Validación Del Constructo de Autodeterminación A Través de La Escala ARC-INICO para Adolescentes

Validación del constructo de autodeterminación a
través de la escala ARC-INICO para adolescentes 1

Validation of the construct of self-determination through
the ARC-INICO scale for teenagers
Dr. Jesús-Miguel MUÑOZ-CANTERO. Profesor Titular. Universidade da Coruña (jesus.miguel.munoz@udc.es).

Dra. Luisa LOSADA-PUENTE. Profesora Interina. Universidade da Coruña (luisa.losada@udc.es).
Resumen: con discapacidad intelectual y del desarrollo.

La autodeterminación se sitúa como un Este estudio pretende evaluar sus propieda-
buen predictor de la calidad de vida, enten- des psicométricas con población adolescente
dida como una estrategia que pretende in- gallega, comprobando su equivalencia tanto
crementar y mejorar las prácticas educativas para su uso con jóvenes con Trastornos del
centradas en las necesidades de la persona a Desarrollo Neurológico como sin ellos. Se em-
nivel global, y a lo largo de su desarrollo vi- plea una muestra de 2 220 estudiantes. La es-
tal. De ahí que la evaluación de este construc- tructura de la escala fue estudiada mediante
año 77, nº 272, enero-abril 2019, 143-162

to haya experimentado notables avances en Análisis Factorial Confirmatorio, usando la
nuestro país, fruto de la acogida de modelos propuesta original con una estructura fac-
teóricos internacionales y del diseño de ins- torial de orden superior correlacionada con
revista española de pedagogía

trumentos específicos para nuestro contexto. cuatro factores, y un modelo unifactorial que
La escala ARC-INICO (Verdugo et al., 2014) asume la unidimensionalidad de la autode-
evalúa cuatro características de la conducta terminación. Respecto a la fiabilidad, presen-
autodeterminada en adolescentes: autono- ta una elevada consistencia interna global y
mía, autorregulación, empoderamiento y en sus secciones. Aunque el modelo unifac-
autoconcepto, basándose en el Modelo Fun- torial ofrece un ajuste aceptable (Modelo 1:
cional de Wehmeyer (1999, 2003). Ha sido va- GFI = .958, AGFI = .941; RMSEA = .057),
lidada únicamente con estudiantes españoles es superior en el modelo de orden superior
Fecha de recepción de la versión definitiva de este artículo: 30-05-2018.

Cómo citar este artículo: Muñoz-Cantero, J. M. y Losada-Puente, L. (2019). Validación del constructo de
autodeterminación a través de la escala ARC-INICO para adolescentes | Validation of the construct of self-
determination through the ARC-INICO scale for teenagers. Revista Española de Pedagogía, 77 (272), 143-162.
doi: https://doi.org/10.22550/REP77-1-2019-04
https://revistadepedagogia.org/ ISSN: 0034-9461 (Impreso), 2174-0909 (Online)
143
Jesús-Miguel MUÑOZ-CANTERO y Luisa LOSADA-PUENTE
(Modelo 2: GFI = .970, AGFI = .954; RM- dents with intellectual and developmental

SEA = .049). Además, la medida de inva- disabilities. The purpose of this study is to
rianza factorial muestra la utilidad del mo- assess the psychometrical properties of this
delo 2 para comparar puntuaciones según la scale in Galician population, checking its
presencia o no de Trastornos del Desarrollo equivalence both for use with young people
Neurológico. En conclusión, la ARC-INICO with neurological development disorders and
ofrece una base importante para la toma de without them. The sample was made up of
decisiones respecto al diseño de programas de 2 220 high school students. A Confirmatory
atención, mediante el desarrollo de recursos, Factor Analysis was conducted to test the
pautas y estrategias, y dota de información scale structure using the original proposal
para la provisión diferencial de dichos recur- based on a higher-order factor structure on a
sos y apoyos. correlated four factor model, and a single-fac-
tor model which assumes the unidimension-
Descriptores: autodeterminación, adoles- ality of self-determination. Regarding the
centes, cuestionario, fiabilidad del test, vali- reliability, high overall internal consisten-
dez del test. cy and for its sections has been found. Al-
though the unifactorial model offers an ac-
Abstract: ceptable adjustment (Model 1: GFI = .958,
Self-determination is a good predictor of AGFI = .941, RMSEA = .057), it is superior in
quality of life, which is defined as a strategy the higher order model (Model 2: GFI = .970,
that aims to increase and improve the educa- AGFI = .954; RMSEA = .049). In addition,
tional practices focused on individuals’ needs the factorial invariance measure shows the
at a global and life-long-term level. Hence, utility of model 2 to compare scores accord-
the evaluation of this construct has under- ing to the presence or absence of neurologi-
gone notable advances in our country due to cal development disorders. In conclusion, the
the acceptance of international theoretical ARC-INICO scale provides an important ba-
models and the design of specific instruments sis for decisions making regarding the design
for our context. The ARC-INICO scale (Ver- of care programs, through the development
dugo et al., 2014) assesses four characteris- of resources, guidelines and strategies, and
tics of self-determined behavior in teenagers: provides information for the differential pro-
autonomy, self-regulation, empowerment and vision of said resources and supports.
self-concept. This structure is based on the
Wehmeyer’s Functional Model (1999, 2003). Keywords: self-determination, students,
It has only been validated with Spanish stu- questionnaire, test reliability, test validity.
144
Validación del constructo de autodeterminación a través de la escala ARC-INICO para adolescentes
1. Introducción Schalock y Thompson, 2017; Vicente, Gui-

El constructo de autodeterminación llén, Gómez, Ibáñez y Sánchez, 2018; We-
toma una especial relevancia en el diseño hmeyer, 2015).
de prácticas educativas en las que se prio-
riza que la infancia y la adolescencia pue- Destacan, entre ellos, el Modelo Fun-
dan alcanzar progresivamente mayores cional de Autodeterminación, desarrolla-
cotas de independencia, autonomía, con- do por Wehmeyer entre los años 1999 y
trol de sus vidas y responsabilidad sobre 2003, y que define la autodeterminación
sus acciones. Se entiende, por tanto, la au- en términos de adquisición y expresión de
todeterminación como un constructo psi- cuatro características básicas: autonomía,
cológico que define a los individuos como autorregulación, empoderamiento o capa-
«colaboradores activos o “autores” de su citación psicológica, y autorrealización o
comportamiento» (Walker et al., 2011, autoconocimiento. Para activar estos com-
p. 7) y, de tal forma, se está adoptando la ponentes, el individuo deberá disponer de
perspectiva de la capacidad de acción del una serie de cualidades y habilidades que
individuo, que pone en valor la adquisición irá adquiriendo a lo largo de su vida, y que
y expresión de una serie de habilidades le permitirán actuar como el agente causal
y capacidades que permiten a la persona de los eventos que suceden en su entorno,
actuar como agente causal primario de su al expresar comportamientos observables,
vida (Shogren y Wehmeyer, 2016; Shogren, enriquecidos por las interacciones con el
Wehmeyer, Palmer y Paek, 2013; Wehme- entorno y por la influencia de los factores
yer y Abery, 2013; Wehmeyer, Field y Tho- personales que median en su aprendizaje.
ma, 2012; Wehmeyer y Shogren, 2018).

Este modelo ha tenido amplia repercu-
La etapa adolescente representa el es- sión en el contexto español, donde el estu-
tadio del desarrollo en el que se produce dio de este constructo puede considerarse

el mayor aprendizaje experiencial orien- relativamente reciente (Arellano y Peralta,
tado a que el individuo adquiera progre- 2013; Peralta y Arellano, 2014; Vega et al.,
sivamente el control sobre su conducta 2013; Vicente, Verdugo, Gómez-Vela, Fer-
y sobre sus actos (Lee et al., 2012; Vega, nández-Pulido y Guillén, 2015; Vicente,
Gómez-Vela, Fernández-Pulido y Ba- Verdugo, Gómez-Vela, Fernández-Pulido y
dia, 2013). En las últimas décadas, se ha Guillén, 2017). Actualmente, se ha diseña-
realizado un buen número de estudios do un instrumento específico para evaluar
centrados en ofrecer un marco teórico y el nivel de autodeterminación de los ado-
conceptual del constructo de autodetermi- lescentes españoles: la escala ARC-INICO
nación en la adolescencia (Adams, Little y (Verdugo et al., 2014).
Ryan, 2017; Griffin, Adams y Little, 2017;
Murumbardó, Guàrdia y Giné, 2018), con Este instrumento fue diseñado para ser
especial énfasis en estudiantes que presen- aplicado a estudiantes con discapacidad in-
tan Trastornos del Desarrollo Neurológico telectual y del desarrollo. De hecho, se han
(Shogren et al., 2016; Shogren, Wehmeyer, llevado a cabo estudios previos para com-
145
probar la estructura subyacente al conjunto 2. Método

de datos que aporta la Escala ARC-INICO. 2.1. Participantes
Dichos análisis fueron de dos tipos: por un Los participantes son 2 220 estudiantes
lado, Análisis Factoriales Exploratorios (55.41 % hombres y 44.59 % mujeres) de
(AFE), en los que se trató de explorar la centros públicos y privados de educación
estructura de relaciones entre las variables ordinaria y especial, de la Comunidad Au-
del instrumento, sin conocer de antemano tónoma de Galicia, con edades comprendi-
el número de factores o dimensiones que das entre los 12 y los 19 años (M = 13.9;
lo componían (ej. los estudios de Verdugo DT = 1.59).
et al., 2014; Vicente et al., 2015) y, por el
otro lado, Análisis Factoriales Confirma- 2.2. Instrumento
torios (AFC), con los que confirmar una La escala de autodeterminación
estructura factorial o dimensional fijada ARC-INICO (Verdugo et al., 2014) es
previamente en base a la literatura previa una adaptación de la escala original The
y formulada a modo de hipótesis (ej. el estu- Arc Self-Determination Scale (Wehme-
dio de Verdugo et al., 2015). En el presente yer, 1995; Wehmeyer y Kelchner, 1995).
estudio, se considera de gran utilidad eva- Consiste en 61 ítems divididos en cuatro
luar el nivel de autodeterminación, no solo secciones que miden la autonomía (25
de los estudiantes con trastornos del desa- ítems), autorregulación (12 ítems), empo-
rrollo neurológico, sino de todos los estu- deramiento (14 ítems) y autoconocimiento
diantes. Esta herramienta podría utilizarse (10 ítems) coincidiendo con la propuesta
para diagnosticar las necesidades presentes del Modelo Funcional (Wehmeyer, 1999,
en el aula, así como las necesidades indivi- 2003). Los participantes deben responder
duales, a fin de establecer planes de acción en una escala de tipo Likert de 3 puntos,
individualizados y grupales. en el caso de la sección de autonomía y de
4 puntos, en el resto de las secciones. Se
Es por ello que este estudio se enfoca en trata de un cuestionario autocumplimen-

el análisis de la estructura factorial de la tado por los participantes sometidos a eva-
Escala ARC-INICO (Verdugo et al., 2014) luación, aunque se pueden ofrecer apoyos,
en una muestra de adolescentes, de los en caso de que el adolescente lo requiera.
cuales se tiene en cuenta la presencia o no
de Trastornos del Desarrollo Neurológico. 2.3. Procedimiento de recogida de
El fin de este análisis factorial es identifi- datos
car la estructura que subyace a la matriz La recogida de datos se llevó a cabo en
de datos, a través del análisis de las inte- centros educativos de las cuatro provincias
rrelaciones entre los ítems que componen de la Comunidad Autónoma de Galicia.
a la escala y su simplificación en varios fac- Tras contactar con las instituciones y ob-
tores o dimensiones definitorias de la auto- tener la autorización de los centros educa-
determinación, de modo que nos permita tivos y las familias, se procedió a aplicar
ampliar nuestra comprensión de la autode- los cuestionarios en las aulas (grupos de
terminación como constructo. 20-25 estudiantes) o, en caso del alumnado
146
que presentaba necesidad de apoyo, se rea- A continuación, se procedió a reali-

lizaron aplicaciones individuales donde es- zar un Análisis Factorial Confirmatorio
tos estudiantes recibieron el apoyo de sus (AFC). El uso de este tipo de análisis se
docentes y de las personas investigadoras. justifica por la naturaleza no observable
Tras la recopilación de los datos, se revi- del constructo de interés (la autodeter-
saron los cuestionarios y fueron elimina- minación); esto es, para poder estudiar
dos aquellos que presentaban cinco o más las relaciones entre las denominadas va-
ítems sin respuesta (176 cuestionarios eli- riables latentes o indicadores (que no re-
minados). sultan directamente observables) es ne-
cesario hacerlo a través de indicadores
2.4. Procedimiento de análisis de la in- observables (las respuestas a los ítems del
formación cuestionario). Para hacerlo, se debe tomar
Para estudiar la estructura factorial de como base una estructura teórica que esté
la Escala ARC-INICO, se empleó la parce- previamente delimitada y que, en el caso
lación de ítems (item parceling) con el fin de este estudio, se refiere a los siguientes
de reducir la amplitud del cuestionario y la modelos:
influencia idiosincrásica de los ítems me-
didos de forma individual (Bandalos, 2002; • Modelo 1. Modelo Unidimensional:
Bandalos y Finley, 2012). La agrupación de asume la unidimensionalidad del cons-
los ítems se basó en las recomendaciones tructo de autodeterminación; es decir,
de la literatura (Little, 2013; Little, Cun- para cada sección existe un único factor
ningham, Shahar y Widaman, 2002): (a) en el que saturan todas las variables
selección de ítems conceptualmente simi- medidas (parcelas).

