocimiento metacognitivo y control metacognitivo (Flavell, 1976) (Brown A.
L., 1987).
El conocimiento metacognitivo es “el conocimiento que uno posee sobre sus
propios procesos cognitivos y sobre su cognición” (Yong Ku & Morgan, 2006). Está
formado por (Schraw & Graham, 1997):
 Conocimiento declarativo: conocimiento acerca de tus propias capacidades,

recursos intelectuales y habilidades como estudiante.
 Conocimiento procedural: conocimiento sobre cómo implementar procesos

de aprendizaje, es decir, estrategias.
 Conocimiento condicional: conocimiento acerca de cuándo y dónde usar las

estrategias de aprendizaje.
El control metacognitivo es “lo que hacemos para afectar nuestros procesos El control
cognitivos con el objetivo de mejorar la consecución o éxito de un logro cognitivo” metacognitivo se
conoce también como
(Yong Ku & Morgan, 2006) (Schraw & Graham, 1997). Como veremos, cada uno
regulación
de los elementos del control metacognitivo encaja en su correspondiente fase de metacognitiva.
autorregulación en la definición de Zimmerman (Zimmerman, 2000). Está
formado por:
 Planificación: consiste en planificar, establecer objetivos y buscar y asignar

recursos, previamente al aprendizaje. La planificación no es un fin en sí
misma sino un proceso para guiarnos hacia la consecución de objetivos
cognitivos (Yong Ku & Morgan, 2006).
 Monitorización: se trata del seguimiento de nuestro propio aprendizaje y

uso de estrategias. Implica un seguimiento consciente de nuestro
aprendizaje y uso de estrategias.
 Evaluación: consisten en un análisis de nuestro desempeño (rendimiento) y

efectividad estratégica tras un episodio de aprendizaje.
Existe una conexión recíproca entre el conocimiento y el control metacognitivos.
“Un incremento en el conocimiento metacognitivo resulta en un mejor control
metacognitivo, y una mejora en el control metacognitivo facilita la adquisición y
construcción de nuevo conocimiento metacognitivo” (Schraw & Graham, 1997).
2.2.2 M O D A L ID A D E S M E T A C O G N I T I V A S
En la literatura se definen varias modalidades específicas de la metacognición.

Existen tantas como procesos cognitivos. Algunos ejemplos son la metamemoria,
39
la metaatención, la metalectura, la metaescritura, el metapensamiento o la

metacomprensión (Allueva Torres, 2002):
 Metamemoria: hace referencia al conocimiento que tenemos de nuestra

propia memoria, es decir, nuestras capacidades y limitaciones memorísticas.
 Metaatención: se trata del conocimiento del funcionamiento de la atención,

y de las variables que le afectan y la controlan. El conocimiento de nuestra
atención implica saber cosas como qué hacer para atender, cómo evitar
distracciones, etc.
 Metacomprensión: se trata del conocimiento acerca de nuestra

comprensión. Conocer cómo comprendemos, qué debemos hacer para
comprender y qué somos capaces de comprender acerca de algo en concreto
forman parte de la metacomprensión.
 Metapensamiento: se trata del conocimiento acerca de nuestro

pensamiento, o como a veces se ha definido, el “pensamiento del
pensamiento”. Aplicado por ejemplo a la resolución de problemas, consiste
en la consciencia del proceso de análisis, identificación del problema,
elección de estrategia, actuación y evaluación de resultados.
2.2.3 HABILIDADES METACOGN ITIVAS
Boekaerts define las habilidades metacognitivas como “las habilidades para

orientar, planificar, ejecutar, monitorizar y evaluar el proceso de aprendizaje”
(Boekaerts, 1999). Para Brown estas habilidades son un medio para la adquisición
del conocimiento metacognitivo y para la adquisición y regulación de las
estrategias metacognitivas (Allueva Torres, 2002). Los estudiantes deben ser
conscientes de sus objetivos y de su proceso de aprendizaje. También deben ser
capaces de revisar sus métodos de aprendizaje y de cambiar al método que se adapte
mejor a sus objetivos cuando sea necesario. Los estudiantes con mejores habilidades
metacognitivas tienden a tener más éxito, pero por suerte es posible aprender a
regular las actividades cognitivas (Livingston, 2003).
El desarrollo metacognitivo se produce por el propio efecto de la maduración, al
igual que el desarrollo físico según expertos como Pedro Allueva, pero al igual que
pasa con el cuerpo y el deporte, “el punto máximo de desarrollo y de habilidad
dependerá en gran manera del entrenamiento y aprendizaje de destrezas y
habilidades que se hayan realizado” (Allueva Torres, 2002). Cuanto menos hábil
sea el sujeto, mayor será la diferencia. El fin del desarrollo metacognitivo es que el
sujeto “sea capaz de utilizar adecuadamente o hábilmente su conocimiento, de
forma que lo utilice en la resolución de tareas y para la mejora de su propio
Las habilidades
metacognitivas conocimiento” (Allueva Torres, 2002).
pueden ser
Expertos como Flavell y Azevedo afirman que las habilidades metacognitivas
entrenadas.
pueden ser desarrolladas a través de instrucción y aprendizaje (Flavell, 1976)
(Azevedo, 2005). Para conseguir desarrollar estas habilidades habrá que trabajar
40
2.2 METACOGNICIÓN
por un lado las distintas modalidades metacognitivas mediante ejercicios y

prácticas diseñadas a tal efecto. Las habilidades de planificación, predicción,
regulación, control, verificación (autoevaluación) y uso de estrategias son
específicas de la metacognición y, como veremos, son habilidades clave en el
aprendizaje autorregulado.
El uso adecuado de estas habilidades no es solamente valioso durante el
aprendizaje; también juegan un papel importante ejecutando actividades a nivel
profesional, ya que conducen a una mayor productividad y eficacia (Leybina &
Skvortsova, 2009).
2.2.4 MODELO METACOGNITIVO
En el modelo metacognitivo se definen las relaciones entre los principales

elementos, en este caso: tareas, estrategias y metacognición (Nisbet & Shucksmith,
1986) (Fig. 7). Como podemos observar, cada uno de los elementos está relacionado
con todos los demás.
Fig. 7 Relaciones entre tareas, estrategias y metacognición (Allueva Torres, 2002).
2.3 A PRENDIZAJE AUTORREGU LADO
“No hay una definición simple y directa del constructo del aprendizaje
autorregulado” (Boekaerts & Corno, 2005). Al igual que ocurre con la
metacognición, hay varias definiciones de aprendizaje autorregulado o autónomo,
en inglés Self-Regulated Learning (SRL), aunque todas apuntan en la misma
dirección. Zimmerman, Pintrich, Winne y Hadwin son quizás los autores más
relevantes en este dominio, y sus modelos de aprendizaje autorregulado son usados
todavía por la mayoría de la comunidad de expertos en educación. De acuerdo con
Zimmerman, “la autorregulación se refiere a pensamientos, sentimientos y
comportamientos autogenerados que están orientados a la consecución de
41
objetivos” (Zimmerman, 2002). Por otro lado, Pintrich afirma que el aprendizaje
autorregulado es “un proceso activo y constructivo en que los estudiantes definen
objetivos para su aprendizaje, y luego tratan de monitorizar, regular y controlar su
cognición, motivación y comportamiento, guiados y encauzados por sus objetivos
y las características contextuales del entorno” (Pintrich P. , 2000a). Winne y
Hadwin definen el SRL como un proceso gobernado y potenciado por la
metacognición en el que los estudiantes desarrollan percepciones de sus tareas de
aprendizaje, establecen objetivos y planifican cómo aprender, aplicando y
adaptando sus estrategias de aprendizaje para conseguir los objetivos de
aprendizaje (Winne & Hadwin, 1998). Las diferencias entre estas definiciones no
parecen muy evidentes; sin embargo, veremos que los modelos propuestos por
estos mismos autores sí contienen diferencias sustanciales (sección 2.3.2).
Según esta teoría, el proceso de autorregulación está basado en la consciencia de
los estudiantes sobre sus habilidades y limitaciones, sus objetivos centrados en
tareas y el uso de las estrategias apropiadas. Los estudiantes pueden mejorar su
rendimiento académico empleando estrategias para controlar y regular aspectos de
su cognición, motivación y comportamiento, para elegir y construir sus entornos
de aprendizaje y para establecer objetivos y monitorizar su cumplimiento.
2.3.1 C O N T E X T O Y E V O LU C I Ó N D E L A P R E N D IZ A J E A U T O R R E G U LA D O
El interés en el aprendizaje autorregulado en educación surgió como consecuencia

de la investigación conductista sobre el autocontrol, en la que se intentaba reducir
deficiencias conductuales (Schunk D. , 2009). Investigadores conductistas como
Mace, Belfiore y Hutchinson resaltaron procesos de autorregulación como la auto-
monitorización (auto-observación y grabación de la conducta), auto-instrucción
(reglas o pasos estratégicos), auto-evaluación (comparación con estándares u
objetivos), auto-corrección (corrección de la conducta para adecuarse a estándares)
y auto-refuerzo (recompensas por logros) (Mace, Belfiore, & Hutchinson, 2001).
Las teorías conductistas no tienen en cuenta los estados internos como
pensamientos, creencias y emociones, por lo que ofrecen una explicación
incompleta del aprendizaje (Schunk D. , 2009). Durante los años 60 del siglo XX
las teorías cognitivas cobraron importancia y se convirtieron en la nueva referencia
en cuanto a aprendizaje, teniendo en cuenta estos estados internos. De entre estas
teorías, la teoría socio-cognitiva de Bandura (Bandura, 1977) es considerada por
muchos el origen de la teoría del SRL (Schraw, Crippen, & Hartley, 2006). Sin
embargo, la investigación posterior demuestra que las habilidades y capacidades
cognitivas no explican completamente el aprendizaje de los estudiantes, lo que
sugirió que existen otros factores importantes como la motivación y la
autorregulación (Schunk D. , 2009) (Zimmerman, 2001). Estos descubrimientos
llevaron a la aparición de las teorías cognitivas del aprendizaje autorregulado que
conocemos hoy en día.
De entre las múltiples teorías cognitivas del SRL, hay tres que han sido aplicadas
extensamente: la teoría socio-constructivista, la teoría socio-cognitiva mencionada
42
2.3 APRENDIZAJE AUTORREGULADO
anteriormente y la teoría de procesado de la información, (Schunk D. , 2009). La

teoría socio-constructivista proviene de la teoría del desarrollo de Vygotsky. Según
esta teoría, el SRL “incluye la coordinación de procesos mentales como la memoria,
la planificación, la síntesis y la evaluación”, que operan de forma coordinada y
dependiente del contexto (Schunk D. , 2009). Según Vygotsky, las personas
aprenden a autorregular a través el control de sus propias acciones, en una
transición de la regulación del lenguaje y los referentes de la zona de desarrollo
próximo (ZPD) hacia conductas reguladas por sí mismos. La teoría socio-cognitiva
de Bandura, afirma que los factores cognitivos y personales, el entorno y la
conducta interactúan de forma recíproca. Desde esta perspectiva, la
monitorización de esta interacción generará cambios en las estrategias,
cogniciones, afecto y conducta del estudiante, como se refleja en el modelo de
Zimmerman del SRL (ver apartado 2.3.2). La teoría de procesado de la información
(Winne & Hadwin, 1998) destaca funciones cognitivas como la atención, la
percepción, el almacenamiento y la transformación de la información. Esta teoría
desembocó en el desarrollo del modelo de procesado de la información de Winne
y Hadwin (ver apartado 2.3.2).
Durante los años 80 del siglo XX el SRL ganó mucha atención por resaltar la
importancia de que los estudiantes gobiernen su propio aprendizaje (Paris &
Byrnes, 1989). El SRL estaba basado en la combinación de constructos como
estrategias cognitivas, metacognición y motivación, y era un proceso cognitivo y
constructivo individual y estático, independiente del contexto educativo
(Boekaerts & Corno, 2005). Actualmente sabemos que el SRL depende de factores
sociales y contextuales, y se desarrolla de forma diferente de una situación a otra,
incluso de una materia a otra, como se demuestra en varios estudios empíricos
(Wolters, 1999) (Hadwin, Winne, Nesbit, & Woszczyna, 2001). Entender el SRL
implica reconocer las características del contexto y cómo influyen en el
aprendizaje. Esta dependencia está reflejada en los principales modelos teóricos
actuales (ver apartado 2.3.2). De todas formas, el SRL es un proceso activo y aunque
esté influenciado por el contexto, el aprendizaje depende en gran medida de cómo
el estudiante afronta cada situación de aprendizaje. Un estudiante capaz y que sepa
cómo autorregular su aprendizaje puede no hacerlo, dependiendo del contexto, de
su motivación, etc.
El SRL es a día de hoy un foco de investigación activo y uno de los ejes esenciales
de la práctica educativa (Rodríguez, Vázquez, Lama, Gewerk, & Muciente, 2014)
(Roll & Winne, 2015) (Nilson, 2016).
Self-Directed Learning
El lector podría no conocer el aprendizaje autorregulado, pero sí el autodirigido
(Self-Directed Learning o SDL). El SRL y el SDL son teorías paralelas que podrían
considerarse equivalentes (Beishuizen & Steffens, 2011), como se puede inferir de
la definición original de Knowles de SDL: “es un proceso en el que individuos
toman la iniciativa, con o sin ayuda de otros, en diagnosticar sus necesidades de
aprendizaje, formular sus objetivos de aprendizaje, identificar recursos humanos y
43
materiales para aprender, elegir e implementar estrategias apropiadas y evaluar los

resultados del aprendizaje” (Knowles, 1975). Este trabajo se ha centrado en el SRL
tratando de evitar la ambigüedad por contar con mayor volumen de investigación
tanto en el ámbito de la pedagogía como en el ámbito tecnológico, pero sería de
aplicación a ambas teorías.
2.3.2 M O D E L O S D E A P R E N D IZ A J E A U T O R R E G U LA D O
Todos los modelos de aprendizaje autorregulado comparten cuatro principios

básicos (Pintrich P. , 2004):
 Activo, constructivo: asumen una perspectiva constructivista, enfatizando

el rol activo (en lugar de reactivo) del estudiante. “Se considera a los
estudiantes como participantes activos en la construcción de sus propios
significados, objetivos y estrategias a partir de la información disponible en
el entorno externo, así como la información en sus propias mentes”.
 Potencial de control: los estudiantes pueden monitorizar, controlar y

regular ciertos aspectos de su cognición, motivación y comportamiento, así
como ciertas características del entorno.
 Objetivo, criterio o estándar: hay algún tipo de objetivo, criterio o estándar

que sirve como referencia para que el alumno pueda evaluar sus resultados
y modificar sus métodos si es necesario.
 Actividades de autorregulación como mediadores: se reconoce el proceso

metacognitivo como mediador entre los aspectos personales y contextuales
del aprendizaje y el rendimiento académico. “La autorregulación por parte
del individuo de su cognición, motivación y comportamiento media en las
relaciones entre la persona, el contexto y el resultado” (Pintrich P. , 2004).
Destacaremos tres modelos de SRL: el modelo cíclico de Zimmerman
(Zimmerman, 2002), el modelo general de Pintrich (Pintrich P. , 2000a) y el
modelo de procesado de la información de Winne y Hadwin (Winne & Hadwin,
1998). Los tres abordan las dimensiones principales de la autorregulación,
sirviendo como un marco integrador y explicativo de sus componentes. El modelo
de procesado de la información se centra en aspectos cognitivos y metacognitivos,
los modelos general y cíclico hacen también hincapié en aspectos motivacionales
del SRL. Estos tres constructos –cognitivo, metacognitivo y motivacional– se
influencian entre sí de forma no trivial, y estos modelos nos ayudan a entender
cómo se desarrolla esta interacción.
2.3.2.1 Modelo cíclico de aprendizaje autorregulado (Zimmerman)

Como comentamos anteriormente, el modelo de SRL de Zimmerman está basado
en la teoría socio-cognitiva de Bandura (Bandura, 1989). Visto desde esta
perspectiva social cognitiva, los estudiantes emplean la metacognición para
establecer objetivos, planificar estrategias y organizar su tiempo y entorno, auto-
44
monitorizan su desempeño y auto-evalúan la efectividad de sus estrategias;

controlan la motivación evaluando sus logros de aprendizaje, atribuyen causas a
los resultados y construyen creencias positivas acerca de sus capacidades; y
controlan su comportamiento estableciendo un entorno propicio para el estudio,
buscan ayuda de compañeros y profesores, etc.
Zimmerman propone un modelo (ver Fig. 8) basado en tres fases:
1. La fase de planificación tiene dos tipos de procesos: de análisis de la tarea,

donde se establecen los objetivos en función de los requisitos de la tarea,
se planifica el uso de estrategias, etc.; y de creencias motivacionales, donde Las fases están
se activan creencias sobre la capacidad de aprender y se realiza una relacionadas entre sí y
los procesos se
previsión de resultados del aprendizaje.
actualizan en cada
iteración.
2. La fase de realización consta de dos tipos de procesos: los de autocontrol,
destinados a la aplicación de las estrategias planificadas en la fase anterior;
y los de auto-observación (auto-monitorización), consistentes en el
seguimiento de las actividades con respecto a los objetivos y el registro del
proceso de aprendizaje para su posterior evaluación.
3. La fase de autorreflexión tiene también dos tipos de proceso: los de

autoevaluación o juicio personal, donde se evalúa la realización fase y se
reflexiona sobre la adecuación de las estrategias a la tarea, efectividad, etc.;
y los de auto-reacciones, donde se adaptan las estrategias empleadas, se
actualiza la percepción de eficacia, etc. De esta forma, las fases están
relacionadas entre sí, y en cada ciclo se actualizan las habilidades,
creencias, estrategias, etc.
Fig. 8: Fases y subprocesos de la autorregulación en el modelo de Zimmerman (Zimmerman, 2002).
45
2.3.2.2 Modelo general de aprendizaje autorregulado (Pintrich)

El modelo de Pintrich (Pintrich P. , 2004) (ver Fig. 9) parte también desde la
perspectiva social-cognitiva. Propone un modelo basado en los cuatro principios
básicos presentados al principio de esta sección, añadiendo detalle acerca de cómo
el SRL funciona en el aula.
En este modelo define 4 fases:
1. Previsión, planificación y activación: el estudiante planifica, establece

objetivos y recuerda lo que sabe acerca del contexto y de la tarea que
llevará a cabo.
2. Monitorización: el estudiante realiza un seguimiento del proceso de

aprendizaje.
3. Control: el estudiante selecciona las estrategias cognitivas y trata de

adaptarse a las condiciones del contexto, de las tareas y a las propias.
4. Reacción y reflexión: es estudiante realiza juicios cognitivos y reflexiona

sobre el contexto, las tareas y sobre sí mismo.
Estas fases se consideran en principio un proceso secuencial ordenado, pero sin

embargo Pintrich especifica que las fases no están ordenadas de forma jerárquica o
lineal, sino que el orden dependerá del estudiante y del momento, de forma que se
producen saltos de una a otra de forma dinámica y e incluso pueden concurrir a la
vez. Por ejemplo, un estudiante puede monitorizar, controlar y reflexionar
durante la realización de tareas, empleando esa información para ajustar los
objetivos y planes definidos en la primera fase.
Pintrich define también 4 áreas de la autorregulación del aprendizaje:
 Cognición
 Motivación y afecto
 Conducta
 Contexto.
Las tres primeras representan las tres áreas del funcionamiento psicológico,
mientras que la cuarta refleja la importancia del contexto social y personal. La
regulación de la cognición hace referencia a cómo el estudiante entiende las tareas
de aprendizaje, las realiza de forma estratégica a la vez que monitoriza y controla
el proceso y finalmente reflexiona para mejorar las estrategias y el procedimiento
seguido. Pintrich afirma que, de forma similar, es posible regular las otras tres
áreas: la motivación a través de estrategias para el control de las creencias
motivacionales (autoeficacia, dificultad de la tarea, etc.), la conducta a través de
estrategias de gestión de tiempo y monitorización del esfuerzo, y el contexto a
través del control de su entorno social y contextual.
46
Fig. 9: Fases y áreas de la autorregulación en el modelo de Pintrich (Pintrich P. , 2004).
Este es el modelo más amplio y que abarca más aspectos o dominios de forma
específica, además de la cognición.
2.3.2.3 Modelo de procesado de información del aprendizaje autorregulado

(Winne y Hadwin)
El modelo de Winne y Hadwin (1998) (Fig. 10) se concentra en los aspectos
cognitivos y metacognitivos del SRL, y pretende definir el proceso de estudiar,
entendido como examinar información con motivo de aprender. Su modelo divide
la regulación de la cognición en cuatro fases, tres necesarias y una última opcional:
1. Análisis de la tarea
2. Establecimiento de objetivos y planificación
3. Ejecución
4. Adaptación.
Básicamente la diferencia con los modelos de Zimmerman y Pintrich radica en

separar el análisis de la tarea de la fase de establecimiento de objetivos y
planificación. Para estos autores, la comprensión de la tarea es un elemento crítico
ya que condiciona el establecimiento de objetivos. Otra observación relevante que
podemos observar es que los elementos metacognitivos de control y
47
monitorización son las dos operaciones clave de la autorregulación del aprendizaje

en este modelo.
Este modelo es también conocido como COPES por sus elementos
fundamentales: Condiciones, Operaciones, Productos, Evaluaciones y estándares
(Standards). Las operaciones son procesos cognitivos de procesado de información
(métodos y estrategias) que aplicados en cada fase en base a las condiciones dan
lugar a productos de información. Estos productos provocan una actualización de
las condiciones de forma recursiva. Las evaluaciones son realimentación acerca de
los productos, y pueden ser internas o externas, pero en ambos casos influencian
las condiciones. Los estándares son cualidades de los productos que los estudiantes
esperan alcanzar, es decir, son los criterios que emplean para monitorizar si se ha
cumplido el objetivo o no.
Fig. 10: Modelo de SRL de Winne y Hadwin (Winne & Hadwin, 1998).
La primera fase, definición de la tarea, los estudiantes desarrollan las percepciones

de la tarea y las actualizan mientras trabajan en ella, examinando los recursos y
materiales, estimando el tiempo necesario para la realización, etc. En la segunda
48
fase establecen los objetivos junto con los estándares que habrá que cumplir para
conseguirlos, y definen las estrategias a seguir. En la tercera fase los estudiantes se
enfrentan a la tarea empleando las estrategias elegidas en la fase anterior. En esta
fase se monitoriza la efectividad de las estrategias así como la correspondencia
entre los productos y los estándares. La última fase es opcional, e implica
reflexionar acerca de la tarea, los objetivos y estrategias para rediseñar el plan o
modificar los estándares ya sea para esta misma tarea o para otras venideras.
2.3.3 F A S E S D E L A A U T O R R E G U L A C IÓ N D E L A P R E N D IZ A J E
Examinando los modelos es evidente que existe una relación entre las fases, y así
lo confirman los propios autores (Pintrich P. , 2004). Como podemos observar,
todos definen varias fases de la autorregulación. Zimmerman profundiza aquí y
define los subprocesos. La principal diferencia radica en que Zimmerman agrupa Es importante no
las fases de monitorización y control en la fase de realización dado que ocurren confundir la
evaluación de
durante el mismo período de tiempo, esto es, durante la realización de las tareas. conocimientos
Pintrich, que ha separado la monitorización y el control, afirma que la mayoría del adquiridos con la
trabajo empírico acerca de estas dos fases “no encuentra mucha separación de estos evaluación SRL, que
consiste en evaluar el
procesos en términos de la experiencia de los sujetos” (Pintrich P. , 2004).
proceso de aprendizaje
Otra diferencia relevante es la ubicación de la selección de estrategias. de cara a mejorarlo.
Zimmerman la ubica en la fase previa o de planificación en concordancia con la
mayoría de autores y con los manuales de estrategias existentes. Pintrich por el
contrario indica que esto ocurre en la fase de control. Esto dependerá del
estudiante, ya que aquellos que planifiquen su aprendizaje al detalle elegirán la
estrategia para abordar cada tarea durante la planificación y aquellos que conozcan
bien las estrategias y prefieran improvisar elegirán la estrategia más adecuada a la
tarea en el momento de realizarla.
Otro aspecto a tener en cuenta es que según modelos más recientes, cada fase
puede tener una planificación, una realización o ejecución y una evaluación,
también cíclicos, para cada tarea. Esto es conocido como el modelo PLEJE
(Planificación, Ejecución y Evaluación) (Rosario, Nuñez, & González-Pienda,
2006) (ver Fig. 11). De esta forma, un modelo simplificado puede usarse para cada
tarea de forma recursiva.
El modelo PLEJE se
llama originalmente
PLEA, ya que
proviene del
portugués:
Planificação, Execucão
e Avaliação.
Fig. 11: Modelo PLEJE de aprendizaje autorregulado (Rosario, Nuñez, & González-Pienda, 2006).
49
Teniendo todo esto en cuenta, en este trabajo se han adoptado tres fases cíclicas
si las vemos a alto nivel, pero considerando habitual el hecho de que haya saltos de
una a otra si examinamos los procesos a un nivel más bajo. Estas fases son:
1. Previsión, planificación y activación.
2. Ejecución, monitorización y control.
3. Evaluación, reflexión y reacción.
2.3.4 Á R E A S D E L A A U T O R R E G U L A C IÓ N D E L A P R E N D IZ A J E
Pintrich ha definido en su marco conceptual cuatro áreas para la autorregulación:

cognición, motivación/afecto, comportamiento y contexto (social y entorno). Aquí
el área de la cognición incluye tanto cognición como metacognición. Algunos
expertos afirman que estas áreas deberían ser consideradas por separado (Solano,
Núñez, González-Pienda, & Rosário, 2006), teniendo entonces un total de cinco
áreas, que son las que se han tenido en cuenta en este trabajo:
 Cognición
 Metacognición
 Motivación / afecto
 Comportamiento
 Contexto (social y entorno)
2.3.5 C A R A C T E R ÍS T IC A S D E L O S E S T U D I A NT E S A U T O R R E G U L A D O S
Los estudiantes autorregulados poseen una serie de características que han ido
adquiriendo con la práctica en la utilización de las estrategias. Cabe diferenciar
varios aspectos:
Aspectos Cognitivos
En relación a los aspectos cognitivos, los estudiantes autorregulados conocen y
usan estrategias de aprendizaje cognitivas de forma efectiva para seleccionar,
categorizar, organizar, elaborar y recuperar información (Paris & Byrnes, 1989).
Aspectos Metacognitivos
En cuanto a estos aspectos, los estudiantes autorregulados se conocen a sí mismos,
conocen los requisitos de las tareas y “saben cómo y cuándo deben emplear las
estrategias más adecuadas” (Boekaerts, 1986). Saben cómo usar estrategias
metacognitivas (planificación, monitorización, evaluación y regulación) para
llevar a cabo sus tareas y conseguir sus objetivos (Zimmerman & Martinez-Pons,
1990).
50
Aspectos Motivacionales
La motivación es uno de los elementos clave en la autorregulación, y los
estudiantes autorregulados “se motivan a sí mismos, tienen expectativas y
atribuciones positivas” y están interesados de forma natural en sus tareas de
aprendizaje. Son proactivos y confían en sus habilidades (Zimmerman, 2002).
Aspectos de Comportamiento y Contexto

Estos estudiantes son capaces de “seleccionar, organizar y crear entornos para
optimizar su aprendizaje”, buscando consejos, información y lugares que lo
beneficien (Zimmerman & Martinez-Pons, 1986). Al mismo tiempo son capaces de
gestionar su tiempo, controlar su esfuerzo y monitorizar su conducta.
2.4 E STRATEGIAS DE APREND IZAJE Y AUTORREGULACIÓN
El concepto de estrategia de aprendizaje no está claramente bien definido, ya que

hay varias definiciones de autores de diferentes disciplinas. Hay definiciones muy
generales como la de Allueva, que afirma que son “métodos empleados por el sujeto Las estrategias son
para lograr el aprendizaje” (Allueva Torres, 2002). En (Gu, 2012), Gu seleccionó métodos y
procedimientos para
“un número de definiciones de prominentes teóricos e investigadores en psicología conseguir algo
educativa” para analizar las diferencias y establecer los puntos en común. En este concreto, en este caso,
trabajo ha hecho además una interesante investigación en las definiciones y una mejora en los
procesos de
dimensiones de las estrategias de aprendizaje, y ha creado un prototipo de lo que aprendizaje.
es una estrategia de aprendizaje, basado en la investigación previa. De cara a no
perder al lector en los matices de las definiciones, seleccionaremos dos de las más
relevantes para ilustrar el concepto.
Brown junto con otros autores afirman que una estrategia de aprendizaje es la
“aplicación sistemática de planes, rutinas o actividades deliberadas para mejorar el
aprendizaje” (Brown, Bransford, Ferrara, & Campione, 1983); Nisbet y Shucksmith
definen las estrategias de aprendizaje como “secuencias integradas de
procedimientos cuya selección apropiada y adaptación flexible cubre las
necesidades de una situación de aprendizaje específica” (1986).
Siguiendo una aproximación amplia, podemos considerar las estrategias como
métodos y procedimientos que los estudiantes pueden emplear para afrontar su
aprendizaje de la manera más efectiva y competente, para planificar, monitorizar
y evaluar las cinco áreas del SRL.
2.4.1 E N S E Ñ A N Z A D E L A S E S T R A T E G IA S
Los beneficios de usar estrategias son claros, ya que mejoran las habilidades de los
estudiantes, que se vuelven más eficientes y obtienen mejores resultados, y esto
debería ser suficiente para despertar su interés en ellas. Hacerlas más atractivas
para los estudiantes es importante, pero la forma en la que se enseñan las estrategias
habitualmente puede ser un problema a este respecto. Podemos encontrar las
estrategias en páginas web, manuales de técnicas de estudio y estrategias de
51
aprendizaje, pero la mayoría de ellos son muy formales y descriptivos, siendo poco
atractivos para la audiencia para la que están destinados. Tradicionalmente, estas
estrategias son enseñadas en proyectos de intervención para la enseñanza de
estrategias: a) en cursos de verano, b) a lo largo del curso como materia
independiente o c) incorporadas en cada materia, tratando las estrategias
específicas de éstas. Generalmente, las estrategias son enseñadas de forma
metódica, sin profundizar ni en el problema ni en por qué son tan necesarias.
Hay un proyecto que ha sido implementado en varias universidades en Europa,
especialmente en Portugal y España, llamado “Cartas do Gervasio ao seu umbigo”
(Rosario, Nuñez, & González-Pienda, 2006) que destaca por su metodología. En él
se trata de enseñar la autorregulación y las estrategias de aprendizaje a los alumnos
de primer año de una forma diferente. El aspecto innovador de este proyecto reside
en la forma en la que se presentan las estrategias a los estudiantes: a través de la
historia de un alumno de primer año llamado Gervasio. Está formado por trece
cartas, cada una de las cuales trata las cosas buenas y malas típicas del primer año
de universidad, así como algunas formas de lidiar con los problemas que llevan al
fracaso escolar, i.e., la utilización de estrategias de autorregulación y aprendizaje.
El proyecto cuenta también con ejercicios, problemas y recomendaciones para
trabajar en clase con el profesor, para entender y afianzar los conceptos
presentados en las cartas.
La idea es que conocer y manejar correctamente las estrategias aumenta en gran
medida la autonomía de los estudiantes, pero la manera más rápida y efectiva de
que esto suceda es de una forma guiada por un educador, algo en lo que coinciden
todos los expertos (Moos & Ringdal, 2012).
Además de Cartas do Gervasio ao seu Umbigo, en este trabajo se han manejado
otros manuales y guías de estrategias: “Estrategias de aprendizaje para aprender
más y mejor” (Carrasco, 2007), “Learning Strategies” (Nisbet & Shucksmith, 1986),
el sitio web “Skills You Need” (2014).
2.4.2 C L A S I F IC A C IÓ N D E E S T R A T E G IA S
Resulta difícil clasificar las estrategias de aprendizaje, dado que hay numerosos
criterios posibles y es necesario atender a varios a la vez, ya que de alguna forma
En la literatura nos todos son relevantes. Así, podemos clasificarlas según lo que se pretende mejorar
encontramos con (comprensión lectora, gestión del tiempo, etc.), según en qué fase SRL estén
numerosas
enmarcadas, según estén enfocadas a la cognición o a la metacognición, etc.
clasificaciones de
estrategias basadas en Además, dependiendo del criterio elegido hay estrategias que encajan en varias
criterios diferentes. categorías, lo que dificulta aún más esta labor. Por ejemplo, si elegimos como
criterio las fases y las áreas de la autorregulación, hay estrategias que abarcan todas
las fases, y que pueden ser cognitivas o metacognitivas, y tener a la vez una
componente importante de control del contexto. Como no podía ser de otra
manera, hemos encontrado en la literatura varias clasificaciones, algunas
generalistas y otras atendiendo a criterios particulares de una investigación
52
2.4 ESTRATEGIAS DE APRENDIZAJE Y AUTORREGULACIÓN
concreta. En la Tabla 1 podemos ver un ejemplo de clasificación de estrategias

atendiendo a varios criterios.
Exploración
Atención Selección
Concentración
Recepción de información
Codificación Sistemas de representación
Adquisición Traducción
Comparación
Relaciones
Cognitivas Reestructuración Organización
Contextualización
Transformación
Mantenimiento
Manejo
Recuperación
Tareas
Uso
Generalización Materiales
Contextos
Aplicación Ámbitos académicos naturales
Reducción ansiedad
R. emocional
Estado de ánimo
Orécticas Refuerzo Autoconcepto
R. motivacional Atribuciones
Motivación de logro
Representación
Toma de
Procesos
Actividad conciencia Funciones
reflexiva Representación
Control Procesos
Metacognitivas Funciones
Objetivos
Planificación
Desarrollo global Planes
del proceso de Monitorización Revisión continua
aprendizaje Del proceso
Evaluación
Del producto
Tabla 1. Clasificación de estrategias (Mayor, Suengas, & González, 1995).
Para esta investigación hemos considerado especialmente dos grandes grupos de

estrategias: las centradas en la autorregulación del aprendizaje y las cognitivas,
centradas en la adquisición y creación de conocimiento.
Además de las estrategias para estudiantes que son en las que nos centramos en
este trabajo, existen estrategias para profesores (aprendizaxe-autorregulada.com,
2016) destinadas a la formación estratégica de estudiantes, llamado Self-Regulated
Strategy Development (SRSD). Éstas enseñan a los profesores a enseñar las
estrategias y nuevas formas de plantear las clases, los trabajos y las pruebas de nivel
basándose en la aproximación del SRL. Algunos trabajos importantes son los
realizados por Nilson (2016) o Rosário, Núñez y González Pienda (2006).
53
2.4.3 E S T R A T E G I A S D E A U T O R R E G U L A C IÓ N
Las estrategias de autorregulación son las que más nos interesan para este estudio.
Son las relacionadas con el control del aprendizaje. En este grupo podemos incluir
estrategias metacognitivas (planificación, auto-monitorización and auto-
evaluación de los procesos de aprendizaje), estrategias de conducta (gestión del
tiempo, búsqueda de ayuda, auto-observación, etc.), estrategias de motivación
(activación del interés, atribución causal, etc.) y estrategias de contexto
(monitorización de los cambios de la tarea y de las condiciones del contexto,
evaluación de la tarea, etc.).
Como ya hemos comentado, autores como Pintrich agrupan las áreas
metacognitiva y cognitiva. Sin embargo, “las estrategias metacognitivas son
procesos secuenciales que uno usa para controlar las actividades cognitivas, y para
asegurar la consecución del objetivo cognitivo” (Livingston, 2003), mientras que
las cognitivas están centradas en la gestión y adquisición del conocimiento y la
memoria. Por ello las hemos considerado aparte.
Presentaremos a modo ilustrativo cuatro estrategias de las más importantes,
relacionadas en este caso con la gestión de objetivos y que en su conjunto abarcan
las tres fases de la autorregulación. Puede encontrar un listado completo de las
estrategias seleccionadas en el apéndice.
Definición de objetivos
Un objetivo es algo que un estudiante quiere conseguir, por lo que guía su
comportamiento. Para poder ser considerado un objetivo como tal, éste debe
cumplir los requisitos MARTE: debe ser Medible, Alcanzable, Relevante y limitado
en el Tiempo y Específico (en inglés SMART por Specific, Measurable, Achievable,
Relevant and Time-bounded). Los objetivos a largo plazo deben ser divididos en
objetivos a corto plazo para cumplir los requisitos. Es importante no confundir
estos objetivos generales con los objetivos de la tarea o target goals, que son los
objetivos usados para evaluar la realización de una tarea, es decir, podremos dar la
tarea como concluida con éxito si se cumplen estos objetivos de la tarea.
Planificación de un objetivo
El plan debe responder a la pregunta: ¿Cómo voy a conseguir este objetivo? Para
crear el plan se han de seguir estos pasos:
1. Identificar recursos, pasos, estrategias y tareas intermedias.
2. Estimar el tiempo necesario para cada actividad o tarea.
3. Definir los resultados esperados.
Monitorización de un objetivo
Consiste en una comprobación periódica acerca de la orientación de nuestros actos
hacia el objetivo. Las siguientes preguntas pueden ayudar: ¿Estoy actuando según
54
2.4 ESTRATEGIAS DE APRENDIZAJE Y AUTORREGULACIÓN
lo planeado? Lo que estoy haciendo, ¿me acerca o me aleja del objetivo? Hay que
actuar de acuerdo con las respuestas. Si nos encontramos una dificultad insuperable
será necesario revisar la selección de estrategias y modificarla o adaptar alguna
estrategia. Esta auto-monitorización de las tareas puede ser planificada en la fase
anterior.
Evaluación de un objetivo
Para verificar si has conseguido tu objetivo has de comparar los resultados
obtenidos con los esperados, previamente definidos en la planificación, el esfuerzo
realizado y las dificultades encontradas. Basándote en esto puedes modificar el plan
o las estrategias de cara a mejorar.
2.4.4 E S T R A T E G I A S D E A P R E N D IZ A J E C O G N IT I VA S
Las estrategias cognitivas proveen una estructura para el aprendizaje cuando una
tarea no puede ser completada siguiendo una serie de pasos y están enfocadas
principalmente hacia la adquisición de conocimientos. Estas estrategias ofrecen
soporte al estudiante para desarrollar procedimientos internos para abordar tareas
complejas (Rosenshine, 1997). Algunas de estas estrategias son también conocidas
como técnicas de estudio. Las estrategias para la búsqueda de información, su
selección, adquisición, procesamiento, transformación y memorización, y otras
como asociación de imágenes, resolución de problemas, etc. son cognitivas.
Gargallo ha hecho una buena clasificación de estas estrategias en (Gargallo, 2000)
La mayoría de estas estrategias no son implementables o integrables
completamente en software, ya que involucran acciones internas e interacciones
con elementos externos que el estudiante ha de hacer por sí mismo.
Al igual que en la sección anterior, presentamos aquí una estrategia
representativa de este grupo.
SQ3R
SQ3R (Survey, Question, Read, Recite, and Review) (Robinson, 1978) es una
estrategia para mejorar la comprensión lectora. Pertenece a la categoría de
adquisición de información, dentro de las estrategias cognitivas. Está basada en
cinco pasos:
1. Survey o inspección: este primer paso consiste en ojear el texto para

identificar títulos, subtítulos y otros elementos resaltados o importantes.
2. Question o cuestión: consiste en formular preguntas sobre el contenido

antes de leerlo.
3. Read o lectura: leer el texto tratando de encontrar respuesta a las preguntas

anteriores.
4. Recite o recitar (o escribir): tras leer el texto, resumir y tratar de contestar

las preguntas.
55
5. Review o revisión: revisar las partes más importantes.
Este es un buen ejemplo de una estrategia cognitiva que no puede ser

implementada completamente como una funcionalidad software, pero que podría
ser ofrecida como una guía. Solamente los pasos 2 y 4 pueden implicar interacción
con una herramienta (considerando el texto a leer independiente), y el resto
implican interacción con elementos externos, un texto en este caso, que podría ser
de un libro, un sitio web, una revista, etc. Esta o cualquier otra estrategia
procedimental (no implementable) podría ser incorporada en un gestor de
objetivos y tareas como una tarea con varios pasos a modo de guía. Esta idea junto
con la de un repositorio de este tipo de estrategias ha sido planteada en (Manso &
Llamas, 2013c).
2.5 C ONCLUSIONES
Las diversas teorías del aprendizaje (Sección 2.1) parecen no coincidir en los
procedimientos y vías por las que se produce el aprendizaje. Sin embargo, si en
lugar de verlas como teorías excluyentes se opta por una visión amplia e
integradora, parece claro que todas ellas definen diferentes tipos de aprendizaje
que efectivamente se producen tal y como están descritos, por lo que son
complementarias y en su conjunto definen las posibles formas de enseñanza-
aprendizaje. Además, este paradigma evoluciona con el tiempo, la investigación y
con la tecnología, dando lugar a nuevas teorías que se adaptan a las nuevas formas
de interacción de la sociedad de la información.
Las teorías de metacognición (Sección 2.2) definen de forma clara una de las
partes vitales para el aprendizaje autorregulado: la consciencia y control del propio
proceso de aprendizaje. Podría decirse que la teoría del SRL (Sección 2.3) se apoya
en la teoría metacognitiva. Ambas están centradas en la capacitación del estudiante
como estudiante estratégico y autónomo, que comprende cómo estudia, conoce sus
virtudes y defectos, y analiza sus procesos y resultados para mejorar. La teoría del
SRL es más amplia, centrándose además de en la cognición y metacognición en
otros factores que influyen en el aprendizaje, como la motivación, el contexto y el
comportamiento.
Estudiando las teorías del aprendizaje autorregulado podemos ver el problema
que representa una aproximación teórica al trabajo realizado en esta tesis. Los
modelos de Pintrich y Zimmerman, son realmente muy similares, definiendo lo
mismo de formas diferentes, aunque cuentan con pequeñas contradicciones. Sin
embargo, si analizamos el modelo de Wine y Hadwin, éste define el aprendizaje
autorregulado de una forma más centrada en la parte cognitiva, siguiendo una
aproximación muy diferente a los otros dos modelos, resultando en una teoría
totalmente diferente, pero igualmente válida y aceptada.
Las estrategias de aprendizaje y autorregulación podrían ser definidas como el
instrumento o artefacto resultante de aplicar la teoría SRL. Son procedimientos
diseñados por educadores y psicólogos expertos para ser usados por los estudiantes
56
2.5 CONCLUSIONES
para mejorar en algún área de su aprendizaje, desde procesos cognitivos hasta

control del entorno o búsqueda de ayuda. Estas estrategias se enseñan a los
estudiantes para mejorar sus capacidades y conseguir que sean más autónomos, en
línea con las tendencias de la educación actual.
Centrándonos en el caso que nos ocupa, la teoría pura es muy útil para entender
cómo funciona y cómo se gestiona el aprendizaje, así como para entender sus
procesos internos, pero no define procedimientos y métodos tangibles y concretos
que puedan aportar información detallada a nivel procedimental. Las estrategias
de aprendizaje y autorregulación sin embargo sí definen los procedimientos
empleados por los estudiantes para gestionar y llevar a cabo su aprendizaje en la
práctica. Por esto último y siguiendo un enfoque práctico, en este trabajo se ha
centrado el análisis en las estrategias de cara a la mecanización y a la obtención de
procesos que puedan ser implementados a través de software, tratando de no perder
de vista el contexto teórico. Este análisis se presenta en el Capítulo 5.
57
58
3 C ONTEXTO TECNOLÓGICO : VLE
3
If you only have a hammer, you tend to see every problem as a nail.
— Abraham Maslow
Las Tecnologías de la Información y la Comunicación (TIC) llevan años siendo

aplicadas en educación y la proliferación de los dispositivos móviles e Internet han
hecho que esta tendencia no pare de crecer. Desde los comienzos del e-learning en
los años 90 del siglo XX se han desarrollado multitud de entornos virtuales de
enseñanza y aprendizaje (VLE o Virtual Learning Environments), diferenciados
fundamentalmente por la aproximación al aprendizaje desde la que han sido
diseñados. Las funcionalidades que ofrecen los diferentes tipos son muy distintas y
los hacen más o menos adecuados para los diferentes modelos de enseñanza-
aprendizaje. En este caso, el SRL es una aproximación con unas exigencias muy
amplias ya que abarca todo el proceso del aprendizaje, desde la planificación inicial
hasta la autoevaluación final, pasando por las tareas cognitivas del aprendizaje en
sí mismo.
Como veremos, la mayor parte del software educativo da soporte a tareas
cognitivas y, en algunos casos, a alguna tarea metacognitiva. Por otro lado, fuera
de los sistemas de e-learning existen herramientas no específicas de educación que
dan soporte a tareas metacognitivas, como gestores de tareas y herramientas de
gestión del tiempo, que no suelen ser tenidas en cuenta. Esto, sumado a que los
estudiantes emplean varias herramientas durante su aprendizaje, sugiere que no
existe la herramienta perfecta, sino que lo ideal puede ser una selección
personalizada de herramientas que se adapte a las necesidades de cada individuo,
lo cual presenta ciertos retos y problemas a resolver (Valtonen, y otros, 2012). Este
concepto se ha plasmado en el concepto de entorno de aprendizaje personalizado
(Personal Learning Environment o PLE), que incluye diferentes tipos de
herramientas. El soporte ofrecido por un PLE dependerá en su mayor parte del
soporte ofrecido por las herramientas que lo conforman, pero es necesario tener en
cuenta los problemas inherentes al concepto de PLE, que discutiremos al final de
este capítulo.
Para el estudio que nos ocupa cabría preguntarse: ¿qué tipo de VLE es más
adecuado para el SRL? En este apartado veremos los principales tipos de VLE y si
sus funcionalidades o propósito se adecúan a las necesidades del aprendizaje
autorregulado.
CONTEXTO TECNOLÓGICO: VLE
3.1 L EARNING M ANAGEMENT S YSTEM (LMS)

Los LMS son sistemas de gestión del aprendizaje. Surgieron durante la década de
los 90, siendo LMS FirstClass el primero, lanzado por SoftArc para Macintosh en
1990. Le siguieron Training Partner de GeoMetrix Data Systems (1992) y ya años
más tarde ASAP de ePath en 1999. En 2002 nace Moodle, el primer LMS de código
abierto que es posiblemente el más usado desde entonces. En el año 2000 nace
SCORM (Sharable Content Object Reference Model), que es un conjunto de
estándares y especificaciones para la creación y gestión de objetos pedagógicos
estructurados. Cuatro años más tarde publicaron SCORM 2004, su versión más
conocida, que ha sido revisada en varias ocasiones hasta 2009. Ha sido empleado
por la mayoría de LMS desde su nacimiento, si no como estándar de base, como
estándar para importación/exportación de objetos de aprendizaje.
El LMS fue creado originalmente como un framework para gestionar todos los
Los LMS son aspectos del proceso de aprendizaje (desde el punto de vista de la enseñanza
empleados tradicional). Los LMS son empleados tanto para cursos totalmente en línea como
habitualmente a nivel para situaciones de blended learning. Son sistemas relativamente inflexibles y usan
institucional.
como unidad organizativa estándar el “curso” (Sclater, 2008). Los cursos suelen ser
totalmente guiados y su planificación es realizada por los profesores o creadores
del curso, por lo que el estudiante se limita a visualizar los contenidos, realizar las
pruebas de nivel y comunicarse con compañeros o con el tutor participantes en ese
mismo curso para resolver dudas. En estos aspectos, se distancian bastante del
concepto de SRL si los vemos como herramienta todo-en-uno, por estar muy
orientado funcionalmente al profesor.
Un LMS principalmente ofrece acceso a contenidos (lecciones en diversos
formatos y pruebas de nivel de varios tipos), pero también permite la gestión
administrativa de cursos, registro de alumnos, seguimiento de actividad y
generación de informes. De acuerdo con (Llamas, Caeiro, & Castro, 2011a), las
funcionalidades que se pueden encontrar en un LMS son:
 Entrega de contenidos: es la funcionalidad principal y consiste en entregar

contenidos al estudiante. Estos autores se refieren aquí únicamente a los
contenidos basados en texto e imágenes (documentos y presentaciones).
 Podcast: esta funcionalidad consiste en la entrega de contenidos basados en

audio.
 Vodcast: consiste en la entrega de contenidos basados en vídeo.
 Tareas-ejercicios: esta funcionalidad consiste en la entrega por parte del

estudiante de algún tipo de trabajo en respuesta a una actividad propuesta.
 Exámenes: son pruebas de evaluación para los estudiantes.
 Wikis: es una funcionalidad para la creación de páginas web básicas basadas

en texto e imágenes.
60
3.1 LMS
 Blogs: esta funcionalidad consiste en un servicio de publicación web pero

basado en entradas ordenadas cronológicamente que a su vez permite
comentarios de otros usuarios.
 Auto-evaluación: se trata de una herramienta que permite al estudiante

evaluar su progreso y conocimiento en una materia concreta.
 Glosarios: consiste en listados de definiciones.
 Bloc de notas: consiste en una herramienta de anotación para los

estudiantes, que pueden ser privadas o compartidas con otros usuarios.
 Portfolio del estudiante: esta funcionalidad permite al estudiante exponer

su trabajo en un curso. Funcionalmente ofrece lo mismo que una wiki ya
que suelen estar implementados a un nivel básico, pero se diferencian por
el propósito.
 Seguimiento del estudiante: esta funcionalidad hace referencia a la

capacidad del software de monitorizar el uso de los materiales del curso por
parte del estudiante. Esta información suele estar disponible únicamente
para el profesor.
 Correo electrónico: esta funcionalidad permite la comunicación directa de

forma interna entre los usuarios del sistema.
 Foros: es un sistema para mantener conversaciones en línea entre varios

participantes basado en hilos.
 Listas de correo: consiste en conjuntos de nombres y direcciones usadas

generalmente por los profesores para notificar a grupos de alumnos.
 Encuestas: permite realizar encuestas a los estudiantes.
 Trabajos de grupo: esta funcionalidad permite formar grupos de estudiantes

y asignarles un espacio de trabajo en el que el profesor pueda asignarles
tareas o proyectos.
 Chat: son conversaciones en tiempo real basadas en texto.
 Pizarra: consiste en una pizarra virtual que puede ser empleada para la
realización de una clase virtual de forma síncrona en conjunto con otras
funcionalidades como videoconferencia o chat.
 Caminos de aprendizaje: esta funcionalidad también es llamada “lecciones”

y permite añadir lecciones creadas específicamente en función de las
respuestas del estudiante para guiar su aprendizaje.
 Calendario: permite a estudiantes y profesores documentar sus planes y

asignaciones de trabajo en un curso. Aquí habría que puntualizar que lo más
habitual es que solamente el profesor pueda programar actividades, caso en
61
el que los estudiantes únicamente pueden consultar las fechas de las

actividades programadas.
Como vemos, estos autores separan las funcionalidades de entrega de contenidos

de video y audio de las basadas en texto, debido a que las primeras son menos
comunes mientras que todos los LMS cuentan con entrega de contenidos basados
en texto. Actualmente, tanto el audio como el video se ofrecen a través de
streaming y han sido incorporados en la mayoría de LMS.
Técnicamente los LMS no incluyen herramientas de autoría, algo sí propio de los
Los LCMS son
llamados también a LCMS (Learning Content Management System) que permiten la creación de
veces CMS (Content contenidos educativos. Los principales LMS actuales ofrecen opciones para la
Management System) creación de contenidos en línea basados en texto.
Desde el punto de vista del SRL, algunas funcionalidades como el bloc de notas,
el portfolio o la autoevaluación pueden ser interesantes. Sin embargo los LMS no
están diseñados funcionalmente para dar soporte al alumno y la orientación hacia
el profesor penaliza funcionalidades que podrían ser adecuadas como el calendario,
generalmente limitado al estudiante para la visualización de fechas de entrega o
plazos, o el seguimiento del estudiante que recopila información que está
únicamente disponible para el profesor. El análisis realizado en (Llamas, Caeiro, &
Castro, 2011a) y (Llamas, Caeiro, Castro, Plaza, & Tovar, 2011b) no contempla esto
ya que está realizado desde el punto de vista del profesor. A pesar de estas
limitaciones, veremos que en un entorno más amplio y disponiendo de más
herramientas tienen cabida en un escenario SRL, siguiendo una aproximación
pedagógica diferente.
Algunos ejemplos de LMS son:
 Moodle1: es quizás el más conocido y utilizado de todos los existentes. Como

se ha comentado previamente, se trata de software de código abierto, por lo
que además de ser gratis existe una gran comunidad de desarrolladores que
han creado numerosos plug-ins y extensiones. No tiene servidores propios,
por lo que para poder utilizarlo es necesario descargar el software y
configurarlo en un servidor propio. Tiene soporte a nivel mundial y es
quizás la opción más accesible para el desarrollo de nuevas funcionalidades,
gracias a disponer de una comunidad muy activa.
 Sakai2: es al igual que Moodle un LMS de código abierto de uso gratuito.

Como características a destacar, ofrece soporte los principales estándares de
IMS Global Learning Consortium (LIS, LTI, QTI, CP y CC) así como a
SCORM, y a la reciente especificación de registro de actividad Experience
API. El uso de Sakai está mucho menos extendido y la participación de
comunidad es mucho menor en cuanto a desarrollo de funcionalidades
nuevas.
1 https://moodle.org
2 https://sakaiproject.org/
62
3.1 LMS
 Blackboard1: es quizás el LMS comercial con más éxito. Se ha adaptado a los

tiempos y además del tradicional LMS llamado Blackboard Learn, ahora
ofrece además otras plataformas conectadas con éste: Blackboard
Collaborate (para trabajo colaborativo basado en videoconferencia-chat con
compartición de aplicaciones), Blackboard Connect (servicio de
notificación masiva), Blackboard Mobile (extensión de Blackboard Learn
para acceso a través de dispositivos móviles) y Blackboard Analytics
(herramienta de informes (reporting) asociada al resto de herramientas).
3.2 M ASSIVE O PEN O NLINE C OURSE (MOOC)

Los MOOC son cursos en línea destinados a ser consumidos por el mayor número
de participantes posible (cientos de miles), y son por definición de acceso libre (no
es necesario ningún requisito previo). Según (McAuley, Stewart, Siemens, &
Cormier, 2010), “un MOOC integra la conectividad de una red social, el
asesoramiento de un experto conocido en ese campo de estudio y una colección de
recursos online de libre acceso”. Las plataformas de MOOC son completamente en
Los MOOC son a
línea, es decir, no hace falta ninguna herramienta más que un navegador para
veces denominados
acceder a los contenidos y pruebas. Aunque su filosofía inicial es la de mantener COMA por sus siglas
un acceso gratuito en el que el estudiante accede al curso por iniciativa propia, en español: Curso
Online Masivo
actualmente es común que se requiera un pago para obtener una acreditación tras
Abierto.
realizar el curso, y en algunos casos hasta para acceder a determinados recursos,
tutorías o evaluaciones. También es habitual el establecimiento de una línea de
tiempo (programación) marcando fechas para los contenidos y pruebas.
No existe acuerdo acerca de cuándo se produce la aparición de los MOOC. Se
considera generalmente que en 2007 David Wiley crea el primer MOOC en la
Universidad Estatal de Utah. El término lo acuñó Dave Comier en 2008 para
clasificar un curso llamado “Conectivismo y conocimiento conectivo” creado por
George Siemens y Stephen Downes, y el propio Siemens defiende éste como el
primer MOOC (Siemens, 2013). Los MOOC consiguieron convertirse en una
corriente dominante en 2012, estableciéndose definitivamente, y actualmente son
una de las iniciativas con más acogida a la hora de la realización de cursos a
distancia.
Existen varias clasificaciones de MOOC. En las más importantes se reconocen dos
tipos principales que dependen del enfoque pedagógico, los xMOOC y los cMOOC.
El propio Siemens reconoce la existencia de un tercer tipo, los quasi-MOOC
(Siemens, 2013), y otros autores consideran un tercer tipo diferente, los tMOOC
(Martí, 2012) (Roselle, Caron, & Heutte, 2014). Veamos cada uno de ellos:
XMOOC En este tipo de MOOC, se ve al profesor como el experto y al estudiante

como un consumidor de conocimiento, siguiendo los preceptos de la enseñanza
tradicional. Según autores como Martí, están basados en los contenidos (Martí,
1 http://www.blackboard.com
63
2012), que se entregan al estudiante de forma estructurada y en diferentes

formatos. Las plataformas especializadas para impartir este tipo de cursos ofrecen
Los xMOOC son un entorno virtual completo, como pueden ser Coursera 1 , edX 2 o la española
claramente el tipo de Miríada X 3 . La realización de estos cursos está generalmente automatizada,
MOOC más
extendido. incluyendo la evaluación. En estas plataformas podemos encontrar las siguientes
funcionalidades:
 Entrega de contenidos: En los MOOC se emplean contenidos basados en

texto con imágenes, video y audio, siendo el video uno de los más utilizados
junto con el texto.
 Test de autoevaluación: Estos test fueron el primer sistema de evaluación

de estas plataformas. Al igual que en los LMS, sirven como evaluación y
como revisión del nivel de conocimientos para el alumno.
 Revisión por pares: esta funcionalidad, característica de este tipo de

sistemas, consiste en la típica revisión por pares en la que los estudiantes
revisan el trabajo de otros. Cada trabajo de un estudiante es revisado por al
menos tres compañeros que a su vez reciben realimentación de la revisión
de su trabajo por otros.
 Tareas: consiste en asignaciones de diferentes tipos de trabajos que pueden

ser resueltos generalmente de varias formas o empleando varios formatos.
Por lo general se evalúan a través de la revisión por pares.
 Notas: permite a los estudiantes subrayar y tomar notas sobre los contenidos
basados en texto. Esta es una funcionalidad avanzada con respecto a la
ofrecida por la mayoría de LMS.
 Etiquetas: los estudiantes pueden etiquetar las notas para poder encontrarlas
más fácilmente, así como el material del curso.
 Búsqueda: permite a los estudiantes buscar contenidos, notas, personas, etc.
 Foros de discusión: son los clásicos foros, pero en este caso cuentan con
funciones de la Web 2.0 como curación.
 Curación: los estudiantes pueden valorar los hilos, las respuestas, las
preguntas, etc. realizadas en los foros, así como los contenidos añadidos por
los usuarios a modo de curación.
 Medallas digitales: esta funcionalidad sirve como motivación para los

estudiantes, que pueden conseguir medallas por diversos motivos. Por
ejemplo, por realizar respuestas o proponer temas bien valorados por otros
compañeros. Cuanto mayor sea el número, de más “valor” será la medalla.
1 https://es.coursera.org/
2 https://www.edx.org/
3 https://miriadax.net/home
64
3.2 MOOC
Además de esto y dada la gran componente social, cada usuario tiene una
“reputación”·derivada de sus logros en la plataforma.
 Planes de aprendizaje: esta funcionalidad consiste en permitir avanzar a los

estudiantes en función de los contenidos y actividades que hayan
completado, ya sea exigiendo una selección o un número en concreto.
Aunque la aproximación pedagógica relacionada con los xMOOC sea la tradicional

de instrucción, las plataformas no limitan funcionalmente la utilización de una u
otra, como se demuestra con la inclusión de tareas abiertas (constructivismo).
CMOOC Los cMOOC están basados en el modelo pedagógico conectivista. Son
entornos distribuidos y enfatizan la importancia de la autonomía del estudiante.
Debido a esta autonomía es normal que se utilicen multitud de herramientas
diferentes para llevar a cabo el curso. Los proveedores del curso proporcionan una
infraestructura para el contenido (web o wiki), una línea de tiempos para sesiones
síncronas (ponencias o discusiones), medios para comunicarse con los participantes
(email o blog) y puntos para conectar entre ellos (generalmente un LMS).
QUASI-MOOC Los quasi-MOOC, que proporcionan tutoriales a través de la web

como Recursos Educativos Abiertos (REA, en inglés Open Educational Resources
o OER) o OpenCourseWare (OCW). Estas dos iniciativas (OER y OCW) están
centradas en ofrecer objetos educativos que se puedan compartir y reusar
(UNESCO, 2012). Los quasi-MOOC ofrecen este tipo de recursos para ser
consumidos de forma asíncrona, sin la interacción y la evaluación ofrecida en los
MOOCs, y sin ofrecer una estructura clara de un curso.
TMOOC Autores como Roselle, Caron y Heutte (2014) defienden la existencia de

un tipo de MOOC basado en tareas, que han llamado tMOOC. En estos MOOC se
enfatizan las habilidades pidiendo a los estudiantes que completen ciertos tipos de
trabajo, habiendo varias opciones para completar cada tarea. Los estudiantes han
de completar un cierto número de tareas de diferentes tipos para poder avanzar en
el curso. Ejemplos de este tipo de MOOC son DS1061 y POT Certificate Class2,
ambos realizados a través de blogs. Este tipo de práctica ha sido incorporada en las
plataformas de xMOOC empleando para la evaluación la revisión por pares.
Desde el punto de vista tecnológico solamente los xMOOC presentan una solución
concreta, mientras que el resto de tipos se centran en la aproximación pedagógica
obviando las soluciones tecnológicas utilizadas.
Las principales diferencias entre las plataformas de xMOOC y los LMS son, por
un lado la capacidad máxima de alumnos en un curso, y por otro la dimensión
social que afecta a todo el proceso, especialmente al sistema de evaluación
(Epelboin, 2013). Mientras que un LMS está orientado a clases de cientos de
alumnos por curso, el número máximo de alumnos en un MOOC es del orden de
1 http://ds106.us/about/
2 https://sites.google.com/site/potcertclass13/
65
cientos de miles, pudiendo ser ilimitados en muchas plataformas. Este alto

volumen de estudiantes hace que tareas como la evaluación de trabajos y preguntas
Moodle es utilizada en abiertas deba ser planteada de otra forma, y en lugar de recaer sobre el profesor
ocasiones como
plataforma para recae sobre la propia comunidad de estudiantes que comparten curso, empleando
“pequeños” MOOC la revisión por pares. Estos sistemas cuentan con opciones para la colaboración, el
debido a que su intercambio y la evaluación entre estudiantes así como sistemas de
número máximo de
alumnos por curso es puntuación/reputación basados en medallas, funcionalidades que forman parte de
de 10000, muy la dimensión social que forma parte del concepto de MOOC. Como podemos
superior a la mayoría observar, la comunidad de usuarios que comparten curso cobra una importancia
de LMS, pero muy
inferior a lo habitual realmente grande en estos entornos. El éxito de los estudiantes en un MOOC
en plataformas de depende de su implicación activa. Éstos han de “auto-organizar su participación de
MOOC. acuerdo a sus objetivos de aprendizaje, conocimiento y habilidades previos e
intereses comunes” (McAuley, Stewart, Siemens, & Cormier, 2010). En un MOOC
el estudiante tiene un cierto nivel de autonomía, algo que aumenta
considerablemente si se trata de un cMOOC, por lo que son convenientes ciertas
habilidades y prácticas de autorregulación del aprendizaje.
3.3 I NTELLIGENT C OLLABORATIVE L EARNING

E NVIRONMENT (ICLE)
Los entornos de aprendizaje colaborativo inteligentes son derivados del concepto
de CSCL (Computer Supported Collaborative Learning) surgido durante los años
1990 como respuesta al software que forzaba a los alumnos a aprender de forma
aislada, y motivado por la teoría socio-constructivista. El origen de este tipo de
sistemas tiene lugar con tres proyectos: el proyecto ENFI, el proyecto CSILE y el
proyecto Fift Dimension (Stahl, Koschmann, & Suthers, 2006).
Este tipo de entornos tratan de proporcionar asistencia en la aplicación del
conocimiento de cada dominio y de promocionar oportunidades de colaboración y
Los ICLE monitorizan
las interacciones entre
aprendizaje efectivos a través de la tecnología. Estos sistemas monitorizan las
los usuarios para interacciones, tratan de regular tareas y de mediar en la adquisición del
regular las tareas. conocimiento. Para que un sistema e-learning de soporte al aprendizaje
colaborativo debe proporcionar funcionalidades de gestión de contenidos,
comunicación y colaboración, y una infraestructura tecnológica que controle la
ejecución del proceso de aprendizaje (Stylianakis, Arapi, Moumoutzis, &
Christodoulakis, 2013). Además de estas funcionalidades, se emplean técnicas de
IA para ofrecer visiones alternativas en un debate, o para monitorizar los patrones
de interacción y ofrecer realimentación a los usuarios para dar soporte a la
sociabilidad. En cualquier caso, el software está diseñado para dar soporte, no para
reemplazar estas actividades humanas (Stahl, Koschmann, & Suthers, 2006).
Las funcionalidades de este tipo de sistemas han sido incorporadas en otros como
LMS, herramientas online como los editores de Google Drive1 o Microsoft Office
1 https://www.google.com/intl/es_es/drive/
66
3.3 INTELLIGENT COLLABORATIVE LEARNING ENVIRONMENT
Online 1 , que permiten la edición conjunta y la comunicación a través de

comentarios; Google Hangouts2, que permite compartir escritorio y pizarra online
para reuniones; o Edistorm 3 , diseñado para tormentas de ideas colaborativas a
distancia.
Además de herramientas software colaborativas, numerosos proyectos han
seguido esta aproximación CSCL empleando software no específico para
educación, obteniendo resultados favorables a pesar de las limitaciones de estos
sistemas (Shawky, Badawi, Said, & Hozayin,, 2014).
Algunos ejemplos de ICLE son:
 CoLearn (Stylianakis, Arapi, Moumoutzis, & Christodoulakis, 2013): se

trata de una plataforma CSCL basada en guiones de colaboración.
Incluye una herramienta de autoría para dichos guiones basada en la
representación de la notación para el modelado de procesos de negocio,
aunque son transformados a flujos IMS LD (Learning Design) para su
uso y gestión.
 LAMS4 : Learning Activity Management System es una herramienta

que permite diseñar, gestionar y entregar actividades educativas
colaborativas en línea. Las tareas pueden estar basadas en el contenido
o en la colaboración, y orientadas a estudiantes de forma individual, a
pequeños grupos o a grandes conjuntos de estudiantes. LAMS fue
desarrollado por la Universidad de Macquarie y es de código abierto,
aunque ha sido comercializado por LAMS International ofreciendo
alojamiento, soporte y otros servicios.
3.4 S ISTEMAS DE T UTOR I NTELIGENTE (ITS)

Los Sistemas de Tutor Inteligente (Intelligent Tutoring Systems o ITS) tienen su
origen en el campo de la instrucción asistida por ordenador (Computer Assisted
Instruction o CAI) que se desarrollaron inicialmente durante las décadas de los
años 50 y 60. Comenzaron a ser desarrollados durante la década de los 1980. Son
sistemas software diseñados como un tutor inteligente artificial basado en el
conocimiento, que guía al estudiante en el proceso de aprendizaje, tratando de
emular la forma en que lo haría un tutor humano (Corbett, Koedinger, &
Anderson, 1997). Estos sistemas software usan técnicas de Inteligencia Artificial
(IA) para representar el conocimiento e interactuar con los estudiantes para
guiarlos.
Durante los años 1990 los avances de la tecnología y la psicología hicieron que
los ITS evolucionaran hasta convertirse en entornos para el descubrimiento de
1 https://products.office.com/es-es/office-online
2 https://www.google.es/hangouts/
3 http://www.edistorm.com/
4 https://www.lamsinternational.com/
67
conocimiento y la experimentación (Mikic, Burguillo, & Llamas, 2009). Los ITS no

han tenido un éxito masivo “debido a la complejidad implícita en su diseño, lo cual
Los ITS tienen éxito ha limitado su aplicación práctica (Sierra, Martínez, & Cataldi, 2006), aunque hay
especialmente cuando
son aplicados a
excepciones con gran aceptación como CognitiveTutor, cuyos cursos de
dominios específicos. matemáticas han sido usados dos días a la semana por 600000 estudiantes en 2600
escuelas en los EEUU (Koedinger, Brunskill, Baker, McLaughlin, & Stamper, 2013).
Los resultados de las investigaciones demuestran la eficacia de los ITS diseñados
específicamente para dominios específicos mejorando el desempeño y reduciendo
el tiempo de aprendizaje (Si-Allal-Zarouk & Khaldi, 2015).
Fig. 12: Funciones clave de los ITS (Koedinger, Brunskill, Baker, McLaughlin, & Stamper, 2013).
La figura describe las principales funciones de un ITS: seleccionar actividades,

evaluarlas, recomendar nuevas y actualizar el modelo de usuario son realizadas
gracias al modelo cognitivo y al modelo individual de estudiante. El bucle interno
representa la monitorización paso a paso de las acciones del estudiante, mientras
que el bucle externo representa el guiado del estudiante a través de un currículum
de actividades didácticas. Suelen representar el currículum a través de un conjunto
de habilidades y conceptos llamado componentes del conocimiento (Knowledge
Components o KC).
No todos los ITS funcionan de esta manera, pero es representativa de cómo el
Los ITS son sistemas sistema va aprendiendo acerca del estudiante para recomendarle y guiarle en el
realmente complejos proceso de aprendizaje.
que emplean multitud
de tecnologías, Los ITS utilizan gran variedad de tecnologías y arquitecturas: chatterbots,
incluyendo modelos semánticos, modelos predictivos, agentes BDI (Believes, Desires,
inteligencia artificial. Intentions), aprendizaje automático (machine learning), etc. Según estudios
recientes, aún existe un gran margen de mejora en muchos aspectos de los ITS:
68
3.4 INTELLIGENT TUTORING SYSTEMS
modelos cognitivos, fábrica de pistas, modelo del estudiante, modelado del

compromiso (motivación) del estudiante, optimización de la instrucción, etc.
(Koedinger, Brunskill, Baker, McLaughlin, & Stamper, 2013).
Expondremos aquí tres ejemplos para ilustrar la gran heterogeneidad existente en
este tipo de sistemas:
 ELM-ART (ELM Adaptive Remote Tutor) (Weber & Brusilovsky, 2001): se

trata de un ITS basado en web, concebido como un libro inteligente que
cuenta con una herramienta de resolución de problemas. Cuenta con todo
el material del curso (contenidos teóricos, problemas, test, etc.) y con
herramientas para dar soporte en la resolución y análisis de problemas y
test. El sistema evalúa a los estudiantes en base a sus respuestas e infiere el
nivel de conocimientos que poseen, actualizando el modelo de usuario.
Además de esto cuenta con herramientas de comunicación directa con los
tutores y con un chat para alumnos. Algo que diferencia este sistema de un
CMS 1 normal es la presentación y estructura, ya que este sistema está
diseñado como un libro de texto interactivo e inteligente en el que las
funcionalidades principales están siempre accesibles.
 AutoTutor: se trata de un sistema basado en un chatterbot que, empleando

lenguaje natural, presenta cuestiones y problemas a los alumnos, emulando
a un tutor humano. Para cada pregunta cuenta con un conjunto de
respuestas válidas y posibles respuestas incorrectas. El sistema trata de
entrenar a los estudiantes a responder correctamente, corrigiendo sus
errores y proporcionando realimentación acerca de sus respuestas. Este
sistema ha seguido evolucionando desde su creación en el año 1997
(Graesser, 2016) y ha sido la base para el desarrollo de tutores específicos
como STEM AutoTutor, Electronix Tutor, CSAL AutoTutor,
CognitiveTutor y AutoMentor (Graesser & Hu, AutoTutor, 2016).
 INES: es una plataforma e-learning que combina capacidades de LMS,

