Summary

Protocollo multimodale per la valutazione della metacognizione e dell'autoregolamentazione negli adulti con difficoltà di apprendimento

Published: September 27, 2020
doi:

Summary

Il lavoro attuale propone un protocollo di valutazione multimodale incentrato sulla metacognitiva, l’autoregolamentazione dell’apprendimento e i processi emotivi, che costituiscono la base delle difficoltà negli adulti con LD.

Abstract

Le difficoltà di apprendimento (LD) comprendono i disturbi di coloro che hanno difficoltà ad apprendere e utilizzare le competenze accademiche, mostrando prestazioni al di sotto delle aspettative per la loro età cronologica nei settori della lettura, della scrittura e/o della matematica. Ciascuno dei disturbi che costituiscono gli LD comporta diversi deficit; tuttavia, alcuni punti in comune possono essere trovati all’interno di tale eterogeneità, come in termini di autoregolamentazione dell’apprendimento e metacognizione. A differenza delle prime età e dei livelli di istruzione successivi, non ci sono quasi protocolli di valutazione basati su prove per gli adulti con LD. In risposta a ciò, l’attuale lavoro propone un protocollo di valutazione multimodale incentrato sulla metacognitiva, l’autoregolamentazione dell’apprendimento e i processi emotivi, che costituiscono la base delle difficoltà negli adulti con LD. La valutazione viene effettuata attraverso l’analisi del processo di apprendimento on-line utilizzando metodi, tecniche e sensori di varietà (ad esempio, tracciamento oculare, espressioni facciali di emozione, risposte fisiologiche, verbalizzazioni simultanee, file di log, registrazioni dello schermo delle interazioni uomo-macchina) e metodi off-line (ad esempio, questionari, interviste e misure di auto-segnalazione). Questa linea guida teoricamente basata ed empiricamente mira a fornire una valutazione accurata degli LD in età adulta al fine di progettare proposte efficaci di prevenzione e intervento.

Introduction

Disturbi specifici dell’apprendimento (SLD) comprendono disturbi di coloro che hanno difficoltà ad apprendere e utilizzare le competenze accademiche, mostrando prestazioni al di sotto delle aspettative per la loro età cronologica nei settori della lettura, scrittura e/o matematica1,2. Ci sono diverse stime dei tassi di prevalenza a seconda dell’età, della lingua e della cultura analizzate, ma sono tra il 5% e il 15%1,3. All’interno della categoria globale dei disturbi del neurosviluppo nel Manuale diagnostico e statistico dei disturbi mentali(5 th Ed.) 1, è anche necessario concentrarsi sull’incidenza di Disordine di Attenzione-Deficit/Iperattività (qui in seguito ADHD) in quanto è un disturbo comune che ha dato origine a varie controversie su come avvicinarsi negli ultimi anni. Basato sul DSM-51, può essere definito come un modello di comportamenti persistenti di disattenzione e/o iperattività-impulsività. Allo stesso modo, il disturbo dello spettro autistico (qui di seguito ASD) è una categoria nello stesso manuale che include gli studenti che presentano disturbi del neurosviluppo a seguito di disfunzioni multifattoriali del sistema nervoso centrale, che si traduranno in disfunzioni qualitative in tre aree fondamentali dello sviluppo della persona: interazione sociale, comunicazione e interessi e comportamenti1,2.

Su queste linee, è emerso un nuovo concetto allontanarsi dal senso di deficit e offrire un approccio più positivo a questi disturbi per essere coerente con le attuali idee di difficoltà di neurosviluppo come altamente coesistenti e sovrapposte4. Da questi nuovi modelli, si comprende che le competenze coinvolte nei processi cognitivi di alto livello, che consentono di gestire e regolare il comportamento al fine di raggiungere un obiettivo desiderato, sono cruciali per l’autoregolamentazione e, quindi, per le attività della vita quotidiana, comprese quelleaccademiche 5. Nel contesto dell’età adulta, la neurodiversità si è evoluta per includere vari tipi di difficoltà, tra cui ADHD e ASD, così come dislessia, disprassia e/o discalculia. Di conseguenza, ci stiamo avvicinando a questa neurodiversità da un’ampia concezione delle difficoltà di apprendimento (LD). L’aumento degli studenti con questa diversità iscritti all’istruzione post-secondaria è ben documentato ed è dovuto, in parte, all’aumento dei tassi di laurea delle scuole superiori per gli studenticon disabilità 6, ma allo stesso tempo, c’è meno ricerca sul processo di apprendimento di questi studenti del necessario7.