lares y (b) que muestren una fuerte uni-
dimensionalidad en el Análisis Factorial • Modelo 2. Modelo Factorial de Orden
Exploratorio (AFE). Superior: se impone una estructura

con un nivel de abstracción superior,
El Análisis Factorial Exploratorio basado en la influencia de un factor de
(AFE) resulta de utilidad, en este estudio, orden superior (la autodeterminación),
como medida previa al Análisis Factorial que explique las covariaciones entre los
Confirmatorio, puesto que nos permi- factores de primer orden (autonomía,
te explorar en qué medida los ítems que autorregulación, empoderamiento y
componen un instrumento pueden agru- autoconocimiento). Esta representa-
parse de forma coherente para ofrecer ción jerárquica ha sido respaldada por
una explicación de la varianza común el Modelo Funcional de Autodetermi-
(Bryman, 2016; Prieto y Delgado, 2010). nación (Wehmeyer, 1999, 2003).
Para conocer este valor, se emplea nor-
malmente el cálculo de la varianza total En cada modelo se esperaba que cada
explicada, que indica qué porcentaje de variable observada saturase solamente en
varianza es representado por el conjunto el factor que pretendía medir, que los erro-
de ítems incluidos. res de medición asociados a dichas varia-
147
bles no estuviesen correlacionados y, en el 3. Resultados

caso del modelo 2, que todas las covarian- 3.1. Análisis preliminares
zas entre cada factor de primer orden fue- En la Tabla 1 se presenta la matriz
ran mejor explicadas por una dimensión final compuesta por 13 parcelas que re-
general en la que todos los ítems satura- presenta las cuatro secciones de la Es-
rían al mismo tiempo en el factor de orden cala ARC-INICO. Se calcularon los va-
superior (modelo jerárquico) (Kelloway, lores propios y el porcentaje de varianza
2014; Kline, 2015). explicados, lo que corrobora que cada
parcela representa una estructura uni-
Finalmente, se analizó la invarianza de dimensional, con valores propios supe-
la escala, con la que comparar los resul- riores a la unidad y con más del 50 % de
tados obtenidos en dos grupos diferentes la varianza explicada por cada uno. Ade-
(adolescentes con y sin Trastornos del De- más, todas las parcelas presentan una
sarrollo Neurológico) a fin de comprobar confiabilidad adecuada o alta, evaluada
si las medidas obtenidas en ambos grupos a través del índice Alpha de Cronbach
asemejan, y por tanto, es válida su aplica- (α ≤ .80).
ción a ambos grupos (Elosua, 2005). Se lle-
vó a cabo un análisis multi-grupo median- En relación con la normalidad univa-
te un proceso progresivo (Byrne, 2008; riante, se emplean las medidas de distri-
Elosua, 2005): invarianza configural (el bución de asimetría y curtosis, con las
patrón de cargas factoriales es el mismo), que se puede identificar de qué forma se
invarianza métrica (el patrón de cargas y aglutinan o separan el conjunto de datos
los pesos factoriales son iguales) e inva- alrededor de un punto central. Los valo-
rianza escalar (supone, además, varianzas res de asimetría z(G1) de las parcelas son
iguales para los errores). Para estimar el superiores e inferiores a ± 1.96, excep-
ajuste de los datos, se utilizaron varios ín- to en la parcela P1_4, donde z(G1) = .29
dices que permiten seleccionar, de entre indica una distribución simétrica. Por lo
los dos modelos considerados, aquel que tanto, la hipótesis nula según la cual la
tiene una menor discrepancia con respecto distribución es simétrica se rechaza en
al modelo verdadero. Estos índices son: el casi todos los casos. Además, el cálculo
Criterio de Información de Akaike (AIC) y de la curtosis indica que se incumple la
el Índice de Ajuste Comparativo (CFI) de hipótesis nula según la cual la distribu-
Bentler. ción es mesocurtica (z[G2] > ± 1.96) en
la mayoría de los casos, excepto en las
Los análisis fueron apoyados por el parcelas P2_1 (z [G2] = 1 587), P2_3 (z
Paquete Estadístico de IBM para Cien- [G2] = −1 067), P3_2 (z [G2] = −1,442),
cias Sociales (IBM SPSS) versión 23.0, y P3_3 (z [G2] = 1.712) y P4_1 (z
en el caso de las operaciones de Análisis [G2] = 1.376). En el conjunto de contras-
Factorial Confirmatorio (AFC) se llevaron te de asimetría y curtosis no se cumple
a cabo utilizando el programa IBM SPSS el supuesto de normalidad univarian-
AMOS 23.0. te, ya que en todos los casos k2 > 5.98.
148
Tabla 1. Análisis de la unidimensionalidad y contrastes univariados de normalidad de la Escala ARC-INICO.
% Asimetría Curtosos Contraste K-S
va- α
Valores
Parce- rianza estan-
Secciones propios
las expli- dariza-
a z ET z (G1) z ET z (G2) K2 K-Sª p
cada do
b
P1_1 4.95 82.442 .957 .28 .052 5.46 −.43 .104 −4.16 47.16 .337 .00
P1_2 4.45 55.637 .884 −.79 .052 −15.23 −.40 .104 −3.87 246.92 .179 .00
Autonomía
P1_3 4.27 71.179 .917 −.18 .052 −3.40 −.87 .104 −8.35 81.24 .188 .00
P1_4 3.72 74.476 .913 .02 .052 0.29 .30 .104 2.86 8.24 .244 .00
P2_1 4.81 96.146 .990 −.23 .052 −4.48 .17 .104 1.59 22.60 .319 .00
Autorregu-
P2_2 3.84 96.006 .986 −.39 .052 −7.52 .22 .104 2.09 60.89 .288 .00
lación
P2_3 2.45 59.861 .857 −.32 .052 −6.15 −.11 .104 −1.07 39.01 .294 .00
P3_1 3.87 77.439 .911 −.48 .052 −9.31 .26 .104 2.53 93.04 .147 .00
Empodera-
P3_2 3.64 90.924 .967 −.27 .052 −5.21 −.15 .104 −1.44 29.24 .253 .00
miento
P3_3 2.88 98.648 .978 −.44 .052 −8.46 .18 .104 1.71 74.54 .311 .00
P4_1 3.79 94.781 .972 −.25 .052 −4.87 .14 .104 1.38 25.04 .307 .00
Autocono-
P4_2 3.45 86.288 .947 −.98 .052 −18.92 .71 .104 6.83 404.69 .204 .00
cimiento
P4_3 2.95 73.803 .881 −.71 .052 −13.67 .52 .104 5.01 212.05 .174 .00
Nota:
a. Valores propios: reflejan, en orden decreciente, la cantidad de variación del conjunto de variables que explica el factor, o lo que es lo mismo,
la cantidad de información que aporta cada variable al factor, siendo la suma de todos los autovalores igual al número de variables que han
sido introducidas en el análisis.
b. % Varianza explicada: porcentaje de varianza es representado por el conjunto de ítems incluidos.
Siglas y Estadísticos: α − índice Alpha de Cronbach; Contraste K-S: Contraste Prueba de Kolmogorov-Smirnov, para el cálculo de la norma-
lidad de la distribución; z − Valor estadístico que hace referencia a la desviación estándar obtenida en una variable, respecto del valor de la
media; ET: Error Típico, que indica las oscilaciones existentes respecto al valor Z.
Fuente: Elaboración propia.
149
150
Tabla 2. Correlación entre las parcelas de la Escala ARC-INICO.

P1_1 P1_2 P1_3 P1_4 P2_1 P2_2 P2_3 P3_1 P3_2 P3_3 P4_1 P4_2 P4_3
P1_1 1
P1_2 .399** 1
P1_3 .335** .593** 1
P1_4 .231** .268** .298** 1
P2_1 .300** .366** .324** .249** 1
P2_2 .330** .458** .416** .335** .441** 1
P2_3 .317** .407** .362** .223** .488** .447** 1
P3_1 .249** .374** .323** .275** .351** .429** .327** 1
P3_2 .260** .389** .317** .181** .290** .313** .287** .465** 1
P3_3 .303** .466** .385** .205** .300** .376** .358** .349** .359** 1
P4_1 .202** .393** .318** .194** .352** .387** .311** .387** .315** .320** 1
P4_2 .137** .157** .110** .129** .228** .233** .227** .274** .186** .098** .224** 1
P4_3 −.012 .074** .054* .081** .153** .144** .067** .224** .141** .096** .241** .188** 1
Nota: * p < .05 ** p < .001. Este valor hace referencia a la probabilidad asociada al estadístico, que informa de la aceptación de la hipótesis por la
que se considera que existen correlaciones estadísticamente significativas, teniendo un nivel de confianza asociado de 95 %.
Finalmente, la prueba de normalidad de Kol- α = .927; autorregulación α = .945; em-

mogorov-Smirnov, con la corrección de Lillie- poderamiento α = .915; autoconocimiento
fors, indica el rechazo de la hipótesis nula de α = .867).
normalidad de las parcelas ya que, para un
nivel de confianza del 95 %, todos los valores 3.2. Análisis Factorial Confirmatorio
obtenidos son p < .005. Por lo tanto, se recha- Dado el incumplimiento de los supues-
za la hipótesis por la cual los datos provienen tos de normalidad y linealidad, el método
de una distribución univariante normal. de estimación fue Mínimos Cuadrados Pon-
derados (Weighted Least Squares, WLS),
Para comprobar la normalidad mul- que AMOS define como Distribución Libre
tivariado, se llevó a cabo el Test de Nor- Asintótica (Assimptotical Distribution Free
malidad y Valores Atípicos de IBM SPSS ADF). Se usaron varios índices de ajuste
AMOS 23. El valor de la curtosis mul- para evaluar y comparar la bondad de ajus-
tivariante (g2 = 11.91; c = 14.20) indica te (Kelloway, 2014; Kline, 2015): en primer
que las variables presentan una curtosis lugar, el estadístico Ji-Cuadrado (χ2) y su
significativamente diferente de un aná- ajuste relativo (χ2/gl) para evaluar el ajus-
lisis multivariado normal. El análisis de te general, donde un χ2 no significativo y
los valores atípicos multivariantes con el valores χ2/gl < 2 indican un buen ajuste; y
estadístico Distancia de Mahalanobis (D2) en segundo lugar, debido a la sensibilidad
indica la presencia de 15 valores extre- de estos índices a las variaciones en el ta-
mos (p < .001). Se optó por no excluirlos maño de la muestra, se emplearon índices
o transformarlos, pues se trata de errores adicionales para evaluar el ajuste parcial
que reflejan la idiosincrasia de la muestra absoluto: Raíz Cuadrada Media Residual

del alumno. (RMR ≤ .08 muestra un ajuste adecuado);
Índice de Bondad de ajuste (GFI) e Índice
La multicolinealidad se verificó calcu- de Bondad de Ajuste Ajustado (AGFI), los

lando la matriz de correlación, como se cuales deben tener un valor igual o supe-
presenta en la Tabla 2. El resto de los va- rior a .90. Además, se evaluó el ajuste par-
lores muestra la ausencia de multicolinea- simonioso con el Error Cuadrático Medio
lidad en los datos, con valores inferiores a de Aproximación (RMSEA ≤ .08 muestra
.90; el coeficiente de correlación más alto un ajuste adecuado) y modelos no anidados,
encontrado fue rxy = .593 entre las parce- que indican que el modelo tiene una me-
las P1_2 y P1_3. nor discrepancia con el modelo verdadero
(Criterio de Información de Akakike, AIC y
Finalmente, se analizó el Índice Alpha Criterio Coherente de Información de Akai-
de Cronbach (α) para cada sección y para ke, CAIC) y contienen datos más generali-
la escala. Este índice permite determinar zables (Índice de Validación Cruzada Es-
el nivel de fiabilidad del instrumento utili- perado). Una vez que se encontró la mejor
zado. Los resultados indican una alta fiabi- solución de factor para las puntaciones de
lidad para la escala (α = .957) y de las cua- escala ARC-INICO, se calculó la confiabili-
tro secciones que la componen (autonomía dad compuesta (CR) y el ω de McDonald.
151
3.2.1. Modelo 1: Modelo Unidimensional de 0), con errores de predicción (e) que
El primer modelo examinado supone varían de .01 a .60, de modo que los co-
la existencia de un único factor, que ex- eficientes de correlación al cuadrado (r2)
plica la covariación de todos los ítems de pueden variar de .99 y .40. Casi todos los
la prueba. Corresponde a una concepción r2 son superiores a .5, a excepción de P1_2
teórica unidimensional de la autodetermi- y P1_3. Estos resultados indican que la
nación. Dada la inexistencia de evidencias proporción de varianza de las variables
empíricas que apoyen la unidimensionali- observadas que puede explicarse por el
dad de este constructo, este modelo se usa factor latente (autodeterminación) se
como un elemento de contraste con respec- aproxima al valor apropiado, siempre que
to a las posibles estimaciones multidimen- se eliminen las variables que están ale-
sionales. jadas de los valores óptimos. Las cargas
factoriales oscilan entre .07 y .78, siendo
El Gráfico 1 muestra la solución es- seis de ellas inferiores a .6. Esto podría
tandarizada inicial para el modelo 1. indicar que el modelo de factor único no
Todos los coeficientes son significativos es suficiente para reproducir la matriz de
(valores t significativamente diferentes covarianza original.
Gráfico 1. Parámetros estandarizados del Modelo 1 (Modelo Unidimensional).

Fuente: Elaboración propia, a partir de IBM SPSS AMOS 23.
Al analizar el ajuste del modelo a los los índices RMR y RMSEA (RMR = .648;
datos empíricos, cuyos datos se presen- RMSEA = .057), existiendo además, un
tan en la Tabla 3, se observan índices error de especificación (p = .007). Fren-
de ajuste global deficientes (χ2 528.929; te a ello, existen algunos índices de ajus-
χ2 / gl = 8.145; p < .000), y un ajuste par- te parcial con resultados satisfactorios
cial mejorable en su evaluación mediante (GFI = .958; AGFI = .941).
152
Tabla 3. Estadísticos de bondad de ajuste.
Ajuste parcial
Ajuste absoluto
Absoluto Parsimonioso Parsimonioso no anidado
χ2 gl P χ2 / gl RMR GFI AGFI RMSEA P AIC CAIC ECVI
.057 .262
Modelo 1 528.929 65 .000 8.137 .648 .958 .941 .007 580.93 755.27
[.052 − .061] [.230 − .297]
.049 .199
Modelo 2 420.1 60 .000 6.334 .553 .970 .954 .623 442.03 649.89
[.044 − .054] [.173 − .299]
Nota: χ2: Ji-Cuadrado; gl: grados de libertad; χ2 / gl: χ2 relativo; RMR: Raíz Cuadrática Media Residual; GFI: Índice de Bondad de Ajuste; AGFI:
Índice de Bondad de Ajuste Ajustado; RMSEA: Error Cuadrático Medio de Aproximación; AIC: Criterio de Información de Akaike; CAIC: Crite-
rio de Información Consistente de Akaike; ECVI: Índice de Validación Cruzada Esperada.
153
3.2.2. Modelo 2: Modelo Factorial de Or- do orden de carácter general. El Gráfico

den Superior 2 presenta la solución estandarizada que
Este modelo surge de una propuesta de evidencia lugar a errores de predicción que
autodeterminación como constructo factorial oscilan entre .03 − .64, con coeficientes
y jerárquico en la cual, dentro de un factor de determinación de .36 a .97. Las cargas
general de autodeterminación (factor de se- factoriales de las variables endógenas en
gundo orden), hay cuatro factores (factores las variables observadas muestran valores
de primer orden) que agrupan las parcelas bastante altos (rango .80 − .42), con car-
correspondientes a la autonomía, autorregu- gas superiores a 0.4 (excepto P4_2 = .29
lación, empoderamiento y autoconocimiento. y P4_3 = .16). La misma circunstancia se
observa en las cargas factoriales de las
Desde el punto de vista empírico, este variables endógenas sobre las variables
modelo establece la independencia relativa exógenas (rango .84 − .94), aunque sus
de las cuatro secciones de ARC-INICO, que errores de predicción también son altos
se agrupan en un único factor de segun- (.70 ≤ e ≤ .89).
Gráfico 2. Parámetros estandarizados del Modelo 2 (Modelo Factorial de Orden Superior).