LCMS e ITS (Mikic F. , Burguillo, LLamas, & Rodríguez, 2009) (Mikic,
Burguillo, & Llamas, 2012). INES incluye varias tecnologías que
contribuyen a su funcionamiento inteligente: agentes conversacionales para
comunicarse con estudiantes en lenguaje natural, un sistema de inferencia
y modelado y gestión semántica (a través de ontologías) de los usuarios, sus
actividades y los contenidos; pero son los agentes BDI los que dan forma al
módulo de tutor inteligente. Estos agentes obtienen información acerca del
progreso de aprendizaje para poder sugerir tareas específicas que ayuden al
estudiante a cumplir sus objetivos, basándose en el perfil del estudiante y
en los caminos de aprendizaje que ha tomado. INES realiza inferencias sobre
el conocimiento que tiene el estudiante acerca de ciertos temas o tareas en
base a reglas, plantillas y hechos, y como resultado le ofrece los contenidos
que considera más adecuados y le recomienda tareas que puedan ayudarle a
1 Recordemos, Content Management System.
69
mejorar en su aprendizaje. El ITS de INES es quizás el más complejo de los

que hemos visto. Consta de tres agentes: CHARLIE, que es un chatterbot,
ISMAEL, que es el agente BDI y EMMA, que es un agente BDI
intermediario que traduce los mensajes de uno a otro, habiendo una única
instancia de EMMA y una instancia de CHARLIE e ISMAEL por estudiante.
3.5 A DAPTIVE S YSTEMS (AS)

El concepto de sistema adaptativo surgió en la década de los 70, junto con los ITS,
dentro del movimiento de inteligencia artificial, y están relacionados con la teoría
cognitiva. En estos sistemas, “la premisa básica era que el sistema o herramienta
sería capaz de ajustarse a los métodos de aprendizaje del estudiante, resultando en
una mejor y más efectiva experiencia para el usuario” (Yu, 2014). Los sistemas
adaptativos fueron desarrollados para tener en cuenta factores de personalización
que permitan su adaptación a los diferentes estilos de aprendizaje de cada
individuo, y a su desempeño. Uno de los objetivos de los sistemas adaptativos es
Los sistemas
adaptativos buscan la convertir al estudiante de receptor pasivo de información a colaborador del
personalización para proceso educativo (Brusilovsky, 2003), aumentando la interactividad.
acercarse a los
diferentes estilos de Estos sistemas están enfocados a ofrecer recursos personalizados a los estudiantes,
aprendizaje. principalmente contenidos e interfaces (Aroyo, y otros, 2006). Los sistemas
actuales están basados en web y ofrecen dos tipos de adaptación: adaptación de los
contenidos, que se refiere a la presentación de contenidos personalizados a los
estudiantes; y navegación adaptativa, que consiste en guiar a los estudiantes
ofreciendo recomendaciones personalizadas, consiguiendo que elijan su propio
camino de aprendizaje y lo sigan a su propio ritmo. Estos sistemas adaptativos
toman las decisiones en base a las respuestas del alumno a preguntas, tareas y
experiencias.
Los sistemas adaptativos están generalmente formados por los siguientes
componentes (Yu, 2014):
 Modelo del experto: es el modelo que contiene la información que será

enseñada.
 Modelo del estudiante: es el encargado de monitorizar al estudiante y

aprender sobre él.
 Modelo instruccional: es el que entrega la información al estudiante.
 Entorno instruccional: es la interfaz de usuario que le permite interactuar

con el sistema.
Existen numerosos desarrollos de sistemas adaptativos. Estos son algunos ejemplos:
70
3.5 ADAPTIVE SYSTEMS
 DreamBox1: se trata de una plataforma comercial en línea de aprendizaje

adaptativo. Ofrece lecciones prediseñadas de matemáticas y lengua inglesa
a niveles de educación primaria y secundaria.
 LS-PLAN (Limongelli, Sciarrone, Temperini, & Vaste, 2009): es un sistema

que “ofrece hypermedia educativos con adaptación y personalización en
base al conocimiento y estilo de aprendizaje del estudiante”. LS-PLAN
proporciona un motor de personalización que puede ser conectado con
cualquier sistema software de aprendizaje. “Modela los estilos de
aprendizaje como tendencias y estima cómo el material didáctico afecta al
éxito de una actividad”. Ha sido integrado en el LMS LECOMPS como
motor para la selección y secuenciación de objetos de aprendizaje.
LECOMPS puede ser a su vez empleado como módulo de otro LMS como
Moodle para personalizar cursos o cuestionarios (Limongelli, Sciarrone,
Temperini, & Vaste, 2010).
3.6 P ORTFOLIO ELECTRÓNICO
Los e-portfolios o porfolios digitales son colecciones digitales de información

donde un individuo colecciona, selecciona, crea, reflexiona, interpreta, evalúa, e
incluye evidencias acreditadas de su aprendizaje a lo largo de la vida, así como de
sus habilidades, en un contexto académico y/o profesional (Alexiou & Paraskeva,
2013). Son recopilaciones de evidencias de una trayectoria, seleccionadas y
organizadas de forma reflexiva con el fin de demostrar las competencias adquiridas.
Los e-portfolios son
El concepto de portfolio viene de la necesidad de los artistas de mostrar su trabajo muestras de los
(fotografías, pinturas, esculturas, etc.), a modo presentación para dar a conocer su conocimientos
obra, ante la ineficacia del currículum tradicional. adquiridos y logros
obtenidos por el
Los e-portfolios pueden ser creados con software genérico como un editor de estudiante.
textos o un blog, pero existen herramientas específicas para su creación que
facilitan enormemente el trabajo. El software para la creación de e-portfolios suele
incluir funcionalidades como gestión de archivos, blogs, gestión de tareas (limitado
en comparación con una herramienta específica de gestión de tareas) y
especialmente herramientas de edición web, generalmente basadas en plantillas.
Pedagógicamente, la creación de un ePorfolio educativo está directamente
relacionada con la teoría constructivista. En la literatura encontramos varios
propósitos para un ePortfolio, que van desde la mera demostración de logros a el
seguimiento de la actividad de aprendizaje del estudiante junto con sus reflexiones.
Barrett (Barrett, 2009) propone un modelo de equilibrio entre los portfolios de
proceso y los de producto, es decir, un equilibrio entre la información del proceso
de aprendizaje (objetivos, actividad, reflexiones, etc.) y los resultados (logros,
evaluación) como se muestra en la figura. El proceso de estructurar la información
en un ePortfolio activa el pensamiento crítico, la autonomía y en cierto modo la
1 http://www.dreambox.com
71
autorregulación, ya que obliga a reflexionar acerca del proceso seguido y a la vez

acerca de los resultados. Por otro lado, un uso productivo de este tipo de
herramienta implica capacidades metacognitivas, lo cual hace que su uso requiera
un aprendizaje más allá del manejo de la herramienta.
Fig. 13: Balance entre proceso y producto en un ePortfolio (Barrett, 2009).
Algunos ejemplos de software de creación de portfolios electrónicos son:
 Mahara ePortfolio1: es una herramienta de ePortfolio de código abierto que

puede ser conectada con el LMS Moodle. Es personalizable y flexible, y
permite además compartir el resultado. Tiene una comunidad activa detrás
que hace que su desarrollo no cese.
 Pathbrite2: es una herramienta comercial de creación de e-portfolios muy

fácil de usar que ofrece funcionalidades específicas para educadores, además
de las típicas para la creación de portfolios, que incluyen la creación de
plantillas o tareas para los alumnos y gestión avanzada de comentarios y
evaluaciones.
 Seesaw3: es un portfolio digital comercial que permite el uso de múltiples

formatos (foto, video, dibujo, notas y enlaces) y dispositivos (web, iOS,
Android, Kindle Fire y Chromebooks). Permite a los estudiantes compartir
con su portfolio con sus compañeros, así como con sus padres tras la
aprobación del profesor a modo de diario. Dispone de funcionalidades de
1 https://mahara.org/
2 https://pathbrite.com
3 http://web.seesaw.me/
72
3.6 EPORTFOLIOS
evaluación para enfocar el progreso de los estudiantes hacia el desarrollo de

habilidades.
3.7 R EDES SOCIALE S ED UCAT IVAS
Las redes sociales educativas son el resultado de aplicar el concepto de Web 2.0 al
aprendizaje a distancia. Se trata de redes sociales normales, como pueden ser
Facebook o Twitter, por citar dos de las más usadas a día de hoy, a las que se les
añade alguna funcionalidad extra orientada al e-learning. Las redes sociales
fomentan y facilitan la interacción, la comunicación, la colaboración y la
Las RRSS educativas
compartición de conocimiento (Ahmed-Kadry & Mohsen El Fadi, 2012) (Mason & permiten una
Rennie, 2008). Además permiten la puesta en práctica de pedagogías participativas, aproximación
y permitiendo aproximaciones socio-constructivistas (Veletsianos & Navarrete, conectivista al
permitir a los
2012) gracias a dar soporte a la interacción manteniendo al mismo nivel las voces estudiantes formar
de los estudiantes y el instructor y permitiendo el acceso libre a los flujos de grupos con intereses
información creados por los propios estudiantes. comunes..
Desde el nacimiento de Facebook en 2007 y el éxito de la Web 2.0 las RRSS se

han multiplicado y han llamado la atención de los investigadores y educadores que
vieron en este tipo de software la solución a ciertos problemas comunes en el e-
learning: sensación aislamiento del estudiante, ausencia de interacción entre los
participantes y altas tasas de abandono (Veletsianos & Navarrete, 2012).
Actualmente, la mayoría de software educativo incluye funcionalidades de
comunicación y colaboración propias de las RRSS. Algunas funcionalidades
interesantes son: perfiles de estudiante, listas de amigos, actualizaciones de estado,
seguimiento de flujos de actividad, suscripción a otros usuarios, muros personales,
foros, blogs, micro-blogging, calendario, favoritos, páginas, etc.
Algunos ejemplos de red social empleada en educación son:
 Edmodo1: es una red social creada para el aula basada en el concepto de

micro-blogging. Permite gestionar archivos y enlaces, compartir mensajes,
programar, proponer y gestionar tareas y actividades, etc. Tiene más de
5.000.000 usuarios, y la comunicación incluye a profesores, alumnos y
padres. Tiene un sistema de recompensas basado en insignias para motivar
a los alumnos y permite el aprendizaje colaborativo.
 ELGG 2 : es una red social genérica con todas las funcionalidades típicas.
Ofrece numerosas opciones de personalización. No dispone de servidores
en línea, por lo que ha de ser configurada y mantenida en un servidor. Ha
sido usada en numerosos proyectos de investigación por su gran versatilidad
y facilidad de uso (Veletsianos & Navarrete, 2012) (Rodríguez, Vázquez,
Lama, Gewerk, & Muciente, 2014).
1 https://www.edmodo.com
2 https://elgg.org/
73
3.8 P ERSONAL L EARNING E NVIRONMENT

El entorno de aprendizaje personal o PLE (Personal Learning Environment) es un
concepto que ha sido entendido de formas diferentes por los expertos llegando a
conclusiones bastante distantes entre sí, hasta el punto que existe literatura
específica que trata de aclarar las diferentes posturas (Fiedler & Väljataga, 2010).
La primera discusión surge del término en sí mismo. Dependiendo de cómo se
agrupen las palabras, el término ‘personal’ puede hacer referencia al entorno o al
aprendizaje. Unos interpretan que ‘personal’ se refiere a la personalización,
centrándose en las posibilidades de personalización de los entornos virtuales de
Desde su concepción aprendizaje (Zubrinic & Kalpic, 2008) (Godwin-Jones, 2009), mientras que otros
ha habido un gran
consideran que entorno de aprendizaje personal hace referencia al conjunto de
debate acerca de qué
es un PLE. herramientas, recursos, conexiones y actividades usadas por los estudiantes para
aprender (Attwell, 2007) (Downes, 2007) (Adell & Castañeda, 2010). Esta última
es la definición más aceptada finalmente por la mayoría de la comunidad
investigadora, con un matiz: desde el punto de vista pedagógico se interpreta que
todos los elementos que participan en el aprendizaje forman parte del entorno de
aprendizaje personal, es decir, tanto las herramientas software como por ejemplo
las reuniones con compañeros en una biblioteca o los libros forman parte del PLE.
Para los tecnólogos y para el caso que nos ocupa, interpretaremos el PLE como el
conjunto de herramientas software que el estudiante emplea para su aprendizaje,
ya sea para la gestión, organización, comunicación, ejecución, etc., ya que estamos
hablando de entornos virtuales.
Dado el desacuerdo inicial y lo amplio del término no es posible decir cuál ha
sido el primer PLE, pero sí se sabe que el término surgió en 1998 cuando Media
Lab presentó en Helsinki la primera versión de FLE (Future Learning
Environment), pero no fue hasta 2004 cuando se acuñó definitivamente en la
conferencia de JISC/CETIS (Henri & & Charlier, 2010).
Existen tres modelos del PLE:
 PLE todo en uno: este tipo de PLE pretenden ofrecer todas las
funcionalidades necesarias en una única herramienta, que es adaptable y
personalizable para cada individuo. Esta opción tiene muchas desventajas:
el usuario no puede elegir ninguna herramienta por separado, la capacidad
de personalización es limitada, existen herramientas que cubren cada una
de las funcionalidades de forma más completa y además de todo esto, el
crear una herramienta que ofrezca muchas funcionalidades con un mínimo
de adaptabilidad y personalización es un reto técnico complejo. No encaja
con el concepto de PLE que finalmente se ha implantado, por lo que
actualmente esta opción ha sido descartada. Aun así existen ejemplos de este
tipo de PLE, como PLEX (Beauvoir, 2005).
 Mashup de aplicaciones: los mashup son conjuntos de aplicaciones

agrupadas en una única interfaz, tratando de integrar diferentes servicios.
74
3.8 PLE
Tiene ciertas ventajas, como la identificación (login) única (no es necesario

identificarse en cada aplicación por separado una vez configuradas), la
posibilidad de seleccionar las aplicaciones y la posibilidad de ver gran
cantidad de información en una única pantalla. A la vez tiene grandes
desventajas, como el aislamiento de aplicaciones, el poco espacio en pantalla
para cada aplicación y la limitación de funcionalidades de las aplicaciones
integradas (reducidas para su integración en el mashup). Además de esto, la
gran cantidad de información mostrada simultáneamente puede resultar
confusa para muchos usuarios. Un ejemplo de este modelo es PLEF
(Personal Learning Environment Framework) (Chatti, Agustiawan, Jarke,
& Specht, 2012), una herramienta web basada en estándares abiertos que
permite la integración de widgets y feeds.
 Aplicaciones distribuidas: es el tipo de PLE predominante a pesar de ser

considerado por algunos expertos como poco robusto o escalable (Henri &
& Charlier, 2010) (Sclater, 2008), y es el que está más en línea con la
definición de PLE más aceptada, por lo que es el que ha sido adoptado para
este trabajo. Tiene ventajas, como la libertad del usuario para elegir las
herramientas sin restricciones, la facilidad de actualización de las
herramientas, la utilización de interfaces optimizadas y el disponer de todas
las características de las herramientas. También tiene desventajas, como el
aislamiento de las aplicaciones, incapaces de comunicarse entre sí, y las
desventajas derivadas de usar múltiples herramientas: identificación (login)
en cada herramienta, manejar múltiples URL, aprender a manejar múltiples
interfaces. Podemos ver un PLE
como un conjunto de
Centrándonos ya en el PLE distribuido, el PLE está totalmente centrado en el herramientas
estudiante, dada su naturaleza. En la Fig. 14 podemos ver la gran variedad de empleadas por un
estudiante para
herramientas que pueden configurar un PLE. Es un concepto muy abierto, y las
gestionar y desarrollar
problemáticas asociadas son complejas de resolver. su aprendizaje.
Por un lado, las dificultades técnicas principales son la unificación de acceso a las
aplicaciones y la comunicación entre aplicaciones. Esto pasa por la necesidad de
un formato de intercambio de datos común y el acuerdo de los desarrolladores para
la adopción de un estándar, o bien por la utilización de un middleware que se
comunique con cada aplicación empleando su API específica y que convierta la
información también empleando un formato común para su almacenaje. Hemos
tratado este tema más en profundidad en (Manso & Llamas, 2013d), realizando una
propuesta para solventar los problemas mencionados.
Por otro lado, la creación (selección de herramientas) y el uso eficiente de un
PLE para aprender requieren de ciertas capacidades en el estudiante, especialmente
metacognitivas. Es por esto que un estudiante autorregulado es el usuario idóneo
para este tipo de sistemas. A su vez este tipo de entornos son idóneos para el SRL
debido a la libertad y el control que ofrecen al estudiante, y gracias a la posibilidad
de incorporar cualquier tipo de herramienta que pueda ser necesaria (Kravcik &
Klamma, 2012).
75
Fig. 14: Herramientas de un PLE distribuido.
3.9 C ONCLUSIONES
En este capítulo hemos visto varios tipos de herramientas de software educativo,
de entre las que podríamos destacar los LMS, por ser la herramienta específica más
utilizada históricamente y la que ofrece más funcionalidades, siendo incluso
ampliable a través de extensiones y plug-ins. Moodle es el LMS más empleado.
Por otro lado los MOOC han ampliado el alcance de los cursos en línea
permitiendo el acceso masivo a bajo coste o a coste cero, ofreciendo
funcionalidades realmente interesantes para los estudiantes desde el punto de vista
del SRL, como las notas, el etiquetado, la curación y las medallas, así como la
revisión por pares. El hecho de que en este tipo de sistemas el estudiante esté menos
supervisado por el profesor y que su rol sea necesariamente más participativo y
responsable hace que necesite de mayor capacidad para el aprendizaje autónomo.
Los ITS parecen destacar en cuanto a cursos en dominios específicos, siendo muy
efectivos, aunque su enfoque basado en el guiado de los estudiantes contrasta con
el objetivo y métodos del SRL. Las redes sociales educativas han dejado de ser un
experimento para convertirse en una realidad que fomenta el aprendizaje
colaborativo incorporado cada vez más a otros sistemas, como MOOC o LMS.
De todos los tipos de entornos vistos, son los PLE los que merecen más atención
en este estudio, aunque han de considerarse necesariamente diferentes al resto por
ser un conjunto de herramientas y no una herramienta o sistema concreto. En este
76
3.9 CONCLUSIONES
conjunto de herramientas caben LMS, MOOC y cualquier otro sistema de los

mencionados anteriormente. Los PLE son más un concepto que una herramienta,
y encajan totalmente con el aprendizaje autorregulado. Teniendo en cuenta que el
SRL implica planificación, ejecución, monitorización, evaluación, reflexión, etc.,
un estudiante puede construir su PLE con herramientas que le faciliten el trabajo
para cada una de los procesos implicados en el SRL. Los principales problemas
desde el punto de vista del estudiante son la dificultad para elegir las herramientas
adecuadas y la dificultad del uso de todas ellas de forma autónoma y con la finalidad
de aprender.
77
78
4 E STADO DEL ARTE : SRL EN SOFTWARE
4
Once we have computer outlets in every home, each of them hooked up to
enormous libraries where anyone can ask any question and be given
answers, be given reference material about something you’re interested in
knowing; and you ask and you find out, and you can follow it up; and you
can do it in your own home, at your own speed, in your own direction, in
your own time…then everyone will enjoy learning.
— Isaac Asimov1
Una herramienta software puede ofrecer ventajas a la hora de realizar un proceso

—entendido aquí como un conjunto de acciones con un propósito común— frente
a herramientas tradicionales. Generalmente, una herramienta software específica
bien diseñada ayuda a mejorar la eficiencia, el rendimiento, puede simplificar las
tareas e incluso automatizar algunas, puede aportar nuevas funcionalidades y en
algunos casos hasta conseguir objetivos inalcanzables con herramientas
tradicionales, pero todo dependerá de hasta qué punto la herramienta facilita la
realización del proceso, es decir, del nivel de soporte ofrecido.
El SRL no es un concepto nuevo, aunque como ya hemos comentado, ha cobrado
relevancia recientemente. Esto ha hecho que en la literatura de investigación
podamos encontrar varios trabajos enfocados a estudiar y mejorar el soporte
software al SRL, dando lugar a la creación de criterios para el soporte software al
SRL y al desarrollo de algunas herramientas con este soporte.
En este capítulo veremos el estado del arte del soporte software al SRL, y por
tanto de las contribuciones principales de esta tesis. Comenzaremos por ver los
requisitos para el soporte software al SRL que han sido definidos hasta ahora, junto
con las herramientas que ofrecen soporte, tanto específicas como genéricas. A
continuación veremos cómo se ha abordado hasta el momento la evaluación del
nivel del soporte SRL en herramientas software y qué opciones existen de cara a
monitorizar el proceso de aprendizaje a través de software.
4.1 R EQUISITOS PARA EL SOPORTE SOFT WARE AL SRL

El soporte software al SRL es algo difícil de medir y no es trivial definir las
características que ha de tener una herramienta software para dar este soporte. Esto
hace que no esté establecido qué nivel de soporte se considera mínimo o suficiente.
La pluralidad y diversidad de la teoría pedagógica dificultan el diseño de
funcionalidades adecuadas y los intentos de ofrecer este soporte quedan relegados
a la investigación. Para desarrollar funcionalidades adecuadas es preciso conocer o
1 Entrevista a Isaac Asimov (1988): https://youtu.be/8ZmFEFO72gA

ESTADO DEL ARTE: SRL EN SOFTWARE
establecer unos requisitos que el software deberá cumplir para considerarlo

adecuado para el SRL, requisitos que a su vez pueden servir de criterios de
evaluación.
Los primeros criterios desarrollados para definir y evaluar el soporte software al
SRL fueron creados por Patricia Arnold a raíz del análisis de dos LMS con soporte
SRL (Arnold, 2010):
1. Negociación de recursos de aprendizaje: ¿cómo maneja el sistema la gestión

y distribución de recursos de aprendizaje?
2. Coordinación: ¿cómo da soporte el sistema al aprendizaje colaborativo?
3. Monitorización: ¿hasta qué punto el sistema ofrece al estudiante

realimentación que le permita monitorizar sus actividades de aprendizaje?
4. Individualización: ¿qué medios ofrece el sistema al estudiante para

adecuarlo a sus necesidades?
Los criterios definidos 5. Autorregulación: ¿qué soporte ofrece el sistema al estudiante para
por Arnold, a pesar de organizar sus actividades de aprendizaje?
tener carencias, han
sido un buen punto de 6. Adaptabilidad: ¿es el sistema adaptable fácilmente a cambios conceptuales
partida para
posteriores estudios.
del aprendizaje y a cambios en el contenido?
Como vemos tiene en cuenta varios aspectos de la autorregulación del aprendizaje

y las ideas son acertadas, aunque tenga en cuenta la monitorización por separado,
limite la autorregulación a la organización del aprendizaje, y no tenga en cuenta la
autoevaluación. Estos criterios han sido un buen punto de partida para posteriores
estudios.
Bartolomé y Steffens (Steffens & Bartolomé, 2011) han realizado un análisis de
la literatura existente sobre SRL para identificar los criterios que un entorno
tecnológico debe cumplir para tener la capacidad de dar soporte al SRL. De acuerdo
con su investigación, solamente hay tres requisitos fundamentales:

aprendizaje”. Esto hace referencia tanto a la planificación de actividades
como a la gestión del tiempo. Los estudiantes deben ser alentados a
desarrollar habilidades de planificación para elegir entre diferentes tipos
de actividades, canales de comunicación y formas de interacción, así como
habilidades de gestión del tiempo, para planificar cuándo se hará cada
actividad y cuánto tiempo será necesario. Según estos investigadores, “el
punto hasta el que esta tecnología fomentará estas habilidades dependerá
de su capacidad para presentar la información de diferentes modos, y de
sus opciones para la interacción”.
2. “Los estudiantes deben recibir realimentación adecuada, de forma que

puedan monitorizar su aprendizaje”. Esta información acerca de sus
80
4.1 REQUISITOS PARA EL SOPORTE SOFTWARE AL SRL
actividades debe permitirles extraer conclusiones acerca de sus progresos.

La tecnología debería ser capaz de registrar la actividad de los estudiantes.
3. “Es necesario proporcionar criterios a los estudiantes de forma que puedan

evaluar sus propios resultados de aprendizaje”. De cara a extraer Los criterios creados
conclusiones relevantes acerca de sus resultados que puedan guiar por Bartolomé y
Steffens cubren de
actividades futuras, los estudiantes necesitan criterios respecto de sus forma general algunos
objetivos o de las competencias que quieren adquirir. Los autores sugieren requisitos que afectan
la existencia de un “espacio de evaluación basado en registros de resultados, a tres conjuntos de
estrategias basados en
información sobre los criterios y medios de comunicación”. También las tres fases del SRL.
remarcan la importancia de la participación de otros compañeros.
Estos criterios cubren de forma general algunos requisitos que afectan a un número
limitado de estrategias, aunque abordan parte de las más relevantes. Por hacer un
símil, podríamos decir que esta propuesta determina los criterios a nivel
macroscópico.
En el proyecto TELEpeers, del que hablaremos en profundidad en el apartado
4.3, se han definido una serie de aspectos de entornos tecnológicos que
potencialmente dan soporte a las prácticas del SRL (Delfino & Persico, 2010):
Características generales que dan soporte a todas las fases del SRL:
 Interfaz intuitiva y homogénea.
 Interfaz personalizable.
 Funciones de ayuda acerca de cómo usar el software.
 Herramientas para facilitar la navegación en el entorno.
 Funciones que soporten la interacción con compañeros, profesores, tutores

y agentes virtuales presentes en el entorno.
Características que dan soporte a la planificación:

 Herramientas de planificación: calendarios, planes de actividades, etc.
 Indicaciones explícitas de prerrequisitos de tareas asignadas.
 Adecuación de la organización y disposición de los recursos internos o

externos disponibles para abordar una tarea.
Características que dan soporte a la ejecución de tareas y monitorización de

actividades:
 Funciones para realizar un seguimiento de tu actividad dentro del entorno.
 Disponibilidad de material educativo multimedia en diferentes formatos.
 Posibilidad de poder elegir entre varios caminos de aprendizaje dentro del

entorno.
81
 Posibilidad de elegir entre varios niveles de dificultad para las tareas

propuestas.
 Disponibilidad de realimentación formativa.
 Herramientas para intercambiar material y colaborar con otros estudiantes.
 Funciones de ayuda sobre cómo llevar a cabo la tarea.
Características que dan soporte a la autoevaluación:

 Disponibilidad de modelos de ejecución correcta de tareas.
 Posibilidad de comparar tu trabajo con el de otros compañeros.
 Herramientas de autoevaluación.
En el proyecto
Estos requisitos mezclan temas de usabilidad y adaptabilidad con los de
TELEpeers se han personalización y soporte al SRL y al aprendizaje colaborativo (muy importante en
mezclado requisitos SRL). Siguen sin entrar en detalle acerca de cómo se produce el soporte, indicando
SRL con requisitos de
simplemente las características deseables en un software genérico, o más bien, en
usabilidad y
adaptabilidad. un entorno software genérico que potencialmente abarque todas las fases del SRL,
algo realmente complicado de lograr con una sola herramienta.
Como veremos en el siguiente capítulo es necesario entrar más en detalle a la
hora de definir los requisitos, cubrir un número más grande de estrategias y detallar
las necesidades de cada estrategia en particular. Aportando unos requisitos
detallados se permitirá a desarrolladores diseñar funcionalidades software más
adecuadas y se facilitará la evaluación del soporte ofrecido a cada estrategia. Como
veremos a lo largo de este capítulo, no es inmediato conocer el nivel de soporte al
SRL ofrecido por una herramienta, algo que se ha tratado de resolver en esta tesis
(OE3), pero es posible tener una aproximación. Por el momento, hablaremos de
soporte en potencia.
4.2 A PLICAC IONES SOFTWARE CON SOPORTE SRL

Veremos aquí dos grandes grupos de aplicaciones que ofrecen potencialmente
soporte al aprendizaje autorregulado: aplicaciones educativas con soporte al SRL,
que llamaremos específicas, y aplicaciones que por sus funcionalidades pueden dar
soporte a partes del proceso de autorregulación del aprendizaje, que llamaremos
genéricas.
4.2.1 A P L IC A C IO N E S E S P E C Í F IC A S
Existen aplicaciones software específicas de educación y aprendizaje que ofrecen

en alguna medida soporte al aprendizaje autorregulado y los procesos
metacognitivos. Éstas han sido diseñadas específicamente para ofrecer, aparte de
las funciones habituales en VLE similares, funcionalidades que faciliten los
82
4.2 APLICACIONES SOFTWARE CON SOPORTE SRL
procesos implicados en la autorregulación del aprendizaje. Mostraremos aquí

algunos ejemplos.
ILIAS, un LMS son soporte SRL

Las siglas de ILIAS 1(en alemán Integriertes Lern Informations und
Arbeitskooperationssystem) hacen referencia a “sistema integrado para el El LMS ILIAS cuenta
aprendizaje, la búsqueda de información y el trabajo cooperativo”. Se trata de un con un espacio
LMS en línea de código abierto desarrollado en la Universidad de Colonia, y personal que da
soporte al SRL
orientado a estudiantes universitarios. Ha sido diseñado en base a los criterios permitiendo la
establecidos por Arnold vistos en la sección anterior. organización de las
actividades del
Entre sus características, ofrece todas las funcionalidades habituales de un LMS alumno.
(diseño y gestión de cursos, grupos y contenidos), herramientas de test y
evaluación, las herramientas de comunicación habituales (chats y foro), y a
mayores ofrece encuestas en línea y un escritorio personal, donde los estudiantes
pueden encontrar información actualizada de los cursos que siguen, coleccionar
recursos, tomar notas, fijar fechas en el calendario, y guardar y organizar
marcadores y feeds de noticias externos. Este escritorio personal es la parte de la
herramienta que da soporte al SRL permitiendo, según los autores, la organización
de las actividades del estudiante. En las últimas actualizaciones es posible seguir el
estado de los cursos que se están realizando en un apartado llamado progreso de
aprendizaje y es posible también crear portfolios sencillos orientados a la reflexión.
Fig. 15: Escritorio personal de ILIAS.
1 http://www.ilias.de
83
gStudy y nStudy
Los sistemas gStudy y nStudy (Winne, y otros, 2006) (Winne & Hadwin, 2013) son
Los sistemas gStudy entornos de aprendizaje desarrollados dentro del contexto del Learning Kit Project,
nStudy son entornos
de aprendizaje y diseñados en base a la teoría de SRL, y más concretamente, en base al modelo de
diseñados en base al Winne y Hadwin visto en el apartado 2.3.2.3. En ambos entornos se ofrece a los
modelo SRL de Winne estudiantes paquetes llamados “kits de aprendizaje” que incluyen medios como
y Hadwin.
texto, esquemas, imágenes, video y audio. Los estudiantes cuentan con
herramientas cognitivas como notas, subrayado de textos, resúmenes de los
conceptos de los cursos, glosario, mapas conceptuales, una herramienta de
discusión en forma de chat, y etiquetado de los conceptos y recursos construidos
—llamado por los creadores “expresión personal de ideas”—. Cada una de estas
acciones de etiquetado, toma de notas, subrayado, etc. es llamado “objeto de
información”.
Estas funcionalidades han sido pensadas para el estudiante autorregulado, de
forma que por ejemplo, las notas cuentan con varias plantillas que pueden ser
usadas para un resumen, una pregunta, un comentario, como apunte rápido, para
marcar el contenido para revisar, etc., y las etiquetas permiten definir elementos
subrayados como “importante”, “ejemplo”, “en desacuerdo”, etc. Los mapas
conceptuales pueden ser creados o ampliados con todos los objetos de información
En nStudy el
estudiante puede
que el estudiante ha creado previamente, de forma que pueda organizar la
etiquetar las notas de información. Hay que resaltar que ambos entornos están centrados en la parte
varias formas, dándole cognitiva del aprendizaje, centrándose en la fase de ejecución, y permitiendo por
semántica a la nota
para definir el tipo de
ejemplo la monitorización de la comprensión.
contenido.
Fig. 16: Entorno gráfico de gStudy (Winne, y otros, 2006).
La idea es que estas herramientas permitan reducir la carga cognitiva, la

monitorización del aprendizaje y la introducción de estrategias de aprendizaje. El
entorno nStudy cuenta además con un espacio para el aprendizaje colaborativo en
84
el que los estudiantes pueden modificar y compartir objetos con el resto de

integrantes de su grupo.
Estos entornos parecen no estar disponibles en línea actualmente a pesar del
aparente éxito del concepto del proyecto.
LearnTracker
LearnTracker (Tabuenca, Kalz, Drachsler, & Specht, 2015) es un sistema
desarrollado dentro del proyecto LACE para impartir cursos y registrar el tiempo
empleado por los alumnos en cada actividad, así como la localización en la que se
produce el aprendizaje, de cara a conocer los hábitos de estudio de cada usuario.
Consta de LearnTracker Backend, un servicio web basado en una API abierta
(servidor cloud) en la que profesores y diseñadores instruccionales pueden crear
cursos que serán desplegados para ser usados en los diferentes clientes, y los
clientes desde los que los estudiantes acceden al servicio, concretamente una LearnTracker está
aplicación Android y una aplicación web accesible desde cualquier navegador. A enfocado a conocer los
mayores cuenta con una herramienta de notificaciones SMS para el teléfono en la hábitos de estudio de
cada usuario.
que se ofrecen 16 consejos genéricos para autorregulación y 12 indicaciones de
learning analytics.
Los cursos son estructurados y cada elemento de un curso contiene una breve
descripción y un tiempo de duración estimado por el profesor. Lo interesante de
LearnTracker son las posibilidades que ofrece para monitorizar la actividad del
estudiante. El control del tiempo de cada actividad lo registra el propio estudiante
empleando un temporizador que ofrece la plataforma que muestra el tiempo
acumulado para esa tarea, o bien un indicador de tiempo para registrar la actividad
de forma asíncrona. Además del tiempo se registran la fecha, la hora y las
coordenadas. De esta forma es posible conocer los hábitos del estudiante,
concretamente cuándo y dónde se han producido los episodios de estudio. Cuenta
con una herramienta de informes (Fig. 17) que ofrece gráficas con las que es posible
ver el tiempo empleado por el estudiante en cada actividad de un curso, ver la
progresión del tiempo empleado en comparación con el resto de estudiantes y con
la estimación del profesor, etc.
A pesar de la potencia del concepto, solamente es útil para monitorizar los cursos
realizados dentro de LearnTracker y no es posible importar o exportar datos en un
formato estándar, ya sea para emplear la herramienta de informes de LearnTracker
con datos externos o para sumar los datos de LearnTracker a los de otra plataforma
e-learning en una herramienta de informes externa.
85
Fig. 17: Gráficas de LearnTracker de izquierda a derecha: tiempo empleado por un usuario para
cada actividad de un curso, tiempo empleado para cada actividad vs. el tiempo medio del resto de
estudiantes, y tiempo empleado para cada actividad comparado con el tiempo medio del resto de
estudiantes y el tiempo estimado por el profesor.
ePEARL
El portfolio electrónico ePEARL 1 (Electronic Portfolio Encouraging Active
Reflective Learning Software) (Abrami, y otros, 2008) fue desarrollado por el
Center for the Study of Learning and Performance (CSLP) en colaboración con
LEARN. Se trata de un ePortfolio basado en web centrado en el estudiante y
diseñado para dar soporte a las tres fases de la autorregulación según el modelo de
Zimmerman. Se ofrece dentro de un paquete llamado Learning Tool Kit, que
contiene varias herramientas de e-learning.
ePearl destaca por Entre las características de esta herramienta, destacan las posibilidades de
promocionar el personalizar el portfolio, establecer objetivos —en base a resultados o al proceso—
establecimiento de
, crear y editar nuevo trabajo —con posibilidad de guardar múltiples versiones—,
objetivos para cada
trabajo, disponer de enlazar trabajos existentes, reflexionar acerca del trabajo, compartir el trabajo y
planificaciones de obtener realimentación de profesores, compañeros y padres. Cuenta con un espacio
estudio y permitir el
de trabajo —también en forma de portfolio— y un portfolio de presentación en el
uso de rúbricas de
evaluación. que el estudiante muestra su selección personal.
Previamente a la creación de trabajos, la herramienta promociona el
establecimiento de objetivos para cada trabajo así como el añadido de registros de
aprendizaje, rúbricas de evaluación y planificaciones de estudio para poder así
realizar un seguimiento del proceso de aprendizaje.
MetaTutor
MetaTutor (Azevedo, 2012) es según sus autores un entorno de aprendizaje
hipermedia adaptativo con múltiples agentes basado en la observación del
1 https://www.concordia.ca/research/learning-performance/tools/learning-
toolkit/epearl.html
86
estudiante. Es un tutor inteligente de dominio específico (biología) diseñado para

ofrecer soporte al SRL y a la metacognición. Los estudiantes “deben regular sus
procesos cognitivos y metacognitivos para integrar múltiples representaciones de
información disponibles en el sistema”.
Esta herramienta registra la actividad de los estudiantes y va más allá, registrando
varios flujos de información: interacciones con los agentes, auto-informes de
medida del SRL, patrones de estrategias de solución de problemas efectivas,
medidas psicológicas de la motivación y las emociones e información de
seguimiento del movimiento de los ojos del estudiante, de las expresiones faciales
durante el aprendizaje. Estos datos son empleados para la investigación, pero no
están disponibles para los estudiantes.
MetaTutor cuenta con
Como herramienta de aprendizaje, tiene varias características para fomentar el cuatro agentes
SRL. Cuenta con cuatro agentes pedagógicos que guían al estudiante durante las pedagógicos que
solicitan al estudiante
sesiones y solicitan al estudiante que planifique, monitorice y emplee estrategias, que planifique,
además de ofrecer realimentación para facilitar la selección de objetivos o el uso monitorice y emplee
de estrategias concretas. Emplea técnicas de lenguaje natural para la comunicación estrategias.
con los estudiantes, de forma que puedan expresar con sus palabras por ejemplo si
no entienden un párrafo o si necesitan ayuda para resolver un problema. Además
ofrece soporte para la toma de notas, redacción de resúmenes y autoevaluación de
la comprensión. Podemos ver su interfaz en la siguiente figura, donde es se muestra
el índice de contenidos a la izquierda, en el centro los objetivos de aprendizaje (en
la parte superior) y los contenidos (en la parte inferior) y a la derecha una imagen
del tutor inteligente junto con el panel SRL, con sugerencias de acciones que el
estudiante debería realizar durante la sesión.
Fig. 18: Interfaz de MetaTutor.
87
4.2.2 A P L IC A C IO N E S G E NÉ R I C A S
Hay aplicaciones no específicas de educación —en adelante genéricas— que

potencialmente ofrecen soporte a procesos concretos de autorregulación del
Hay aplicaciones aprendizaje y que pueden facilitar la utilización de estrategias o conjuntos de
genéricas que pueden
estrategias concretas. Por ejemplo, aplicaciones orientadas a la gestión de tareas y
facilitar la utilización
de estrategias de proyectos, herramientas de control del tiempo o herramientas de trabajo
concretas. colaborativo tienen un gran potencial para ciertos procesos SRL.
Ha habido proyectos que han tratado de emplear aplicaciones software genéricas
para fines educativos y, en este caso, para potenciar el aprendizaje autorregulado y
la metacognición. Expondremos aquí los casos más relevantes:
Diigo: anotación y marcadores sociales

Diigo1 es una herramienta de anotación y marcadores social que permite subrayar
y tomar notas sobre cualquier página web, ya sea a través de extensiones en los
navegadores o un conjunto de enlaces llamado Diigolet que contiene todas las
opciones necesarias para guardar todas estas notas, subrayados y marcadores en
nuestro perfil de Diigo. Además guarda una instantánea de las páginas guardadas
para no perder la información en caso de que la página no esté disponible. Permite
compartir todo el trabajo realizado en la herramienta con otros usuarios.
Según el estudio desarrollado en (Huang, Shen, & Chang, 2011), es una “buena
herramienta para ayudar a registrar y monitorizar todo lo que se ha leído, anotado
y resaltado en la web, y sus características de interacción social pueden también
beneficiar la comunicación cognitiva”. Sus resultados indican que Diigo es una
gran herramienta para dar soporte a estrategias como la búsqueda y selección de
información.
Twitter: red social

La archiconocida red social Twitter ha sido empleada experimentalmente en
estudios pedagógicos como herramienta de discusión para mejorar y a la vez medir
la implicación de los alumnos (Pohl, Bry, Schwarz, & Gottstein, 2012) (Junco,
Heiberger, & Loken, 2010). Dada la facilidad de uso, la ubicuidad (puede ser usada
a través de dispositivos móviles), la posibilidad de crear hashtags para separar los
temas y la existencia de herramientas de análisis (Twitter Analytics) integradas en
el propio Twitter hacen que pueda ser interesante para este tipo de experiencias.
1 https://www.diigo.com/
88
Fig. 19: Dashboard de Twitter Analytics1.
Wunderlist: gestión de tareas

Existen multitud de gestores de tareas y proyectos. Los gestores de proyectos
ofrecen más funcionalidades pero son más complejos y por ello se ha elegido como
ejemplo Wunderlist, un gestor de tareas sencillo y rápido, que a su vez permite
colaboración. Permite crear listas para organizar las tareas, crear subtareas dentro
de cada tarea, anotar datos, realizar comentarios, adjuntar archivos o enlazarlos a
servicios de almacenamiento en la nube, y compartir tareas para poder
organizarlas, realizarlas y seguirlas de forma colaborativa.
TimeEdition: gestión del tiempo

TimeEdition es una herramienta de control del tiempo para Windows, Mac OS,
Android e IOS. Permite la creación ordenada de proyectos y tareas que cuentan Estas herramientas
con un temporizador, de forma que sea fácil registrar el tiempo empleado para cada genéricas ofrecen
funcionalidades que
actividad. También es posible registrar el tiempo a posteriori, y tomar notas para poco a poco van
cada actividad. Permite a su vez el establecimiento de fechas límite, recordatorios, siendo integradas en
etc., por lo que cuenta con algunas funciones de planificación. herramientas
específicas, aunque de
forma limitada.
Google Drive: trabajo colaborativo
Hay varias herramientas de trabajo colaborativo que permiten trabajar de forma
simultánea y realizar comentarios en tiempo real en un mismo documento, como
Google Drive2 o Microsoft Office Online3. Google Drive, anteriormente conocida
como Google Docs, ha sido la primera en llegar al gran público y es quizás la más
usada. Además de la edición colaborativa de documentos de texto, diagramas, hojas
1 https://analytics.twitter.com/
2 https://www.google.com/intl/es_es/drive/
3 https://products.office.com/es-es/office-online/documents-spreadsheets-presentations-
office-online
89
de cálculo, etc., permite guardar estos elementos y otros tipos de archivo en la

nube.
Proyectos como el desarrollado en (Conde, García, Alier, Mayol, & Fernández,
2013) han contado con esta herramienta para su integración en un PLE basado en
Moodle dado su gran potencial.
4.3 E VALUACIÓN DEL SOPORT E AL SRL EN SOFTWARE
Lo más importante para que un estudiante sea autorregulado es su capacidad y

conocimientos para poner en práctica las estrategias SRL. En pedagogía se han
creado varios test para evaluar el nivel de autorregulación del aprendizaje de los
estudiantes, como MSLQ, LASSI, CEVEAPEU o ARATEX (Pintrich, Smith, García,
& Mackeachie, 1991) (Weinstein, 1987) (Gargallo, Suárez, & Pérez, 2009) (Solano,
y otros, 2005). Con la llegada de la tecnología, la implementación de las estrategias
ha cambiado, disminuyendo los tiempos y la carga procesal para el estudiante. Por
esto y considerando que las TIC pueden jugar un papel destacado en el desarrollo
de estas estrategias, cada vez es más relevante conocer qué herramientas son más
adecuadas o más capaces para dar soporte al SRL a través de software.
La evaluación del soporte de una herramienta software al aprendizaje regulado
es un problema complejo debido a dos razones fundamentales:
 Primero, la dificultad en el establecimiento de los requisitos a evaluar, que

como se ha comentado en la sección 4.1, es debida a la densidad y diversidad
de la teoría SRL y a la falta de unos criterios claros.
 Segundo, la cantidad de factores a tener en cuenta para realizar una

evaluación completa. La amplitud y variedad de procesos implicados en la
autorregulación del aprendizaje hace que sean necesarias varias
funcionalidades diferentes y por tanto la utilización de varios tipos de
herramientas.
A la hora de evaluar una herramienta software entran además otras cuestiones

como la usabilidad. Un test de usabilidad, como su nombre indica, permite conocer
la facilidad de uso de una herramienta, en cuanto a complejidad de interfaz,
ubicación de elementos y facilidad para encontrarlos, comportamiento en relación
a lo esperado, etc. Hay numerosas herramientas de evaluación de la usabilidad y
una amplia literatura al respecto (Nielsen, Usability Engineering, 1993) (Nielsen &
Mack, 1994) (Brooke, 1996) (Zaharias & Polymenakou, 2009) (Albert & Tullis,
2013). La evaluación de la usabilidad complementaría una evaluación específica
del soporte SRL, pero son dos cosas que no deben confundirse. En este trabajo no
se tendrá en cuenta la usabilidad por considerar que es posible evaluarla por
separado, habiendo ya instrumentos adecuados.
A continuación veremos los dos principales intentos de evaluación del soporte al
SRL en software realizados hasta la fecha.
90
4.3 EVALUACIÓN DEL SOPORTE SRL EN SOFTWARE
4.3.1 A N Á L I S IS T E Ó R IC O D E L N IVE L D E S O P O R T E A L S R L S E G Ú N E L T I P O
D E H E R R A M IE N T A
Bartolomé y Steffens han hecho en (Steffens & Bartolomé, 2011) un análisis del
soporte ofrecido por diferentes tipos de software en función de los criterios
definidos por ellos mismos, que hemos visto en el apartado 4.1, que recordamos
brevemente aquí:

aprendizaje.”
2. “Los estudiantes deben recibir una realimentación adecuada para

monitorizar su propio aprendizaje.”
3. “Es necesario proporcionar a los estudiantes criterios para que puedan

evaluar sus propios resultados y logros”.
Mostraremos a continuación el análisis que han realizado en función de los

criterios expuestos, numerados como 1, 2 y 3:
e-Portfolios
Todos los e-portfolios se caracterizan por su “capacidad para registrar las
actividades y productos de los estudiantes y la realimentación de los profesores”. Bartolomé y Steffens
Esto cumpliría el criterio 2. No fomentan de forma particular el SRL, por lo que no realizaron un análisis
teórico del soporte al
cumplen el 1, y muchos de ellos cumplirían el 3 por ofrecer herramientas
SRL de distintos tipos
específicas para la autoevaluación. de herramientas
empleadas en
Blogs e-learning.
Los blogs son herramientas genéricas que en este caso dependen de la forma en que
sean usados. Si son usados como diarios personales, su funcionalidad sería similar
a la de los e-portfolios. Los autores afirman que los blogs “podrían ofrecer una gran
flexibilidad a los estudiantes, pudiendo ayudar a los estudiantes a buscar recursos
que soporten su aprendizaje”, y afirman que ofrecen un soporte parcial al criterio
1. En cualquier caso, esto dependerá más del individuo que de la herramienta.
Ofrecerían soporte al criterio 2 dadas sus características y no cumplen el criterio 3
ya que no incluyen ninguna opción de autoevaluación.
Office online y wikis

Según los autores, la edición colaborativa de documentos no tiene relación con los
criterios 1 y 3. Sin embargo, estos sistemas ofrecen mecanismos de realimentación,
por lo que en general cumplen el criterio 2.
Entornos de aprendizaje personal (PLE)

Según los autores, están directamente relacionados con los tres criterios, ya que
son un concepto que está orientado hacia el SRL.
91
Web 2.0
Algunas características de la Web 2.0 parecen cumplir los criterios: “inteligencia
colectiva, administración de la información y autoría social”, pero dependerá de
cómo sea usada para que esto se produzca. Los problemas encontrados dependen
más de la actitud y responsabilidad de los estudiantes que de las capacidades de las
herramientas Web 2.0.
4.3.2 PROYECTO TELEPEERS
El proyecto TELEpeers está centrado en la evaluación del “potencial de entornos

de aprendizaje mejorados con tecnología (Technology Enhanced Learning
Environments — TELEs) para dar soporte al aprendizaje autorregulado”,
analizando sus características y la forma en que son usados (TELEPEERS
Consortium, 2005). Es un gran proyecto formado por socios de 9 países europeos:
Alemania, Holanda, Portugal, Dinamarca, Italia, Reino Unido, España, Francia y
Noruega. Un TELE puede ser un curso con soporte tecnológico, una herramienta
multimedia o un curso online dentro de un LMS. Por tanto, caben situaciones que
van desde el aprendizaje completamente en línea hasta un curso presencial con
algún tipo de soporte tecnológico, pasando por el blended learning, El concepto de
TELE no es usado globalmente, pero se usará en este apartado por ser característico
en este proyecto. Para desarrollarlo, han asumido dos premisas:
 Hay tres fases en cualquier episodio de aprendizaje: planificación,

ejecución-monitorización y evaluación.
 “El aprendizaje autorregulado tiene cuatro aspectos diferentes: cognitivo,

motivacional, emocional y social”.
Es sencillo ver que estos aspectos no se corresponden con las cuatro áreas definidas
por Pintrich (cognición, motivación, conducta y contexto), pero sí usan las fases
definidas por Zimmerman, similares a su vez a las propuestas por Pintrich.
En el proyecto
También afirman que “la emoción y la motivación están relacionadas, pero son
TELEpeers han realmente aspectos distintos”, por lo que los analizan por separado. La motivación
tratado de evaluar “está relacionada con los objetivos que persigue un estudiante”, mientras que “la
diferentes opciones
tecnológicas en cuanto
emoción está relacionada con las reacciones no racionales a eventos”. La voluntad,
a su capacidad para que es un aspecto personal, ha sido dejada fuera dado que no depende del uso de
fomentar y dar un TELE.
soporte al SRL.
Han desarrollado dos cuestionarios diferentes para la evaluación del soporte
software al SRL: el PRET (TELE-SRL) y el TELEStudents-SRL, que veremos a
continuación.
4.3.2.1 Peer Review Evaluation Tool (PRET)

El instrumento de evaluación por revisión por pares (Peer Review Evaluation Tool
o PRET) es un cuestionario de evaluación para expertos (investigadores y
profesores). Tiene tres partes:
92
1. Preguntas acerca de información general del TELE que permiten establecer

el contexto para facilitar la comparación entre TELEs.
2. Un conjunto de 43 declaraciones de aspectos relevantes del SRL, divididos

en tres secciones para cada fase del SRL y cada una de ellas en cuatro
secciones correspondientes a cada aspecto. Son preguntas con respuestas
tipo Likert.
3. Declaraciones resumen, que son de respuesta abierta y constan de un

resumen de la segunda parte del cuestionario y una exposición de la
impresión general obtenida al trabajar con el TELE, sus debilidades y las
sugerencias de los usuarios para mejorar el TELE.
4.3.2.2 TELEStudents-SRL
El segundo cuestionario, el TELEStudents-SRL, debe ser cubierto por los
estudiantes para evaluar el entorno con el que trabajan, i.e., está orientado a
evaluar hasta qué punto los estudiantes consideran útil el TELE, y qué aspectos del
mismo les han ayudado. Este cuestionario es necesario para complementar al
PRET, ya que consideran que los expertos no pueden “evaluar hasta qué punto el
TELEs puede ayudar realmente a los estudiantes a autorregular su aprendizaje”, y
que esta evaluación debe ser realizada por los propios estudiantes. El cuestionario
TELEStudents-SRL consta de cuatro partes:
1. Una breve descripción que ha de ser cubierta por el profesor.
2. Una sección de información personal.
3. El cuestionario para la evaluación de los aspectos de autorregulación del

TELE, que consta de 29 ítems con respuesta tipo Likert.
4. Algunas preguntas para la evaluación general del TELE: 4 generales acerca

de la/s herramienta/s, 7 valoraciones acerca de diferentes aspectos de la
experiencia (instructor, compañeros, esfuerzo, etc.) y 3 preguntas abiertas.
4.3.2.3 Herramientas evaluadas con el PRET

Las herramientas o conjuntos de herramientas han sido evaluadas teniendo en
cuenta el contexto en (TELEPEERS Consortium, 2005). Los tipos de herramientas
analizadas fueron: un ePortfolio, un LMS tradicional, un LMS con soporte SRL,
una herramienta de streaming de video, un web log genérico, una página web
estática y un entorno de blended learning (ver Tabla 2). La evaluación fue realizada
incluyendo el entorno al completo, es decir, incluyendo las interacciones con
profesores y otros alumnos. En algunos casos las herramientas fueron empleadas
para dar soporte a la actividad normal de la clase, y en otros casos los cursos fueron
impartidos a través de la herramienta.
93
Herramienta Descripción Resultados

Puntuó alto en todas las fases y
Digital
Portfolio electrónico aspectos. Esta es una herramienta
Portfolio típica en autorregulación
Streaming de video para enseñar Puntuó alto, especialmente en las
preguntas de reflexión. El propósito de
a los estudiantes a reflexionar
DiViDU esta herramienta es enseñar algunas
sobre sus habilidades y estrategias de autorregulación, lo que
desarrollo. distorsiona algo los resultados.
Learning Management System
(LMS) con funcionalidades extra Puntuaciones medias en los aspectos
ILIAS para dar soporte al aprendizaje motivacionales y emocionales, alto en
autorregulado y al trabajo el resto.
colaborativo.
Weblog
Weblog. Puntuó alto en el aspecto social.
genérico
Puntuaciones medias-altas en todos los
Blackboard
aspectos. Esto es lo que un LMS normal
and Learning Management System.
sin extensiones para mejorar el soporte
Netforma SRL puntuaría.
Curso de Puntuó bajo en todos los aspectos, ya
psicología Página web estática. que es una web con contenido estático.
cognitiva Solamente proporciona contenido.
Curso en
Aprendizaje semipresencial Puntuaciones medias-altas en todas las
vídeo
(Blended learning) con un LMS. fases y aspectos.
digital
Tabla 2: TELEs evaluados con el PRET.
4.3.2.4 Resultados del proyecto

Los resultados obtenidos por todos los entornos fueron puntuaciones altas o
medias-altas para todas las fases y aspectos, excepto para el caso de la página web
estática, que obviamente obtuvo puntuaciones muy bajas. Teniendo en cuenta el
rango de herramientas evaluado (desde herramientas específicas como el ePortfolio
En la evaluación de o el LMS con funcionalidades SRL, a LMS normales o weblogs genéricos), resulta
TELEpeers la llamativo que la diferencia entre las puntuaciones de las herramientas específicas
diferencia de SRL, las normales de aprendizaje y las genéricas no sea muy apreciable. Aun así,
puntuación entre
herramientas los TELE con soporte SRL específico destacan en algunos aspectos.
específicas de SRL Algunas de las cuestiones están orientadas a herramientas de entrega de
como el LMS ILIAS y
herramientas
contenidos como muestran algunas preguntas evidentes como “El TELE provee al
genéricas poco estudiante con la oportunidad de elegir entre diferentes módulos” o “El TELE
capaces como una web provee al estudiante con la oportunidad de elegir entre diferentes modos de
estática no es
excesivamente grande.
entrega”, y otras no tan evidentes como “El TELE sensibiliza al estudiante con
respecto a cómo los problemas han de ser resueltos (ofreciendo enlaces a los
contenidos que son relevantes para afrontar la tarea en curso)”. También incluyen
aspectos sociales que no están explícitamente en la teoría de autorregulación del
aprendizaje, como “comparar los resultados de un estudiante con aquellos de sus
compañeros” pero esto no altera demasiado los resultados ya que son muy pocas
preguntas.
94
En general trata muchos de los requisitos necesarios para dar soporte al SRL, pero
en base a este análisis presenta varios problemas básicos:
 No se consideran por separado funcionalidades distintas: si usas el PRET

para evaluar, por ejemplo, un gestor de tareas, que es potencialmente una
herramienta útil para estudiantes autorregulados, pronto se hace evidente
que algunos de los requisitos más importantes no están incluidos, e.g.
distinguir conceptualmente entre objetivos y tareas, algo clave en el SRL.
Por otro lado, hay bastantes cuestiones orientadas a entrega de contenidos,
que bajarán la puntuación de herramientas no destinadas a tal efecto,
aunque sean potencialmente muy buenas en otra funcionalidad. Esto por
tanto alteraría los resultados para herramientas no destinadas a la entrega
de contenidos, aun teniendo gran potencial.
 Contempla un conjunto pequeño de estrategias SRL: no hay preguntas

acerca de muchas estrategias de autorregulación importantes como gestión
del tiempo, activación del conocimiento previo, etc.
 ¿Resultados parciales? El hecho de que las puntuaciones obtenidas por las

herramientas no orientadas al SRL hayan sido tan altas sugiere que se ha
dado mucho valor a cómo se han usado las herramientas. Esto puede haber
sido inducido por el propósito de cada proyecto, la mayoría dedicados a
promover el SRL. El fracaso del TELE implicaría el fracaso del proyecto.
Si se obvia la parte
 Poca diferencia entre herramientas específicas de aprendizaje y SRL y contextual de la
herramientas genéricas. Esto es consecuencia probablemente de lo evaluación realizada
en TELEpeers, los
comentado en el punto anterior. Además, es posible que no se haya
resultados obtenidos
aprovechado el potencial de las herramientas más adecuadas, o que se haya por las herramientas
maximizado la efectividad de herramientas menos adecuadas, o ambas son parciales. Todo
cosas. indica que se ha
evaluado la
Todo esto lleva a la conclusión de que la metodología empleada en el proyecto experiencia completa,
y no únicamente el
TELEpeers pudo haber funcionado para promocionar el SRL y evaluar los métodos potencial de las
empleados, que integraban herramientas software, pero no para evaluar el herramientas.
potencial del software en sí mismo, sino de la experiencia completa.
4.3.3 ACERCA DE LAS METODOLOGÍAS
La metodología empleada en este tipo de evaluaciones se basa generalmente en

preguntar a expertos conocedores de la herramienta a evaluar a través de
cuestionarios basados en preguntas más o menos generales extraídas de la teoría
del SRL y de un conjunto de requisitos preestablecidos, así como preguntar a los
alumnos, usuarios de la herramienta, hasta qué punto les ha ayudado. El éxito o
fracaso de la evaluación dependerá de lo acertadas que sean las preguntas y de que
el planteamiento sea suficientemente flexible para evaluar distintos tipos de
herramientas.
95
En este caso, los problemas que presentan los proyectos de evaluación del soporte
software al SRL expuestos en esta sección tienen varias cosas en común. Primero,
no profundizan en ninguna funcionalidad, salvo en la entrega de contenidos.
Segundo, no contemplan algunas funcionalidades importantes y se centran en una
o dos en concreto y, además, no separan el análisis por funcionalidades. Por esto,
en el caso del proyecto TELEpeers los resultados estarán ponderados a la capacidad
de la herramienta evaluada para ofrecer soporte al SRL para las funcionalidades
que han sido destacadas en el cuestionario empleado. Una herramienta que cuente
con una funcionalidad relevante para el SRL no incluida obtendrá una puntuación
extremadamente baja aunque ofrezca un buen nivel de soporte.
4.4 M ONITORIZACIÓN DEL AP RENDIZAJE
La monitorización del aprendizaje 1 es algo que ha sido históricamente muy

importante para profesores y educadores y, desde el punto de vista del aprendizaje
autorregulado, también lo es para los estudiantes. En e-learning, especialmente
desde la llegada de learning analytics y gracias a la gran cantidad de proyectos de
investigación al respecto, las posibilidades de monitorización del aprendizaje se
han multiplicado y son cada vez más los sistemas y entornos virtuales que se suman
a la captura y el análisis de trazas de actividad. Learning analytics aplicado al SRL
es definido como “informes de análisis de datos que describen características y
factores de influencia del SRL” en los alumnos (Roll & Winne, 2015). Para poder
emplear este tipo de métodos es necesario realizar una captura de trazas de
actividad adecuada.
La captura y utilización de trazas para la monitorización implica la definición de
una serie de parámetros: qué actividades se van a registrar, cómo se van a registrar
y almacenar, y cómo se van a procesar esas trazas para obtener información útil.
Cuando se trata de entornos distribuidos formados por varias herramientas, como
Los entornos el caso de los PLE, hay dos aproximaciones posibles. La primera es que la actividad
distribuidos como los se monitorice en la herramienta donde fue realizada, lo que implica que cada
PLE hacen que la
monitorización sea herramienta tenga sus propias funcionalidades de monitorización —incluyendo
compleja por haber captura de trazas y visualización de datos— y que dicha monitorización se realice
varias fuentes de de forma aislada al resto de procesos del SRL. Esta es la aproximación seguida hasta
trazas diferentes.
la fecha, como veremos en los proyectos de monitorización presentados en el
apartado 4.4.3.
La otra aproximación, no contemplada hasta el momento, es la integración de
trazas de diferentes herramientas. Esta aproximación es más compleja e implica un
cierto nivel de entendimiento entre las aplicaciones para poder compartir las
trazas. Esta opción tiene una clara ventaja para el usuario: el poder analizar trazas
de todo el proceso de aprendizaje en su conjunto. Poder visualizar datos de
actividad provenientes de el conjunto de herramientas que el estudiante haya
utilizado a lo largo del proceso de aprendizaje aportaría una visión global de la
1 Ver secciones 2.2.1 (metacognición) y 2.3.2 (modelos SRL).
96
4.4 MONITORIZACIÓN DEL APRENDIZAJE
actividad del estudiante, no disponible de otra forma. Para obtener esta integración
contamos con dos posibles soluciones: la adopción de un solución de
interoperabilidad o la adopción de un formato común para el registro de trazas de
actividad, preferiblemente basado en un estándar. Como veremos, en este trabajo
se ha seleccionado la segunda opción por ofrecer una solución más específica para
el problema a tratar, resolviendo de forma más amplia el problema con un impacto
similar en las aplicaciones.
En este apartado veremos brevemente las soluciones de interoperabilidad
disponibles, los principales estándares de registro de actividad —Activity Streams
y Tin Can API o eXperience API— y brevemente los proyectos más relevantes de
monitorización de actividad del estudiante.
4.4.1 S O L U C IO N E S D E I N T E R O P E R A B I LI D A D
Uno de los mayores problemas que presenta el uso de diferentes herramientas para
el aprendizaje, como en el caso de los PLE, es el de la interoperabilidad y la
comunicación entre herramientas. Al ser herramientas creadas por diferentes
desarrolladores, no existe generalmente la posibilidad de comunicar unas con otras.
Las soluciones de interoperabilidad buscan convertir un conjunto de herramientas
distribuidas en un conjunto orquestado que comparta datos y responda a eventos LTI permite la
ocurridos dentro del conjunto. integración “blanda”
de herramientas
El ejemplo más conocido es IMS LTI 1 (Learning Tools Interoperability), un software.
estándar desarrollado por IMS Global Learning Consortium que actualmente va
por la versión 2.0. Está pensado para la integración de herramientas externas que
actúan como proveedores de servicios (tool provider) en sistemas o plataformas
como LMS, que actúan como consumidores de dichos servicios (tool consumer)
(ver Fig. 20). LTI permite centralizar el uso de varias herramientas en un único
sistema permitiendo la comunicación bidireccional entre el cosumidor y el
proveedor. Cuenta con un protocolo web y una API para dar soporte a esta
integración sin tener que desarrollar o mantener integraciones ad hoc, y hace uso
de OpenID 2 con con inicio de sesión único (Single Sign On – SSO) para la
autenticación automática.
En la literatura encontramos otras iniciativas, alternativas a LTI, como las
expuestas en (Fontenla, Caeiro, & Llamas, 2009) (Manso & Llamas, 2013a) y
(Conde, García, Alier, Mayol, & Fernández, 2013), que permiten una arquitectura
no centralizada en la que no necesariamente hay una herramienta principal que
hace de consumidor de servicios, sino que todas las herramientas están a un mismo
nivel. En ellas se hace uso de un sistema mediador (middleware) que implementa
las API de cada herramientas y realiza la traducción entre formatos. Esta es una
solución más potente que LTI ya que permite el control de flujo entre aplicaciones
(Fontenla, Caeiro, & Llamas, 2009), pero también más compleja.
1 https://www.imsglobal.org/activity/learning-tools-interoperability
2 http://openid.net/
97
Fig. 20: Funcionamiento de IMS LTI.
Tanto LTI como estas propuestas ofrecen soluciones para la comunicación entre
herramientas, pero aún así necesitan de un “acuerdo” a la hora de cómo formatear
los datos a intercambiar. No ofrecen una solución general para permitir la
monitorización de la actividad de aprendizaje del estudiante en múltiples
herramientas, ya que no resuelven el problema del formato común para el registro
de trazas, por lo que no entraremos en más detalle para no alejarnos de los objetivos
principales de esta tesis.
4.4.2 ACTIVITY STREAMS
Activity Streams1 es un estándar nacido para el intercambio de datos acerca de

actividad social, por ejemplo, la llevada a cabo en una red social. Un flujo de
actividad (o activity stream) es una colección de activity statements, o
declaraciones de actividad, que describen la acción del actor sobre un objeto.
La primera versión de la especificación era conocida como JSON Activity Streams
1.0 y fue publicada en 2011. La actual versión 2.0 fue desarrollada por el W3C
Social Web Working Group. Esta especificación fue empleada y aumentada por el
proyecto Learning Registry, enfocado a capturar, conectar y compartir datos acerca
de recursos disponibles en línea, basándose en metadatos. A su vez, han creado un
modelo para registrar actividades educativas (Learning Registry, 2011) que no ha
Activity Streams es un tenido éxito debido a la aparición de xAPI (ver sección 4.4.3).
estándar de trazas de
Un statement del modelo de Activity Streams tiene las siguientes partes:
actividad social que
fue expandido para
 Object: es el tipo básico en Activity Streams, y el resto de objetos están
poder registrar trazas
educativas. basados en este tipo (actor, colección, actividad, etc.). Es opcional en el
statement, y define el objeto sobre el que se ejecuta la actividad. Todos los
objetos pueden tener varias propiedades, entre las que destacamos:
1 https://www.w3.org/TR/activitystreams-core/
98
attachment (archivos adjuntos), attributedTo (atribución del objeto a una

persona u objeto), audience (destinatario del objeto), context (identifica el
contexto del objeto), content y contentMap (representación HTML del
objeto), name y nameMap (representación del objeto en lenguaje natural),
image (representación gráfica del objeto), startTime y endTime (tiempos de
inicio y fin del objeto), tag (referencia a otro objeto), to (destinatario del
objeto) y published (fecha y hora de publicación del objeto).
 Link: es un tipo que permite definir metadatos para un enlace.
 Actor: representa a la entidad que realiza la actividad. Puede ser una

persona, un grupo o una organización.
 Collection: son contenedores para otros objetos o enlaces. Pueden ser

colecciones ordenadas y tienen paginación. Es posible definir una colección
de actividades.
 Activity: es también una especialización del tipo Objeto, y representa la

actividad en sí. Tiene un identificador único (id). Es dentro de la actividad
mediante el tipo type en donde se define el verbo, es decir, la acción.
En su nivel más básico, un statement tiene la forma: el actor actor hizo verb (type)
sobre object en context, registrado en el momento published con id id. Aquí
podemos ver un ejemplo de un statement básico:
{
"@context": "http://www.w3.org/ns/activitystreams",
"name": "Martin's recent activities",
"type": "Collection",
"totalItems": 1,
"items" : [{
"type": "Add",
"published": "2011-02-10T15:04:55Z",
"generator": "http://example.org/activities-app",
"nameMap": {
"en": "Martin added a new image to his album.",
"ga": "Martin phost le fisean nua a albam."
},
"actor": {
"type": "Person",
"id": "http://www.test.example/martin",
"name": "Martin Smith",
"url": "http://example.org/martin",
"image": {
"type": "Link",
"href": "http://example.org/martin/image",
"mediaType": "image/jpeg",
"width": 250,
"height": 250
}
},
"object" : {
"name": "My fluffy cat",
99
"type": "Image",
"id": "http://example.org/album/my_cat",
"preview": {
"type": "Link",
"href": "http://example.org/album/my_cat_thumb.jpg",
"mediaType": "image/jpeg"
},
"url": [
{
"type": "Link",
"href": "http://example.org/album/my_cat.jpg",
}
]
},
"target": {
"type": "Collection",
"id": "http://example.org/album/",
"nameMap": {
"en": "Martin's Photo Album",
"ga": "Grianghraif Mairtin"
},
"image": {
"type": "Link",
"href": "http://example.org/album/thumbnail.jpg",
}
}
}
]}}
4.4.3 T I N C A N A P I O E X P E R IE NC E A P I ( X A P I)
Tin Can API1, también conocido como Experience API o xAPI, ha surgido en 2010
de aplicar el concepto de Activity Streams al e-learning (Cooper, 2014). Se trata de
una especificación para tecnología educativa gestionada por ADL2, los creadores de
SCORM, y está diseñada para “permitir el registro de prácticamente cualquier tipo
de actividad educativa” realizada en una aplicación software. Está en buena parte
impulsado por la comunidad, que contribuye a evolucionar y expandir la
especificación. Ha sido empleado en plataformas de aprendizaje social y ya en 2014
estaba despertando cada vez más interés como medio para la captura de datos para
Tin Can API ha sido learning analytics (Cooper, 2014). En este caso entraremos algo en detalle debido
adoptado
mayoritariamente
a que, como veremos, es el estándar el elegido para la propuesta que aborda el
como especificación objetivo específico OE4 (facilitar un formato estándar para el registro de trazas de
para la captura de SRL).
trazas de actividades
educativas.
4.4.3.1 ¿Cómo funciona?
Tin Can API está basado en Statements o declaraciones en la forma de “I did this”
(actor, verbo y objeto) que son codificadas por la herramienta en la que se producen
1 http://tincanapi.com/
2 https://www.adlnet.gov/
100
y posteriormente almacenadas en los Learning Record Store o LRS (almacén de

registros de aprendizaje). Un LRS es un repositorio para almacenar registros de
actividades de aprendizaje (learning records) que pueden ser accedidos desde
cualquier herramienta software que implemente el cliente de la API. Algunas de
estas posibilidades de conexión se muestran en la Fig. 21.
Fig. 21: Combinaciones para compartir registros de actividad de aprendizaje.
Como podemos observar, un LRS puede intercambiar información con varias

herramientas (LMS, juegos, simuladores, gestores de tareas, herramientas de
informes, etc.), o con otros LRS, ya sean independientes o estén integrados dentro
de alguna plataforma como un LMS. Una herramienta que genera trazas es
conocida como Activity Provider, o proveedor de actividad. Las posibilidades que
ofrece para compartir datos de actividad son enormes. La información de actividad
de un usuario puede ser accedida en el LRS por cualquier herramienta autorizada
en cualquier momento.
xAPI cuenta con cuatro APIs. Las actividades son identificadas en la Activity
Profile API (API de perfiles de actividad). La State API (API de estados) gestiona
el estado de cada actividad, permitiendo la continuación de una actividad entre
sesiones, incluso desde dispositivos diferentes. Cada usuario es identificado a través
de la Agent Profile API (API de perfiles de agente), incluso si utiliza cuentas de
herramientas diferentes (ID diferente). La Statement API gestiona las
declaraciones. Aunque comparte parte del vocabulario y el concepto de statement
con Activity Streams, la forma en que están estructurados los statements es
totalmente diferente, así como la forma en que funciona a través de estas APIs.
101
Entre las características de xAPI podemos destacar:
 Es muy flexible, ya que únicamente define el patrón de la declaración y

cómo ésta es almacenada y recuperada, sin obligar a emplear un vocabulario
cerrado. Además la estructura de la declaración permite registrar cualquier
tipo de evento. Esta flexibilidad es a la vez una ventaja y una desventaja.
Por un lado hace que sea adaptable a nuevas situaciones y que no quede
obsoleto, pero por otro permite registrar la misma acción de formas
diferentes (“Tom visualizó el vídeo” o “Tom reprodujo el vídeo”), lo que
obliga a comunidades de prácticas a llegar a un consenso a la hora de definir
las acciones. Esto se materializa en los perfiles y recetas xAPI, que veremos
en el apartado 4.4.3.3.
 El vocabulario existente es limitado pero puede ser expandido. Éste está

disponible en su versión actualizada en The Registry1 (apartado 4.4.3.3).
 Es independiente del dispositivo y soporta diferentes tecnologías, por lo que

permite la interoperabilidad.
 Todos los registros de actividad son trazables y cuantificables.
 Guarda una marca temporal del momento en que se registra cada

declaración.
4.4.3.2 Declaraciones o Statements

Los statements de xAPI son objetos basados en JSON, compuestos por una serie de
elementos que definen la acción (actor, verbo, objeto, contexto, resultado,
extensiones, y adjuntos) y elementos adicionales de gestión (UUID, marca
temporal, autoridad, almacenado y versión). Los elementos que definen la acción
tienen un campo llamado display que es usado para aportar una versión legible en
lenguaje natural para ese elemento. Veremos cada uno de ellos con detalle:
UUID
Es un identificador generado por el LRS o por la herramienta que genera el
statement, i.e., el Activity Provider. Este identificador es unívoco.
Actor
El actor es el que realiza la acción registrada en el statement. Puede ser un agente
o un grupo. Contiene el nombre del agente y un identificador unívoco, como una
dirección de correo electrónico, un mbox, un OpenID o una cuenta de alguna
plataforma (por ejemplo, una cuenta de Twitter). Un grupo contiene más de un
agente.
1 https://registry.tincanapi.com
102
Verb
El verbo define la acción, lo que se ha hecho. Se usa el pasado para denotar que la
acción ya ha sido realizada. Cada verbo tiene un identificador legible que es una
URI que acaba con el propio verbo, como en este ejemplo:
http://adlnet.gov/expapi/verbs/answered
Existe una lista de verbos recomendados en The Registry (ver siguiente sección).
Object
El objeto es lo que el actor experimenta. Puede ser de varios tipos:
 Activity: una actividad tiene un tipo, un nombre, una descripción, una URL
para más información y un objeto de extensiones. Una acción con actividad
sería por ejemplo “Tom leyó la pregunta 1”, siendo la pregunta 1 el objeto.
Es el tipo de objeto más común. Existe una lista de tipos de actividad
recomendada en The Registry (ver siguiente sección).
 Agent o Group: el objeto de la acción puede ser un agente o grupo. Un

ejemplo de agente como objeto sería “Tom entrevistó a María”.
 Sub-Statement o Statement Reference: un sub-statement es un statement

incluido en el statement padre. Un Statement Reference es una referencia
a un statement registrado previamente. A la hora de pasarlos al lenguaje
natural, ambos aparecerían escritos de forma similar: “Tom comentó en
‘Carlos entrevistó a María’”.
Context
El contexto permite añadir información contextual al statement, es decir, el
instructor, la actividad padre, el grupo, la plataforma, etc. Todos los elementos de
este objeto son opcionales.
Result
Si la actividad genera algún resultado, es posible definirlo aquí. Consta de varios
campos de tipos diferentes: completion (booleano), success (booleano), duration
(ISO 8601), score (objeto) y extensions (objeto). El objeto score puede ser scaled
(número decimal entre -1 y 1) o raw, también decimal, pero en este caso es posible
definir un máximo y un mínimo.
Attachments
Este campo permite definir una lista de ficheros que serán adjuntados al statement.
Tiene algunas propiedades obligatorias para identificar las propiedades principales
de los adjuntos: display (nombre), description, contentType (tipo del contenido),
usageType (identificador del uso del adjunto), length (tamaño en octetos del
adjunto), sha2 (hash) y fileUrl (IRL donde puede ser obtenido el adjunto).
103
Timestamp
Es la fecha y hora en la que el statement es creado. Es generado por el activity
provider, es decir, la herramienta donde se produce la actividad, pero si esto no se
produce es generado por el LRS en el momento de almacenar la declaración.
Authority, Stored y Version