Ciascuno dei disturbi affrontati isolatamente comporta diversi deficit e manifestazioni; tuttavia, alcune comunità possono essere trovate all’interno di tale eterogeneità in termini di LD, come metacognitivo, autoregolamentazione, e malfunzionamento emotivo8,9,10,11. Tre basi fondamentali nella letteratura dell’apprendimento in generale, e in particolare le LD, che rappresentano la base di un apprendimento di successo e svolgono un ruolo essenziale in queste ben note difficoltà a livello accademico12. Oltre a questo, altri approcci capiscono che ci potrebbe essere una certa comunanza tra deficit nelle funzioni esecutive, come problemi nell’elaborazione automatica o memoria di lavoro, che si verificano in diversi disturbi come ADHD e disturbi di lettura13 o ADHD e ASD5. Tuttavia, c’è ancora del lavoro da fare in questo campo, poiché non tutti gli studi giungere alle stesse conclusioni su questi punti in comune in relazione alle funzioni esecutive. Ciò potrebbe essere dovuto alle variazioni presentate dai campioni su cui si basano gli studi e alle procedure di valutazione delle funzioni esecutive utilizzate nelle indagini5,14.

In termini educativi, questo mix diversificato influisce non solo sulla qualità dell’apprendimento, a causa della natura fondamentale delle funzioni interessate, ma anche su fenomeni come l’abbandono scolastico, il cambiamento di grado, ecc., con implicazioni economiche per i governi e leuniversità 15. Il tasso di abbandono per gli studenti con LD è superiore a quello degli studenti della popolazione generale16, ma anche superiore ai tassi di abbandono per qualsiasi altra categoria di disabilità psicologica ad eccezione di quelli con disturbi emotivi17. Al contrario, il numero di studenti con LD che accedono all’istruzione post-obbligatoria (formazione professionale, college, ecc.) è inaumento di 15,in particolarenell’istruzione superiore 19,20,21,22. Inoltre, si potrebbe ben supporre che ci sono molti più studenti con LD rispetto a quelli che passano ufficialmente attraverso i servizi agli studenti e in genere costituiscono le statistiche di prevalenza23.

Queste difficoltà non sono sempre rilevate durante l’infanzia, soprattutto negli adulti nati prima che questi disturbi fossero considerati nel sistema accademico regolare, e i sintomi di questi disturbi persistono per tutta la vita delle persone e causano difficoltà nel lavoro, nell’istruzione e nella vitapersonale 24. La ricerca ha dimostrato che, sebbene le persone possano superare alcune delle loro difficoltà, la maggior parte continua a mostrare difficoltà con l’apprendimento durante l’età adulta e la loro persistenza è ancora problematica a quei livelli di istruzionesuperiore 25.

Paradossalmente, a differenza dei precedenti livelli di istruzione e delle epoche precedenti, non ci sono quasi strumenti basati su prove o protocolli di valutazione per gli adulti con LD. Nonostante la proliferazione di strumenti diagnostici per valutare gli LD durante l’infanzia, la disponibilità di strumenti e metodologie validi e affidabili per la popolazione adulta èsignificativamente limitata 24. Una recente revisione della letteratura sulle disabilità di apprendimento nell’istruzione superiore ha rilevato che la maggior parte delle informazioni raccolte a questo proposito è fatta attraverso interviste, e solo occasionalmente sono questionari auto-report utilizzati26. La metodologia e le interviste di auto-relazione, sebbene preziose, non sono sufficienti per valutare con precisione i processi metacognitivi, di autoregolamentazione e di abilità emotive, tra gli altri, a causa della natura del processo. L’importanza delle scale e della metodologia di intervista per la misurazione di tali processiè innegabile 27,28, ma anche i problemi associati di validità29 e incongruenza con altri metodi innovativi di valutazione30. Un ulteriore problema nell’individuazione degli LD è il pregiudizio nella diagnosi del disturbo a causa dell’assenza di protocolli di valutazione completi. Il fatto che i professionisti non abbiano un protocollo di riferimento basato su variabili oggettive sta spesso causando molti casi falsi positivi e falsi negativi di LDs31.