Los resultados empíricos, presentados presenta un mejor ajuste que el modelo 1,

anteriormente en la Tabla 3, indican que dado su tamaño más pequeño. Como era de
este modelo logra un mejor ajuste que el esperar, de acuerdo con el respaldo teórico
anterior, con valores más altos (GFI = .970; de los modelos multidimensionales de la
AGFI = .954; RMSEA = .049 y RMR = .553) autodeterminación, se puede decir que este
con un valor p − Close = .623 que indica, modelo logra un mejor ajuste a los datos, ya
para un 90 % de nivel de confianza, un buen que toma en cuenta la existencia de factores
ajuste de los datos. Además, teniendo en de primer orden que corresponden a las cua-
cuenta la magnitud de χ2 / gl (420.1 / 60), tro secciones definidas de manera racional
se debe tener en cuenta que este modelo en la prueba.
154
3.3. Comparación de modelos 3.4. Análisis de la Invarianza Factorial

Finalmente, con respecto a los índices En base a Abalo, Lévy, Rial y Varela
de ajuste parsimoniosos que contrastan los (2006), se estimó el mismo modelo (Mo-
modelos no anidados, el AIC de Akaike y su delo 2) en dos muestras de estudiantes en
versión consistente (CAIC) se interpretan de función de la presencia o no de Trastornos
tal manera que su valor más bajo se ajusta del Desarrollo Neurológico. Los índices de
mejor al modelo especificado (West, Taylor y ajuste obtenidos se presentan en la Tabla
Wu, 2015). Del mismo modo, la interpreta- 4. Estos permiten aceptar la equivalencia
ción del índice de Validación Cruzada Espe- de los modelos de medición básicos en-
rada (ECVI) se basa en la comparación entre las dos muestras. Aunque el valor de
tre modelos, suponiendo que el modelo que Chi-cuadrado excede el requerido para
presenta menor valor es el que tiene mayor aceptar la hipótesis de invarianza, los índi-
potencial para su replicación (Browne y Cu- ces restantes contradicen esta conclusión
deck, 1993). Por lo tanto, la comparación (GFI = .966, AGFI = .949, RMSEA = .036;
entre los modelos basados en estos índices AIC = 594.9; CFI .718) lo que nos permite
indicó un mejor ajuste del modelo 2, tal y aceptar el modelo base de invariancia (mo-
como se puede observar en la Tabla 3. delo no restringido).
Tabla 4. Índices de bondad de ajuste del Modelo 2 en invarianza factorial.

RM-
Model CMIN gl GFI AGFI NFI CFI AIC
SEA
Sin restricciones 470.906* 120 .966 .949 .663 .718 .036 594.9

Invarianza
587.051* 129 .958 .940 .580 .632 .040 693.1
métrica
Invarianza
587.669 132 .958 .942 .580 .633 .039 687.7
escalar

Nota: *p < .05.
Añadiendo al modelo base restriccio- propuesto por Cheung y Rensvold (2002),

nes sobre las cargas de factores, se obtuvo quienes sugieren considerar bueno el mo-
la invarianza métrica. Los valores que se delo restringido cuando el cálculo de la
muestran en la Tabla 4 permiten aceptar diferencia de la CFI de ambos modelos
este nivel de invarianza. El GFI (.958) y anidados disminuye en .01 o menos y, por
RMSEA (.040) continúan proporcionan- lo tanto, se cumple la invarianza factorial.
do información convergente en esta di- Además, la diferencia entre los CFI nos
rección. Además, el AIC (693.051) no su- permite aceptar el modelo de invarianza
fre grandes variaciones. Aun así, el CFI métrica. Podemos concluir que las car-
(.632) ha disminuido. Se emplea el criterio gas de factor son equivalentes en las dos
para la evaluación de modelos anidados muestras.
155
Después de demostrar la invarianza 3.5. Fiabilidad y correlación entre fac-

métrica entre muestras, se procedió a eva- tores
luar la equivalencia entre muestras (fuerte Finalmente, se comprueba la fiabilidad
invarianza factorial). Los índices (Tabla 4) y validez del modelo final y las correlacio-
muestran un buen ajuste de este modelo, nes entre las variables latentes. En primer
ambos evaluados de forma independiente lugar, se calcula la fiabilidad compuesta
y analizados con respecto a su anidación (CR) que indica la consistencia de todos
con el modelo de invarianza métrica. La di- los constructos extraídos del análisis. Este
ferencia entre los índices comparativos de valor es excelente para el modelo en gene-
Bentler es .001. El GFI es .958 y el RMSEA ral (CR = .924), y adecuado en el factor de
es .039. Aceptando la fuerte invarianza, los segundo orden (CR = .799) y en los facto-
dos modelos evaluados son equivalentes res de primer orden (.696 ≤ CR ≥ .808).
con respecto a los coeficientes del factor y En segundo lugar, se estudia la saturación
a las intersecciones. general de la escala, a fin de comprobar la
validez convergente, mediante el estadísti-
En ambos casos, los resultados de Análi- co ω de McDonald's, que ofrece resultados
sis Factorial Confirmatorio (AFC) muestran excelentes para la escala total (ω = .922),
un ajuste correcto del modelo factorial de y adecuados para el factor de segundo
orden superior. El subgrupo que muestra un orden (ω = .552) y en cada factor de pri-
mejor ajuste es el de alumnado que no pre- mer orden (ω = .821 − .700). Finalmente,
senta Trastornos del Desarrollo Neurológi- se calculan los coeficientes de correlación
co. En cualquier caso, el ajuste generalmen- entre las variables latentes del modelo 2,
te uniforme entre los grupos sugirió que la que indican en qué medida varían conjun-
solución de cuatro factores resulta adecuada tamente las variables del modelo, así como
para estos subgrupos de la muestra. con respecto al modelo (Tabla 5).
Tabla 5. Coeficientes de correlación entre variables endógenas

en el Modelo 2 y la autodeterminación.
Autodeter- Autorregu- Empodera- Autocono-
Autonomía
minación lación miento cimiento
Autodeterminación 1
Autonomía .846 1
Autorregulación .820 .593 1
Empoderamiento .798 .564 .543 1
Autoconocimiento .639 .309 .424 .430 1
156
Los resultados muestran valores bas- La autodeterminación representa

tante satisfactorios puesto que los coeficien- un planteamiento educativo que englo-
tes de correlacion entre factores de primer ba a la totalidad del alumnado, y su-
orden (r = .309 − .593), indican entre un pone una perspectiva esencial en su
30.9 % y un 59.3 % de relación entre auto- desarrollo y aprendizaje. El cambio
nomía, autorregulación, empoderamiento que se plantea desde la perspectiva de
y autoconocimiento. Igualmente, el cons- la autodeterminación y la mejora de la
tructo de autodeterminación, tiene muy calidad de vida alude a la importancia
buena relación con aquellas variables que de focalizar la atención en el estudian-
la definen, alcanzando un 84.6 % (r = .846) te como protagonista de su educación.
en lo que refiere a la autonomía, un 82 % Para ello, los apoyos o ayudas que cada
(r = .820) con respecto a la autorregulación, estudiante requiera deberán ser eva-
un 79.8 % (r = .798) con el empoderamiento luados con la máxima precisión y re-
y 63.9 % (r = .639) en relación al autocono- visados con frecuencia por los equipos
cimiento. profesionales.
De ahí la importancia de contar con

4. Discusión un instrumento válido y un referente
El objetivo de este estudio fue recoger evi- teórico que permita conceptualizar este
dencias acerca de la validez y fiabilidad de la constructo. La evaluación y compara-
Escala ARC-INICO de Evaluación de la Au- ción del ajuste de dos modelos teóricos
todeterminación, diseñada por Verdugo et al. diferentes (modelo unidimensional y
(2014) ampliando la población estudiada no modelo factorial de orden superior) ha

solo a la adolescencia con Trastornos del De- permitido confirmar los resultados de
sarrollo Neurológico, sino a la juventud en investigaciones previas, en las que se
general de edades comprendidas entre los 12 evidencia que la autodeterminación es

y los 19 años. La finalidad de esta validación un constructo multidimensional, con-
supera los fines investigadores, pues preten- formado por una estructura en cuatro
de comprobar su utilidad como herramienta factores: autonomía, autorregulación,
para evaluar las necesidades individuales y empoderamiento y autoconocimiento,
colectivas a fin de orientar el diseño de pro- cuyas covariaciones son explicadas por
puestas educativas orientadas a mejorar el el factor de orden superior: la autodeter-
control personal, la autonomía y la vida in- minación (Wehmeyer, 1999, 2003; Ver-
dependiente de la juventud. Así mismo, se dugo et al., 2014). El AFC reveló índices
incluyó un análisis de la invariancia factorial de ajuste adecuados (CFI, GFI, AGFI y
con el que comprobar la equivalencia de la RMSEA) con parámetros significativos
estructura obtenida mediante el Análisis en casi todos los casos, así como un me-
Factorial Confirmatorio en dos grupos dife- jor ajuste en términos de modelo no ani-
rentes: estudiantes con y sin Trastornos del dado cuando se comparó con el modelo
Desarrollo Neurológico. unidimensional.
157
Así mismo, en relación al AFC mul- Este estudio presenta algunas impli-
ti-grupo, se ha obtenido un ajuste ade- caciones para las prácticas educativas. La
cuado de los datos al modelo de factor educación tiene un papel especial en la ca-
de orden superior en ambas muestras: pacitación y el apoyo a los estudiantes, es-
adolescentes con y sin Trastornos del pecialmente a los más vulnerables, para que
Desarrollo Neurológico. Ello sugiere la puedan adquirir el control y la responsabili-
viabilidad de este modelo multidimensio- dad de sus acciones y decidir cómo vivir sus
nal para medir la autodeterminación de propias vidas (Arellano y Peralta, 2013; Lee
todos los estudiantes. Además, la compa- et al., 2012; Wehmeyer et al., 2012; Wehme-
ración entre los grupos refleja diferencias yer y Shogren, 2018; etc.). Dichos apoyos ha-
significativas de mayor nivel de autode- cen referencia a aspectos como «la provisión
terminación en aquellos que no presen- de intervenciones profesionales, la creación
tan Trastornos del Desarrollo Neurológi- de entornos y la prestación de estrategias de
co frente a los que sí presentan alguno. apoyos individualizados» (Schalock, 2018,
En este sentido, varios estudios revelan p. 12) que requieren una evaluación previa
peores resultados de autodeterminación que permita determinar la necesidad de apo-
en alumnos con diversas necesidades de yo y una evaluación final de la eficacia de las
apoyo (Cho, Wehmeyer y Kinston, 2013; intervenciones sobre los resultados persona-
Chou, Wehmeyer, Palmer y Lee, 2016; les. De ahí la importancia de desarrollar y
Vega et al., 2013). validar herramientas sólidas de diagnósti-
co para, a partir de ellas, diseñar acciones
Estas evidencias sugieren que la Es- orientadas a la mejora educativa, personal
cala ARC-INICO es una escala válida y y social.
fiable para estudiar la autodeterminación

en la adolescencia, siendo el Modelo Fun- Concluimos enfatizando la importancia
cional de Wehmeyer (1999, 2003) una re- de continuar en esta línea de investigación
presentación adecuada de este construc- para corroborar o refutar los datos obte-
to. Al respecto, es posible referirse a otros nidos en el presente estudio, teniendo en
estudios con resultados similares. Por cuenta también las limitaciones constata-
ejemplo, Verdugo et al. (2014) y Vicente das en este, tales como:
et al. (2015) han llevado a cabo estudios
de las propiedades psicométricas de esta a) La amenaza a la posibilidad de generalizar
escala, mediante análisis factorial explo- estos resultados dado que las personas par-
ratorio y confirmatorio, que apoyan una ticipantes son solo estudiantes gallegos, lo
estructura compuesta de cuatro factores que podría subsanarse ampliando la mues-
independientes. Del mismo modo, estos tra a otras comunidades autónomas.
estudios apoyan los resultados hallados
en relación a los valores de los coeficien- b) El uso de una medida de autoinforme pro-
tes de correlación entre factores de pri- cedente del propio instrumento de evalua-
mer orden y con respecto al factor de se- ción, y que puede contener los sesgos que
gundo orden. se derivan de la deseabilidad social.
158
Adams, N., Little, T. D. y Ryan, R. M. (2017).

c) El rápido avance en la investigación in-
Self-determination theory. En M. L. Wehmeyer,
ternacional en el campo de la autodeter- K. A. Shogren, T. D. Little y S. J. Lopez (Eds.),
minación, que ofrece nuevas evidencias Development of self-determination through the
empíricas en las que se incluyen tanto life-course (pp. 47-54). Nueva York: Springer
Link.
las bases para la construcción de un
Arellano, A. y Peralta, F. (2013). Autodetermina-
nuevo modelo teórico como para el de-
ción de las personas con discapacidad intelec-
sarrollo de herramientas de evaluación tual como objetivo educativo y derecho básico:
y promoción. Estado de la cuestión. Revista Española de
Discapacidad, 1 (1), 97-117. doi: http://dx.doi.
Un ejemplo de esto es la Teoría de la org/10.5569/2340-5104.01.01.05
Agencia Causal (Shogren, Wehmeyer, Pal- Bandalos, D. L. (2002). The effects of item parceling
on goodness-of-fit and parameter estimate bias
mer y Forber-Pratt, 2015; Shogren et al., in structural equation modeling. Structural
2016; Shogren, Wehmeyer y Burke, 2017) Equation Modeling: A Multidisciplinary Jour-
que propone una extensión del modelo nal, 9 (1), 78-102. doi: https://doi.org/10.1207/
funcional, centrándose en la reformula- S15328007SEM0901_5
ción teórica y práctica del modelo origi- Bandalos, D. L. y Finney, S. J. (2012). Factor ana
lysis: Exploratory and confirmatory. En G. R.
nal que da especial importancia a la ca- Hancock y R. O. Mueller (Eds.), The review-
pacidad de acción del individuo, definida er’s guide to quantitative methods in the social
como «actuar como el agente causal en la sciences (pp. 93-114). Nueva York: Routledge.
propia vida» (Shogren et al, 2015, p. 258). Browne, M. W. y Cudeck, R. (1993). Alternative
Aun así, esta nueva formulación debe en- ways of assessing model fit. En K. A. Bollen y
J. S. Long (Eds.), Testing structural equation
tenderse como una forma de profundizar

models (pp. 136-162). Thousand Oaks, Califor-
en los aspectos relacionados con la per- nia : Sage.
sonalidad, la motivación y el desarrollo Bryman, A. (2016). Social research methods. Nue-
personal del individuo, lo que completa y va York: Oxford University Press.

