Summary

Protocole multimodal pour l’évaluation de la métacognition et de l’autorégulation chez les adultes ayant des difficultés d’apprentissage

Published: September 27, 2020
doi:

Summary

Les travaux actuels proposent un protocole d’évaluation multimodale axé sur les processus métacognitifs, autoréglementation de l’apprentissage et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD.

Abstract

Les troubles d’apprentissage (LD) englobent les troubles de ceux qui ont de la difficulté à apprendre et à utiliser leurs compétences universitaires, ce qui montre un rendement inférieur aux attentes quant à leur âge chronologique dans les domaines de la lecture, de l’écriture et/ou des mathématiques. Chacun des troubles qui composent les LD impliquent des déficits différents; cependant, certains points communs peuvent être trouvés dans cette hétérogénéité, tels que l’apprentissage de l’autorégulation et de la métacognition. Contrairement aux jeunes âges et aux niveaux d’éducation ultérieurs, il n’existe pratiquement pas de protocoles d’évaluation fondés sur des données probantes pour les adultes atteints de LD. Les LD influencent le rendement scolaire, mais ont aussi de graves conséquences dans les contextes professionnels, sociaux et familiaux. En réponse à cela, les travaux actuels proposent un protocole d’évaluation multimodale axé sur les processus métacognitifs, autoréglementation de l’apprentissage et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD. L’évaluation se fait par l’analyse du processus d’apprentissage en ligne à l’aide d’une variété de méthodes, de techniques et de capteurs (p. ex., suivi des yeux, expressions faciales de l’émotion, réponses physiologiques, verbalisations simultanées, fichiers journaux, enregistrements d’écran des interactions homme-machine) et méthodes hors ligne (p. ex., questionnaires, entrevues et mesures d’autodéclaration). Cette ligne directrice théorique et empirique vise à fournir une évaluation précise des LD à l’âge adulte afin de concevoir des propositions efficaces de prévention et d’intervention.

Introduction

Les troubles d’apprentissage spécifiques (SLD) englobent les troubles de ceux qui ont de la difficulté à apprendre et à utiliser leurs compétences académiques, ce qui montre un rendement inférieur aux attentes quant à leur âge chronologique dans les domaines de la lecture, de l’écriture et/ou des mathématiques1,2. Il existe différentes estimations des taux de prévalence selon l’âge, la langue et la culture analysées, mais ils sont entre 5% et 15%1,3. Dans la catégorie mondiale des troubles neurodéveloppementaux dans le Manuel diagnostique et statistique des troublesmentaux (5 e Ed.) 1, il est également nécessaire de se concentrer sur l’incidence du trouble déficitaire de l’attention / hyperactivité (ci-après LE TDAH) car il s’agit d’un trouble commun qui a donné lieu à diverses controverses sur la façon de l’aborder ces dernières années. Basé sur le DSM-51, il peut être défini comme un modèle de comportements persistants d’inattention et/ ou d’hyperactivité-impulsivité. De même, le trouble du spectre autistique (ci-après ASD) est une catégorie dans le même manuel qui comprend les étudiants qui présentent des troubles neurodéveloppementaux à la suite de dysfonctionnements multifactoriels du système nerveux central, qui entraînent des dysfonctionnements qualitatifs dans trois domaines fondamentaux du développement de la personne: l’interaction sociale, la communication et les intérêts et les comportements1,2.

Sur ces lignes, un nouveau concept a émergé s’éloignant du sentiment de déficit et offrant une approche plus positive de ces troubles pour être compatible avec les idées actuelles de difficultés neurodéveloppementales comme fortement coexistant et se chevauchant4. De ces nouveaux modèles, il est entendu que les compétences impliquées dans les processus cognitifs de haut niveau, qui permettent de gérer et de réguler son comportement afin d’atteindre un objectif souhaité, sont cruciales pour l’autorégulation et, par conséquent, pour les activités de la vie quotidienne, y compris les académiques5. Dans le contexte de l’âge adulte, la neurodiversité a évolué pour inclure divers types de difficultés, y compris le TDAH et les TSA, ainsi que la dyslexie, la dyspraxie, et / ou la dyscalculie. En conséquence, nous abordons cette neurodiversité à partir d’une conception large des difficultés d’apprentissage (LD). L’augmentation du nombre d’élèves ayant cette diversité inscrits à l’enseignement postsecondaire est bien documentée et est due, en partie, à l’augmentation des taux d’obtention du diplôme d’études secondaires pour les élèves handicapés6, mais en même temps, il ya moins de recherche sur le processus d’apprentissage de ces étudiants que nécessaire7.