Estos tres objetos son generados por el LRS en el momento de guardar el statement.
Stored indica la fecha y hora en la que el statement fue guardado. Authority indica
quién afirma que el statement es verdadero, es decir, la autoridad que confirma la
veracidad de la declaración, y si es un agente o un grupo. Version simplemente
indica la versión de la API en el momento de guardar la declaración.
Extensions
El objeto extensions puede ser incluido en una definición de actividad, en el
contexto o en los resultados. Las propiedades de este objeto son abiertas y definidas
por URIs, y los valores pueden ser cualquier cosa. Este es el campo en donde definir
aquellas cosas que no tienen cabida en el resto de objetos de la especificación. Hay
extensiones definidas que ya han sido creadas previamente para aplicaciones
concretas en The Registry (ver siguiente sección).
4.4.3.3 Tin Can Profiles y The Registry1

Los perfiles de Tin Can son guías de buenas prácticas para ciertos escenarios o
conjuntos definidos de acciones. Permiten definir vocabularios y statements para
casos de uso o comunidades de práctica específicos. Pueden ser vistos como perfiles
de aplicación para xAPI. Los perfiles de aplicación son “esquemas que consisten en
elementos de datos extraídos de uno o más espacios de nombres, combinados por
Los perfiles de Tin los desarrolladores y optimizados para una aplicación particular” (The Dublin Core
Can API son guías de Metadata Initiative, 2014).
buenas prácticas para
usos concretos de la Los perfiles xAPI están formados por recetas (recipes), actividades y una lista de
especificación. identificadores enlazados. Es en las recetas en donde se definen las extensiones y
actividades propias del perfil.
The Registry es el espacio en donde se crean y almacenan los perfiles de Tin Can,
así como el vocabulario actualizado. Este vocabulario está formado por listas de
verbos, tipos de actividad, extensiones y usos de adjuntos recomendados. La
comunidad puede proponer nuevo vocabulario para acomodar la especificación a
usos concretos en caso de que el existente no permita representar la acción a
codificar. Las propuestas de nuevos verbos, tipos de actividad, extensiones o usos
de adjuntos han de pasar un proceso de curación por parte de ADL y cuando son
aceptadas son publicadas para su uso por parte de la comunidad.
104
4.4.4 IM S C A L I P E R
Caliper es un estándar abierto para el registro de trazas educativas creado por IMS
Global Learning Consortium1. Fue lanzado en Octubre de 2015, cuando el trabajo
de esta tesis estaba ya avanzado, por lo que no ha sido considerado como candidato
para la captura de trazas SRL. Sin embargo, se hará una breve descripción del
estándar ya que es una clara alternativa a xAPI.
Según IMS, Caliper constituye un ecosistema para learning analytics construido
entorno a la API IMS Learning Sensor, que captura los datos desde cualquier
navegador. Emplea el estándar ISM LTI para integrar trazas de herramientas y
otros estándares de IMS como LIS (Learning Information Services) para capturar
los datos del contexto de educativo. Inicialmente no incluye un LRS de forma
estándar como xAPI, sino que éste ha de ser necesariamente desarrollado si se
quiere adoptar el estándar.
A diferencia de xAPI, cuenta con perfiles definidos por IMS para diferentes
actividades de aprendizaje, como evaluación, lectura, media, etc., en lugar de dejar
la labor de creación de perfiles a la comunidad. Además, cuenta con un perfil
llamado Base Metric Profile que define los conceptos principales para las Entidades
que participan el las Interacciones de Aprendizaje, así como el concepto de Evento.
Al igual que en xAPI, los eventos cuentan con un actor, una acción y un objeto, e
incluyen siete elementos opcionales para describir la acción.
La gran ventaja con la que cuenta Caliper con respecto a xAPI es que únicamente
es necesario implementar una API en el cliente, ya que ofrecen de sensores ya
programados en varios lenguajes que pueden ser símplemente importados en el
código. Sin embargo, tiene el inconveniente de que los perfiles de Caliper son
gestionados por IMS y no es posible crear o proponer nuevos perfiles con la
facilidad que permite xAPI.
Fig. 22: Evento en IMS Caliper (IMS GLC, 2015).
1 https://www.imsglobal.org/activity/caliperram
105
4.4.5 P R O Y E C T O S D E M O NI T O R IZ A C IÓ N D E L S R L
En los últimos años ha habido varios intentos de medir la actividad de los

estudiantes con distintos fines, ya fuera para monitorizar su aprendizaje y
capacidad de autorregulación, para ofrecer datos para permitir la
automonitorización de los propios estudiantes, o ambas.
En el caso que nos ocupa se trata por un lado de medir parámetros que permitan
conocer o inferir la eficiencia del estudiante durante su aprendizaje, generalmente
aplicando técnicas de learning analytics, y por otro lado de ofrecer información al
estudiante que le permita monitorizar adecuadamente su aprendizaje.
SoftLearn
Uno de los trabajos más interesantes acerca de sistemas para la monitorización del
SRL para facilitar la evaluación por parte de profesores es el presentado en
(Rodríguez, Vázquez, Lama, Gewerk, & Muciente, 2014). Para el escenario de esta
investigación han elegido una aproximación de blended learning en la que los
estudiantes emplean ELGG como un PLE. ELGG (ver apartado 3.7) integra un
espacio individual y una red social con foros, blogs, micro-blogging, detalles de
perfiles de usuario, listas de amigos, visualización de actividad, un muro personal,
SoftLearn ha sido calendario, favoritos y páginas. Uno de los mayores problemas de la evaluación del
usada para facilitar a SRL en este contexto es que “un proceso de monitorización riguroso genera un
los profesores la
volumen de información tal que resulta inmanejable: evaluar un conjunto de
evaluación del SRL a
través de la portfolios es mucho más complejo que un simple proceso de poner notas”. Al
visualización del mismo tiempo, la evaluación es cualitativa, y “requiere leer cientos de entradas
proceso de aprendizaje
para saber si el estudiante ha conseguido las competencias esperadas”, por lo que
de los alumnos.
consume una cantidad de tiempo ingente.
Fig. 23: Ejemplo de gráfico D/F de SoftLearn.
106
SoftLearn es una herramienta basada en minería de datos que “descubre y

representa el proceso de aprendizaje seguido por los estudiantes de forma
automática”. En este proyecto abordaron varios problemas: obtener información
completa, precisa y simple acerca del proceso de aprendizaje a partir de gran
cantidad de trazas, representar gráficamente el proceso de aprendizaje, etc.
Han obtenido grandes resultados empleando técnicas de clustering y filtrado
para reducir el número de trazas, algoritmos de minería de procesos para analizar
los datos y han creado su propia visualización basada en gráficos D/F. Empleando
esta herramienta los profesores han ahorrado un 54% de su tiempo de evaluación.
StepUp!
StepUp! (Santos-Odriozola, Verbert, & Duval, 2012) es una herramienta de medida
Step Up! es una
y visualización de trazas de actividades de aprendizaje. Ha sido creada dentro del herramienta de
proyecto ROLE1 (Responsive Open Learning Environments), un proyecto europeo medida y
colaborativo que comprende 16 grupos de 6 países de la UE y China. Este proyecto visualización de trazas
de actividades de
está orientado a dar soporte a profesores en el desarrollo de PLE abiertos para aprendizaje orientada
estudiantes en donde se puedan desarrollar habilidades para el SRL, y en este marco a dar soporte a
la herramienta StepUp! es una contribución al soporte de la monitorización. profesores, aunque las
trazas están
Esta herramienta captura trazas de interacciones sociales, tiempo empleado disponibles también
(usando la aplicación Toggl 2 , que puede funcionar con un temporizador o para los alumnos.
registrando los datos de tiempo y actividad manualmente), artefactos producidos y

uso de recursos. Estas trazas pueden ser visualizadas tanto por profesores como por
alumnos usando la aplicación web, en la que los datos se muestran como una gran
tabla (ver Fig. 24 y Fig. 25), o la aplicación móvil de StepUp!. Uno de los problemas
encontrados durante este proyecto es cómo habilitar el establecimiento de
objetivos y conectarlo con las visualizaciones (Verbert, y otros, 2014).
En este proyecto se concluye que el control del tiempo es un indicador útil para
Una de las
los estudiantes, que comprenden mejor y son más conscientes de en qué actividades
conclusiones del
del curso imprimen más esfuerzo. La medida de interacciones sociales sin embargo proyecto StepUp! es
no parece aportar información útil desde el punto de vista de los estudiantes. que la clave para los
paneles de
Además concluyen que la clave para este tipo de paneles de información reside en
información reside en
qué datos se capturan y cómo se muestran al usuario, siendo la utilidad el factor qué datos se capturan
más relevante por encima de la usabilidad. Lamentablemente estas herramientas y cómo se muestran al
han sido empleadas en proyectos de investigación ya conclusos y no tienen uso usuario.
actualmente.
1 http://role-project.archiv.zsi.at/
2 https://toggl.com/
107
Fig. 24: StepUp! Big Table.
Fig. 25: Detalle de actividad semanal en StepUp! Big Table.
108
4.5 CONCLUSIONES
4.5 C ONCLUSIONES
En este capítulo se ha hecho una revisión de la relación entre el SRL y el software,
centrándonos en el estado del arte de las contribuciones presentadas en esta tesis.
Soporte al SRL en herramientas disponibles y criterios para el soporte

Hemos visto que hay software específico para SRL que da soporte, en mayor o
menor medida, a algunos procesos del SRL, pero este soporte es parcial y afecta
únicamente a partes del proceso. Sin embargo existe software genérico —no
educativo— que ofrece soporte, potencialmente, a importantes procesos como la
planificación o la monitorización. Este software no es tenido en cuenta
habitualmente. Parece que no se ha prestado suficiente atención a este tipo de
herramientas, que con pequeñas modificaciones se adaptarían a las necesidades del
estudiante autorregulado, como veremos más adelante.
Por otro lado, aunque se puedan identificar funcionalidades concretas que
ofrecen soporte, resulta complicado analizar hasta qué punto lo ofrecen. Los
conjuntos de requisitos para el soporte software al SRL encontrados en la literatura
han resultado poco detallados e incompletos, dificultando el análisis. Además, esta
generalidad y falta de detalle hace que no sean suficientes a la hora de emplearlos
como criterios o requisitos de diseño.
Ausencia de soluciones para la evaluación del nivel de soporte software al SRL

Medir o evaluar el nivel de soporte ofrecido por una herramienta software al SRL
no es algo trivial. Esto se ha intentado hasta la fecha en el proyecto TELEpeers, en
el que se ha experimentado con varias herramientas en un escenario de blended
learning en el que se impartían cursos de fomento del SRL. Esto último ha
contribuido a que los resultados sean parciales, teniendo en cuenta que las
herramientas, y en la mayoría de casos también el contenido, estaban orientados a
fomentar el SRL. Además de esto se centró el foco en aplicaciones de entrega de
contenidos sin tener en cuenta ni evaluar otras funcionalidades por separado, por
lo que el instrumento desarrollado en el proyecto TELEpeers no sirve para evaluar
otras funcionalidades software. Por tanto queda trabajo por hacer en este sentido
y esta evaluación de soporte es uno de los objetivos específicos de esta tesis (OE3).
Necesidad de una especificación para facilitar la monitorización del SRL y

garantizar la interoperabilidad de trazas
Como ya se ha comentado, la monitorización es clave en el SRL, ya que permite el
control y la evaluación del aprendizaje en sí. Una de las dificultades que presenta
la creación de una solución tecnológica que facilite esta monitorización es que ha
de abarcar el proceso SRL al completo, por lo que son necesarias trazas de
actividades que ocurren en diferentes herramientas, e incluso offline. Además, la
selección de actividades a registrar en función de su relevancia para el SRL no es
trivial. Esta es claramente una de las asignaturas pendientes del software educativo,
109
no solamente de cara al SRL sino en general, y es necesario abordar este tema para
poder crear herramientas que faciliten la monitorización.
Lo primero para esto es la obtención de trazas, y el primer problema sin resolver
en este aspecto es la interoperabilidad de las trazas. Existen ya muchos sistemas
que generan trazas y logs, pero siempre con un formato propietario o, si es abierto,
no es estándar ni es empleado por otras herramientas. En este capítulo hemos visto
algunos ejemplos de proyectos en los que se generan trazas y se demuestra la gran
utilidad de estos datos tanto para los propios estudiantes como para los profesores,
y hemos visto los principales estándares de registro de actividad existentes. Tin Can
API o Experience API (xAPI) es el estándar más prolífico hoy en día y, dado su
diseño, promete no quedar obsoleto en un futuro. Su gran flexibilidad hace que sea
necesaria la creación de especificaciones para aplicaciones concretas en forma de
perfiles de aplicación, que es justamente lo que se plantea en la segunda parte de
esta tesis. Los estándares de interoperabilidad por otro lado aportan una solución
para la compartición de datos entre aplicaciones pero no resuelven el problema del
formato común, por lo que siguen necesitando una especificación para poder
emplear garantizar la interoperabilidad de las trazas. La utilización del estándar
xAPI soluciona tanto el intercambio como el almacenamiento de trazas, por lo que
es la alternativa más viable.
Posibilidades de mejora del soporte software al SRL

El SRL no cuenta aparentemente con un buen nivel soporte en software, y esto
puede ser debido a varias razones. La primera puede ser el desconocimiento de la
existencia de estos métodos, tan solo conocidos en el mundo de la investigación
educativa, aunque la tendencia hacia una la gestión autónoma del aprendizaje es
ya a día de hoy muy relevante. Gracias a ello han ido surgiendo herramientas
acordes a esta tendencia, dentro y fuera del marco del SRL. La segunda puede ser
que no existen unos criterios o requisitos claros de desarrollo de funcionalidades
para ofrecer soporte SRL, y por tanto todos los desarrollos existentes tienden a
ofrecer un soporte limitado.
El análisis realizado en este capítulo ha denotado la poca madurez del estado del
arte y el enfoque poco ambicioso seguido hasta el momento, invitando a establecer
unos objetivos que, aunque no ofrezcan una solución de forma directa a los
problemas planteados —algo que excedería mucho los recursos de esta tesis—,
permitan encaminar y definir posibles soluciones más globales estableciendo un
nuevo principio en el desarrollo de soporte del SRL a través de software.
110
5 R EQUISITOS PARA EL SOPORTE SOFTWARE
AL SRL
5
If I had asked people what they wanted, they would have said faster horses.
— Henry Ford
El software específico de SRL actual da solución a problemas concretos, pero no

parece tener en cuenta el proceso del SRL al completo. Por ejemplo, ILIAS1 (ver
sección 4.2.1), uno de los que ofrece un soporte más avanzado, dispone de un
escritorio personal con funcionalidades poco habituales en un LMS, como las de
toma de notas y de marcadores para guardar recursos, pero no dispone por ejemplo
de gestión de tareas o gestión del tiempo. Además, resulta complicado evaluar el
nivel de soporte de lo que sí ofrece, dado que no hay unos criterios bien definidos.
En la literatura encontramos tres intentos de definir los requisitos de diseño para
software con soporte SRL, descritos en la sección 4.1. Como hemos visto, aunque
son acertados y consituyen un buen punto de partida, son demasiado generalistas
y abstractos, resultando inadecuados como base para el diseño y como criterios
para la evaluación. A la hora de diseñar un software es imprescindible definir de
forma clara y detallada los requisitos que éste ha de cumplir, qué funciones
aportará, qué datos se generarán en cada caso de uso y cómo serán almacenados.
En este capítulo se persigue cumplir los objetivos OE1 (identificar
funcionalidades software potenciales para el soporte SRL) y OE2 (identificar los
requisitos de diseño para un soporte software a las estrategias de aprendizaje y
autorregulación que lo permitan). Para esto se han de tener en cuenta los
principales defectos de las especificaciones de requisitos existentes y tratar de
ofrecer una solución que los evite. Se ha elegido un enfoque práctico como punto
de partida frente a una aproximación teórica, tras las conclusiones extraídas en el
Capítulo 2. Las teorías del aprendizaje en general y del aprendizaje autorregulado
en particular constituyen una buena base para comprender cómo se produce el
aprendizaje y qué factores lo condicionan, pero son en cierto modo abstractas.
Además, la pedagogía no es una ciencia exacta y las principales teorías divergen en
muchos puntos y se complementan en otros, siendo todas ellas aceptadas. Por ello
se ha elegido la aproximación práctica de las teorías SRL, es decir, las estrategias de
aprendizaje y autorregulación, como base para este estudio, por ser concretas y
describir de forma detallada los procesos que realizan los estudiantes para aprender
y autorregular su aprendizaje, tal y como se ha concluído en el Capítulo 2.
En este capítulo presentamos el análisis de estrategias, piedra angular de esta
investigación,y los requisitos para el soporte software al SRL.
1 1 http://www.ilias.de
REQUISITOS PARA UN SOPORTE SOFTWARE AL SRL
5.1 A NÁLISIS DE ESTRATEGI AS DE APREND IZAJE Y

AUTORREGULACIÓ N
Teniendo en cuenta la variedad de estrategias encontradas, que van desde ordenar

la habitación o escritorio para evitar distracciones hasta procesos de planificación
Existen numerosos
manuales de con numerosos pasos, se ha realizado un análisis pormenorizado de cada una de
estrategias de ellas atendiendo a una posible implementación de soporte en software, ya sea para
aprendizaje, en los la estrategia al completo o para parte de los procesos implicados en la misma. Se
que la misma
estrategia puede han descartado aquellas para las que no se ve viable el soporte software (ver
diferir en algún paso, apéndice A).
o tener un nombre
diferente. Este análisis persigue varios objetivos. Primero, identificar los procedimientos
implicados y dónde se desarrollan sus procesos (algunos implican solamente
procesos internos al estudiante o acciones externas sobre objetos, careciendo de
sentido una implementación software). Segundo, conocer qué resultados se
obtienen y si es posible externalizar estos resultados o plasmarlos en algo tangible
que pueda ser almacenado digitalmente y que, a su vez, pueda ser de interés para
otra estrategia o para la monitorización por parte de un tutor o profesor.
El procedimiento seguido para este análisis ha sido el siguiente:
1. Desglose de estrategias: algunas estrategias son complejas y pueden ser

divididas en estrategias más simples, definidas también de forma
independiente por los manuales consultados.
2. Identificación de procesos: identificación de los diferentes procesos que se

producirían al ejecutar la estrategia.
3. Implementación: definición de una forma de implementación de la

estrategia en software, ya sea para todos los procesos o para la parte de los
mismos que lo permitan.
4. Trazas: definición de los resultados que generaría la estrategia en una

posible implementación software.
Hay que resaltar que muchas estrategias están relacionadas entre sí, de forma que
una estrategia (que podríamos llamar super-estrategia) puede estar formada por
varias estrategias más sencillas. La forma en la que las estrategias están relacionadas
puede llegar a ser confusa, ya que podemos encontrarnos con hasta 3 niveles de
sub-estrategias de varios tipos. Por ejemplo, varias estrategias de planificación
contienen estrategias de gestión del tiempo.
Dado que el número de estrategias seleccionadas es elevado y el análisis se ha
realizado a bajo nivel, no se presentará aquí el análisis del conjunto de estrategias
al completo sino algunos ejemplos representativos. El lector dispone de un análisis
resumido del conjunto completo en el Apéndice A.
112
5.1 ANÁLISIS DE ESTRATEGIAS DE APRENDIZAJE Y AUTORREGULACIÓN
5.1.1 E J E M P L O S D E A N Á L IS I S D E E S T R A T E G IA S M E T A C O G N IT I V A S
Aquí se muestran algunos ejemplos ilustrativos del análisis de estrategias. Se han

elegido las estrategias metacognitivas por su relevancia y fácil asociación con su
propósito en el SRL.
5.1.1.1 Planificación del aprendizaje en base a objetivos

Esta es una estrategia compleja (superestrategia), formada por cinco estrategias más
simples:
1. Definición de un objetivo.
2. Planificación de un objetivo.
3. Monitorización del cumplimiento del plan
4. Evaluación de la ejecución del plan
5. Corrección del plan

Se trata de una de las estrategias más complejas, ya que abarca varias estrategias
más simples distribuidas en las tres fases. Se analizarán las estrategias implicadas.
5.1.1.2 Definición de un objetivo
Estrategia
Un objetivo es aquello que un alumno desea alcanzar conscientemente. Para ser un
objetivo ha de cumplir los requisitos MARTE: Medible, Alcanzable, Relevante,
limitado en el Tiempo y Específico (SMART en inglés por Simple, Measurable,
Attainable, Relevant, Time-bounded). El estudiante ha de definir sus objetivos
siguiendo estos requisitos.
Desde el punto de vista temporal, los objetivos pueden ser a largo plazo o a corto
plazo. Los objetivos a largo plazo deben ser divididos en objetivos de concreción
más próxima, o a corto plazo, para que las tareas tengan éxito.
Desde el punto de vista motivacional, los objetivos pueden estar orientados a la
maestría (intentar desarrollar competencias, mejorar el trabajo y el aprendizaje
para uno mismo) o a la realización (estar centrado en la exhibición pública de éxito
por comparación con los demás).
Hay que considerar también que los objetivos pueden ser vistos de dos formas.
Tenemos por un lado los objetivos o metas de aprendizaje del estudiante, que son
las metas que quiere conseguir, a los que nos hemos referido hasta ahora. Por otro
lado, cuando se define una tarea también se definen los objetivos de esa tarea
(target goals), que indican lo que se pretende conseguir con ella. Es decir, definirán
qué ha de cumplir el resultado de la tarea para ser considerada como exitosa. Éstos
servirán como criterio de evaluación de la ejecución de la tarea. Estos objetivos
113
pueden coincidir en muchos casos con los objetivos de aprendizaje, pero no como
norma general.
Identificación de procesos
Desde un punto de vista procedimental, esta estrategia consiste en definir el
objetivo siguiendo los requisitos descritos en la estrategia:
1. Concepción del objetivo.
2. Comprobación de si cumple los requisitos.
3. Dividir en objetivos más pequeños si procede.
4. Relacionar con tareas.
Implementación
Tradicionalmente, esto se lleva a cabo anotando los objetivos y sus elementos
relacionados en papel. La implementación de esta estrategia parece encajar
perfectamente en un gestor de tareas o proyectos. En una herramienta de este tipo
sería posible anidar objetivos y tareas. De esta forma un objetivo que tenga sub-
tareas sería un objetivo de aprendizaje y un objetivo hijo de una tarea sería un
objetivo de la tarea o target goal. Para esto es necesario diferenciar los objetivos y
tareas conceptualmente y visualmente.
Para definir un objetivo simplemente es necesario poder añadir un nombre o
título del objetivo y una descripción del mismo, que no tiene por qué ser
obligatoria. Los requisitos pueden ser mostrados al usuario a modo de ayuda de
forma opcional, es decir, que el usuario pueda consultar los requisitos si lo necesita.
A su vez, si el objetivo abarca demasiado, es necesario dividirlo en objetivos más
cercanos y asequibles. En este aspecto, podríamos considerar esta estrategia como
“recursiva”. Esta estrategia forma parte de una más compleja en la que se definen
otros elementos como sub-objetivos o tareas para conseguir el objetivo.
A mayores, si la herramienta es colaborativa, sería interesante poder definir la
privacidad o visibilidad del objetivo, de forma que pueda ser compartido, público
o privado.
Trazas
Esta estrategia generaría los siguientes resultados:
 Nombre o título del objetivo.
 Descripción del objetivo.
 Propietario del objetivo.
 Visibilidad/privacidad del objetivo.
 Padre del objetivo (objetivo o tarea).
114
5.1.1.3 Planificación de un objetivo

Se trata de una estrategia compleja consistente en que el estudiante defina cómo
va a conseguir el objetivo. Consta de varias estrategias:
 Identificación de tareas a realizar y pasos a seguir.
 Identificación de recursos necesarios.
 Selección de estrategias a emplear.
 Estimación del tiempo necesario para cada tarea/actividad.
 Definición de los resultados previstos/esperados.
5.1.1.4 Identificación de pasos a seguir
Estrategia
Consiste en identificar los pasos a seguir para la consecución de un objetivo.
Básicamente, esta estrategia consiste en la identificación de los pasos, que pueden
ser anotados para una posterior consulta o revisión.
Implementación
Esta estrategia encaja perfectamente en un gestor de tareas o proyectos, en el que
es posible definir los pasos a seguir para un objetivo o tarea. Los pasos podrían ser
implementados de la misma forma que las subtareas, realizando la distinción
conceptual para el usuario, que no es imprescindible pero sí recomendable.
Trazas
De forma similar a la definición de objetivos o tareas, esta estrategia generaría los
siguientes resultados:
 Nombre o título del paso.
 Descripción del paso (opcional).
5.1.1.5 Identificación/definición de tareas
Estrategia
Consiste en identificar y definir una tarea, que puede requerir la realización de
varios pasos. La definición de una tarea ha de incluir qué se va a hacer y cómo.
115
 Creación de la tarea
 Definir criterios de completitud u objetivos de la tarea
 Relacionar con otras tareas y objetivos
Implementación
Las herramientas software de gestión de tareas y proyectos ya ofrecen esta
funcionalidad. Permiten crear tareas, relacionarlas con otras mediante jerarquía o
etiquetado (ambas serían deseables) y es posible definir los criterios de completitud
a modo de subtareas, aunque sería recomendable poder identificar éstos como
objetivos para mayor claridad como se ha indicado en la estrategia de definición de
objetivos.
Trazas
De forma similar a la definición de objetivos, esta estrategia generaría:
 Nombre o título de la tarea.
 Descripción de la tarea.
 Etiquetas de la tarea (opcional).
 Propietario/a de la tarea.
 Visibilidad/privacidad de la tarea.
 Padre de la tarea (objetivo o tarea).
5.1.1.6 Estimación del tiempo a emplear
Estrategia
Esta estrategia consiste en realizar una estimación del tiempo que se necesitará para
realizar una tarea o actividad en base a la experiencia previa y/o al análisis de los
pasos a realizar. Forma parte de la gestión del tiempo y de la planificación.
Esta estrategia, siendo de gestión del tiempo, está siempre enmarcada en la
planificación de tareas y objetivos.
Consiste en asignar un tiempo a una tarea o paso. El tiempo de una tarea formada
por varios pasos o subtareas se puede calcular a partir de las estimaciones de las
subtareas.
Implementación
Para implementar esta estrategia tan sólo es necesario añadir la estimación
temporal en un formato conocido (HH:MM) a una tarea, paso o actividad. Esta
116
funcionalidad encaja en gestores de tareas y proyectos así como en herramientas

de entrega de contenidos (que cuenten con herramientas de planificación) en los
que el estudiante pueda asignar una estimación temporal a un contenido, prueba
de nivel o ejercicio.
En cualquier caso se recomienda realizar la planificación en una única
herramienta de cara a poder tener una visión global. De esta forma, la estimación
temporal se asignaría a una tarea en el software de planificación que sería a realizar
en el software de entrega de contenidos (lectura de un contenido, realización de
una prueba de nivel o un ejercicio, etc.). Para esto es importante que el software
de planificación permita enlazar la tarea al elemento del software de entrega de
contenidos al que hace referencia.
Trazas
Esta estrategia generaría una estimación temporal en un formato común de tiempo
que ha de ir asociada a una tarea, paso o actividad existente.
5.2 R EQUISITOS SOFTWARE PARA EL SOPO RTE AL SRL

En este apartado estableceremos los requisitos que consideramos que debe cumplir
una herramienta software para ofrecer soporte al aprendizaje autorregulado. Estos
requisitos han sido creados en base al análisis procedimental de estrategias
presentado en el apartado anterior y al análisis del estado del arte de herramientas
e-learning con y sin soporte SRL.
Este conjunto de requisitos podría verse como una guía de implementación de
soporte SRL en software, o una guía de buenas prácticas para el desarrollo de
aplicaciones software para SRL.
Ordenación de los requisitos e identificación de funcionalidades potenciales

Inicialmente los requisitos estaban ordenados por fase y área SRL (ver Tabla 3 en
la pág. 123), en base a la clasificación de las propias estrategias. Esta y otras
clasificaciones encontradas en la literatura (Carrasco, 2007) (Rosario, Nuñez, &
González-Pienda, 2006) (Mayor, Suengas, & González, 1995), todas basadas en
elementos teóricos, resultan ambiguas ya que hay estrategias que pueden
pertenecer simultáneamente a varias categorías. A efectos prácticos y pensando en
el diseño de software se ha realizado una nueva clasificación agrupando estos
requisitos por la funcionalidad software en la que serían necesarios (ver Tabla 3). Los requisitos se han
clasificado en función
De esta forma, se ha tratado de identificar las funcionalidades software con de la funcionalidad
potencial soporte para el SRL (objetivo específico OE1), atendiendo a su relación software en la que
directa con la función de las estrategias. Es decir, las funcionalidades seleccionadas encajan, dentro de las
que tienen potencial
permiten de forma directa o facilitan la aplicación de una o varias estrategias de para dar soporte al
forma total o parcial. Esta selección está formada por las funcionalidades SRL.
principales de herramientas de e-learning y de apoyo a la autorregulación (como
pueden ser gestores de tareas o de tiempo), así como funcionalidades secundarias
117
relacionadas que son imprescindibles para un soporte completo a las estrategias.

Estas funcionalidades son:
 Planificación y gestión de proyectos o tareas (PL): como su nombre indica,

esta funcionalidad de apoyo hace referencia a la planificación y gestión de
tareas que pueden estar agrupadas en proyectos, listas, etc. Está presente en
gestores de tareas y herramientas similares y permite la organización del
aprendizaje.
 Entrega de contenidos (EC): esta funcionalidad es la principal de LMS y

otros sistemas de e-learning destinados a la entrega de contenidos al
estudiante. Cabe destacar que un blog o una red social podrían ser
empleados para el mismo propósito, por lo que es una funcionalidad que
abarca un amplio rango de herramientas. En esta tesis, a diferencia de lo
planteado en (Llamas, Caeiro, & Castro, 2011a)(ver sección 3.1),
agruparemos la entrega de contenidos basados en texto, audio o video.
 Gestión de recursos educativos e información (GR): las herramientas que

tienen esta funcionalidad permiten al usuario guardar y gestionar
información o recursos educativos, ya sea a través de enlaces (marcadores)
o el almacenaje de recursos.
 Gestión del tiempo (GT): esta funcionalidad permite controlar el tiempo

dedicado a tareas o actividades. Es una funcionalidad complementaria en
algunas herramientas de gestión de tareas, y es la funcionalidad principal de
otras específicas para la gestión del tiempo.
 Guías de estrategias (GE): esta es una funcionalidad que no hemos

encontrado en ningún software educativo. Consiste en ofrecer al estudiante
guías de estrategias (ya sea a través de un repositorio, un recomendador,
etc.) para que éste las emplee para conseguir sus objetivos de aprendizaje.
Es especialmente interesante para las estrategias cognitivas.
 Automonitorización y autoevaluación (ME): esta funcionalidad permite

que el usuario vea su rendimiento o evolución en las actividades realizadas
en la herramienta. Es generalmente una funcionalidad complementaria
aunque es la principal en herramientas de informes así como en los
e-portfolios.
 Trabajo colaborativo (TC): esta es una funcionalidad complementaria de

muchas herramientas, especialmente desde la llegada de la Web 2.0, que
permite trabajar de forma colaborativa.
Esta selección de funcionalidades se ha empleado como clasificación para enmarcar

el conjunto de requisitos recomendados para cada funcionalidad, además de
aportar un contexto que hace más comprensible la utilidad de los mismos.
Se ha empleado la funcionalidad como origen de la clasificación en lugar del tipo
de herramienta, que podría ser a priori más lógico y sencillo, debido a que una
118
5.2 REQUISITOS SOFTWARE PARA EL SOPORTE AL SRL
herramienta puede ofrecer más de una de las funcionalidades consideradas. Por

ejemplo, un gestor de tareas puede tener también gestión del tiempo, o un LMS
que es una herramienta principalmente de entrega de contenidos puede tener
también gestión de recursos, autoevaluación, etc.
Requisitos
En los siguientes apartados se listarán los requisitos por funcionalidad (objetivo
específico OE2). Para cada uno de ellos se indicará a qué fase y área SRL pertenece,
a modo de subclasificación. En algunos casos, un requisito afectará a más de un área
o fase. La leyenda para la clasificación y subclasificación es como se muestra en la
Tabla 3:
PL Planificación y gestión de proyectos o tareas
EC Entrega de contenidos
GR Gestión de recursos e información
GT Gestión del tiempo

Funcionalidades
GE Guías de estrategias
ME Automonitorización y autoevaluación
TC Trabajo colaborativo
RC Requisitos comunes
F1 Previsión, planificación y activación
Fases SRL F2 Ejecución, monitorización y control
F3 Evaluación, reflexión y reacción
CG Cognición
MC Metacognición
Áreas SRL MT Motivación
CD Conducta
CX Contexto
Tabla 3: Leyenda de clasificación y subclasificación de requisitos.
Los requisitos para cada funcionalidad se muestran en su correspondiente tabla. Se

ha omitido “la herramienta debe”, que sería el comienzo de cada una de las frases,
para evitar la repetición.
119
5.2.1 P L A N I F IC A C IÓ N Y G E S T IÓ N D E P R O Y E C T O S O T A R E A S
Para esta funcionalidad, destacar que la funcionalidad de gestión del tiempo es

complementaria, por lo que se recomienda su implementación conjunta.
PL01 Distinguir conceptualmente entre objetivos y tareas. Son dos F1 MC

conceptos diferentes, ambos esenciales para una planificación
orientada a objetivos.
PL02 Anidar objetivos y tareas mezclados. De esta forma se permite F1 MC
definir por un lado las tareas a completar para conseguir un
objetivo y por otro los objetivos de una tarea (target goals).
PL03 Permitir suficientes niveles de anidamiento para objetivos y F1 MC
tareas. Lo ideal sería tener un número ilimitado de niveles,
pero se ha establecido como aceptable entre 5 y 7 niveles.
Dependiendo del estilo de planificación del estudiante
necesitará más o menos niveles.
PL04 Fomentar registrar los objetivos específicos de cada tarea. F1 MC
Estos objetivos (target goals) son los que se han de conseguir MT
para dar la tarea por completada. (Recomendado).
PL05 Ofrecer plantillas de planificaciones de estudio. Esto puede F1 MC
ser por ejemplo una lista de tareas. De existir, es ideal que
estén basadas en estrategias, pero lo más importante es que el
usuario pueda crear sus propias plantillas.
PL06 Permitir planificar en el tiempo objetivos, tareas y proyectos F1 MC
(o los elementos con los que cuente la herramienta). Esto
implica como mínimo poder establecer fechas límite.
PL07 Permitir identificar y enlazar recursos disponibles. Es decir, F1 MC
los usuarios deben poder enlazar o adjuntar recursos a
cualquier objetivo o tarea.
PL08 Permitir clasificar los recursos como resultado o recurso, o F1 MC
bien permitir enlazar o adjuntar los resultados de la ejecución F2
de las tareas e identificarlos como tales, ya sea con una sección
específica para resultados o una etiqueta.
PL09 Facilitar la activación del conocimiento previo sobre la F1 MC
materia, tema u objetivo a través de la reflexión o muestra de CG
contenidos previos.
PL10 Permitir registrar las dificultades que el estudiante espera F1 MC
encontrar en la tarea. Esto debe ser de forma específica, es MT
decir, en un campo específico.
PL11 Permitir el establecimiento de recompensas por consecución F1 MT
de tareas u objetivos. El sistema ha de indicar de forma
automática la recompensa una vez se complete la tarea u
objetivo que la contiene.
120
PL12 Permitir al estudiante auto-monitorizar (seguir) el progreso F2 MC

de los planes/proyectos de aprendizaje. El estudiante debe
poder ver su progreso en la consecución de tareas. Idealmente
se pueden mostrar gráficas y datos procesados o “en crudo” si
esto último no es posible.
PL13 Permitir modificar un plan o proyecto de aprendizaje para F2 MC
adaptarlo a cambios del contexto o cambio estratégicos. Aquí
es importante que no sea necesario crear el plan de nuevo,
sino que pueda ser modificado.
PL14 Promover reacciones adaptativas como la modificación de F2 CD
estrategias, del plan, etc. en lugar de defensivas como el F3
abandono de tareas.
PL15 Permitir seleccionar tareas para su ejecución inmediata, ya F1 MC
sea destacándolas o añadiéndolas a una lista de tareas en curso F2
o activas.
PL16 Permitir la visualización conjunta de las tareas en curso o F1 MC
activas. Por conjunta se entiende en el mismo espacio visual, F2
a modo de lista o de otro modo. Ha de poder hacerse en
cualquier momento.
PL17 Facilitar la autoevaluación de la ejecución del plan. El F3 MC
estudiante debe poder ver su progreso por episodios, uso de
estrategias, consecución de tareas, tiempo empleado, etc. Ha
de ser realizado preferiblemente mediante la visualización de
gráficas y datos procesados. Es importante tanto ofrecer esta
información de actividad como permitir registrar la reflexión
consecuencia de esta auto-evaluación.
PL18 Facilitar la autoevaluación de la realización de cada tarea o F3 MC
actividad (Relacionado con el requisito anterior). Para esto el
estudiante debe poder visualizar los objetivos de la tarea,
resultados esperados, tiempo estimado, tiempo empleado, etc.
El estudiante debe poder registrar en un campo específico su
reflexión acerca de la ejecución de cada tarea a modo de
auto-evaluación.
PL19 Permitir la comparación de la ejecución de tareas. Es decir, F3 MC
seleccionar tareas y comparar el tiempo dedicado, las
estrategias empleadas, recursos añadidos, etc.
PL20 Permitir la comparación del plan seguido con el plan original. F3 MC
Esto debería ser idealmente implementado mediante una
comparativa personalizada (ver qué se quiere comparar, como
por ejemplo el tiempo estimado frente al dedicado, etc.),
aunque se podrían ofrecer comparativas prediseñadas.
Tabla 4: Requisitos para planificación y gestión de proyectos o tareas.
121
5.2.2 G E S T IÓ N D E L T IE M P O
Esta es una funcionalidad complementaria especialmente para herramientas de

planificación y gestión de tareas, pero es muy recomendable también para
herramientas de entrega de contenidos.
GT01 Permitir al estudiante realizar estimaciones temporales para F1 CD

tareas, objetivos, actividades, recursos o contenidos. El
elemento depende del tipo de herramienta. Las estimaciones
temporales han de ser guardadas en un campo específico.
GT02 Permitir registrar el tiempo empleado en las actividades F2 CD
desarrolladas en la misma. Esto es importante para futuras
monitorizaciones.
GT03 Permitir planificar tareas, objetivos, actividades, contenidos, F1 CD
etc. en el tiempo. El elemento dependerá del tipo de
herramienta. Esta planificación debe poder realizarse para
cualquier elemento, es decir, subtareas, subobjetivos, etc.
GT04 Permitir definir las horas disponibles para estudiar. Esto F1 CD
puede ser realizado con un horario que puede repetirse
semanalmente. Esto facilita la consciencia del tiempo
disponible y la localización del tiempo para episodios de
aprendizaje.
GT05 Permitir registrar las auto-observaciones de conducta para F2 MC
evaluar la gestión del tiempo. Estas auto-observaciones son F3 CD
reflexiones acerca del tiempo invertido, control de
distracciones, etc.
Tabla 5: Requisitos para gestión del tiempo.
5.2.3 E N T R E G A D E C O NT E N I D O S
Destacar que una herramienta con esta funcionalidad debería también

implementar la de gestión de recursos educativos e información, ya que son
complementarias.
EC01 Facilitar la activación del conocimiento previo sobre la F1 CG

materia. Esto puede ser realizado por ejemplo mediante la
visualización esquemática de conocimientos o contenidos
relacionados vistos previamente, o mediante un pequeño
cuestionario de conocimientos previos. El estudiante ha de
poder guardar una reflexión al respecto en un campo
específico.
122
EC02 Dar soporte para la relacionar o estructurar los contenidos. F2 MC

Presenta el contenido por módulos estructurados, CG
preferiblemente personalizables. El etiquetado es una
alternativa, aunque es deseable como complemento de cara a
relacionar contenidos de diferentes módulos.
La navegación por el contenido ha de ser sencilla, existiendo
un índice navegable, enlaces dentro del contenido y búsqueda.
EC03 Permitir al estudiante elegir entre diferentes módulos de F2 CG
contenido. Esto puede depender de cómo haya sido creado el
contenido, pero la herramienta ha de ofrecer la posibilidad de
que el estudiante pueda elegir en lugar de imponerle un orden
concreto.
EC04 Permitir al estudiante elegir entre diferentes modos de entrega F2 CG
de contenidos. Es decir, que sea posible ofrecer al estudiante
contenidos equivalentes en distintos formatos como vídeo,
audio o texto. Esto dependerá de cómo se cree el curso, pero
es imprescindible que la herramienta lo permita. De haber
varios modos de entrega, el estudiante podrá elegir.
EC05 Mostrar un guión o índice de lo que el estudiante se va a F2 CG
encontrar. Por ejemplo, previamente a acceder a un módulo,
el estudiante podría ver de un vistazo lo que se va a encontrar.
EC06 Ofrecer actividades para la monitorización cualitativa o F2 CG
revisión de nivel. Estas actividades de revisión de nivel pueden F3
formar parte del contenido.
EC07 Permitir planificar el visionado o revisión de los contenidos. F1 MC
El estudiante debe poder planificar cuándo quiere ver o revisar
un contenido. De esta forma podrá planificarse y ver el
volumen de trabajo que tendrá si quiere acabar por ejemplo un
curso en una fecha concreta.
EC08 Permitir realizar anotaciones sobre el contenido. Estas F2 CG
anotaciones se realizarán en contexto, es decir, dentro del
contenido o enlazadas al contenido.
EC09 Permitir marcar partes de los contenidos. Es decir, subrayar F2 CG
documentos de texto, añadir marcadores en la línea de tiempos
de un video o contenido de audio.
EC10 Permitir comparar la ejecución de una actividad con F2 MC
ejecuciones anteriores, propias o de otros usuarios (respetando F3
siempre la privacidad de los usuarios). Es decir, se puede
comparar por ejemplo el rendimiento, tiempo empleado,
resultados, etc. del estudiante con la media de la clase para una
tarea o actividad concreta, o para un conjunto de ellas.
Tabla 6: Requisitos para entrega de contenidos.
123
5.2.4 G E S T IÓ N D E R E C U R S O S E D U C A T I VO S E I NF O R M A C IÓ N
Esta es una funcionalidad especialmente interesante para herramientas de gestión

de proyectos o tareas y para las de entrega de contenidos.
GR01 Permitir guardar, enlazar o asociar recursos a tareas, objetivos F1 CG

o contenidos. Dependiendo del tipo de herramienta el F2 MC
elemento estructural será diferente. Lo importante es que el
estudiante debe poder registrar los resultados de la búsqueda
de información.
GR02 Permitir al estudiante estructurar los recursos educativos. El F1 CG
estudiante puede estructurar los recursos (ya sea a través de F2
enlaces o adjuntándolos) y estructurarlos en carpetas, temas,
capítulos, unidades, tareas, objetivos, etc. El etiquetado es
complementario para relacionar recursos que no se
encuentren en el mismo elemento estructural.
GR03 Permitir visualizar qué recursos han sido añadidos por el F2 CG
estudiante. Esto permite la monitorización de la búsqueda de F3 MC
información (los resultados).
GR04 Permitir al estudiante definir el estado de cada contenido o F2 MC
recurso. Es importante que el estudiante de un vistazo pueda F3
saber si ya ha visto un contenido o no. Los estados han de ser
como mínimo pendiente, visto, visto, revisar, revisado y sin
estado.
GR05 Permitir planificar el visionado o revisión de recursos. El F1 MC
estudiante debe poder planificar cuándo quiere ver o revisar
un contenido.
GR06 Permitir realizar anotaciones sobre los recursos. Estas F2 CG
anotaciones se realizarán en contexto, es decir, dentro del
recurso o enlazadas al mismo.
GR07 Permitir marcar partes de los recursos. Es decir, subrayar F2 CG
documentos de texto, añadir marcadores en la línea de tiempos
de un video o recurso de audio.
Tabla 7: Requisitos para gestión de recursos educativos e información.
5.2.5 GUÍAS DE ESTRATEGIAS
Esta es una funcionalidad poco común. No se ha encontrado ninguna herramienta

que la haya implementado, a excepción de un prototipo no funcional creado en el
marco del proyecto ROLE (ROLE, 2014). Consiste en proporcionar un repositorio
de estrategias bien definidas, que incluyan una explicación de la motivación de
cada estrategia así como de los pasos a seguir.
124
Esta funcionalidad es complementaria a la de planificación y gestión de proyectos

o tareas. También puede ser incluida en herramientas de entrega de contenidos
para proporcionar guías de estrategias cognitivas.
GE01 Permitir seleccionar una estrategia para una tarea o actividad F1 CG

concreta. Es decir, permitir la selección y asociación de la F2 MC
estrategia elegida a la tarea o actividad de entre las estrategias
disponibles en el repositorio. Esto se puede interpretar como
planificar el uso de esa estrategia para esa tarea o actividad.
GE02 Permitir añadir nuevas estrategias al repositorio. F1 CG
MC
GE03 Permitir modificar una estrategia para adaptarla a una tarea F1 MC
concreta.
GE04 Permitir evaluar o puntuar una estrategia. Es decir, ha de F3 CG
proveer un método de curación para que el estudiante pueda MC
seleccionar las estrategias que más usa o más se adaptan a su
forma de trabajar. Esto puede incluir un sistema de puntuación
sencillo, gestión de favoritos o ambos.
GE05 Recomendar estrategias adecuadas a las tareas. Para esto el F1 MC
sistema debe ser capaz de detectar e identificar el propósito o
las acciones implícitas en la tarea. Esto es realmente complejo,
pero se puede obtener una primera aproximación en base al
título de la tarea o actividad. Por ejemplo, la tarea “leer libro
X” lanzaría la recomendación de estrategias de lectura.
(Recomendado).
Tabla 8: Requisitos para guías de estrategias.
5.2.6 A U T O M O N I T O R IZ A C IÓ N Y A U T O E V A L U A C IÓ N
Esta es una funcionalidad casi imprescindible para facilitar la monitorización y la

reflexión, por lo que debería ser implementada tanto en gestores de proyectos o
tareas como en herramientas de entrega de contenidos.
ME01 Permitir al usuario autoevaluar su rendimiento a la hora de F3 MC

realizar una tarea o actividad. Esto ha de realizarse
facilitando información de evolución y monitorizaciones
previas, incluyendo las reflexiones que el propio usuario
haya podido registrar. Idealmente se emplearán gráficas para
aquellos datos que puedan ser representados de esta forma,
como el uso del tiempo o de los recursos.
ME02 Comparar el rendimiento en un episodio de aprendizaje con F3 MC
episodios anteriores.
125
ME03 Registrar las reflexiones del estudiante acerca de los F3 MC

problemas encontrados durante la planificación o ejecución MT
de tareas o actividades. Además se pueden registrar también
las soluciones empleadas. Esto permite atribuir las causas de
los problemas encontrados en las fases previas.
ME04 Mostrar los logros del estudiante. Éstos pueden estar F3 MT
relacionados con los objetivos o la consecución de tareas, o
con los resultados obtenidos, dependiendo del tipo de
herramienta. Esto aumenta la motivación.
ME05 Facilitar la autoevaluación de la realización de cada tarea o F3 MC
actividad (Relacionado con el requisito anterior). Para esto CX
el estudiante debe poder visualizar los objetivos de la tarea,
resultados esperados, tiempo estimado, tiempo empleado,
etc.
El estudiante debe poder registrar en un campo específico su
reflexión acerca de la ejecución de cada tarea a modo de
auto-evaluación.
ME06 Permitir al estudiante evaluar su conducta. Esto se realiza F3 MC
proporcionando información del uso del tiempo, recursos CD
añadidos, etc. en función del día, la semana, etc. De esta
forma el estudiante puede ver la dedicación que ha puesto en
el aprendizaje cada día. Éste ha de poder registrar una
reflexión al respecto en un campo específico.
Tabla 9: Requisitos para automonitorización y autoevaluación.
5.2.7 T R A B A J O C O L A B O R A T I VO
Esta es una funcionalidad secundaria habitual en cualquier tipo de software hoy en

día. Resulta imprescindible por las posibilidades de comunicación que ofrece,
permitiendo la colaboración a distancia.
TC01 Permitir trabajar de forma colaborativa sobre los elementos F2 CX

gestionados por la herramienta. Los elementos (proyectos,
tareas, objetivos, recursos, etc.) dependerán del tipo de
herramienta.
TC02 Permitir establecer reglas para el trabajo y la compartición F1 CX
de elementos. Los elementos dependerán del tipo de F2
herramienta. Debe permitir definir quién puede ver y editar
cada elemento. Esto ha de incluir gestión de grupos.
126
TC03 Permitir comunicaciones en contexto con otros usuarios. F2 CX

“En contexto” se refiere a que cualquier comentario o duda
se gestiona en el propio elemento a comentar, ya sea un
recurso, contenido, tarea, etc. dependiendo del tipo de
herramienta. Este tipo de sistema puede coexistir con un
foro, que puede ser empleado para discusiones generales, y
con mensajes directos, útiles cuando no hay un elemento de
contexto. La privacidad de las comunicaciones puede ser
configurable o heredar las reglas del elemento de contexto.
TC04 Permitir solicitar ayuda a otros usuarios para una tarea o F2 CX
actividad concreta. Es relevante que ese mensaje de solicitud
de ayuda lleve asociada la semántica de la petición. Se sugiere
que se implemente como un tipo de mensaje diferenciado.
TC05 Permitir valorar y/o puntuar la ayuda proporcionada por F3 CX
otros usuarios. Esto es relevante para el usuario que
proporciona la ayuda, ya que le facilita realimentación y le
permite saber si ha entendido o no el problema original o si
la solución propuesta es correcta o no.
TC06 Permitir asociar a otros usuarios o a personas externas a una F1 CX
tarea, objetivo, contenido o recurso como parte de la
planificación. Esto permite gestionar a las personas como un
elemento más ya sea para proporcionar apoyo, trabajar
colaborativamente o como experto para resolución de dudas.
TC07 Permitir comentar los resultados de una actividad o tarea F3 CX
común con otros usuarios (estudiantes y profesores).
Tabla 10: Requisitos para trabajo colaborativo.
5.2.8 R E Q U I S IT O S C O M U N E S
Hay un conjunto de requisitos que son comunes para todas las funcionalidades y
se han incluido en una categoría aparte. Se muestran en la siguiente tabla:
RC01 Permitir al estudiante registrar los resultados que espera F1 MT

obtener. Esto es válido para cualquier tipo de elemento
(contenido, objetivo, tarea, etc.).
RC02 Permitir al estudiante registrar dudas o marcar un elemento F2 CG
para revisar. Las dudas se registrarían en contexto, enlazadas
al elemento en sí, que dependerá del tipo de herramienta.
RC03 Promover la creación de esquemas, mapas mentales u otro F2 CG
tipo de estrategia de organización del conocimiento. El
resultado debe poder ser enlazado o adjuntado como recurso
al elemento gestionado por la herramienta.
127
RC04 Monitorizar (software) el interés del estudiante en la tarea. F2 MT

Este requisito puede ser solventado midiendo la cantidad de
recursos añadidos, el tiempo dedicado, etc. La herramienta
podría advertir al estudiante si está por debajo de la media, y
notificar al tutor de tratarse de una herramienta de cursos.
RC05 Permitir al estudiante valorar o registrar la motivación para F2 MC
cada tarea o contenido. Esto puede ser implementado F3 MT
mediante un sistema de puntuación que permita además
escribir una reflexión. La herramienta debe permitir
visualizar la evolución de la motivación y la comparación de
motivación entre tareas.
Si se trata de una herramienta de cursos, esta información es
muy valiosa para profesores, que han de contar con una
visualización propia para conjuntos de estudiantes.
RC06 Detectar si el estudiante puede necesitar ayuda. (Opcional) F2 CD
Nuevamente, si se trata de una herramienta en la que varios
usuarios han de llevar a cabo la misma tarea de forma
individual, es posible comparar el tiempo dedicado, la
cantidad de dudas registradas, etc. Para otro tipo de
herramientas puede resultar complejo inferir si el estudiante
necesita ayuda, y es por esto que este requisito es opcional.
De ser implementado, el software ha de preguntar al
estudiante y notificar al tutor, si existe.
Tabla 11: Requisitos comunes.
5.3 O TROS REQUISITOS IMPORTANTES
Además de estos requisitos específicos SRL hemos de contar con otros más
generales que son importantes para garantizar un soporte adecuado.
5.3.1 C O M U N IC A C IÓ N E NT R E A P L IC A C IO NE S : LE N G U A J E C O M Ú N
Algo imprescindible para permitir la monitorización del proceso de aprendizaje al

completo es la existencia de un lenguaje común en el que se puedan representar
las acciones que realiza el estudiante a lo largo de todo el proceso. Estos datos,
El registro de la
actividad del guardados en forma de trazas, son necesarios para facilitar la monitorización y la
estudiante es evaluación del alumno con respecto a su propio aprendizaje, y de profesores y
importante de cara a tutores con respecto a la autorregulación y evolución de sus alumnos.
la monitorización.
En este lenguaje o vocabulario debe ser posible representar las acciones derivadas
de las ejecución de las estrategias, desde la planificación hasta la evaluación final,
incluyendo lógicamente la ejecución de las actividades cognitivas de aprendizaje.
Se debe tener en cuenta además que no todas las acciones se realizarán a través de
software, por lo que el estudiante ha de poder registrarlas offline.
128
5.3 OTROS REQUISITOS IMPORTANTES
5.3.2 C O M P R O M IS O E N E L N I V E L D E G U I A D O
En SRL es el estudiante el que elige el camino de aprendizaje, escoge las estrategias

a seguir, se planifica, evalúa su desempeño, etc. Si abordamos el e-learning desde
esta perspectiva, nos encontramos con un estudiante que escoge sus herramientas
y gestiona su aprendizaje. Según varias investigaciones (Valtonen, y otros, 2012)
(Pintrich P. , 1999) (Núñez, Solano, González, & Rosário, 2006), no todos los
estudiantes están preparados para auto-gestionar su aprendizaje de forma
totalmente autónoma. Por esto es necesario establecer un compromiso entre el No todos los
aprendizaje guiado y el aprendizaje totalmente libre a la hora de crear software estudiantes necesitan
el mismo nivel de
específico para SRL, y hacer que el nivel de guiado sea ajustable, ya que al final se guiado, y el mismo
reducirá a una preferencia o necesidad personal de cada individuo, algo que ya se estudiante en
ha planteado en el proyecto ROLE (Nussbaumer, y otros, 2013). diferentes momentos
necesitará distintos
Esto puede ser aplicable o no en función del tipo de herramienta, o de las niveles de guiado.
funcionalidades que ofrece. Por ejemplo, en una herramienta de entrega de
contenidos como un LMS el guiado suele ser total aunque generalmente depende
de cómo esté estructurado el curso. En este caso sería necesario tratar de ofrecer
cierta libertad a los estudiantes para que aborden el aprendizaje a su manera.
5.4 C ONCLUSIONES
En este capítulo se ha presentado el análisis de estrategias, se han identificado las
funcionalidades con potencial para el soporte SRL (objetivo específico OE1) y los
requisitos para el soporte software a las estrategias SRL (objetivo específico OE2).
El análisis de estrategias y la definición de requisitos son clave en esta
investigación. Han permitido definir la evaluación del soporte software en SRL así
como las necesidades de la monitorización SRL. Las contribuciones de los capítulos
siguientes son consecuencia directa de los resultados presentados aquí.
Con estos requisitos se pretende sentar las bases para una posible mejora del
soporte software al SRL en el futuro. Su mayor utilidad es que pueden ser
empleados como guía de implementación de soporte software a las estrategias SRL,
ya que se han definido a un nivel más bajo que las alternativas existentes, tratando
de solventar los problemas que éstas planteaban, y se han realizado una
clasificación por funcionalidad para facilitar su utilización. Para cada funcionalidad
se incluye una recomendación de implementación conjunta de otras
funcionalidades, ya que unas complementan a otras.
Implementación de estrategias
Algunas de las estrategias pueden ser directamente ejecutadas en software, es decir,
pueden ser implementadas de forma que toda la estrategia pueda ser puesta en
práctica utilizando una herramienta software. A estas estrategias podemos
llamarlas embebidas, y son las que potencialmente podrán obtener un soporte más
avanzado. Otras sin embargo no pueden ser implementadas completamente debido
a que implican procesos internos al estudiante o la interacción con elementos
129
externos. Estas estrategias pueden recibir soporte creando guías de las mismas que
sean accesibles desde software. Esto no se ha detallado aquí por no desviar la
atención del lector de las conclusiones del análisis de las estrategias, que es lo
realmente relevante, pero es interesante mencionarlo para comprender que es
posible ofrecer un soporte bastante completo a todo el proceso de aprendizaje,
incluyendo tareas cognitivas externas (lectura, creación de esquemas, resolución
de problemas, etc.) mediante estrategias de guía. Esto ha sido contemplado de
forma expresa en la funcionalidad guías de estrategias. Este concepto ya ha sido
explorado en el proyecto ROLE a través del Learning Activity Recommender
widget (Lachmann & Kiefel, 2012), que ha sido experimental y no está disponible
actualmente.
130
6 CESARAS: EVALUACIÓN DEL SOPORTE AL
SRL EN SOFTWARE
6
The number one benefit of information technology is that it empowers
people to do what they want to do. It lets people be creative. It lets people
be productive. It lets people learn things they didn’t think they could learn
before, and so in a sense it is all about potential.
— Steve Ballmer
Como se ha comentado en secciones anteriores, las estrategias de aprendizaje,

además de ser métodos o técnicas, describen lo que los estudiantes autorregulados
hacen, ya sea conociendo las estrategias o desarrollando sus propios métodos de
organización y aprendizaje. La autorregulación del aprendizaje conlleva múltiples
acciones diferentes: organización, registro de información, evaluación, reflexión,
etc. Como se ha visto en el Capítulo 4, hay herramientas software que, orientadas
o no al aprendizaje o enseñanza, ofrecen soporte potencial para muchas de las
tareas implicadas en los procesos SRL. En cualquier caso, raramente se promociona
el uso de herramientas software para el desarrollo de estrategias SRL. Esto puede
ser debido a la falta de conocimiento acerca de las herramientas o a la falta de
confianza en las posibilidades de soporte que éstas ofrecen al SRL. Por lo tanto,
conocer el nivel de soporte SRL ofrecido por cada herramienta software ayudaría
a disipar estas dudas y facilitaría a profesores y estudiantes su elección al permitir
la comparación entre ellas. Además, una evaluación detallada destacaría los puntos
débiles de cada herramienta, permitiendo mejorar los puntos clave para aumentar
su soporte al SRL. Sin embargo, en la sección 4.3 y en las conclusiones del Capítulo
4 hemos visto que la evaluación del soporte SRL no es algo trivial y la única
solución creada hasta el momento ofrece resultados parciales, resultando
inadecuada.
En el capítulo anterior hemos definido un nuevo conjunto de requisitos para el
soporte software al SRL. Emplearemos éstos como criterios de evaluación para la
creación de un instrumento que aporte una solución al objetivo específico OE3:
facilitar una forma de evaluación del soporte software al SRL. Este instrumento,
que hemos llamado CESARAS, acrónimo de “Cuestionario para la Evaluación del
Soporte a la Auto-Regulación del Aprendizaje en Software”, es presentado en este
capítulo. Comenzaremos con la presentación del concepto y de sus objetivos y
requisitos. Después se describe cómo ha sido el proceso de creación y
estructuración de las preguntas, sus respuestas y las rúbricas asociadas a cada
respuesta. Seguiremos con la calibración de resultados y la descripción del proceso
de validación del cuestionario. Y, por último, se muestran algunos ejemplos de
resultados obtenidos tras la aplicación del cuestionario.
EVALUACIÓN DEL SOPORTE AL SRL EN SOFTWARE
6.1 C ONCEPTO , OBJETIVOS Y REQUISIT OS DE CESARAS