abre líneas de investigación necesarias y Byrne, B. M. (2008). Testing for multigroup equi
emergentes, pero no reemplaza el Modelo valence of a measuring instrument: A walk
through the process. Psicothema, 20 (4), 872-
Funcional. 882. Recuperado de http://www.psicothema.
com/english/psicothema.asp?id=3569 (Consul-
Notas tado el 13/02/2017).
1
na primera aproximación al tema de este artículo
U Cheung, G. W. y Rensvold, R. B. (2002). Evaluating
se presentó en el Congreso de AIDIPE, en Salaman- goodness-of-fit indexes for testing measure-
ca, junio, 2017. ment invariance. Structural Equation Mode-
ling, 9 (2), 233-255. doi: https://doi.org/10.1207/
S15328007SEM0902_5
Referencias bibliográficas Cho, H.-J., Wehmeyer, M. L. y Kingston, N. M.
Abalo, J., Lévy, J., Rial, A. y Varela, J. (2006). In- (2013). Factors that predict elementary ed-
varianza factorial con muestras múltiples. En ucators’ perception and practice in teaching
J. Lévy (Ed.), Modelización con estructuras de self-determination. Psychology in the Schools,
covarianzas en ciencias sociales (pp. 259-278). 50 (8), 770-780. doi: https://doi.org/10.1002/
Madrid: Netbiblio. pits.21707
159
Chou, Y.-C., Wehmeyer, M. L., Palmer, S. B. y Lee, Peralta, F. y Arellano, A. (2014). La autodetermina-
J. (2016). Comparisons of self-determination ción de las personas con discapacidad intelectual:
among students with autism, intellectual dis- Situación actual en España. Revista CES Psico-
ability, and learning disabilities: A multivari- logía, 7 (2), 59-77. Recuperado de http://revistas.
able analysis. Focus on Autism and Other De- ces.edu.co/index.php/psicologia/article/view/2891
velopmental Disabilities, 14, 1-9. doi: https:// Prieto, G. y Delgado, A. R. (2010). Fiabilidad y
doi.org/10.1177/1088357615625059 validez. Papeles del Psicólogo, 31 (1), 67-74.
Elosua, P. (2005). Evaluación progresiva de la in- Recuperado de www.papelesdelpsicologo.es/
varianza factorial entre las versiones original resumen?pii=1797 (Consultado el 16/02/2017).
y adaptada de una escala de autoconcepto. Psi- Schalock, R. L. (2018). Seis ideas que están cam-
cothema, 17 (2), 356-362. Recuperado de http:// biando el campo de las discapacidades inte-
www.psicothema.com/psicothema.asp?id=3112 lectuales y del desarrollo en todo el mundo.
(Consultado el 12/02/2017). Siglo Cero: Revista Española sobre Discapaci-
dad Intelectual, 49 (1), 7-19. doi: http://dx.doi.
Griffin, L. K., Adams, N. y Little, T. D. (2017).
org/10.14201/scero2018491719
Self-determination theory, identity develop-
Shogren, K. A. y Wehmeyer, M. L. (2016). Self-de-
ment, and adolescence. En M. L. Wehmeyer,
termination and goal attainment. En M. L. We-
K. A. Shogren, T. D. Little y S. J. López (Eds.),
hmeyer y K. A. Shogren (Eds.), Handbook of
Development of self-determination through the
research-based practices for educating students
life-course (pp. 189-196). Nueva York: Springer with intellectual disability (pp. 255-273). Nue-
Link. va York: Routledge.
Kelloway, E. K. (2014). Using Mplus for structural Shogren, K. A., Wehmeyer, M. L. y Burke, K. M.
equation modeling: A researcher’s guide. Nue- (2017). Self-determination. En K. A. Shogren,
va York: Sage. M. L. Wehmeyer y N. N. Singh (Eds.), Hand-
Kline, R.B. (2015). Principles and practice of struc- book of Positive Psychology in Intellectual and
tural equation modeling. Nueva York: The Developmental Disabilities (pp. 49-64). Nueva
Guildford Press. York: Springer.
Lee, Y., Wehmeyer, M., Palmer, S., William-Diehm, Shogren, K. A., Wehmeyer, M. L., Palmer, S. B.,
K., Davies, D. y Stock, S. (2012). Examining Forber-Pratt, A. J., Little, T. J. y Lopez, S.
individual and instruction-related predictors (2015). Causal agency theory: Reconceptual-
of the self-determination of students with dis- izing a functional model of self-determination.
Education and Training in Autism and Devel-
abilities: multiple regression analysis. Reme-

dial & Special Education, 33 (3), 150-161. doi: opmental Disabilities, 50 (3), 251-263. Recupe-
https://doi.org/10.1177/0741932510392053 rado de http://www.jstor.org/stable/24827508
(Consultado el 16/11/2017).
Little, T. D. (2013). Longitudinal structural equa-
tion modeling. Nueva York: Guilford Press. Shogren, K. A., Wehmeyer, M. L., Palmer, S. B.
y Paek, Y. (2013). Exploring personal and
Little, T. D., Cunningham, W. A., Shahar, G. y
school environment characteristics that pre-
Widaman, K. F. (2002). To parcel or not to dict self-determination. Exceptionality: a Spe-
parcel: Exploring the question, weighing cial Education Journal, 21 (3), 147-157. doi:
the merits. Structural Equation Modeling, https://doi.org/10.1080/09362835.2013.802231
9, 151-173. doi: http://dx.doi.org/10.1207/ Shogren, K. A., Wehmeyer, M. L., Schalock, R. L. y
S15328007SEM0902_1 Thompson, J. R. (2017). Reframing educational
Murumbardó, C., Guàrdia, J. y Giné, C. (2018). supports for students with intellectual disabili-
Autodeterminación: midiendo el constructo en ty through strengths-based approaches. En M.
jóvenes con y sin discapacidad. Siglo Cero: Re- L. Wehmeyer y K. A. Shogren (Eds.), Hand-
vista Española sobre Discapacidad Intelectual, book of research-based practices for educating
1, 137-138. doi: http://dx.doi.org/10.14201/ students with intellectual disability (pp. 17-31).
scero20180 Nueva York: Routledge.
160
Vega, C., Gómez-Vela, M., Fernández-Pulido, R. Wehmeyer, M. L. (1995). The arc’s self-determina-
y Badía, M. (2013). El papel del contexto edu- tion scale: procedural guidelines. Texas: The
cativo en la autodeterminación. Análisis de su ARC of United States.
influencia en el proceso de transición a la vida Wehmeyer, M. L. (1999). A functional model
adulta de alumnos con discapacidad intelectual. of self-determination: describing develop-
Revista Iberoamericana de Educación, 63, 19- ment and implementing instruction. Fo-
33. Recuperado de https://rieoei.org/RIE/article/ cus on Autism and Other Developmental
view/418 (Consultado el 22/06/2017). Disabilities, 14 (1), 53-61. doi: https://doi.
org/10.1177/108835769901400107
Verdugo, M. A., Vicente, E., Fernández-Pulido,
R., Gómez-Vela, M., Wehmeyer, M. L. y Gui- Wehmeyer, M. L. (2003). A functional theory of
self-determination: model overview. En M. L.
llén, V. M. (2015). Evaluación psicométrica de
Wehmeyer, B. Abery, D. E. Mithaug y R. Stan-
la escala ARC-INICO de autodeterminación
cliffe (Eds.), Theory in Self-Determination:
para adolescentes con discapacidad intelectual. foundations for Educational Practice (pp. 182-
International Journal of Clinical and Health 201). Springfield, IL: Charles C. Thomas.
Psychology, 15 (2), 149-159. doi: https://doi. Wehmeyer, M. L. (2015). Framing the future:
org/10.1016/j.ijchp.2015.03.001 Self-determination. Remedial and Special
Verdugo, M. A., Vicente, E. M., Gómez, M., Fernán- Education, 36 (1), 20-23. doi: https://doi.
dez, R., Wehmeyer, M. L., Badía, M., … y Calvo, org/10.1177/0741932514551281
M. I. (2014). Escala ARC-INICO de evaluación Wehmeyer, M. L. y Abery, B. H. (2013). Self-deter-
de la autodeterminación: Manual de aplicación mination and choice. Intellectual and Develop-
y corrección. Salamanca: INICO. mental Disabilities, 51 (5), 399-411. doi: https://
Vicente, E., Guillén, V. M., Gómez, L., Ibáñez, A. doi.org/10.1352/1934-9556-51.5.399
y Sánchez, S. (2018). Elaborando una escala Wehmeyer, M. L., Field, S. y Thoma, C. A. (2012).
de autodeterminación a partir del consenso Self-determination and adolescent transition
entre expertos. Siglo Cero: Revista Española education. En M. L. Wehmeyer y K.W. Webb
sobre Discapacidad Intelectual, 1, 138-139. doi: (Coords.), Handbook of adolescent transition

http://dx.doi.org/10.14201/scero20180 education for youth with disabilities (pp. 171-
190). Londres: Routledge.
Vicente, E., Verdugo, M. A., Gómez-Vela, M., Fer-
Wehmeyer, M. L. y Kelchner, K. (1995). The Arc’s
nández-Pulido, R. y Guillén, V. (2015). Propie-
self-determination scale. Arlington: The Arc
dades psicométricas de la escala ARC-INICO
National of United States.

para evaluar la autodeterminación. Revista Es-
Wehmeyer, M. L. y Shogren, K. A. (2018). Self-de-
pañola de Orientación y Psicopedagogía, 26 (1),
termination and positive psychological aspects
8-24. doi: https://doi.org/10.5944/reop.vol.26.
of social psychology. En D.S. Dunn (Ed.), Posi-
num.1.2015.14339 tive psychology: Established and emerging is-
Vicente, E., Verdugo, M. A., Gómez-Vela, M., Fer- sues. New York: Rutledge.
nández-Pulido, R. y Guillén, V. (2017). Personal West, S. G., Taylor, A. B. y Wu, W. (2015). Model
characteristics and school contextual variables fit and model selection in structural equation
associated with student self-determination in modeling. En R. H. Hoyle (Ed.), Handbook of
Spanish context. Journal of Intellectual & De- structural equation modeling (pp. 209-231).
velopmental Disability, 42 (3), 1-12 doi: https:// New York: The Guilford Press.
doi.org/10.3109/13668250.2017.1310828
Walker, H. M., Calkins, C., Wehmeyer, M. L., Biografía de los autores
Walker, L., Bacon, A., Palmer, S. B., … y John-
son, D. R. (2011). A social-ecological approach
Jesús Miguel Muñoz Cantero es
to promote self-determination. Exceptionality: Doctor por la Universidad de Santiago de
A Special Education Journal, 19 (1), 6-18. doi: Compostela. Director del Departamento
https://doi.org/10.1080/09362835.2011.537220 de Didácticas Específicas y Métodos de
161
Investigación y Diagnóstico en Educación Luisa Losada Puente es Doctora In-

y Profesor Titular en la Universidade da ternacional por la Universidade da Coru-
Coruña. También coordina el Grupo de ña. Profesora Interina en la Universidade
Investigación en Evaluación y Calidad da Coruña y Miembro del Grupo de Inves-
Educativa (GIACE). Sus líneas de investi- tigación en Evaluación y Calidad Educa-
gación se centran en la evaluación de la ca- tiva (GIACE). Sus líneas de investigación
lidad educativa, la acreditación y atención se centran en la evaluación de la calidad
a la diversidad en contextos universitarios educativa, la atención a la diversidad y la
y no universitarios. educación inclusiva.
https://orcid.org/0000-0001-5502-1771 https://orcid.org/0000-0003-2300-9537
162
año 77, nº 272, enero-abril 2019
Spanish Journal of Pedagogy
year 77, n. 272, January-April 2019
Sumario*
Table of Contents**
Estudios
Studies
Francisco López Rupérez, Isabel García García, David Luque
Eva Expósito Casas Desarrollos interpretativos de la filosofía
Rendimiento en ciencias, concepciones epistémicas de la educación en la tradición anglófona:
y vocaciones STEM en las comunidades autónomas un intento de sistematización
españolas. Evidencias desde PISA 2015, políticas y Interpretive developments of the philosophy
prácticas de mejora of education in the anglophone tradition:
Performance in Sciences, epistemic conceptions and STEM an attempt to systematise them 67
vocations in the Spanish Autonomous Communities. Evidence
from PISA 2015, improvement policies and practices 5 Notas
Notes
Zaida Espinosa Zárate
El cultivo de la creatividad para el diálogo María Moralo, Manuel Montanero
intercultural Aprendizaje con y sin error en estudiantes con TEA
Cultivating creativity for intercultural dialogue 29 Learning with and without errors in students with ASD 85
Ignasi de Bofarull Antonio Portela Pruaño,

Carácter y hábitos para el aprendizaje: José Miguel Nieto Cano, Ana Torres Soto
definición y proyecto de medición La reincorporación formativa de jóvenes
Character and learning habits: que abandonan tempranamente la educación:
definition and measurement proposal 47 relevancia de su trayectoria previa
Re-engagement in education and training
of young people who leave education early:
the importance of earlier prior trajectories 103
* Todos los artículos están también publicados en inglés en la página web de la revista: https://revistadepedagogia.org.
** All the articles are also published in English on the web page of the journal: https://revistadepedagogia.org.
Oihane Fernández-Lasarte, Eider Goñi, Igor Camino, Informaciones
Estibaliz Ramos-Díaz El Profesor Giuseppe Mari. In memoriam (Emanuele
Apoyo social percibido e implicación escolar Balduzzi); III Conferencia Internacional de EuroSoTL:
del alumnado de educación secundaria “Explorando nuevos campos a través de un enfoque
Perceived social support and school engagement académico de la enseñanza y el aprendizaje”;
in secondary students 123 Una visita a la hemeroteca (Ana González-Benito);
Una visita a la red (David Reyero). 191
Jesús-Miguel Muñoz-Cantero, Luisa Losada-Puente
Validación del constructo de autodeterminación
a través de la escala ARC-INICO para adolescentes Instrucciones para los autores
Validation of the construct of self-determination through Instructions for authors 201
the ARC-INICO scale for teenagers 143
Mª Inmaculada López-Núñez, Susana Rubio-Valdehita,