In risposta sia alla scarsità di strumenti per gli adulti che alla necessità di migliorare la metodologia esistente, lo studio attuale propone un protocollo di valutazione multimodale incentrato sui processi metacognitivi, di autoregolamentazione ed emotivi, che costituiscono la base delle difficoltà negli adulti con LD. In linea con la letteratura attuale, proponiamo un passaggio verso la misurazione integrativa emulticanale 32,33. La valutazione viene effettuata attraverso un’analisi del processo di apprendimento on-line utilizzando diversi metodi, tecniche e sensori (ad esempio, ambiente di apprendimento ipermediale, realtà virtuale, tracciamento oculare, espressioni facciali delle emozioni, risposte fisiologiche, file di log, registrazioni dello schermo delle interazioni uomo-macchina) e metodi off-line (ad esempio, questionari, interviste e misure di auto-segnalazione). Questa metodologia mista fornisce la prova della distribuzione dei processi target prima, durante e dopo l’apprendimento che possono essere triangolati per migliorare la comprensione di come gli studenti imparano e dove si trova il problema, se c’è un34.

Il protocollo di valutazione viene eseguito nell’corso di due sessioni. Le sessioni possono essere fatte in una sola seduta o possono richiedere applicazioni parziali a seconda della persona. Il primo è focalizzato sul rilevamento o la conferma di LD e sul tipo specifico di disturbo che stiamo affrontando, e il secondo è progettato per entrare nei processi metacognitivi, di autoregolamentazione ed emotivi di ogni singolo caso in profondità.

La sessione 1 è destinata ad essere una valutazione diagnostica o di conferma delle difficoltà di apprendimento del partecipante: SLD, ADHD e/o ASD (alto funzionamento) per determinare il tipo di problemi specifici che i partecipanti hanno. Questa valutazione è essenziale per due motivi. 1) Gli adulti con difficoltà di apprendimento raramente hanno informazioni accurate sul loro comportamento disfunzionale. Alcuni di loro sospettano di avere un LD, ma non sono mai stati valutati. Altri possono essere stati valutati quando erano bambini, ma non hanno alcuna segnalazione o ulteriori informazioni. 2) Ci possono essere discrepanze con le diagnosi precedenti (ad esempio, una precedente diagnosi di dislessia in contrapposizione a una diagnosi corrente di deficit di attenzione e velocità di elaborazione lenta; diagnosi precedente di ASD in contrasto con l’attuale limitata capacità intellettuale, ecc.). Il partecipante viene intervistato e vengono applicati questionari e test standardizzati. Questa sessione qui è effettuata da terapisti con esperienza nella diagnosi di difficoltà di sviluppo e apprendimento nel contesto di ricerca e clinici in diversi uffici di una Facoltà di Psicologia Spagnola. La sessione inizia con un’intervista strutturata che raccoglie informazioni biografiche insieme alla presenza di sintomi legati alle SDD a cui si fa riferimento nel DSM-51. In seguito, il test di capacità intellettuale di riferimento WAIS-IV35 viene utilizzato in caso di implementazione di criteri di esclusione e perché fornisce informazioni molto preziose per le difficoltà di apprendimento dalle scale “memoria di lavoro” e “velocità di elaborazione”36. Inoltre, il PROLEC SE-Revised Test37 è ampiamente utilizzato per valutare le disabilità di lettura (processi lessicali, semantici e/o sintattici di lettura), una delle difficoltà più diffuse e invalidanti per l’apprendimento negli attuali contesti accademici, che si sovrappone ad altri disturbi come ADHD38. Questa valutazione raccoglie l’accuratezza della lettura, la velocità e la fluidità insieme alle disabilità di lettura e, cosa ancora più importante, in cui il processo di lettura siverifica l’errore 37 (questo test è stato valutato con gli studenti pre-universitari. Attualmente, non ci sono test in Spagna che sono adattati alla popolazione adulta generale, quindi questo test è stato selezionato perché è il più vicino alla popolazione target). Quindi, controlliamo i sintomi di ADHD attraverso l’Organizzazione Mondiale della Sanità Adult ADHD Self-Report Scale (ASRS)39 e affiniamo la valutazione di questo disturbo, introducendo la multimodalità con un test di prestazioni continue di realtà virtuale all’avanguardia per la valutazione dei processi di attenzione e della memoria di lavoro negli adulti, il Nesplora Aquarium31,40. Questo test è uno strumento molto utile per diagnosticare ADHD in adulti e adolescenti di età oltre 16 anni in uno scenario ecologico, fornendo oggettivi, dati affidabili. Valuta l’attenzione selettiva e sostenuta, l’impulsività, il tempo di reazione, l’attenzione uditiva e visiva, la perseveranza, la qualità della messa a fuoco attenzioni, l’attività motoria, la memoria di lavoro e il costo del cambiamento di compito. Inoltre, insieme al WAIS-IV35 nel suo complesso per la raccolta di informazioni sulla capacità intellettuale del partecipante, prestamo particolare attenzione alle scale “memoria di lavoro” e “velocità di elaborazione” perché sono correlate alle difficoltà di apprendimento e i risultati di queste scale vengono utilizzati nella decisione finale. Infine, includiamo l’Autism Spectrum Quotient (AQ-Short)41 nel protocollo, la versione breve dell’affidabile AQ-Adult di Baron-Cohen, Wheelwright, Skinner, Martin e Clubley42.