Uno de los instrumentos más comunes para evaluar cualquier sistema o
herramienta software es el cuestionario, que permite recoger información
comparable. Es empleado habitualmente para medir la usabilidad y otras
cuestiones relativas a la interacción con el usuario. Los cuestionarios
auto-cumplimentados son los más empleados, dado que permiten encuestar a un
gran número de personas, no existe el sesgo de un entrevistador, el coste es bajo y
se pueden estandarizar. Por otro lado, dependen en gran medida de cómo estén
redactadas las preguntas, del tipo de pregunta/respuesta elegida (abierta o cerrada)
y de los códigos, puntuaciones y escalas de cara a su fiabilidad y objetividad.
CESARAS (Cuestionario de Evaluación del Soporte a la Auto-Regulación del
Aprendizaje en Software) es un cuestionario autocumplimentado diseñado para
medir o estimar el soporte ofrecido por una herramienta software a la
implementación de las estrategias SRL.
Los fundamentos de este instrumento surgen de dos focos. Por un lado, del deseo
de conocer los puntos fuertes y débiles de cada herramienta de cara a su utilización
en un escenario SRL. Por otro, de la aplicación casi directa de la lista de requisitos
o criterios de diseño para el desarrollo de herramientas software con soporte SRL
extraídos del análisis de estrategias, expuestos en el Capítulo 5, que conforman el
constructo principal.
Objetivos y requisitos
A la hora de crear el cuestionario de evaluación se han fijado dos objetivos
principales:
 CO1: permitir una evaluación adecuada de herramientas software sin

necesidad de tener conocimientos extensos acerca de SRL.
 CO2: facilitar la identificación de los puntos débiles de las herramientas

para las funcionalidades analizadas.
A su vez, el cuestionario ha de cumplir los siguientes requisitos:
 CR1: ha de ser suficientemente flexible para evaluar distintos tipos de

herramientas sin penalizar ni favorecer a ningún tipo en concreto.
 CR2: ha de evitar en la medida de lo posible juicios subjetivos en la

evaluación.
 CR3: ha de ser fácil de usar y minimizar el tiempo necesario para completar

la evaluación.
Casos de uso
Esta herramienta está orientada a dos casos de uso principales ya comentados
previamente, que describiremos aquí:
132
6.1 CONCEPTO, OBJETIVOS Y REQUISITOS DE CESARAS
SELECCIÓN DE HERRAMIENTAS No resulta fácil saber si una herramienta software

es adecuada para su uso en un entorno SRL, y más complicado es escoger entre
varias cuál es la más conveniente. CESARAS pretende facilitar la evaluación de
herramientas proporcionando una puntuación que las haga fácilmente
comparables entre sí en términos de soporte SRL. Por tanto, puede ser utilizado
por profesores, escuelas o instituciones para la selección de herramientas.
IDENTIFICACIÓN DE POSIBLES MEJORAS EN APLICACIONES Pensando en el desarrollo
de software educativo y en la posibilidad de mejorar el soporte ofrecido al SRL,
este cuestionario puede ser una herramienta que ayude a identificar las carencias
de una aplicación en cuanto al soporte SRL. Es por ello que los desarrolladores de
software podrían emplear esta herramienta para mejorar sus aplicaciones.
6.2 P REGUNTAS Y RESPUESTAS
El cuestionario consta de 84 ítems que abarcan las tres fases y cinco áreas del SRL
descritas en el Capítulo 2 (sección 2.3). Se ha tratado de adaptar la forma de cada
pregunta a su objetivo, para lo que se han empleado diferentes tipos de preguntas
y respuestas. En este apartado se muestran primero los tipos de preguntas
considerados para exponer seguidamente la elaboración de las preguntas y su
clasificación.
6.2.1 TIPOS DE PREGUNTAS Y RESPUESTAS
Existen básicamente dos tipos de preguntas a la hora de hacer cuestionarios:

abiertas o cerradas.
Las preguntas abiertas son aquellas en las que la respuesta es libre, y permiten
que el usuario o experto realice comentarios, propuestas, o matice respuestas de
alguna pregunta cerrada anterior. Son especialmente útiles para obtener
información compleja. Tienen las desventajas de ser difíciles de codificar y requerir
tiempo para su procesado. Dentro de las preguntas abiertas, las de respuesta corta
son habitualmente empleadas en cuestionarios.
Las preguntas cerradas son aquellas en las que las posibles respuestas vienen
especificadas. Son las más empleadas para lo que nos ocupa. El tipo de las respuestas
define cómo será la pregunta, pudiendo ser principalmente de dos clases:
 las basadas en opciones con selección sencilla o múltiple. En este clase de

pregunta-respuesta, las respuestas están basadas en opciones definidas
específicamente para cada pregunta y es necesario emplear alguna forma de
codificación que de un valor a cada opción de respuesta.
 las basadas en escalas. En éstas, la propia escala aporta el valor de la

respuesta. Para el enunciado es habitual emplear afirmaciones en lugar de
preguntas.
133
Escalas
Las escalas de puntuación por intervalos son empleadas de forma frecuente en
herramientas de evaluación. Éstas pueden ser definidas por el investigador o
escogidas entre escalas ya establecidas, siendo las más comunes la de Likert (Likert,
1932) o la de Guttman (Guttman, 1950).
La escala de Likert es una escala analógica verbal que mide el grado de acuerdo o
desacuerdo que el encuestado tiene con respecto a la afirmación establecida.
Originalmente creada para medir actitudes, es muy usada en psicología y ciencias
sociales. Un ejemplo de escala Likert sería:
Indique el grado de acuerdo o desacuerdo con la siguiente afirmación:

Total desacuerdo Total acuerdo
La aplicación me resulta útil 1 2 3 4 5
La escala de Guttman emplea cuatro o cinco frases que expresan un hecho

favorable o desfavorable con respecto al tema a tratar de forma creciente, de
manera que si el encuestado está de acuerdo con una frase estará de acuerdo con
todas las anteriores. Un ejemplo de escala Guttman sería:
Señale la frase con la que está más de acuerdo:

1. No le encuentro utilidad a la aplicación.
2. La aplicación es poco útil.
3. La aplicación es útil.
4. La aplicación es muy útil.
Las escalas suelen tener entre 5 y 9 puntos, permitiendo así una puntuación
neutral, aunque a veces esto trata de evitarse empleando un número par de
opciones para obligar al encuestado a posicionarse y minimizar el llamado sesgo
denominado error de tendencia central.
Rúbricas
Una rúbrica es un conjunto de criterios y estándares empleado para realizar
evaluaciones objetivas. Permite estandarizar la evaluación de acuerdo a criterios
específicos, simplificando el proceso.
En las rúbricas se asocia un criterio a una puntuación de forma que la evaluación
sea clara. Si se cumple ese criterio, se obtiene esa puntuación. El criterio puede
estar formado por uno o varios requisitos más o menos complejos. Cuanto más
exigente sea el criterio, más alta será la puntuación. Vamos a ilustrar el concepto
con un ejemplo real, planteado en la siguiente tabla, en la que vemos 3 criterios
empleados para una rúbrica que evalúa la reusabilidad de objetos de aprendizaje:
134
6.2 PREGUNTAS Y RESPUESTAS
Criterios de reusabilidad
Reusabilidad del contenido: el objeto de aprendizaje se organiza
a modularmente, de forma que todas o alguna de sus partes puede
utilizarse para construir otros objetos de aprendizaje.
Reusabilidad del contexto educativo: el objeto de aprendizaje o alguno
b
de sus módulos puede utilizarse en diversos entornos de aprendizaje.
Reusabilidad del entorno: el objeto de aprendizaje o alguno de sus
c módulos puede utilizarse en diversos entornos de aprendizaje
(presencial, virtual o mixto).
Rúbricas para reusabilidad
Puntuación 1 2 3 4 5
a parcial: modular pero no
Criterio No modular a a+c a+b+c
reutilizable
Tabla 12: Ejemplo de rúbrica (Fernández-Pampillón, Domínguez, & Armas, 2012).
Como podemos observar en el ejemplo, un contenido no modular obtendría un 1,

un contenido modular pero no reutilizable un 2, y el resto de puntuaciones se
asignan a la suma de los criterios establecidos previamente, siendo la máxima un 5.
6.2.2 E L A B O R A C IÓ N D E P R E G U N T A S Y R E S P U E S T A S
Para este cuestionario se han elegido preguntas cerradas para permitir una fácil
codificación y poder usar puntuaciones y rúbricas. Las preguntas abiertas tan sólo
se han usado para la obtención de realimentación acerca del cuestionario, ya que
su codificación es realmente compleja y requiere de una valoración que puede ser
subjetiva, a lo que hay que sumar la subjetividad de la propia respuesta.
Inicialmente la redacción de las preguntas estaba orientada a los expertos, de
forma que alguien que conociera las estrategias pudiera responder al cuestionario
sin dudar, ya que éstas eran claramente identificables en las preguntas.
Posteriormente la redacción ha sido modificada para que cualquier usuario que
conozca la herramienta a analizar pueda realizar el cuestionario sin problemas,
para lo que se han planteado las preguntas de una forma más neutra, incluyendo
algunos elementos aclaratorios según las necesidades. Se mostrarán a continuación
los factores más determinantes tenidos en cuenta durante el proceso.
Por qué no se han empleado escalas

Lo que más condiciona la redacción de las preguntas de un cuestionario es el tipo
de respuesta que va a tener esa pregunta. Inicialmente se eligieron escalas de
puntuación por intervalos, por ser el tipo de pregunta-respuesta más empleada en
cuestionarios de evaluación. Tras varios intentos de planteamiento de las preguntas
ha resultado imposible encontrar una forma de redactarlas que evite el juicio
subjetivo en la respuesta, ya que éste es inherente a las escalas.
Estas escalas miden la percepción subjetiva u opinión del sujeto, que puede
ceñirse o no a la realidad. Por tanto, la fiabilidad de las respuestas a la hora de
135
realizar una evaluación dependerá del grado de conocimientos y experiencia del

sujeto con respecto al tema tratado en el cuestionario y del enfoque presentado en
la pregunta. Aunque el cuestionario fuese cubierto por expertos en las típicas
revisiones por pares (peer reviews), puede resultar poco fiable. Esto se agrava si los
expertos están implicados directamente en el desarrollo de la herramienta a
evaluar, lo cual es uno de los principales casos de uso de CESARAS.
Las preguntas tratan de constatar hechos. Dado que uno de los objetivos de este
cuestionario es eliminar en la medida de lo posible las opiniones subjetivas del
usuario o evaluador, se han descartado finalmente las escalas y se han reelaborado
aquellas preguntas que las usaban para pasar así a emplear puntuaciones y rúbricas
asociadas a cada respuesta.
Por ejemplo, la siguiente pregunta sobre gestores de tareas empleaba una escala
Likert, y por tanto exigía el juício del evaluador:
La herramienta permite al usuario definir sus objetivos. 1 2 3 4 5
Por norma, un gestor de tareas permite únicamente gestionar tareas dentro de

proyectos o listas, aunque en ocasiones, pueda tener otras funcionalidades a
mayores. Normalmente no cuentan con un elemento de tipo “objetivo”, sino que
solamente permiten al usuario trabajar con elementos de tipo “tarea”. Con escalas,
la respuesta a la pregunta planteada dependerá del punto de vista del evaluador.
Dependiendo de cómo se use la herramienta, las tareas podrían ser definidas como
“objetivos” empleando, por ejemplo, etiquetas para aportar semántica a las tareas.
Por tanto, un gestor de tareas que permita etiquetado, dependiendo del evaluador,
obtendrá una puntuación alta, media o baja dependiendo de su criterio y de si es
conocedor de este uso del etiquetado.
Una redacción alternativa, tratando de centrarse en esta carencia común en este
tipo de software, podría evitar este tipo de desviaciones de puntuación:
La herramienta distingue entre los conceptos de objetivo y tarea; es decir, los

contempla como dos elementos diferenciados. Sí No
Esta otra versión de la pregunta define claramente que la herramienta ha de

diferenciar entre los conceptos de “objetivo” y “tarea”, permitiendo gestionar
elementos de ambos tipos. No da opción al usuario a realizar una valoración, sino
que ha de limitarse a escoger, y por tanto corroborar, una de las dos opciones. En
el ejemplo anterior, la respuesta sería “No”.
Para la creación del cuestionario se han definido varios tipos de preguntas y cómo
han de ser las respuestas para cada uno de los tipos.
136
6.2 PREGUNTAS Y RESPUESTAS
Tipos de preguntas empleadas en CESARAS

Se han empleado varios tipos de preguntas cerradas. En función de sus respuestas
las podemos clasificar como:
 Dicotómicas: se trata de una pregunta formulada de tal manera que la

respuesta deba ser sí o no. Ha sido elegida para las principales preguntas Las preguntas llave
llave y para todas aquellas que por ser directas y simples lo permiten. son aquellas que, en
función de la
 Opciones: se trata de una pregunta en la que el usuario ha de elegir una o respuesta, dan acceso
a otras preguntas o
varias opciones concretas. De forma similar a la escala Guttman (ver pág. conjuntos de
138), las respuestas están ordenadas de mayor soporte a menos, o de soporte preguntas. Esto
más avanzado a menos avanzado. generalmente se
implementa
 Valores: en este caso, cada respuesta corresponde a un valor o rango de empleando rutas de
saltos entre preguntas.
valores, ordenados de mejor a peor soporte.
Estos tres tipos de pregunta se mezclan a lo largo del cuestionario en función de las
necesidades específicas de cada pregunta.
6.2.3 C L A S I F IC A C IÓ N Y O R D E N A C IÓ N
La clasificación de preguntas es necesaria tanto para agrupar y ordenar las

preguntas a la hora de mostrarlas al usuario como para procesar los resultados.
Teniendo en cuenta que la intención es poder analizar herramientas diferentes
minimizando el tiempo de evaluación, se ha buscado una forma de agrupar las
preguntas que permita obviar aquellas que no son relevantes para la aplicación a
evaluar.
A la hora de clasificar las preguntas se han tenido en cuenta varios criterios que
han sido usados posteriormente en su ordenación y agrupación:
 Estrategia a la que hacen referencia.
 Relevancia para la estrategia.
 Fase y área del SRL a la que pertenece la estrategia.
 Funcionalidad software en la que encaja la estrategia.
La clasificación por fases y áreas SRL se ha descartado como criterio de agrupación

a pesar de su relevancia debido a que hay estrategias que abarcan varias fases y/o
áreas, lo cual hace imposible realizar una agrupación coherente sin repetir
elementos. Las preguntas han sido agrupadas en secciones atendiendo primero a la
funcionalidad software, empleando la clasificación descrita en la sección 5.2,
creando siete grandes secciones más una adicional dedicada a preguntas comunes
a todas las funcionalidades.
137
Funcionalidades software evaluadas (secciones)

Las funcionalidades software evaluadas coinciden nuevamente con las
identificadas en el Capítulo 5, sección 5.2. Aquí simplemente las listaremos por
recordarlas al lector:
 Planificación y gestión de proyectos o tareas.
 Entrega de contenidos.
 Gestión de información y recursos educativos.
 Gestión del tiempo.
 Guías de estrategias.
 Automonitorización y autoevaluación.
 Trabajo colaborativo.
Ordenación dentro de cada sección

Dentro de estas secciones las preguntas han sido agrupadas en función de la
estrategia a la que pertenecen y ordenadas según su relevancia para la estrategia,
aunque estos subgrupos no tienen visibilidad para el usuario. La fase y el área SRL
se han empleado para ordenar los subgrupos de preguntas dentro de las secciones
y se ha mantenido también como criterio para el análisis de resultados.
Ventajas de esta clasificación

Esta estructura nos ha permitido crear secciones de preguntas relacionadas con la
misma funcionalidad o estrategia a las que se puede acceder a través de una
pregunta llave. Es decir, cada sección de funcionalidad se muestra solamente si la
herramienta cuenta con dicha funcionalidad, descrita en la pregunta llave. Al
mismo tiempo, algunas preguntas son saltadas automáticamente en función de las
respuestas anteriores. Gracias a esto, el número total de preguntas respondidas para
una herramienta concreta puede ser entre 14 y 27 para una funcionalidad, entre
21 y 38 para dos, etc., en lugar de las más de 80 preguntas existentes.
Este método de clasificación y preguntas llave permite por un lado ahorrar
mucho tiempo a la hora de usar el cuestionario, lo cual mejora la experiencia del
usuario, a la vez que permite evaluar herramientas de distintos tipos sin producir
resultados engañosos, ya que se estudian las funcionalidades por separado
adaptando la evaluación a la herramienta a evaluar. Es decir, en lugar de emplear
las mismas preguntas para evaluar herramientas con fines distintos, el conjunto de
preguntas se adapta a las funcionalidades que ofrece cada herramienta —dentro
del conjunto de funcionalidades incluidas—. Esto que parece obvio no ha sido
tenido en cuenta en anteriores herramientas de evaluación de soporte SRL en
software, vistas en la sección 4.3.
138
6.3 PUNTUACIÓN Y CREACIÓN DE RÚBRICAS
6.3 P UNTUAC IÓN Y C REACIÓN DE RÚBRIC AS
Se ha empleado un sistema de puntuación sencillo en el que cada respuesta tiene

un valor fijo que será añadido al resto al final. Tras las pruebas iniciales hemos
encontrado que este tipo de sistema de puntuación basado en rúbricas requiere dos
consideraciones.
Primero es necesario saber qué items son más relevantes, ya que deberán tener
mayor peso en la puntuación final. El cuestionario ha sido analizado en
colaboración con dos pedagogas de la Universidad de Santiago de Compostela
especializadas en e-learning, Adriana Gewerc (doctora) y Ana Rodríguez Groba
(doctoranda), con la intención de valorar las preguntas y requisitos, incluyendo la
relevancia de cada pregunta para la implementación de la estrategia relacionada.
Gracias a esta colaboración algunas preguntas han sido descartadas y otras
reformuladas, y se han identificado las preguntas más relevantes. Sus indicaciones
han servido para asignar los valores iniciales de puntuación para los primeros test.
Segundo, es necesario calibrar los valores asignados a cada respuesta para obtener
resultados consistentes y coherentes. Conocer la relevancia de cada pregunta es un
buen comienzo, pero es necesario verificar si los resultados encajan con la
percepción de un experto a través del uso real de una herramienta software. Esto
puede parecer que contradice la eliminación de la subjetividad de las evaluaciones
con la herramienta, teniendo en cuenta que los resultados se ajustan en base a la
percepción de un experto. Cabe destacar que se ha buscado la imparcialidad en este
proceso tratando de evitar intereses personales en favorecer o discriminar
herramientas concretas, y se ha realizado el proceso únicamente atendiendo a la
capacidad de cada herramienta para dar soporte a las estrategias en base a la
experiencia de uso y análisis de características.
6.3.1 C L A S I F IC A C IÓ N D E L O S IT E M S D E C A R A A LO S R E S U LT A D O S
Como se ha mencionado previamente, las preguntas han sido clasificadas

principalmente de dos formas para la ordenación de preguntas: por funcionalidad
y por fase y área SRL. Esta doble clasificación aplicada a los resultados permite
conocer rápidamente los puntos fuertes y débiles de una herramienta.
Por un lado se obtiene la puntuación para cada funcionalidad específica. Esto
permite ver si la herramienta evaluada es buena para alguna de las funcionalidades
consideradas, y evita que se descarte por tener una puntuación global baja. Una
herramienta puede destacar en una funcionalidad específica y ofrecer un buen
soporte para un conjunto determinado de estrategias. Para evitar resultados
engañosos, si la herramienta no da soporte a una funcionalidad concreta —la
pregunta llave ha sido respondida negativamente—, la sección de esta
funcionalidad no es incluida en el resultado global. Si se incluyesen todas siempre,
solamente herramientas con todas las funcionalidades obtendrían buenos
resultados globales y aquellas con un soporte mediocre en varias funcionalidades
obtendrían una puntuación global más alta que otras con un soporte excelente para
una de las funcionalidades. Esto sería un error teninendo en cuenta que una de las
finalidades de CESARAS es la recomendación de herramientas. Cada funcionalidad
ha de ser considerada por separado para obtener resultados coherentes y realistas.
Por otro lado se obtiene una puntuación para cada fase y área SRL. Esto permite
ver las fases y áreas de la autorregulación del aprendizaje soportadas por la
herramienta. Cabe resaltar que esta puntuación es orientativa, debido a que no se
han podido incluir todas las estrategias de cada fase y área por las razones descritas
en el Capítulo 5. Esto ha de ser tenido en cuenta a la hora de usar la herramienta.
La combinación de ambas clasificaciones permite ver el nivel de soporte a cada
area y fase para cada funcionalidad cubierta por la herramienta evaluada.
6.3.2 P U N T U A C IO N E S I NIC I A L E S
Cada pregunta contaba inicialmente con un máximo de 5 puntos para la opción

con mayor soporte y un mínimo de 0 para la inexistencia de soporte. Cuando hay
más de dos opciones, el resto obtenían 4, 3, 2, o 1 puntos en función de cuánto se
acercasen al soporte máximo o a la inexistencia de soporte. Se ha considerado cada
una de las respuestas intermedias de forma individual de cara a la asignación de
esta puntuación. Estas puntuaciones han sido calibradas según el procedimiento
descrito en la siguiente sección.
6.4 C ALIBRACIÓN DE RESULT ADOS
La calibración de los valores de puntuación de las respuestas es un proceso

necesario para obtener resultados consistentes y coherentes. En este caso
particular, la clave ha residido en calibrar el peso de las preguntas en la puntuación
final, es decir, establecer la diferencia de puntuación entre las preguntas más y
menos relevantes. Para esto se han seguido los siguientes pasos:
1. Selección de herramientas de control para cada funcionalidad incluida en

CESARAS.
2. Realización de un análisis cualitativo por expertos del potencial para el uso

en SRL de las herramientas de control.
3. Evaluación de las herramientas de control con CESARAS.
4. Comparación cualitativa de los resultados de los pasos 2 y 3 con especial

énfasis en las diferencias.
5. Ajuste de las puntuaciones de cada respuesta.
A continuación se describe el proceso de calibración siguiendo estos pasos. Cabe

destacar que no se ha podido seguir un proceso de calibración más riguroso ya que
han de ser aplicados a un conjunto suficiente de muestras. En este caso no se han
obtenido suficientes muestras debido primero al escaso número de expertos en
140
6.4 CALIBRACIÓN DE RESULTADOS
e-learning y SRL (se han encontrado 59 doctores o investigadores expertos en

ambos campos) y a la baja respuesta del conjunto de expertos de contactados (16
entradas en total).
6.4.1 S E L E C C IÓ N D E A P L IC A C IO NE S D E C O NT R O L
Para cada funcionalidad incluida en el cuestionario se han elegido 3 o 4

herramientas de control. Algunas herramientas han sido utilizadas para varias
funcionalidades.
El criterio fundamental para la selección ha sido que cubran la funcionalidad de
forma específica, por lo que en muchos casos las herramientas elegidas no son
orientadas al e-learning sino genéricas (según lo descrito en el Capítulo 4). De esta
forma, este pequeño análisis puede valer también para demostrar o no el potencial
de las herramientas genéricas para dar soporte a los procesos SRL, algo que también
nos ha resultado interesante. Se exponen a continuación las selecciones realizadas
para cada funcionalidad.
Planificación y gestión de proyectos o tareas

Hay multitud de herramientas de este tipo, desde simples gestores de tareas a
herramientas avanzadas de gestión de proyectos, orientadas en muchos casos a la
gestión de equipos de trabajo. Además, esta funcionalidad es incluida
frecuentemente en otros tipos de herramientas como LMS, e-portfolios, etc. En
este caso hemos seleccionado herramientas bastante diferentes, todas ellas
orientadas a la gestión de proyectos o tareas:
 Wunderlist: gestor de tareas sencillo.
 Workflowy1: gestor de tareas basado en listas anidadas.
 Asana2: gestor de proyectos y tareas avanzado.
 ClockingIt3: gestor de proyectos con funciones de gestión del tiempo.
Entrega de contenidos
Como se ha comentado antes, esta funcionalidad es común a varios tipos de
herramientas, desde LMS a blogs o redes sociales, por lo que se han seleccionado
varias de diferentes tipos de cara a maximizar la coherencia de resultados
independientemente del tipo de herramienta:
 Moodle: LMS.
 Blackboard: LMS.
1 https://workflowy.com
2 http://www.asana.com
3 http://www.clockingit.com
141
 Blogger1: blog.
 ELGG: red social configurable.
Gestión de información y recursos educativos

Esta es también una funcionalidad que es posible encontrar en diferentes tipos de
herramientas y que puede ser implementada de muchas formas, siendo la
funcionalidad mínima la capacidad para enlazar recursos en línea.
 Moodle: LMS.
 Evernote2: herramienta de gestión personal.
 Asana: gestor de proyectos y tareas avanzado.
 Diigo: herramienta de marcadores sociales.
Gestión del tiempo

Para esta funcionalidad se han elegido herramientas específicas de gestión del
tiempo así como otras en las que esta funcionalidad es complementaria.
 Everhour3: gestión del tiempo.
 TimeEdition: gestión del tiempo.
 Learn Tracker: herramienta de cursos con gestión del tiempo.
 ClockingIt: gestor de proyectos con funciones de gestión del tiempo.
Guías de estrategias
Desafortunadamente no se ha encontrado ninguna herramienta que incluya esta
funcionalidad, una señal más que indica que es necesario realizar una revisión del
software educativo a nivel funcional de cara a mejorar el soporte y favorecer la
autonomía de los estudiantes.
Automonitorización y autoevaluación
Esta funcionalidad no está muy extendida, pero hemos seleccionado herramientas
diferentes en las que es posible emplearla en mayor o menor medida:
 Moodle: LMS.
 Learn Tracker: herramienta de cursos con gestión del tiempo.
 Mahara ePortfolio: portfolio electrónico.
 Everhour: gestión del tiempo.
1 https://www.blogger.com
2 https://evernote.com
3 https://everhour.com
142
Trabajo colaborativo
En esta funcionalidad es posible encontrar herramientas de muchos tipos, ya que
esta no es una funcionalidad principal sino una característica extra habitual hoy en
día en aplicaciones en línea. Se han elegido también herramientas de diferentes
tipos.
 MindMeister1: creación de mapas mentales avanzados.
 Google Drive (antiguo Google Docs) y todas sus herramientas.
 Asana: gestor de proyectos y tareas avanzado.
 ELGG: red social configurable.
6.4.2 E V A L U A C IÓ N D E E X P E R T O S
En este segundo paso se realizó una evaluación de las características de cada

aplicación software atendiendo a sus posibilidades para ofrecer soporte a las
estrategias SRL.
En este proceso el evaluador, conocedor de las estrategias, usó el software
tratando de ponerlas en práctica. Durante este proceso anotó los problemas
encontrados así como las características destacables de la aplicación y asignó una
puntuación para cada funcionalidad representada en el software. Se trata de una
evaluación práctica, orientada al uso de las estrategias. En algunas herramientas
surgieron cuestiones de usabilidad (ver apartado 4.3) que están fuera del ámbito de
esta tesis.
A continuación se muestran cuatro ejemplos de evaluación de expertos para
cinco herramientas diferentes del grupo de control.
ASANA
Se trata de una herramienta de gestión de proyectos muy completa. Permite la

creación de espacios de trabajo y equipos de trabajo, que pueden compartir un
espacio de trabajo.
Ventajas - A destacar
 Multidispositivo: hay una versión para cada uno de los principales sistemas
operativos tanto móviles (Android, IOS) como de pc (Windows 7, 8, 10 y
Mac OS X), y una versión web.
 Permite la colaboración compartiendo espacios de trabajo (incluye todos los

proyectos de ese espacio) o proyectos individuales (versión de pago).
 Múltiples posibilidades de presentación de las tareas: ordenadas por

proyecto, por fecha, por persona asignada o por popularidad. Además
1 https://www.mindmeister.com
143
permite crear secciones dentro de cada proyecto para ordenar o clasificar

manualmente las tareas.
 Posibilidad de marcar las tareas asignadas al usuario para hacer hoy, como
próximas o para después independientemente de la fecha límite de la tarea.
 Posibilidad de definir fechas límite para tareas, subtareas, secciones y

proyectos.
 Permite etiquetar tareas a cualquier nivel.
 Dispone de un calendario para poder ver las tareas con fecha límite.
 Permite enlazar archivos a cualquier tarea o subtarea.
 Permite comentar cualquier tarea o subtarea.
 Permite seguir una tarea o subtarea si formas parte del equipo de trabajo de
ese espacio o proyecto.
 Muestra una gráfica de evolución del número de tareas completadas y

pendientes de cada proyecto. La gráfica es genérica, no configurable.
 Permite la creación y el uso de plantillas de proyectos.
 Es expandible mediante plugins para múltiples propósitos, como gestión del

tiempo.
Inconvenientes – A mejorar
 No distingue entre tareas y objetivos.
 Aporta poca información para la monitorización.
 No dispone de gestión del tiempo, aunque esta funcionalidad puede ser

añadida a través de una integración con una herramienta externa como
Everhour.
Puntuación
Planificación y gestión de proyectos o tareas 6
Entrega de contenidos .
Gestión de recursos educativos e información 5
Gestión del tiempo .
Guías de estrategias .
Automonitorización y autoevaluación 3
Social y trabajo colaborativo 9
144
Conclusiones
Asana puede ser adecuada para la planificación del estudio por parte de un
estudiante autorregulado. Mejoraría el soporte si es ampliada con algunas
aplicaciones que permite integrar, especialmente alguna de gestión del tiempo. No
es tan sencilla e intuitiva como otras aplicaciones (por ejemplo, Wunderlist o
Workflowy) pero es más completa y tiene menos limitaciones. Lo más mejorable
es el apartado de monitorización, ya que tan solo es posible ver las tareas
completadas y una gráfica de tareas completadas por proyecto.
CLOCKINGIT
Se trata de un gestor de proyectos gratuito basado en web. Es bastante completo ya

que integra gestión del tiempo y monitorización del progreso de las tareas. Está
claramente orientado al mundo profesional, a la gestión de proyectos y equipos de
trabajo.
 Gestión del tiempo e informes totalmente integrados.
 Permite la colaboración con otros usuarios en todas sus funcionalidades.
 Permite definir hitos.
 Permite etiquetar tareas.
 Permite enlazar archivos a cualquier tarea.
 Permite estimar el tiempo necesario para cada tarea.
 Dispone de un calendario para visualizar fechas límite.
 Grandes posibilidades de planificación temporal al incluir una línea de

tiempos y un diagrama de Gantt que se actualiza automáticamente al
re-planificar una tarea.
 Dispone de informes de actividad completos y permite generar informes

personalizados.
 No es multidispositivo. Solamente hay una versión online.
 Orientado al mundo empresarial y de desarrollo de productos o

aplicaciones, por lo que tiene características que no encajan en un entorno
de aprendizaje escolar, como la gestión de clientes, los tipos de tarea (tarea,
defecto, nueva característica o mejora).
 Solamente tres niveles de anidamiento de tareas: proyecto, tarea y subtarea.
145
 No es posible detallar ni comentar las subtareas de ninguna manera, salvo

en las notas de la tarea que las contiene.
 No es posible planificar las subtareas.
 No permite el uso de plantillas.
 La interfaz es sencilla, pero su diseño no es adecuado para su uso escolar.
Puntuación
Planificación y gestión de proyectos o tareas 6-
Gestión de recursos educativos e información 4
Gestión del tiempo 5+
Automonitorización y autoevaluación 4
Social y trabajo colaborativo 8+
Conclusiones
Se trata de una herramienta muy potente para la gestión de proyectos pero poco
adecuada para el uso por parte de un estudiante. Tiene potencial a nivel de soporte,
pero la interfaz de usuario hace que sea algo compleja de manejar y poco intuitiva
por momentos. Destaca por ofrecer buen soporte de gestión del tiempo integrado
en una herramienta de planificación.
MOODLE
Moodle es un LMS ampliamente conocido que ya ha sido descrito en el Capítulo 3.
 Permite estructurar el contenido educativo.
 No permite realizar anotaciones sobre los contenidos o recursos salvo que
se trate de una entrega.
 No dispone de marcadores para que los estudiantes guarden recursos en

línea.
 Las comunicaciones, comentarios y reflexiones se realizan fuera del

contexto de los contenidos y recursos, salvo en las tareas propuestas por el
creador del curso.
 No permite al alumno la planificación de actividades.
 No permite definir estados para los recursos.
146
Puntuación
Planificación y gestión de proyectos o tareas .
Entrega de contenidos 6
Gestión de recursos educativos e información 3-
Automonitorización y autoevaluación 2+
Social y trabajo colaborativo .
Conclusiones
A pesar de sacar una puntuación relativamente alta en entrega de contenidos, hay
mucho margen de mejora, especialmente en una herramienta en la cual ésta es su
funcionalidad principal. Por otro lado, la gestión de recursos educativos ofrece un
soporte muy bajo a las estrategias SRL, estando limitada prácticamente a las
entregas programadas.
ELGG
ELGG es una red social personalizable descrita en el Capítulo 3.
 Dispone de marcadores para que los estudiantes guarden recursos en línea.
Estos recursos pueden ser asociados a actividades.
 Permite discusiones de grupo con compartición de archivos.
 Los contenidos se relacionan mediante etiquetas.
 Grandes opciones de comunicación y trabajo en grupo.
 No permite anotar contenidos ni recursos. Las anotaciones son fuera del
contexto del contenido o recurso.
 No permite estructurar los contenidos a modo de curso.
 No permite al alumno la planificación de actividades.
 No cuenta con opciones para la activación del conocimiento previo.
 No permite definir estados para los recursos.
147
Puntuación
Entrega de contenidos 3
Gestión de recursos educativos e información 5-
Automonitorización y autoevaluación .
Social y trabajo colaborativo 9-
Conclusiones
Esta herramienta destaca por ser una red social en cuanto a las comunicaciones y
el permitir trabajar en grupos, pero ofrece un soporte bajo a la entrega de
contenidos, y a pesar de contar con marcadores sociales, no destaca en el soporte a
la gestión de recursos educativos e información.
LEARNTRACKER
Se trata de una herramienta específica de SRL para el seguimiento de cursos. Ha

sido descrita con detalle en el Capítulo 4, apartado 4.4.1.
 Planificación basada en objetivos.
 Permite añadir fechas límite a los objetivos.
 Cuenta con opciones de monitorización del tiempo avanzadas, permitiendo

registrar el tiempo offline tanto con un cronómetro como mediante la
inserción manual.
 Permite realizar estimaciones de tiempo por objetivo.
 Cuenta con varias opciones de monitorización del tiempo empleado y de las

actividades realizadas, que incluyen gráficas de uso del tiempo por tarea y
comparación con la media del resto de participantes en el curso y con la
estimación del profesor.
 Permite definir las horas de dedicación diaria a cada objetivo.
 No permite crear tareas, solamente objetivos.
 No permite anidar de objetivos.
 No permite registrar reflexiones basadas en las monitorizaciones.
 No es posible comentar las actividades ni los objetivos.
148
Puntuación
Gestión de recursos educativos e información .
Gestión del tiempo 6+
Automonitorización y autoevaluación 7-
Social y trabajo colaborativo .
Conclusiones
Esta herramienta ha sido creada para los estudiantes. Destaca como herramienta
de informes y para controlar el tiempo, aunque sus capacidades de planificación
son muy limitadas, permitiendo tan sólo definir objetivos de aprendizaje. A pesar
de esto, permite definir una fecha estimada de finalización y las horas de
dedicación diaria a cada objetivo, por lo que puede ayudar a mantener unas metas
realistas haciendo al estudiante consciente de las horas disponibles.
6.4.3 R E S U L T A D O S I N IC I A L E S P A R A L A S A P L IC A C IO N E S D E C O N T R O L
En la siguiente tabla se presentan los resultados iniciales, previos a la calibración,

obtenidos por cada una de las aplicaciones de control:
Herr.1 Herr.2 Herr.3 Herr.4
Planificación y gestión Nombre Asana ClockingIt Wunderlist Workflowy

de proyectos o tareas Puntos 48 45 29 14
Nombre Moodle Blackboard ELGG Blogger

Puntos 73.6 58.5 37.7 17
Gestión de recursos e Nombre Evernote Asana Diigo Moodle

información Puntos 62.9 57.1 34.3 25.7
Nombre Everhour ClockingIt Time Edition LearnTracker

Gestión del tiempo
Puntos 65.7 65.7 54.3 51.4
Nombre - - - -
Puntos - - - -
Automonitorización y Nombre LearnTracker Everhour Mahara Moodle

autoevaluación Puntos 65.7 60 42.9 31.4
Nombre Google Drive Asana MindMeister ELGG

Puntos 90.9 90.9 85.5 85.5
Nombre LearnTracker Moodle Asana ELGG

Estrategias comunes
Puntos 31.4 11.4 8.6 2.9
Tabla 13: Resultados iniciales para las aplicaciones de control por funcionalidad.
149
6.4.4 C O M P A R A C IÓ N D E R E S U L T A D O S Y A J U S T E D E P U NT U A C IO NE S
Una vez conocidos los resultados del análisis de expertos para cada herramienta, se
ha procedido a ponderar las puntuaciones de cada opción de respuesta. Se ha
incrementado levemente la puntuación de aquellos ítems resaltados por los
expertos, rebajando el resto de puntuaciones en función también la relevancia
previamente establecida en el análisis del cuestionario (ver sección 6.3). Se ha
realizado un ajuste fino de forma que las puntuaciones finales coincidan con la
percepción de los expertos en términos de potencial para el SRL.
Nos hemos encontrado con que muchas de las preguntas marcadas inicialmente
como relevantes tenían un peso adecuado, mientras que algunas han necesitado
ajustes. Además, ha sido necesario ajustar muchas de las preguntas menos
relevantes, quedando con una puntuación máxima más baja.
6.4.5 R E S U L T A D O S F I N A L E S P A R A L A S H E R R A M IE N T A S D E C O NT R O L
En la siguiente tabla se presenta la puntuación final, resultado de la calibración:
Herr.1 Herr.2 Herr.3 Herr.4
Planificación y gestión Nombre Wunderlist Workflowy Asana ClockingIt

de proyectos o tareas Puntos 36.6 20 60 54.4
Nombre Moodle Blackboard Blogger ELGG
Puntos 62.5 54.2 20.8 31.3
Gestión de recursos e Nombre Moodle Evernote Asana Diigo

información Puntos 28.2 76.9 51.3 59
Nombre Everhour LearnTracker Time Edition ClockingIt
Gestión del tiempo
Puntos 57.1 64.3 60.7 57.1
Nombre - - - -
Puntos - - - -
Automonitorización y Nombre Moodle LearnTracker Mahara Everhour

autoevaluación Puntos 22.6 67.7 35.5 51.6
Nombre MindMeister Google Drive Asana ELGG
Puntos 88.6 93.2 93.2 88.6
Nombre Moodle LearnTracker Asana ELGG
Estrategias comunes
Puntos 17.4 39.1 13.0 4.3
Tabla 14: Puntuación final calibrada de las herramientas de control por funcionalidad.
Tras la calibración hay notables diferencias de puntuación. Por ejemplo, para la

funcionalidad de gestión de recursos e información, Diigo ha subido de 34 a 59,
quedando por encima de Asana. Esto es lógico dado que Diigo es una herramienta
de anotación social especialmente diseñada para guardar recursos web y las
anotaciones que realicemos en ellos. Con las puntuaciones iniciales era penalizado
por preguntas con menor relevancia.
150
6.5 IMPLEMENTACIÓN
6.5 I MPLEMENTACIÓN
Para la implementación de CESARAS se ha realizado un desarrollo ad hoc. Para su
desarrollo se ha empleado Yii 1 , un framework PHP para el desarrollo de
aplicaciones web 2.0 basado en el patrón Modelo-Vista-Controlador (MVC). Por
tanto, las tecnologías empleadas para la parte del servidor han sido PHP 5 y
MySQL, y HTML5, JavaScript y CSS3 para el cliente como suele ser habitual.
Por qué no se han empleado herramientas de formularios existentes

Inicialmente se ha valorado la utilización de alguna de las herramientas de
formularios y cuestionarios en línea disponibles como Google Forms2, TypeForm3
o Survey Monkey4, de cara a agilizar el desarrollo. Estas herramientas presentan en
mayor o menor medida limitaciones, especialmente a la hora de programar saltos
condicionales y de procesar los resultados, siendo esto último determinante. Las
necesidades específicas de control de flujo, con el que se pretende saltar preguntas
o secciones enteras en función de respuestas anteriores, estaban disponibles de
forma parcial en algunas de las herramientas mencionadas. Google Forms permite
el salto de páginas, pero no de una única pregunta y no permite saltos
condicionales. Otras más avanzadas como TypeForm y Survey Monkey incluyen
lógica de saltos en sus versiones de pago, pero las opciones de procesado de datos
en la propia aplicación son muy limitadas, impidiendo realizar de forma
automática todos los cálculos necesarios para presentar al usuario los resultados por
funcionalidad, fase y área SRL, según lo visto en el apartado 6.3.1.
6.5.1 C A P A D E P R E S E N T A C IÓ N
La interfaz de usuario cuenta con cinco páginas diferenciadas: portada,

cuestionario, resultados, acerca de CESARAS, y contacto. Está diseñada para que
sea fácil de usar, empleando una interfaz limpia e intuitiva. Se recomienda al lector
que pruebe el cuestionario en línea en http://www.cesaras.es.
La portada (Fig. 26) permite elegir el idioma y visualizar la información acerca
de CESARAS y de contacto. También es posible revisar una entrada antígua
introduciendo el código de la entrada.
Una vez se accede al cuestionario (Fig. 27), las preguntas se disponen por
secciones y son accesibles a través de preguntas llave. Las secciones cuya pregunta
llave obtiene una respuesta negativa permanecen ocultas y el cuestionario salta
automáticamente a la siguiente sección. Lo mismo ocurre con las preguntas que
dependen de una respuesta anterior. Estas automatizaciones se producen por
JavaScript, pero fueron programadas part iendo de los datos de la base de datos.
1 http://www.yiiframework.com/
2 https://www.google.es/intl/es/forms/about/
3 https://www.typeform.com/
4 https://es.surveymonkey.com/
Fig. 26: Portada de CESARAS.
Fig. 27: Vista del cuestionario.
152
6.5 IMPLEMENTACIÓN
Fig. 28: Página de resultados.
Cada pregunta cuenta internamente con un campo que indica si ésta es llave de
sección o de pregunta, y las opciones de esa pregunta indican al JavaScript el
número de pregunta a la que se ha de saltar en función de la respuesta. Esto se ha
realizado creando una etiqueta personalizada de html: salto.
Una vez se envía el cuestionario se almacena la entrada —conformada por todas
las respuestas— en la base de datos se calculan los resultados, que posteriormente
son mostrados al usuario (Fig. 28), incluyendo un código identificativo de la
entrada para visualizaciones posteriores. Este proceso es el mismo que se sigue al
recuperar la entrada a partir del código. A mayores se envía una notificación al
usuario incluyendo los resultados y el código.
El usuario cuenta con una pestaña llamada feedback para poder anotar cualquier
cosa que quiera enviar a los desarrolladores. Esta pestaña se muestra y se oculta sin
perder los datos y es finalmente enviada junto con las respuestas del cuestionario.
153
6.5.2 D A T O S Y L Ó G IC A D E NE G O C IO
Se ha empleado una base de datos MySQL para almacenar tanto las preguntas y
opciones del cuestionario como las respuestas. La estructura de la misma se muestra
en la Fig. 29. Veremos a continuación una descripción de las tablas:
CUESTIONARIO Esta tabla guarda toda la información referente al cuestionario en

sí, desde el nombre y la descripción (acerca_de) hasta los datos de contacto.
SECCIÓN Esta tabla permite guardar la información relativa a cada una de las
secciones del cuestionario. Cuenta con un campo idc que relaciona esta tabla con
la anterior.
PREGUNTA Esta tabla guarda las preguntas del cuestionario, incluyendo la

pregunta, la descripción, el tipo de pregunta, si es llave o no y si es obligatoria o
no.
OPCIÓN Aquí son guardadas todas las opciones de las preguntas, su puntuación
asociada y el número de pregunta para saltar en caso de que la pregunta sea llave.
USUARIO Esta tabla almacena la información de los usuarios que han utilizado la
herramienta.
HERRAMIENTA Aquí se guarda la información de todas las herramientas evaluadas.
ENTRADA Cada vez que un usuario evalúa una herramienta se crea una entrada y
se almacena en esta tabla. La entrada lleva asociados los identificadores de usuario
y herramienta.
RESPUESTA Cada respuesta a cada pregunta es almacenada como un elemento de

esta tabla. Lleva asociados los identificadores de la entrada y de la pregunta.
RESULTADO La tabla resultado no se ha empleado finalmente, dado que los

resultados se calculan en tiempo real ya sea tras crear una nueva entrada o tras
recuperar una entrada antigua.
Estas tablas permiten una fácil modificación del cuestionario, tanto de los textos
de las preguntas y opciones como y de las puntuaciones y la lógica de saltos.
El procesado de los resultados se realiza agrupando las respuestas por conjunto
de datos (cada funcionalidad, fase y área SRL) y calculando la puntuación total para
cada una de las métricas.
154
6.5 IMPLEMENTACIÓN
Fig. 29: Base de datos de CESARAS.
6.6 V ALID ACIÓN

Para la validación de CESARAS se han considerado dos métodos. El primero es una
validación interna consistente en un juicio de expertos, en base a las respuestas
obtenidas de los expertos contactados, que sirve como prueba de concepto. El
segundo y quizás más importante ha sido propuesto por el Doctor Antonio
Bartolomé 1 , Doctor en Filosofía y Ciencias de la Educación y participante en
numerosos proyectos e-learning relacionados con el SRL. Este método consiste en
la aplicación de modo repetido del cuestionario para verificar su fiabilidad. Para
1 http://161.116.23.180/cgi-bin/personal/bartolome.cgi?idioma=1
155
esto es necesario realizar varias evaluaciones de la misma herramienta software por

parte de personas diferentes empleando CESARAS. Estas evaluaciones deben
producir resultados similares, por lo que se han de analizar las diferencias y ver si
se cumple una condición de desviación. Seguidamente se mostrarán los resultados
de ambas validaciones.
6.6.1 V A L ID A C IÓ N P O R J U I C I O D E E X P E R T O S
Como se ha comentado previamente, el volumen de respuesta de los expertos

internacionales en e-learning y SRL no ha sido el esperado, por lo que esta
validación no ha sido tan extensa como se pretendía inicialmente. Veamos aun así
un análisis de las respuestas.
De las 11 respuestas obtenidas, seis han valorado muy positivamente el trabajo
realizado y han destacado la necesidad de la existencia de esta investigación. Una
de las expertas ha preguntado si existía alguna herramienta con las características
sugeridas en las preguntas, indicando que sería un gran avance en el soporte SRL.
Tras años trabajando en e-learning no ha visto nunca ninguna herramienta que
cuente con las características descritas en el cuestionario y ha indicado que algunas
características concretas “facilitarían mucho el trabajo a los estudiantes”.
Una de ellas ha aprovechado para criticar las limitaciones del sistema empleado
en la universidad en la que imparte clases, indicando que las características de la
plataforma empleada “dependen más de los recursos técnicos que de criterios
pedagógicos”, dejando poco margen al profesorado para el diseño de cursos
e-learning orientados al SRL.
Otra de las respuestas ha criticado 10 preguntas concretas, indicando posibles
mejoras que han sido tenidas en cuenta e incorporadas en su mayoría a la última
versión de la herramienta.
Otro experto ha indicado que a pesar de usar Moodle como herramienta para
impartir cursos, “no porque sea la mejor sino por otras razones”, hay muchas
herramientas alejadas de los LMS que facilitan el aprendizaje autorregulado, que
que las emplea a diario de forma personal y con sus alumnos.
El resto de expertos contactados han indicado no tener tiempo para valorar esta
investigación por estar saturados de trabajo, así que se puede concluir que la
aceptación en general ha sido buena, teniendo en cuenta la buena acogida que ha
recibido el concepto en su presentación durante el Simposio Internacional de
Informática Educativa (SIIE) en 2015, en el que la única crítica ha sido el elevado
número de items del cuestionario, algo necesario para poder evaluar todas las
funcionalidades y que, como ya se ha comentado, se reduce enormemente si la
herramienta a evaluar cuenta con una o dos funcionalidades de las siete evaluadas.
6.6.2 V A L ID A C IÓ N P O R R E P E T IC IÓ N ( P R U E B A D E F I A B I L ID A D )
Para esta validación se ha escogido un grupo mixto de personas que consta de 2

expertos, 1 pedagoga y 1 investigador implicado en desarrollo de software. Todos
156
6.6 VALIDACIÓN
ellos analizaron dos herramientas, el LMS Moodle y el gestor de proyectos y tareas

Asana, por ser conocidas por todos.
El análisis se ha hecho en base a los resultados por funcionalidad ya que tienen
relación directa con las respuestas contestadas. Estos son los datos obtenidos, la
media y la desviación típica para cada conjunto de datos:
Herramienta Funcionalidad E1 E2 E3 E4 Media Desviación
EC 62 43 50 50 49,5 7.9
GRI 28 17 23 17 21,3 5,3

Moodle
AMAE 23 22 28 34 26,8 5,5
TC 34 29 34 43 37,3 5.8
PL 56 60 51 60 56,8 4,3
GRI 58 51 58 67 58,5 6,6

Asana
AMAE 28 16 19 28 22,8 6,2
TC 93 98 93 98 95,5 2,9
Tabla 15: Resultados de la validación por repetición.
Resultados para Moodle Resultados para Asana

100 100
90 90
80 80
70 70
60 60
50 50
40 40
30 30
20 20
10 10
0 0
EC GRI AMAE TC PL GRI AMAE TC
Media E1 E2 Media E1 E2
E3 E4 E3 E4
Fig. 30: Resultados de la validación para las aplicaciones seleccionadas.
157
Desviación estándar
10
9
8
7
6
5
4
3
2
1
0
PL EC GRI AMAE TC
Moodle Asana
Fig. 31: Desviación estándar por funcionalidad.
Se ha calculado la desviación estándar para cada una de las funcionalidades

puntuadas que constituyen un conjunto de datos. Como podemos observar en la
figura anterior, las desviaciones estándar son realmente pequeñas, siendo la
máxima menor que 8 (sobre 100)), por lo que podemos afirmar que los resultados
son coherentes y se ha conseguido cierta independencia del evaluador, eliminando
en gran medida el sesgo gracias al tipo de preguntas y opciones empleadas.
Se ha calculado también el coeficiente de correlación intraclase (Intraclass
Correlation Coefficient, ICC), empleado habitualmente para el análisis
cuantitativo (estadístico) de fiabilidad. Este coeficiente mide el grado de acuerdo
entre los evaluadores.
ICC = 0.94
En este caso, el valor es muy bueno, de acuerdo con la clasificación de Fleis (1986).
6.7 C ONCLUSIONES
La valoración de CESARAS por parte de los expertos contactados ha sido
globalmente positiva, habiendo consenso en cuanto a los beneficios de la existencia
de un instrumento de este tipo. CESARAS ofrece nuevas posibilidades hasta ahora
inexistentes, permitiendo evaluar el soporte software en varios tipos de
herramientas.
El autor cree importante destacar la selección de preguntas y su redacción, que
es donde reside el mayor valor de esta contribución. Han sido creadas de forma que
permiten que cualquier persona que conozca la herramienta a analizar realice una
evaluación para la que, sin contar con la ayuda de la herramienta, serían necesarios
amplios conocimientos de SRL. Por tanto, permite a un amplio abanico de
personas, ya sean investigadores, profesores, desarrolladores de software, etc.,
evaluar el soporte SRL ofrecido por una aplicación software sin tener
158
6.7 CONCLUSIONES
necesariamente conocimientos específicos en la utilización de estrategias de

aprendizaje y autorregulación, cumpliendo con el objetivo CO1 (permitir una
evaluación adecuada de herramientas software sin necesidad de tener
conocimientos extensos acerca de SRL). El objetivo de la evaluación es evidenciar
las carencias del software en cuanto al soporte SRL. Sin esta herramienta sería
necesario ser un experto en la materia.
En cuanto a su utilidad, por un lado facilita la selección de herramientas con
soporte SRL, permitiendo una comparación detallada en base a una puntuación por
funcionalidad, área y fase SRL. Gracias a que las funcionalidades no disponibles en
la herramienta no penalizan, los resultados son coherentes. Por otro lado, permite
detectar los puntos débiles en cuanto a soporte a las estrategias SRL, por lo que
cumple el objetivo CO2 (facilitar la identificación de los puntos débiles de las
herramientas para las funcionalidades analizadas). Además, la evaluación puede
realizarse durante el desarrollo de las herramientas, e incluso durante su diseño
funcional (conociendo las características completas de la aplicación final es posible
realizar la evaluación a modo de simulación, introduciendo como respuestas las
características establecidas en el diseño), permitiendo a los desarrolladores detectar
posibles mejoras que aumentarían el nivel de soporte SRL.
Por todo esto, podemos afirmar que CESARAS cumple el objetivo específico de
esta tesis O3 (facilitar una forma de evaluación del soporte software al SRL).
Potencial de herramientas genéricas

Dos de los expertos han resaltado el potencial de herramientas no específicas de
e-learning para su uso en un escenario de SRL. Esto coincide completamente con
la visión planteada en esta investigación desde el principio.
Este cuestionario nos ha ayudado a corroborar lo que la práctica con algunas
herramientas concretas nos ha indicado: existen herramientas no específicas de
e-learning con un gran potencial para su uso estratégico por parte de un estudiante
autorregulado. El caso más evidente es el de los gestores de tareas. Existen
numerosas herramientas muy prácticas que permiten la implementación de las
estrategias de planificación de forma aceptable, aunque con ciertas limitaciones.
La importancia de la usabilidad
Durante el proceso de calibración, los expertos han destacado cuestiones relativas
a la usabilidad, que obviamente influyen en el uso potencial de cada herramienta.
De cara tanto a seleccionar herramientas como para mejorar herramienta en
desarrollo es recomendable la evaluación de la usabilidad. Una herramienta con un
alto potencial debido a sus características puede ser menos adecuada que otra
debido a problemas de usabilidad.
En esta investigación no se han tenido en cuenta las cuestiones de usabilidad
debido a estar fuera del alcance y los objetivos de esta tesis, pero no por ello se debe
obviar su relevancia.
159
Mejora de la información previa para evitar desviación de los resultados

Los resultados proporcionados por algunos participantes en la calibración para el
análisis de herramientas como LMS, cuya funcionalidad principal es la entrega de
contenidos, obtienen precisamente mala puntuación en esto y buena en
planificación o en gestión de recursos. Tras analizar las respuestas parece ser debido
a que han realizado el cuestionario evaluando el LMS desde el punto de vista del
profesor, y no del alumno, dado que ellos crean los cursos, no los siguen. Esto es
un claro error de concepto que, a pesar de haber sido comentado previamente a la
realización del cuestionario ha sido cometido igualmente y puede haber generado
una desviación de los resultados.
Por ello parece necesario mejorar la comunicación de este asunto para evitar
posibles confusiones, especialmente en estos casos concretos. Se aplicará una
primera solución consistente en añadir al cuestionario una advertencia previa al
comienzo del mismo.
Necesidad de mejora del soporte SRL

El proyecto TELEpeers concluyó hace casi una década que las funcionalidades
ofrecidas por los LMS y otro software educativo existente no son adecuadas para
permitir una experiencia SRL adecuada a los alumnos. Esto parece seguir siendo
cierto hoy en día, ya que la mayoría de sistemas no ofrecen funcionalidades
específicas para este tipo de aprendizaje, o tienen muchas limitaciones a la hora de
implementar las estrategias de aprendizaje y autorregulación, incluyendo software
específico de SRL.
Las evaluaciones realizadas en este proyecto indican que el soporte al aprendizaje
autorregulado en todas las aplicaciones evaluadas es mejorable, y normalmente
existe un margen de mejora bastante amplio. Es habitual que para sus
funcionalidades principales las herramientas obtengan puntuaciones que rondan
el 50%. Tan sólo algunas herramientas han obtenido una puntuación alta en
soporte al trabajo colaborativo, como Asana, lo cual es coherente ya que ha sido
diseñada entre otras cosas para gestionar equipos de trabajo.
Esta investigación evidencia que queda mucho trabajo por hacer en cuanto al
desarrollo de aplicaciones educativas, y que es necesario cambiar el enfoque con el
que habitualmente se diseñan estas herramientas. Es necesario tener en cuenta el
cambio de paradigma ante el que estamos, en el que se tiende hacia una mayor
autonomía del estudiante, que ha de organizar y evaluar su aprendizaje, tratando
de mejorar sus estrategias y métodos en un aprendizaje contínuo a lo largo de la
vida.
160
7 X API-SRL: PERFIL DE APLICACIÓN 7
Life is 10% what happens to us and 90% how we react to it.
— Charles Swindoll
Como se ha comentado en varias ocasiones, el uso de tecnología para mejorar el

aprendizaje autorregulado comienza a ser una cuestión relevante. Como hemos
visto en los capítulos anteriores, hay margen de mejora en cuanto a las
funcionalidades, pero no todas se encuentran en el mismo nivel de desarrollo. En
especial, el seguimiento de la actividad de los estudiantes empleando tecnología es
un campo de investigación que está en auge, como demuestra la gran cantidad de
trabajos enfocados hacia learning analytics.
La autorregulación del aprendizaje implica planificación, previsión, análisis de
las tareas, auto-monitorización, control, auto-evaluación y reacción (Pintrich P. ,
2004) (Zimmerman, 2008). La auto-monitorización, dentro del SRL, permite el
control, la autoevaluación y por tanto la reacción. Está presente como parte
fundamental en los tres modelos SRL (sección 2.3) y a su vez es uno de los
elementos del control metacognitivo (Brown A. L., 1987). La grán importancia que
tiene para el estudiante desde el punto de vista pedagógico contrasta con el escaso
número de soluciones tecnológicas que tratan de sar soporte al estudiante en este
proceso, a pesar de que expertos como Bartolomé y Steffens la seleccionaron como
una de las tres importantes “características que un Entorno de Aprendizaje
Mejorado con Tecnología que de soporte al SRL ha de tener” (2011) (sección 4.1).
Según estos autores “los estudiantes deben recibir una realimentación adecuada
para poder así monitorizar su aprendizaje”.
Proveer a los estudiantes de información acerca de lo que han hecho y cómo lo
han hecho, haya sido capturada de forma automática por el sistema o a través de
entradas registradas por ellos mismos —o idealmente ambas—, les permite ser
conscientes de su proceso de aprendizaje y facilita el trabajo de reflexión y
auto-evaluación posterior. Un soporte software adecuado ayudaría a los
estudiantes a realizar este proceso de forma eficiente y eficaz, facilitándoles así
mejorar sus métodos y estrategias. Además, esta información es útil para la
monitorización realizada por los educadores, ya que les permite saber si sus
estudiantes están autorregulando adecuadamente (planificando tareas, definiendo
objetivos, monitorizando su propia actividad, reflexionando sobre sus acciones,
empleando estrategias correctamente, etc.) y ahorrar así tiempo en el proceso de
evaluación, pudiendo centrarse en apoyar a los estudiantes que más lo necesitan.
A la hora de abordar este soporte software a la monitorización surgen las
siguientes preguntas: ¿qué información es necesaria o relevante para permitir la
monitorización SRL?¿Cómo capturamos esta información? La respuesta a estas
XAPI-SRL: PERFIL DE APLICACIÓN
preguntas está condicionada por un hecho: para poder ofrecer información

completa acerca del proceso de SRL es necesario capturar información de múltiples
En muchos casos, el fuentes —los estudiantes emplean más de una herramienta dentro del proceso de
proceso de recogida y SRL—, lo que requiere el uso de un formato común.
procesado de
información por parte La creación de este formato común para el registro de acciones relativas al SRL
de la herramienta es obliga a reformular las preguntas anteriores: ¿qué acciones se han de registrar?,
también conocido
como monitorización. ¿qué datos se han de registrar en cada acción y de dónde se obtienen?, ¿cómo se
En este trabajo, salvo han de registrar para representar cada acción de forma unívoca? —como se ha
que se especifique lo comentado en el apartado 4.4.3.2, es posible registrar la misma acción de varias
contrario, este
término siempre formas—. Además, para facilitar la monitorización a través de software es
tendrá la acepción fundamental procesar los datos de forma que se genere información útil para el
relativa al SRL. usuario. ¿Cómo se puede extraer información útil de los datos?
En los apartados siguientes se han tratado de responder estas preguntas y se
presenta una especificación para dar solución al objetivo específico OE4: facilitar
un formato estándar para el registro de trazas de SRL. Esta especificación, que
hemos llamado xAPI-SRL, es un perfil de aplicación para eXperience API (xAPI),
el estándar de captura de trazas más extendido. Comenzaremos con la presentación
del concepto y de sus objetivos y requisitos. Seguidamente se presentará el proceso
de selección de información y las razones por las que se ha elegido xAPI,
continuando con los detalles del desarrollo del perfil. Por último se presenta una
demostración de su uso basada en una simulación.
7.1 C ONCEPTO , OBJETIVOS Y REQUISIT OS
El concepto de perfil de aplicación fue definido por el Dublin Core Metadata

Initiative como “esquemas que consisten de elementos de datos extraídos de uno o
más vocabularios 1 , combinados por desarrolladores y optimizados para una
aplicación concreta” (Heery & Patel, 2000). Según ellos mismos, son “una forma de
declarar qué elementos de qué vocabularios son usados en una aplicación o
proyecto concreto” (The Dublin Core Metadata Initiative, 2014). La idea no es
fusionar diferentes esquemas sino sentar la base de cómo usar un esquema existente
para un conjunto concreto de casos de uso.
El perfil de aplicación xAPI-SRL es una especificación creada para xAPI que
define qué acciones derivadas de la implementación/ejecución de estrategias SRL
registrar y cómo hacerlo. Está orientada a facilitar la monitorización tanto a
estudiantes como a profesores. Como hemos visto en la sección 4.4, eXperience
API o Tin Can API 2 es una especificación para el registro de información de
actividad creado por ADL que sustituye a SCORM. Su gran flexibilidad permite
registrar cualquier tipo de acción de varias formas, por lo que es necesario emplear
perfiles para aplicaciones concretas. Se recomienda revisar esta sección (4.4),
1 https://www.lamsinternational.com
2 http://www.tincanapi.com
162
7.1 CONCEPTO, OBJETIVOS Y REQUISITOS
especialmente la nomenclatura empleada en xAPI, ya que será utilizada a lo largo

de este capítulo de forma constante.
Objetivos y requisitos
El perfil xAPI-SRL pretende proporcionar un lenguaje común para favorecer el
desarrollo de funciones de monitorización de la autorregulación tanto en software
educativo como genérico. Los objetivos a cumplir para conseguir esto son:
 XO1: Permitir el registro unívoco de actividades derivadas de la utilización

de estrategias SRL a través de soporte software.
 XO2: Garantizar la interoperabilidad en el proceso de monitorización,

permitiendo la integración de trazas. El estándar elegido para el desarrollo
del perfil ha de permitir que cualquier aplicación pueda adoptarlo.
A su vez, se han definido dos requisitos para su desarrollo:
 XR1: el nivel de detalle de las acciones registradas ha de ser suficiente. Es

decir, las acciones han de estar representadas fielmente por uno o más
registros.
 XR2: la especificación ha de ser clara para los desarrolladores en cuanto a

qué deben implementar y qué no, en función del tipo de herramienta.
Casos de uso
Este perfil de aplicación aportaría una solución para los siguientes casos de uso:
AUTO-MONITORIZACIÓN DEL ESTUDIANTE Un estudiante autorregulado podría
beneficiarse del uso de informes basados en los datos capturados empleando
xAPI-SRL.
MONITORIZACIÓN DEL PROFESOR Un profesor que emplee métodos de SRL con sus
estudiantes podría seguir su progreso como estudiantes autorregulados gracias al
uso de este perfil de aplicación. Ahorraría mucho tiempo dado que cuenta con
trazas representativas del proceso de autorregulación, y se podría ver de forma muy
sencilla quienes están autorregulando su aprendizaje correctamente y quienes
necesitan ayuda.
REGISTRO DE INFORMACIÓN En general, cualquier aplicación con funcionalidades
que den soporte al SRL podría hacer uso de este perfil de aplicación para registrar
los datos de actividad, permitiendo su posterior recuperación. Una aplicación de
estas características podría ser empleada en cualquier situación de aprendizaje, ya
sea en un entorno institucional o de aprendizaje informal.
INFORMES Una herramienta de informes para SRL podía emplear este perfil para
recuperar datos de varias fuentes y emitir informes completos. Al igual que en el
caso anterior, una herramienta de este tipo encajaría en cualquier situación de
aprendizaje, tanto en un entorno institucional como de aprendizaje informal.
163
MEDICIÓN DE LA CAPACIDAD SRL Y DEL USO DE ESTRATEGIAS Estos datos pueden

permitir, empleando técnicas de learning analytics, obtener información acerca de
las habilidades de los estudiantes para autorregular su aprendizaje, así como su
capacidad para el uso de estrategias. Este es un campo de investigación activo
(Malmberg, Järvenoja, & Järvelä, 2013) (Malmberg, Järvelä, & Kirschner,
Elementary school students' strategic learning: Does task-type matter?, 2013)
(Nussbaumer, y otros, 2014) (Roll & Winne, 2015) que necesita resolver dos
problemas principales abordados por este perfil: la definición de modelos de datos
acerca de acciones significativas relacionadas con el uso de estrategias SRL y la
colección e integración de trazas provenientes de diferentes herramientas.
7.2 S ELECCIÓN DE LA INFOR MACIÓN A CAPTURAR
En la introducción se planteaba la pregunta: ¿qué información es necesaria o

relevante para permitir la monitorización SRL? Típicamente, los sistemas de
e-learning actuales registran la información de actividad del usuario en cuanto al
uso del propio sistema: “el usuario ha comentado en el hilo X”, “el usuario ha
abierto el documento Y”, “el usuario se ha unido al grupo Z”, etc., todo ello siempre
con información temporal asociada. Los sistemas que ofrecen monitorización se
centran casi únicamente en tareas de acceso a información, interacción entre
usuarios, comunicaciones, etc., limitados generalmente por las funcionalidades que
ofrecen. Como hemos visto en el Capítulo 4, el soporte del software actual al SRL
es parcial y afecta únicamente a partes del proceso de aprendizaje.
Para dar respuesta a la pregunta será necesario un cambio de perspectiva, o de
aproximación al problema. No se tratará de limitarnos a los datos que podemos
obtener, sino de pensar en qué datos queremos tener, en qué datos son necesarios
para monitorizar el aprendizaje autorregulado y no en qué datos de los que
podemos obtener nos sirven para ese propósito.
Para monitorizar el SRL es necesario capturar los datos relativos al proceso
completo de aprendizaje y autorregulación. Además de los datos relativos a la
ejecución de las acciones orientadas a la cognición y a interacciones es necesario
recopilar la información relativa a las tareas metacognitivas y, en general, a tareas
implicadas en el proceso autorregulador. Como ya se ha detallado anteriormente,
las estrategias son la clave para conocer el proceso, ya que definen las acciones que
realizan los estudiantes para autorregular su aprendizaje. Los datos de aplicación
de las estrategias así como los resultados serán por tanto los elegidos para registrar.
El análisis procedimental de las estrategias presentado en el Capítulo 5 ha
permitido identificar las estrategias implementables y, por tanto, aquellas que
pueden generar información de actividad susceptible de ser capturada. No se
detallará aquí la información seleccionada de cada estrategia dado que puede ser
vista en la versión final del perfil de aplicación (ver Apéndice C), pero se ilustrará
el proceso seguido con el siguiente ejemplo.
164
7.2 SELECCIÓN DE LA INFORMACIÓN A CAPTURAR
Información a capturar para la estrategia “estimación temporal”

La aplicación de una estimación temporal sobre una tarea, objetivo o actividad
solamente genera un dato: el tiempo estimado para ese objeto. Como elementos
imprescindibles, además del tiempo estimado y del actor, es necesario registrar
para qué objeto se ha realizado la estimación y en qué momento. A mayores puede
ser interesante registrar el elemento que contiene al objeto y si forma parte de un
curso, proyecto, etc. Teniendo en cuenta que estamos en SRL, es importante
permitir registrar una posible reflexión del usuario relacionada con la propia
estimación para ese objeto, por lo que es conveniente contar con este elemento
opcional.
Recapitulando, los elementos a registrar para esta estrategia son:
 Tiempo estimado y actor.
 Objeto para el que se realiza la estimación.
 Padre del objeto (no imprescindible pero sí recomendable ya que aporta

contexto).
 Contenedor de más alta jerarquía, como el curso o proyecto en el que está

enmarcado el objeto. (igual que en el caso anterior, no es imprescindible
pero sí recomendable).
 Reflexión del estudiante acerca de la estimación (de haberla).
 Instante en el que se realiza la estimación.
7.3 S ELECCIÓN DE L ESTÁNDAR X API
Realmente no hay muchas opciones a la hora de seleccionar un estándar para

registrar experiencias y flujo de actividad. Siendo Activity Streams y eXperience
API las más destacadas, se ha elegido xAPI por varias razones:
FLEXIBILIDAD xAPI es extremadamente flexible. Su fórmula permite registrar

cualquier acción o evento, incluso de varias formas diferentes. Esto, como ya se ha
comentado, es un arma de doble filo, ya que dos herramientas equivalentes podrían
registrar la misma acción de formas diferentes, pero esta flexibilidad nos lleva a la
siguiente razón.
OBSOLESCENCIA La flexibilidad de xAPI hace que no tenga los problemas de

obsolescencia de anteriores especificaciones. Por ejemplo, en SCORM 2004 se
define una lista de dispositivos electrónicos que se pueden incluir en cualquier
declaración u objeto SCORM. A medida que ha avanzado la tecnología, este listado
ha quedado totalmente obsoleto, haciendo necesaria una actualización del estándar
que nunca se ha realizado. Experience API no define de forma cerrada ninguno de
sus elementos.
165
EXPANSIBILIDAD El vocabulario de xAPI es limitado, pero expandible. Algunos

elementos como verbos, extensiones y tipos de actividad han de seguir un proceso
de curación realizado por ADL para poder ser incluidos.
LEGIBILIDAD Cada parte de una declaración xAPI cuenta con una capa basada en
mapas de lenguaje, ofreciendo una versión diferente de cada verbo, palabra
intermedia, objeto, etc. mapa para cada idioma. Esto hace que una declaración sea
legible en todos los idiomas incluidos.
INDEPENDENCIA DE DISPOSITIVO xAPI puede ser implementado en cualquier tipo

de dispositivo.
TRAZABILIDAD Todos los registros de xAPI son trazables y cuantificables. Además

se guarda la marca temporal en la que se ha producido el registro, por lo que se
pueden obtener secuencias cronológicas de actividades
ORDEN CRONOLÓGICO DE ACTIVIDADES Es posible obtener una secuencia

cronológica de actividades, incluso provenientes de herramientas diferentes, tan
sólo con conocer el identificador del usuario en cada herramienta.
AMPLIA ADOPCIÓN Es el de mayor adopción a nivel mundial en el momento de

realización de este trabajo.
7.4 D ESARROLLO DEL PERFIL DE APLICACIÓN X API-SRL
Una vez conocidas las acciones y los datos a registrar de cada estrategia se ha
definido cómo registrar cada una de las acciones empleando xAPI. Este proceso
resultó ser mucho más complejo de lo esperado inicialmente debido a la necesidad
de establecer un compromiso entre las recomendaciones de ADL para la creación
de recetas y el propio criterio de cómo una acción queda mejor definida. Además,
se ha buscado mantener una coherencia entre las recetas del perfil en cuanto a
dónde se guarda información similar. Veamos cómo ha sido el proceso.
7.4.1 C R E A C IÓ N D E D E C LA R A C IO N E S
Las recomendación principal es la de emplear, en la medida de lo posible, el

vocabulario xAPI existente (ver The Registry 1 ). Fuera de esto, la creación de
recetas es muy abierta, aunque hay que tener en cuenta también que el objeto ha
de ser algo que se pueda referenciar, y el verbo ha de ser lo más específico posible
si se trata de una acción muy característica.
Dada la flexibilidad de xAPI es posible registrar cada acción de varias formas
diferentes, y teniendo en cuenta la estructura de una declaración (ver Fig. 32), nos
hemos encontrado con la posibilidad de registrar la misma acción de múltiples
formas diferentes, y lo más crítico, de almacenar la información en partes
diferentes de la declaración en función del verbo que se use. Veremos con detalle
166
7.4 DESARROLLO DEL PERFIL DE APLICACIÓN
los factores a tener en cuenta para cada parte de una declaración a la hora de
crearla:
ACTOR El actor es el que ha realizado la acción. Ha de tener un identificador único,

como una dirección de correo electrónico, un ID de una cuenta de algún sistema
(como por ejemplo un identificador de Twitter). El actor tiene un campo
objectType que permite definir si se trata de un agente o un grupo, que no es más
que un conjunto de agentes. Los campos de esta parte no requieren de ninguna
consideración especial.
VERBO El verbo, que define la acción, ha de formar parte del listado ofrecido por
ADL. En caso de necesitar un verbo diferente, es necesario realizar una propuesta
a ADL que pasará un proceso de curación. Una vez aprobado e incluido en la lista
oficial ya puede ser empleado por toda la comunidad. Es interesante que el verbo
defina la acción de la forma más completa posible, y es posible emplear verbos
“compuestos” como stopped following (dejó de seguir), voted up (votó positivo),
entered frame (entró en el encuadre), etc. Existen algunos ejemplos en el listado
de verbos oficial.
OBJETO El objeto es sobre lo que recae la acción. Es necesario que se pueda

referenciar, ya que ha de tener un ID asociado en forma de URI. Aquí es importante
no confundir el tipo de objeto xAPI con el tipo de actividad. El primero se define
en el campo objectType, y puede ser Activity (actividad), Agent o Group (agente
o grupo), Sub-statement (declaración) o StatementRef (referencia a declaración).
El segundo define el tipo del objeto en sí cuando se trata de una actividad (el resto
están definidos de forma automática en su tipo de objeto), y para ello se emplea el
campo type dentro de la descripción de la actividad. El tipo de actividad, al igual
que el verbo, ha de estar en el listado oficial de ADL en The Registry.
Fig. 32: Declaración de xAPI.
167
A la hora de definir un objeto en una declaración es importante tener en cuenta

que el objeto puede ser lo que lingüísticamente sería el objeto directo del verbo o
el objeto indirecto, dependiendo del verbo.
CONTEXTO Este campo define el contexto de la acción, que puede incluir al

instructor, al equipo o grupo, actividades relacionadas (objetos tipo Activity), la
revisión de la experiencia, la plataforma, el idioma empleado, una declaración
anterior considerada como contexto de esta declaración y es posible añadir
extensiones en caso de que ninguno de estos campos sea adecuado para lo que se
quiere definir.
Cuando se define una actividad de contexto hay que tener en cuenta que es
necesario clasificarla en uno de estos cuatro grupos: Parent(padre), Grouping
(relación indirecta), Category (equivalente a etiqueta) u Other (resto de casos).
Esto se ilustra claramente en un ejemplo. Para la declaración “Ana ha respondido
3/5 a la pregunta 3 del examen final de matemáticas II perteneciente al curso 2º
(perfil cmi5)”, el objeto es la pregunta, el contexto Parent es el examen, el contexto
Grouping es el curso y el contexto Category es el perfil cmi5.
RESULTADO Este campo define el resultado de la acción, pudiendo indicar la

duración, si tuvo éxito o no, si se completó o no, la puntuación (si la tiene), permite
definir una respuesta de texto y permite extensiones para cualquier valor que no
tenga cabida en los anteriores.
EXTENSIONES Las extensiones permiten definir cualquier cosa que no tenga cabida
en los campos existentes. Solamente pueden definirse en un objeto de tipo
Activity, en el contexto y en el resultado. Es importante resaltar que el uso de
extensiones debe ser evitado si se puede emplear otro campo ya definido en la
especificación. Además, en caso de usar una extensión, se recomienda emplear una
de las existentes en el listado de ADL, ya que solamente se añadirán extensiones
nuevas si es imprescindible.
El resto de campos de una declaración (timestamp, stored, authority, version,
attachments) no requieren de ninguna consideración especial. La mayoría son
rellenados automáticamente por el LRS.
Ejemplo de creación de una declaración