Chacun des désordres approchés dans l’isolement impliquent des déficits et des manifestations différents ; cependant, certains points communs peuvent être trouvés dans cette hétérogénéité en termes de LD, tels que métacognitif, autoréglementation, et le dysfonctionnement émotionnel8,9,10,11. Trois fondements fondamentaux dans la littérature de l’apprentissage en général, et les LD en particulier, qui représentent la base d’un apprentissage réussi et jouent un rôle essentiel dans ces difficultés bien connues au niveau académique12. En plus de cela, d’autres approches comprennent qu’il pourrait y avoir une certaine communité entre les déficits dans les fonctions exécutives, tels que les problèmes dans le traitement automatique ou la mémoire de travail, qui se produisent dans différents troubles tels que le TDAH et les troubles de la lecture13 ou le TDAH et tsa5. Toutefois, il reste encore du travail à faire dans ce domaine, puisque toutes les études ne tirent pas les mêmes conclusions sur ces points communs en ce qui concerne les fonctions exécutives. Elle pourrait être due aux variations présentées par les échantillons à partir desquels les études sont basées et aux procédures d’évaluation des fonctions exécutives utilisées dans les enquêtes5,14.

En termes éducatifs, ce mélange diversifié affecte non seulement la qualité de l’apprentissage, en raison de la nature fondamentale des fonctions affectées, mais aussi des phénomènes tels que le décrochage scolaire, le changement de diplôme, etc., avec des implications économiques pour les gouvernements et les universités15. Le taux d’abandon scolaire pour les élèves atteints de DL est plus élevé que chez les élèves de la population généralede 16 ans, mais aussi plus élevé que les taux d’abandon scolaire pour toute autre catégorie de handicaps psychologiques, à l’exception des élèves ayant des troubles émotionnels17. En revanche, le nombre d’étudiants ayant accès à l’enseignement post-obligatoire (formation professionnelle, collège, etc.) augmentede 15, en particulier dans l’enseignement supérieur19,20,21,22. En outre, on pourrait bien supposer qu’il ya beaucoup plus d’étudiants avec LD que ceux qui passent officiellement par les services aux étudiants et constituent généralement les statistiques de prévalence23.

Ces difficultés ne sont pas toujours détectées pendant l’enfance, en particulier chez les adultes nés avant que ces troubles ont été considérés dans le système scolaire régulier, et les symptômes de ces troubles persistent tout au long de la vie des gens et causer des difficultés dans le travail, l’éducation et la vie personnelle24. La recherche a montré que bien que les gens puissent surmonter certaines de leurs difficultés, la plupart continuent d’afficher des difficultés avec l’apprentissage à l’âge adulte et leur persistance est encore problématique à ces niveaux d’éducationsupérieurs 25.