La sessione 2 si concentra su una valutazione multimodale del processo di apprendimento del partecipante. La chiave per comprendere l’apprendimento complesso sta nella comprensione della distribuzione dei processi cognitivi, metacognitivi, motivazionali e affettivi deglistudenti 43. A tal fine, i partecipanti lavorano con MetaTutor, dove l’uso di strategie metacognitive e cognitive implementate vengono osservate mentre stanno imparando. MetaTutor è un ambiente di apprendimento ipermediato progettato per rilevare, modellare, tracciare e promuovere l’apprendimento autoregolato degli studenti mentre si impara diversi argomentiscientifici 44. Il progetto di MetaTutor si basa su una vasta ricerca di Azevedo e colleghi43,45,46,47 e appartiene ad una nuova tendenza nella misurazione della SRL, la cosiddetta terza ondata, che si caratterizza per l’uso combinato di tecniche di misurazione e di apprendimento avanzato33. L’uso di MetaTutor fornisce anche dati di traccia multimodale, incorporando misure come, tracciamento degli occhi, risposte fisiologiche emotive (risposta della pelle galvanica (GSR) ed espressioni facciali di emozioni)48, dati di log e questionari. Tutte queste misure sono combinate per raggiungere una comprensione più profonda dei partecipanti SRL e metacognizione.

Il tracciamento oculare fornisce una comprensione di ciò che attira l’attenzione immediata, quali elementi di destinazione vengono ignorati, in cui gli elementi dell’ordine vengono notati o come gli elementi si confrontano con gli altri; l’attività elettrodermica ci fa sapere come cambia l’eccitazione emotiva in risposta all’ambiente; riconoscimento facciale-emozione permette il riconoscimento automatico e l’analisi delle espressioni facciali; e la registrazione dei dati raccoglie e memorizza l’interazione dello studente con l’ambiente di apprendimento per ulteriori analisi. Per quanto riguarda i questionari, il Mini International Personality Item Pool49 informa su una serie di attività e pensieri che le persone sperimentano nella vita quotidiana valutando ciascuno dei cinque principali tratti della personalità (estraversione, gradevolezza, coscienziosità, nevrosi e apertura). Gli aspetti connotativi delle credenze epistemologiche50 forniscono informazioni sulle credenze dei partecipanti sulla conoscenza. La scala di autostima di Rosenberg mostra come i partecipanti si sentono su se stessinel complesso 51. Il questionario52 sulla regolazione delle emozioni fornisce informazioni sulla regolazione delle emozioni dei partecipanti. Il Achievement Emotions Questionnaire (AEQ)53 informa sulle emozioni tipicamente vissute all’università.

In breve, valutare gli LD durante l’età adulta è particolarmente difficile. L’istruzione e l’esperienza permettono a molti adulti di compensare i loro deficit e successivamente mostrano sintomi indifferenziati o mascherati, sui quali le conoscenze scientifiche sono ancora scarse. Tenendo conto del divario critico di ricerca che si presenta, questo lavoro attuale mira a garantire linee guida teoricamente guidate, basate empiricamente per una valutazione accurata degli LD durante l’età adulta al fine di progettare azioni efficaci di prevenzione e intervento.

Per aiutare i lettori a decidere se il metodo descritto è appropriato o meno, è necessario specificare che il protocollo non è adatto alle persone con disabilità intellettive perché la loro diagnosi invalida la diagnosi delle difficoltà di apprendimento. Inoltre, a causa delle singolarità delle attrezzature utilizzate e del formato di visualizzazione del contenuto di apprendimento, non è ancora possibile valutare le persone con disabilità motorie (arti superiori, collo e/o viso), ipoacusia o disabilità visive. Né sarebbe adatto per i partecipanti con gravi disturbi psichiatrici. Richiederebbe l’uso di farmaci che potrebbero alterare l’elaborazione delle informazioni o l’espressione fisiologica delle emozioni.