Continuando con el ejemplo anterior, una estimación temporal, que es uno de los
casos de declaración más sencillos, puede ser registrado de varias formas,
modificando en qué parte de la declaración se guarda la información, modificando
el verbo, empleando extensiones existentes o creando extensiones nuevas, etc. Para
este ejemplo se han contemplado las cuatro opciones más claras:
168
La primera opción emplea un verbo existente en el momento de la creación del

perfil, pero no existía el tipo de actividad del objeto. La segunda opción emplea un
verbo y un tipo de actividad de objeto que no se encuentran en el listado de The
Registry. Estos se podrían proponer a ADL para ser incluidos en el listado. En
ambos casos, el objeto sobre el que se aplica la estimación se guardaría en el
contexto, y el tiempo estimado en el resultado. La relación existente entre el objeto
del contexto y el objeto de la declaración no encaja en ninguno de los tres tipos
principales de contexto (Parent, Grouping y Categories) teniendo que usar
Other.
Uno de los problemas de estas dos opciones reside realmente dónde se guarda el
tiempo estimado. El campo resultado tiene un único campo de tipo Duration (ISO
8601:2004), que está asociado al período de tiempo sobre el que ocurre la
declaración. Es decir, este campo tiene una semántica concreta que no coincide
con lo que se va a almacenar. Por tanto no se debería guardar la estimación en este
campo. Además de esto, en ambos casos el verbo no define totalmente la acción,
algo que es recomendable. Además, la acción no se realiza sobre el objeto de la
declaración realmente, sino sobre el contexto, ya que el objeto en ambos casos es
realmente el resultado de la acción, a pesar de que lingüísticamente es el objeto
directo. Esto genera confusión a la hora de crear las declaraciones.
En la tercera y cuarta opción se emplea un verbo xAPI que define la acción
completamente, y que está compuesto por el verbo y el objeto del verbo (estimar
la duración). Este verbo no existía en el listado oficial. El objeto de la declaración
sería sobre lo que recae la acción de este verbo compuesto, en este ejemplo, la tarea.
Ambas opciones se diferencian por en dónde se registra el tiempo estimado. De
Habría que descartar la tercera porque ya hemos visto que no es posible
almacenarlo en el campo duración del resultado. Existe una extensión denominada
Planned duration1 que concuerda semánticamente con el dato a guardar, por lo
1 http://id.tincanapi.com/extension/planned-duration
169
que puede ser usada para la cuarta opción, que ha sido finalmente la elegida para
este caso. Se ha propuesto el verbo estimated-duration a ADL, que ha sido
finalmente aceptado e incorporado al listado de verbos. Evidentemente hay más
combinaciones, pero se han empleado estas cuatro a modo ilustrativo.
Este proceso de “diseño” de declaraciones es realmente tedioso, dado que para
cada declaración es necesario realizar varios pasos y la decisión tomada condiciona
la rapidez con la que podrá ser creada la declaración final. El proceso, que se ilustra
en el diagrama de flujo de la Fig. 33, consiste en: buscar los verbos, tipos de
actividad y extensiones existentes que puedan encajar, plantear las posibles
opciones incluyendo el vocabulario existente y nuevas propuestas en caso de que
se adapten mejor a la acción descrita, seleccionar la más adecuada en base a las
recomendaciones descritas en la especificación y a la coherencia entre
declaraciones del perfil, en caso de que haya algún verbo, tipo de actividad o
extensión nuevo es necesario proponerlo a ADL y esperar a que resuelvan tras el
proceso de curación al que someten cada propuesta, que suele ser bastante lento.
Una vez es aceptado es posible añadir finalmente la declaración a la receta. En caso
de no ser aceptado es necesario volver a las opciones planteadas y tratar de
encontrar otra que sea adecuada. El problema para esto es que ADL no proporciona
ningún tipo de realimentación, por lo que si una propuesta es rechazada no es
posible conocer la razón.
Fig. 33: Proceso de creación de una declaración.
170
7.4.2 E S T R U C T U R A C IÓ N E N R E C E T A S
Un perfil de xAPI está compuesto por una o varias recetas. Este perfil, dada su
amplitud, debe ser dividido en varias, pero es necesario estructurarlas de forma
coherente para no forzar a la implementación de partes innecesarias del perfil, ya
que la mayoría de herramientas solamente necesitarán las partes que representen
las acciones acordes con sus funcionalidades.
El modelo de datos definido en xAPI-SRL pretende representar las acciones
relacionadas con los grupos de actividades definidos en el capítulo 5
(funcionalidades):
 Planificación y gestión de proyectos o tareas (e.g. completar una tarea).
 Gestión de recursos educativos e información (e.g. añadir un recurso a una

tarea).
 Gestión del tiempo (e.g. estimar la duración de una tarea).
 Entrega de contenidos (e.g. visualizar un contenido).
 Gestión de estrategias (e.g. puntuar una estrategia).
 Auto-monitorización y auto-evaluación (e.g. visualizar el tiempo empleado

por tarea).
Sin embargo, estos grupos de actividades no sirven para clasificar las declaraciones
en recetas, ya que hay numerosas declaraciones que se repetirían en varios grupos
de actividades, como por ejemplo el tomar una nota acerca de un objeto que podría
ser una tarea, un recurso, un contenido, una estrategia, etc.
Las declaraciones se han agrupado en recetas formando pequeños conjuntos de
acciones con relación directa en cuanto a su propósito, de forma que cada receta
represente una función. De esta forma, según el tipo de herramienta se necesitará
un determinado conjunto de recetas del perfil. De esta categorización han
resultado 11 recetas:
GESTIÓN DE TAREAS Y OBJETIVOS Esta receta define las acciones relacionadas con
la gestión de proyectos de aprendizaje (u otro tipo de proyectos) empleando tareas,
objetivos y algún otro tipo de elemento. Por ejemplo, un estudiante define un
objetivo y crea tareas que son necesarias para conseguirlo.
PLANIFICACIÓN Esta receta permite registrar acciones relacionadas con la

planificación de tareas y objetivos, pero puede ser aplicada a cualquier otro
elemento que pueda ser planificado, como por ejemplo un evento. Ejemplos de esta
receta serían planificar una tarea para una fecha o añadir una fecha límite.
CONTROL DE TIEMPO Y FLUJO Esta receta está centrada en registrar el uso del
tiempo en varias aplicaciones, de forma que sea posible conocer el flujo de
actividad y poder monitorizar y evaluar el uso del tiempo.
171
CONTROL DE VISIONADO Aquí se definen las acciones relativas al visionado de un

contenido o recurso concreto. Por ejemplo, se puede aplicar cuando un estudiante
ve un video o lee un artículo. Esta receta se complementa con la de control de flujo
y tiempo para registrar la duración de los eventos definidos aquí.
GESTIÓN DE RECURSOS Y CONTENIDO EDUCATIVO Esta receta define las acciones

relacionadas con la gestión de recursos y contenido educativo, pero puede ser
aplicada a cualquier elemento que pueda ser añadido a un contenedor. Por ejemplo,
un estudiante podría enlazar un video a una tarea o un libro a un curso si tiene
información útil.
ANOTACIÓN Esta permite registrar acciones relacionadas con la anotación, como

resaltar texto, anotar una duda, etc.
CURACIÓN Esta receta define las acciones relacionadas con la curación de

contenidos, recursos, estrategias, etc., pero puede ser empleada para cualquier
elemento susceptible de ser valorado o puntuado. Por ejemplo, puntuar un recurso,
seleccionar una estrategia como favorita, etc.
MOTIVACIÓN Esta receta define las acciones relacionadas con estrategias de

motivación. Complementa a la receta de gestión de tareas y objetivos, y puede
también complementar a cualquier otra receta relacionada con estrategias en las
que el usuario pueda usar recompensas o definir resultados esperados para
controlar la motivación. Por ejemplo, un estudiante puede establecer una
recompensa por completar la lectura de un libro.
GESTIÓN DE ESTRATEGIAS Esta receta contiene las acciones relacionadas con la

gestión de estrategias (en este caso de aprendizaje y autorregulación): tanto
estrategias integradas en el software como estrategias en forma de conjunto de
instrucciones que típicamente estarían almacenadas en un repositorio o colección.
Ejemplos de estas acciones serían activar o desactivar una estrategia o añadir una
estrategia a una colección.
SECUENCIACIÓN DE PASOS Esta estrategia define las acciones relacionadas con la

gestión de secuencias de pasos en elementos que pueden ser divididos en pasos. Por
ejemplo, una estrategia suele ser definida como un conjunto de pasos que es
necesario seguir para completarla. Esto puede ser aplicado también a una tarea.
CONTROL DE VOCABULARIO Esta receta define las acciones relacionadas con la

gestión de colecciones de vocabulario. Por ejemplo, añadir una palabra a una
colección.
Estas recetas pueden ser combinadas según las necesidades de cada herramienta.
Veremos ahora la recomendación para las funcionalidades descritas en el
capítulo 5.
172
7.4.3 IM P L E M E N T A C IÓ N DE RECETAS EN F U NC I Ó N DEL TIPO DE

H E R R A M IE N T A
Para cada una de las funcionalidades — o desde el punto de vista de xAPI, grupos
de actividades— contempladas en esta tesis para el SRL se ha seleccionado un
conjunto de recetas concreto que permite representar las acciones SRL
relacionadas. Se presentan aquí los listados de recetas que se deberían implementar
para cada funcionalidad:
Planificación y gestión de proyectos y tareas

 Gestión de tareas y objetivos
 Planificación
 Motivación
 Secuenciación de pasos
Gestión de recursos educativos e información

 Gestión de recursos y contenido educativo
 Control de visionado
 Curación
 Anotación
Gestión del tiempo

 Control de tiempo y flujo
 Control de visionado
 Control de tiempo y flujo (recomendado)
 Curación
 Anotación
Gestión de estrategias
 Gestión de estrategias
 Curación
 Secuenciación de pasos
Auto-monitorización y auto-evaluación
 Auto-monitorización y auto-evaluación
173
 Curación
 Motivación
 Atribución causal
Por ejemplo, un LMS que tenga las funcionalidades de entrega de contenidos,

gestión de recursos e información y gestión de tareas debería implementar las
recetas de control de visionado, control de tiempo y flujo, curación, anotación,
gestión de tareas y objetivos, planificación, motivación, secuenciación de pasos y
gestión de recursos y contenido educativo. Si además tiene capacidad para trabajar
con esos datos y ofrece información al usuario para monitorización debería
implementar también auto-monitorización y auto-evaluación (ver Apéndice C).
7.5 D EMOSTRACIÓN Y EVALUAC IÓN
Según la metodología DSRM, “dependiendo de la naturaleza del campo del

problema y del artefacto, la evaluación puede tomar muchas formas” (Peffers,
Para la demostración Tuunanen, Rothenberger, & Chatterjee, 2007). Hevner et al. (2004) han recopilado
de este perfil se ha las principales metodologías de evaluación encontradas en la literatura. Para la
empleado un conjunto demostración y evaluación de este perfil se ha planteado el uso de una metodología
de trazas simuladas,
utilizadas para generar mixta que facilite ir más allá de una mera comprobación funcional y permita probar
visualizaciones a el potencial del uso de la especificación para dar soporte a la monitorización.
partir del procesado
de los datos. Para ello se ha empleado por un lado una metodología descriptiva basada en la
creación de escenarios con los que se pretende demostrar la utilidad del artefacto
y su capacidad para dar solución a los problemas identificados en el análisis de
estado del arte, presentados en la sección 1.1 y descritos en la sección 7.1 —
objetivos XO1 (registro unívoco de acciones SRL) y XO2 (integración de trazas de
xAPI es una
especificación cuya múltiples fuentes)—, a modo de evaluación. Esta metodología se combina con la
validez está simulación de trazas, que es una metodología experimental consistente en la
demostrada y su uso a
utilización del artefacto con datos artificiales. A su vez se expone cómo se realizaría
nivel empresarial está
muy extendido, por lo el procesado y visualización de los datos extraídos de estas trazas en una
que no parece herramienta de generación de informes. El proceso consta de los siguientes pasos:
necesario validar
técnicamente la 1. Generación de dos escenarios consistentes en la actividad de dos
implementación de la estudiantes en un mismo curso:
especificación.
a. Escenario principal: actividad generada por un estudiante
autorregulado que emplea varias herramientas para su aprendizaje.
b. Escenario secundario: actividad de un estudiante no autorregulado,

que únicamente emplea la herramienta que alberga el curso (LMS).
2. Simulación de las trazas para cada escenario.
3. Ejemplos de procesado y visualización de los datos extraídos de las trazas.
4. Evaluación de los objetivos XO1 y XO2 para los resultados obtenidos.
174
7.5 DEMOSTRACIÓN Y EVALUACIÓN
Se tratarán también los requisitos XR1 y XR2 brevemente, fuera de la evaluación.
Por qué no se han empleado trazas reales

Entendemos que lo ideal sería realizar una validación técnica con un grupo de
usuarios que usarían varias aplicaciones durante un período acotado de tiempo,
generando de esta forma trazas que serían utilizadas para generar informes de uso
de estrategias, del tiempo, etc. Con estos datos se podría conocer la utilidad del
perfil en una situación real. Esta aproximación presenta tres dificultades
insalvables en este momento:
 Poca madurez de las soluciones con soporte SRL. No se han encontrado

aplicaciones que cuenten con las características necesarias para generar
trazas adecuadas y suficientes para realizar la demostración. Como ya se ha
visto, el soporte al SRL en software está aún en una fase temprana y la
mayoría de las acciones representadas en el perfil no han sido
implementadas, que conozcamos. De esta forma, para realizar la
demostración habría que generar una aplicación propia, lo cual excede los
límites de esta tesis.
 La amplitud de este perfil haría necesaria la implementación del mismo en

varias aplicaciones para poder generar trazas de partes diferentes del
proceso de autorregulación del aprendizaje con las que trabajar. En el
supuesto caso de encontrar herramientas que generasen trazas adecuadas y
suficientes, sería necesario implementar la API de Tin Can en cada una de
ellas. Esto sería extremadamente costoso en tiempo y se excederían de
nuevo con creces los límites de esta tesis.
7.5.1 E S C E N A R IO S D E D E M O S T R A C IÓ N
En un escenario SRL mejorado con tecnología —teniendo en cuenta el estado del

arte— un estudiante usaría, al menos, las siguientes funcionalidades,
proporcionadas por varias herramientas: organización y gestión del tiempo
(proporcionadas por un gestor de tareas o proyectos), entrega de contenidos
(proporcionada por un LMS o una herramienta de MOOC), auto-monitorización y
auto-evaluación (proporcionada por una herramienta de informes o una
herramienta orientada a la captura de reflexiones como un e-portfolio), a las que
podríamos sumar la comunicación con otros.
Para esta demostración se plantean, como se ha comentado, dos escenarios
diferentes que podemos ver en la Fig. 34. Ambos consisten en las actividades
desempeñadas por un estudiante durante una semanas de realización de un curso
en línea en un LMS.
175
Fig. 34: Escenarios de demostración para xAPI-SRL.
En el primero, que denominaremos escenario SRL o ESRL, el estudiante es

autorregulado y emplea varias herramientas: el LMS, un gestor de tareas que
incluye gestión de recursos, herramientas de búsqueda, herramientas de creación
de documentos y gráficos y una herramienta de informes. Este estudiante es activo
y organiza su aprendizaje, realiza búsquedas para ampliar información, crea sus
propios esquemas, solicita ayuda cuando la necesita, es participativo y monitoriza
su proceso de aprendizaje. Este escenario está pensado para evaluar los dos
objetivos XO y para demostrar la utilidad para la monitorización SRL, tanto para
estudiantes como para profesores.
En el segundo, que denominaremos escenario no-SRL o ENSRL, el estudiante se
limita a las actividades realizadas en el LMS. Visualiza los contenidos del curso en
el LMS, participa poco en las actividades grupales y no realiza un seguimiento de
su aprendizaje. Este escenario ha servido como control siendo un caso opuesto al
primero, y con él se pretende demostrar la utilidad del perfil para la detección de
problemas de autorregulación del aprendizaje por parte de un profesor.
En ambos escenarios las herramientas se presuponen adaptadas al SRL. Es decir,
cuentan con mejoras específicas para SRL siguiendo los requisitos descritos en el
Capítulo 5. Por ejemplo, el LMS contaría con herramientas de anotación de
contenidos, el gestor de tareas permitiría gestionar también objetivos, etc.
7.5.2 S IM U L A C IÓ N D E T R A Z A S
En una situación real, simplemente tendríamos un conjunto de trazas con las que
trabajar para ver qué ha hecho el estudiante. En este caso, se simularon las trazas a
partir de una secuencia de actividades realizada por cada estudiante en un curso.
Las interacciones de ambos escenarios se ilustran en la Fig. 35, donde podemos ver
además que únicamente el gestor de tareas, el LMS y la herramienta de informes
se comunican con el LRS.
Las trazas simuladas representan la actividad desarrollada por los dos estudiantes
durante los cinco días lectivos de la segunda semana de un curso de JAVA,
correspondiente al segundo módulo del curso. En las tablas 16 y 17 se presenta, a
176
modo de ejemplo, la simulación de trazas para uno de los días de cada estudiante,
listando las actividades realizadas y sus correspondientes trazas.
Fig. 35: Interacciones en los escenarios de la simulación.
Estudiante no-SRL
Acción Herramienta Trazas
19:00 Juan viewed the module “Módulo 2: Básicos
Accedió al módulo 2 LMS
de JAVA”.
Lanzó contenido
LMS (visor PDF) N/A
“Variables
19:08 Juan annotated “obliga a declarar las

variables antes de poder hacer uso de ellas”.
Subrayó “Variables” visor de PDF
(…)
19:32 Juan annotated “Tipos de datos primitivos”.
Cerró “Variables” LMS (visor PDF) 19:35 Juan read the file “Variables” (34 min.).
Lanzó contenido
LMS (visor PDF) N/A
“Operadores”
Cerró “Operadores” LMS (visor PDF) 19:58 Juan read the file “Operadores” (23 min.).
20:01 Juan attempted the assessment “Operaciones

básicas”.
Realizó test de 20:01 Juan started “Operaciones básicas”.
LMS
auto-evaluación
20:18 Juan completed “Operaciones básicas”.
20:18 Juan scored 7/10 in “Operaciones básicas”.
Salió del curso LMS 20:20 Juan left the course “Introduction to JAVA”.
Tabla 16: Actividad y trazas del estudiante no autorregulado.
177
-
Estudiante SRL
Acción Herramienta Trazas
18:03 Ana viewed the module “Módulo 2:
Accedió al módulo 2 LMS
Básicos de JAVA”.
Verificó tareas y
LMS N/A
contenidos semanales
18:05 Ana defined the goal “Módulo 2”.
18:06 Ana defined the goal “Variables”.
18:06 Ana estimated the duration of goal
“Variables” in 40 minutes.
Creó objetivos para el 18:06 Ana defined the goal “Operadores”.
Gestor de tareas
módulo 2 18:06 Ana estimated the duration of goal
“Operadores” in 40 minutes.
18:07 Ana defined the goal “Control de flujo”.
18:07 Ana estimated the duration of goal
“Control de flujo” in 60 minutes.
18:09 Ana added the file “Variables” as course
material.
Enlazó contenidos Gestor de tareas
18:09 Ana added the file “Operadores” as
course material.
Leyó contenido
LMS (visor PDF) N/A
“Variables”
Cerró contenido 18:24 Ana read the file “Variables” (15 min.).
LMS (visor PDF)
“Variables”
Leyó contenido N/A
LMS (visor PDF)
“Operadores”
Buscó información en
navegador N/A
formato video
18:33 Ana added the video link “Variables y
operadores en Java”.
Guardó dos enlaces a
Gestor de tareas 18:35 Ana added the video link “JAVA
recursos
BASICO CAPITULO 2 | VARIABLES Y
OPERADORES”.
Cerró contenido 18:35 Ana read the file “Operadores” (11
LMS (visor PDF)
“Operadores” min.).
Gestor de tareas
18:35 Ana viewed the video “Variables y
Visualizó recurso 1 (lanza reproductor
operadores en Java”.
externo)
18:48 Ana rated the video “Variables y
Puntúó recurso 1 con operadores en Java” with 3/5 stars.
Gestor de tareas
3/5 y añadió anotación 18:48 Ana annotated “No es muy claro.” on
“Variables y operadores en Java”.
Gestor de tareas 18:48 Ana viewed the video “JAVA BASICO
Visualizó recurso 2 (lanza reproductor CAPITULO 2 | VARIABLES Y
externo) OPERADORES”.
178
19:18 Ana rated the video “JAVA BASICO

Puntúó recurso 2 con
Gestor de tareas CAPITULO 2 | VARIABLES Y
5/5
OPERADORES” with 5/5 stars.
Lanzó contenido
LMS (visor PDF) N/A
“Variables”
Creó esquema Docs en línea N/A
Cerró contenido 19:25 Ana read the file “Variables” (6 min.).
LMS (visor PDF)
“Variables”
Lanzó contenido
LMS (visor PDF) N/A
“Operadores”
Guardó esquema Docs en línea N/A
Añadió esquema como 19:34 Ana added the file “Esquema variables
Gestor de tareas
recurso y operadores” as “own material”.
Cerró contenido 19:35 Ana read the file “Operadores” (9
LMS (visor PDF)
“Operadores” min.).
19:35 Ana attempted the assessment
“Operaciones básicas”.
Realizó test de 19:35 Ana started “Operaciones básicas”.
LMS
auto-evaluación 19:45 Ana completed “Operaciones básicas”.
19:45 Ana scored 9/10 in “Operaciones
básicas”.
19:46 Ana annotated “¿Cómo comparo strings
Anotó una duda Gestor de tareas
si == no vale?” as a doubt in “Variables”.
19:46 Ana completed the goal “Variables”.
Completó objetivos Gestor de tareas 19:46 Ana completed the goal “Operadores”
with result “Sencillo pero importante.”.
19:47 Ana left the course “Introduction to
Salió del curso LMS
JAVA”.
Tabla 17: Actividad y trazas del estudiante autorregulado.
Como se puede ver en las tablas, la simulación de trazas de ambos estudiantes

difiere en cómo abordan el aprendizaje. Esto nos permitirá ver las diferencias a la
hora de visualizar la actividad.
7.5.3 S E L E C C IÓ N Y P R O C E S A D O D E T R A Z A S
Una vez capturadas, cada visualización requerirá del uso de unas trazas concretas.
En SRL, lo ideal es disponer de gráficas parametrizables que permitan al usuario
elegir lo que quiere visualizar y el periodo de tiempo a representar, aunque puede
ser conveniente partir de opciones predefinidas para facilitar la monitorización a
los estudiantes menos experimentados. En ambos casos, y teniendo en cuenta el
volumen de datos que se puede generar en un único episodio de aprendizaje, es
necesario realizar un filtrado para seleccionar únicamente las trazas que aporten la
información que se desea mostrar. Además, será necesario organizar las trazas si
provienen de distintas herramientas.
179
El proceso propuesto consta de varios pasos (Fig. 36):
1. Autor: filtrar las declaraciones para elegir las trazas del autor que se
quieren ver.
2. SRL: filtrar las trazas que pertenezcan al perfil xAPI-SRL, en caso de que
únicamente se quiera ver información relativa al SRL.
3. Tiempo: seleccionar la ventana temporal y ordenar cronológicamente los

registros.
4. Objeto: filtrar y/o organizar (dependiendo de la intención de la consulta)

las declaraciones atendiendo al objeto, agrupando las relacionadas.
5. Agrupación y análisis: analizar grupos de declaraciones atendiendo a la

estrategia relacionada y a cómo se relacionan entre ellas.
Este último paso no es trivial ya que implica conocer fundamentalmente las

relaciones de los verbos y tipos de actividad con las estrategias, así como de los
objetos y el contexto.
Fig. 36: Filtrado y organización de trazas.
La forma en la que se agrupan las trazas a la hora procesarlas y mostrar la

información al usuario es crucial y determinará la utilidad de la misma. Los datos
deben ser agrupados según criterios significativos, si es posible. Esto se ilustra
claramente con un ejemplo.
En la Fig. 37 se muestran dos opciones de agrupación para una gráfica de uso del
tiempo que atienden a criterios diferentes. En la gráfica superior, se agrupa el
tiempo según la aplicación o funcionalidad donde ha sido invertido. Este criterio
no tiene en cuenta el propósito de las acciones que se realizan en cada aplicación y
no aporta información acerca del proceso SRL. La gráfica inferior muestra el
resultado de aplicar un criterio de agrupación diferente a las mismas trazas. En este
caso, las trazas están agrupadas según el tipo de actividad con referencia a las
180
estrategias SRL. Cada barra representa una parte del proceso SRL, mostrando cómo
se ha distribuido el tiempo con respecto a las estrategias.
El segundo criterio aporta información más significativa y es más claro. Sin
embargo, el primero —en función de la herramienta de origen— puede dar lugar
a equívocos. Por ejemplo, se podría relacionar todas las acciones realizadas en un
gestor de tareas con la planificación. Sin embargo, esto no siempre es correcto.
Continuado con el ejemplo, la acción de reflexionar sobre una tarea completada es
una acción de auto-evaluación, aunque haya sido realizada en una herramienta de
planificación.
Las flechas entre

ambas gráficas
muestran cómo se
reagrupan las trazas.
Fig. 37: Opciones de agrupación de trazas para una gráfica de uso del tiempo: por aplicación de
origen (arriba) Vs. por tipo de actividad (abajo).
Muestra de procesado de las trazas

Siguiendo la idea descrita en (Manso & Llamas, 2014), aquí se plantea la utilización
de un sistema de procesado de datos basado en la combinación de variables. El
La comparación es el
concepto consiste en seleccionar dos datos cuya comparativa o agrupación aporte método más común y
nueva información y analizarlos en función de un elemento de referencia. Por simple usado para ver
la diferencia entre dos
ejemplo, escogiendo como datos “tiempo estimado” y “tiempo empleado” y como
elementos.
referencia el elemento “tarea” podremos comparar el tiempo estimado por el
estudiante para una tarea con el tiempo que realmente ha usado, obtenemos un
181
nuevo dato, el diferencial entre esos dos tiempos, que indica la desviación de la
estimación con respecto al tiempo real.
El uso de los datos puede ser directo o requerir algún tipo de procesado.
Siguiendo con el ejemplo anterior, el “tiempo estimado” para una tarea es un dato
que se puede usar directamente ya que es un valor temporal especificado por el
usuario, mientras que el “tiempo empleado” ha de ser calculado sumando las trazas
de actividad para esa tarea, teniendo en cuenta generalmente varios registros (ver
receta de Time and flow control, Apéndice C).
En la Fig. 38 se muestra, como ejemplo del resultado de este tipo de procesado,
un gráfico comparativo del tiempo estimado para una serie de tareas frente al
tiempo empleado en las mismas. De un vistazo es posible ver la diferencia temporal
entre la estimación y el tiempo real, y en la vista detalle de las tareas se muestra la
diferencia temporal en porcentaje.
Fig. 38: Estimación temporal vs. tiempo empleado por tarea.
Los resultados obtenidos aplicando este procesado permiten obtener gráficas fáciles
de entender, que pueden ser muy útiles para estudiantes y profesores en un
escenario SRL. La clave radica en la adecuada elección de las variables a comparar.
7.5.4 M U E S T R A D E V IS U A LI Z A C IO NE S D E G R Á F IC A S D E LA S I M U L A C IÓ N
Mostramos aquí una serie de gráficas resultantes de procesar las trazas simuladas.
El fin de estas gráficas es facilitar a los estudiantes la reflexión acerca de su
desempeño a través de información concreta y sencilla de comprender que les
ayude a extraer conclusiones acertadas.
Se pretende que las gráficas sean auto-explicativas, por lo que invita al lector a
visualizarlas antes de leer la correspondiente explicación situada debajo las mismas.
182
Fig. 39: Tiempo por actividad en episodio 1 escenario no-SRL.
Fig. 40: Tiempo por actividad en episodio 1 para escenario SRL.
En estas gráficas se muestra el tiempo empleado en cada actividad para las trazas
presentadas en las tablas del apartado 7.5.2, correspondientes al primer episodio
del módulo 2 de ambos escenarios.
En la gráfica superior podemos ver el estudiante no-SRL que realizó
principalmente cuatro actividades. Aquellas que se solapan en tiempo son
agrupadas en una única barra y resaltadas, como se puede ver en la primera de
las barras. La gráfica inferior muestra la actividad para el estudiante SRL.
183
Fig. 41: Tiempo empleado por objetivo principal.
Esta gráfica (Fig. 41) representa el tiempo empleado por fase SRL en objetivos
de un mismo nivel, e incluye a mayores la estimación temporal para cada uno
de ellos, aportando información comparativa entre el tiempo estimado y el
empleado. Se indica además si el objetivo ha sido completado o no. Importante:
los datos referentes a los módulos 1 y 3 han sido generados con el objeto de
completar las gráficas y ofrecer un mejor ejemplo al lector.
Fig. 42: Dudas por cada objetivo.
Esta gráfica muestra el número de dudas o revisiones pendientes para cada

objetivo de los creados por el estudiante SRL en el módulo 2.
184
Fig. 43: Uso de estrategias.
Esta figura muestra un ejemplo de gráfica de uso de estrategias por parte del
alumno del escenario SRL para el módulo 2. En ella es posible ver el número de
objetivos creados, objetivos para los que se ha hecho estimación temporal,
objetivos completados, tareas creadas y completadas, recursos enlazados,
visualizados y puntuados, recursos creados por el propio estudiante y
anotaciones realizadas. Esta gráfica está orientada a ver el grado de utilización
de estrategias por parte del estudiante.
Fig. 44: Tiempo vs. notas de un usuario comparado con su clase.
Esta figura muestra un ejemplo de gráfica orientada al profesor. En ella es posible

ver la nota de cada alumno para una prueba concreta (examen del módulo 2)
frente al tiempo empleado en actividades cognitivas y metacognitivas (en ese
módulo). Esta gráfica está orientada a detectar posibles problemas, tanto de
autorregulación como cognitivos. Importante: los estudiantes de los escenarios
propuestos son los dos primeros. El resto han sido generados con el objeto de
completar la gráfica y ofrecer un mejor ejemplo al lector.
185
7.5.5 E V A L U A C IÓ N
Para esta evaluación se han considerado simultáneamente dos opciones. Por un

lado, la validación del perfil realizada por parte de ADL, y por otro la evaluación
en base a los objetivos definidos en la sección 7.1.
Validación del perfil xAPI-SRL por parte de ADL

ADL (Advanced Distributed Learning) realiza un proceso de curación para todas
las propuestas nuevas. Tanto el perfil xAPI-SRL como el nuevo vocabulario
propuesto para crearlo han pasado por este proceso y han sido validados por parte
de ADL.
El perfil xAPI-SRL no fue aceptado al completo inicialmente, sino que parte del
vocabulario propuesto fue rechazado, obligando a realizar cambios en varias
recetas. xAPI-SRL está disponible para su uso público en The Registry.
Evaluación de objetivos XO
XO1: REGISTRO UNÍVOCO DE TRAZAS SRL La demostración realizada ha permitido
asegurar la capacidad del perfil para registrar las acciones SRL descritas de forma
unívoca. A pesar de esto, se han detectado algunos problemas.
El registro de la duración de eventos que se solapan en tiempo puede dar lugar a
equívocos durante el procesado. En las trazas mostradas de ejemplo en el
apartado 7.5.2 se incluyen acciones que se solapan en tiempo, como la lectura de
un documento (registrada cuando se cierra éste incluyendo la duración) y los
subrayados realizados en el documento mientras éste estaba abierto (escenario
no-SRL). En este caso, sí se procedió a la lectura:
Juan Abrió el documento (no generó traza — se genera al cerrar)
19:08 Juan annotated “obliga a declarar las variables antes de poder hacer uso de ellas”.
(…)
19:32 Juan annotated “Tipos de datos primitivos”.
19:35 Juan read the file “Variables” (34 min.).
Además de esto, el estudiante SRL mantuvo un documento abierto mientras

realizaba un esquema cuando ya había leído el documento anteriormente, y ese
tiempo fue añadido al total de lectura en su caso, siendo incorrecto:
18:24 Ana read the file “Variables” (15 min.).
Creó esquema (no generó traza — herramienta externa).
19:25 Ana read the file “Variables” (6 min.).
Guardó esquema (no generó traza — herramienta externa).
19:34 Ana added the file “Esquema variables y operadores” as “own material”.
186
Esto parece no tener solución inmediata debido a que no es posible saber con qué
propósito el estudiante mantiene abierto el documento, pero ha de ser tenido en
cuenta durante el procesado si hay acciones que se solapen en tiempo con ésta.
XO2: GARANTÍA DE INTEROPERABILIDAD DE TRAZAS La especificación xAPI es

interoperable. Por tanto, cualquier perfil realizado con xAPI será interoperable ya
que cumple la especificación. xAPI es usado por numerosas empresas a nivel
mundial y que su validez está más que demostrada.
XR1 NIVEL DE DETALLE DE LAS ACCIONES SUFICIENTE El volumen de trazas no es

tal que registre absolutamente todas las acciones del estudiante —no se registran
todos los clics y entradas de teclado— sino que está centrado en acciones
significativas, tratando de registrar todas ellas. Además, se ha tratado de incluir
toda la información útil posible en cada traza, especialmente de contexto y
duración.
En algunos casos se ha minimizado la captura de trazas. Por ejemplo, a la hora de
abrir un recurso basado en texto, la traza se genera únicamente al cerrarlo
indicando que se ha leído y la duración de la acción, en lugar de registrar que el
documento ha sido abierto y cerrado. Esto puede depender del punto de vista, ya
que se puede por ejemplo abrir un documento por error y cerrarlo al momento.
Cabría aquí la posibilidad de registrar la acción únicamente si se pasa un umbral,
aunque quizás sea mejor realizar estas consideraciones durante el procesado.
En otros casos ha sido necesario generar más de una traza en la misma acción.
Por ejemplo, el acceso al test genera dos trazas (intento y comienzo) y el momento
en que se completa el test genera también dos trazas (completitud y puntuación).
Esto ocurre debido a que pertenecen a recetas distintas (comienzo y completitud a
control de flujo e intento y puntuación a evaluación — ver Apéndice C).
XR2 ESPECIFICACIÓN CLARA PARA DESARROLLADORES Esto se ha conseguido

gracias a la separación en recetas de acciones específicas y a las recomendaciones
para cada funcionalidad. De esta forma es muy sencillo saber qué recetas es
necesario implementar según el tipo de herramienta.
7.6 E JEMPLOS DE V ISUALIZACIONES QUE PERMITE

X API-SRL
En el apartado 7.5.4 hemos visto algunas de las gráficas que es posible obtener a
partir de trazas generadas con xAPI‑SRL. En ese apartado veremos otras gráficas,
no incluidas en la demostración, que también pueden contribuir a la
monitorización y evaluación del aprendizaje autorregulado por parte de alumnos
y profesores, y que darán al lector una visión más amplia de las posibilidades que
genera este nuevo perfil de aplicación.
187
7.6.1 DATOS REPRESENTADOS
Los datos representados en estas gráficas surgen de diversas combinaciones, como

se ha explicado en el apartado 7.5.3. Es importante recordar al lector que las mismas
trazas pueden aportar información diferente, nueva, en función de cómo se
agrupen y de qué se elija como referencia. Los datos siempre deberán ser algo
cuantificable, como el tiempo empleado en una actividad o el número de acciones,
elementos o actividades y, a la hora de representarlos gráficamente, cabe emplear
varios criterios de clasificación o referencia. En este caso se proponen
principalmente dos criterios de clasificación:
 Intervalo de la selección de datos: esto puede ser un período temporal

concreto (e.g. semana, mes, año), una parte del curso concreta (e.g. conjunto
del curso, asignatura, módulo o unidad) o bien una función de ambos (e.g.
primer trimestre de todas las asignaturas).
 Tipo de dato que se va a representar: esto depende de la naturaleza del dato

en sí. Por ejemplo, para una actividad o acción SRL, es posible clasificarla
atendiendo a la clasificación de estrategias —planificación, monitorización,
motivación, etc. Asimismo, es posible emplear un único tipo de dato para
comparar la evolución de un estudiante con otros estudiantes o con la media
de un conjunto de los mismos.
Como es evidente y se mostrará a continuación, es posible reutilizar las mismas

trazas para generar información diferente empleando distintas clasificaciones. Por
ejemplo, el número de acciones de planificación de un alumno durante un
trimestre se puede comparar con el resto de tipos de actividades para ese alumno
(aportaría información de la actividad general del alumno), se puede visualizar el
número de acciones realizadas por semana (permite ver cuándo se realizaron
actividades de planificación en el trimestre) o se puede comparar con las realizadas
por otros alumnos (permite ver al profesor cuánto ha planificado en comparación
con sus compañeros).
Otro detalle a considerar es que las gráficas orientadas a los alumnos diferirán en
muchos casos de las de los profesores. Asuntos como el lenguaje empleado o la
privacidad de los datos hacen que sea necesario replantear la presentación y en
algunos casos incuso limitar la visualización a los alumnos de datos ajenos.
7.6.2 G R Á F IC A S D E E J E M P LO
TIEMPO O NÚMERO DE ACCIONES POR TIPO DE ACTIVIDAD PARA UN PERÍODO

TEMPORAL O PARTE DEL CURSO CONCRETOS
Como se mencionaba en el apartado 7.5.3, xAPI-SRL permite agrupar las trazas por
tipo de actividad, independientemente de la herramienta de origen. Esto permite
generar estas gráficas, como la presentada en la Fig. 45, que facilitan la
visualización de la dedicación del alumno a las actividades clave de la
autorregulación —metacognitivas, motivacionales y de contexto—, así como las
188
7.6 EJEMPLOS DE VISUALIZACIONES
directamente relacionadas con el aprendizaje en sí mismo —cognitivas. En esta

figura se muestra, en una gráfica orientada al profesor, el número de actividades
realizadas para cada tipo de actividad (planificación, monitorización, evaluación,
motivación, etc.), agrupadas según a qué grupo de estrategias y a qué área de la
autorregulación pertenecen.
Fig. 45: Número de acciones de un alumno por tipo de actividad (vista del profesor) para el módulo
2 de un curso.
Esta gráfica es válida también para un alumno, modificando en parte el lenguaje

empleado en la misma para hacerlo más cercano y asequible—quizás esta sea labor
para un pedagogo, pero una propuesta puede ser sustituir “metacognición” por
“gestión”, “cognición” por “actividades de estudio” y “contexto” por “compañeros”.
TIEMPO O NÚMERO DE ACCIONES POR PERÍODO TEMPORAL
En la siguiente gráfica se muestra el tiempo dedicado a las actividades de

autorregulación del aprendizaje a lo largo del año. Aquí se puede ver la relación
entre el tiempo dedicado a la planificación y al conjunto de monitorización y
evaluación, así como su dependencia con fechas importantes como los exámenes
de cada cuatrimestre.
En esta y otras gráficas que emplean datos provenientes del uso de estrategias. El perfil permite
Conviene resaltar que no todas las estrategias se pueden monitorizar de la misma capturar trazas de
estrategias ofrecidas
forma. Tan sólo generan trazas automatizadas aquellas estrategias que estén
como guía, además de
embebidas en software —i.e. acciones específicas de las estrategias, ya recogidas en aquellas cuyas
el xAPI-SRL. El perfil contempla además la opción de que aquellas estrategias que acciones están
incluidas de forma
sean ofrecidas como guía en un repositorio puedan ser el objeto de trazas, como es
detallada en el perfil.
posible ver en la recetas de curación, planificación y de gestión de estrategias (ver
Apéndice C). Sin embargo, en ese caso la traza no implica una acción propia de la
estrategia sino sobre la estrategia, que es objeto de la acción (puntuación, selección,
modificación, etc.).
189
Fig. 46: Tiempo dedicado a actividades SRL durante el año.
EQUILIBRIO DE ACTIVIDADES EN TIEMPO POR DÍA
Esta gráfica (Fig. 47) muestra el tiempo dedicado a cada conjunto de actividades
durante un período de tiempo determinado, empleando una clasificación por tipo
de actividad diferente de la anterior, no relativa al SRL. Ésta podría aportar
información al estudiante acerca de cómo ha repartido las horas del día durante un
período de tiempo más o menos largo.
Fig. 47: Tiempo dedicado a cada conjunto de actividades por día de la semana.
Con la inclusión aquí de esta gráfica se pretende ilustrar un concepto importante:

para la generación de estas gráficas se puede contar con datos no pertenecientes a
xAPI-SRL, en función de lo que se quiera mostrar. xAPI-SRL es un perfil específico
para capturar acciones relativas al aprendizaje autorregulado. Sin embargo, una
gráfica como esta necesita de información de actividades no relacionadas
necesariamente con el SRL o, al menos, no relacionadas con el aprendizaje como
190
actividad principal. En cualquier caso, el perfil xAPI-SRL no limita la captura de

información relativa a actividades no-SRL en cuanto a que es posible registrar la
definición de cualquier tipo de tarea o evento, su planificación y su ejecución.
Como se comentaba al principio de esta sección, esta información podría

visualizarse por semana (como en la figura), por mes, por trimestre, etc. Además,
en lugar del tiempo dedicado en una semana concreta, como en este ejemplo, se
podría mostrar, por ejemplo, la media de tiempo dedicado para cada día de la
semana durante un cuatrimestre.
USO DE ESTRATEGIAS DE UN REPOSITORIO
Un repositorio de estrategias, como fue definido en el apartado 5.2.5, contendría

guías de estrategias que incluyen los pasos a seguir por los estudiantes. Cualquier
estrategia puede ser ofrecida al estudiante como guía, aunque las que más interés
presentan para esto son aquellas que no son fácilmente implementables en
software, por lo que no es posible darles un buen soporte. Buen ejemplo de esto
son las estrategias cognitivas, como las de comprensión lectora, procesamiento de
la información, etc. La selección presentada en el Apéndice A incluye numerosas
estrategias que se encuentran en este caso.
Fig. 48: Gráfica de uso de estrategias de un repositorio.
Las acciones realizadas sobre estas guías, especialmente el consumo de las mismas,
pueden ser de especial interés para monitorizar la autorregulación de un
estudiante. La Fig. 48 muestra una gráfica que permite ver las estrategias (en forma
de guía) empleadas por un estudiante (durante un período de tiempo concreto) así
como el número de veces que las ha empleado. Las estrategias aparecen agrupadas
191
en categorías, que definen el propósito o fin de la estrategia. El elevado número de

estrategias hace que sea conveniente no mostrarlas individualmente en la gráfica,
y que se omitan aquellas que no han sido utilizadas, por simplicidad.
AYUDA OFRECIDA Y RECIBIDA
Esta gráfica muestra las dudas pendientes, la ayuda ofrecida a otros estudiantes y
la recibida de otros. Permite ver por un lado el número de dudas pendientes y por
otro la relación entre la ayuda recibida y la ofrecida, indicativo del interés del
estudiante y de su participación. En el ejemplo de la figura se muestran los datos
de una única asignatura clasificados por los módulos de la misma:
Fig. 49: Gráfica de ayuda ofrecida y recibida.
Algunas opciones interesantes para esta gráfica son, por ejemplo, la evolución del
alumno durante un período de tiempo, como un cuatrimestre, incluyendo los datos
de todas las asignaturas del curso por semanas; o la comparativa entre asignaturas,
que permitiría ver en qué asignaturas el estudiante es más participativo o tiene más
problemas (incluiría los datos de todas las asignaturas, clasificados por asignatura,
durante un período de tiempo, como un mes o un cuatrimestre).
REFLEXIONES DE LOS ESTUDIANTES SOBRE LAS VISUALIZACIONES
Un concepto a destacar es que en cada visualización, según lo recomendado en el

capítulo 5, debe permitir al estudiante registrar una reflexión relacionada. Es decir,
cada gráfica debe presentar un botón o campo de texto que permita al estudiante
reflexionar sobre lo que está viendo, reflexión que será almacenada en la traza
correspondiente a la visualización de la gráfica —acción de monitorización. Estas
reflexiones deberían poder ser categorizadas por el estudiante ya que, aunque serán
en su mayor parte acciones de evaluación, podrían ser dudas, comentarios u otro
tipo de anotación. Esto se ilustra en la Fig. 50
192
Fig. 50: Integración de reflexiones y otros tipos de nota en las gráficas.
INTERFAZ DE GESTIÓN DE TAREAS Y OBJETIVOS TIPO KANBAN
La información generada por el perfil puede ser empleada también en el desarrollo

de interfaces que aporten información en tiempo real acerca del progreso. Por
ejemplo, una interfaz para la gestión de objetivos y tareas que resulta muy intuitiva
es la que sigue el modelo Kanban, que ya ha sido probado a nivel educativo para
aprendizaje auto-dirigido (Goldman, 2009). Esto no es algo novedoso. Varios
gestores de tareas comerciales, como Trello1 o Asana, lo incluyen, con la salvedad
de que no definen conceptualmente si se gestionan tareas u objetivos.
En la Fig. 51 se muestra el ejemplo particular de Trello, que permite gestionar
elementos (llamados tarjetas) en listas, sin especificar si se trata de tareas, objetivos,
notas, etc., dando libertad al usuario para su uso, pero a la vez sin permitirle definir
el tipo de elemento. Cada tarjeta puede mostrar el número de subtareas y cuántas
han sido completadas, si contiene recursos enlazados, si contiene descripción, los
participantes de esa tarjeta, etc. Se trata de un buen ejemplo del enriquecimiento
de una interfaz con datos relacionados que aportan contexto a cada elemento. Por
otro lado, Trello emplea un formato propietario de datos, impidiendo la posibilidad
de compartir éstos como permitiría la utilización de xAPI-SRL.
1 https://trello.com/
193
Fig. 51: Interfaz de Trello siguiendo el formato Kanban.
7.7 C ONCLUSIONES
Se podría pensar que es demasiado pronto para xAPI-SRL, que aún no es necesario
o que el soporte software al SRL aún no ha alcanzado una madurez suficiente para
permitir una monitorización como la que se plantea con el uso de este perfil.
Esto es cierto en parte, ya que por un lado hemos concluido en el Capítulo 6 que
hay mucho margen de mejora en cuanto a las características implementadas en
software para ofrecer soporte a las estrategias, y como se ha comentado en el
apartado anterior, esto hace que no sea posible generar trazas suficientes para
permitir una monitorización completa. Por otro lado, al definir las trazas necesarias
para la monitorización SRL se establece una base para una futura implementación
de estas características, y de la recolección de trazas en su conjunto.
Hay pocas herramientas centradas en la monitorización y en su mayoría
pertenecen a proyectos de investigación, como las que se han visto en la sección
4.4.3 del Capítulo 4. Sin embargo, bajo nuestro criterio la existencia de una
especificación que permita registrar de forma unívoca cada una de las acciones
relativas a los procesos SRL puede aportar varios beneficios en un futuro próximo:
 Soporte a los desarrolladores: el perfil es de acceso público, y el acceso libre

al mismo hace que no sea necesario definir qué registrar ni definir cómo
registrar cada acción, algo que aclara la especificación. Además, los
“paquetes” de recetas por funcionalidad indican las recetas a implementar
según el tipo de herramienta.
 Interoperabilidad y herramientas de informes: la existencia de la

especificación permite que se implemente ésta en herramientas de informes
que podrán ser empleadas para cruzar y procesar datos de diversas fuentes.
194
7.7 CONCLUSIONES
El perfil garantiza la interoperabilidad. Esto es determinante, ya que a pesar

de que las herramientas ofrezcan información al usuario de su actividad,
esta monitorización será parcial al contar únicamente con una parte de la
información. La única forma de facilitar una monitorización completa es a
través de la integración de datos de múltiples fuentes.
 Mejora del soporte a la monitorización SRL: la implementación de este

perfil de aplicación proporcionará la posibilidad de crear y almacenar trazas
que permitirán la monitorización del proceso de aprendizaje y
autorregulación casi al completo, excluyendo aquellas acciones internas al
estudiante o que no pueden ser registradas.
El valor científico de esta contribución reside en la identificación de las
estrategias, las acciones y datos que generan, es decir, qué estrategias son
implementables, qué acciones implican dichas estrategias y qué datos es
interesante almacenar de dichas acciones desde el punto de vista de la
monitorización SRL (dentro de los datos de los que se dispone).
Herramientas de monitorización: ¿futuro o utopía?

Desde el punto de vista del autor, que no cree en la herramienta “definitiva” que
ofrezca al estudiante todo lo que necesita, y dado que le parece inevitable que el
estudiante emplee herramientas diferentes para todos los procesos implicados en
el aprendizaje, la monitorización debería llevarse a cabo a través de una
herramienta que emplee datos de varias fuentes para trabajar sobre ellos y ofrecer
información útil al usuario. Esta es la tendencia que podría proporcionar una mejor
monitorización al estudiante: desarrollo de las actividades en las herramientas
correspondientes y monitorización en una herramienta específica de informes que
recopile todas las trazas, disponiendo así de datos del proceso al completo.
El problema principal, que hace que llegar a esto sea poco menos que una utopía
es que es necesaria la aceptación y el compromiso por parte de las marcas y
desarrolladores para la implementación de una especificación como esta. Los
intereses comerciales serán seguro una barrera en muchos casos, especialmente si
se tiene en cuenta que muchas de las aplicaciones son competidoras directas entre
ellas. En aquellos casos en los que la aplicación ya usa xAPI, como Adobe,
Blackboard, Brainier, WebAula, Learning Templates, Learnosphere, LEO, Moodle,
Sakai, etc., las probabilidades pueden ser mayores, ya que cuentan con la API. Por
otro lado, las aplicaciones que empleen otros sistemas, ya sea Activity Streams
como Google, o sistemas propietarios como la mayoría de aplicaciones genéricas
que hemos visto, tendrían que implementar la API para poder comunicarse con un
LRS además del perfil.
Por tanto, a pesar de ofrecer unas posibilidades inigualables, será necesario
promocionar xAPI-SRL y ver cómo evoluciona el e-learning en los próximos años
para ver si llegamos a ver este sistema de monitorización ideal. Si el aprendizaje
autónomo sigue ganando importancia es posible que las aplicaciones se orienten al
desarrollo de funcionalidades centradas en el estudiante. Habrá que ver si esto
195
ocurre o si se continúa mejorando principalmente la experiencia del profesor y los

estudiantes siguen contanto con las muchas limitaciones actuales.
196
8 C ONCLUSIONES
8
Our educational system focuses primarily on teaching youth what to think
rather than how to think.
— J. Lockhead
En este capítulo se exponen las conclusiones de este trabajo de tesis.

Comenzamos con una revisión del desarrollo de la investigación. Así, se revisan los
objetivos de la tesis atendiendo a su consecución a través de las tres contribuciones
principales realizadas: el conjunto de criterios de diseño de soporte software al SRL,
el cuestionario de evaluación del soporte software al SRL y el perfil de aplicación
para el registro de actividades relativas al proceso de autorregulación del
aprendizaje. Una vez considerado el nivel de resolución de los problemas de
investigación propuestos, se presentan todas las contribuciones que consideramos
que este trabajo aporta; se exponen las principales conclusiones, se proponen
algunas lineas de trabajo futuro identificadas a lo largo del proceso y se relacionan
todas las publicaciones producidas en la etapa de realización de esta tesis.
8.1 R EVISIÓN DE LA INVESTIGACIÓN
Al comienzo de esta tesis se planteaba el objetivo principal de este trabajo: facilitar

el desarrollo de herramientas y funcionalidades software que den soporte al
aprendizaje autorregulado y, más concretamente, a las estrategias de aprendizaje y
autorregulación. Para ello el primer paso fue analizar el nivel de soporte de
herramientas existentes, expuestas en el Capítulo 3. Esto entrama cierta dificultad
para un tecnólogo, dado que es un trabajo multidisciplinar en el que una parte
importante se centra en la pedagogía, revisada en el Capítulo 2. Para ello se han
buscado criterios ya establecidos por expertos como origen del análisis. En este
proceso han surgido varios problemas:
1. Los conjuntos de requisitos encontrados en la literatura han resultado poco

detallados e incompletos, dificultando el análisis. Aunque se centran en
elementos cruciales para el SRL, dejan de lado muchos elementos
importantes. La descripción de los requisitos es poco específica y muy
abierta, dejando hueco a la interpretación en algunos casos. La utilización
de estos requisitos para el análisis del soporte ofrecido por las herramientas
software hubiese dado resultados parciales e incompletos.
2. Ausencia de un método de evaluación. Esto puede ser consecuencia de lo

comentado en el punto anterior. Lo cierto es que tan sólo hubo un proyecto
centrado en evaluar el nivel de soporte software al SRL, el proyecto
TELEpeers, expuesto en el Capítulo 4. A pesar de tener un planteamiento
CONCLUSIONES
riguroso y ser una iniciativa interesante, los resultados parecen ser

parciales debido al propio interés de cada sub-proyecto en validar su
propuesta de soporte al SRL. Esto nos deja sin ningún método de
evaluación del soporte software al SRL sólido.
3. El nivel de soporte encontrado en el análisis preliminar es bajo. Incluso en

las herramientas diseñadas de forma específica para dar soporte al SRL se
han tenido en cuenta solamente partes del proceso de autorregulación del
aprendizaje. Esto desemboca en un soporte limitado y aparentemente
ampliable y mejorable.
4. Soporte a la monitorización extremadamente limitado. Se han encontrado

algunas aplicaciones de proyectos de investigación especializados que
ofrecen soporte a la monitorización de una parte pequeña de los procesos
SRL, pero prácticamente ninguna aplicación disponible ofrece
información al usuario de su actividad desde el punto de vista SRL. La
mayoría se centran en datos de relevancia cuestionable, como por ejemplo
el número de mensajes del usuario en un foro, en comparación con otros
datos realmente importantes y claramente enmarcados en el aprendizaje
autónomo. Además de esto, no es posible monitorizar el proceso SRL
completo debido a que no hay ningún formato o especificación que defina
cómo registrar esta actividad, y que permita a su vez recopilar los datos de
actividad de un usuario en varias herramientas para poder monitorizar y
evaluar su desempeño. Las herramientas que guardan trazas de actividad
lo hacen generalmente con formatos propietarios que no permiten el uso
compartido de esa información.
La evaluación del nivel de soporte SRL en software ha resultado ser un problema

complejo con una dificultad añadida, y es que es difícil de “objetivizar”. Cada
individuo piensa y actúa de forma diferente, por lo que sus necesidades de cara al
soporte pueden ser diferentes. Lo que un individuo puede ver muy necesario para
su método de trabajo o estudio puede ser obvio e innecesario para otro. Esto hace
que el análisis o evaluación del nivel de soporte requiera de unos requisitos
desgranados que se centren en los detalles, a fin de destacar las limitaciones. A
juicio del autor, este nivel de resolución no puede ser obtenido tan sólo a partir el
estudio de las teorías del aprendizaje en general y del aprendizaje autónomo en
particular que, aunque son muy útiles para tener una visión general del problema,
son demasiado abstractas para permitir un análisis procedimental. Sin embargo
estas teorías son la base de la mayoría de estudios al respecto.
En este trabajo se ha optado por un enfoque más práctico que permitiese
profundizar con detalle en los procedimientos implicados realmente en el proceso,
lo que nos ha llevado a realizar un estudio a bajo nivel de las estrategias de
aprendizaje y autorregulación, planteado en el Capítulo 5. Este análisis exhaustivo
centrado en los procedimientos y en los datos implicados en los mismos ha
permitido la extracción de los requisitos para el soporte software al SRL (objetivo
específico OE2), expuestos en el mismo capítulo. A la vez se han identificado un
198
8.1 REVISIÓN DE LA INVESTIGACIÓN
conjunto de funcionalidades software relacionadas directamente con el SRL,

cumpliendo con el objetivo específico OE1. El conjunto de requisitos estructurados
por funcionalidades son la base para solventar el problema de la evaluación del
soporte y, por otro lado, su descripción formal clasificada por funcionalidades
desde el punto de vista tecnológico la convierte en una posible guía de
implementación software de soporte a las estrategias de autorregulación y
aprendizaje, y por tanto, al SRL en conjunto.
Una vez obtenidos unos requisitos detallados, se ha procedido a la creación de un
instrumento de evaluación del soporte software al aprendizaje autorregulado,
presentado en el Capítulo 6, cumpliendo con el objetivo específico OE3. En esta
herramienta se han generado preguntas a partir de los requisitos en base a los que
se han creado rúbricas cuyas puntuaciones han sido calibradas evaluando varias
herramientas. Las principales características de este cuestionario son: i) la
búsqueda de objetividad, dado que al estar basado en rúbricas en lugar de en escalas
el evaluador ha de limitarse a constatar lo que se propone en la pregunta y no a
opinar sobre ello; ii) y la imparcialidad en cuanto al tipo de herramienta, algo
conseguido gracias a la separación por funcionalidades y la accesibilidad, ya que el
único requisito para poder usar esta herramienta es conocer bien la herramienta a
evaluar, no es necesario ser un experto en SRL.
Posteriormente este trabajo se ha centrado en resolver el problema que dificulta
la monitorización del conjunto de procesos implicados en el aprendizaje
autorregulado (objetivo específico OE4), para lo que se ha propuesto un perfil de
aplicación para SRL basado en xAPI, descrito en el Capítulo 6. Este perfil ha surgido
en parte del conjunto de requisitos, pero fundamentalmente del análisis
procedimental de las estrategias. Conociendo el procedimiento y los datos
implicados es fácil inferir los datos que se generarán para cada estrategia. Este perfil
permite registrar la mayoría de acciones relativas a la utilización de estrategias de
aprendizaje y autorregulación a través de software. Estos datos de actividad,
inicialmente clasificados por estrategias (y éstas por fase y área SRL), han sido
reestructurados en recetas en base a sus casos de uso relacionados. Posteriormente
y para facilitar el futuro trabajo de implementación en distintas herramientas, se
han propuesto paquetes de recetas para cada una de las funcionalidades
identificadas anteriormente.
A lo largo de esta revisión de la intestigación se ha comprobado el cumplimiento
de los cuatro objetivos específicos planteados al inicio de este trabajo de tesis, lo
cual nos permite afirmar que se ha cumplido su objetivo general.
Algo que cabría destacar es que este trabajo supone un nexo entre la pedagogía y
el desarrollo tecnológico. Ha sido necesario un acercamiento a la pedagogía basado
en el estudio para comprender y relacionar los conceptos importantes, poder
“hablar el mismo idioma” para permitir una colaboración más estrecha y, en
definitiva, tener una visión más global del problema.
199
CONCLUSIONES
8.2 R ESUMEN DE CONTRIBUCI ONES
Esta investigación ha dado lugar a un conjunto de contribuciones originales que

destacamos en esta sección. Comenzaremos con las tres contribuciones principales:
 Definición de un conjunto de requisitos para el soporte software al SRL, que

abarca el proceso de aprendizaje y autorregulación y define de forma
detallada las necesidades de implementación para cada estrategia. Los
requisitos han sido agrupados en ocho categorías 1 atendiendo a las
funcionalidades software identificadas como potenciales para el soporte
SRL. Estos requisitos son la clave de esta investigación, ya que redefinen la
forma en que se aborda el soporte tanto a nivel evaluativo como de diseño.
Estos requisitos constituyen además una guía para la implementación de
soporte al aprendizaje autorregulado en software para las distintas
funcionalidades señaladas.
 Diseño y desarrollo de un instrumento de evaluación del nivel de soporte

software al SRL (CESARAS) que permite a cualquier persona evaluar el
nivel de soporte sin tener conocimientos de SRL. Además, esta herramienta
permite la detección de limitaciones al soporte SRL en las herramientas
evaluadas de forma casi inmediata. Consta de 88 preguntas divididas en
ocho secciones coincidiendo con las funcionalidades identificadas para los
requisitos, permitiendo evaluar herramientas de distintos tipos sin penalizar
ninguno en concreto. Cuenta además con automatización para minimizar
el número de preguntas a responder.
 Desarrollo de un perfil de aplicación (xAPI-SRL) para el registro de

actividades relativas al SRL. Éste ha sido creado en xAPI y permite registrar
de forma unívoca un gran conjunto de acciones derivadas de la utilización
Las tres de estrategias SRL, incluyendo las más importantes. Este perfil define qué
contribuciones
acciones registrar, cómo se ha de registrar cada acción y qué datos son
principales
constituyen un necesarios. Cuenta con 11 recetas y una recomendación de qué recetas
framework básico para implementar para cada una de las siete funcionalidades identificadas
el desarrollo de
mencionadas anteriormente. Este perfil pretende garantizar la
soporte SRL en
software. interoperabilidad para la monitorización y facilitar el desarrollo de soporte
a la monitorización del SRL.
Estas tres contribuciones conforman un framework básico para el desarrollo de

aplicaciones con soporte SRL, ofreciendo los criterios de soporte por funcionalidad,
un instrumento de evaluación del nivel de soporte y una especificación para el
registro de trazas relacionadas con el SRL.
1 Siete funcionalidades más una categoría de requisitos comunes.
200
8.2 RESUMEN DE CONTRIBUCIONES
El autor considera que el trabajo realizado aporta además una serie de

contribuciones menores que, si bien no tienen la relevancia de las anteriores, sí
pueden proporcionar conocimiento a futuras investigaciones:
 Un estudio de las herramientas software existentes atendiendo a las

funcionalidades de cara al soporte al aprendizaje autorregulado. Así, se han
estudiado los principales VLE – LMS, MOOC, ICL, ITS, AS, e-portfolios,
redes sociales educativas y PLE–, así como algunos sistemas específicos para
SRL y herramientas no específicas de e-learning con potencial para dar
soporte a los procesos de autorregulación del aprendizaje.
 Un estudio procedimental de las estrategias de aprendizaje. Este análisis,

realizado desde el punto de vista tecnológico, revela posibles formas de
implementación de las estrategias en software, así como los datos implicados
en las acciones derivadas de dicha implementación.
8.3 C ONCLUSIONES FINALES
Cambio de paradigma en el desarrollo de aplicaciones e-learning

Desde la UE se está fomentando la formación de estudiantes creativos, responsables
de su aprendizaje, capaces, etc. Ya no se trata de transmitirles conocimientos, sino
de enseñarles a aprender. Han de aprender a aprender para poder hacerlo de forma
autónoma a lo largo de la vida. Estamos claramente ante un cambio de paradigma.
El autor considera que este cambio debería verse reflejado también en el software
educativo.
Por ejemplo, los tutores inteligentes y los sistemas adaptativos dicen al estudiante
lo que ha de hacer. Sin embargo, según la nueva pedagogía, es el estudiante el que
ha de decidir, ha de ser consciente de lo que tiene que hacer y asumir la
responsabilidad, aunque no necesariamente en solitario y sin ayuda.
Otro buen ejemplo de este cambio es que, en learning analytics, la información
la recibe típicamente el profesor, que ha de orientar al alumno. Sin embargo, es el
alumno quien debería recibir la información (aunque procesada de forma que sea
fácilmente comprensible) para autoevaluar su desempeño (de nuevo, no
necesariamente sin ayuda, especialmente al principio).
En estos aspectos, en esta tesis se ha tratado de establecer un puente entre la
tecnología y la pedagogía en la línea de la tendencia de la educación marcada por
Bolonia, tratando de reiniciar ese cambio del software del que hablábamos antes.
Hablamos de reiniciar y no de iniciar porque, como hemos visto en el Capítulo 4,
ya ha habido iniciativas que han tratado de abordar este problema. Sin embargo,
este trabajo sienta unas nuevas bases y, en consecuencia, un nuevo punto de
partida, coincidiendo además en el tiempo con esta nueva tendencia en la
201
CONCLUSIONES
educación que hace ahora sí “conveniente” que se produzca un cambio en el

software hacia el soporte al estudiante.
Este cambio de paradigma educativo sigue una historia similar ya que, a pesar de
que esta tendencia definida en el plan Bolonia es reciente, los métodos y teorías ya
han sido definidas y promovidas en el pasado, sin haber sido adoptadas de forma
mayoritaria. Sin embargo, la evolución de la sociedad ha hecho que ahora sea el
momento en el que su aplicación es imperativa. A pesar de esto último, la
aplicación de estos métodos y teorías presenta una dificultad adicional: no se
adecúan a las propuestas educativas realizadas por la mayoría de docentes, lo que
genera que se resistan a cambiar su metodología basada en clases maestras y
centrada únicamente en la adquisición de conocimientos. En muchos casos, se trata
de ayudar a los alumnos menos centrados empleando planificaciones muy
marcadas, que no dejan opción al alumno a realizar ningún tipo de autogestión del
aprendizaje, en lugar de proveerles de herramientas como las estrategias de
aprendizaje y autorregulación, que ofrecerían una solución real para estos alumnos.
Otras consecuencias del cambio de paradigma educativo

La investigación ha generado ya algunos sistemas de e-learning enfocados a ofrecer
soporte al estudiante, pero la realidad es que hay poco volumen de trabajo de
investigación y desarrollo en comparación con el volumen dedicado a facilitar el
trabajo del profesor. En ese aspecto, este trabajo está en línea con los objetivos de
Bolonia y, por tanto, parece que en la buena dirección.
Enfoque práctico
Algo que sí podría considerarse nuevo en este trabajo es el enfoque. Hasta ahora
otros trabajos relacionados habían seguido un enfoque teórico (en cuanto a la
componente pedagógica), frente al práctico y de aplicación seguido aquí.
Desde el punto de vista de un tecnónologo, la pedagogía puede resultar difusa y
contradictoria, debido a las múltiples teorías que, en muchos casos, se solapan
tratando de explicar lo mismo: el aprendizaje y sus procesos. Hemos visto que
algunas pueden verse como complementarias: el conductismo, el cognitivismo y el
constructivismo (Sección 2.1). Sin embargo, las teorías del aprendizaje
autorregulado (Sección 2.3), al menos los modelos de Pintrich y Zimmerman,
definen lo mismo de formas diferentes, en algunos casos con pequeñas
contradicciones. Además de esto, el modelo de Wine y Hadwin define el
aprendizaje autorregulado de una forma más centrada en la parte cognitiva,
siguiendo una aproximación muy diferente a los otros dos modelos. En cualquier
caso, los tres modelos son aceptados. La pedagogía no es una ciencia exacta y este
“polimorfismo” complica enormemente el proceso de investigación y desarrollo.
En este caso particular, obliga desde el primer momento a elegir un modelo, o a
buscar puntos comunes, para poder trasladar este conocimiento al campo del
desarrollo de aplicaciones software para e-learning.
202
8.3 CONCLUSIONES FINALES
Por todo esto en este trabajo se ha buscado un enfoque más directo, de aplicación
práctica. La pedagogía tiene por supuesto una parte práctica, ya no el acto de
enseñar en sí, sino la relacionada con enseñar el metaaprendizaje, es decir, a
aprender a aprender. En esta parte se contemplan los procedimientos, que como
hemos visto son conocidos como estrategias, que son de aplicación práctica. Desde
el punto de vista del autor, estas estrategias conforman el mejor punto de partida
para estudiar el posible desarrollo de herramientas de soporte, por tener una
aplicación práctica directa, algo que no se había considerado hasta ahora, hasta
donde conoce el autor.
Potencial del software genérico y necesidad de mejora del específico

Una de las conclusiones de esta tesis es destacar el potencial de herramientas
software no consideradas como “educativas” para su uso en un marco de
aprendizaje autónomo, especialmente en algunas funcionalidades concretas como
la planificación y la gestión del tiempo. Se han evaluado herramientas que han
obtenido una puntuación bastante alta, como por ejemplo Asana. Parece claro que
la incorporación de este tipo de software puede aportar beneficios para estudiantes
autorregulados, pero sin duda éstos serían mayores si se mejorase el soporte y se
integrasen en el contexto educativo.
Además de esto, los resultados de las evaluaciones realizadas indican que hay un
amplio margen de mejora en el software educativo con respecto al soporte SRL.
Moodle, el LMS más empleado, obtiene un 3 sobre 10 en gestión de rescursos e
información (para el estudiante, recordemos), y un 6 sobre 10 en entrega de
contenidos, una de sus funcionalidades principales.
Implementación de estrategias en software

Desde el punto de vista de la implementación en software, hay estrategias que
pueden ser integradas directamente, como por ejemplo la gestión de objetivos o
tareas. Sin embargo, hay otras que por incluir procesos internos al estudiante o la
interacción con elementos externos, no pueden ser materializadas en una
funcionalidad software. No obstante, muchas de estas estrategias pueden recibir
soporte a través de guías que indiquen al estudiante los pasos a seguir para ejecutar
la estrategia. Estas guías pueden ser proporcionadas a través de repositorios donde
se clasifiquen las estrategias por su función. Esta funcionalidad de proporcionar
guías de estrategias ha sido tenida en cuenta tanto en los requisitos como en
CESARAS. Este concepto ya ha sido explorado en el proyecto ROLE a través del
Learning Activity Recommender widget (Lachmann & Kiefel, 2012), no disponible
actualmente.
Monitorización del SRL

En el Capítulo 4 se ha visto algunas implementaciones enfocadas a la
monitorización parcial de ciertos procesos SRL. Parece evidente que la
investigación del soporte a la monitorización del SRL tiene aún un largo camino
203
CONCLUSIONES
que recorrer. En este trabajo, en lugar de centrarnos en solucionar problemas muy

concretos como los proyectos mostrados en la sección 4.4.3, hemos preferido un
enfoque algo más ambicioso tratando de ofrecer una solución para un soporte
global a la monitorización del proceso completo de SRL, partiendo de la idea de
que una herramienta de monitorización ideal dispondría de trazas de toda la
actividad de aprendizaje y autorregulación, lo cual permitiría monitorizar el
proceso completo, eliminando o minimizando las limitaciones debidas a la falta de
información. Esta aproximación abre nuevas vías para el desarrollo de learning
analytics, especialmente en cuanto al auto-aprendizaje.
El uso generalizado del perfil de aplicación propuesto podría acercarnos a esta
monitorización ideal, pero primero será necesario superar ciertas barreras. La
adopción generalizada de una especificación como xAPI-SRL necesita de la
aceptación y el compromiso de los desarrolladores y empresas, muchas de ellas
competidoras directas. Aparte de esto, el facilitar esta monitorización no tienen
por qué entrar en sus intereses, por lo que sería necesaria una concienciación
previa que facilitase su adopción.
Esperanzas de cambio
Tras realizar esta investigación nos encontramos con que hay numerosos trabajos
de pedagogía orientados a fomentar y mejorar el aprendizaje autónomo, como los
presentados en la sección 2.4.1, pero hay poco trabajo y poco conocimiento acerca
del soporte software al aprendizaje autónomo. Este es un campo que tiene interés,
dada la tendencia hacia el aprendizaje autónomo comentada ya en varias ocasiones.
Esperamos que este trabajo sirva, a pesar de las barreras antes mencionadas, como
trampolín para el desarrollo de aplicaciones más orientadas hacia dar soporte al
alumno en su cada vez más personal camino hacia el conocimiento.
8.4 P ROBLEMAS ABIERTOS Y TRABAJOS FUTUROS
Esta tesis ha tratado de establecer un nuevo punto de partida para el soporte al SRL
en software. Igualmente, las propuestas pueden no ser perfectas y como todo son
susceptibles de mejorar y evolucionar. Presentamos aquí algunas mejoras que no
han podido llevarse a cabo por falta de tiempo, así como algunas líneas que
permitirían continuar con la investigación realizada en este trabajo:
 Mantenimiento y actualización de los requisitos. Es posible que surjan

nuevos requisitos, que sea necesario modificar alguno de ellos o incluso que
alguno deje de ser necesario por ser incluido “por defecto” en las
aplicaciones en el futuro.
 Revisión de las preguntas de CESARAS para valorar la nueva redacción de

aquellas con conjuntos de respuestas complejas, de cara a hacerlas más
comprensibles para los “no expertos”.
204
8.4 PROBLEMAS ABIERTOS Y TRABAJOS FUTUROS
 Listas de mejoras para el software en los resultados de CESARAS. Se podría

mostrar de forma directa junto con los resultados de la evaluación una lista
de posibles mejoras basadas en los requisitos, en función de las respuestas
en las que se haya obtenido baja puntuación. Sería muy interesante y
práctico para desarrolladores de software, ya que de forma inmediata
obtendrían una lista de recomendaciones de implementación.
 Ampliación del perfil de aplicación xAPI-SRL con una receta específica de

auto-monitorización y auto-evaluación. Aunque parezca que monitorizar
la monitorización o evaluar la evaluación sea entrar en una espiral o en un
bucle, es algo que forma parte del proceso SRL. Por ejemplo, ver al final de
un trimestre o cuatrimestre si se han realizado monitorizaciones y
evaluaciones y cuándo se han hecho puede dar una idea al estudiante de si
necesita hacerlo de forma más frecuente, incluso estableciendo una
periodicidad; si hay un período sin evaluaciones podría indagar por qué, etc.
En definitiva, le permitirá ser consciente de sus actos y poder así tomar
medidas para mejorar. De todas formas esta receta está en desarrollo y no
ha sido publicada aún por entrañar una dificultad extraordinaria debida
principalmente a este factor de “recursividad”.
 Difusión del diseño de software orientado a SRL. El desarrollo de software

debería seguir la tendencia hacia una mayor autonomía individual que
existe actualmente en nuestra sociedad a todos los niveles, incluyendo la
educación. Por ello es importante promover que el diseño de software se
oriente hacia favorecer esta autonomía con funcionalidades adecuadas y
bien diseñadas. Dentro de esta iniciativa se incluiría la promoción del uso
de los requisitos de diseño, del cuestionario de evaluación y del perfil de
aplicación para la captura de trazas. Con esto se tratará de evitar que este
trabajo se pierda en el creciente mar de investigaciones actual y que se
materialice en productos listos para su uso académico o personal.
 Creación de una herramienta de informes basada en xAPI-SRL. Para esto se

emplearían combinaciones de datos que ya hemos establecido en varias
pruebas planteadas en varias publicaciones (Manso & Llamas, 2014) (Manso,
Caeiro, & Llamas, 2015b) (Manso, Caeiro, & Llamas, 2016c). Estas
combinaciones consisten en seleccionar al menos dos datos que juntos
aporten información nueva no presente en los datos originales por separado.
Por ejemplo, la estimación del tiempo que llevará hacer una tarea realizada
durante la planificación y el tiempo empleado en esa tarea permite ver al
usuario ese diferencial, que constituye un dato nuevo.
 Implementación de los requisitos y posterior evaluación de la herramienta.