Eva Mª Díaz-Ramiro
Cambios producidos por la adaptación al EEES
en la carga de trabajo de estudiantes de Psicología
Changes in Psychology students’ workload due to alignment
with the EHEA 163
Reseñas bibliográficas
Naval, C. y Arbués, E. (Eds.). Hacer la Universidad
en el espacio social (Emanuele Balduzzi). Mínguez,
R. y Romero, E. (Coords.). La educación ciudadana
en un mundo en transformación: miradas y propuestas
(Marina Pedreño Plana). Bellamy, F.-X. Los
desheredados: por qué es urgente transmitir la cultura
(Esteban López-Escobar). Pallarés, M., Chiva, O.,
López Martín, R. y Cabero, I. La escuela que llega.
Tendencias y nuevos enfoques metodológicos (Juan
Carlos San Pedro Velado). 177
ISSN: 0034-9461 (Impreso), 2174-0909 (Online)

https://revistadepedagogia.org/
Depósito legal: M. 6.020 - 1958
INDUSTRIA GRÁFICA ANZOS, S.L. Fuenlabrada - Madrid
Validation of the construct of self-determination
through the ARC-INICO scale for teenagers 1
Validación del constructo de autodeterminación a
través de la escala ARC-INICO para adolescentes
Jesús-Miguel MUÑOZ-CANTERO, PhD. Lecturer. Universidade da Coruña (jesus.miguel.munoz@udc.es).
Luisa LOSADA-PUENTE, PhD. Temporary Lecturer. Universidade da Coruña (luisa.losada@udc.es).
Abstract: this study is to assess the psychometrical

Self-determination is a good predictor of properties of this scale in Galician popula-
quality of life, which is defined as a strategy tion, checking its equivalence both for use
that aims to increase and improve the edu- with young people with neurological devel-
cational practices focused on individuals’ opment disorders and without them. The
needs at a global and life-long-term level. sample was made up of 2 220 high school stu-
Hence, the evaluation of this construct has dents. A Confirmatory Factor Analysis was
undergone notable advances in our country conducted to test the scale structure using
year 77, n. 272, January-April 2019, 143-162

due to the acceptance of international theo- the original proposal based on a higher-order
retical models and the design of specific in- factor structure on a correlated four factor
struments for our context. The ARC-INICO model, and a single-factor model which as-
scale (Verdugo et al., 2014) assesses four sumes the unidimensionality of self-determi-

characteristics of self-determined behavior nation. Regarding the reliability, high overall
in teenagers: autonomy, self-regulation, em- internal consistency and for its sections has
powerment and self-concept. This structure been found. Although the unifactorial mod-
is based on the Wehmeyer’s Functional Mod- el offers an acceptable adjustment (Model 1:
el (1999, 2003). It has only been validated GFI = .958, AGFI = .941, RMSEA = .057), it
with Spanish students with intellectual and is superior in the higher order model (Model
developmental disabilities. The purpose of 2: GFI = .970, AGFI = .954; RMSEA = .049).
Revision accepted: 2018-05-30.

This is the English version of an article originally printed in Spanish in issue 272 of the revista española
de pedagogía. For this reason, the abbreviation EV has been added to the page numbers. Please, cite
this article as follows: Muñoz-Cantero, J. M., & Losada-Puente, L. (2019). Validación del constructo de
autodeterminación a través de la escala ARC-INICO para adolescentes | Validation of the construct of self-
determination through the ARC-INICO scale for teenagers. Revista Española de Pedagogía, 77 (272), 143-162.
doi: https://doi.org/10.22550/REP77-1-2019-04
https://revistadepedagogia.org/ ISSN: 0034-9461 (Print), 2174-0909 (Online)
143 EV
Jesús-Miguel MUÑOZ-CANTERO and Luisa LOSADA-PUENTE
In addition, the factorial invariance meas- del desarrollo. Este estudio pretende evaluar
ure shows the utility of model 2 to compare sus propiedades psicométricas con población
scores according to the presence or absence adolescente gallega, comprobando su equi-
of neurological development disorders. In valencia tanto para su uso con jóvenes con
conclusion, the ARC-INICO scale provides Trastornos del Desarrollo Neurológico como
an important basis for decisions making re- sin ellos. Se emplea una muestra de 2 220
garding the design of care programs, through estudiantes. La estructura de la escala fue
the development of resources, guidelines and estudiada mediante Análisis Factorial Con-
strategies, and provides information for the firmatorio, usando la propuesta original con
differential provision of said resources and una estructura factorial de orden superior
supports. correlacionada con cuatro factores, y un
modelo unifactorial que asume la unidimen-
Keywords: self-determination, students, sionalidad de la autodeterminación. Res-
questionnaire, test reliability, test validity. pecto a la fiabilidad, presenta una elevada
consistencia interna global y en sus seccio-
Resumen: nes. Aunque el modelo unifactorial ofrece
La autodeterminación se sitúa como un un ajuste aceptable (Modelo 1: GFI = .958,
buen predictor de la calidad de vida, enten- AGFI = .941; RMSEA = .057), es superior
dida como una estrategia que pretende in- en el modelo de orden superior (Modelo 2:
crementar y mejorar las prácticas educativas GFI = .970, AGFI = .954; RMSEA = .049).
centradas en las necesidades de la persona Además, la medida de invarianza factorial
a nivel global, y a lo largo de su desarrollo muestra la utilidad del modelo 2 para com-
vital. De ahí que la evaluación de este cons- parar puntuaciones según la presencia o no
tructo haya experimentado notables avances de Trastornos del Desarrollo Neurológico.
en nuestro país, fruto de la acogida de mo- En conclusión, la ARC-INICO ofrece una
delos teóricos internacionales y del diseño base importante para la toma de decisiones
de instrumentos específicos para nuestro respecto al diseño de programas de atención,

contexto. La escala ARC-INICO (Verdugo mediante el desarrollo de recursos, pautas
et al., 2014) evalúa cuatro características de y estrategias, y dota de información para la
la conducta autodeterminada en adolescen- provisión diferencial de dichos recursos y
tes: autonomía, autorregulación, empodera- apoyos.
miento y autoconcepto, basándose en el Mo-
delo Funcional de Wehmeyer (1999, 2003). Descriptores: autodeterminación, adoles-
Ha sido validada únicamente con estudian- centes, cuestionario, fiabilidad del test, vali-
tes españoles con discapacidad intelectual y dez del test.
144 EV
Validation of the construct of self-determination through the ARC-INICO scale for teenagers
1. Introduction Schalock, & Thompson, 2017; Vicente,

The construct of self-determina- Guillén, Gómez, Ibáñez, & Sánchez,
tion is especially relevant in the design 2018; Wehmeyer, 2015).
of educational practices that prioritize
enabling children and adolescents to Among these, the functional self-deter-
achieve progressively higher levels of in- mination model stands out, developed by
dependence, autonomy, control over their Wehmeyer between 1999 and 2003, which
lives, and responsibility for their actions. defines self-determination in terms of the
Self-determination is, therefore, under- acquisition and expression of four basic
stood as a psychological construct that characteristics: autonomy, self-regulation,
defines individuals as «active contribu- psychological empowerment or training,
tors to, or ‘authors’ of their behaviour» self-realisation and self-knowledge. To
(Walker et al., 2011, p. 7). Accordingly, activate these components, the individual
the perspective of the individual’s ca- must possess a series of skills and abili-
pacity for action is being adopted. This ties, which she acquires throughout her
emphasises the acquisition and expres- life, and which will enable her to act as the
sion of a series of abilities and skills that causal agent of the events that happen in
permit the person to act as the primary her surroundings when expressing observ-
causal agent in her life (Shogren & Weh- able behaviour, enriched by her interac-
meyer, 2016; Shogren, Wehmeyer, Palm- tions with her setting and by the influence
er, & Paek, 2013; Wehmeyer & Abery, of the personal factors that intervene in
2013; Wehmeyer, Field, & Thoma, 2012; her learning.

Wehmeyer & Shogren, 2018).
This model has had a broad impact
The adolescent period is the devel- in Spain, where study of this construct
opmental stage in which the most ex- can be classed as relatively recent (Arel-

periential learning occurs, and this is lano & Peralta, 2013; Peralta & Arel-
orientated towards the individual grad- lano, 2014; Vega, et al., 2013; Vicente,
ually acquiring control over her behav- Verdugo, Gómez-Vela, Fernández-Puli-
iour and actions (Lee et al., 2012; Vega, do, & Guillén, 2015; Vicente, Verdugo,
Gómez-Vela, Fernández-Pulido, & Badia, Gómez-Vela, Fernández-Pulido, &
2013). In recent decades, there have Guillén, 2017). At present, a specific in-
been many studies focussing on offering strument has been designed to evaluate
a theoretical and conceptual framework the degree of self-determination of Span-
for the construct of self-determination ish adolescents: the ARC-INICO scale
in adolescence (Adams, Little, & Ryan, (Verdugo et al., 2014).
2017; Griffin, Adams, & Little, 2017;
Murumbardó, Guàrdia, & Giné, 2018), This instrument was designed to be
with special emphasis on students with applied to students with intellectual and
neuro-developmental disorders (Shogren developmental disabilities. Indeed, pre-
et al., 2016; Shogren, Wehmeyer, liminary studies have been carried out
145 EV
to establish the structure underlying the 2. Method

set of data provided by the ARC-INICO 2.1. Participants
scale. These analyses were of two types: The participants are 2,220 students
on the one hand, exploratory factor anal- (55.41 % male and 44.59 % female) from
ysis (AFE), in which an effort was made public and private ordinary and special
to explore the structure of the relation- schools in the Autonomous Region of
ships between the instrument’s varia- Galicia, with ages ranging from 12 to 19
bles, without knowing in advance the (M = 13.9; SD = 1.59).
number of factors or dimensions they
comprise (e.g. the studies by Verdugo et 2.2. Instrument
al., 2014; Vicente et al., 2015) and, on the The ARC-INICO self-determi-
other hand, confirmatory factor analysis nation scale (Verdugo et al., 2014)
(AFC), to confirm a previously-estab- is an adaptation of the original Arc
lished factorial or dimensional structure self-determination scale (Wehmeyer,
based on prior literature and formulated 1995; Wehmeyer & Kelchner, 1995). It
as a hypothesis (e.g. the study by Ver- comprises 61 items divided into four sec-
dugo et al., 2015). In the present study, tions measuring autonomy (25 items),
evaluating the level of self-determination self-regulation (12 items), empower-
is considered to be very useful, not just ment (14 items), and self-knowledge (10
with students who have neuro-develop- items), coinciding with the proposal of
mental disorders, but for all students. the functional model (Wehmeyer, 1999,
This tool could be used to diagnose the 2003). Participants answer on a 3-point
needs present in the classroom and indi- Likert-type scale for the autonomy sec-
vidual needs to establish individual and tion, and a 4-point scale in the other
group action plans. sections. It is a questionnaire for that
the participants complete themselves,
Therefore, this study focusses on although support can be offered if the

analysing the factorial structure of the adolescent requires it.
ARC-INICO scale (Verdugo et al., 2014)
in a sample of adolescents, for which the 2.3. Data collection and procedure
presence or absence of neuro-developmen- Data collection took place in edu-
tal disorders is considered. The aim of this cational centres in the four provinces
factorial analysis is to identify the struc- of the Spanish Autonomous Region of
ture underlying the data matrix, through Galicia. After contacting the institutions
analysis of the relationships between the and obtaining authorisation from the
items that make up the scale and their schools and families, the questionnaires
simplification into various factors or de- were applied in the classes (groups of 20-
fining dimensions of self-determination, 25 students) or, in the case of students
in such a way that it enables us to expand requiring support, they were applied
our understanding of self-determination individually with the students receiv-
as a construct. ing support from their teachers and the
146 EV
research personnel. After collecting the other words, to be able to study the rela-
data, the questionnaires were reviewed tionships between latent variables or in-
and ones with five or more unanswered dicators (that are not directly observable),
items were eliminated (176 question- it is necessary to use observable indicators
naire eliminated). (the answers to questionnaire items). To
do this, a previously-bounded theoretical
2.4. Information analysis process structure must be taken as a basis. In the
To study the factorial structure of case of this study, it refers to the following
the ARC-INICO scale, item parcelling models:
was used with the aim of reducing the
breadth of the questionnaire and the idio- • Model 1. Unidimensional model: this
syncratic influence of the items measured assumes the unidimensionality of
individually (Bandalos, 2002; Bandalos & the self-determination construct; in
Finley, 2012). The parcelling of the items other words, for each section, there
was based on the recommendations in the is a single factor in which all of the
literature (Little, 2013; Little, Cunning- variables measured are saturated
ham, Shahar, & Widaman, 2002): (a) se- (parcels).
lection of conceptually similar items and
(b) ones that show a strong unidimen- • Model 2. Higher-order factorial mod-
sionality in exploratory factor analysis el: a structure with a higher level of
(EFA). abstraction is imposed, based on the
influence of a higher-order factor