Paradoxalement, contrairement aux niveaux d’éducation antérieurs et aux âges antérieurs, il n’existe pratiquement pas d’instruments fondés sur des données probantes ou de protocoles d’évaluation pour les adultes atteints de LD. Malgré la prolifération des outils de diagnostic pour évaluer les LD pendant l’enfance, la disponibilité d’instruments et de méthodologies valides et fiables pour la population adulte est significativement limitée24. Un examen récent de la littérature sur les troubles d’apprentissage dans l’enseignement supérieur a révélé que la plupart des renseignements recueillis à cet égard sont effectués au moyen d’entrevues et que ce n’est qu’occasionnellement que des questionnaires d’auto-déclaration utilisés26. La méthodologie et les entrevues d’autodétation, bien qu’elles soient précieuses, ne suffisent pas à évaluer avec précision les processus de métacognitive, d’autorégulation et de compétences émotionnelles, en fait, entre autres, en raison de la nature du processus. L’importance des échelles et de la méthodologie d’entrevue pour mesurer ces processus est indéniable27,28, mais il en va de même pour les problèmes associés de validité29 et d’incongruité avec d’autres méthodes novatrices d’évaluation30. Un autre problème dans la détection des LD est le biais dans le diagnostic du désordre dû à l’absence de protocoles complets d’évaluation. Le fait que les professionnels n’ont pas de protocole de référence basé sur des variables objectives est souvent à l’origine de nombreux cas faux positifs et faux négatifs deLDs 31.

En réponse à la fois à la rareté des instruments pour adultes et à la nécessité d’améliorer la méthodologie existante, l’étude actuelle propose un protocole d’évaluation multimodale axé sur les processus métacognitifs, autoréglementations et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD. Conformément à la littérature actuelle, nous proposons un pas vers la mesure intégrative et multicanal32,33. L’évaluation est effectuée au moyen d’une analyse du processus d’apprentissage en ligne à l’aide de plusieurs méthodes, techniques et capteurs (p. ex., environnement d’apprentissage hypermédia, réalité virtuelle, suivi des yeux, expressions faciales de l’émotion, réponses physiologiques, fichiers journaux, enregistrements d’écran des interactions homme-machine) et méthodes hors ligne (p. ex., questionnaires, entrevues et mesures d’autodéclaration). Cette méthodologie mixte fournit des preuves du déploiement de processus cibles avant, pendant et après l’apprentissage qui peuvent être triangulés pour améliorer la compréhension de la façon dont les élèves apprennent et où se trouve le problème, s’il y en a un34.

Le protocole d’évaluation s’effectue en deux séances. Les séances peuvent être effectuées en une seule séance ou peuvent avoir besoin d’applications partielles selon la personne. Le premier est axé sur la détection ou la confirmation des LD et quel type spécifique de trouble nous sommes confrontés, et le second est conçu pour aller dans les processus métacognitifs, autorégulation, et émotionnel de chaque cas individuel en profondeur.