Una forma interesante de continuar esta investigación sería implementar
los requisitos de alguna de las funcionalidades en una herramienta software
adecuada y estudiar los beneficios e inconvenientes de esta implementación
con usuarios reales. Sería interesante medir la posible mejora del soporte
205
CONCLUSIONES
aportada por cada uno de los requisitos en la realidad, cuáles son valorados
por los usuarios, cuáles no y por qué.
8.5 P UBLICAC IONES

Aquí se describen brevemente las publicaciones derivadas del trabajo de
investigación realizado en esta tesis, en orden cronológico. Se incluyen aquellas
relativas a las contribuciones principales así como otros trabajos preliminares que,
aunque en algunos casos han sido abandonados, han aportado conocimientos y
contribuido a definir el camino tomado finalmente para llegar a los resultados
expuestos.
Manso, M. and Llamas, M., Distributed Personal Learning Environments: Towards

a Suitable Architecture. IEEE Global Engineering Education Conference
(EDUCON), Berlin 2013.
En esta publicación se presenta un análisis de las diferentes opciones de PLE

existentes, tomando el CMS (Content Management System) como herramienta
principal del entorno de aprendizaje. El análisis se centra especialmente en los dos
tipos principales de PLE: mashups y distribuidos. Ambos tienen ventajas y
desventajas, pero aquí se ha preferido el distribuido por estar más en línea con el
SRL al ofrecer al estudiante mayor libertad a la hora de elegir las herramientas y
construir su propio PLE. Además, ambos tipos comparten un problema común: el
aislamiento entre las aplicaciones que lo conforman. En esta publicación se revisan
las principales soluciones y se plantea una arquitectura para sistemas distribuidos
basada en la utilización de un mediador que permita el intercambio de información
y el login único, centralizando el acceso a las aplicaciones del PLE, una vez
configuradas. También se revisan los principales modelos de gestión de recursos e
información y se plantea un formato común para permitir el intercambio
automatizado entre sistemas.
Las propuestas realizadas en esta publicación están orientadas a conseguir un PLE
que responda a cambios internos como un conjunto, minimizando las
modificaciones a realizar en las aplicaciones.
Esta publicación ha recibido el premio a la mejor publicación en la categoría
"Area 1: Educational Methods and Learning Mechanisms in Engineering
Education".
Manso, M. and Llamas, M., Distributed Personal Learning Environments: Towards

a Suitable Architecture. International Journal of Emerging Technologies in
Learning (iJET), Vol 8 S2, pp. 37-46, 2013.
La publicación presentada en EDUCON 2013 fue seleccionada para ser publicada

en la revista International Journal of Emerging Technologies in Learning (iJET),
tras una actualización del mismo.
206
8.5 PUBLICACIONES
M. Manso and M. Llamas, A Metacognitive Learning Organizer To Introduce

Learning Strategies for PLE Users And SRL Students, IEEE International
Conference on Teaching, Assessment and Learning for Engineering (TALE),
Bali, 2013.
En esta publicación se presenta el MLO (Metacognitive Learning Organizer), un

organizador del aprendizaje con estrategias metacognitivas integradas. Para ello se
revisan primero los fundamentos de la teoría metacognitiva y se introducen las
estrategias de aprendizaje. Este organizador está basado en la integración de
estrategias clave para ayudar al desarrollo de las capacidades metacognitivas del
estudiante. Por esto se presenta un breve análisis de métodos de ayuda habituales
en las plataformas de aprendizaje para luego presentar la funcionalidad principal
del organizador, basada en la implementación de una revisión de la estrategia
KWL, con relación directa con las tres fases de la metacognición: planificación,
ejecución y evaluación.
M. Manso and M. Llamas, Architecture of a Learning Organizer with

Metacognitive Support, Simpósio Internacional de Informática Educativa
(SIIE), Viseu (Portugal), 2013.
Esta publicación continúa el trabajo presentado en la anterior, proponiendo la

arquitectura del MLO y describiendo brevemente los módulos que lo integran y
sus funciones. Se presenta la propuesta de incrustar estrategias de aprendizaje en
el software para dar soporte a la metacognición, el diseño de un recomendador de
estrategias de aprendizaje para actividades específicas, una visión personal de un
módulo de learning analytics pensado para estudiantes y una propuesta para la
realización de recomendaciones basada en las relaciones entre etiquetas,
enriquecimiento de etiquetas y folksonomías.
M. Manso and M. Llamas, Design of the Monitoring System of a Learning

Organizer, IEEE Global Engineering Education Conference (EDUCON),
Istanbul (Turkey), 2014.
Esta publicación describe el sistema de monitorización propuesto para el MLO,

basado en la comparación de una serie de variables para obtener información
relativa al proceso de aprendizaje y autorregulación del estudiante. Esta
información no es posible obtenerla observando las variables por separado. Por ello
se proponen un conjunto de trazas a obtener de la actividad del estudiante y un
conjunto de posibles pares que aportan nueva información. Además de esto, se
propone un método de detección temprana de posibles problemas educativos para
favorecer una orientación a tiempo, antes de que la desviación detectada se
convierta en un problema real. El objetivo de este sistema es permitir la
monitorización de los alumnos de su propio aprendizaje y facilitar la
monitorización a los profesores.
El concepto de este sistema esboza lo que se propone en los apartados 7.5.3 y
7.5.4 como método de procesado de trazas y visualización.
207
CONCLUSIONES
M. Manso, M. Caeiro, and M. Llamas, Analysis of Self-Regulated Learning

Strategies Oriented to the Design of Software Support, Frontiers in Education
(FIE), Madrid, 2014.
En esta publicación se presenta la primera aproximación a los requisitos para el

soporte SRL en software, extraídos del análisis de estrategias, cuya versión final se
muestra en el capítulo 5. A su vez se introduce el proyecto TELEpeers,
concretamente un pequeño análisis del cuestionario PRET empleado en ese
proyecto (ver apartado 4.3.2), como trabajo relacionado, ya con la idea de emplear
estos requisitos presentados para la evaluación del soporte. Se planteaba como
opción inicial el actualizar el cuestionario PRET, basado en escalas, empleando
estos requisitos, algo que fue finalmente descartado por no cumplir con los
objetivos que se plantearon para el instrumento de evaluación —descritos en la
sección 6.1.
M. Manso, M. Caeiro, and M. Llamas, Cuestionario de Evaluación del Soporte al

Aprendizaje Autorregulado en Software, Simposio Internacional Informática
Educativa (SIIE), Logroño, 2014.
En esta publicación se presenta CESARAS, el cuestionario de evaluación del

soporte software al SRL, descrito en detalle en el capítulo 6. Aquí se presenta por
primera vez el concepto, se describe brevemente el proceso de extracción de
requisitos presentado en el FIE 2014 y se explican los tipos de preguntas y
respuestas empleados, exponiendo algunos ejemplos de las mismas.
M. Manso, M. Caeiro and M. Llamas, Development of a xAPI Application Profile

for Self-Regulated Learning, IEEE Global Engineering Education Conference
(EDUCON), Tallin, 2015.
En esta publicación se presenta un análisis del posible uso de la especificación xAPI

para registrar acciones relacionadas con la autorregulación del aprendizaje, más
concretamente, con la ejecución de estrategias de aprendizaje y autorregulación.
Así, se explica el análisis de estrategias desde el punto de vista procedimental
realizado para identificar las acciones y los resultados que generaría cada acción, y
se muestran algunos ejemplos de acciones y resultados que generarían varias
estrategias concretas. Finalmente se explica por qué se ha elegido xAPI y se
presenta el perfil de aplicación xAPI-SRL, descrito en profundidad en el capítulo 7.
Además, se muestran algunos ejemplos de acciones que incluidas en el desarrollo
de xAPI-SRL.
M. Manso and M. Llamas, Proposal of a Learning Organization Tool with Support

for Metacognition, IEEE Revista Iberoamericana de Tecnologías del
Aprendizaje, Vol. 10, Issue 2, pp. 35-42, 2015.
208
8.5 PUBLICACIONES
La publicación de SIIE 2013 fue seleccionada para la revista IEEE-RITA y para su

versión en español VAEP-RITA, para las que se ha actualizado y ampliado el
contenido.
M. Manso and M. Llamas, A Monitoring System to Ease Self-Regulated Learning

Processes, IEEE Revista Iberoamericana de Tecnologías del Aprendizaje, Vol.
10, Issue 2, pp. 52-59, 2015.
El artículo presentado en el EDUCON 2014 fue seleccionado para la revista

IEEE-RITA, en la que se ha publicado una versión actualizada y ampliada.
M. Manso, M. Caeiro and M. Llamas, xAPI-SRL: Uses of an Application Profile for

Self-Regulated Learning Based on the Analysis of Learning Strategies,
Frontiers In Education (FIE), El Paso, Texas, 2015.
En esta publicación se introduce el uso del perfil de aplicación xAPI-SRL para la

generación de gráficas de monitorización y evaluación del SRL, tratando de
destacar el valor de la monitorización dentro del proceso de aprendizaje, tanto para
el profesor como para los estudiantes, así como del uso del perfil para permitir
dicha monitorización. Así, se describe brevemente el proceso de captura, selección
y procesado de la información de actividad para su posterior presentación gráfica,
descrito de forma más detallada en el capítulo 7 de esta tesis. En esta publicación
se resalta el potencial de estas gráficas para facilitar el proceso de monitorización y
las ventajas del uso de un perfil como xAPI-SRL para poder compartir información
de actividad relativa al SRL para ser usada en herramientas de informes.
M. Manso, M. Caeiro and M. Llamas, Are Learning Software Systems Well-

Prepared to Support Self-Regulated Learning Strategies? International Journal
of Engineering Education (IJEE). Aceptada. Pendiente de publicación. 2015.
(JCR Q3)
La publicación presentada en el SIIE 2014 fue seleccionada para ser publicada en

la revista International Journal of Engineering Education (IJEE). Para esta revista
se ha realizado una actualización y ampliación de dicha publicación, describiendo
con más detalle el cuestionario e incluyendo información acerca de los primeros
resultados empleados para el proceso de calibración inicial, descrito aquí
brevemente. El proceso final de calibración puede verse en la sección 6.4 de esta
tesis.
M. Manso, M. Caeiro and M. Llamas, Tracking and visualizing time management

for self-regulated learners, Work in Progress, in Frontiers In Education (FIE),
Erie, Pennsylvania, 2016.
En este WIP se presentan las características específicas para la monitorización del

uso del tiempo incluidas en el perfil xAPI-SRL. En él se destacan las ventajas de la
integración de datos de actividad de diferentes fuentes apuntando a la posibilidad
209
CONCLUSIONES
de mostrar información del proceso de aprendizaje al completo (en este caso

gráficamente). Además se incide en la importancia de forma de combinar estos
datos para ofrecer información relevante, afirmando que una correcta elección del
criterio de clasificación o suma de la información (e.g. criterios de actividad SRL
frente a criterios de procedencia de los datos) puede contribuir a maximizar la
cantidad de información obtenida y su relevancia. Esto se explica con más detalle
en el apartado 7.5.3 de esta tesis.
Publicaciones futuras
En el futuro próximo se prevee la presentación de dos publicaciones más en revistas
científicas conluyendo con el trabajo realizado:
M. Manso, M. Caeiro and M. Llamas, Use of software applications to support Self-
Regulated Learning.
En esta publicación se presenta un estado del arte del uso de software como soporte
al SRL, tanto empleando software específico como genérico, haciendo referencia a
lo visto en el capítulo 4 de esta tesis.
M. Manso, M. Caeiro and M. Llamas, Enabling SRL monitoring and

self-monitoring with graphics from SRL data.
En esta publicación se proponen una serie de presentaciones gráficas de datos
capturados empleando el perfil de aplicación xAPI-SRL, como las mostradas en la
sección 7.5. Se realiza una comparación de estas gráficas creadas específicamente
para una situación de SRL frente a las gráficas presentes habitualmente en software
de learning analytics.
210
APÉNDICES
212
A A NÁLISIS DE ESTRATEGIAS
A
En este apéndice se presenta un análisis resumido de las estrategias de
autorregulación y aprendizaje encontradas en la literatura especializada.
Selección de estrategias
Se han empleado varias fuentes para recopilar las 55 estrategias consideradas en
este trabajo: “Cartas do Gervasio ao seu umbigo” (Rosario, Nuñez, & González-
Pienda, 2006), “Estrategias de aprendizaje para aprender más y mejor” (Carrasco,
2007), “Learning Strategies” (Nisbet & Shucksmith, 1986), el sitio web “Skills You
Need” (2014).
De las 72 estrategias encontradas en total (una vez hecha la fusión de estrategias Se han encontrado
equivalentes) se ha realizado una selección atendiendo a las posibilidades de numerosas estrategias
procedentes de
implementación y aplicabilidad a través de software en base a los siguientes
distintas fuentes que
criterios: son equivalentes, es
decir, podrían
 El objeto de la estrategia es medible (cuantificable) o tangible: por ejemplo, considerarse como
la voluntad es algo que no se puede medir, por lo que una estrategia centrada distintas visiones la
misma estrategia
en la voluntad será difícilmente implementable; sin embargo una estrategia
definida por autores
de gestión del tiempo puede serlo ya que el tiempo se puede medir y diferentes. En este
cuantificar. trabajo se han
fusionado las
 La acción o acciones implicadas en la estrategia y la información que maneja estrategias
son registrables. equivalentes para
evitar una repetición
 Requiere entrada/salida de datos: es decir, el usuario ha de introducir datos innecesaria.
o bien visualizar datos procesados o en crudo. Es decir, implica interacción.
 Es procedimental: es decir, está basada en pasos. Esta condición no es

realmente necesaria, pero válida para el concepto de estrategia en forma de
guía. Una estrategia procedimental puede ser implementada como una guía
paso a paso para el usuario. Es de especial utilidad para estrategias
cognitivas, como por ejemplo las estrategias de comprensión lectora.
Acerca de este análisis

Cada análisis contiene: nombre de la estrategia, descripción, complejidad (si está
compuesta por varias estrategias o no), finalidad, valoración de una posible
implementación e información de trazas a manejar en la posible implementación
descrita. Aquellas estrategias que hayan sido consideradas como no
implementables estarán marcadas con un asterisco (*).
APÉNDICE A
Las estrategias analizadas aquí están ordenadas atendiendo a la siguiente

clasificación:
 Estrategias metacognitivas
o Planificación
o Monitorización y control
o Evaluación
 Estrategias motivacionales
 Estrategias de contexto
 Estrategias cognitivas
o Estrategias de búsqueda, recogida y selección de información
o Estrategias de adquisición, procesamiento y uso de la
información
A.1 E STRATEGIAS METACOGNI TIVAS
A.1.1 E S T R A T E G I A S D E P L A NI F IC A C IÓ N
PLANIFICACIÓN DEL APRENDIZAJE EN BASE A OBJETIVOS
Esta es una estrategia compleja (superestrategia), formada por cinco estrategias más
simples:
1. Definición de un objetivo.
2. Planificación de un objetivo.
3. Monitorización del cumplimiento del plan
4. Evaluación de la ejecución del plan
5. Corrección del plan
Se trata de una de las estrategias más complejas, ya que abarca varias estrategias
más simples distribuidas en las tres fases. Se analizarán las estrategias implicadas.
DEFINICIÓN DE UN OBJETIVO
Un objetivo es aquello que un alumno desea alcanzar conscientemente. Para ser un

objetivo ha de cumplir los requisitos MARTE: Medible, Alcanzable, Relevante,
limitado en el Tiempo y Específico (SMART en inglés por Simple, Measurable,
Attainable, Relevant, Time-bounded). El estudiante ha de definir sus objetivos
siguiendo estos requisitos.
Desde el punto de vista temporal, los objetivos pueden ser a largo plazo o a corto
plazo. Los objetivos a largo plazo deben ser divididos en objetivos de concreción
más próxima, o a corto plazo, para que las tareas tengan éxito.
214
ANÁLISIS DE ESTRATEGIAS
Hay que considerar también que los objetivos pueden ser vistos de dos formas.
Tenemos por un lado los objetivos o metas de aprendizaje del estudiante, que son
las metas que quiere conseguir. Por otro lado, cuando se define una tarea también
se definen los objetivos de esa tarea (target goals), que definen qué ha de cumplir
el resultado de la tarea para ser considerada como completada con éxito. Éstos
servirán como criterio de evaluación de la ejecución de la tarea.
La finalidad de esta estrategia es guiar las acciones y comportamiento. Pertenece
a la primera fase de planificación.
Desde un punto de vista procedimental, esta estrategia consiste en definir el
objetivo siguiendo los requisitos descritos en la estrategia:
1. Concepción del objetivo.
2. Comprobación de si cumple los requisitos MARTE.
3. Dividir en objetivos más pequeños si procede.
4. Relacionar con tareas.
Implementación
Tradicionalmente, esto se lleva a cabo anotando los objetivos y sus elementos
relacionados en papel. Esta estrategia podría implementarse en herramientas de
gestión de tareas o proyectos, donde sería posible anidar objetivos y tareas. Un
objetivo de aprendizaje puede incluir tareas (hijas). Una tarea puede tener objetivos
de la tarea (target goals), que aportan información de completitud de la tarea. Es
importante diferenciar conceptualmente objetivos y tareas. Sería interesante poder
definir objetivos de forma colaborativa para grupos de trabajo.
Trazas
Esta estrategia generaría los siguientes resultados:
 Nombre o título del objetivo.
 Descripción del objetivo.
 Propietario del objetivo.
 Visibilidad/privacidad del objetivo.
 Padre del objetivo (objetivo o tarea).
PLANIFICACIÓN DE UN OBJETIVO
Se trata de una estrategia compleja consistente en que el estudiante defina cómo

va a conseguir el objetivo. Consta de varias estrategias:
 Identificación de tareas a realizar y pasos a seguir.
215
APÉNDICE A
 Identificación de recursos necesarios.
 Selección de estrategias a emplear.
 Estimación del tiempo necesario para cada tarea/actividad.
 Definición de los resultados previstos/esperados.
IDENTIFICACIÓN DE PASOS A SEGUIR
Consiste en identificar los pasos a seguir para la consecución de un objetivo.
Básicamente, esta estrategia consiste en la identificación de los pasos, que pueden
ser anotados para una posterior consulta o revisión.
Implementación
Esta estrategia encaja perfectamente en un gestor de tareas o proyectos, en el que
es posible definir los pasos a seguir para un objetivo o tarea. Los pasos podrían ser
implementados de la misma forma que las subtareas, realizando la distinción
conceptual para el usuario, que no es imprescindible pero sí recomendable.
Trazas
De forma similar a la definición de objetivos o tareas, esta estrategia generaría los
siguientes resultados:
 Posición (ordenación).
Las acciones de esta estrategia serían añadir, modificar o eliminar paso.
IDENTIFICACIÓN/DEFINICIÓN DE TAREAS
Consiste en identificar y definir una tarea, que puede requerir la realización de

varios pasos. La definición de una tarea ha de incluir qué se va a hacer y cómo.
 Creación de la tarea
 Definir criterios de completitud u objetivos de la tarea
 Relacionar con otras tareas y objetivos
216
Implementación
Las herramientas software de gestión de tareas y proyectos ya ofrecen esta
funcionalidad. Permiten crear tareas, relacionarlas con otras mediante jerarquía o
etiquetado (ambas serían deseables) y es posible definir los criterios de completitud
a modo de subtareas, aunque sería recomendable poder identificar éstos como
objetivos para mayor claridad como se ha indicado en la estrategia de definición de
objetivos.
Trazas
De forma similar a la definición de objetivos, esta estrategia generaría:
 Nombre o título de la tarea.
 Descripción de la tarea.
 Etiquetas de la tarea (opcional).
 Propietario/a de la tarea.
 Visibilidad/privacidad de la tarea.
 Padre de la tarea (objetivo o tarea).
ESTIMACIÓN DEL TIEMPO A EMPLEAR
Esta estrategia consiste en realizar una estimación del tiempo que se necesitará para
realizar una tarea o actividad en base a la experiencia previa y/o al análisis de los
pasos a realizar. Forma parte de la gestión del tiempo y de la planificación.
Esta estrategia, siendo de gestión del tiempo, está siempre enmarcada en la
planificación de tareas y objetivos.
Consiste en asignar un tiempo a una tarea o paso. El tiempo de una tarea formada
por varios pasos o sub-tareas se puede calcular a partir de las estimaciones de las
sub-tareas.
Implementación
Para implementar esta estrategia tan sólo es necesario añadir la estimación
temporal en un formato conocido (HH:MM) a una tarea, paso o actividad. Esta
funcionalidad encaja en gestores de tareas y proyectos así como en herramientas
de entrega de contenidos (que cuenten con herramientas de planificación) en los
que el estudiante pueda asignar una estimación temporal a un contenido, prueba
de nivel o ejercicio.
En cualquier caso se recomienda realizar la planificación en una única
herramienta de cara a poder tener una visión global. De esta forma, la estimación
temporal se asignaría a una tarea en el software de planificación que sería a realizar
217
APÉNDICE A
en el software de entrega de contenidos (lectura de un contenido, realización de

una prueba de nivel o un ejercicio, etc.). Para esto es importante que el software
de planificación permita enlazar la tarea al elemento del software de entrega de
contenidos al que hace referencia.
Trazas
Esta estrategia generaría una estimación temporal en un formato común de tiempo
que ha de ir asociada a una tarea, paso o actividad existente.
HORARIO DE TIEMPO DISPONIBLE PARA EL ESTUDIO
Consiste en realizar un horario semanal fijo y detallado con todas las actividades
que el estudiante realiza semanalmente (clases, comer, ensayos, entrenamientos,
etc.). Se han de marcar las horas disponibles y reservadas para estudiar cada día. En
base a estas horas libres se podrá realizar la planificación.
La finalidad es conocer las horas disponibles para facilitar la planificación.
Pertenece a la fase 1 (previsión, planificación y activación).
 Identificar los intervalos horarios ya ocupados para cada día de la semana y
fijarlos en el horario.
 Definir los intervalos horarios que se quiere definir para el estudio en

función del tiempo que queda libre cada día.
Implementación
Se trata de un horario fijo semanal, en el que la información más importante de
cara a la autorregulación es el tiempo disponible para estudiar cada día. Este tiempo
es el que albergará los episodios de aprendizaje. Es decir, la planificación real de
tareas debería hacerse en base al tiempo disponible cada día, asignando cada tarea
con su estimación temporal a los huecos disponibles.
Este horario puede estar basado en intervalos temporales que llamaremos
ranuras. Las ranuras definidas por el usuario para el estudio son las que podrá
emplear para la planificación de tareas y objetivos a corto plazo, y las que deberían
usarse para calcular si la planificación de tareas es realista o si no tendrá tiempo
suficiente. En cualquier caso, el usuario deberá poder definir las ranuras a su
antojo. Es posible ofrecer unos tipos de actividad predefinidos y permitir tipos
personalizados.
Trazas
 Ranura temporal, que tendrá los siguientes datos:
o Nombre
218
o Tipo de actividad (sin definir, estudio, descanso, clase, ensayo,

entrenamiento, etc.)
o Día de la semana, hora de inicio y hora de fin.
ORGANIZACIÓN TEMPORAL DE UN EPISODIO DE ESTUDIO
Planificar el tiempo de estudio de un episodio en tiempo para estudio intensivo y

tiempo para descansos ayuda a motivar la concentración en el estudio. Es decir,
planificar los descansos.
La finalidad de esta estrategia es mejorar el rendimiento. Pertenece a la fase 1
(previsión, planificación y activación).
En cualquier caso el soporte a esta estrategia es poco relevante, dado que es
considerada como accesoria en varios manuales.
Definir el tiempo máximo de episodio sin descanso y el tiempo de descanso.
Implementación
Los elementos necesarios para la planificación de los episodios son las ranuras
temporales y los episodios (planificados) definidos anteriormente. En este caso,
para cada episodio planificado se podría definir el tiempo máximo sin descanso y
el tiempo de descanso. De esta forma, si se emplea un temporizador, éste podrá
avisar automáticamente si se supera el tiempo máximo sin descanso.
Trazas
 Tiempo máximo sin descanso.
 Tiempo de descanso.
CONTROLAR LAS FECHAS DE LAS PRUEBAS/ENTREGAS
Consiste en anotar en un calendario, preferiblemente digital, las fechas de las

entregas de trabajos y de las pruebas de evaluación, para tener una idea clara de los
días restantes de cara a la planificación y priorización de tareas y objetivos.
Además de esto es motivacional, ya que la presión o ansiedad aumenta cuanto

menos tiempo queda, generalmente motivándonos a trabajar o estudiar más.
Implementación
Esta estrategia está incluida en la planificación de tareas/eventos.
219
APÉNDICE A
A.1.2 E S T R A T E G I A S D E M O N I T O R IZ A C IÓ N Y C O NT R O L
MONITORIZAR LA REALIZACIÓN DE TAREAS
Consiste en comparar lo que se está haciendo con lo que se ha previsto hacer en la

planificación, para cumplir el plan y alcanzar los objetivos.
 Visualización de lo que se está haciendo
 Acción de control: nada, cambios en el plan, registro de reflexión.
Implementación
La automonitorización se hace sobre la marcha, durante la ejecución de las tareas,
y es un proceso que implica consciencia de lo que se está haciendo y, si es posible,
el registro de los pasos de realización (estrategia relacionada). Hay ciertos
parámetros que se pueden mostrar al usuario para ayudarle en el proceso de
monitorización. Por ejemplo, es posible mostrar el tiempo transcurrido en la tarea
y el tiempo estimado, es posible mostrar la planificación original para que
reflexione sobre si la está cumpliendo o si ve necesario actuar y realizar cambios
(control metacognitivo), mostrar el plan seguido para comparar, etc. El usuario
debería poder elegir qué quiere visualizar, ya sea información general o datos
concretos.
Por tando, esta estrategia implica el registro de los pasos de realización y la
visualización de esta información, que puede derivar en reflexiones (que han de
ser registradas) o en cambios en la estrategia seguida o la planificación. Por
ejemplo, en un gestor de tareas, ver las tareas completadas para de un objetivo
concreto es monitorizar la ejecución realizada para lograr ese objetivo.
Trazas
Las trazas derivadas de la monitorización en sí misma son las acciones de
visualización del proceso realizado. Por tanto, simplemente se podría registrar que
el usuario monitoriza una tarea, objetivo, etc.
Las trazas de registro de tareas se muestran en la estrategia siguiente.
REGISTRAR LOS PASOS DE REALIZACIÓN
Consiste, como su nombre indica, en registrar los pasos que se llevan a cabo para
la realización de una actividad o tarea, incluyendo las estrategias seguidas y
decisiones tomadas si es posible, para poder realizar la monitorización en cualquier
momento.
 Registro de la actividad del usuario (automático o manual).
220
Implementación
Un sistema software puede registrar únicamente la actividad que el usuario
desarrolla empleando el software. Aquellas actividades que desarrolla de forma
externa han de ser registradas voluntariamente por el usuario, por lo que el
software debe proporcionar un medio adecuado para esto, de forma que el registro
tenga la semántica adecuada dependiendo de qué sea lo que se ha registrado (un
paso de una tarea o actividad, una tarea, un cambio de estrategia, etc.).
Además se debe distinguir si lo que se va a registrar estaba ya planificado o por
el contrario es una actividad nueva. Si se trata por ejemplo de una tarea planificada
símplemente habría que añadir un episodio a dicha tarea añadiendo información
de uso del tiempo. En caso de no estar planificada se añadiría un episodio que
contaría con datos de la tarea desempeñada y del uso del tiempo, teniendo en
cuenta especialmente que dicha tarea no pertenecía a la planificación original.
Trazas
Esta estrategia generaría principalmente trazas acerca de un episodio, que contaría
con los siguientes datos:
 Tiempo empleado
 Contexto: objetivo, tarea o actividad a la que pertenece.
El registro de episodios contaría con acciones como iniciar tarea, pausar tarea,
detener tarea, completar tarea (implicaría finalizarla) y añadir tiempo dedicado a
una tarea.
CONTROL DEL TIEMPO EMPLEADO
Consiste en tomar nota o registrar el tiempo empleado en completar una tarea p

actividad concreta, de cara a una futura monitorización y/o evaluación. En la
estrategia se indica que no solamente se deben registrar las horas dedicadas al
estudio, sino que es interesante registrar el resto de actividades. Proponen el uso
de una tabla como esta:
Lunes Martes … Domingo TOTAL
Horas de clase 5 4 … 0 25
Estudio en el centro 2 3 … 0 10
Estudio en casa 0 2 … 2 9
Actividades recreativas 1 2 … 6 16
Actividades personales 2 0 … 2 14
Implementación
Hay ya numerosas aplicaciones de gestión del tiempo, como TimeEdition,
Everhour, Harvest, etc. Todas emplean dos métodos: por un lado el temporizador,
221
APÉNDICE A
que se puede iniciar y detener para cada tarea o actividad añadida; y por otro
ofrecen la posibilidad de registrar el tiempo manualmente para aquellas actividades
que se han realizado offline.
Es ideal que esto se incorpore a gestores de tareas, de forma que se pueda
controlar el tiempo empleado en las tareas sin tener que duplicar las mismas en
otra aplicación. Hay aplicaciones que ofrecen la integración de estos servicios como
Asana, que permite integrar Harvest o Everhour para gestionar el tiempo empleado
en las tareas.
Trazas
Esta estrategia generaría trazas del tipo “Juan realizó la tarea X durante 15
minutos”. El tiempo indicado se correspondería con un episodio.
MONITORIZAR-EVALUAR EL NIVEL DE COMPRENSIÓN
Es importante ser consciente de lo bien o mal que se comprende el material a

estudiar, el material de lectura, las asignaciones de los trabajos, etc. Para ello, es
necesario plasmar la información adquirida para probar el nivel de comprensión.
Consiste en hacer un resumen, mapa conceptual o paráfrasis para comprobar el
nivel de comprensión obtenido tras leer o estudiar un contenido.
Está relacionada con generación de preguntas y cuestiones, resumen y las
estrategias de organización de la información. La diferencia es que aquí el resumen
o esquema se realiza de memoria tras la lectura o visualización. De esta forma se
verifica el nivel de retención y comprensión.
 Realizar un resumen, mapa conceptual o paráfrasis acerca de lo que se ha
tratado en la actividad de lectura o estudio.
 Registrar el resultado.
 Evaluar el nivel de comprensión en función del resultado y registrar la

evaluación.
Implementación
Para implementar esta estrategia es posible solicitar al usuario la realización de un
resumen o esquema tras la lectura o visualización del contenido, simplemente de
cara a provocar la autoconsciencia del nivel de retención y comprensión,
fomentando la automonitorización de la ejecución de la tarea de
lectura/visualización. Se registraría si es posible el resultado de la monitorización.
Trazas
Esta estrategia genera como resultado un resumen, esquema o mapa que contaría
con los mismos datos que en las estrategias de organización de la información.
222
Sin embargo, las acciones a registrar serían diferentes. Aquí, el usuario

monitoriza la actividad de lectura (previamente registrada en la herramienta)
generando un resultado que es el resumen, esquema o mapa. Además, este
resultado puede ir acompañado de una valoración (puntuación) y/o una reflexión
acerca del desempeño, que sería la evaluación de la actividad.
RECONOCIMIENTO DEL PROBLEMA
Cuando un estudiante tiene un problema con un trabajo, asignación o con una

parte de una asignatura, etc., debe ser consciente de ello para poder afrontarlo en
lugar de evitarlo o ignorarlo. Las consecuencias de esta estrategia son acciones ya
reflejadas en otras estrategias, como el registro de una duda, la búsqueda de ayuda,
la modificación de una estrategia que no está dando los resultados esperados, etc.
Esta estrategia no es implementable como tal, ya que el proceso de
reconocimiento del problema se produce de forma interna al estudiante. Sin
embargo, se ha querido incluir aquí dada su relevancia y debido a que es el origen
de la acción de otras estrategias relevantes.
A.1.3 E S T R A T E G I A S D E E V A L U A C IÓ N , R E F LE X IÓ N Y R E A C C I Ó N
EXPERIMENTACIÓN (MONITORIZACIÓN-EVALUACIÓN DE ESTRATEGIAS)
Esta es una estrategia que abarca la monitorización y la evaluación de estrategias,

pero se ha incluido en evaluación dado que es la parte sobre la que se realizarán
propuestas de implementación.
La estrategia consiste en que el estudiante experimente con estrategias o métodos
de estudio para identificar cuál le funciona mejor.
 Utilización de una estrategia
 Valoración de la estrategia
Implementación
La implementación de esta estrategia es sencilla. Encaja en un contexto en el que
se dispone de un repositorio de estrategias o una herramienta que nos permita
integrarlas en un plan de trabajo. De esta forma, se podría valorar cada estrategia
para un uso futuro mediante un sistema de puntuación y/o favoritos, permitiendo
al usuario registrar una reflexión con la puntación siempre que sea posible. Es
decir, se registrarían las conclusiones de la experimentación.
Trazas
La acción de puntuar una estrategia o añadir a favoritos podría incluir, como se ha
comentado, una reflexión del usuario.
223
APÉNDICE A
AUTOCRÍTICA
Consiste en realizarse a uno mismo ciertas preguntas acerca del proceso de

aprendizaje para auto-evaluar el comportamiento autorregulador. Ejemplos de
estas preguntas serían: “¿cómo afronto el estudio/tarea?”, “¿qué podría mejorar?”.
Este tipo de preguntas invitan a la reflexión y al análisis del proceso de
aprendizaje y autorregulación.
Implementación
La implementación de esta estrategia implicaría dos funciones, una de ellas
necesaria y otra opcional:
 Fomentar la autoevaluación (opcional): cualquier herramienta puede

preguntar al usuario cómo afronta la tarea en cuestión y cómo podría
mejorar. Esto ha de hacerse siguiendo criterios coherentes con el tipo de
herramienta tanto en la forma como en la frecuencia (en un gestor de tareas,
tras la consecución de tareas; en un LMS según el resultado obtenido, el
nivel de actividad; etc.)
 Permitir registrar la reflexión de la autoevaluación. Es importante que esto

se ofrezca no de forma genérica, sino totalmente específica. Por ejemplo, las
tareas de un gestor de tareas pueden tener un campo destinado a la reflexión
(“cómo lo he hecho”, “problemas encontrados”, “cómo mejorar”, etc.). Sería
interesante poder indicar además la satisfacción o sensación del estudiante
para poder registrarla y que sea fácilmente comprendida por una máquina,
ya sea empleando estados, una puntuación numérica o simplemente una
indicación de si la reflexión es positiva, neutra o negativa. En cualquier caso,
esta valoración ha de ser discreta pudiendo tener un número limitado de
valores concretos.
Trazas
En esta estrategia se generarían las siguientes acciones: añadir, modificar o eliminar
una reflexión sobre un elemento (tarea, objetivo, recurso, actividad, etc.), a lo que
hay que añadir la valoración discreta. Esto se puede expresar de varias formas. Por
ejemplo: usuario añade reflexión sobre elemento, o bien usuario reflexiona sobre
elemento, siendo la reflexión el resultado de la acción.
La reflexión debería llevar unos datos asociados:
 Texto de la reflexión
 Valoración (puntuación numérica)
 Contexto
224
EVALUACIÓN DEL RESULTADO O PRODUCTO FINAL
Consiste en analizar la calidad del resultado de un trabajo o del episodio de

aprendizaje en concreto. Así, el estudiante ha de ver si ha alcanzado el objetivo
planificado para el episodio de aprendizaje. En caso de que sea un trabajo tendrá
que, de forma crítica, evaluar el trabajo como si fuese hecho por otra persona para
ver sus defectos y virtudes. Además, sería posible compararlo con otros anteriores
que hayan sido puntuados por el profesor, para tener una referencia.
Así, el estudiante ha de emitir una valoración para sí mismo y registrarla para
revisiones futuras. Esta valoración podría ser una puntuación numérica, una
reflexión o ambas.
Implementación
Esta estrategia puede encajar en una herramienta de entrega de contenidos que
tenga funciones de evaluación y en una de gestión de tareas y objetivos en la que
la tarea u objetivo genere un resultado. En ambas, se podría incluir un campo de
evaluación del resultado, en la que el estudiante pueda incluir su reflexión y una
puntuación.
Para el caso del episodio de aprendizaje, tiene sentido en herramientas que
permitan la planificación. En este caso no se genera necesariamente un resultado,
pero se puede evaluar el episodio planificado. El estudiante ha de reflexionar acerca
de consecución de objetivos, eficiencia, etc., por lo que en el campo en el que
escribirá la reflexión se pueden sugerir preguntas genéricas como “¿qué tal te ha
ido?” o más específicas como “¿has conseguido tus objetivos?” o “¿has aprovechado
el tiempo?”
Trazas
Las trazas generadas por esta estrategia serían idénticas a las generadas en la
estrategia de autocrítica.
EVALUACIÓN DEL PROCESO DE APRENDIZAJE
Esta es una superestrategia consistente en analizar cada uno de los pasos que han
llevado al estudiante al resultado, los métodos y estrategias empleados. De esta
forma es posible aprender de errores y mejorar la planificación y ejecución de
tareas, así como pulir las estrategias para ser más eficientes.
Esto comprende varias estrategias:
1. Analizar los pasos que nos han llevado al resultado (proceso de realización).
2. Analizar las estrategias empleadas.
3. Atribuir causas a los resultados y problemas.
4. Adaptar los métodos para futuros usos.
225
APÉNDICE A
En este caso, estas estrategias están altamente relacionadas entre sí y no

necesariamente se realizan de forma secuencial, comenzando la siguiente cuando
se acaba con la anterior, sino que se empieza por la primera —que podríamos decir
que es la principal— y se va saltando a las demás y volviendo a la primera según se
va evaluando el proceso. Por ejemplo, si se analiza el proceso de realización de un
trabajo, primero se revisarían los pasos seguidos, pero para algunos pasos se habrán
empleado estrategias. En esos pasos se salta al análisis de estrategias. Si se detecta
algún problema que se ha encontrado en algún paso se saltaría a la atribución
causal. Por último, si se identifica alguna posible mejora, se saltará a la adaptación
de métodos.
Implementación
La implementación de esta superestrategia consistirá en la implementación de las
estrategias que la forman. A mayores, podría tener sentido una reflexión final,
global acerca del proceso de aprendizaje en su conjunto.
EVALUACIÓN DEL PROCESO DE REALIZACIÓN
Consiste en analizar cada uno de los pasos que han llevado al estudiante al resultado
para aprender de errores y mejorar en la planificación y ejecución de tareas. Esta
estrategia parte de la información obtenida durante la fase de monitorización,
concretamente de las estrategias monitorizar la realización de tareas y registrar los
pasos de realización. Esta información permite al estudiante comparar el plan
seguido con el plan original, ver y evaluar su desempeño y sus decisiones durante
el proceso.
Implementación
Este proceso consiste primero en la revisión de datos previamente almacenados
para posteriormente emitir una evaluación. Por esto, para esta estrategia es ideal
mostrar al estudiante, preferiblemente a través de gráficas, la información de
monitorización de tareas y pasos registrados. Así, el estudiante podrá evaluar su
desempeño y reflexionar sobre sus acciones. Es importante que se pueda registrar
esta reflexión. A su vez, es posible que sea interesante que el estudiante pueda
puntuar (para futuras gráficas) su desempeño, a modo de valoración.
Trazas
Las trazas generadas por esta estrategia serían idénticas a las generadas en la
estrategia de autocrítica.
EVALUACIÓN DE LAS ESTRATEGIAS EMPLEADAS
Esta estrategia consiste en analizar cómo han resultado las estrategias empleadas
en la consecución de un objetivo o tarea para mejorarlas y/o adaptarlas para usos
futuros. No todas las estrategias funcionan igual para cada individuo ni para cada
226
tarea. De esta forma el estudiante aprende qué estrategia es mejor para cada
situación y cuál se adapta más a su forma de trabajar.
Implementación
Esta estrategia encaja en herramientas que tengan un repositorio de estrategias o
en aquellas que tengan estrategias integradas que puedan ser activadas o
desactivadas.
La forma más sencilla de realizar esta implementación es que el usuario pueda
puntuar la estrategia empleada del repositorio, o bien que pueda desactivar las
estrategias integradas. Además es interesante que el usuario pueda adaptar una
estrategia a su forma de trabajar, por lo que la modificación de las estrategias del
repositorio completa las funcionalidades necesarias.
Trazas
Contemplando los dos casos, tenemos por un lado que el usuario puede activar o
desactivar una función que implementa una estrategia y, por otro, que pueda
puntuar una estrategia de un repositorio, o modificarla para crear una estrategia
personalizada. Por tanto tenemos un objeto estrategia que puede tener asociada la
siguiente información:
 Tipo (clasificación, opcional)
 Nombre
 Descripción (en qué consiste)
 Propósito (finalidad de la estrategia, opcional)
 Contexto
Las acciones serían activar o desactivar estrategia para estrategias embebidas y

añadir, eliminar, modificar o puntuar estrategia, para repositorios de guías de
estrategias.
ADAPTACIÓN DE MÉTODOS Y ESTRATEGIAS
Consiste en reajustar las estrategias y métodos empleados para hacerlas más

eficientes o adaptarlas a la forma de trabajar del propio estudiante en base a un
análisis y evaluación previos.
Implementación
En una herramienta que cuente con un repositorio de estrategias, sería necesario
que ésta permita a los estudiantes modificarlas, permitiendo la creación de
estrategias personalizadas. La estrategia original se conservaría siempre como
referencia sin ser modificada.
En estrategias que cuenten con una serie de pasos, éstos han de poder modificarse
y reordenarse.
227
APÉNDICE A
Trazas
Los datos para las trazas generadas en esta estrategia coinciden en parte con los
generados en las estrategias de evaluación de las estrategias empleadas e
identificación de pasos:
 Tipo (clasificación, opcional)
 Nombre
 Descripción (en qué consiste)
 Propósito (finalidad de la estrategia, opcional)
 Pasos:
 Posición (ordenación).
Las acciones asociadas con esta estrategia serían modificar o eliminar estrategia,
añadir, eliminar y modificar paso.
ATRIBUCIÓN CAUSAL
Consiste en atribuir causas a los errores o éxitos. Atribuir malos resultados a

limitaciones en habilidades fijas puede ser dañino motivacionalmente porque
implica que los esfuerzos por mejorar no serán efectivos. Sin embargo, atribuirlo a
un proceso controlado, como el uso de una estrategia inadecuada, mantiene la
motivación porque implica que otra estrategia puede llevar al éxito. Ser consciente
de la causa de un buen o mal resultado puede ayudar a mejorar.
Esta estrategia implica ir más allá en la reflexión acerca del proceso o resultado a
evaluar, tratando de identificar las causas del éxito o fracaso.
Implementación
Parte de esta estrategia implica conocer cómo hemos de atribuir las causas de éxitos
o fracasos. Esta parte no es implementable, pero puede ser ofrecida como guía.
Por otro lado, es posible permitir al estudiante que registre la reflexión
resultante, o incluso preguntarle, en caso de una valoración negativa o muy
positiva, por qué ha obtenido ese resultado. En cualquier caso, implicaría añadir
un campo al propuesto en la estrategia de autoevaluación (autocrítica) en el que el
usuario ha de responder por qué le ha ido bien o mal. Con esto conseguiríamos
separar semánticamente la esta reflexión, aunque puede ser habitual que un
estudiante autorregulado incluya ya esta información en la reflexión general sin
solicitarle la información de forma explícita.
228
Trazas
En este caso es posible registrar la acción de atribución causal. Esto sería posible de
dos formas: o bien añadiendo un tipo de reflexión llamado atribución causal a los
tipos ya existentes, registrándose como cualquier otra reflexión, o bien a través de
especificar la acción completamente, indicando que el usuario atribuyó causa al
resultado o valoración.
EVALUACIÓN DEL USO DEL TIEMPO
Consiste en comparar el tiempo empleado en una tarea con el tiempo estimado

para esa tarea, o con otros tiempos que puedan tener relación, como la media de la
clase para la misma tarea o el tiempo empleado en tareas similares. El objetivo es,
por un lado, ser conscientes del tiempo necesario y mejorar las estimaciones y, por
otro, ser conscientes de si hemos empleado más o menos tiempo de lo habitual. Así
resultará más fácil reflexionar acerca de las causas del empeoramiento o de la
mejora. Esto permitirá pulir nuestros procesos de aprendizaje.
En caso de que el resultado de la tarea sea valorado por el profesor, se podría
relacionar la nota con el tiempo invertido para conocer qué estudiantes pueden
necesitar ayuda en cuanto a la gestión del tiempo u organización. Esto puede
además dar una medida del tiempo que es necesario invertir para obtener un mejor
resultado.
Implementación
Es necesario poder registrar la duración de las tareas o actividades (ver elaboración
de un plan de trabajo) para contar con datos y poder así realizar la evaluación del
uso del tiempo. Esta evaluación se puede hacer de muchas formas. Lo ideal es que
el usuario pueda visualizar gráficamente el tiempo empleado por tarea o actividad,
el tiempo empleado frente al estimado (si lo hay), etc. Dependiendo de la
información disponible las gráficas serán más útiles o menos. En cualquier caso la
cantidad de información a visualizar debe ser personalizable, comprensible y
nunca excesiva.
Esta evaluación no desembocará necesariamente en una entrada de información
(reflexión) del estudiante. De hecho no es necesaria de cara a una buena ejecución
de la estrategia, pero es interesante ofrecerla para no limitar a aquellos que quieran
dejar constancia de lo que han pensado tras la monitorización/evaluación. La clave
está en la consciencia del uso del tiempo y, por tanto, una visualización adecuada
puede facilitar mucho esta labor. Sí puede ser interesante por otro lado que el
usuario pueda definir la evaluación como positiva, neutra o negativa, al igual que
las reflexiones. De esta forma tendríamos un resultado sencillo de la
autoevaluación, rápido para el usuario.
Trazas
En este caso solamente es necesario registrar la acción de evaluación, es decir, la
visualización de la información de uso del tiempo. Esta acción puede ir
229
APÉNDICE A
acompañada de una valoración positiva, neutra o negativa y de una reflexión

opcional. Los datos que generaría la acción de evaluación serían:
 Gráfica o información
 Título
 Descripción (opcional)
 Valoración (puntuación numérica)
 Texto de la reflexión
REACCIONES ANTE RESULTADOS
La satisfacción personal es algo muy importante de cara a la motivación. Aumentos

en la satisfacción personal aumentan la motivación y decrementos en la misma
minan los esfuerzos hacia la tarea. Ante resultados negativos, existen dos tipos de
reacciones:
 Defensivas: proteger la imagen que se tiene de uno mismo evitando o

retirándonos de oportunidades de aprender o practicar, para evitar la
sensación de fracaso.
 Adaptativas: realizar ajustes encaminados a aumentar la efectividad de

nuestros métodos, como descartar o modificar una estrategia de aprendizaje
que no nos funciona.
Es importante que la tendencia del estudiante sea hacia las adaptativas, que
provocan una mejora en los métodos y en los procesos de aprendizaje y evitan el
abandono o despreocupación de las tareas.
Implementación
En herramientas que permitan al estudiante registrar reflexiones con una
valoración, es importante que, si ésta es negativa, se ofrezcan opciones para
reconducir las reacciones del estudiante hacia las adaptativas, ofreciendo
alternativas como adaptación o cambio de estrategia, ampliación de información,
solicitud de ayuda, etc.
Trazas
La implementación de esta estrategia no generaría necesariamente trazas. Sin
embargo, sí es posible monitorizar las reacciones del estudiante realizando un
seguimiento específico tras una valoración negativa, especialmente si se trata de
una tarea que forma parte de una mayor, de un objetivo, o bien que no ha concluido
y se esperan más acciones del estudiante.
De esta forma sería posible ver si las sugerencias realizadas han servido al
estudiante o no.
230
A.2 E STRATEGIAS MOTIVACIO NALES
AUTOMOTIVACIÓN
Se trata de una estrategia compleja consistente en una serie de estrategias de

automotivación para estabilizar la motivación y aumentarla si es necesario:
 Autoeficacia: creer que tenemos la capacidad personal de aprender o de

realizar una tarea nos hace más capaces de realizarla.
 Expectativas de resultados: la utilidad que vemos a lo que vamos a aprender

motiva a esforzarse en aprenderlo. La utilidad de los resultados nos motiva
a completar un objetivo.
 Interés intrínseco: Es el valor que le damos a la habilidad que usamos para

completar la tarea por sí misma. Cuanto mayor es el valor que le damos,
mayor es la motivación, ya que la desarrollaremos durante el proceso.
 Orientación a los objetivos de aprendizaje: Es el valor que le damos al propio

proceso de aprendizaje o trabajo para la consecución de un objetivo.
EXPECTATIVAS DE RESULTADOS
Consiste en crear una lista de los beneficios que creemos que nos va a aportar un
objetivo, lo que nos va a permitir o en lo que nos puede ser útil. Tener expectativas
de los beneficios que nos puede aportar el conseguir un objetivo ayuda a la
motivación.
Identificar y anotar las expectativas de resultados para una tarea u objetivo.
Implementación
Consistiría en preguntar al estudiante qué espera obtener al finalizar la
tarea/objetivo y que éste lo registre en un campo de texto. Al finalizar la tarea, estas
expectativas le ayudarán a reflexionar sobre lo que ha conseguido y a evaluar su
realización de la tarea/objetivo.
Aquí caben dos aproximaciones. Dado que los resultados esperados pueden ser
varios, se podría emplear un campo de texto libre o una lista de elementos.
Trazas
Un elemento expectativa de resultados contendría los siguientes datos:
 Título (no obligatorio)
 Descripción
 Tarea u objetivo relacionado
231
APÉNDICE A
RECOMPENSA
Cada estudiante puede emplear esta estrategia de forma diferente. Consiste en

establecer una recompensa para disfrutarla al completar una tarea, al alcanzar un
objetivo, o incluso, por ejemplo, tras estudiar un número de horas, de cara a
aumentar la motivación cada día.
Por ejemplo, si un estudiante necesita dedicar 3 horas diarias a estudiar y le cuesta
alcanzarlo por querer hacer otras actividades, establecer una recompensa puede
ayudarle a querer completar ese tiempo de estudio. Si establece que por cada hora
de estudio, puede acumular 15 minutos para hacer otra actividad, tras estudiar 2
horas tendría 30 minutos para esa actividad. De esta forma sabe que va a tener
tiempo reservado para dedicarle a lo que quiere hacer tras haber estudiado el
tiempo prefijado.
La finalidad es combatir distractores. Esta estrategia se define durante la
planificación y se verifica durante la evaluación.
 Definir la recompensa a obtener y la condición a cumplir para obtenerla.
 Verificar si se cumple la condición.
Implementación
La implementación de esta estrategia puede ser sencilla. Simplemente en la interfaz
de la tarea u objetivo se ha de permitir añadir una recompensa, que constará de
una descripción y una condición. Esta condición puede ser de varios tipos:
temporal, tarea completada y objetivo alcanzado. La condición temporal llevará un
valor temporal asociado.
Trazas
El objeto recompensa tendrá los siguientes datos:
 Descripción
 Condición
o Tipo: temporal, tarea completada, objetivo alcanzado
o Valor: tiempo (sólo para tipo temporal)
 Objetivo o tarea relacionado
Una recompensa puede ser establecida, obtenida o perdida.
232
A.3 E STRATEGIAS DE CONTEX TO
En esta categoría se agrupan las estrategias SRL de control de contexto e

interacción social.
BÚSQUEDA DE AYUDA
Consiste en solicitar ayuda de terceros cuando se tiene un problema en el

aprendizaje. Es común solicitar ayuda a un profesor o a un compañero. Aquí es
importante apoyarse en alguien que tenga capacidad para ayudar resolver el
problema, o plantearlo para una resolución en grupo.
Implementación
La herramienta debe permitir solicitar ayuda a través de una duda u otro método.
Lo ideal es que esta ayuda sea en contexto, es decir, dentro de o enlazada
directamente al elemento relacionado. Por ejemplo, un foro permite plantear
dudas, pero están descontextualizadas y depende del usuario el proporcionar un
contexto adecuado.
Dada la implementación propuesta basada en una anotación con semántica de
“duda”, la implementación de esta estrategia se ha fusionado con la de toma de
notas (ver apartado A.4.2).
COLABORACIÓN / ESTUDIAR EN GRUPO
Consiste en trabajar con otros estudiantes de forma colaborativa. Estudiar con otras
personas hace que se puedan poner en práctica técnicas de trabajo en grupo y
aprender discutiendo y escuchando a otros compañeros.
La finalidad de esta estrategia es la de favorecer el desarrollo de habilidades
sociales para el trabajo en equipo. Fundamentalmente se desarrolla durante la fase
de ejecución, aunque puede darse en las tres fases.
Implementación
El desarrollo de esta estrategia depende de que la herramienta permita el trabajo
colaborativo. Las herramientas deben permitir la edición conjunta y
preferiblemente algún tipo de comunicación síncrona en contexto. Hay algo que
está impícito en la posibilidad de trabajar de forma colaborativa, y es la posibilidad
de compartir el elemento sobre el que se trabaja.
Trazas
Las trazas que genera esta estrategia son las resultantes de las comunicaciones y
modificaciones en elementos relacionados con otras estrategias. Las relativas
puramente al proceso de colaboración, como mensajes de chat o ediciones en un
documento, tienen una importancia menor. Sin embargo, el hecho de colaborar sí
es importante y es interesante que sea registrado. Esto quedará reflejado cuando un
233
APÉNDICE A
grupo realice una acción, por lo que ha de ser posible registrar acciones realizadas
por grupos, no únicamente por individuos.
Acciones relativas a esta estrategia son compartir elementos (tareas, documentos,
etc.) y las acciones realizadas de forma colaborativa (creación, edición, publicación,
etc.).
A.4 E STRATEGIAS COGNITIVA S
Las estrategias cognitivas proveen una estructura para el aprendizaje cuando una
tarea no puede ser completada siguiendo una serie de pasos, y están enfocadas hacia
principalmente hacia la adquisición de conocimiento.
Todas las estrategias cognitivas presentadas aquí pertenecen a la fase 2,
concretamente a la ejecución.
A.4.1 ESTRATEGIAS DE BÚSQUEDA, RECOGIDA Y S E L E C C IÓ N DE

I N F O R M A C IÓ N
Para cualquier tema, la cantidad de información disponible puede ser inmanejable,

especialmente desde la llegada de Internet. Por ello, es importante saber
seleccionarla.
BÚSQUEDA Y SELECCIÓN DE INFORMACIÓN
Esta es una superestrategia que consta de dos estrategias más simples:
 Selección de las fuentes de información
 Selección de la información de cada fuente
Veremos cada una de ellas por separado.
SELECCCIÓN DE FUENTES DE INFORMACIÓN
Como su nombre indica, consiste en elegir las fuentes de información que nos
interesan. Consta de varios pasos:
1. Elegir aquellas que encajan mejor y más directamente en nuestros intereses

personales.
2. De entre ellas, seleccionar las que están más a nuestro alcance ojeando el
contenido para saber si se adapta.
3. Indagar en fuentes que puedan complementar a las elegidas y que puedan

ofrecer enfoques diferentes del contenido, y que a la vez podamos
comprender.
234
Los pasos en los que está dividida esta estrategia ya nos indican los procesos a
implicados:
 Identificación de fuentes de información interesantes.
 Recogida y clasificación de esas fuentes (a través de marcadores, fichas,

descarga u otros métodos que permitan recoger la información relativa a
cada fuente para futuras visitas).
 Valoración del recurso en cuanto al interés o importancia para el estudiante.
 Ampliación de búsqueda de fuentes volviendo al primer paso a partir de

información obtenida de las propias fuentes consultadas.
Implementación
La identificación de fuentes y la ampliación implican procesos internos al
individuo y la utilización de herramientas de búsqueda o la interacción con otros,
por lo que no se buscará su implementación.
La recogida y clasificación de las fuentes sí puede ser implementada por ejemplo
a través de marcadores o fichas que permitan recoger la información relativa a cada
fuente para futuros accesos. Una vez seleccionada, la consideraremos un recurso.
La clasificación se puede llevar a cabo a través de una estructura (carpetas), a través
de etiquetado o ambas. En cualquier caso, el recurso se añade a un elemento
contenedor que puede ser una carpeta, una tarea, un objetivo, una colección, etc.
dependiendo de la herramienta.
La valoración del recurso se puede hacer a través de un sistema de puntuación.
El usuario podría puntuar los recursos en función de lo interesantes que le resulten
de cara al objetivo a cumplir o a sus preferencias personales, o simplemente
descartar las que no interesan (se ocultarían para permitir posibles accesos en el
futuro) o eliminarlas si finalmente no cumplen unos mínimos.
Trazas
El recurso puede tener los siguientes datos:
 Título
 Descripción
 Tipo (documento, libro, vídeo, audio, hipermedia, video en línea, audio en

línea, etc.)
 Propietario
 Enlace al recurso
 Etiquetas
 Tarea u objetivo relacionado
235
APÉNDICE A
 Contenedor
 Valoración del usuario
Las posibles acciones son añadir, editar, etiquetar, puntuar, descartar, eliminar
recurso.
AMPLIACIÓN DE INFORMACIÓN
Consiste en ampliar la información de la que se dispone con contenidos de otras

fuentes para ampliar conocimientos o llenar lagunas de información.
Esta estrategia puede parecer redundante con la búsqueda de información. Sin
embargo, en este caso la búsqueda parte de un conocimiento muy superior al de la
búsqueda inicial y tiene lugar en un momento diferente del proceso de aprendizaje,
por lo que se considera por separado.
Implementación
En un sistema que permita la gestión de contenidos o recursos, un usuario podría
añadir fuentes, información sobre las mismas e información acerca de su procesado
(si la ha subrayado o no, si ha hecho algún esquema, nivel de interés, etc).
La implementación y las trazas coinciden con las comentadas en la estrategia de
selección de fuentes de información.
RESUMEN Y SÍNTESIS
El resumen consiste en sintetizar la información relacionando si es posible lo leído

con conocimientos ya adquiridos. Se trata de una estrategia compleja para la que
se contemplan dos técnicas posibles:
 Resumen: consiste en reducir un texto respetando el sentido y empleando

palabras del autor. No exige un nivel de comprensión del texto elevado. Es
adecuado para la fase inicial del estudio. Se puede apoyar en un subrayado
previo.
 Síntesis: consiste en exponer brevemente las ideas fundamentales de un

texto con palabras propias. Exige un nivel de comprensión del texto
elevado. Desarrolla las capacidades de analizar, relacionar y sintetizar, la
comprensión y la expresión. Es adecuada para las fases finales del estudio,
como el repaso. Consta de varios pasos:
 Lectura general de todo el documento.
 Lectura atenta de cada uno de los apartados.
 Lectura por párrafos tomando notas de lo importante y sintetizando las

ideas principales
 Elaborar una síntesis definitiva a partir de las síntesis parciales.
236
Implementación
Esta estrategia se puede ofrecer al estudiante a modo de guía.
A.4.2 E S T R A T E G I A S D E A D Q U IS IC IÓ N, P R O C E S A M IE NT O Y U S O D E L A
I N F O R M A C IÓ N
El procesamiento de la información “consiste en realizar una serie de operaciones

mentales que nos lleven a comprenderla (codificarla) hasta integrarla o convertirla
en algo propio” (Carrasco, 2007).
La asimilación de la información se realiza mediante varios procesos que
constituyen la codificación de la información. Hay tres códigos de representación
del pensamiento:
 Lógico-verbal: constituido por las palabras o vocabulario. Procesa la

información de forma lineal, lógica y analítica. Se usa al escuchar o al leer.
 Viso-espacial: lenguaje icónico o gráfico. Hace entender mejor la estructura

u organización global. Sintético.
 Analógico: relaciona dos o más cosas por semejanza o dependencia.
A.4.2.1 Adquisición de información
ADQUISICIÓN DE INFORMACIÓN DE UNA FUENTE
Esta estrategia consiste en una serie de pasos para adquirir conocimiento de una
fuente de información:
1. Analizar y comprender la estructura del documento.
2. Identificar los conceptos e ideas principales de cada parte.
3. Organizar y relacionar las ideas y conceptos mediante gráficos, esquemas,

mapas mentales o conceptuales.
4. Relacionar e integrar los nuevos conceptos con conocimientos ya

adquiridos.
5. Hacer un resumen o síntesis del tema centrándose en lo esencial de acuerdo

con el esquema o mapa realizado.
Como vemos se trata de una superestrategia en la que los pasos del 3 al 6 están
relacionados. Veremos a continuación las estrategias que se usan para seguir estos
pasos.
Implementación
Esta superestrategia puede ser ofrecida al estudiante a modo de guía.
237
APÉNDICE A
SUBRAYADO
Estrategia
El subrayado consiste en identificar en un texto lo más importante y resaltarlo.
Hay una serie de recomendaciones a tener en cuenta:
 Leer el conjunto del texto antes de subrayar, a fin de tener una idea general.
 Identificar las ideas principales y subrayarlas.
 Las palabras o frases subrayadas han de tener sentido al leerlas.
 Es posible emplear varios colores (estableciendo un código) de forma que

todos los elementos del mismo tipo vayan con el mismo color. Esto no
funciona para todo el mundo, pero es una práctica interesante.
El subrayado tiene varios beneficios, ayudando a: centrar tu atención en lo que
estás leyendo (especialmente en segundas lecturas), pensar más cuidadosamente en
los conceptos e ideas clave del texto y a ver de un golpe de vista lo que ya has leído.
El proceso consiste en subrayar las ideas principales.
Implementación
Esta es una funcionalidad común en lectores de pdf y en herramientas en línea
como Diigo. En todas ellas es posible compartir incluyendo el subrayado, que
permanece entre sesiones.
Trazas
Lo complejo de registrar el subrayado no es registrar cada acción individual de
subrayado, sino el caso en el que el usuario subraya varias partes que forman un
conjunto, omitiendo otras en el medio. Por ejemplo, “El actor (...) debe vocalizar
(…) de forma que se le entienda, pero sin exagerar (…) la expresión.”. A la hora de
registrar el subrayado es importante ver, en caso de que haya más de un evento
consecutivo, si varias piezas subrayadas corresponden a la misma acción de
subrayado de la misma frase, es decir, si para el usuario todas o varias las piezas
subrayadas corresponden a la misma acción y deberían registrarse conjuntamente
como un único evento. Esto podría realizarse midiendo el tiempo entre subrayados
y estableciendo un máximo que si no se supera hará que se considere como un
evento único. Este sistema no sería infalible. El único método fiable
completamente sería la indicación del propio usuario.
En un evento de subrayado se generarían los siguientes datos:
 Texto resultante del subrayado
 Origen del texto (recurso)
238
DOMINIO DEL VOCABULARIO
Esta estrategia está relacionada con el código lógico-verbal. La mayoría del

vocabulario se aprende en contexto, y la estrategia para llevarlo a cabo sería:
1. Anotar los términos nuevos.
2. Diferenciar los distintos sentidos de cada término para cada contexto.
3. Identificar términos afines a los anteriores, comparándolos.
4. Utilizar los términos que se vayan adquiriendo.
La finalidad de esta estrategia es dominar el vocabulario nuevo.
Los procesos desde el punto de vista de una implementación software son:
 Anotación de términos.
 Distinción de distintas acepciones según el contexto.
 Relación con otros términos conocidos.
Implementación
Una implementación sencilla sería permitir al usuario registrar las palabras nuevas
asociadas al recurso, tarea u objetivo al que están vinculadas. Podría tener una
colección para cada tema o bien una única colección en la que se pudiese etiquetar
cada palabra con respecto al tema. También sería interesante poder añadir una lista
de palabras relacionadas. A su vez, es importante poder registrar dónde se encontró
el usuario con la palabra, para aportar un contexto real, por lo que debe ser posible
añadir una referencia al objetivo, tarea o recurso relacionado.
Trazas
Cada palabra ha de tener:
 Título (palabra en sí)
 Descripción
 Tema (implementable mediante etiquetas)
 Palabras relacionadas (opcional)
 Elemento relacionado (origen, que puede ser un recurso, objetivo, tarea,

etc.)
Las acciones pueden ser crear colección de vocabulario, añadir, editar o eliminar
palabra. Puede ser interesante también la opción de compartir.
239
APÉNDICE A
TOMA DE NOTAS
Esta estrategia consiste en la toma de notas durante una lectura activa o una
exposición en clase. “Escribiendo notas en tus propias palabras te verás forzado a
pensar sobre las ideas presentadas en el texto y sobre cómo explicarlas de forma
coherente” (Rosario, Nuñez, & González-Pienda, 2006). Por tanto, este proceso te
ayudará a retener y analizar lo leído. Copiar lo importante solamente tiene sentido
si la idea es citar al autor.
Estas notas, pueden ser usadas para varios fines: sintetizar lo leído, ampliar
información, aclarar dudas, como recordatorio, etc.
La estrategia difiere según la fuente, pero todas indican que no hay un método
estándar y cada uno debe ver el que mejor le funciona, pero sí apuntan diversas
recomendaciones:
 Un primer paso puede ser subrayar o resaltar palabras o frases en el texto.
 Tras la toma de apuntes, es importante mantener éstos organizados, ya sea

en carpetas o referenciados al original, y con títulos adecuados si procede.
 Puede ser interesante subrayar los puntos importantes de las notas.
 Es interesante escribir un resumen al final de lo que hemos leído para juntar

los puntos esenciales y simplificar el argumento principal o punto de vista
del autor.
 Anotación
 Aportar información del tipo de nota (duda, recordatorio, apunte, etc.)
Implementación
Debido a la variedad de usos que pueden tener las notas, esta funcionalidad ha de
ser versátil. Lo básico es que permita al usuario escribir anotaciones, pero hay que
destacar una serie de características a tener en cuenta:
 Las notas han de poder tomarse en contexto. Es decir, al igual que en papel
el software ha de ofrecer la posibilidad de añadir notas en la misma interfaz
de visualización si la tiene. Esto es muy evidente para documentos
hipermedia, no tanto para audio y video. En estos formatos que cuentan con
una línea de tiempo, las anotaciones pueden estar referenciadas a la línea de
tiempo. En caso de no tener interfaz de visualización (externa) ha de
permitir tomar notas asociadas directamente al elemento sobre el que
queremos realizar la anotación, que contará presumiblemente con un
enlace en el interfaz.
 Es interesante identificar al autor y poder responder a anotaciones de otros

de cara a compartir, especialmente las dudas, y al trabajo colaborativo.
240
Trazas
Una anotación puede tener:
 Texto de la propia anotación
 Tipo: nota (genérico), respuesta, duda, recordatorio, síntesis, referencia
 Estado: pendiente, resuelto
 Contexto de la nota:
o Hipermedia: documento de origen, línea y página
o Nota de origen (si se trata de una respuesta)
o Video y audio: origen y tiempo
Las acciones podrían ser añadir, editar, eliminar y compartir.
MEJORAR LA VELOCIDAD LECTORA
El ritmo de la lectura depende de la finalidad. Por ejemplo, una lectura para

distracción es muy rápida, frente una lectura crítica y analitica destinada a
aprender o resumir, que es lenta. Para mejorar la velocidad lectora en general hay
varias prácticas que se pueden realizar:
 Leer con la mayor rapidez posible tratando de extraer las ideas principales.
 Ajustar la velocidad a la dificultad del texto. Empezar por textos fáciles e ir

subiendo la dificultad.
 Leer de forma activa y sin pronunciar.
 Reducir el número de fijaciones de la vista por renglón (leer por grupos de

palabras en lugar de por palabras).
 Suprimir las regresiones (parar para releer parte del texto de forma
continuada).
Implementación
Esta estrategia no es implementable en software, pero puede ser facilitada al
estudiante a modo de guía.
SQ3R
Esta es una estrategia para mejorar la comprensión lectora y está basada en cinco
pasos:
1. Survey o inspección: este primer paso consiste en ojear el texto para

identificar títulos, subtítulos y otros elementos resaltados o importantes.
241
APÉNDICE A
2. Question o cuestión: consiste en formular preguntas sobre el contenido

antes de leerlo.
3. Read o lectura: leer el texto tratando de encontrar respuesta a las preguntas

anteriores.
4. Recite o recitar (o escribir): tras leer el texto, resumir y tratar de contestar

las preguntas.
5. Review o revisión: revisar las partes más importantes.
Implementación
Esta estrategia puede ser ofrecida al estudiante como guía. Solamente los pasos 2 y
4 podrían implicar interacción con una herramienta, si se considera un texto
independiente. El resto de pasos implican interacción con elementos externos.
KWL
Esta es una estrategia inicialmente creada por Ogle (1986) para mejorar la
comprensión lectora. Está basada en tres cuestiones:
 What do I Know?: ¿qué es lo que ya sé?
 What do I Want to learn?: ¿qué quiero saber?
 What have I Learned?: ¿qué he aprendido?