Protocol

Il comitato etico di ricerca del Principato delle Asturie e dell’Università di Oviedo hanno approvato questo protocollo. 1. Sessione 1: valutazione della diagnosi NOTA: in questa sessione del protocollo vengono utilizzati test di valutazione di diversi editori, che dispongono di manuali specifici di applicazione e interpretazione. Poiché questi test, o altri simili, sono ampiamente conosciuti dalla comunità scientifica nel campo della psicologia e dell’istruzione, …

Representative Results

Questa sezione illustra i risultati rappresentativi ottenuti dal protocollo, tra cui un esempio di risultati congiunti della Sessione 1 e un esempio di ogni fonte di informazioni della Sessione 2. I risultati sui disturbi vengono raccolti nella Sessione 1 attraverso test diagnostici tenendo conto delle procedure e dei punti di cut-off specificati per la valutazione diagnostica delle difficoltà di apprendimento dei partecipanti (SLD, ADHD e ASD). Il comitato di esperti decide se il partecipant…

Discussion

L’attuale protocollo propone una valutazione multimodale incentrata sui processi metacognitivi, di autoregolamentazione ed emotivi, che costituiscono la base delle difficoltà negli adulti con gli LD.

La sessione 1 è essenziale perché è destinata ad essere una valutazione diagnostica delle difficoltà di apprendimento del partecipante. Si noti che questa sessione qui è effettuata da terapisti con esperienza nella diagnosi di difficoltà di sviluppo e di apprendimento nel contesto di ricerc…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

Questo manoscritto è stato sostenuto dal finanziamento della National Science Foundation (DRL-1660878, DRL-1661202, DUE-1761178, DRL-1916417), il Consiglio per la ricerca sulle scienze sociali e le scienze umane del Canada (SSHRC 895-2011 (PID2019-107201GB-100) e l’Unione europea attraverso i Fondi europei di sviluppo regionale (ERDF) e il Principato delle Asturie (FC-GRUPIN-IDI/2018/000199). Eventuali opinioni, conclusioni, conclusioni o raccomandazioni espresse in questo materiale sono quelle degli autori e non riflettono necessariamente le opinioni della National Science Foundation o del Social Sciences and Humanities Research Council of Canada. Gli autori ringraziano anche i membri dello SMART Lab dell’UCF per l’assistenza e il loro contributo.

Materials

AQUARIUM Nesplora
Eye-tracker RED500 Systems SensoMotoric Instruments GmbH
Face API Microsoft
GSR NUL-217 NeuLog