La session 1 se veut une évaluation diagnostique ou de confirmation des troubles d’apprentissage du participant : SLD, TDAH et/ou TSA (haut fonctionnement) afin de déterminer le type de problèmes spécifiques que les participants ont. Cette évaluation est essentielle pour deux raisons. 1) Les adultes ayant des troubles d’apprentissage ont rarement des informations précises sur leur comportement dysfonctionnel. Certains d’entre eux soupçonnent qu’ils ont un LD, mais n’ont jamais été évalués. D’autres ont peut-être été évalués lorsqu’ils étaient enfants, mais n’ont pas de rapports ou d’autres renseignements. 2) Il peut y avoir des écarts avec les diagnostics précédents (p. ex., un diagnostic antérieur de dyslexie par opposition à un diagnostic actuel de déficit de l’attention et de vitesse de traitement lente; diagnostic antérieur de TSA contrairement à la capacité intellectuelle limitée actuelle, etc.). Le participant est interviewé, et des questionnaires et des tests normalisés sont appliqués. Cette session ici est réalisée par des thérapeutes ayant de l’expérience dans le diagnostic des difficultés de développement et d’apprentissage dans le contexte de la recherche et clinique dans différents bureaux d’une faculté de psychologie espagnole. La séance commence par une entrevue structurée qui recueille des renseignements biographiques ainsi que la présence de symptômes liés aux DSL mentionnés dans le DSM-51. Par la suite, le critère de capacité intellectuelle de référence WAIS-IV35 est utilisé en cas de mise en œuvre du critère d’exclusion et parce qu’il fournit des informations très précieuses pour les difficultés d’apprentissage à partir des échelles « mémoire de travail » et « vitesse de traitement »36. En outre, le test37 révisé par PROLEC se est largement utilisé pour évaluer les troubles de la lecture (processus lexicals, sémantiques et/ou syntaxiques de lecture), l’une des difficultés d’apprentissage les plus répandues et invalidantes dans les contextes académiques actuels, qui se chevauche avec d’autres troubles tels que le TDAH38. Cette évaluation permet de recueillir l’exactitude, la rapidité et la fluidité de la lecture ainsi que les incapacités de lecture, et plus important encore, dans le processus de lecture de l’échec se produit37 (ce test a été évalué avec les étudiants pré-universitaires. Actuellement, il n’y a pas de tests en Espagne qui sont adaptés à la population adulte en général, de sorte que ce test a été sélectionné parce qu’il est le plus proche de la population cible). Ensuite, nous sélectionnons les symptômes du TDAH à travers l’Organisation mondiale de la Santé Adulte TDAH Échelle auto-déclaration (ASRS)39 et affiner l’évaluation de ce trouble, l’introduction de la multimodalité avec un test de pointe de réalité virtuelle de performance continue pour l’évaluation des processus attentionnels et la mémoire de travail chez les adultes, l’Aquarium Nesplora31,40. Ce test est un outil très utile pour diagnostiquer le TDAH chez les adultes et les adolescents de plus de 16 ans dans un scénario écologique, fournissant des données objectives et fiables. Il évalue l’attention sélective et soutenue, l’impulsivité, le temps de réaction, l’attention auditive et visuelle, la persévérance, la qualité de la concentration attentionnelle, l’activité motrice, la mémoire de travail et le coût du changement de tâche. En outre, avec le WAIS-IV35 dans son ensemble pour recueillir des informations sur la capacité intellectuelle du participant, nous accordons une attention particulière aux échelles « mémoire de travail » et « vitesse de traitement » parce qu’elles sont liées à des difficultés d’apprentissage et que les résultats de ces échelles sont utilisés dans la décision finale. Enfin, nous incluons le quotient du spectre autistique (AQ-Short)41 dans le protocole, la version courte de l’AQ-Adult fiable de Baron-Cohen, Wheelwright, Skinner, Martin et Clubley42.

La deuxième session met l’accent sur une évaluation multimodale du processus d’apprentissage du participant. La clé pour comprendre l’apprentissage complexe réside dans la compréhension du déploiement des processus cognitifs, métacognitifs, motivationnels et affectifs des élèves43. À cette fin, les participants travaillent avec MetaTutor, où l’utilisation de stratégies métacognitives et cognitives déployées est observée pendant qu’ils apprennent. MetaTutor est un environnement d’apprentissage hypermédia qui est conçu pour détecter, modéliser, tracer et favoriser l’apprentissage autoréglementé des élèves tout en apprenant différents sujets scientifiques44. La conception de MetaTutor est basée sur des recherches approfondies par Azevedo et ses collègues43,45,46,47 et appartient à une nouvelle tendance dans la mesure de SRL, la soi-disant troisième vague, qui se caractérise par l’utilisation combinée de la mesure et des technologies d’apprentissageavancées 33. L’utilisation de MetaTutor fournit également des données de trace multimodales, intégrant des mesures telles que, le suivi des yeux, les réponses physiologiques émotionnelles (réponse galvanique de la peau (GSR) et les expressions faciales des émotions)48, les données de journal et les questionnaires. Toutes ces mesures sont combinées pour parvenir à une meilleure compréhension des participants SRL et métacognition.

Le suivi des yeux permet de comprendre ce qui attire immédiatement l’attention, quels éléments cibles sont ignorés, dans lesquels les éléments d’ordre sont remarqués, ou comment les éléments se comparent aux autres; l’activité électrodermique nous permet de savoir comment l’excitation émotionnelle change en réponse à l’environnement; la reconnaissance faciale-émotion permet la reconnaissance et l’analyse automatiques des expressions faciales; et l’enregistrement des données recueille et stocke l’interaction de l’élève avec l’environnement d’apprentissage pour une analyse plus approfondie. En ce qui concerne les questionnaires, le Mini International Personality Point Pool49 informe sur une gamme d’activités et de pensées que les gens vivent dans la vie quotidienne en évaluant chacun des cinq principaux traits de personnalité (extraversion, agréalité, conscience, névrose et ouverture). Les aspects connotatifs des croyances épistémologiques50 fournissent de l’information sur les croyances des participants au sujet des connaissances. L’échelle d’estime de soi de Rosenberg montre ce que les participants pensent d’eux-mêmes dans l’ensemble51. Le questionnaire52 sur le règlement sur les émotions fournit des informations sur la régulation des émotions des participants. Le Questionnaire sur les émotions de réussite (AEQ)53 informe sur les émotions habituellement vécues à l’université.