Exploratory factor analysis (EFA) (self-determination), which explains
is useful in this study as a preliminary the co-variations between the two
measure before confirmatory factor anal- first-order factors (autonomy, self-reg-
ysis as it enables us to explore the extent ulation, empowerment, and self-knowl-

to which the items that make up an in- edge). This hierarchical representa-
strument can be grouped coherently to tion is supported by the functional
offer an explanation of common variance self-determination model (Wehmeyer,
(Bryman, 2016; Prieto & Delgado, 2010). 1999, 2003).
To establish this value, the total variance
explained calculation is normally used. In each model, it was expected that:
This indicates what percentage of var- each observed variable would only be
iance is represented by the set of items saturated in the factor it attempted to
included. measure; that the measurement errors
associated with said variables would not
Following this, a confirmatory factor be correlated; and, in the case of mod-
analysis (CFA) was performed. The use el 2, that all of the covariances between
of this type of analysis is justified by the each first-order factor would be better ex-
non-observable nature of the construct un- plained by a general dimension in which
der consideration (self-determination); in all of the items would saturate at the
147 EV
same time in the higher-order factor (hi- The eigenvalues and percentage of var-
erarchical model) (Kelloway, 2014; Kline, iance explained were calculated, corrob-
2015). orating the hypothesis that each parcel
represents a unidimensional structure
Finally, the invariance of the scale with eigenvalues above one and with
was analysed to compare the results of over 50 % of the variance explained by
the two different groups (adolescents each one. In addition, all of the parcels
with neuro-development disorders and displayed adequate or high reliability,
ones without) to establish whether evaluated using Cronbach’s Alpha index
the measurements obtained from both (α ≤. 80).
groups are similar, and so whether its
use is valid for both groups (Elosua, Regarding univariate normality, the
2005). A multi-group analysis was per- measurements of distribution of skew-
formed using a progressive process ness and kurtosis are used, which make
(Byrne, 2008; Elosua, 2005): config- it possible to identify how the data sets
ural invariance (the pattern of factor group or separate around a central point.
loadings is the same), metric invari- The skew values z(G1) for the parcels
ance (the pattern of loadings and the are greater and lesser at ± 1.96, except
factorial weights are equal), and scalar in parcel P1_4, where z(G1) = .29 indi-
invariance (this also entails equal var- cates a symmetrical distribution. There-
iances for errors). To estimate the fit fore, the null hypothesis of a symmetri-
of the data, various indexes were used cal distribution is rejected in almost all
that make it possible to select the model of these cases. Furthermore, calculating
from the two models considered that has the kurtosis indicates that the null hy-
the smaller discrepancy from the true pothesis that the distribution is mesokur-
model. These indexes are the Akaike in- tic (z[G2]> ± 1.96) is not fulfilled in
formation criterion (AIC) and Bentler’s most cases, except for parcels P2_1 (z
comparative fit index (CFI). [G2] = 1.587), P2_3 (z [G2] = −1067),
P3_2 (z [G2] = −1,442), P3_3 (z
These analyses were supported by the [G2] = 1,712) and P4_1 (z [G2] = 1,376).
IBM Statistical Package for the Social In the skew and kurtosis comparison set,
Sciences (IBM SPSS) version 23, and the the assumption of univariate normality
confirmatory factor analyses were done is not met as in all cases k2 > 5.98. Fi-
using the IBM SPSS AMOS 23.0 program. nally, the Kolmogorov-Smirnov goodness-
of-fit test, with Lilliefors’ modification,
indicates rejection of the null hypothesis
3. Results of normality of the parcels as, for a 95 %
3.1. Preliminary analysis confidence level, all of the values obtained
Table 1 shows the final matrix com- are p < .005. Therefore, the hypothesis
prising 13 parcels that represent the that the data are from a normal univari-
four sections of the ARC-INICO scale. ate distribution was rejected.
148 EV
Table 1. Analysis of the unidimensionality and univariate normality comparisons of the ARC-INICO scale.
% Skew Kurtosis K-S test
vari-
Eigen- α
ance
Sections Parcels values stand-
ex-
a ardised z ET z (G1) z ET z (G2) K2 K-Sª p
plained
b
P1_1 4.95 82.442 .957 .28 .052 5.46 −.43 .104 −4.16 47.16 .337 .00
P1_2 4.45 55.637 .884 −.79 .052 −15.23 −.40 .104 −3.87 246.92 .179 .00
Autonomy
P1_3 4.27 71.179 .917 −.18 .052 −3.40 −.87 .104 −8.35 81.24 .188 .00
P1_4 3.72 74.476 .913 .02 .052 0.29 .30 .104 2.86 8.24 .244 .00
P2_1 4.81 96.146 .990 −.23 .052 −4.48 .17 .104 1.59 22.60 .319 .00
Self-
P2_2 3.84 96.006 .986 −.39 .052 −7.52 .22 .104 2.09 60.89 .288 .00
regulation
P2_3 2.45 59.861 .857 −.32 .052 −6.15 −.11 .104 −1.07 39.01 .294 .00
P3_1 3.87 77.439 .911 −.48 .052 −9.31 .26 .104 2.53 93.04 .147 .00
Empowerment P3_2 3.64 90.924 .967 −.27 .052 −5.21 −.15 .104 −1.44 29.24 .253 .00
P3_3 2.88 98.648 .978 −.44 .052 −8.46 .18 .104 1.71 74.54 .311 .00
P4_1 3.79 94.781 .972 −.25 .052 −4.87 .14 .104 1.38 25.04 .307 .00
Self-
P4_2 3.45 86.288 .947 −.98 .052 −18.92 .71 .104 6.83 404.69 .204 .00
knowledge
P4_3 2.95 73.803 .881 −.71 .052 −13.67 .52 .104 5.01 212.05 .174 .00
Note:
a. Eigenvalues: these reflect, in decreasing order, the degree of variation in the set of variables, which explains the factor, or in other words,
the amount of information each variable provides to the factor. The sum of all of the eigenvalues being equal to the number of variables
introduced in the analysis.
b. % Variance explained: the percentage of variance is represented by the set of items included.
Initials and Statistics: α − Cronbach’s Alpha index; K-S Comparison: Kolmogorov-Smirnov test comparison to calculate the normality of the
distribution; z − Statistical value referring to the standard deviation obtained for one variable, compared with the value of the mean; SE:
Standard Error, indicating oscillations compared with the value of Z.

Source: Own elaboration.
149 EV
150 EV
Table 2. Correlation between parcels on the ARC-INICO scale.
P1_1 P1_2 P1_3 P1_4 P2_1 P2_2 P2_3 P3_1 P3_2 P3_3 P4_1 P4_2 P4_3
P1_1 1
P1_2 .399** 1
P1_3 .335** .593** 1
P1_4 .231** .268** .298** 1
P2_1 .300** .366** .324** .249** 1
P2_2 .330** .458** .416** .335** .441** 1
P2_3 .317** .407** .362** .223** .488** .447** 1
P3_1 .249** .374** .323** .275** .351** .429** .327** 1
P3_2 .260** .389** .317** .181** .290** .313** .287** .465** 1
P3_3 .303** .466** .385** .205** .300** .376** .358** .349** .359** 1
P4_1 .202** .393** .318** .194** .352** .387** .311** .387** .315** .320** 1
P4_2 .137** .157** .110** .129** .228** .233** .227** .274** .186** .098** .224** 1
P4_3 −.012 .074** .054* .081** .153** .144** .067** .224** .141** .096** .241** .188** 1
Note: * p < .05 ** p < .001. This value refers to the probability associated with the statistic, which gives information about acceptance of the
hypothesis that there are statistically significant correlations, with an associated confidence level of 95 %.
To test multivariate normality, the evaluate and test goodness of fit (Kello-
normality and outliers test in IBM SPSS way, 2014; Kline, 2015): firstly, the chi-
AMOS 23 was performed. The value of squared statistic (χ2) and its relative
the multivariate kurtosis (g2 = 11.91; version (χ2 / df) to evaluate the general
cr = 14.20) indicates that the variables fit, where a non-significant χ2 and val-
display a kurtosis which is significantly ues of χ2 / df < 2 indicate a good fit; and
different from a normal multivariate anal- secondly, given these indexes’ sensitivi-
ysis. The analysis of multivariate outliers ty to variations in sample size, addition
using the Mahalanobis distance figure (D2) indexes were used to evaluate the abso-
indicates the presence of 15 extreme val- lute partial fit: root mean square resid-
ues (p < .001). It was decided not to ex- ual (RMR ≤. 08 shows an adequate fit);
clude or convert them, as they are errors goodness of fit index (GFI) and adjust-
that reflect the idiosyncrasy of the stu- ed goodness of fit index (AGFI), which
dents sampled. should have a value of .90 or more. Fur-
thermore, the parsimony of fit was eval-
Mulicollinearity was verified by calcu- uated using the root mean square error
lating the correlation matrix, as shown in of approximation (RMSEA ≤.08 shows
Table 2. The remaining values show the an adequate fit) and non-nested models,
absence of multicollinearity in the data, which indicate that the model has a lower
with values lower than .90; the highest cor- discrepancy with the true model (Akaike
relation coefficient found was rxy = .593 information criterion, AIC and consistent
between parcels P1_2 and P1_3. Akaike information criterion, CAIC) and

they contain more generalisable data (ex-
Finally, Cronbach’s Alpha index (α) pected cross validation index). Once the
was analysed for each section and for best factor solution for the scores on the
the scale. This index makes it possible ARC-INICO scale had been found, the

to determine the degree of reliability of composite reliability (CR) and McDon-
the instrument used. The results show ald’s ω were calculated.
high reliability for the scale (α = .957)
and for its four sections (autonomy 3.2.1. Model 1: Unidimensional Model
α = .927; self-regulation α = .945; em- The first model examined supposes
powerment α = .915; self-knowledge the existence of a single factor, which ex-
α = .867). plains the covariance of all of the items
in the test. This corresponds to a uni-
3.2. Confirmatory Factor Analysis dimensional theoretical conception of
Given the non-compliance with the self-determination. Given the lack of em-
assumptions of normality and linearity, pirical evidence to support the unidimen-
the weighted least squares (WLS) estima- sionality of this construct, this model is
tion method was used, which AMOS de- used as an element of comparison with
fines as asymptotically distribution-free regards to the possible multidimensional
(ADF). Various fit indexes were used to estimates.
151 EV
Graph 1 shows the initial standardised observed variables that can be explained
solution for model 1. All of the coefficients by the latent factor (self-determination)
are significant (t values significantly dif- approximates to the appropriate value, so
ferent from 0), with prediction errors that long as the variables that are far from the
vary from .01 to .60, so that the squared optimal values are eliminated. The factor
correlation coefficients (r2) vary from .99 loadings range between .07 and .78, six of
to .40. Almost all of the figures for r2 are them being lower than .6. This could in-
greater than .5, with the exception of dicate that the single-factor model is not
P1_2 and P1_3. These results indicate sufficient to reproduce the original covar-
that the proportion of the variance in the iance matrix.
Graph 1. Standardised parameters of Model 1 (Unidimensional Model).

Source: Own elaboration based on IBM SPSS AMOS 23.
When analysing the model’s fit with the 3.2.2. Model 2: Higher-Order Factorial
empirical data, the figures for which are Model
shown in Table 3, deficient indexes of fit This model derives from a proposal
can be seen (χ2 528.929; χ2 / df = 8.145; p for self-determination as a factorial and
<.000), and a partial fit that can be improved hierarchical construct in which, within
in the evaluation of the model using the a general self-determination factor (sec-
RMR and RMSEA indexes (RMR = .648; ond-order factor), there are four factors
RMSEA = .057). There is also a specification (first-order factors) grouped by the par-
error (p = .007). In contrast with this, some cels corresponding to autonomy, self-reg-
absolute partial fit indexes have satisfactory ulation, empowerment, and self-knowl-
results (GFI = .958; AGFI = .941). edge.
152 EV
Table 3. Goodness of fit statistics.
Partial fit
Absolute fit
Absolute Parsimonious Non-Nested Parsimonious
χ2 gl P χ2 / df RMR GFI AGFI RMSEA P AIC CAIC ECVI
.057 .262
Model 1 528.929 65 .000 8.137 .648 .958 .941 .007 580.93 755.27
[.052 − .061] [.230 − .297]
.049 .199
Model 2 420.1 60 .000 6.334 .553 .970 .954 .623 442.03 649.89
[.044 − .054] [.173 − .299]
Note: χ2: chi-square; df: degrees of freedom; χ2 / df: relative χ2; RMR: root mean square residual; GFI: goodness of fit index; AGFI: adjusted
goodness of fit index; RMSEA: root mean square error of approximation; AIC: Akaike information criterion; CAIC: consistent Akaike informa-
tion criterion; ECVI: expected cross validation index.

153 EV
From the empirical perspective, this variables in the observed variables dis-
model establishes independence relat- play fairly high values (range: .80−.42),
ing to the four sections pf ARC-INICO, with loadings greater than 0.4 (except for
which are grouped into a single general P4_2 = .29 and P4_3 = .16). The same cir-
second-order factor. Graph 2 shows the cumstance is seen in the factor loadings of
standardised solution, which shows pre- the endogenous variables compared with
diction errors varying from .03−.64 with the exogenous variables (range .84−.94),
coefficients of determination of .36 to .97. although their prediction errors are also
The factor loadings for the endogenous high (.70 ≤ e ≤ .89).
Graph 2. Standardised parameters of Model 2 (higher-order factorial model).
The empirical results, shown in Ta- the existence of first-order factors that
ble 3, indicate that this model has a bet- correspond with the four sections defined
ter fit than the previous one, with higher rationally in the test.
values (GFI = .970; AGFI = .954; RM-
SEA = .049, and RMR = .553) with a 3.3. Comparison of models
PCLOSE value = .623 indicating a good Finally, regarding the parsimonious in-
fit of the data for a 90 % confidence lev- dexes of fit that compare the non-nested
el. In addition, if we take into account models, Akaike’s AIC and its consistent
the magnitude of χ2 / df (420.1 / 60), version (CAIC) are interpreted in such a
it should be noted that this model has a way that their lowest value fits the spec-
better fit than model 1, given its smaller ified model better (West, Taylor, & Wu,
size. As was expected, in accordance with 2015). Likewise, the interpretation of the
the theoretical backing of the multidi- expected cross validation index (ECVI) is
mensional models of self-determination, based on the comparison between models,
it can be said that this model has a better assuming that the model with the lower
fit with the data, as it takes into account value is the one with the greatest poten-
154 EV
tial for replication (Browne & Cudeck, disorders. The indexes of fit obtained are
1993). Consequently, the comparison be- shown in Table 4. These make it possible
tween the models based on these indexes to accept the equivalence of the basic meas-
indicated a better fit for model 2, as shown urement models between the two samples.
in Table 3. Although the chi-squared value exceeds that
required to accept the invariance hypothesis,
3.4. Factorial Invariance Analysis the other indexes contradict this conclusion
Based on Abalo, Lévy, Rial, and Varela (GFI = .966, AGFI = .949, RMSEA = .036;
(2006), the same model was estimated (Mod- AIC = 594.9; CFI = .718) which enables us
el 2) for two samples of students depending to accept the base invariance model (unre-
on whether they have neuro-development stricted model).
Table 4. Goodness of fit indexes of Model 2 in factorial invariance.