Referenzen

  1. American Psychiatric Association. . Diagnostic and statistical manual of mental disorders (5th ed.). , (2013).
  2. World Health Organization. . International statistical classification of diseases and related health problems (11th Revision). , (2018).
  3. . Education’s Individuals with Disabilities Education Act. 2018 Annual Report to Congress on the Individuals with Disabilities Education Act Available from: https://sites.ed.gov/idea/data (2018)
  4. Armstrong, T. The myth of the normal brain: Embracing neurodiversity. AMA Journal of Ethics. 17 (4), 348-352 (2015).
  5. Berenger, C., Roselló, B., Miranda, A., Baixauli, I., Palomero, B. Executive functions and motivation in children with autism spectrum disorder and attention deficit hyperactivity disorder. International Journal of Developmental and Educational Psychology. 1 (1), 103-112 (2016).
  6. Brinkerhoff, L. C., McGuire, J. M., Shaw, S. F. . Postsecondary education and transition for students with learning disabilities (2nd ed.). , (2002).
  7. Allsopp, D. H., Minskoff, E. H., Bolt, L. Individualized course-specific strategy instruction for college students with learning disabilities and ADHD: Lessons learned from a model demonstration project. Learning Disabilities Research & Practice. 20 (2), 103-118 (2005).
  8. Crane, N., Zusho, A., Ding, Y., Cancelli, A. Domain-specific metacognitive calibration in children with learning disabilities. Contemporary Educational Psychology. 50, 72-79 (2017).
  9. Harris, K. R., Reid, R. R., Graham, S., Wong, B. Self-regulation among students with LD and ADHD. Learning about Learning Disabilities. , 167-195 (2004).
  10. National Joint Committee on Learning Disabilities. . Collective Perspectives on Issues Affecting Learning Disabilities. , (1994).
  11. Sawyer, A. C., Williamson, P., Young, R. Metacognitive processes in emotion recognition: Are they different in adults with Asperger’s disorder. Journal of Autism and Developmental Disorders. 44 (6), 1373-1382 (2014).
  12. Meltzer, L. . Executive function in education: From theory to practice. , (2018).
  13. Martino, G., Capri, T., Castriciano, C., Fabio, R. A. Automatic Deficits can lead to executive déficits. Mediterranean Journal of Clinical Psychology. 5 (3), 1-31 (2017).
  14. Fabio, R. A., et al. Frequency bands in seeing and remembering: comparing ADHD and typically developing children. Neuropsychological Trends. 24, 97-116 (2018).
  15. Bernardo, A. B., Esteban, M., Cerezo, R., Muñiz, L. J. Principales variables influyentes en el abandono de titulación en la Universidad de Oviedo. Informe PRIOR: PRoyecto Integral de ORientación Académico-Profesional. , (2013).
  16. Cortiella, C. . Diplomas at risk: A critical look at the graduation rate of students with learning disabilities. , (2013).
  17. Plasman, J. S., Gottfried, M. A. Applied STEM coursework, high school dropout rates, and students with learning disabilities. Educational Policy. 32 (5), 664-696 (2018).
  18. Cortiella, C., Horowitz, S. H. . The state of learning disabilities: Facts, trends and emerging issues (3rd Ed). , (2014).
  19. Chevalier, T. M., Parrila, R., Ritchie, K. C., Deacon, S. H. The role of metacognitive reading strategies, metacognitive study and learning strategies, and behavioral study and learning strategies in predicting academic success in students with and without a history of reading difficulties. Journal of Learning Disabilities. 50 (1), 34-48 (2017).
  20. Goroshit, M., Hen, M. Academic procrastination and academic performance: Do learning disabilities matter. Current Psychology. , 1-9 (2019).
  21. Grinblat, N., Rosenblum, S. Why are they late? Timing abilities and executive control among students with learning disabilities. Research in Developmental Disabilities. 59, 105-114 (2016).
  22. Heiman, T., Fichten, C. S., Olenik-Shemesh, D., Keshet, N. S., Jorgensen, M. Access and perceived ICT usability among students with disabilities attending higher education institutions. Education and Information Technologies. 22 (6), 2727-2740 (2017).
  23. Couzens, D., et al. Support for students with hidden disabilities in universities: A case study. International Journal of Disability. Development and Education. 62 (1), 24-41 (2015).
  24. Schelke, M. W., et al. Diagnosis of developmental learning and attention disorders in adults: A review of clinical modalities. Neurology, Psychiatry and Brain Research. 23, 27-35 (2017).
  25. Madaus, J. W., Shaw, S. F. The impact of the IDEA 2004 on transition to college for students with learning disabilities. Learning Disabilities Research & Practice. 21 (4), 273-281 (2006).
  26. Santos, C. G., Fernández, E., Cerezo, R., Núñez, J. C. Dificultades de aprendizaje en Educación Superior: un reto para la comunidad universitaria. Publicaciones. 48 (1), 63-75 (2018).
  27. Jiménez, L., García, A. J., López-Cepero, J., Saavedra, F. J. The brief-ACRA scale on learning strategies for university students. Revista de Psicodidáctica. 23 (1), 63-69 (2018).