Aunque su propósito inicial sea otro, esta estrategia podría emplearse como
estrategia metacognitiva aplicando estas mismas preguntas a un tema en lugar de a
un texto, dado que fomenta la activación del conocimiento previo, la orientación
a objetivos y la reflexión.
 Identificar (y registrar) lo que ya se conoce sobre el tema.
 Identificar (y registrar) lo que se quiere saber sobre el tema.
 Tras haber realizado el aprendizaje, identificar lo que se ha aprendido y

comparar con lo que se quería aprender.
 Comenzar de nuevo el ciclo incluyendo lo que ya se sabía y lo que se ha

aprendido como lo que ya se sabe.
Implementación
Una opción de implementación de esta estrategia se ha planteado en (Manso &
Llamas, 2013b). Consiste en un organizador del aprendizaje que emplea esta
estrategia como base para la gestión de objetivos de aprendizaje. Para cada objetivo
se plantea la posibilidad de indicar qué se sabe acerca de la materia. Los
sub-objetivos permiten definir qué se quiere aprender. Tras los episodios, el -
242
progreso y lo que se ha aprendido se podría visualizar en forma de lista o

gráficamente. Cada elemento (objetivo, tarea, recurso, etc.) lleva asociado un
estado y un porcentaje de completitud que puede ser definido por el usuario. Se
presenta a continuación una captura de la interfaz:
Fig. 52: Diseño de la interfaz para la implementación de KWL en el MLO.
Trazas
Como vemos, la aproximación elegida implica varias estrategias: activación del
conocimiento previo, definición de objetivos y monitorización y evaluación de
objetivos. Las trazas generadas serán las de cada una de estas estrategias.
A.4.2.2 Organización de la información

Las estrategias de organización de la información tienen todas un propósito común:
relacionar conceptos para estructurar el conocimiento, y se desarrollan a través de
la creación de mapas conceptuales o mentales, esquemas, tablas o redes semánticas.
Son todas estrategias creativas y reflexivas. Cuentan con pasos bien definidos, por
lo que pueden ser ofrecidas a los estudiantes como guías.
Para estas estrategias se omitirá la identificación de procesos, dado que coincide
con los pasos descritos en cada una de ellas. Además, salvo pequeñas diferencias
que se verán en cada una, las propuestas de implementación y trazas coinciden en
todas ellas, por lo que las veremos aquí.
243
APÉNDICE A
Implementación
Todas estas estrategias cuentan con diferentes herramientas que permiten su
creación, que serán detalladas en el apartado de implementación de cada una.
Teniendo esto en cuenta, desde el punto de vista del SRL es interesante que los
estudiantes puedan añadir mapas conceptuales como recursos en la herramienta
e-learning que usen para aprender o para organizar su aprendizaje. Además, es
importante poder especificar si han sido creados por ellos mismos.
Trazas
Caben dos aproximaciones a la hora de registrar la información derivada de estas
actividades:
 Registrar cada una de las acciones: creación o modificación de un nodo,

movimiento de un nodo, etiquetado, descripción, etc.
 Registrar la acción sobre el elemento en su conjunto (mapa o esquema):

creación, modificación o eliminación del esquema o mapa, etiquetado,
descripción, etc.
Nosotros hemos optado por la segunda opción, más global y menos detallada,
debido a varias razones: (1) el nivel de detalle de la primera resultaría innecesario
en la mayoría de los casos; (2) generaría gran cantidad de información de escasa
utilidad; (3) la cantidad de información generada sería difícil de manejar.
Cada una de estas estrategias genera un objeto resultante diferente (mapas
conceptual o mental, tabla, esquema o red semántica). Los objetos de estas
estrategias han de contar con la siguiente información:
 nombre
 descripción
 tema (etiquetas)
 elemento al que se añade el objeto de las estrategia como recurso (carpeta,

tarea, objetivo, otro recurso, etc.)
 autoría (cuando se añade como recurso, es interesante poder marcar si ha

sido creado por el propio usuario)
Las acciones dependerán de la función del software. Para una herramienta de

creación serían las típicas de crear, editar, eliminar y compartir. Para herramientas
que cuenten con gestión de recursos, serían añadir, eliminar y compartir.
244
MAPA CONCEPTUAL
Un mapa conceptual es un conjunto de conceptos relacionados entre sí, dispuestos

visualmente formando un árbol de relaciones. Está formado por elementos de tres
tipos fundamentales:
 Conceptos: elementos clave.
 Palabras enlace: enlazan dos conceptos formando una proposición.
 Proposiciones: unidades semánticas formada por dos o más términos

conceptuales unidos por palabras.
La creación de un mapa conceptual o mapa de ideas permite establecer relaciones

entre conceptos. Durante su creación, es necesario buscar estas relaciones por lo
que lo importante es su creación, más que el resultado, que permite revisar estas
relaciones. Se trata de una estrategia creativa, reflexiva.
Para elaborar un mapa conceptual se pueden seguir los siguientes pasos:
1. Identificar los conceptos clave del texto/contenido.
2. Hacer una lista de los conceptos clave.
3. Ordenarlos de más general a menos.
4. Situar el más general en la parte superior, y el resto a partir de él, hasta

llegar a los más concretos.
5. Unir los conceptos mediante las palabras de enlace formando

proposiciones con sentido.
6. Señalar los enlaces cruzados que relacionen conceptos de ramas jerárquicas

diferentes.
Implementación
Existen multitud de herramientas para crear estos mapas, siendo CmapTools1 la
más utilizada.
MAPA MENTAL
Un mapa mental es una estructura gráfica en donde se reflejan los puntos o ideas
centrales de un tema, estableciendo relaciones entre ellos utilizando
combinaciones de formas, colores, dibujos y palabras. Son similares a los mapas
conceptuales, pero en este caso no cuentan con palabras de enlace para establecer
relaciones entre elementos. Para elaborar un mapa mental:
 Situar el tema o imagen en el centro.
1 http://cmap.ihmc.us/cmaptools/
245
APÉNDICE A
 Situar las ideas principales cada una en una rama saliendo del centro,
sintetizadas en palabras clave. Van con letra más grande que el resto.
 Colocar las ideas secundarias saliendo de la rama correspondiente a la idea

principal relacionada.
 Emplear dibujos, colores y formas para destacar los distintos elementos para
facilitar la memorización. Las flechas sirven para unir las ideas relacionadas.
Implementación
Ejemplos de aplicaciones específicas para la creación de mapas mentales son:
MindMeister1, Xmind2, Freemind3, Coggle4, Mindjet5, etc.
TABLA O CUADRO
Las tablas dependen del código verbal y sirven para clarificar la estructura sobre
cómo se organiza la información. Sirven para ver las relaciones de subordinación
entre los elementos que constituyen una unidad informativa. Las tablas que
contienen una excesiva información suelen ser contraproducentes.
Para elaborarlas se recomienda:
 Colocar los conceptos clave en la columna de la izquierda y en las filas las

ideas que los desarrollan, yendo de lo más inclusivo a lo más concreto.
 Destacar las claves de la tabla para poder leer rápidamente su contenido. Es

decir, habría que destacar los conceptos clave y la clasificación
(generalmente en la fila 1) de todos los conceptos que los desarrollan.
Implementación
Esta es una funcionalidad soportada por la mayoría de software de edición de
documentos y gráficos, por lo que existen ya numerosas herramientas para su
creación.
REDES SEMÁNTICAS
Las redes semánticas expresan la organización entre conceptos (nodos)

fuertemente relacionados jerárquicamente. Están basados en la construcción de
oraciones nucleares o simples (como “el cielo es azul”) que relacionan dos palabras
concepto. Tienen tres elementos fundamentales:
1
https://www.mindmeister.com/es
2 http://www.xmind.net/
3 http://freemind.sourceforge.net/wiki/index.php/Main_Page
4 http://coggle.it/
5 http://www.mindjet.com/
246
 Nodos: son los conceptos básicos (sustantivos o equivalentes) y pueden ir

acompañados de adjetivos. Los nodos no deben repetirse.
 Relaciones nodales o nexos: dan lugar a las frases. Suelen ser verbos,
preposiciones y conjunciones.
 Representación gráfica o red: es el entramado resultante de las oraciones.

Los conceptos van incluidos en recuadros y los nodos son flechas. No son
verticales como los mapas conceptuales.
De forma similar a los mapas conceptuales, primero se identifican los conceptos

principales y los secundarios y posteriormente se relacionan. Las oraciones
formadas por los nodos y las relaciones han de tener sentido. La jerarquización se
establece en función del número de conexiones. Se muestra un ejemplo en la
siguiente figura:
Fig. 53: Ejemplo de red semántica.
Implementación
No hay herramientas específicas para la creación de redes semánticas, pero pueden
ser creadas con la mayoría de herramientas para mapas conceptuales y mentales.
ESQUEMAS
Un esquema es una representación estructurada de un conjunto de ideas o

conceptos. Permite observar de un modo visual la estructura lógica del conjunto.
Son síntesis que resumen el contenido y la estructura de un tema. Para elaborar un
esquema se pueden seguir los siguientes pasos:
1. Localizar las ideas centrales.
2. Crear el esquema en base a las palabras que representen cada idea central,
estructurándolo jerárquicamente.
3. Incluir frases breves (modo telegráfico) que ayuden a describir los

conceptos si es necesario.
247
APÉNDICE A
Implementación
No hay herramientas específicas para la creación de esquemas, pero éstos pueden
ser creados con herramientas de diferentes tipos, desde editores de textos genéricos
a herramientas para hacer mapas mentales.
A.4.2.3 Repetición y almacenamiento (memoria)

La memoria “es un sistema de almacenamiento de información que puede ser
utilizada en cualquier momento”. Hay que almacenar con determinada lógica para
poder revisitar elementos sin dificultades.
El proceso pasa por 3 fases (clasificación de la memoria según su estructura y
funcionamiento). Primero, la memoria sensorial o registro sensorial (RS) graba
estímulos ambientales (implica atención) durante uno a tres segundos (tiempo
suficiente para decidir si se presta atención o no).
Posteriormente se activa la memoria de corto plazo (MCP), que es utilizada para
el procesamiento inmediato de la información recogida del RS. Ésta dura unos 20
segundos. La retención puede aumentar empleando varias estrategias:
 repetición
 agrupación: por ejemplo, agrupar un número de teléfono de 3 en 3 dígitos.
 relación con lo ya conocido (ensayo elaborativo).

La memoria de largo plazo (MLP) está organizada de forma estructurada como
un mapa gigante. A esta memoria se llega a través de la codificación. Relacionando
los elementos es posible establecer rutas entre ellos, de forma que podamos
recuperar la información con facilidad. Cada nueva información ha de ser
relacionada con otra, y esa relación ha de tener sentido. Para esto es necesario
tiempo y reflexión. Nuestros conocimientos previos influyen en la forma en que se
interpretan y procesan las percepciones. La organización de conceptos es conocida
como categorización y se lleva a cabo empleando estrategias de organización de la
información vistas en el apartado anterior.
A continuación veremos varias estrategias relacionadas con la memoria. Algunas
de ellas son muy sencillas e implican únicamente acciones internas al individuo,
por lo que se han considerado no implementables (marcadas con un asterisco).
AGRUPACIÓN*
La agrupación se emplea cuando queremos memorizar varios elementos. Consiste

en juntar varios elementos de forma que sean más fáciles de memorizar. Por
ejemplo, para memorizar un número de teléfono podemos agrupar los números de
3 en 3: 914 598 726.
Al agrupar esta información la memoria a corto plazo queda disponible para
trabajar con nuevas informaciones.
248
ACRÓNIMOS*
Consiste en memorizar una serie de palabras en función de su letra inicial, o de sus

primeras letras, en caso de que resulte muy difícil. Por ejemplo para las tres fases
de la memoria (sensorial, corto plazo, largo plazo) podríamos usar SensoCoLa.
Cuando las listas de palabras se relacionan poco, en lugar de una palabra se puede
memorizar una frase con sentido. Por ejemplo «prometo que telefonearé a Ana»
para recordar la mitosis: profase, metafase, telefase, anafase.
ANALOGÍA O RELACIÓN DE LA INFORMACIÓN NUEVA CON LA EXISTENTE*
Para retener la información en la memoria a largo plazo es necesario relacionarla

con otra ya almacenada, y esta relación ha de tener sentido. Esta estrategia consiste
en comparar lo que queremos aprender con algo similar o relacionado que ya
conocemos, en base a preguntas del tipo:
 ¿Con quién o qué se relaciona el asunto?
 ¿Cuál es su semejante o equivalente y cuáles son sus semejanzas?
 ¿Cuál es su opuesto y cuáles son sus diferencias?
Por ejemplo, un estudiante de idiomas que aprenda una nueva palabra que es
similar a otra en otro idioma significando lo mismo podría relacionarla para
acordarse. Es aplicable a casos más complejos en los que se puede relacionar el
nuevo elemento con el que ya tenemos, realizando una comparación para
esclarecer diferencias y similitudes.
REPASO O REVISIÓN
El repaso o revisión hace posible el paso de la información a la memoria a largo

plazo. Consiste en la relectura o revisión de esquemas e información seleccionada
durante el estudio o del contenido o recurso a repasar.
Implementación
Esta estrategia se ha considerado como no implementable en software. Sin
embargo, es posible implementar acciones cuyo objeto es el repaso que no son
habitualmente incluidas en software educativo.
Esta acción (el repaso o revisión) podría ser tenida en cuenta en la creación de
software educativo, permitiendo al usuario marcar un contenido o recurso para
repasar (como un estado más del recurso o contenido) durante la planificación.
Además, la acción de repaso podría ser capturada de cara a la monitorización (si un
usuario revisa uno o varios elementos que ya ha visto previamente).
249
APÉNDICE A
Trazas
Las acciones descritas en la implementación generarían sus correspondientes
trazas: marcar un contenido para revisar, marcar como revisado y el acto de revisar
si la propia herramienta permite la visualización.
ASOCIACIÓN DE IMAGEN / ELABORACIÓN DE IMÁGENES
Consiste en la transformación mental de la información mediante la creación de

imágenes. Puede realizarse sustituyendo ideas o conceptos por gráficos e
ilustraciones, o símplemente asociándolos. Es posible emplearla junto con otras
estrategias como los mapas mentales.
El proceso consiste únicamente en añadir una imagen a un elemento.
Implementación
Es posible implementarla permitiendo añadir imágenes o ilustraciones al elemento
con el que se está trabajando, ya sea una entrada de vocabulario, un nodo de un
esquema o mapa, o cualquier tipo elemento.
Trazas
Las acciones derivadas de esta implementación serían añadir, cambiar o eliminar
imagen a un objeto. La imagen no necesita descripción ya que es definida por el
elemento relacionado.
SISTEMAS MNEMOTÉCNICOS*
Son técnicas de memorización para salvar dificultades originadas por acumulación

de datos, fechas, listas grandes de conceptos, etc. Posibles prácticas para retener
una serie de datos son:
 Formar una frase coherente o pequeña historia con los datos.
 Formar una frase con las sílabas o letras iniciales de la serie.
 Aplicar la serie a una canción conocida.
 Sustituir ideas por gráficos e ilustraciones que las representen.
Esta estrategia podría ser ofrecida como guía.
A.4.2.4 Resolución de problemas y exámenes
RESOLUCIÓN DE PROBLEMAS (GENÉRICO)
Esta es una superestrategia compleja creada para ayudar en la resolución de

cualquier problema genérico de forma organizada. Consta de los siguientes pasos:
250
1. Identificar el problema: es importante entender los diferentes aspectos del

mismo, identificar su naturaleza y analizarlo correctamente.
a. Estructurar el problema: consiste en realizar un análisis en

profundidad, esencial para problemas complejos, que ayuda a una
visión completa de los objetivos y barreras del problema.
2. Identificar las posibles hipótesis: pensar en diferentes posibles respuestas

para el problema para poder considerar todos los aspectos envueltos en el
mismo. Consiste en listar y evaluar las distintas hipótesis destacando
aspectos positivos, negativos y posibles consecuencias. Una práctica muy
común si se trabaja en equipo es la tormenta de ideas o brainstorming.
a. Descarte de hipótesis: cuando un problema genera dudas en cuanto

a qué solución es la correcta, da mejor resultado el buscar
argumentos para descartar o invalidar una hipótesis que buscar
información para confirmarla.
3. Escoger una respuesta e implementar la solución: consiste en analizar los

pasos que llevan a escoger una respuesta para garantizar que es la más
probable. Seguidamente se ha de implementar la solución elegida, proceso
durante el que es posible que aparezcan nuevos problemas, especialmente
si no se ha hecho correctamente el análisis inicial.
4. Evaluación de la decisión: verificar los pasos y analizar la respuesta

escogida.
Implementación
Esta estrategia puede ser implementada a modo de guía.
RESOLUCIÓN DE PROBLEMAS DE CIENCIAS
Cuando se trata de problemas de ciencias, el procedimiento a seguir es ligeramente

distinto. Es también una superestrategia formada por estrategias que incluyen
varios pasos:
1. Comprensión del problema:
a. Analizar los datos presentados: consiste en dividir el problema en

partes o pasos para aclarar las relaciones entre los diferentes
elementos del problema. Conviene también representar
gráficamente los datos del problema, ya que hay cuestiones que
desaparecen y otras que ganan sentido tras la representación
esquematizada de los datos.
b. Identificar los datos que faltan.
c. Considerar diferentes perspectivas para generar varias alternativas.
251
APÉNDICE A
2. Establecer los posibles pasos y alternativas para solucionarlo y ejecutarlos.
a. Registrar los pasos para hacer un seguimiento: a la hora de resolver

el problema se deben registrar los diferentes pasos tomados para
evitar confusiones, repeticiones y pérdidas de tiempo. Antes de
tomar una decisión final hay que probar las diferentes alternativas.
3. Ver las partes o estados intermedios del problema.
4. Determinar los movimientos u operaciones para pasar de un estado a otro:

aplicar fórmulas, principios, leyes, aislar incógnitas, etc.
5. Hacer el problema.
6. Comprobar la coherencia del proceso y del resultado.
Implementación
Esta estrategia puede ser implementada a modo de guía.
TORMENTA DE IDEAS
Es una estrategia para generar un gran número de ideas en un período de tiempo

corto. Puede ser realizada individualmente, aunque es más común cuando se
trabaja en grupo.
Se trata de proponer todas las ideas posibles, sin importar lo absurdas que puedan
parecer, y anotarlas. Durante esta práctica está prohibido criticar ninguna idea,
sino que hay que ser constructivo. Todos han de pensar en las ideas del resto ya
que de ahí pueden surgir nuevas ideas, por lo que se alimentan unas de otras.
Es interesante que participen personas de varias áreas de conocimiento para
ayudar en beneficio de la diversidad de ideas.
Implementación
Hay herramientas software específicas para esto, como Stormboard 1 , Mural 2 o
Conceptboard3. Cada herramienta ofrece algunas funcionalidades diferentes, pero
todas comparten las principales que son: gestión de ideas como elemento principal
dentro de una tormenta de ideas, que es un elemento padre compartido por los
usuarios participantes, gestión de tormentas de ideas y gestión de participantes.
Trazas
Hay una serie de acciones que son comunes en todas las aplicaciones mencionadas:
crear tormenta de ideas, unirse a tormenta de ideas, dejar tormenta de ideas, cerrar
tormenta de ideas, añadir idea, modificar idea, añadir idea derivada de otra idea,
comentar idea y votar idea.
1 https://stormboard.com/
2 https://mural.co/
3 https://conceptboard.com/
252
A.4.2.5 Procesamiento y uso de la información
REALIZACIÓN DE TRABAJOS O MONOGRAFÍAS
Esta es una estrategia compleja formada por varios pasos y estrategias de varios
tipos, principalmente cognitivas, aunque incluye alguna estrategia de planificación
como la estimación temporal.
Los pasos recomendados para realizar un trabajo o monografía son:
1. Elegir o identificar bien el tema.
2. Seleccionar la bibliografía (búsqueda de información).
3. Crear un esquema de lo que se va a contar.
a. Escribir los puntos importantes.
b. Escribir los aspectos concretos que los desarrollan.
c. Anotar las referencias bibliográficas que aportarán al desarrollo.
d. Estimar el tiempo necesario para cada parte.
4. Estructurar el trabajo.
a. Introducción: objetivos, planteamiento del tema, método

utilizado, etc.
b. Desarrollo: presentar los datos, resultados, opiniones, tablas,

figuras, etc.
c. Conclusiones: incluye el juicio personal que el autor obtiene de los

datos consultados.
d. Bibliografía: presenta las fuentes de información utilizadas.
A la hora de realizar el trabajo es conveniente tener en cuenta algunos factores:
 Presentación: brevedad (extensión justa, ni demasiado ni muy corto),

sencillez, claridad de razonamiento y corrección.
 Originalidad: realizar un enfoque personal y sintetizar con palabras propias

lo que se va a exponer.
 Emplear correctamente la bibliografía:
 Emplear el modelo de cita en texto adecuado (nombre y año, orden de

aparición, etc.). Existen varios estándares como APA, Chicago, etc.
 Usar las citas cuando remitimos al lector a las fuentes en que nos
basamos para confirmar nuestras afirmaciones.
253
APÉNDICE A
 No abusar de las citas.
 Las citas textuales han de colocarse entre comillas.
Implementación
Esta estrategia puede ser ofrecida al estudiante a modo de guía.
254
B CESARAS
B
En este apéndice se presenta una versión impresa de CESARAS, el cuestionario de
evaluación del soporte al aprendizaje autorregulado en software.
La versión electrónica de este instrumento está disponible tanto en inglés como
en español en http://www.cesaras.es.
Las preguntas indicadas con el símbolo ☇ son llave de sección, es decir, si la
respuesta a esa pregunta es “no”, salte a la siguiente sección. Estos saltos y otros
están automatizados en la versión en línea.
ACERCA DE CESARAS
Este cuestionario ha sido creado en base a un análisis de las estrategias de

autorregulación del aprendizaje atendiendo a su implementación en software.
El objetivo es ver en qué medida la herramienta software ofrece soporte a la
implementación de cada estrategia, o dicho de otra forma, qué limitaciones tiene
de cara a implementarla.
Consideramos que las herramientas software que utilizan los alumnos durante su
proceso de aprendizaje pueden contribuir a promover y/o facilitar el desarrollo de
estrategias de aprendizaje autorregulado. Las funcionalidades a las que hace
referencia el cuestionario han de estar orientadas al estudiante.
Entendemos que hay herramientas específicas y otras que con ayuda de una guía
o conociendo algunas estrategias de autorregulación del aprendizaje pueden dar un
buen nivel de soporte al estudiante. Por ello, este cuestionario no está solamente
dirigido a software específico para aprendizaje autorregulado, sino a cualquier
herramienta con potencial para la implementación de alguna estrategia.
CONSIDERACIONES IMPORTANTES SOBRE ESTA VERSIÓN (0.85 ALPHA)
Este cuestionario permite evaluar herramientas con alguna de las siguientes

funcionalidades: planificación y gestión de proyectos o tareas, entrega de
contenidos, gestión de recursos educativos e información, gestión del tiempo, guías
de estrategias, autoevaluación y/o trabajo colaborativo.
Actualmente este cuestionario se encuentra en fase Beta, por lo que
prácticamente todas las preguntas son susceptibles de ser modificadas en la versión
final en base al feedback recibido.
Existe una pestaña de feedback en la versión en línea para realizar sugerencias o
comentarios libremente, y agradeceremos cualquier aportación o crítica. Puede
también contactarnos a través de la dirección de correo mario.manso@uvigo.es.
APÉNDICE B
B.1 I NFORMACIÓN PERSONAL
Por favor, Introduzca sus datos. Éstos nos ayudarán a la hora de clasificar las
respuestas. Se mantendrá en todo momento la privacidad de las respuestas salvo
por petición expresa del usuario.
a Correo electrónico
Introduzca su dirección de correo electrónico. No se le enviará ningún correo
electrónico salvo los resultados de la evaluación.
___________________________________________________________________
b Nombre*
___________________________________________________________________
c Nivel de estudios*
 Sin estudios / educación primaria
 Educación secundaria
 Bachillerato / Formación profesional
 Formación universitaria
 Doctorado
d Relación con la enseñanza*

Puede seleccionar varias opciones.
 Pedagog@
 Profesor/a
 Profesor/a de universidad
 Profesor/a de e-learning
 Desarrollador de software
 Creador de cursos e-learning
B.2 I NFORMACIÓN DE LA HER RAMIENTA
a Nombre de la herramienta*
___________________________________________________________________
256
CESARAS
b Dirección web
___________________________________________________________________
c ¿De qué tipo de herramienta se trata?

Es un LMS, un blog, un foro, una red social, un gestor de tareas, etc.
___________________________________________________________________
d Nivel de experiencia con la herramienta*

El rango va de 1 (poca experiencia) a 5 (expert@).
 1  2  3  4  5
e Experiencia con herramientas similares

 1  2  3  4  5
B.3 P LANIFICAC IÓN Y GESTI ÓN DE PROYECTO S O TAREAS
☇ La herramienta permite planificar el aprendizaje mediante gestión de

tareas, objetivos, recursos, etc.*
 Sí  No
a La herramienta distingue entre los conceptos de objetivo y tarea.

Es decir, los contempla como dos elementos diferenciados.
 Sí  No
b ¿Cuántos niveles de anidamiento de tareas/objetivos permite la

herramienta?
 1  2  3-4  5-7  >7
c La herramienta permite el uso de plantillas de planificaciones de estudio.

Una plantilla de planificación del estudio puede ser por ejemplo una lista de
tareas como leer lección, subrayar, realizar esquema, etc.
 Dispone de plantillas de planificaciones de estudio.
 Permite al usuario crear plantillas.
 No
257
APÉNDICE B
e La herramienta permite establecer fechas límite para objetivos, tareas y

proyectos.
 Sí  No
f La herramienta permite al estudiante identificar y enlazar los recursos

disponibles a cada objetivo o tarea durante la planificación.
 Sí, y dispone de campos o apartados específicos para ello, pudiendo
introducir datos del recurso y mostrando cada recurso por separado.
 Sí, en un único campo de texto genérico.
 No
g La herramienta fomenta registrar los objetivos específicos de cada tarea.

Es decir, los objetivos que el alumno considera que ha de conseguir para dar la
tarea por completada. Conocidos como "target goals" por algunos autores,
constituyen un primer criterio de evaluación de la realización de la tarea.
 Sí  No
h La herramienta facilita la activación del conocimiento previo sobre la

materia, tarea u objetivo a través de la reflexión, o de alguna acción
solicitada al usuario.
 Muestra esquemáticamente objetivos o contenidos relacionados vistos
anteriormente.
 Permite al alumno registrar esta reflexión en un campo de texto.
 El campo de texto es específico para (reflexiones sobre) conocimientos
previos.
 No dispone de las opciones anteriores.
i La herramienta permite registrar las dificultades que el estudiante espera

encontrar en cada tarea.
 De forma específica, y lo fomenta.
 De forma específica, pero no lo fomenta.
 De forma no específica (campo de texto sin semántica).
 No
258
CESARAS
j La herramienta permite establecer recompensas para animar al estudiante.

Por ejemplo, el estudiante puede definir una recompensa a obtener en caso de
completar una tarea, que puede tener o no subtareas. El sistema ha de indicar
posteriormente la recompensa cuando se consiga completar la tarea.
 Permite establecer recompensas para un elemento (tarea u objetivo) o un
conjunto de ellos.
 Permite establecer una recompensa al completar una tarea/objetivo pero
no un conjunto de ellos.
 No
k La herramienta permite al estudiante auto-monitorizar (seguir) el

progreso de los planes/proyectos de aprendizaje.
Por datos analizados entendemos datos procesados empleando técnicas de
learning analytics u otras técnicas que generen nueva información a partir de
los datos en crudo.
 Sí, a través de datos analizados y gráficas.
 Sí, a través de datos analizados.
 Sí, a través de datos sin analizar y gráficas.
 Sí, a través de datos sin analizar.
 No
l La herramienta permite modificar un plan/proyecto de aprendizaje para

adaptarlo a cambios del contexto o a cambios estratégicos.
 Sí  No
m La herramienta promueve reacciones adaptativas como la modificación

de estrategias, del plan, etc. en lugar de defensivas, como el abandono de
tareas.
Esto puede realizarse monitorizando el abandono de tareas, preguntando al
borrar tareas, sugiriendo revisar o modificar el plan, las estrategias, etc.
 Sí  No
n La herramienta permite seleccionar tareas para su ejecución inmediata,

ya sea destacándolas o añadiéndolas a una lista.
 Sí  No
259
APÉNDICE B
o La herramienta permite visualizar en cualquier momento las tareas en

curso/inmediatas.
 Sí  No
p La herramienta facilita al estudiante auto-evaluar la ejecución de la

planificación del aprendizaje (progreso por episodios, uso de estrategias,
etc.).
 Proporcionando datos (tiempo por tarea, estrategias empleadas, etc.).
 Además de datos en crudo incluye datos analizados (diferencias de
tiempo, porcentajes de uso de estrategias, etc.).
 Proporcionando gráficas.
 Las gráficas son personalizables (origen de datos, comparaciones, etc.).
 No ofrece ninguna de las funcionalidades anteriores.
q La herramienta permite registrar la autoevaluación de la planificación

del aprendizaje.
 De forma específica pero no lo fomenta.
 No
r La herramienta permite al estudiante reflexionar acerca de la ejecución

de cada tarea (y registrar esta reflexión).
 Relacionado con la autoevaluación.
 No
s La herramienta permite comparar la ejecución de una o varias tareas con

otras equivalentes o similares.
Es decir, seleccionar tareas y comparar su ejecución en términos de tiempo
dedicado, estrategias empleadas, etc.
 De forma parametrizable (en función de la estrategia empleada, tiempo
empleado, etc.)
 Mediante una comparativa definida por el sistema.
 No
260
CESARAS
t La herramienta permite comparar el plan seguido con el plan original.

Por ejemplo, el estudiante puede haber saltado alguna tarea u haber usado
alguna estrategia diferente a la planeada.
 De forma parametrizable (en función de la estrategia, tiempo estimado
frente al empleado, etc.).
 Comparativa definida por el sistema.
 No
B.4 E NTREGA DE CONTENIDOS
Un LMS o un MOOC son herramientas específicas de entrega de contenidos,

aunque por ejemplo un blog o una red social podrían ser empleados para el mismo
propósito, con sus limitaciones.
☇ La herramienta permite la entrega de contenidos al estudiante.*

Entendemos por contenido, por ejemplo, un curso, un módulo, un recurso
educativo, etc.
 Sí  No
a La herramienta facilita o fomenta la activación del conocimiento previo

sobre la materia a través de la reflexión, o de alguna acción solicitada al
usuario.
 Muestra esquemáticamente conocimientos o contenidos relacionados
vistos anteriormente.
 Realiza un pequeño cuestionario de conocimientos previos al estudiante.
 Permite al alumno registrar esta reflexión en un campo de texto.
 Este campo de texto es específico para (reflexionar sobre) el
conocimiento previo.
 No dispone de las opciones anteriores.
b ¿De qué forma la herramienta permite relacionar o estructurar los

contenidos?
Ojo, una herramienta de visualización de contenidos individuales es por
ejemplo un lector de pdf. Los LMS suele permitir visualizar contenidos
individuales, pero típicamente engloban estos en un curso empleando
unidades, módulos o lecciones para organizar el contenido.
 Por módulos, formando un curso estructurado configurable o
personalizable (múltiples caminos de aprendizaje).
 Formando un curso estructurado normal (un camino de aprendizaje).
261
APÉNDICE B
 Los contenidos se relacionan mediante etiquetas, no a través de una

estructura.
 Se trata de una herramienta de visualización de contenidos individuales
(como un lector de pdf), por lo que no agrupa contenidos separados.
 No agrupa los contenidos de forma coherente.
c ¿Qué opciones ofrece para navegar por el contenido?

 Un índice navegable.
 Enlaces dentro del contenido.
 Búsqueda.
 Ninguna.
d La herramienta muestra un guion o índice de lo que el estudiante se va a

encontrar.
Antes de una tarea o actividad el estudiante puede valorar de un vistazo lo que
se va a encontrar.
 Sí  No
e La herramienta permite al estudiante elegir entre diferentes módulos de

contenido.
Esto puede depender de cómo haya sido creado el contenido. Se trata de evaluar
si la herramienta permite la creación de diferentes módulos que podrán ser
elegidos por el estudiante.
 Sí  No
f La herramienta permitir al estudiante “elegir entre diferentes modos de

entrega de contenidos”
Por ejemplo, permite elegir entre texto, audio, vídeo, etc., para el mismo
contenido. Esto puede depender de cómo haya sido creado el contenido.
 Sí  No
g La herramienta permite planificar el visionado o revisión de los

contenidos.
 Al alumno.
 Al profesor o creador del curso o actividad.
 No
262
CESARAS
h La herramienta ofrece actividades para la monitorización cualitativa o

revisión de nivel de conocimientos.
Estas actividades podrían ser parte del contenido.
 Sí  No
i La herramienta permite realizar anotaciones sobre los contenidos:

 En contexto, enlazadas en el propio contenido.
 Enlazadas al contexto, es decir con referencia al contenido pero fuera de
éste.
 Sin contexto, es decir, totalmente aparte del contenido.
 No permite tomar notas.
j La herramienta permite marcar partes de los contenidos:

 Subrayar contenidos basados en texto.
 Añadir marcadores (enlaces) en la línea de tiempo de contenidos basados
en vídeo o audio.
 No dispone de herramientas de marcado.
k La herramienta permite comparar la ejecución de una actividad con otras

ejecuciones anteriores (propias o de otros usuarios).
Esto es adecuado para recursos interactivos, como pueden ser un test o un juego
serio. Es importante destacar que se ha de respetar la privacidad de los usuarios,
por lo que generalmente será posible comparar con usuarios anónimos o con
grupos de usuarios.
 De forma parametrizable (en función del resultado, tiempo empleado,
etc.).
 No
B.5 G ESTIÓN DE RECURSOS E DUCATIVOS E INFORMAC IÓN
☇ La herramienta permite gestionar recursos (enlaces y/o archivos).*

 Sí  No
263
APÉNDICE B
a La herramienta ayuda al estudiante a estructurar el contenido educativo.

A través de estructurar los recursos -o enlaces a recursos- dentro de estructuras
de carpetas, temas, capítulos, tareas u objetivos.
 Sí  No
b La herramienta permite enlazar o asociar recursos a tareas, objetivos o

contenidos.
 Sí, por defecto.
 Solamente en tareas especificadas como deberes.
 No
c La herramienta permite planificar la (re)visión o procesado de contenidos

o recursos.
 Sí  No
d La herramienta facilita registrar los resultados de la búsqueda (o

ampliación) de información permitiendo añadir enlaces o subir archivos.
 Sí  No
e La herramienta permite visualizar qué recursos han sido añadidos por el

estudiante.
Es decir, ver los recursos que el estudiante ha seleccionado, resultantes de la
búsqueda y ampliación de información. Esto facilitaría la automonitorización
de la gestión de información.
 De forma parametrizable (en función de la fecha de añadido, etiquetas,
tarea/objetivo/contenido asociado, etc.).
 De forma sencilla, sin opciones.
 No
f La herramienta fomenta la búsqueda de nueva información.

 Sí  No
g La herramienta permite definir el estado de cada contenido o recurso.
 Desde el punto de vista del estudiante, como guía para el futuro.

 Contempla múltiples estados: pendiente, visto, no visto, revisar, etc.
 Visto/no visto o equivalente.
 No
264
CESARAS
h La herramienta permite realizar anotaciones sobre los recursos.

 En contexto, dentro del propio recurso (si permite su visualización).
 En contexto, enlazadas al recurso pero fuera de éste.
 Sin contexto, de forma genérica.
 No
i La herramienta permite marcar los recursos:

Es decir, dispone de herramientas de marcado.
 Subrayar los recursos basados en texto.
 Añadir marcadores de tiempo a recursos basados en vídeo o audio.
 No dispone de herramientas de marcado.
B.6 G UÍAS PARA ESTRATEGIA S COGNITIVAS
Estrategias cognitivas son: búsqueda, selección, procesamiento y transformación

de la información, comprensión lectora, resolución de problemas, etc.
☇ La herramienta proporciona al usuario guías de estrategias cognitivas.*

Estrategias cognitivas son por ejemplo las de comprensión lectora, resolución
de problemas, búsqueda, selección, adquisición y transformación de
información, etc.
 Sí  No
a La herramienta permite seleccionar entre diferentes estrategias para una

tarea concreta.
Es decir, proporciona un repositorio de estrategias entre las que puede elegir el
usuario.
 Sí  No
b La herramienta permite planificar el uso de estrategias cognitivas

(inclusión de éstas en la planificación de una tarea o actividad).
 Directamente mediante la selección en una lista.
 Indirectamente, mediante un campo de texto específico.
 Indirectamente, empleando un campo de texto genérico.
 No
c La herramienta permite añadir nuevas estrategias cognitivas.

 Sí  No
265
APÉNDICE B
d La herramienta recomienda o proporciona estrategias adecuadas a las

tareas.
Si ofrece recomendaciones.
 Siempre
 Generalmente
 A veces
 Nunca
 No ofrece recomendaciones
e Indica el nivel de adecuación a las tareas de las estrategias recomendadas

por el sistema.
 Perfecta
 Bastante adecuada
 Poco adecuada
 No adecuada
f La herramienta permite modificar una estrategia (guía) para adaptarla a

una tarea concreta.
 Sí  No
g La herramienta permite al usuario evaluar o puntuar las estrategias de

aprendizaje (guías).
 Sí  No
B.7 A UTOMONITORIZACIÓN Y AUTOEVALUACIÓN
Estos son elementos importantes en la metacognición y en el aprendizaje

autorregulado.
☇ La herramienta ofrece información al usuario acerca de su progreso y

actividad para favorecer la auto-evaluación.*
 Sí  No
a La herramienta permite al usuario autoevaluar su rendimiento a la hora

de realizar una tarea proporcionando datos de su evolución y
monitorizaciones previas.
 Sí, proporcionando datos analizados y gráficas.
 Sí, proporcionando datos analizados.
 Sí, proporcionando datos sin analizar y gráficas.
266
CESARAS
 Sí, proporcionando datos sin analizar.

 No
b La herramienta permite al estudiante comparar su rendimiento en un

episodio con el de otros episodios.
 De forma parametrizable (en función de la estrategia empleada, tiempo
empleado, etc.).
 No
c La herramienta permite al estudiante registrar sus reflexiones acerca de

los problemas encontrados durante la planificación y/o ejecución de las
tareas o actividades, así como las soluciones empleadas.
Atribución causal de los problemas encontrados en las fases previas.
 De forma no específica (campo sin semántica).
 No
d La herramienta permite visualizar los logros del usuario para aumentar

la satisfacción personal.
Los logros pueden estar relacionados con los objetivos o la consecución de
tareas (en una herramienta de gestión de tareas), los resultados obtenidos (en
una herramienta de cursos), etc.
 Sí  No
e La herramienta permite al estudiante evaluar su conducta

proporcionando información de uso del tiempo, recursos añadidos, etc.
 No
f La herramienta permite autoevaluar la realización de cada tarea.

 Sí, visualizando todo lo relacionado como los objetivos de la tarea,
resultados esperados, planificación, etc.
 Sí, sin ofrecer esta información de contexto.
 No
267
APÉNDICE B
g La herramienta permite registrar las reflexiones de la autoevaluación.

 No
B.8 G ESTIÓN DEL TIEMPO
☇ La herramienta tiene funcionalidades de gestión del tiempo.*

Este tipo de funcionalidades pueden ser planificación de duración de
actividades, medición del tiempo empleado, etc.
 Sí  No
a La herramienta permite registrar las estimaciones temporales para cada

tarea, objetivo, recurso o contenido.
Es decir, la estimación del tiempo que el estudiante espera dedicarle.
 No
b La herramienta registra el tiempo empleado en cada tarea, objetivo o

recurso.
 Controla automáticamente el tiempo empleado por el usuario en
actividades externas desde la propia herramienta.
 Permite al usuario medir el tiempo empleado en actividades externas a
través de un temporizador.
 Permite al usuario añadir manualmente el tiempo empleado en
actividades externas.
 Registra el tiempo empleado en tareas realizadas en la propia
herramienta de forma automática.
 No
c La herramienta permite planificar objetivos y tareas en el tiempo.

 Sí  No
268
CESARAS
d La planificación puede realizarse para todos los niveles de anidamiento.

Es decir, tareas, subtareas, subtareas de subtareas, etc.
 Sí  No
e La herramienta permite al usuario definir las horas disponibles para

estudiar (ha de poder visualizarse durante la planificación).
 De forma detallada, con un horario o similar.
 De forma sencilla en un campo de texto.
 No
f La herramienta permite planificar las auto-observaciones de conducta

para evaluar gestión del tiempo, consecución de tareas, etc.
Por auto-observaciones de conducta entendemos las reflexiones sobre el
proceso de aprendizaje en relación con el tiempo invertido, control de
distracciones, etc.
 Sí  No
g La herramienta permite registrar las auto-observaciones de conducta para

evaluar la gestión del tiempo, consecución de tareas, etc.
Por auto-observaciones de conducta entendemos las reflexiones sobre el
proceso de aprendizaje en relación con el tiempo invertido, control de
distracciones, etc.
 No
B.9 S OCIAL Y TRABAJO COL ABORATIVO
☇ La herramienta permite establecer contacto o trabajar con otros usuarios.*

 Sí  No
a La herramienta permite trabajar con otros usuarios de forma colaborativa.

 Sí  No
269
APÉNDICE B
b La herramienta permite establecer reglas para el trabajo colaborativo.

Es decir, definir quién puede ver o editar cada elemento y quién no: usuarios,
grupos, etc.
 Sí  No
c La herramienta permite compartir proyectos, objetivos, tareas, recursos,

etc.
 Sí  No
d La herramienta permite establecer reglas para la compartición de dudas,

recursos, etc.
 Sí  No
e La herramienta permite comunicaciones en contexto con otros usuarios.

El concepto de "en contexto" se refiere a que los comentarios o dudas se
visualizan y contestan en la visualización del elemento a comentar (recurso,
contenido, tarea, etc.) en lugar de en un lugar separado como un foro o un
mensaje.
 Sí
 No, pero permite comunicaciones sin contexto.
 No permite comunicaciones.
f La herramienta permite configurar la privacidad de las comunicaciones.

 Privadas para un grupo de trabajo.
 Privadas entre usuarios.
 Públicas.
 No
g La herramienta permite solicitar ayuda a otros usuarios para una tarea o

actividad concreta.
 La ayuda se solicita y se resuelve en contexto.
 La ayuda se solicita y resuelve sin contexto (foro o similar).
 No
h La herramienta permite monitorizar la ayuda proporcionada a otros

usuarios resolviendo o comentando dudas.
 Sí  No
270
CESARAS
i La herramienta permite evaluar y/o puntuar la ayuda proporcionada por

otros compañeros.
 Sí  No
j La herramienta permite asociar a otros usuarios (estudiantes o profesores)

o a personas externas (a través de enlaces) a una tarea u objetivo como
parte de la planificación.
Por ejemplo, como referencia o expert@.
 Personas externas (enlace a otra plataforma o correo).
 Usuarios de la propia herramienta (perfil).
 No
k La herramienta permite comentar los resultados de una actividad o tarea

común con otros compañeros y/o con el tutor.
 Sí  No
B.10 E STRATEGIAS EMBE BIDAS COMUNES
a La herramienta permite registrar los resultados que el estudiante espera

obtener (expectativas de resultados).
 No
b La herramienta permite al usuario registrar dudas o cuestiones a revisar

acerca de recursos, tareas, objetivos, actividades, etc. (según el tipo de
herramienta).
 No
c La herramienta promueve la creación de esquemas, mapas mentales u

otro tipo de estrategia de organización del conocimiento.
 Sí, con herramientas propias.
271
APÉNDICE B
 Sí, con herramientas externas permitiendo integrar el resultado como un

nuevo recurso.
 Sí, con herramientas externas sin posibilidad de integrar el resultado.
 No
d La herramienta monitoriza de algún modo el interés del estudiante en la

tarea (recursos añadidos, tiempo dedicado, etc.).
 No
e La herramienta permite al alumno valorar o registrar la motivación que

tiene para cada tarea o contenido.
 No
f Indica las opciones que ofrece la herramienta a la hora de valorar o

registrar la motivación:
 Permite hacerlo una única vez por tarea o contenido.
 Permite hacerlo varias veces por tarea o contenido, cuando el alumno lo
decida.
 Permite visualizar la evolución de la motivación, comparar con otras
tareas/contenidos, etc.
 No ofrece ninguna de estas opciones.
g La herramienta es capaz de detectar si el estudiante puede necesitar ayuda

con alguna tarea (midiendo el tiempo dedicado, dudas registradas, etc.).
 Sí, y notifica al tutor.
 Sí, y recomienda al estudiante que la solicite.
 Sí, y recomienda una estrategia.
 No
272
C P ERFIL X API-SRL C
En este apéndice se presenta una versión impresa de xAPI-SRL, el perfil de
aplicación para capturar trazas de aprendizaje autorregulado sobre la especificación
xAPI (eXperience API o Tin Can API).
Aquí se incluyen en inglés la información general del perfil y las recetas creadas
hasta Diciembre de 2016. Para una versión actualizada se recomienda acceder a
The Registry en la página web de xAPI.
C.1 G ENERAL I NFORMATION

xAPI-SRL is a profile for capturing key data about the implementation of Self-
Regulated Learning (SRL) strategies by learners. This document provides a guide
that explains what is this profile for and how to use it, as well as some context to
illustrate its purpose. For any comments or suggestions please email
mario.manso@uvigo.es.
C.1.1 W H A T IS S E L F - R E G U L A T E D LE A R N I NG ?
During the last decades, the concept of SRL has received a great deal of attention
in educational research and educational psycological studies. Numerous results
have indicated that SRL leads to success in and beyond school.
SRL is related to the learner’s ability to understand and control his/her learning
processes and environment, involving components such as cognition,
metacognition and motivation.This is done at several stages or involving different
strategies: setting goals, using different strategies to achieve them, monitoring and
assessing progress, adapting to the contextual features in the environment, etc.
Self-regulated learners use self-regulation and learning strategies to plan, monitor
and reflect about their learning and all the processes involved in it, to become
more autonomous, efficient and effective learners.
For more information about SRL please check the following links:
What it means to be a self-regulated learner
What is self-regulated learning?
C.1.1.1 Monitoring
One of the main concepts in SRL is monitoring, for both teachers and learners
(self-monitoring). There are two key issues that need to be considered about
monitoring: “what?” and “how?”.
APÉNDICE C
What do we monitor? From a SRL point of view we need to track actions related
to SRL procedures, that is, the implementation of learning and self-regulation
strategies. Namely: setting goals, planning, resource management, reflection, etc.
How do we monitor those actions? A self-regulated learner may use different
tools (SRL oriented or not) for planning, reading, writing, searching, self-assessing,
communicating, working in groups, etc. For instance, a learner may use a LMS to
follow a course, may use a task manager to organize work from different subjects
(homework, projects, etc.), may use an e-portfolio, a blog or a notebook app to
reflect about his/her performance and results, etc. In order to self-monitor and
self-evaluate their learning activities, learners need to keep track of what they do
in the different tools they use, even to keep track of their offline activites. In most
cases, that could be done automatically by the software, or with a little help of the
learner. This profile is aimed at enabling the recording of these activities to enable
monitoring and evaluation.
C.1.1.2 Measuring SRL

A main issue in SRL research is how to measure the level of SRL strategies
managed by a learner. This can provide valuable information about the capabilities
and development of the learner. Up to date, methods to attain this goal have been
based on qualitative approaches (e.g. self-report questionnaires, teacher rating
scales, think alouds, SRL microanalytical interviews). Nevertheless, in the learning
analytics field methods based on quantitative approaches that could be applied in
an automatic and transparent are being proposed and would provide great
advantages.
A key challenge to support the learning analytics approach to the measuring of
SRL is related to the development of instrumentation to record traces of self-
regulated learning. This profile is a step forward in that direction.
C.1.2 W H A T IS T H IS P R O F IL E F O R ?
This profile defines data models that enable the recording of relevant actions
performed by learners related to the implementation of SRL strategies. In this
context, learners are the ones who peform the actions to be recorded. The
information recorded could be valuable for:
1. Self-monitoring and self-evaluation: learners are the main consumers of
the recorded information for self-monitoring and self-evaluation.
2. Teachers' monitoring and evaluation of the performance of their students.
3. Measuring student’s SRL skill level and strategy use using learning
analytics techniques. This is an active field of research that needs to solve
two main issues tackled by this profile: the definition of data models about
significant actions related to SRL strategies and the collection and
integration of traces from different systems.
274
XAPI-SRL
In a more specific manner, the main goal of the xAPI-SRL Profile is to make the
representation of actions related to the following groups of activities:
 Task and goal management and planning (e.g. completing task).
 Resources and information management (e.g. adding a resource).
 Time management (e.g. estimating the duration of a task).
 Content delivery (e.g. viewing a content).
 Strategy management (e.g. rating a strategy).
 Self-monitoring and self-evaluation (e.g. self-monitoring the time spent in
a task). UNDER DEVELOPMENT
C.1.3 H O W T O U S E T H E X A P I - S R L P R O F IL E
The xAPI-SRL profile is made up of several recipes. Each of the groups of

activities includes one or more recipes, and some recipes are included in several
groups of activities.
Applications implementing this SRL Profile can involve one or several of the
groups of activities. Therefore, they may need to implement one or several recipes.
As an example, an application that has task management and time management
functionalities, just needs to focus on recipes included under those activity groups.
C.1.3.1 Supported Activity Groups: Definition and Recipes
Task and Goal management and planning

This set of functionalities is usually offered in tasks managers, project managers,
planners, etc. This profile takes into account the typical use cases, like: creating a
task, scheduling a task, completing a task, etc. It also defines other SRL-specific
use cases like defining a goal, setting a reward for completing a task, etc.
The recommended recipes for this functionality are:
 Task and goal management
 Planning
 Motivation
 Step sequencing
Resources and information management

This set of functionalities involves managing hypermedia files or links. Typical
uses cases are: adding a resource, rating content, viewing content, annotating
content, etc. are some examples of use cases in this group. These are usually
provided by LMSs, but also by many other software tools.
 Resources and learning content management
 View control
275
APÉNDICE C
 Curation
 Annotation
Time management
Starting or stopping a task are some examples of use cases in this group. We
defined some SRL-specific use cases like estimating the duration of an element or
recording the time used to perform an action. This set of functionalities is usually
offered by task managers, time-tracking tools, LMSs, etc.
The recommended recipe for this functionality is:
 Time and flow control
Content delivery
Viewing a content or scheduling it for later are examples of use cases in this
group. This set of functionalities is usually offered by LMSs and other content
delivery tools.
 View control
 Curation
 Annotation
Strategy management
This is a rare functionality, but relevant for SRL. To support this, the software
must offer a set of learning strategies in the form of instructions to do SRL related
tasks. Some use cases included here are selecting a strategy for a task, personalizing
a strategy, rating a strategy, etc.
 Learning Strategy management
 Curation
 Step sequencing
Self-monitoring and self-evaluation

This is one of the key functionality groups in SRL, and one that lives from
previous recordings of activity data. This is supported partially by some
e-portfolios, LMSs and similar learning software. Monitoring the time spent in a
task or reflecting about a performance are examples of use cases in this group.
 Self-monitoring and self-evaluation (UNDER DEVELOPMENT)
 Curation
 Motivation
 Causal attribution (UNDER DEVELOPMENT)
276
XAPI-SRL
C.1.4 M A I N P A R T S O F A X A P I - S R L S T A T E M E NT
Here we present the new additions to the xAPI Registry proposed for this profile.
Please, read the Statement 101 article for general information about xAPI
statements, or refer to the xAPI specification for more details.
Actors
The actor is the individual that carries out a particular action. The main actor in
this SRL context would be the learner, who is managing and performing his/her
learning. All the actions related to managing tasks, time tracking, monitoring
performance, etc. are performed by the learners. The monitoring and evaluation
of these processes (see Monitoring and Evaluation recipe) can be performed by the
learner or by the educator, the second actor included in this profile.
Verbs
We tried to use the verbs that are available in xAPI Registry, but in some cases
we needed to consider new verbs to represent the SRL actions in a consistent way.
Here are the xAPI-SRL proposals:
DEFINED
Indicates that the actor has defined the object. Note that this is a more specific
form of the verb “create”. For instance, a learner defining a goal.
ESTIMATED-DURATION
Indicates that the actor has estimated the duration of the object. For instance, a
learner estimating the duration of a task.
PERFORMED
Indicates that the actor has performed the object offline for a period of time
(episode). For instance, a learner performed task X, which is an offline task like
reading a book, for 30 minutes. This is used to record the time spent on offline
activities.
EXPECTED
Indicates that the actor expected particular results from the object. The expected
results should be recorded in the results field.
ARRANGED
Indicates that the actor arranged the object within a collection or set of elements.
The extension http://id.tincanapi.com/extension/position should be used to
indicate the new position.
277
APÉNDICE C
SELECTED
Indicates that the actor selects an object from a collection or set to use it in an
activity. The collection would be the context parent element.
DISCARDED
Indicates that the actor discards a previous selection.
ENABLED
Indicates that the actor turned on a particular part or feature of the system.
DISABLED
Indicates that the actor turned off a particular part or feature of the system.
PERSONALIZED
Indicates that the actor personalized the object. The idea is that the actor
personalizes an object created by a third party to adapt it for his/her personal use.
C.1.5 O B J E C T S A N D A C T I V IT Y T Y P E S
In this profile we use several object types. When not specified, the objectType
by default is Activity.
Most of the activity types used in this profile are from the xAPI Registry, but we
defined some new, along with some extensions.
Activity types
PROJECT
A project is a specific plan or set of tasks with a common goal. It can have
subtasks and subgoals, resources, etc.
GOAL
A goal is something that the actor wants to achieve, the purpose of doing a task
or group of tasks. It can have subtasks and subgoals.
STEP
A step is one of several actions that the actor has to do to achieve something, for
instance, a goal or the completion of a task. For instance, a method, strategy or task
could be divided into smaller steps.
278
XAPI-SRL
STRATEGY
A strategy is a plan or method for achieving any specific goal, and can be formed
by a group of steps.
EMBEDDED-STRATEGY
Refers to a functionality embedded in the software system to facilitate the

implementation of a strategy.
REWARD
Refers to a compensation that the actor wants to get for achieving something.
RESOURCE
A resource is a generic item that the actor may use for something. It could be a
video, a text, a device, etc. However, it is recommended to use a more specific
activity type like those mentioned.
DOUBT
Refers to something that the actor needs to cast light on, something that can be
answered or solved.
SOLUTION
Refers to the answer for a doubt that provides a solution. If the answer is not a
solution, it should be coded as answer, or if it is just a comment, as comment.
TO-REVIEW
Refers to something that the actor wants or plans to review in the future.
VOCABULARY-WORD
Refers to a word that the learner defines or translates. The vocabulary word can
be part of a collection. An actor can use more than one vocabulary collection, for
instance, for several languages or several topics. Besides the “name” (the word) and
“description” (meaning or translation), we recommend the use of moreInfo to link
to a definition in an online dictionary. As an option, you can use the extension tags
to classify the words.
SIMPLE COLLECTION
It is a collection of items of the same activity type, for example, a collection of

games. The collection can be generic, that is, the activity type of the items can be
specified using the extension collection type, but it is optional.
279
APÉNDICE C
MIXED COLLECTION
It is a collection of items of mixed activity types. The activity type of the items
is not specified.
C.1.6 E X T E N S IO N S
POSITION
Represents the position of the object in a group or collection of elements. It is

needed when the group of elements should be in order.
REFLECTION
Represents a reflection of the actor about the object.
CONDITION TYPE
Represents the type of condition that the actor needs to achieve to do what the
verb in the statement expresses.
CONDITION VALUE
Represents the value (if necessary) to accomplish the condition. For instance, if
the condition is a time limit, the condition value is the time expressed in the
ISO8601 format, the same used in the result duration property.
TYPE
Represents the type of object, result or context attending to a particular

classification.
PURPOSE
Represents the purpose of the object, as a way of classification.
COLLECTION TYPE
Represents the activity type of the objects of a simple collection.
C.1.7 P R O P E R T IE S T H A T A P P L Y T O A LL S T A T E M E NT S
The properties in this section apply to all statements in these recipes. We use the
time management recipe as an example to illustrate this, but it is applicable to all
recipes. For more information about how to use recipes, click here.
280
XAPI-SRL
object.id (required)
Managing the time of a particular task or goal would involve a series of statements
related to that task or goal. For example:
David performed task 3 for 15 minutes.
or
Estella estimated the duration of task 3 in 2 hours.
All statements like these about a particular goal or task should use the same
Activity Id, as they refer to the same task or goal. This object could have been
defined previously in other statement, for example, when the user created a task.
All statements regarding that particular task should use the same Activity Id.
context.category (required)
All statements include the Recipe Id in the "category" context activity list (See
spec.).
For example, the ID of the Time Management Recipe is:
http://id.tincanapi.com/recipe/srl/task-goal-management/0.1.
For example:
"context": {
...
"contextActivities": {
...
"category": [
{
"id": "http://id.tincanapi.com/recipe/srl/task-goal-
management/0.1",
"definition": {
"type":
"http://id.tincanapi.com/activitytype/recipe"
},
"objectType": "Activity"
}]
}
...
context.platform (recommended)
All statements could include some information about the platform in which the
action was performed.
281
APÉNDICE C
C.2 X API-SRL R ECIPES

These recipes define the structure and terms used in Statements intended to record
the experience of performing common Self-Regulated Learning (SRL) actions
using software. For comments or suggestions on this recipes please email
mario.manso@uvigo.es.
The version of this recipe is 0.1.
Here we define the most common use cases in SRL.
C.2.1 R E S O U R C E A N D LE A R N I N G C O N T E N T M A NA G E M E N T
This recipe defines the actions related to the management of learning objects or
resources, but it could be applied to any other element that can be added to a
container, removed from it, or edited in it. For example, a learner may add a book
to a course if it is relevant for it, or a video to a task if it has valuable information
about how to do it. This recipe is part of the xAPI-SRL profile.
C.2.1.1 Object: resources and learning content

Learners use hypermedia resources found on the Internet, resources from their
peers and learning content provided by their teachers and learning platforms, and
act as curators of their own learning material. At the same time, they may want to
remember that some friend or contact can be helpful when having problems with
a particular subject, so this person could be a resource for help seeking. This recipe
is intended to record the management of these resources.
In this recipe, the object could be an agent or an activity. If the type of resource
that you need is not listed in the table below, please refer to The Registry for other
Activity types or sign up to create a new Activity Type.
Activity type IRI
article http://activitystrea.ms/schema/1.0/article
page http://activitystrea.ms/schema/1.0/page
image http://activitystrea.ms/schema/1.0/image
audio http://activitystrea.ms/schema/1.0/audio
slide http://id.tincanapi.com/activitytype/slide
slide deck http://id.tincanapi.com/activitytype/slide-deck
file http://activitystrea.ms/schema/1.0/file
game http://activitystrea.ms/schema/1.0/game
media* http://adlnet.gov/expapi/activities/media
book http://id.tincanapi.com/activitytype/book
module http://adlnet.gov/expapi/activities/module
course http://adlnet.gov/expapi/activities/course
device http://activitystrea.ms/schema/1.0/device
note http://risc-inc.com/annotator/activities/note
resource http://id.tincanapi.com/activitytype/resource
282
XAPI-SRL
*Media is a generic type that could be text, audio, video or an image. Use this if it
is a media content but you don’t know its specific type.
The “resource” Activity Type should only be used when the type of activity is
unspecified. For example, if all the options are shown in a menu, “element” could
be used to represent an ‘other’ option.
Here is an example of an Activity object representing an image:
"object": {
"id": "http://www.example.com/resource-management/136945",
"definition": {
"name": {
"en-US": "example image"
},
"description": {
"en-US": "An example image of a tree."
},
"moreInfo": "https://vienna-wv.com/images/tree.jpg",
"type": "http://activitystrea.ms/schema/1.0/image"
},
}
C.2.1.2 Statements
Added, edited and deleted a resource

Estella added the article “guide to understanding aperture” to the
goal “aperture”.
Estella edited the article “guide to understanding aperture”.
Estella deleted the article “guide to understanding aperture” from
the goal “aperture”.
For example, a learner might do this when finding an interesting resource related
to a task, goal, chapter, etc. he/she is working on. The minimum functionality to
allow this is to enable adding a link of the resource to an element.
 actor: a learner.
 verb:
o as:added: http://activitystrea.ms/schema/1.0/add
o cu:edited: http://curatr3.com/define/verb/edited
o as:deleted: http://activitystrea.ms/schema/1.0/delete
 object: what has been added, edited or deleted. If the object is not an
agent, i.e., it is an Activity:
o object.definition.description: (optional) text description of the
resource.
o object.definition.moreInfo: (recommended) URL to the content
or the reference of the content if it is not online.
 context.contextActivities.parent: the parent element for the object
(Activity).
 timestamp: represents when the actor performed the action.
283
APÉNDICE C
C.2.2 V IE W C O N T R O L
In this recipe we define the actions related to the act of viewing learning content
or a particular resource. For example, a learner read an article or chapter or viewed
a video.
Important: this recipe complements the time and flow control recipe in terms of
recording the duration of certain actions included here.
C.2.2.1 Object: resources and learning content

In this recipe, the object could be an agent or an activity. If the type of resource
that you need is not listed in the table below, please refer to The Registry for other
In this recipe, the object could be an agent.
These are the Activity Types in this recipe:
Activity type IRI

game (future) http://activitystrea.ms/schema/1.0/game
module (context) http://adlnet.gov/expapi/activities/module
course (context) http://adlnet.gov/expapi/activities/course
unspecified. For example, if all the options are shown in a menu, “element” could
Here is an example of an Activity object representing an image:

"object": {
"id": "http://www.example.com/resource-learning-content-
management/136945",
"definition": {
"name": {
"en-US": "example image"
},
"description": {
"en-US": "An example image of a tree."
284
XAPI-SRL
},
"moreInfo": "https://vienna-wv.com/images/tree.jpg",
"type": "http://activitystrea.ms/schema/1.0/image"
},
}
C.2.2.2 Statements
Previewed, viewed, read and reviewed a resource

Estella viewed the resource “guide to understanding aperture”.
For example, a learner might do this when glancing over, studying or going over
a resource. There are two important considerations about these statements: first,
the duration of the action should be recorded, whether it was an online or offline
activity, as this recipe works in conjunction with the time and flow control recipe.
Second, the learner may want to record a reflection about the resource or the
performance of reading or viewing (if he/she got distracted, if it was hard to read,
etc.), so there is a specific field for it.
 verb:
o previewed: http://id.tincanapi.com/verb/previewed
o viewed: http://id.tincanapi.com/verb/viewed
o as:read: http://activitystrea.ms/schema/1.0/read (for text specific
objects)
o reviewed: http://id.tincanapi.com/verb/reviewed
 object: what has been previewed, viewed, read or reviewed (Activity).
o object.extensions. http://id.tincanapi.com/extension/reflection:
(optional) can optionally be used to record a reflection of the user
about the performance.
 result.duration: (recommended) represents de duration of the episode.
 context.contextActivities.parent: the element from where the object was
previewed, viewed, read or reviewed (Activity), i.e., the immediate
element up in the hierarchy.
 context.contextActivities.grouping: (recommended) the root element for
the object. For example, if the element is part of a unit that is part of a
course, the parent element is the unit and the grouping is the course.
C.2.3 T A S K A N D G O A L M A N A G E M E NT
This recipe defines the actions related to the management of learning projects,
using tasks, goals and some other elements. For example, a learner can define a
goal and some inner tasks that need to be done to achieve that goal.
285
APÉNDICE C
C.2.3.1 Object: What elements do you use to organize yourself?