Model CMIN df GFI AGFI NFI CFI RMSEA AIC
Without restrictions 470.906* 120 .966 .949 .663 .718 .036 594.9
Metric invariance 587.051* 129 .958 .940 .580 .632 .040 693.1
Scalar invariance 587.669 132 .958 .942 .580 .633 .039 687.7
Note: *p < .05.

Metric invariance was obtained by add- invariance model. We can conclude that
ing restrictions on factor loadings to the the factor loadings are equivalent in both
base model. The values shown in Table samples.

4 make it possible to accept this level of
invariance. The GFI (.958) and RMSEA After demonstrating metric invariance
(.040) continue to provide convergent in- between samples, the equivalence between
formation in this sense. Furthermore, the intercepts was evaluated (strong factorial
AIC (693.051) does not undergo large var- invariance). The indexes (Table 4) display
iations. Even so, the CFI (.632) has fallen. a good fit for this model, with both of them
The criteria for evaluating nested models evaluated independently and analysed
proposed by Cheung and Rensvold (2002) with regards to their nesting with the met-
was used. This suggests that the restrict- ric invariance model. The difference be-
ed model should be regarded as good when tween the Bentler comparative indexes is
the calculation of the difference in CFI .001. The GFI is .958 and RMSEA is .039.
for both nested models falls to .01 or less If strong invariance is accepted, both of
and so factorial invariance is achieved. the models evaluated are equivalent with
Furthermore, the difference between the regards to the coefficients of the factor and
CFIs also allows us to accept the metric to the intersections.
155 EV
In both cases, confirmatory factor tracted from the analysis. This figure
analysis (CFA) results display a good fit is excellent for the model in general
for the higher-order factorial model. The (CR = .924), and adequate in the sec-
subgroup with the better fit is the one ond-order factor (CR = .799), and in the
comprising students who do not have neu- first-order factors (.696 ≤ CR ≥ .808).
ro-developmental disorders. In any case, Secondly, the general saturation of the
the generally uniform fit between the scale is studied with the aim of test-
groups suggested that the four-factor solu- ing convergent validity using McDon-
tion is appropriate for these subgroups ald’s ω, which gives excellent results
from the sample. for the total scale (ω = .922), and ad-
equate results for the second-order fac-
3.5. Reliability and correlation tor (ω = 552), and for each first-order
between factors factor (ω = .821−.700). Finally, the cor-
Finally, the reliability and validity relation coefficients between the latent
of the final model and the correlations variables in Model 2 were calculated,
between the latent variables were test- which indicate the extent to which the
ed. Firstly, composite reliability (CR) model’s variables vary jointly, and the
was calculated, which indicates the extent to which they vary with regards
consistency of all of the constructs ex- to the model (Table 5).
Table 5. Correlation coefficients between endogenous variables in Model 2

and self-determination.
Self-
Self- Empower- Self-
determina- Autonomy
regulation ment knowledge
tion
Self-determination 1
Autonomy .846 1
Self-regulation .820 .593 1
Empowerment .798 .564 .543 1
Self-knowledge .639 .309 .424 .430 1
The results show reasonably satis- mination construct has a very good rela-
factory values given that the correlation tionship with the variables that define it,
coefficients between first-order factors reaching 84.6 % (r = .846) with regards
(r = .309 − .593), indicate a relation- to autonomy, 82 % (r = .820) regarding
ship of 30.9 % to 59.3 % between autono- self-regulation, 79.8 % (r = .798) regard-
my, self-regulation, empowerment, and ing empowerment, and 63.9 % (r = .639)
self-knowledge. Similarly, the self-deter- regarding self-knowledge.
156 EV
4. Discussion referent that make it possible to con-

The aim of this study was to collect ceptualise this construct. The evalu-
information about the validity and reli- ation and comparison of the fit of two
ability of the ARC-INICO scale for eval- different theoretical models (unidimen-
uating self-determination, designed by sional model and higher-order factorial
Verdugo et al. (2014) by expanding the model) has made it possible to confirm
study population, not just to adolescents the results of previous research which
with neuro-development disorders, but showed that self-determination is a
also to young people in general, aged be- multidimensional construct, comprising
tween 12 and 19. The aim of this valida- a structure with four factors: autono-
tion goes beyond the research aim, as it my, self-regulation, empowerment, and
intends to test its usefulness as a tool for self-knowledge, whose covariations are
evaluating individual and group needs explained by the higher-order factor:
to guide the design of educational ideas self-determination (Wehmeyer, 1999,
aimed at improving the personal control, 2003; Verdugo et al., 2014). The CFA
autonomy, and independent life of young revealed adequate indexes of fit (CFI,
people. Likewise, an analysis of factorial GFI, AGFI, and RMSEA) with signif-
invariance was included with which to icant parameters in almost all cases,
test the equivalence of the structure ob- as well as a better fit in terms of the
tained through confirmatory factor anal- non-nested model when compared with
ysis in two different groups: students the unidimensional model.
with and without neuro-developmental

disorders. Similarly, in relation to the mul-
ti-group CFA an adequate fit was ob-
Self-determination is an education- tained for the data with the higher-order
al approach that encompasses all stu- model in both samples: adolescents with

dents and has an essential perspective and without neuro-developmental disor-
on their development and learning. The ders. This suggests that this multidimen-
change proposed from the self-deter- sional model for measuring the self-de-
mination perspective and the improve- termination of all students is viable.
ment in the quality of life allude to the Furthermore, the comparison between
importance of focussing attention on the groups reflects significant differenc-
the student as the central figure in her es with a higher level of self-determi-
education. Therefore, the support or as- nation in respondents who do not have
sistance each student requires should neuro-development disorders compared
be evaluated with the greatest precision with those who do. In this sense, sever-
and reviewed frequently by professional al studies show worse self-determination
teams. results in students with various support
needs (Cho, Wehmeyer, & Kinston, 2013;
As a result, it is important to have Chou, Wehmeyer, Palmer, & Lee, 2016;
a valid instrument and a theoretical Vega et al., 2013).
157 EV
This evidence suggests that the for designing actions intended to lead
ARC-INICO scale is a valid and reliable to educational, personal, and social im-
scale for studying self-determination in provement.
adolescence, with Wehmeyer’s function-
al model (1999, 2003) being an adequate We conclude by emphasising the im-
representation of this construct. In this portance of continuing with this line of
respect, it is possible to refer to other research in order to corroborate or refute
studies with similar results. For example, the data obtained in this study, also tak-
Verdugo et al. (2014) and Vicente et al. ing into account the limitations stated in
(2015) carried out studies of the psycho- it, such as:
metric properties of this scale, through
exploratory and confirmatory factor anal- a) The threat to the possibility of gen-
ysis, which support a structure compris- eralising these results given that all
ing four independent factors. Similarly, of the participants are Galician stu-
these studies support the results found dents. This could be overcome by
in relation to the values of the correla- expanding the sample to include stu-
tion coefficients between first-order fac- dents from other autonomous regions
tors and with regards to the second-order of Spain.
factor. b) The use of a self-report measure, which
derives from the instrument being
This study has several implications evaluated itself, and which could con-
for educational practices. Education has tain biases deriving from social desira-
a special role in training and supporting bility.

students, especially the most vulnerable c) The rapid advance in international
ones, so that they can acquire control research in the field of self-determi-
over and responsibility for their actions nation, which offers new empirical ev-
and decide how to live their own lives idence including the foundations for
(Arellano & Peralta, 2013; Lee et al., constructing a new theoretical model
2012; Wehmeyer et al., 2012; Wehmeyer and for developing evaluation and pro-
& Shogren, 2018; etc.). These supports motion tools.
refer to aspects such as «the provision
of professional interventions, the cre- One example of this is causal agency
ation of settings and the presentation theory (Shogren, Wehmeyer, Palmer, &
of individualised support strategies» Forber-Pratt, 2015; Shogren et al., 2016;
(Schalock, 2018, p. 12), which require Shogren, Wehmeyer, & Burke, 2017),
prior evaluation that makes it possible which proposes an extension of the func-
to determine the need for support and tional model, focussing on the theoretical
a final evaluation of the impact of the and practical reformulation of the original
interventions on personal results. Con- model and giving particular importance
sequently, it is important to develop and to the individual’s capacity for action, de-
validate sold diagnostic tools as a basis fined as being able to «act as the primary
158 EV
Browne, M. W., & Cudeck, R. (1993). Alternative

causal agent in one’s life» (Shogren et al,
ways of assessing model fit. In K. A. Bollen, &
2015, p. 258). Even so, this new formula- J. S. Long (Eds.), Testing structural equation
tion should be regarded as a way of going models (pp. 136-162). Thousand Oaks, Califor-
into greater depth in the aspects relating nia : Sage.
to the individual’s personality, motivation, Bryman, A. (2016). Social research methods. New
and personal development, completing York: Oxford University Press.
Byrne, B. M. (2008). Testing for multigroup equi
and opening necessary and emerging lines
valence of a measuring instrument: A walk
of research, but it does not replace the through the process. Psicothema, 20 (4), 872-
functional model. 882. Retrieved from http://www.psicothema.
com/english/psicothema.asp?id=3569 (Con-
sulted on 13/02/2017).
Notes
1
first approach to the subject of this article was
A Cheung, G. W., & Rensvold, R. B. (2002). Evaluat-
presented at the AIDIPE Congress, in Salamanca,
ing goodness-of-fit indexes for testing measure-
June, 2017.
ment invariance. Structural Equation Mode-
ling, 9 (2), 233-255. doi: https://doi.org/10.1207/
S15328007SEM0902_5
References Cho, H.-J., Wehmeyer, M. L., & Kingston, N. M.
Abalo, J., Lévy, J., Rial, A., & Varela, J. (2006). In- (2013). Factors that predict elementary ed-
varianza factorial con muestras múltiples. In ucators’ perception and practice in teaching
J. Lévy (Ed.), Modelización con estructuras de self-determination. Psychology in the Schools,
covarianzas en ciencias sociales (pp. 259-278). 50 (8), 770-780. doi: https://doi.org/10.1002/
Madrid: Netbiblio. pits.21707
Adams, N., Little, T. D., & Ryan, R. M. (2017). Chou, Y.-C., Wehmeyer, M. L., Palmer, S. B., & Lee,

Self-determination theory. In M. L. Wehmeyer, J. (2016). Comparisons of self-determination
K. A. Shogren, T. D. Little, & S. J. Lopez (Eds.), among students with autism, intellectual disa-
Development of self-determination through the bility, and learning disabilities: A multivariable
life-course (pp. 47-54). New York: Springer analysis. Focus on Autism and Other Devel-
Link. opmental Disabilities, 14, 1-9. doi: https://doi.

Arellano, A., & Peralta, F. (2013). Autodetermina- org/10.1177/1088357615625059
ción de las personas con discapacidad intelec- Elosua, P. (2005). Evaluación progresiva de la in-
tual como objetivo educativo y derecho básico: varianza factorial entre las versiones original y
Estado de la cuestión. Revista Española de adaptada de una escala de autoconcepto. Psic-
Discapacidad, 1 (1), 97-117. doi: http://dx.doi. othema, 17 (2), 356-362. Retrieved from http://
org/10.5569/2340-5104.01.01.05 www.psicothema.com/psicothema.asp?id=3112
Bandalos, D. L. (2002). The effects of item par- (Consulted on 12/02/2017).
celling on goodness-of-fit and parameter esti- Griffin, L. K., Adams, N., & Little, T. D. (2017).
mate bias in structural equation modelling. Self-determination theory, identity develop-
Structural Equation Modelling: A Multidisci- ment, and adolescence. In M. L. Wehmeyer, K.
plinary Journal, 9 (1), 78-102. doi: https://doi. A. Shogren, T. D. Little, & S. J. López (Eds.),
org/10.1207/S15328007SEM0901_5 Development of self-determination through the
Bandalos, D. L., & Finney, S. J. (2012). Factor ana life-course (pp. 189-196). New York: Springer
lysis: Exploratory and confirmatory. In G. R. Link.
Hancock, & R. O. Mueller (Eds.), The review- Kelloway, E. K. (2014). Using Mplus for structural
er’s guide to quantitative methods in the social equation modeling: A researcher’s guide. New
sciences (pp. 93-114). New York: Routledge. York: Sage.
159 EV
Kline, R. B. (2015). Principles and practice of struc- M. L. Wehmeyer, & N. N. Singh (Eds.), Hand-
tural equation modeling. New York: The Guild- book of Positive Psychology in Intellectual and
ford Press. Developmental Disabilities (pp. 49-64). New
Lee, Y., Wehmeyer, M., Palmer, S., William-Diehm, York: Springer.
K., Davies, D., & Stock, S. (2012). Examining Shogren, K. A., Wehmeyer, M. L., Palmer, S. B.,
individual and instruction-related predictors of Forber-Pratt, A. J., Little, T. J., & Lopez, S.
the self-determination of students with disabil- (2015). Causal agency theory: Reconceptu-
ities: multiple regression analysis. Remedial & alizing a functional model of self-determi-
Special Education, 33 (3), 150-161. doi: https:// nation. Education and Training in Autism
doi.org/10.1177/0741932510392053 and Developmental Disabilities, 50 (3), 251-
Little, T. D. (2013). Longitudinal structural equa- 263. Retrieved from http://www.jstor.org/
tion modeling. New York: Guilford Press. stable/24827508 (Consulted on 16/11/2017).
Little, T. D., Cunningham, W. A., Shahar, G., & Shogren, K. A., Wehmeyer, M. L., Palmer, S. B.,
Widaman, K. F. (2002). To parcel or not to & Paek, Y. (2013). Exploring personal and
parcel: Exploring the question, weighing school environment characteristics that pre-
the merits. Structural Equation Modeling, dict self-determination. Exceptionality: a Spe-
9, 151-173. doi: http://dx.doi.org/10.1207/ cial Education Journal, 21 (3), 147-157. doi:
S15328007SEM0902_1 https://doi.org/10.1080/09362835.2013.802231
Murumbardó, C., Guàrdia, J., & Giné, C. (2018). Shogren, K. A., Wehmeyer, M. L., Schalock, R. L., &
Autodeterminación: midiendo el constructo en
Thompson, J. R. (2017). Reframing educational
jóvenes con y sin discapacidad. Siglo Cero: Re-
supports for students with intellectual disabil-
vista Española sobre Discapacidad Intelectual,
ity through strengths-based approaches. In M.
1, 137-138. doi: http://dx.doi.org/10.14201/
L. Wehmeyer, & K. A. Shogren (Eds.), Hand-
scero20180
book of research-based practices for educating
Peralta, F., & Arellano, A. (2014). La autodetermi-
students with intellectual disability (pp. 17-31).
nación de las personas con discapacidad inte-