  28. Zimmerman, B. J., Zimmerman, B. J., Schunk, D. H. Motivational sources and outcomes of self-regulated learning and performance. Handbook of Self-Regulation of Learning and Performance. , 49-65 (2011).
  29. Pike, G. R., Kuh, G. D. A tipology of student engagement for Amer-ican colleges and universities. Research in Higher Education. 46, 185-209 (2005).
  30. Winne, P. H., Perry, N. E., Boekaerts, M., Pintrich, P. R., Zeidner, M. Measuring self-regulated learning. Handbook of Self-Regulation. , 531-566 (2000).
  31. Areces, D., Cueli, M., García, T., González-Castro, P., Rodríguez, C. Using brain activation (nir-HEG/Q-EEG) and execution measures (CPTs) in an ADHD assessment protocol. Journal of Visualized Experiments. (134), e56796 (2018).
  32. Azevedo, R., Taub, M., Mudrick, N. V., Alexander, P. A., Schunk, D. H., Greene, J. A. Understanding and reasoning about real-time cognitive, affective, and metacognitive processes to foster self-regulation with advanced learning technologies. Handbook of Self-Regulation of Learning and Performance. , (2017).
  33. Panadero, E., Klug, J., Järvelä, S. Third wave of measurement in the self-regulated learning field: when measurement and intervention come hand in hand. Scandinavian Journal of Educational Research. 60 (6), 723-735 (2016).
  34. Greene, J. A., Azevedo, R. The measurement of learners’ self-regulated cognitive and metacognitive processes while using computer-based learning environments. Educational Psychologist. 45 (4), 203-209 (2010).
  35. Wechsler, D. A. . Wechsler Adult Intelligence Scale (4th ed.). , (2008).
  36. Theiling, J., Petermann, F. Neuropsychological profiles on the WAIS-IV of adults with ADHD. Journal of Attention Disorders. 20 (11), 913-924 (2016).
  37. Cuetos, F., Arribas, D., Ramos, J. L. . Prolec-SE-R, Batería para la evaluación de los procesos lectores en Secundaria y Bachillerato – Revisada. , (2016).
  38. Mayes, S. D., Calhoun, S. L., Crowell, E. W. Learning disabilities and ADHD: Overlapping spectrum disorders. Journal of Learning Disabilities. 33 (5), 417-424 (2000).
  39. Kessler, R. C., et al. The World Health Organization Adult ADHD Self-Report Scale (ASRS): a short screening scale for use in the general population. Psychological Medicine. 35 (2), 245-256 (2005).
  40. Climent, G., Banterla, F., Iriarte, Y. . AULA: Theoretical manual. , (2011).
  41. Hoekstra, R. A., et al. The construction and validation of an abridged version of the autism-spectrum quotient (AQ-Short). Journal of Autism and Developmental Disorders. 41, 589-596 (2010).
  42. Baron-Cohen, S., Wheelwright, S., Skinner, R., Martin, J., Clubley, E. The autism-spectrum quotient (AQ): evidence from Asperger syndrome/high-functioning autism, males and females, scientists and mathematicians. Journal of Autism and Developmental Disorders. 31, 5-17 (2001).
  43. Azevedo, R., Johnson, A., Chauncey, A., Burkett, C., Khine, M., Saleh, I. Self-regulated learning with MetaTutor: Advancing the science of learning with MetaCognitive tools. New Science of Learning. , 225-247 (2010).
  44. Azevedo, R., Witherspoon, A., Chauncey, A., Burkett, C., Fike, A. MetaTutor: A MetaCognitive tool for enhancing self-regulated learning. 2009 AAAI Fall Symposium Series. , (2009).
  45. Azevedo, R. Theoretical, methodological, and analytical challenges in the research on metacognition and self-regulation: A commentary. Metacognition & Learning. 4 (1), 87-95 (2009).
  46. Feyzi-Behnagh, R., Trevors, G., Bouchet, F., Azevedo, R. Aligning multiple sources of SRL data in MetaTutor: Towards interactive scaffolding in multi-agent systems. 18th biennial meeting of the European Association for Research on Learning and Instruction (EARLI). , (2013).
  47. Harley, J. M., et al. Assessing learning with MetaTutor: A Multi-Agent Hypermedia Learning Environment. Annual meeting of the American Educational Research Association. , (2014).
  48. Azevedo, R., Feyzi-Behnagh, R., Harley, J., Bouchet, F. Analyzing temporally unfolding self-regulatory process during learning with multi-agent technologies. EARLI Biannual Conference 2013. , (2013).
  49. Donnellan, M. B., Oswald, F. L., Baird, B. M., Lucas, R. E. The mini-IPIP scales: tiny-yet-effective measures of the Big Five factors of personality. Psychological Assessment. 18 (2), 192 (2006).
  50. Stahl, E., Bromme, R. The CAEB: An instrument for measuring connotative aspects of epistemological beliefs. Learning and Instruction. 17 (6), 773-785 (2007).
  51. Gray-Little, B., Williams, V. S. L., Hancock, T. D. An item response theory analysis of the Rosenberg Self-Esteem Scale. Personality and Social Psychology Bulletin. 23, 443-451 (1997).
  52. Gross, J. J., John, O. P. Individual differences in two emotion regulation processes: implications for affect, relationships, and well-being. Journal of Personality and Social Psychology. 85 (2), 348 (2003).