This recipe defines a number of Activity Types that can be used, but the object
could be anything you may need to organize yourself. When using a type of
organizational element listed in this recipe, you should use the identifier listed
below. If the type of organizational element that you need is not listed in the table
below, please refer to The Registry for other Activity types or sign up to create a
new Activity Type.
This are the Activity Types in this recipe:
Activity type IRI

Task http://activitystrea.ms/schema/1.0/task
Goal http://id.tincanapi.com/activitytype/goal
Project http://id.tincanapi.com/activitytype/project
Here is an example of an Activity object representing a task:

"object": {
"id": "http://www.example.com/task-goal-management/136945",
"definition": {
"name": {
"en-US": "example task"
},
"description": {
"en-US": "An example task that the example user wants to
achieve."
},
"type": "http://activitystrea.ms/schema/1.0/task",
},
}
C.2.3.2 Statements
Created
Estella created the task “review chapter 2” with description “focus
on possible questions”.
For example, a learner might do this when creating a task in a task manager.
 actor: an individual learner creating the object.

 verb: http://activitystrea.ms/schema/1.0/create
 object: what has been created.
 context.contextActivities.parent: (recommended) the parent element for
the object, if it exists.
 object.extensions.http://id.tincanapi.com/extension/position: (optional)
here we can specify the order of the task with relation to its siblings.
 timestamp: represents when the actor created the object.
286
XAPI-SRL
Defined (recommended)
Estella defined the goal “learn how to use aperture” with
description “try manual mode”.
For example, a learner might do this when defining a goal in a task manager, e-
portfolio, etc. Conceptually, goals are not created. They can be set or defined.
 actor: an individual learner defining the object.

 verb: http://id.tincanapi.com/verb/defined
 object: what has been defined (goal or strategy).
 timestamp: represents when the actor defined the object.
Edited
Estella edited the task “review chapter 2” with a new description
“focus on possible questions for the exam”.
For example, a learner might do this when creating a task in a task manager.

 verb: http://curatr3.com/define/verb/edited
 object: what has been edited.
Deleted
Estella deleted the task “review chapter 2” from “Unit 1: The
Camera”.

 verb: as:deleted: http://activitystrea.ms/schema/1.0/delete
 object: what has been deleted.
C.2.4 T IM E A N D F L O W C O N T R O L
This recipe is aimed at recording the use of time across applications, so we can use
the information from multiple systems to monitor and evaluate the use of time.
Important: this recipe is complemented by the view control recipe in terms of

recording the duration of certain actions included there.
287
APÉNDICE C
C.2.4.1 Object: what are you managing time of?

This recipe defines a number of Activity Types that can be used, but the object
could be anything you may need to manage the time you spend on. When using a
type of element listed in this recipe, you should use the identifier listed below. If
the type of element is not listed in the table below, please refer to The Registry for
other Activity types or sign up to create a new Activity Type if the element type
you need is not listed.
Activity type IRI

task http://activitystrea.ms/schema/1.0/task
goal http://id.tincanapi.com/activitytype/goal
performance http://adlnet.gov/expapi/activities/performance
The ‘performance’ Activity Type should only be used when the type of activity is
unspecified. For example, if all the options are shown in a menu, ‘performance’
could be used to represent an ‘other’ option.

"object": {
"id": "http://www.example.com/time-flow-control/136945",
"definition": {
"name": {
"en-GB": "example task",
},
"description": {
"en-US": "An example task."
},
},
}
C.2.4.2 Spent Time and Episodes

This recipe has a concept of Spent Time which is the time during an object like a
task is performed. Spent time does not accumulate while a performance is paused.
For example, consider the following statements on a given day:
Estella started task 3 at 1:00pm.
Estella paused task 3 at 2:00pm.
Estella resumed task 3 at 2:30pm.
Estella suspended task 3 at 3:00pm.
Estella completed task 3 6:00pm.
Here we have 2 episodes, one from 1:00 pm to 3:00 pm, and the next from 5:00 pm
to 6:00 pm. In the first episode there was a 30 minutes pause, so the time spent in
288
XAPI-SRL
the task (productive time) in the first episode is 1h30’. The total spent time for that
task was 2h30’, summing both episodes. Paused is used when we want to record
the interruptions, external or your own, that we have during an episode. On the
other hand, suspended is used when we consider the episode as finished, and we
plan to continue the activity later.
C.2.4.3 Statements
Estimated duration
Estimated duration is used if you want to record something like this:
Estella estimated the duration of task 3 in 2 hours.
For example, a learner might do this when creating a task in a task manager, or by
scheduling the task.
 actor: an individual learner doing the estimation.

 verb: http://id.tincanapi.com/verb/estimated-duration
 object: for what time or duration is being estimated.
 object.extensions.http://id.tincanapi.com/extension/planned-duration:
the planned duration for the event.
 object.extensions.http://id.tincanapi.com/extension/reflection: (optional)
can optionally be used to record a reflection of the user about the time to
spend in the object.
the object.
 context.contextActivities.grouping: (optional) the root element. For
example, if the element is part of a task that is part of a project, the
parent element is the task, and the project is the grouping, the root.
 timestamp: represents when the actor recorded the time estimation.
Performed
Performed is used if you want to record that the actor performed the object offline
for a period of time (episode):
Estella performed task 3 for 2 hours.
For example, a learner might do this when performing a task offline and wanting
to keep track of the spent time.
 actor: an individual learner.

 verb: http://id.tincanapi.com/verb/performed-offline
 object: for what the episode is being recorded.
 result.duration: represents de duration of the episode.
can optionally be used to record a reflection of the user about the
performance.
289
APÉNDICE C
 object.extensions.http://id.tincanapi.com/extension/attempt-id: (optional)
can be used to record the number of episode for that particular object.
the object.
 timestamp (DateTime): represents when the actor started the episode.
Started
Started is used as part of the time tracking of the performance of the object:
Estella started task 3.
For example, a learner might do this when a task in a task manager with time
tracking capabilities.
 actor: an individual learner performing the object.

 verb: http://activitystrea.ms/schema/1.0/started
 object: what has been started.
 object.extensions.http://id.tincanapi.com/extension/planned-duration:
(optional) the planned duration for the object, if it has been defined.
can optionally be used to record a reflection of the user when starting the
object.
the object.
 timestamp: represents when the actor started performing the object.
Paused
Paused is used as part of the time tracking of the performance of the object:
Estella paused task 3 at 1:30pm.
For example, a learner might pause a time tracking when the episode is interrupted
briefly for any reason (phone call, rest, etc.).

 verb: http://id.tincanapi.com/verb/paused
 object: what has been paused.
 result.duration: represents the duration of the episode from the start to
the pause.
290
XAPI-SRL
can optionally be used to record a reflection of the user.
the object.
 timestamp: represents when the actor paused the object.
Suspended
Suspended is used as part of the time tracking of the performance of the object:
Estella suspended task 3 at 3:00pm.
For example, a learner might suspend an activity when the episode is considered
as finished and the activity will be continued in the future.

 verb: http://adlnet.gov/expapi/verbs/suspended
 object: what has been suspended.
 result.duration: represents the duration of the episode from the start.
 object.extensions.http://id.tincanapi.com/extension/duration: (optional)
can be used to record the total duration of the pauses of the recorded
episode.
the object.
 timestamp: represents when the actor suspended the object.
Resumed
Resumed is used as part of the time tracking of the performance of the object:
For example, a learner might resume an activity to continue with the episode (if
paused) or starting a new one (if suspended).

 verb: http://adlnet.gov/expapi/verbs/resumed
291
APÉNDICE C
 object: what has been

resumed.object.extensions.http://id.tincanapi.com/extension/reflection:
(optional) can optionally be used to record a reflection of the user.
the object.
 timestamp: represents when the actor resumed the object.
Completed
Completed is used as part of the time tracking of the performance of the object:
Estella completed task 3 at 5:00pm with a total duration of 2h 30’.
For example, a learner might complete an activity when the episode is considered
as finished and the activity will not be continued in the future.

 verb: http://activitystrea.ms/schema/1.0/complete
 object: what has been completed.
 result.duration: represents the duration of the episode from the start.
 result.completion: true/false depending if the object is actually completed
or just finished and the actor is not going to complete it in the future
(uncompleted).
 object.extensions.http://id.tincanapi.com/extension/duration: (optional)
can be used to record the total duration of the pauses of the recorded
episode.
the object.
 timestamp: represents when the actor completed the object.
C.2.5 PLANNING
This recipe is aimed at recording the actions related to the planning of tasks, goals,
etc., but it could be applied to any other element that can be planned. For example,
scheduling a task, setting a deadline, etc.
292
XAPI-SRL
C.2.5.1 Object: What are you planning?

This recipe defines the Activity Types that can be used here, but the object could
be anything that you want to plan. When using a type of element listed in this
recipe, you should use the identifier listed below. If the type of element is not
listed in the table below, please refer to The Registry for other Activity types or
sign up to create a new Activity Type.
Activity type IRI

Step http://id.tincanapi.com/activitytype/step
Strategy http://id.tincanapi.com/activitytype/strategy
Time Slot (future) Not in use for the moment.
Event http://activitystrea.ms/schema/1.0/event

"object": {
"definition": {
"name": {
},
"description": {
achieve."
},
},
}
Planned Episodes
When an agent schedules a task for a particular day and time everything is clear.
But what happens when the agent schedules the task in two or more different
planned episodes? For example, we could want to do a task for an hour three days
in a raw, in three episodes. We can schedule the task three times, but what we are
scheduling are the planned episodes for that task, so we could have used the
episode as the object and the task (in this example) as the context. In order to be
consistent, the object in these statements is the task and the episode is recorded in
the extensions.
C.2.5.2 Statements
Scheduled
Scheduled is used as part of the planning of the object:
293
APÉNDICE C
Estella scheduled task 3 to 25/11/2015 3:00pm.
For example, a learner might do this when adding the object to a calendar, or
setting the planned start time for the object in a planner.

 verb: http://activitystrea.ms/schema/1.0/schedule
 object: what has been scheduled.
 object.extensions.http://id.tincanapi.com/extension/planned-start-time:
used to record the planned start time for the object.
can be used to record the number of episode.
the object.
 timestamp: represents when the actor scheduled the object.
Set deadline
Estella set a deadline for the task “review chapter 2” for the
5/1/16 at 15:00.
For example, a learner might do this when defining a goal in a task manager, e-
portfolio, etc.

 verb: {$SRL_VERBS}/set-deadline
 object: for what the deadline has been
set.object.extensions.http://id.tincanapi.com/extension/datetime: the
deadline date and time for the object.
the object.
Selected and discarded a strategy (optional)

Estella selected the strategy “going over content” for the task
“review chapter 2”.
Estella discarded the strategy “going over content” from the task
For example, a learner might do this when defining a task in a task manager.

 verb:
o srl:selected: http://id.tincanapi.com/verb/selected
o srl:discarded: http://id.tincanapi.com/verb/discarded
 object: the strategy: http://id.tincanapi.com/activitytype/strategy.
294
XAPI-SRL
here we can specify the order of the strategy in case there are more than
one.
 context.contextActivities.other: the object for what the strategy was
selected (task, goal, etc.).
 context.contextActivities.parent: the parent element for the object, that
is, the collection, set, etc. where the strategy belongs.
C.2.6 C U R A T IO N ( S E L F A N D O T H E R S )
This recipe is aimed at recording the actions related to the curation of content,
resources, strategies, etc. For example, rating a resource, selecting a strategy as
favorite, etc.
C.2.6.1 Object: What are you curating?

This recipe defines the Activity Types that can be used in this SRL context, but the
object could be anything that you want to curate. When using a type of element
listed in this recipe, you should use the identifier listed below. If the type of
element is not listed in the table below, please refer to The Registry for other
Activity type IRI

game (future) http://activitystrea.ms/schema/1.0/game
module http://adlnet.gov/expapi/activities/module
course http://adlnet.gov/expapi/activities/course
295
APÉNDICE C
unspecified. For example, if all the options are shown in a menu, “resource” could

"object": {
"definition": {
"name": {
},
"description": {
achieve."
},
},
}
C.2.6.2 Statements
Rated a resource
Estella rated the resource “guide to understanding aperture” with 4
stars.
For example, a learner might do this after previewing or viewing the resource.
 verb: http://id.tincanapi.com/verb/rated
 object: what has been rated.
the object (Activity).
Favorited and unfavorited a resource

Estella favorited the resource “guide to understanding aperture”
with 4 stars.
For example, a learner might do this after previewing or viewing the resource.
 verb:
o http://activitystrea.ms/schema/1.0/favorite
o http://activitystrea.ms/schema/1.0/unfavorite
 object: what has been favorited.
296
XAPI-SRL
Selected and discarded a resource (optional)

Estella selected the resource “guide to understanding aperture” for
task “Take test pictures”.
Estella discarded the resource “guide to understanding aperture” for
task “Take test pictures”.
For example, a learner might do this when assigning or linking resources to task
or goals.
 verb:
o srl:selected: http://id.tincanapi.com/verb/selected
o srl:discarded: http://id.tincanapi.com/verb/discarded
 object: what has been selected or discarded.
 context.contextActivities.other: the element for what the object was
selected (Activity).
the object, that is, the collection, unit, set, etc. where the object belongs
(Activity).
Shared and unshared a resource (recommended)

Estella shared the resource “guide to understanding aperture” in
facebook.
For example, a learner might do this when sharing a resource with some classmates
or friends.
 verb:
o as:shared: http://activitystrea.ms/schema/1.0/share
o as:unshared: http://activitystrea.ms/schema/1.0/unshare
 object: what has been shared.
 context.extensions.irl: link to the shared object.
 context.extensions.tweet: (optional) in case the destination of the sharing
is a tweet.
C.2.7 A N N O T A T IO N
This recipe is aimed at recording annotation actions. For example highlighting

text, annotating doubts, etc.
297
APÉNDICE C
C.2.7.1 Object: What are you annotating?

This recipe defines the Activity Types that can be used here, but the context could
be anything that you want to annotate. When using a type of element listed in this
recipe, you should use the identifier listed below. If the type of element is not
listed in the table below, please refer to The Registry for other Activity types or
sign up to create a new Activity Type.
Activity type IRI

highlight http://risc-inc.com/annotator/activities/highlight
underline http://risc-inc.com/annotator/activities/underline
doubt http://id.tincanapi.com/activitytype/doubt
solution http://id.tincanapi.com/activitytype/solution
to review {$SRL_ACTIVITIES}/to-review
Context (parent): origin of the annotation

The annotation can be made on several types of elements or content. It could be a
task, a video, a book, etc. Here are the types that we consider for this recipe:
ActivityType IRI
(context)
paragraph http://id.tincanapi.com/activitytype/paragraph
About which part of the activity is the annotation?

The annotation it can be about the whole thing (in that case we do not need to
specify anything) or refer to a specific part of the element represented by the
context activity. For instance, an annotation about a book can be about the whole
book, about a chapter, about a page, about a sentence, etc. In order to be able to
specify that we need to take into account the type of element or content where
the annotation was made.
298
XAPI-SRL
For text based objects (document, slide deck, etc.), if the content has a structure,
we can specify the chapter or part, or the title using the topic extension. If it is a
web page, include the irl of that part of the website/page when posible along with
the title (H element). If it is a document divided in pages like a pdf or slide deck,
we can specify the number of the page (page) or a range of pages. If the annotation
refers to a specific part of the text, it can be included as a selection (using the
extension highlighted string).
For audio and video objects we can specify a time marker or a time range with the
extensions starting point and ending point.

"object": {
"definition": {
"name": {
},
"description": {
achieve."
},
},
}
C.2.7.2 Statements
Annotated and modified annotation

Estella annotated “the higher the f stop number, the smaller the
aperture” as a highlight in “guide to understanding aperture”.
Estella annotated “ask Mark about blades and bokeh” as a doubt in
guide to understand aperture”.
Estella annotated “guide to understanding aperture” to review.
We use the verbs, activity types and extensions created by Risc. Since their
annotation profile is no longer available, we redefined how to use those verbs and
added some new features to create new functionality, adding new types of
annotation (doubt, solution, to review).
 verb:
o ri: annotated: http://risc-inc.com/annotator/verbs/annotated
o ri: modified-annotation: http://risc-
inc.com/annotator/verbs/modified
 object: the annotation itself (Activity).
o object.definition.name: the title of the annotation if any
(optional).
299
APÉNDICE C
o object.definition.description: the type of annotation (highlighted

text, note, doubt, etc.).
 result.response: the resulting text of the action for all activity types
(highlighted text, note, etc.) with the exception of to-review, which does
not imply a text input.
 result.extensions.http://id.tincanapi.com/extension/topic: (optional) use
this if there is a field to add a title or topic hint to the annotation.
 context.contextActivities.parent: the element in which or for what the
annotation was made (Activity).
 context.contextActivities.other: (optional) if the note is an answer for
other note, the original note should be specified here.
For text-based context objects (documents):
 context.extensions.http://www.risc-inc.com/annotator/extensions/page:
(optional) if the context activity object is divided in pages, the page
reference for the annotation can be stored here.
 context.extensions.http://id.tincanapi.com/extension/topic: (optional) use
this to record the name of the chapter, section or part of the object that is
referred by the annotation. If the context object is a web page, store here
the title element (H) referred by the annotation.
 context.extensions.http://id.tincanapi.com/extension/irl: (optional) if the
context object is a web page, store here the link to the specific part of the
website referred by the annotation.
 context.extensions.http://www.risc-
inc.com/annotator/extensions/highlightedString: (optional) if the
annotation is referred to a selected text, store the original text here.
For audio or video context objects:
 context.extensions.http://id.tincanapi.com/extension/starting-point:
(optional) if the context activity object is video or audio and the
comment refers to a time range, here we can store the starting point of
the range. If the ending point is not specified, use this as a time marker.
 context.extensions.http://id.tincanapi.com/extension/ending-point:
(optional) if the context activity object is video or audio and the
comment refers to a time range, here we can store the ending point of
the range.
C.2.8 VOCABULARY CONTROL
This recipe defines the actions related to the management of a vocabulary

collection. For example, adding a word to our Spanish vocabulary.
300
XAPI-SRL
C.2.8.1 Object: Learned a new word?

This recipe defines a number of Activity Types that can be used to control your
vocabulary. When using a type of element listed in this recipe, you should use the
identifier listed below. If the type of element that you need is not listed in the table
below, please refer to The Registry for other Activity types or sign up to create a
new Activity Type.
Activity type IRI

vocabulary word http://id.tincanapi.com/activitytype/vocabulary-word
vocabulary http://id.tincanapi.com/activity/srl/vocabulary-
collection* (context) collection
*The vocabulary collection type is specific of this recipe and refers to the generic
type simple collection.
Here is an example of an Activity object representing a vocabulary word:

"object": {
"id": "http://www.example.com/vocabulary control/136945",
"definition": {
"name": {
"en-US": "aperture"
},
"description": {
"en-US": "It refers to the aperture of the diaphragm of a
camera. It is usually represented with a number. Common apertures
are 1.8, 2.0, 2.2, 2.8, 3.2, 4, etc."
},
"type": "{SRL_ACTIVITIES}/vocabulary-word",
},
}
C.2.8.2 Statements
Added, edited and deleted vocabulary word

Estella added “diaphragm” to “photography words” vocabulary
collection.
For example, a learner might do this when glancing over, studying or going over
a resource.
 verb:
301
APÉNDICE C
 object: the word that has been added (Activity):

o object.definition.type: srl:vocabulary-word.
o object.definition.name: the word itself.
o object.definition.description: (recommended) the definition of
the word.
o object.definition.moreInfo: (recommended) irl to the definition
of the word in an online dictionary.
o object.definition.extensions.http://id.tincanapi.com/extension/tag
s: (optional) used to classify the words. Follow the original format
defined in.
 context.contextActivities.parent: the collection where the word was
added to, edited in or deleted from (Activity). Inside the simple
collection activity, define the name of the collection, the description
(optional) and set the activity’s extension collection type (recommended)
to the IRI of vocabulary-word.
 context.contextActivities.other: (optional) the element where the object
was seen, i.e., the origin of the word (Activity).
C.2.9 M O T I V A T IO N
This recipe defines the actions related to motivation strategies. It complements the
task and goal management recipe. It could also complement as well any other
recipe related to strategies in which the learner can use rewards or expected results
to control motivation, but in most cases, motivation strategies will be related to a
goal or a task. For instance, a reward could be set for completing a particular book.
This element, completing a book, can be seen as a goal or as a task in this context,
and should be considered that way.
C.2.9.1 Object: What elements do you use to motivate yourself?

This recipe defines a number of Activity Types that can be used. When using a
type of organizational element listed in this recipe, you should use the identifier
listed below. If the type of element that you need is not listed in the table below,
please refer to The Registry for other Activity types or sign up to create a new
Activity Type. These are the Activity Types in this recipe:
Activity type IRI

Reward http://id.tincanapi.com/activitytype/reward
Resource http://id.tincanapi.com/activitytype/resource
302
XAPI-SRL
"object": {
"definition": {
"name": {
},
"description": {
achieve."
},
},
}
C.2.9.2 Statements
Set and earned a reward (optional)

Estella set a reward “ice cream!” for completing the task “review
chapter 2”.
Estella earned the reward “ice cream!” for completing the task
This is not a popular functionality, but works for motivation. This could be done
by a learner when planning to do a task.

 verb:
o srl:set: {$SRL_VERBS}/set
o ob:earned: http://specification.openbadges.org/xapi/verbs/earned
 object: the reward definition:
http://id.tincanapi.com/activitytype/reward.
 object.extensions.{SRL_EXTENSIONS}/condition-type: here we can
record the type of condition that was set to earn the reward:
o Completion: if the context activity was completed.
o Completion-deadline: (optional) if the context activity was
completed before the deadline. The deadline should have been
previously set (see set deadline).
o Completion-time-limit: (optional) if the context activity was
completed using less time than the established limit. This needs
time tracking capabilities. It requires the extension condition-
value.
o Time-episode: (optional) if the actor spent the specified time in
the last episode for that context activity. It requires the extension
condition-value.
o Time-day: (optional) if the actor spent the specified time during
the day for that context activity. It requires the extension
condition-value.
303
APÉNDICE C
 object.extensions.{SRL_EXTENSIONS}/condition-value: (optional) this is

the time value to meet in the time-related conditions.
 context.contextActivities.other: the element for that the reward was set.
 timestamp: represents when the actor set or earned the reward.
Expected results (optional)

Tom expected the results “understand centrifugal force” from the
task “review chapter 2”.

 verb: srl:expected: http://id.tincanapi.com/verb/expected
 object: the object to which the expectations refer to.
 result: the definition of the expectations:
o result.score: (optional) this should be set to raw, as the typical
scores would be in between 0 and 10 or 0 and 100.
o result.success: (optional) true or false.
o result.completion: (optional) true or false.
o result.response: the expectations are recorded here as a reflection
of the learner.
 context.contextActivities.parent: (optional) the parent element for the
object.
C . 2 . 1 0 S T R A T E G Y M A N A G E M E NT
This recipe contains the actions related to the management of (learning and self-
regulation) strategies: strategies embedded in the software or strategies as a set of
instructions that typically would be stored in a repository or collection. For
instance, enabling or disabling a strategy or adding a strategy to a repository.
C.2.10.1 Object: self-regulation and learning strategies

This recipe defines the Activity Types that can be used here, in this case, embedded
strategies or strategies that can be found in a repository or referatory. When using
a type of strategy listed in this recipe, you should use the identifier listed below. If
the type of strategy is not listed in the table below, please refer to The Registry for
other Activity types or sign up to create a new Activity Type if the strategy type
you need is not listed. These are the Activity Types to be used in this recipe:
Activity type IRI

Embedded strategy http://id.tincanapi.com/activitytype/embedded-strategy
Strategy collection* http://id.tincanapi.com/activitytype/simple-collection
(context)
304
XAPI-SRL
*The strategy collection type is specific of this recipe and refers to the generic type
simple collection.
Strategy type and purpose

Due to the amount of different classifications of the strategies found in the
literature, the type and purpose of the strategy are not defined in the activity type
itself, but in the extensions field. For that, we defined two extensions with some
predefined options:
 Type: here you can store the type of strategy attending to a high level
classification. The options available are cognitive, metacognitive,
motivational, behavioral, context and other. The option ‘other’ is really
an open field where the user can define the type in his/her own words.
 Purpose: here you can store the purpose as the second level of
classification. We have again some predefined options and one option to
be defined by the user: reading, memory, information research, creation,
transformation (like summarizing), planning, monitoring, evaluation,
help seeking, self-regulation, and other.
Object example
Here is an example of an Activity object representing a strategy:
"object": {
"id": "http://www.example.com/strategy-management/136945",
"definition": {
"name": {
"en-US": "example reading strategy"
},
"description": {
"en-US": "An example strategy for reading comprehension."
},
"type": "http://id.tincanapi.com/activitytype/strategy",
},
“extensions”: {
“{$SRL_EXTENSIONS}/type”: “cognition”,
“http://id.tincanapi.com/extension/purpose”: “reading”
}
},
}
C.2.10.2 Statements
Enabled and disabled an embedded strategy (optional)

Estella disabled the “completion progress” strategy.
These statements can be used in systems in which there are embedded strategies
that are configurable. Some examples could be, completion progress (task manager
or content delivery), expected results (task manager), previous knowledge
(content delivery), etc.
305
APÉNDICE C

 verb:
o srl:enabled: http://id.tincanapi.com/verb/enabled
o srl:disabled: http://id.tincanapi.com/verb/disabled
 object: the strategy (system feature) that can be configured.
Personalized a strategy
Estella personalized the “KWL” strategy.
This statement can be used in strategy repositories (stand alone or embedded in a

learning system) in which the users can modify the strategies. Personalization
include adding, removing, editing or arranging steps, adding new information, etc.

 verb: srl:personalized: http://id.tincanapi.com/verb/personalized
 object: the modified strategy (Activity).
 result.response: (optional) If the name or the description of the strategy
was modified, the new text can be included here.
 context.statement: (optional) if the modification has been done to the
steps, it can be referred here.
 context.contextActivities.parent: (recommended) the collection where
the strategy belongs (Activity). Inside the activity, define the name of the
collection, the description (optional) and set the activity’s extension
collection type (recommended) to the IRI of strategy.
Added, edited and deleted a strategy

Estella added “KWL” to “reading comprehension” strategy collection.
For example, a teacher or learner might do this after finding a new strategy. This
is about managing a collection of strategies.
 verb:
 object: the strategy that has been added (Activity):
o object.definition.type: srl:strategy
o object.definition.name: the name of the strategy itself.
o object.definition.description: (optional) the explanation of the
strategy.
o object.definition.moreInfo: (optional) irl to the source.
306
XAPI-SRL
o object.definition.extensions.type: (optional) as defined above,

here we store the type of strategy. Select one of the values or
select other to create your own classification.
o object.definition.extensions.http://id.tincanapi.com/extension/pur
pose: (optional) as defined above, here we store what the strategy
is for. Again, select one of the values (recommended) or create
your own.
 context.contextActivities.parent: the collection where the strategy was
added to, edited in or deleted from (Activity). Inside the activity, define
the name of the collection, the description (optional) and set the
activity’s extension collection type (recommended) to the IRI of strategy.
C.2.11 STEP SEQUENCING
This recipe defines the actions related to the management of sequences of steps in
elements that can be divided into them. For instance, a strategy would be defined
as several steps that we need to follow.
C.2.11.1 Object: step

Step is the only activity type that can be used as object in this recipe. It can be used
to represent a procedure that is complex enough to be divided into several steps.
For the context activity we can use any activity type that represents a procedure
that can be divided into steps. In this case, we use the task, goal and strategy
activity types:
Activity type IRI

Activity type (context) IRI

"object": {
"definition": {
"name": {
},
"description": {
achieve."
},
},
"objectType": "Activity"}
307
APÉNDICE C
C.2.11.2 Statements
Added, edited, arranged and removed a step (optional)

Estella added the step “identify main ideas” to the task “review
chapter 2”.
Estella removed the step “identify main ideas”.

 verb:
o srl:arranged: http://id.tincanapi.com/verb/arranged
o as:removed: http://activitystrea.ms/schema/1.0/remove
 object: the step definition: http://id.tincanapi.com/activitytype/step.
 context.contextActivities.parent: the parent element for the object (goal,
task, strategy, etc.).
 object.extensions.http://id.tincanapi.com/extension/position: here we can
specify the order of the steps.
C.3 E XAMPLE
{
“actor”: {
“name”: “David Winters”,
“account” : {
“homepage” : “https://example.com”,
“name” : “7ce61a81-c95b-4e07-8355-266b53f29a7f”
},
“objectType”: “Agent”
},
“verb”: {
"id": "http://id.tincanapi.com/verb/paused",
"display": {
"en-US": "paused"
}
},
"object": {
"id": "http://www.example.com/time-management/134569",
"definition": {
"name": {
"en-US": "Task 3"
},
"description": {
"en-US": "Summarize lesson 2."
},
"type": "http://adlnet.gov/expapi/activities/task"
},
“extensions”:{
“ http://id.tincanapi.com/extension/attempt-id”: “54654”
},
308
XAPI-SRL
},
"result": {
"duration": "PT1H0M0S"
},
"context": {
"contextActivities": {
"category": [
{
"id": "{$SRL_RECIPES}/0_1#time-management",
"definition": {
"type":
"http://id.tincanapi.com/activitytype/recipe"
},
}
]
}
},
"timestamp": "2015-05-18T07:55:32.654Z"
}
309
B IBLIOGRAFÍA
Abrami, P., Wade, C., Pillay, V., Aslan, O., Bures, E., & Bentley, C. (2008).
Encouraging self-regulated learning through electronic portfolios.
Canadian Journal of Learning and Technology.
Adell, J., & Castañeda, L. (2010). Los Entornos Personales de Aprendizaje (PLEs):
una nueva manera de entender el aprendizaje. In R. Roig Vila, & M.
Fiorucci, Claves para la investigación en innovación y calidad educativas.
La integración de las Tecnologías de la Información y la Comunicación y
la Interculturalidad en las aulas. Alcoy: Marfil.
Ahmed-Kadry, M., & Mohsen El Fadi, A. (2012). A proposed model for assessment
of social networking supported learning and its influence on learner
behaviour. Interactive Mobile and Computer Aided Learning (IMCL), (pp.
101-108). Amman.
Albert, W., & Tullis, T. (2013). Measuring the user experience: collecting,
analyzing and presenting usability metrics. Newnes.
Alexiou, A., & Paraskeva, F. (2013). Exploiting Motivation and Self-efficacy

through the Implementation of a Self-Regulated Oriented ePortfolio.
International Conference on E-Learning in the Workplace (ICELW), (pp.
12-16). New York.
Allueva Torres, P. (2002). Conceptos básicos sobre metacognición. In P. Allueva

Torres, & C. d. Ciencia (Ed.), Desarrollo de habilidades metacognitivas:
programa de intervención (pp. 59-85). Zaragoza, España.
Anido, L., Burgos, D., Caeiro, M., Torrente, J., Fernández, M., González, J., . . .
Fernández, B. (2011). GameTel: an approach to multi-format and multi-
device accessible engineering education. IEEE Frontiers in Education
(FIE). Rapid City.
aprendizaxe-autorregulada.com. (2016). Aprendizaje Autorregulada: estratexias

para profesores. Retrieved 04 05, 2016, from Aprendizaxe Autorregulada:
http://193.146.210.109/pmwiki/pmwiki.php?n=EstratexiasParaProfesores.
EstratexiasParaProfesores
Arnold, P. (2010). Didactics and methods in telematic teaching and learning.

Waxmann.
Aroyo, L., Dolog, P., Houben, G., Kravcik, M., Naeve, A., Nilsson, M., & Wild, F.
(2006). Interoperability in personalized adaptive learning. Educational
Technology & Society, 9(2), 4-18.
ATC21S. (2012). ATC21S. Retrieved 02 25, 2016, from Assessment and Teaching
of 21st Century Skills: http://www.atc21s.org/
310
BIBLIOGRAFÍA
Attwell, G. (2007). Personal Learning Environments: The future of eLearning?

eLearning Papers, 2(1). Retrieved Febrero 9, 2012
Ausubel, D. (2000). The acquisition and retention of knowledge: a cognitive view.

Kluwer Academic Publishers.
Azevedo, R. (2005). Computer environments as metacognitive tools for enhancing

learning. Educational Psychologist, 40(4), 193-197.
Azevedo, R. (2012). MetaTutor: An adaptive Multi-Agent Learning Environment

to Convey and Assess Self-Regulated Learning. (M. DiBenedetto, & M.
White, Eds.) American Educational Research Association Newsletter:
Studying and Self-regulated Learning Interest Group, 2-3.
Bandura, A. (1977). Social Learning Theory. New York: General Learning Press.
Bandura, A. (1989). Social cognitive theory. In R. Vasta (Ed.), Annals of child

development. Vol.6. Six theories of child development (pp. 1-60).
Greenwich, CT: JAI Press.
Bandura, A. (1993). Perceived self-efficacy on cognitive development and

functioning. Educational Psychologist, 28(2), 117-148.
Barrett, H. (2009). Equilibrio entre los distintos elementos del ePortfolio.

Retrieved 05 2016, from http://electronicportfolios.org/balance
Beauvoir, P. (2005). PLEX Demonstration, Personal Learning Environment (PLE)

theme. Retrieved from JISC-CETIS Conference: http://www.e-
framework.org/events/conference/programme/ple/presentations/phil_bea
uvoir.mp3
Beishuizen, J., & Steffens, K. (2011). A conceptual framework for research on self-
regulated learning. In Self-Regulated Learning in Technology Enhanced
Learning Environments: A European Perspective (Vol. 5). Rotterdam:
Sense Publishers.
Bloom, B. S. (1956). Taxonomy of educational objectives: The classification of

educational goals. In B. S. Bloom, M. D. Engelhart, E. J. Furst, W. H. Hill,
& D. R. Krathwohl, Handbook I: Cognitive domain. New York: David
McKay Company.
Boekaerts, M. (1986). Self-regulated learning at the junction of cognition and

motivation. European Psychologist(1), 100-112.
Boekaerts, M. (1999). Self-regulated Learning: where are we today. 31, 445-457.
Boekaerts, M., & Corno, L. (2005). Self-regulation in the classroom: A perspective

on assessment and intervention. Applied Psychology, 54(2), 199-231.
Brooke, J. (1996). SUS: A quick and dirty usability scale. In Usability evaluation in
industry. London: Taylor & Francis.
311
BIBLIOGRAFÍA
Brown, A. L. (1987). Metacognition, executive control, self-regulation, and other

more mysterious mechanisms. In F. W. Kluwe (Ed.), Metacognition,
motivation and understanding (pp. 65-116). New Jersey: Lawrence
Erlbaum Associates.
Brown, A., Bransford, J., Ferrara, R., & Campione, J. (1983). Learning,
remembering and understanding. In P. Mussen (Ed.), Handbook of child
psychology Vol. 3 Cognitive development (pp. 77-166). New York: Wiley.
Bruner, J. (1961). The act of discovery. The act of discovery(31), 21-32.
Brusilovsky, P. (2003). Adaptive and Intelligent Web-based Educational Systems.

International Journal of Artificial Intelligence in Education, 13(2-4), 159-
172.
Caeiro, M., Manso, M., & Anido, L. (2012). Design of flexible and open learning
management systems using IMS specifications. The GameTel experience.
Journal of Research and Practice in Information Technology, 44(2), 151-
165.
Carneiro, R., Lefrere, P., Steffens, K., & Underwood, J. (Eds.). (2011). Self-
regulated learning in technology enhanced learning environments (Vol.
5). Sense Publishers.
Carrasco, J. (2007). Estrategias de Aprendizaje: para aprender más y mejor. Madrid,

España: RIALP S.A.
Chatti, M., Agustiawan, M., Jarke, M., & Specht, M. (2012). Toward a Personal
Learning Environment Framework. In Design, implementation and
evaluation of Virtual Learning Environments (pp. 20-40). IGI Global.
Conde, M., García, F., Alier, M., Mayol, E., & Fernández, C. (2013).
Implementation and design of a service-based framework to integrate
personal and institutional learning environments. Science of Computer
Programming, 88, 41-53.
Cooper, A. (2014). Learning Analytics and Interoperability – The Big Picture in

Brief. Learning Analytics Review.
Corbett, A., Koedinger, K., & Anderson, J. (1997). Intelligent Tutoring Systems. In
M. Helander, T. Landauer, & P. Prabhu, Handbook of Human-Computer
Interaction. Elsevier Science B.V.
Crespo, N. (2004). La Metacognición: Las diferentes vertientes de una Teoría.

Signos, 33(48), 97-115.
Cuesta-Sáez de Tejada, J., Hernández-Pina, F., & Rosário, P. (2008). Gervasio en la

universidad: aprendizaje basado en competencias. V Congreso
Iberoamericano de Docencia Universitaria.
312
BIBLIOGRAFÍA
DeCarvalho, R. (1991). The humanistic paradigm in education . The Humanistic

Psychologist, 1(19), 88-104.
Delfino, M., & Persico, D. (2010). Unfolding the potential of ICT for SRL
development. In Self-Regulated Learning in Technology Enhanced
Learning Environments: a European Perspective (pp. 49-70). Sense
Publishers.
Dewey, J. (1902). The child and the curriculum. Chicago: The University of
Chicago press.
Dillenbourg, P., Järvelä, S., & Fischer, F. (2009). The evolution of research on
computer-supported collaborative learning: from design to orchestration.
In N. Balacheff, S. Ludvigsen, T. de Jong, A. Lazonder, & S. Barnes (Eds.),
Technology Enhanced Learning: principles and products (pp. 3-19).
Downes, S. (2007). Learning Networks in practice. Emerging Technologies for

Learning(2), 19-27.
Epelboin, Y. (2013). MOOC in Europe. UPMC Sornonne Université.
European Parliament. (2011). Key competences for lifelong learning. Retrieved 02

25, 2016, from EUR-Lex: http://eur-lex.europa.eu/legal-
content/EN/TXT/?uri=uriserv:c11090
Fenstermacher, G. (1989). Tres aspectos de la filosofía de la investigación sobre la

enseñanza (Vol. 1). (M.E.C., Ed.) Madrid, Barcelona: Paidós.
Fernández-Pampillón, A., Domínguez, E., & Armas, I. (2012). Herramienta para la

revisión de la Calidad de Objetos de Aprendizaje Universitarios (COdA).
Retrieved from http://eprints.ucm.es/12533/1/COdAv1_1_07jul2012.pdf
Fiedler, S., & Väljataga, T. (2010). Personal learning environments: concept or

technology? Personal Learning Environment Conference (PLEC).
Barcelona.
Flavell, J. (1976). Metacognitive aspects of problem solving. In L. B. Resnick (Ed.),

The nature of intelligence (pp. 231-235). Hillsdale, NJ: Erlbaum.
Flavell, J. (1979). Metacognition and cognitive monitoring: A new area of

cognitive-developmental inquiry. American Psychologist(34), 906-911.
Fleiss, J. (1986). The design and analysis of clinical experiments. New York: Wiley.
Fontenla, J., Caeiro, M., & Llamas, M. (2009). Una Arquitectura SOA para sistemas
de e-Learning a través de la integración de Web Services. V Congreso
Iberoamericano de Telemática (CITA), (pp. 22-29).
Gagné, R. (1977). The conditions of learning. (Holt, Rinehart, & Winston, Eds.)
New York.
313
BIBLIOGRAFÍA
García, F., Conde, M., Alier, M., & Casany, M. (2011). Opening Learning
Management Systems to Personal Learning Environments. Journal of
Universal Computer Science, 17(9), 1222-1240.
Gardner, H. (1983). Frames of Mind: The Theory of Multiple Intelligences. New

York: Basic Books.
Gardner, H. (2008). 5 minds for the future. Boston: Harvard Business Press.
Gargallo, B. (2000). Procedimientos. Estrategias de aprendizaje. Su naturaleza,

enseñanza y evaluación. Valencia, España: Tirant Lo Blanch.
Gargallo, B., Suárez, J., & Pérez, C. (2009). El cuestionario CEVEAPEU. Un

instrumento para la evaluación de las estrategias de aprendizaje de los
estudiantes universitarios. RELIEVE, 15(2).
Godwin-Jones, R. (2009). Emerging technologies: personal learning environments.

Language, Learning and Technology, 2(13), 3-9.
Goldman, S. (2009). The Educational Kanban: promoting effective self-directed

adult learning in medical education. Academic Medicine, 84(7), 927-934.
González-Gascón, E., De Juan, M., Parra-Azor, J., Sarabia-Sánchez, F., & Kanther,
A. (2010). Aprendizaje autorregulado: antecedentes y aplicación a la
docencia universitaria de marqueting. Revista de Investigación Educativa,
1(28), 171-194.
Good, T., & Brophy, J. (1990). Educational psychology: a realistic approach. New
York, USA: Longman.
Graesser, A. (2016). Conversations with AutoTutor Help Students Learn.

International Journal of Artificial Intelligence in Education, 26(1), 124-
132.
Graesser, A., & Hu, X. (2016). AutoTutor. Retrieved 05 04, 2016, from AutoTutor:
http://www.autotutor.org
Gu, Y. (2012). Learning Strategies: Prototypical Core and Dimensions of Variation.

Studies in Self-Access Learning Journal, 3(4), 330-356.
Guttman, L. (1950). The basis for scalogram analysis. In S. e. al. (Ed.), Measurement
and Prediction (Vol. 4). New York: Wiley.
Hadwin, A., Winne, P., Nesbit, D., & Woszczyna, C. (2001). Context moderates
students' self-reports about how they study. Journal of Educational
Psychology, 93(3), 477-487.
Heery, R., & Patel, M. (2000). Application Profiles: Mixing and Matching Metadata
Schemas. Ariadne(25). Retrieved from Ariadne:
http://www.ariadne.ac.uk/issue25/app-profiles
314
BIBLIOGRAFÍA
Helping you develop life skills. (2014). Retrieved April 2014, from Skills You Need:
http://www.skillsyouneed.com
Henri, F., & & Charlier, B. (2010). Personal learning environment: A concept, an
application, or a self-designed instrument? Information Technology Based
Higher Education and Training (ITHET), (pp. 44-51).
Hevner, A., March, S., Park, J., & Ram, S. (2004). Design science in information
systems research. MIS quarterly, 28(1), 75-105.
Hu, H., & Driscoll, M. P. (2013). Self-Regulation in e-Learning Environments: A

Remedy for Community College? Educational Technology & Society,
4(16), 171-184.
Huang, Y.-P., Shen, C.-Y., & Chang, C.-S. (2011). A Study of the Effect on
Metacognition by Integrating Diigo Social Media Tool with Instructor’s
Metacognitive Scaffolds in an Online Inquiry Learning Context. Next
Generation Information Technology (ICNIT), (pp. 90-94). Gyeongju.
Junco, R., Heiberger, G., & Loken, E. (2010). The effect of Twitter on college
student engagement and grades. 27(2), 1-14.
Knowles, M. (1975). Self-directed learning. Chicago: Follett.
Koedinger, K., Brunskill, E., Baker, R., McLaughlin, E., & Stamper, J. (2013). New
Potentials for Data-Driven Intelligent Tutoring System Development and
Optimization. AI Magazine, 34(3), 1-17.
Kravcik, M., & Klamma, R. (2012). Supporting Self-Regulation by Personal

Learning Environments. IEEE International Conference on Advanced
Learning Technologies (ICALT), (pp. 710-711). Rome, Italy.
Kvavik, R. (2005). Convenience, communications and control: how students use

technology. In D. Oblinger, & J. Oblinger (Eds.), Educating the net
generation. EDUCAUSE.
Lachmann, P., & Kiefel, A. (2012). Recommending Learning Activities as Strategy

for enabling Self-regulated Learning. International Conference on
Advanced Learning Technologies (ICALT), (pp. 704-705). Rome.
Learning Registry. (2011). Modelin paradata and assertions as activities. Retrieved

06 2016, from Learning Registry website: http://learningregistry.org/wp-
content/uploads/2013/06/ModelingParadata.pdf
Leybina, A., & Skvortsova, Y. (2009). Metacognitive components of work

performance. International Association of Computer Science and
Information Technology Spring Conference, (pp. 277-280).
Likert, R. (1932). A Technique for the Measurement of Attitudes (140 ed.). Science
Press.
315
BIBLIOGRAFÍA
Limongelli, C., Sciarrone, F., Temperini, M., & Vaste, G. (2009). Adaptive Learning
with the LS-Plan System: A Field Evaluation. Transactions on Learning
Technologies, 2(3), 203-215.
Limongelli, C., Sciarrone, F., Temperini, M., & Vaste, G. (2010). A module for
adaptive course configuration and assessment in Moodle. World Summit
on the Knowledge Society (WSKS), (pp. 267-276). Corfu, Greece.
Livingston, J. A. (2003). Metacognition: An Overview. Descriptivo, Buffalo State

University , New York.
Llamas, M., Caeiro, M., & Castro, M. (2011a). Use of e-learning functionalities and
standards: the Spanish case. IEEE Transactions on Education, 54(4), 540-
549.
Llamas, M., Caeiro, M., Castro, M., Plaza, I., & Tovar, E. (2011b). Use of LMS
functionalities in Engineering Education. IEEE Frontiers in Education
(FIE). Rapid City.
Mace, F., Belfiore, P., & Hutchinson, J. (2001). Operant theory and research on
self-regulation. In B. Zimmerman, & D. Schunk (Eds.), Self-regulated
learning and academic achievement theoretical perspectives (pp. 39-66).
New Jersey: Lawrence Erlbaum Associates Publisher.
Malmberg, J., Järvelä, S., & Kirschner, P. (2013). Elementary school students'
strategic learning: Does task-type matter? Metacognition and Learning, 1-
24.
Malmberg, J., Järvenoja, H., & Järvelä, S. (2013). Patterns in elementary school
students’ strategic actions in varying learning situations. Instructional
Science(41), 933-954.
Manso, M., & Llamas, M. (2013a). Distributed Personal Learning Environments:

Towards a Suitable Architecture. IEEE Global Engineering Education
Conference (EDUCON). Berlin.
Manso, M., & Llamas, M. (2013b). A Metacognitive Learning Organizer To

Introduce Learning Strategies for PLE Users And SRL Students. IEEE
International Conference on Teaching, Assessment and Learning for
Engineering (TALE). Bali.
Manso, M., & Llamas, M. (2013c). Architecture of a Learning Organizer with

Metacognitive Support. Simpósio Internacional de Informática Educativa
(SIIE), (pp. 44-49). Viseu (Portugal).
Manso, M., & Llamas, M. (2013d). Distributed Personal Learning Environments:

Towards a Suitable Architecture. (I. A. (IAOE), Ed.) International Journal:
Emerging Technologies in Learning (iJET), 8(S2), 37-46.
316
BIBLIOGRAFÍA
Manso, M., & Llamas, M. (2014). Design of the Monitoring System of a Learning
Organizer. IEEE Global Engineering Education Conference (EDUCON).
Istanbul (Turkey).
Manso, M., Caeiro, M., & Llamas, M. (2014a). Analysis of Self-Regulated Learning
Strategies Oriented to the Design of Software Support. Frontiers In
Education (FIE). Madrid.
Manso, M., Caeiro, M., & Llamas, M. (2014b). Cuestionario de Evaluación del
Soporte al Aprendizaje Autorregulado en Software. Simposio
Internacional Informática Educativa (SIIE), (pp. 179-185). Logroño.
Manso, M., Caeiro, M., & Llamas, M. (2015a). Development of a xAPI Application
Profile for Self-Regulated Learning. IEEE Global Engineering Education
Conference (EDUCON), (pp. 365-372). Tallin, Estonia.
Manso, M., Caeiro, M., & Llamas, M. (2015b). xAPI-SRL: Uses of an Application
Profile for Self-Regulated Learning Based on the Analysis of Learning
Strategies. IEEE Frontiers in Education Conference (FIE), (pp. 1-8). El
Paso, TX.
Manso, M., Caeiro, M., & Llamas, M. (2016a). Are Learning Software Systems
Well-Prepared to Support Self-Regulated Learning Strategies?
International Journal of Engineering Education, 32(2(B)), 1015-1023.
Manso, M., Caeiro, M., & Llamas, M. (2016c). Tracking and Visualizing Time
Management for Self-Regulated Learners. IEEE Frontiers in Education
Conference. Erie.
Manso, M.,Caeiro, M., Llamas, M., & ADL. (2016b). Profile: xAPI-SRL. Retrieved
04 2016, from The Registry: https://registry.tincanapi.com/#profile/60
Martí, J. (2012). Tipos de MOOCs. Retrieved 12 06, 2016, from Xarxatic:

http://www.xarxatic.com/tipos-de-moocs/
Mason, R., & Rennie, F. (2008). E-learning and social networking handbook. New
York & London: Routledge.
Mayor, J., Suengas, A., & González, J. (1995). Estrategias Metacognitivas. Madrid,
España: Síntesis.
Mayor, J., Suengas, A., & González-Marqués, J. (1993). La metacognición. Madrid,

España: Síntesis Psicología.
McAuley, A., Stewart, B., Siemens, G., & Cormier, D. (2010). The MOOC Model
for Digital Practice.
Mikic, F., Burguillo, J., & Llamas, M. (2009). TQ-Bot: An AIML-based Tutor and
Evaluator Bot. Journal of Universal Computer Science, 15(7), 1486-1495.
317
BIBLIOGRAFÍA
Mikic, F., Burguillo, J., & Llamas, M. (2012). An intelligent tutoring module
controlled by BDI agents for an e-learning platform. Expert Systems with
Applications, 39(8), 7546-7554.
Mikic, F., Burguillo, J., LLamas, M. D., & Rodríguez, E. (2009). Charlie: an AIML-
based chatterbot which works as an interface among INES and humans.
EAEEIE Annual Conference.
Mooij, T., Steffens, K., & Snow Andrade, M. (2014). Self-regulated and
Technology-enhanced Learning:an European perspective. European
Educational Research Journal, 13(5), 519-528.
Moos, D., & Ringdal, A. (2012). Self-Regulated Learning in the Classroom: A

Literature Review on the Teacher’s Role. Education Research
International, 2012.
Nielsen, J. (1993). Usability Engineering. Morgan Kaufmann.
Nielsen, J., & Mack, R. (1994). Usability inspection methods. New York: John
Wiley & Sons, Inc.
Nilson, L. (2016). Creating Self-regulated learners. Strategies to strengthen

students' self-awareness and learning skills. Stylus Publishing, LLC.
Nisbet, J., & Shucksmith, J. (1986). Learning Strategies. Florence, USA: Taylor &
Frances/Routledge.
Núñez, J., Cerezo, R., Bernardo, A., Rosário, P., Valle, A., Fernández, E., & Suárez,
N. (2011). Implementation of training programs in self-regulated learning
strategies in Moodle format: Results of a experience in higher education.
Psicothema, 23(2), 274-281.
Núñez, J., Solano, P., González, J., & Rosário, P. (2006). Evaluación de los procesos
de autorregulación mediante autoinforme. Psicothema, 18(3), 353-358.
Nussbaumer, A., Dahrendorf, D., Schmitz, H., Kravcik, M., Berthold, M., & Albert,
D. (2013). Recommender and guidance strategies fro creating Personal
Mashup Learning Environments. Computer Science and Information
Systems, 11(1), 321-342.
Nussbaumer, A., Kravcik, M., Renzel, D., Klamma, R., Berthold, M., & & Albert,
D. (2014). A Framework for Facilitating Self-Regulation in Responsive
Open Learning Environments. arXiv.
Ogle, D. (1986). K-W-L: A teaching model that develops active reading of

expository text. The Reading Teacher, 39(6), 564-570.
P21 framework. (2015). Retrieved 02 23, 2016, from Partnership for 21st Century
Skills: http://p21.org
Papalia, D. (1995). Life Span Development (2 ed.). Australia: McGraw-Hill.
318
BIBLIOGRAFÍA
Paris, S., & Byrnes, J. (1989). The constructivist approach to self-regulation and
learning in the classroom. In Self-regulated learning and academic
achievement. Theory, research and practice (pp. 169-200). New York:
Springer-Verlag.
Peffers, K., Tuunanen, T., Rothenberger, M. A., & Chatterjee, S. (2007). A design
science research. Journal of Management Information Systems(24), 45-77.
Piaget, J. (1928). La causalité chez l'enfant. British Journal of Psychology(18), 276-

301.
Piaget, J. (1936). Origins of intelligence in the child. London: Routledge & Kegan
Paul.
Pintrich, P. (1999). The role of motivation in promoting and sustaining self-

regulated learning. International Journal of Educational Research, 31(6),
459-470.
Pintrich, P. (2000a). The role of goal orientation in self-regulated learning. In M.

Boekaerts, P. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation
(pp. 451-502). San Diego: Academic Press (CA).
Pintrich, P. (2000b). Educational Psychology at the millenium: A look back and a

look forward. Educational Psychologist(35), 221-226.
Pintrich, P. (2004). A Conceptual Framework for Assessing Student Motivation

and Self-regulated Learning in College Students. Educational Psychology
Review, 16(4).
Pintrich, P., Smith, D., García, T., & Mackeachie, W. (1991). A manual for the use
of the Motivated Strategies for Learning Questionnaire. Michigan
University.
Pohl, A., Bry, F., Schwarz, J., & Gottstein, M. (2012). Sensing the Classroom:
Improving Awareness and Self-Awareness of Students with Backstage.
International Conference on Interactive and Collaborative Learning (ICL).
Villach, Austria.
Reeves, T., & Hedberg, J. (2003). Interactive learning systems evaluation.

Englewood Cliffs, New Jersey: Educational Technology Publications.
Robinson, F. (1978). Effective Study (6th ed. ed.). New York, USA: Harper & Row.
Rodríguez, A., Vázquez, B., Lama, M., Gewerk, A., & Muciente, M. (2014). Using
a learning analytics tool for evaluation in Self-Regulated Learning.
Frontiers In Education (FIE), (pp. 2484-2491). Madrid.
Rogers, C., & Freiberg, H. (1994). Freedom to learn. New York: Macmillan.
ROLE. (2014). The ROLE Project. Retrieved 11 2014, from ROLE Project Website:
http://www.role-project.eu/
319
BIBLIOGRAFÍA
Roll, I., & Winne, P. (2015). Understanding, evaluating, and supporting self-
regulated learning using learning analytics. Journal of Learning Analytics,
1(2), 7-12.
Rosario, P., Nuñez, J., & González-Pienda, J. (2006). Comprometer-se com o

estudar na Universidade: Cartas do Gervásio ao seu Umbigo. Coimbra,
Portugal: Almedina.
Roselle, M., Caron, P., & Heutte, J. (2014). A typology and dimensions of a
description framework for MOOCs. European MOOC Stakeholder
Summit, (pp. 130-139).
Rosenshine, B. (1997). The case for explicit, teacher-led, cognitive strategy

instruction. Annual Meeting of the American Educational Research
Association. Chicago.
Rotherham, A., & Willingham, D. (2010). 21st-Century Skills: not new, but a
worthy challenge. American Educator, 17-20.
Rustici Software. (2014). What is the Tin Can API? Retrieved 7 2014, from Tin
Can API: http://tincanapi.com/overview/
Santos-Odriozola, J., Verbert, K., & Duval, E. (2012). Empowering students to

reflect on their activity with StepUp!: two case studies with engineering
students. ARTELL'12 2nd workshop on Awareness and Reflection, CEUR
Workshop, (pp. 73-86).
Schraw, G., & Graham, T. (1997). Helping gifted students develop metacognitive
awareness. Roeper Review, 20(1), 4-8.
Schraw, G., Crippen, K., & Hartley, K. (2006). Promoting self regulation in science
education: metacognition as part of a broader perspective on learning.
Research in Science Education(36), 111-139.
Schunk, D. (2009). Self-Regulated Learning. Retrieved 03 01, 2016, from

education.com: http://www.education.com/reference/article/self-
regulated-learning/
Schunk, D. (2012, 1). Learning Theories: An Educational Perspective (6ª edición

ed.). Boston: Pearson. Retrieved from Learning Theories.
Sclater, N. (2008, June). Web 2.0, Personal Learning Environments, and the
Future. ECAR Research Bulletin, EDUCAUSE, 2008(13).
Shawky, D., Badawi, A., Said, T., & H. R. (2014). Affordances of Computer-
Supported Collaborative Learning Platforms: A Systematic Review.
Interactive Collaborative Learning (ICL), (pp. 633-651). Dubai.
Si-Allal-Zarouk, M., & Khaldi, M. (2015). Towards an intelligent tutoring system

developing metacognition: cyclical model. International Conference on
Intelligent Systems: Theories and Applications (SITA), (pp. 1-6). Rabat.
320
BIBLIOGRAFÍA
Siemens, G. (2005). Connectivism: a learning theory for the digital age.

International Journal of Instructional Technology and Distance Learning,
1(2), 3-10.
Siemens, G. (2013). Massive Open Online Courses: Innovation in education? In R.

McGreal, W. Kinuthia, & S. Marshall (Eds.), Open educational resources:
Innovation, research and practice (pp. 5-16). Vancouver, Canada:
Commonwealth of Learning - Athabasca University.
Sierra, E., Martínez, R., & Cataldi, Z. (2006). Towards a methodology for the design
of intelligent tutoring systems. Research in Computing Science
Journal(20), 181-189.
Skinner, B. (1938). The behavior of organisms: An experimental analysis. New

York: Appleton-Century.
Solano, P., Núñez, J., González, J., González, S., Roces, C., Álvarez, L., . . . Rosário,
P. (2005). Evaluación de los procesos de autorregulación y aprendizaje en
estudiantes universitarios. In M. F. J.A. del Barrio, Nuevos contextos
psicológicos y sociales en educación. Buscando respuestas. (pp. 531-544).
Santander: INFAD Psicoex.
Solano, P., Núñez, J., González-Pienda, J., & Rosário, P. (2006). El aprendizaje
autorregulado como medio y meta de la educación. Papeles del Psicólogo,
27(3), 139-146.
Stahl, G., Koschmann, T., & Suthers, D. (2006). Computer-supported collaborative

learning: an historical perspective. In R. Sawyer (Ed.), Cambridge
handbook of the learning sciences. Cambridge: Cambridge University
Press.
Steffens, K., & Bartolomé, A. (2011). Technologies for Self-Regulated Learning. In

C. e. al. (Ed.), Self-Regulated Learning in Technology Enhanced Learning:
An European Perspective (pp. 21-31). Rotterdam,Boston,Taipei: Sense
Publishers.
Stylianakis, G., Arapi, P., Moumoutzis, N., & Christodoulakis, S. (2013). CoLearn:
Real time collaborative learning environment. International Conference
on e-Learning and e-Technologies in Education (ICEEE), (pp. 13-18).
Lodz.
Tabuenca, B., Kalz, M., Drachsler, H., & Specht, M. (2015, 11). Time Will Tell: The
role of mobile learning analytics in self-regulated learning. Computers &
Education, 89, 53-74.
TELEPEERS Consortium. (2005). Report on Technology Enhanced Learning

Environments that Support Self-Regulated Learning.
TELEPEERS Consortium. (2005). Tool to evaluate the potential of Technology

Enhanced Learning Environments to Support Self-Regulated Learning.
321
BIBLIOGRAFÍA
The Dublin Core Metadata Initiative. (2014). DC-Library Application Profile.

Retrieved 11 2014, from Dublin Core:
http://dublincore.org/documents/library-application-profile/
Thorndike, E. (1905). The elements of psychology. (A. Seiler, Ed.) New York.
Torrano-Montalvo, F., & González-Torres, M. (2004). Self-Regulated Learning:

Current and Future Directions. Electronic Journal of Research in
Educational Psychology, 2(1), 1-34.
UNESCO. (2012). 2012 Paris OER Declaration. World OER Congress. Paris.
Retrieved from http://www.unesco.org/new/fileadmin/MULTI
MEDIA/HQ/CI/CI/pdf/Events/Paris%20OER %20Declaration_01.pdf
Valtonen, T., Hacklin, S., Dillon, P., Vesisenaho, M., Kukkonen, J., & Hietanen, A.
(2012). Perspectives on Personal Learning Environments held by
vocational students. Computers & Education, 58, 732-739.
Veletsianos, G., & Navarrete, C. (2012). Online social networks as formal learning
environments: Learner experiences and activities. International Review of
Research in Open and Distance Learning, 13(1), 144-166.
Verbert, K., Govaerts, S., Duval, E., Santos, J., Assche, F., Parra, F., & Klerkx, J.
(2014). Learning dashboards: an overview and future research
opportunities. Personal and Ubiquitous Computing, 18(6), 1499-1514.
Vygotsky, L. (1978). Interaction between learning and development. In Mind in

society: the development of higher psychological processes (pp. 79-91).
Cambridge: Harvard University Press.
Watson, J. (1913). Psychology as the behaviorist views it. Psychological

review(20), 158-177.
Weber, G., & Brusilovsky, P. (2001). ELM-ART: An Adaptive Versatile System for
Web-based Instruction. International Journal of Artificial Intelligence in
Education(12), 351-384.
Weinstein, C. (1987). LASSI User's manual. Clearwater: H&H Publishing

Company.
Wilson, B., & Lowri, B. (2000). Constructivist learning on the Web. New
Directions for Adult and Continuing Education(88).
Wilson, S., Liber, O., Johnson, M., Beauvoir, P., Sharples, P., & and Milligan, C.
(2007). Personal Learning Environments: Challenging the dominant
design of educational systems. Journal of e-Learning and Knowledge
Society, 3(3), 27-38.
Winne, P. H., Nesbit, J. C., Kumar, V., Hadwin, A. F., Lajoie, S. P., Azevedo, R., &
Perry, N. E. (2006). Supporting self-regulated learning with gStudy
322
BIBLIOGRAFÍA
software: The Learning Kit Project. Technology Instruction Cognition and

Learning, 3(2), 105.
Winne, P., & Hadwin, A. (1998). Studying as self-regulated learning. In D. H.

Graesser (Ed.), Metacognition in educational theory and practice (pp. 277-
204). New Jersey: Lawrence Erlbaum.
Winne, P., & Hadwin, A. (2013). nStudy: tracing and supporting self-regulated
learning in the internet. In International handbook of metacognition and
learning technologies (pp. 293-308). New York: Springer.
Wolters, C. (1999). The relation between high school students' motivational

regulation and their use of learning strategies, effort and classroom
performance. Learning and Individual Differences, 11(3), 281-299.
Wolters, C. (2010). Self-regulated learning and the 21st century competencies.

University of Houston, Department of Educational Psychology, Houston.
Retrieved 02 22, 2016, from Hewlett: http://www. hewlett.
org/uploads/Self_Regulated_Learning__21st_Century_Competencies.pdf
Yong Ku, S., & Morgan, M. (2006). Technology from a metacognitive perspective
in studio settings in the higher education sector. Information Technology
Based Higher Education and Training (ITHET), (pp. 490-498). Ultimo,
NSW.
Young, M. (2005). The motivational effects of the classroom environment in

facilitating self-regulated learning. Journal of Marketing Education(25),
25-40.
Yu, L. (2014). Applying Online Learning in Software Engineering Education. In L.

Yu, Overcoming Challenges in Software Engineering Education:
Delivering Non-Technical Knowledge and Skills (pp. 460-473). IGI Global.
Zaharias, P., & Polymenakou, A. (2009). Developing a usability evaluation method

for e-learning applications: beyond functional usability. International
Journal of Human-Computer Interaction, 25(1), 75-98.
Zimmerman, B. (2000). Attainment of self-regulation: A social cognitive

perspective. In M. Boekaerts, P. Pintrich, & M. Zeidner (Eds.), Handbook
of self-regulation (pp. 13-39). San Diego: Academic Press (CA).
Zimmerman, B. (2001). Theories of self-regulated learning and academic

achievement: An overview and analysis. In D. Schunk, & B. Zimmerman
(Eds.), Self-regulated learning and academic achievement (pp. 1-37). New
Jersey: Erlbaum.
Zimmerman, B. (2002). Becoming a Self-Regulated Learner: An Overview. Theory

Into Practice, 41(2), 64-70.
323
BIBLIOGRAFÍA
Zimmerman, B. (2008). Investigating Self-regulation and Motivation Historical

Background, Methodological Developments and Future Prospects.
American Educational Research Journal, 45(1), 166-183.
Zimmerman, B., & Martinez-Pons, M. (1986). Development of a structured

interview for assessing student use of self-regulated learning strategies.
American Educational Research Journal(23), 614-628.
Zimmerman, B., & Martinez-Pons, M. (1990). Student differences in self-regulated

learning: Relating grade, sex and giftedness to self-efficacy and strategy
use. Journal of Educational Psychology(82), 51-59.
Zubrinic, K., & Kalpic, D. (2008). The Web as a personal learning environment.
International Journal of Emerging Technologies in Learning(3), 45-58.
324

Contribuciones A La Mejora Del Soporte TESIS DOCTORAL

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Contribuciones A La Mejora Del Soporte TESIS DOCTORAL

Cargado por

Copyright:

Formatos disponibles

TESE DE DOUTORAMENTO

Contribuciones a la mejora del soporte al aprendizaje autorregulado en

autorregulado en entornos virtuales de aprendizaje

Mario Manso Vázquez

Dirixida polos doutores:

Martín Llamas Nistal e Manuel Caeiro Rodríguez

FAN CONSTAR que o presente traballo, titulado “Contribuciones a

Os directores da tese de doutoramento

Dr. Martín Llamas Nistal Dr. Manuel Caeiro Rodríguez

 Definición de un conjunto de requisitos para el soporte software al SRL, que

 Diseño y desarrollo de un instrumento de evaluación del nivel de soporte

 Desarrollo de un perfil de aplicación (xAPI-SRL) en xAPI para el registro

Palabras clave: aprendizaje autorregulado, estrategia de aprendizaje y

Este trabajo de investigación ha sido posible principalmente gracias a la

2.1 Teorías del aprendizaje 31

3.1 Learning Management System (LMS) 60

4.1 Requisitos para el soporte software al SRL 79

5.1 Análisis de estrategias de aprendizaje y autorregulación 112

6.1 Concepto, objetivos y requisitos de CESARAS 132

7.1 Concepto, objetivos y requisitos 162

8.1 Revisión de la investigación 197

A.1 Estrategias metacognitivas 214

B.1 Información personal 256

C.1 General Information 273

21CC 21st Century Competencies

Este capítulo introduce el contexto de investigación de la tesis, los objetivos

El aprendizaje autorregulado, aprender a aprender y su potencial

Por un lado, la Declaración de Bolonia refleja la tendencia hacia un aprendizaje En la universidad, la

(Carneiro, Lefrere, Steffens, & Underwood, 2011). En ese aspecto, el campo de

1. Interoperabilidad e integración con entornos virtuales de aprendizaje

2. Dificultad de creación y uso de los PLE (Valtonen, y otros, 2012). Aunque

aprender (Kvavik, 2005). Además de esto se considera que las habilidades

Soporte software al aprendizaje autorregulado

1 Es importante no confundir la monitorización realizada por el software con la

Fig. 1: Estructura modular del MLO (Manso & Llamas, 2013c).

El proyecto resultó ser demasiado ambicioso debido a la cantidad de medios

¿De qué forma es posible ofrecer soporte al aprendizaje

1. “Los estudiantes deben ser alentados a planificar sus actividades de

2. “Los estudiantes deben recibir una realimentación adecuada para

3. “Es necesario proporcionar a los estudiantes criterios para que puedan

El segundo problema lo encontramos cuando tratamos de analizar y evaluar el

Monitorización del aprendizaje autorregulado

Con el fin de introducir al lector en el trabajo realizado a lo largo de esta tesis,

1.2 O BJE TIVOS

Facilitar el desarrollo de herramientas y funcionalidades software

Este objetivo hace referencia a la identificación de todos los elementos intermedios

OE1: IDENTIFICAR FUNCIONALIDADES SOFTWARE POTENCIALES PARA EL SOPORTE SRL.

Dentro de un PLE coexisten multitud de tipos de herramientas. Dentro de las

OE2: DEFINIR LOS REQUISITOS DE DISEÑO PARA PROPORCIONAR SOPORTE SOFTWARE

La base para el diseño coherente, intencional y significativo de funcionalidades

OE3: FACILITAR UNA FORMA DE EVALUACIÓN DEL SOPORTE SOFTWARE AL SRL

El primer paso para decidir si es necesario mejorar una herramienta o no es ver si

OE4: FACILITAR UN FORMATO ESTÁNDAR PARA EL REGISTRO DE TRAZAS DE SRL

Como se ha indicado en la sección anterior, el disponer de la información de

La Fig. 2 ilustra gráficamente y de forma resumida el contexto, los objetivos de esta

Fig. 2: Contexto, objetivos y contribuciones de esta tesis.

colaboración durante la misma. Una vez se ha ubicado al lector en la visión del

1. Identificación del problema y motivación: Definir el problema de

3. Diseño y desarrollo: Implica crear el artefacto. El artefacto de diseño de

4. Demostración: Consiste en demostrar el uso del artefacto para resolver una

5. Evaluación: Observar y medir hasta qué punto el artefacto supone una

6. Comunicación: Envuelve la comunicación del problema y su importancia,

En este trabajo, que se ha desarrollado en tres etapas, se ha hecho una pequeña