New York: Routledge.
lectual: Situación actual en España. Revista
CES Psicología, 7 (2), 59-77. Retrieved from Vega, C., Gómez-Vela, M., Fernández-Pulido, R.,
http://revistas.ces.edu.co/index.php/psicologia/ & Badía, M. (2013). El papel del contexto edu-
article/view/2891 cativo en la autodeterminación. Análisis de su
Prieto, G., & Delgado, A. R. (2010). Fiabilidad y influencia en el proceso de transición a la vida
validez. Papeles del Psicólogo, 31 (1), 67-74. adulta de alumnos con discapacidad intelec-
Retrieved from www.papelesdelpsicologo.es/ tual. Revista Iberoamericana de Educación, 63,
resumen?pii=1797 (Consulted on 16/02/2017). 19-33. Retrieved from https://rieoei.org/RIE/
Schalock, R. L. (2018). Seis ideas que están cam- article/view/418 (Consulted on 22/06/2017).
biando el campo de las discapacidades inte- Verdugo, M. A., Vicente, E., Fernández-Pulido,
lectuales y del desarrollo en todo el mundo. R., Gómez-Vela, M., Wehmeyer, M. L., & Gui-
Siglo Cero: Revista Española sobre Discapaci- llén, V. M. (2015). Evaluación psicométrica de
dad Intelectual, 49 (1), 7-19. doi: http://dx.doi. la escala ARC-INICO de autodeterminación
org/10.14201/scero2018491719 para adolescentes con discapacidad intelectual.
Shogren, K. A., & Wehmeyer, M. L. (2016). International Journal of Clinical and Health
Self-determination and goal attainment. In M. Psychology, 15 (2), 149-159. doi: https://doi.
L. Wehmeyer, & K. A. Shogren (Eds.), Hand- org/10.1016/j.ijchp.2015.03.001
book of research-based practices for educating Verdugo, M. A., Vicente, E. M., Gómez, M.,
students with intellectual disability (pp. 255- Fernández, R., Wehmeyer, M. L., Badía, M., …
273). New York: Routledge. & Calvo, M. I. (2014). Escala ARC-INICO de
Shogren, K. A., Wehmeyer, M. L., & Burke, K. M. evaluación de la autodeterminación: Manual
(2017). Self-determination. In K. A. Shogren, de aplicación y corrección. Salamanca: INICO.
160 EV
Vicente, E., Guillén, V. M., Gómez, L., Ibáñez, A., velopmental Disabilities, 51 (5), 399-411. doi:
& Sánchez, S. (2018). Elaborando una escala https://doi.org/10.1352/1934-9556-51.5.399
de autodeterminación a partir del consenso Wehmeyer, M. L., Field, S., & Thoma, C. A. (2012).
entre expertos. Siglo Cero: Revista Española Self-determination and adolescent transition
sobre Discapacidad Intelectual, 1, 138-139. doi: education. In M. L. Wehmeyer, & K. W. Webb
http://dx.doi.org/10.14201/scero20180 (Coords.), Handbook of adolescent transition
Vicente, E., Verdugo, M. A., Gómez-Vela, M., education for youth with disabilities (pp. 171-
Fernández-Pulido, R., & Guillén, V. (2015). Pro- 190). London: Routledge.
piedades psicométricas de la escala ARC-INI- Wehmeyer, M. L., & Kelchner, K. (1995). The Arc’s
CO para evaluar la autodeterminación. Revis- self-determination scale. Arlington: The Arc
ta Española de Orientación y Psicopedagogía, National of United States.
26 (1), 8-24. doi: https://doi.org/10.5944/reop. Wehmeyer, M. L., & Shogren, K. A. (2018). Self-de-
vol.26.num.1.2015.14339 termination and positive psychological aspects
Vicente, E., Verdugo, M. A., Gómez-Vela, M., of social psychology. In D. S. Dunn (Ed.), Posi-
Fernández-Pulido, R., & Guillén, V. (2017). tive psychology: Established and emerging is-
Personal characteristics and school contextual sues. New York: Rutledge.
variables associated with student self-determi- West, S. G., Taylor, A. B., & Wu, W. (2015). Model
nation in Spanish context. Journal of Intellec- fit and model selection in structural equation
tual & Developmental Disability, 42 (3), 1-12 modeling. In R. H. Hoyle (Ed.), Handbook of
doi: https://doi.org/10.3109/13668250.2017.13 structural equation modeling (pp. 209-231).
10828 New York: The Guilford Press.
Walker, H. M., Calkins, C., Wehmeyer, M. L.,
Walker, L., Bacon, A., Palmer, S. B., … & Jon-
hson, D. R. (2011). A social-ecological approach Authors’ biographies
to promote self-determination. Exceptionality: Jesús Miguel Muñoz Cantero is a
A Special Education Journal, 19 (1), 6-18. doi: PhD from the Universidad de Santiago de

https://doi.org/10.1080/09362835.2011.537220 Compostela. Director of the Department of
Wehmeyer, M. L. (1995). The arc’s self-determina- Specific Didactics and Research and Diag-
tion scale: procedural guidelines. Texas: The
nosis Methods in Education, and Professor
ARC of United States.
Wehmeyer, M. L. (1999). A functional model
at the Universidade da Coruña. He also co-

of self-determination: describing develop- ordinates the Research Group on Educa-
ment and implementing instruction. Fo- tional Evaluation and Quality (Grupo de
cus on Autism and Other Developmental Investigación en Evaluación y Calidad Ed-
Disabilities, 14 (1), 53-61. doi: https://doi. ucativa). His lines of research are focused
org/10.1177/108835769901400107
on the evaluation of educational quality,
Wehmeyer, M. L. (2003). A functional theory of
self-determination: model overview. In M. L.
accreditation and attention to diversity in
Wehmeyer, B. Abery, D. E. Mithaug, & R. Stan- university and non-university contexts.
cliffe (Eds.), Theory in Self-Determination:
foundations for Educational Practice (pp. 182- https://orcid.org/0000-0001-5502-1771
201). Springfield, IL: Charles C. Thomas.
Wehmeyer, M. L. (2015). Framing the future: Luisa Losada Puente is an In-
Self-determination. Remedial and Special
Education, 36 (1), 20-23. doi: https://doi.
ternational PhD from the Universidad
org/10.1177/0741932514551281 de Coruña. Interim Professor at the
Wehmeyer, M. L., & Abery, B. H. (2013). Self-de- University of A Coruña and Member of the
termination and choice. Intellectual and De- Research Group on Educational Evalua-
161 EV
tion and Quality (Grupo de Investigación

en Evaluación y Calidad Educativa). His
lines of research are focused on the eval-
uation of educational quality, attention to
diversity and inclusive education.
https://orcid.org/0000-0003-2300-9537
162 EV
año 77, nº 272, enero-abril 2019
Spanish Journal of Pedagogy
year 77, n. 272, January-April 2019
Table of Contents
Sumario
Studies Notes
Estudios Notas
Francisco López Rupérez, Isabel García García, María Moralo, Manuel Montanero
Eva Expósito Casas Learning with and without errors in students with ASD
Performance in science, epistemic conceptions, and STEM Aprendizaje con y sin error en estudiantes con TEA 85
vocations in Spain’s autonomous communities: evidence
Antonio Portela Pruaño, José Miguel Nieto Cano, Ana
from PISA 2015, improvement policies, and practices
Torres Soto
Rendimiento en Ciencias, concepciones epistémicas y
Re-engagement in education and training of young
vocaciones STEM en las comunidades autónomas españolas.
people who leave education early: the importance
Evidencias desde PISA 2015, políticas y prácticas de mejora 5
of earlier prior trajectories
Zaida Espinosa Zárate La reincorporación formativa de jóvenes
Cultivating creativity for intercultural dialogue que abandonan tempranamente la educación:
El cultivo de la creatividad para el diálogo intercultural 29 relevancia de su trayectoria previa 103
Ignasi de Bofarull Oihane Fernández-Lasarte, Eider Goñi, Igor Camino,

Character and learning habits: Estibaliz Ramos-Díaz
definition and measurement proposal Perceived social support and school engagement
Carácter y hábitos para el aprendizaje: in secondary students
definición y proyecto de medición 47 Apoyo social percibido e implicación escolar
del alumnado de educación secundaria 123
David Luque
Interpretive developments of the philosophy Jesús-Miguel Muñoz-Cantero, Luisa Losada-Puente
of education in the anglophone tradition: Validation of the construct of self-determination
an attempt to systematise them through the ARC-INICO scale for teenagers
Desarrollos interpretativos de la filosofía Validación del constructo de autodeterminación
de la educación en la tradición anglófona: a través de la escala ARC-INICO para adolescentes 143
un intento de sistematización 67
Mª Inmaculada López-Núñez, Susana Rubio-Valdehita,
Eva Mª Díaz-Ramiro
Changes in Psychology students’ workload due to
alignment with the EHE
Cambios producidos por la adaptación al EEES
en la carga de trabajo de estudiantes de Psicología 163
Book reviews
Naval, C., & Arbués, E. (Eds.). Hacer la Universidad
en el espacio social [Constructing the university in the
social space] (Emanuele Balduzzi). Mínguez, R., &
Romero, E. (Coords.). La educación ciudadana en
un mundo en transformación: miradas y propuestas
[Citizenship education in a changing world:
perspectives and proposals] (Marina Pedreño Plana).
Bellamy, F.-X. Los desheredados: por qué es urgente
transmitir la cultura [The disinherited: why transmitting
culture is urgent] (Esteban López-Escobar). Pallarés,
M., Chiva, O., López Martín, R., & Cabero, I. La
escuela que llega. Tendencias y nuevos enfoques
metodológicos [The school of the future: Trends and
new methodological focuses] (Juan Carlos San Pedro
Velado). 177
This is the English version of the research articles and book reviews published orig-
inally in the Spanish printed version of issue 272 of the revista española de pe-
dagogía. The full Spanish version of this issue can also be found on the journal's
website http://revistadepedagogia.org.
ISSN: 0034-9461 (Print), 2174-0909 (Online)

https://revistadepedagogia.org/
Depósito legal: M. 6.020 - 1958
INDUSTRIA GRÁFICA ANZOS, S.L. Fuenlabrada - Madrid

Validación Del Constructo de Autodeterminación A Través de La Escala ARC-INICO para Adolescentes

Cargado por

Información del documento

Descripción original:

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

Validación Del Constructo de Autodeterminación A Través de La Escala ARC-INICO para Adolescentes

Cargado por

Copyright:

Formatos disponibles

Validación del constructo de autodeterminación a

través de la escala ARC-INICO para adolescentes 1

Dr. Jesús-Miguel MUÑOZ-CANTERO. Profesor Titular. Universidade da Coruña (jesus.miguel.munoz@udc.es).

Resumen: con discapacidad intelectual y del desarrollo.

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

Fecha de recepción de la versión definitiva de este artículo: 30-05-2018.

(Modelo 2: GFI = .970, AGFI = .954; RM- dents with intellectual and developmental

1. Introducción Schalock y Thompson, 2017; Vicente, Gui-

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

probar la estructura subyacente al conjunto 2. Método

Es por ello que este estudio se enfoca en trata de un cuestionario autocumplimen-

que presentaba necesidad de apoyo, se rea- A continuación, se procedió a reali-

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

bles no estuviesen correlacionados y, en el 3. Resultados

año 77, nº 272, enero-abril 2019, 143-162

Tabla 2. Correlación entre las parcelas de la Escala ARC-INICO.

P1_3 .335** .593** 1

P1_4 .231** .268** .298** 1

P2_1 .300** .366** .324** .249** 1

P2_2 .330** .458** .416** .335** .441** 1

P2_3 .317** .407** .362** .223** .488** .447** 1

P3_1 .249** .374** .323** .275** .351** .429** .327** 1

P3_2 .260** .389** .317** .181** .290** .313** .287** .465** 1

Finalmente, la prueba de normalidad de Kol- α = .927; autorregulación α = .945; em-

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

Gráfico 1. Parámetros estandarizados del Modelo 1 (Modelo Unidimensional).

Fuente: Elaboración propia, a partir de IBM SPSS AMOS 23.

Absoluto Parsimonioso Parsimonioso no anidado

χ2 gl P χ2 / gl RMR GFI AGFI RMSEA P AIC CAIC ECVI

año 77, nº 272, enero-abril 2019, 143-162

3.2.2. Modelo 2: Modelo Factorial de Or- do orden de carácter general. El Gráfico

Gráfico 2. Parámetros estandarizados del Modelo 2 (Modelo Factorial de Orden Superior).

Fuente: Elaboración propia, a partir de IBM SPSS AMOS 23.

Los resultados empíricos, presentados presenta un mejor ajuste que el modelo 1,

3.3. Comparación de modelos 3.4. Análisis de la Invarianza Factorial

Tabla 4. Índices de bondad de ajuste del Modelo 2 en invarianza factorial.

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

Añadiendo al modelo base restriccio- propuesto por Cheung y Rensvold (2002),

Después de demostrar la invarianza 3.5. Fiabilidad y correlación entre fac-

Tabla 5. Coeficientes de correlación entre variables endógenas

Autorregulación .820 .593 1

Empoderamiento .798 .564 .543 1

Autoconocimiento .639 .309 .424 .430 1

Fuente: Elaboración propia.

Los resultados muestran valores bas- La autodeterminación representa

De ahí la importancia de contar con

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

fiable para estudiar la autodeterminación

Adams, N., Little, T. D. y Ryan, R. M. (2017).

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

abilities: multiple regression analysis. Reme-

año 77, nº 272, enero-abril 2019, 143-162

revista española de pedagogía

Investigación y Diagnóstico en Educación Luisa Losada Puente es Doctora In-

Ignasi de Bofarull Antonio Portela Pruaño,

P1_3 .335 .593 1

P1_4 .231 .268 .298** 1

P2_1 .300 .366 .324 .249 1

P2_2 .330 .458 .416 .335 .441** 1

P2_3 .317 .407 .362 .223 .488 .447 1

P3_1 .249 .374 .323 .275 .351 .429 .327** 1

P3_2 .260 .389 .317 .181 .290 .313 .287 .465 1

P1_3 .335 .593 1

P1_4 .231 .268 .298** 1

P2_1 .300 .366 .324 .249 1

P2_2 .330 .458 .416 .335 .441** 1

P2_3 .317 .407 .362 .223 .488 .447 1

P3_1 .249 .374 .323 .275 .351 .429 .327** 1

P3_2 .260 .389 .317 .181 .290 .313 .287 .465 1