  53. Pekrun, R., Goetz, T., Frenzel, A. C., Barchfeld, P., Perry, R. P. Measuring emotions in students’ learning and performance: The Achievement Emotions Questionnaire (AEQ). Contemporary Educational Psychology. 36 (1), 36-48 (2011).
  54. American Psychiatric Association. . Diagnostic and statistical manual of mental disorders – reviewed (DSM-IV-TR). , (2000).
  55. . Face API [Computer software] Available from: https://azure.microsoft.com/es-es/services/cognitive-services/face/ (2019)
  56. Picard, R. W. . Affective computing. , (2000).
  57. Grills-Taquechel, A. E., Fletcher, J. M., Vaughn, S. R., Stuebing, K. K. Anxiety and reading difficulties in early elementary school: Evidence for unidirectional-or bi-directional relations. Child Psychiatry & Human Development. 43 (1), 35-47 (2012).
  58. Mammarella, I. C., et al. Anxiety and depression in children with nonverbal learning disabilities, reading disabilities, or typical development. Journal of Learning Disabilities. 49, 130-139 (2014).
  59. Nelson, J. M., Harwood, H. Learning disabilities and anxiety: A meta-analysis. Journal of Learning Disabilities. 44 (1), 3-17 (2011).
  60. Arora, M. R., Sharma, J., Mali, U., Sharma, A., Raina, P. Microsoft Cognitive Services. International Journal of Engineering Science. 8 (4), 17323-17326 (2018).
  61. Bondareva, D., et al. Inferring learning from gaze data during interaction with an environment to support self-regulated learning. International Conference on Artificial Intelligence in Education. , 229-238 (2013).
  62. Mason, L., Tornatora, M. C., Pluchino, P. Do fourth graders integrate text and picture in processing and learning from an illustrated science text? Evidence from eye-movement patterns. Computers & Education. 60 (1), 95-109 (2013).
  63. Duffy, M. C., Azevedo, R. Motivation matters: Interactions between achievement goals and agent scaffolding for self-regulated learning within an intelligent tutoring system. Computers in Human Behavior. 52, 338-348 (2015).
  64. Cerezo, R., et al. Mediating Role of Self-efficacy and Usefulness Between Self-regulated Learning Strategy Knowledge and its Use. Revista de Psicodidáctica. 24 (1), 1-8 (2019).
  65. Mudrick, N. V., Azevedo, R., Taub, M. Integrating metacognitive judgments and eye movements using sequential pattern mining to understand processes underlying multimedia learning. Computers in Human Behavior. 96, 223-234 (2019).
  66. Taub, M., Azevedo, R. How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System. International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).
  67. Bogarín, A., Cerezo, R., Romero, C. A survey on educational process mining. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 8 (1), 1230 (2018).
  68. Cerezo, R., Bogarín, A., Esteban, M., Romero, C. Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education. , (2019).
  69. Levenson, R. W. Blood, sweat, and fears. Annals of the New York Academy of Sciences. 1000 (1), 348-366 (2003).
  70. Meer, Y., Breznitz, Z., Katzir, T. Calibration of Self-Reports of Anxiety and Physiological Measures of Anxiety While Reading in Adults With and Without Reading Disability. Dyslexia. 22 (3), 267-284 (2016).
  71. Daley, S. G., Willett, J. B., Fischer, K. W. Emotional responses during reading: Physiological responses predict real-time reading comprehension. Journal of Educational Psychology. 106 (1), 132-143 (2014).
  72. Pekrun, R., Goetz, T., Titz, W., Perry, R. P. Academic emotions in students’ self-regulated learning and achievement: A program of qualitative and quantitative research. Educational Psychologist. 37 (2), 91-105 (2002).
  73. Antonietti, A., Colombo, B., Di Nuzzo, C. Metacognition in self-regulated multimedia learning: Integrating behavioural, psychophysiological and introspective measures. Learning, Media and Technology. 40 (2), 187-209 (2015).
  74. Bogarin, A., Cerezo, R., Romero, C. Discovering learning processes using inductive miner: a case study with Learning Management Systems (LMSs). Psicothema. 30 (3), 322-329 (2018).
  75. Lang, C., Siemens, G., Wise, A., Gašević, D. . Handbook of learning analytics. , (2017).
  76. Romero, C., Ventura, S., Pechenizkiy, M., Baker, R. S. J. . Handbook of educational data mining. , (2010).
  77. Azevedo, R., Gašević, Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
  78. Veenman, M. V. J., Van Hout-Wolters, B., Afflerbach, P. Metacognition and Learning: Conceptual and Methodological Considerations. Metacognition Learning. 1, 3-14 (2006).
  79. Brusilovsky, P., Millán, E., Brusilovsky, P., Kobsa, A., Nejdl, W. User models for adaptive hypermedia and adaptive educational systems. The adaptive web. , 3-53 (2007).
  80. Taub, M., et al. using multi-channel data with multi-level modeling to assess in-game performance during gameplay with CRYSTAL ISLAND. Computers in Human Behavior. 76, 641-655 (2017).

Play Video

Diesen Artikel zitieren
Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. J. Vis. Exp. (163), e60331, doi:10.3791/60331 (2020).

View Video