En bref, l’évaluation des LD à l’âge adulte est particulièrement difficile. L’éducation et l’expérience permettent à de nombreux adultes de compenser leurs déficits et présentent plus tard des symptômes indifférenciés ou masqués, sur lesquels les connaissances scientifiques sont encore rares. Compte tenu de l’écart critique de recherche qui se pose, ces travaux actuels visent à assurer des lignes directrices théoriquement axées sur les empiriques pour une évaluation précise des LD à l’âge adulte afin de concevoir des actions efficaces de prévention et d’intervention.

Pour aider les lecteurs à décider si la méthode décrite est appropriée ou non, il est nécessaire de préciser que le protocole ne convient pas aux personnes ayant une déficience intellectuelle parce que leur diagnostic invalide le diagnostic des difficultés d’apprentissage. En outre, en raison des singularités de l’équipement utilisé et du format de présentation du contenu d’apprentissage, il n’est toujours pas possible d’évaluer les personnes ayant une déficience motrice (membres supérieurs, cou et/ou visage), malentendants ou malvoyants. Il ne serait pas non plus approprié pour les participants souffrant de troubles psychiatriques graves. Il faudrait l’utilisation de médicaments qui pourraient modifier le traitement de l’information ou l’expression physiologique des émotions.

Protocol

Le comité d’éthique de la recherche de la Principauté des Asturies et de l’Université d’Oviedo a approuvé ce protocole. 1. Session 1 : évaluation du diagnostic REMARQUE : Dans cette session du protocole, des tests d’évaluation de différents éditeurs sont utilisés, qui ont leurs propres manuels d’application et d’interprétation spécifiques. Étant donné que ces tests, ou d’autres tests similaires, sont largement connus par la communauté scie…

Representative Results

Cette section illustre les résultats représentatifs obtenus à partir du protocole, y compris un exemple de résultats conjoints de la session 1 et un exemple de chaque source d’information de la session 2. Les résultats sur les troubles sont recueillis au cours de la première session par des tests diagnostiques en tenant compte des procédures et des points de coupure spécifiés pour l’évaluation diagnostique des difficultés d’apprentissage des participants (SLD, TDAH et TSA). Le…

Discussion

Le protocole actuel propose une évaluation multimodale axée sur les processus métacognitifs, autoréglementationnels et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD.

La première session est essentielle parce qu’elle se veut une évaluation diagnostique des troubles d’apprentissage du participant. Notez que cette séance ici est réalisée par des thérapeutes ayant de l’expérience dans le diagnostic des difficultés de développement et d’…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Ce manuscrit a été appuyé par un financement de la National Science Foundation (DRL#1660878, DRL#1661202, DUE#1761178, DRL#1916417), Conseil de recherches en sciences humaines du Canada (CRSH 895-2011)-1006), le Ministère des sciences et de l’innovation I+D+i (PID2019-107201GB-100), et l’Union européenne par l’intermédiaire des Fonds européens de développement régional (ERDF) et de la Principauté des Asturies (FC-GRUPIN-IDI/2018/000199). Les opinions, constatations, conclusions ou recommandations exprimées dans le présent document sont celles des auteurs et ne reflètent pas nécessairement les points de vue de la Fondation nationale des sciences ou du Conseil de recherches en sciences humaines du Canada. Les auteurs tiennent également à remercier les membres du smart lab de l’UCF pour leur aide et leurs contributions.

Materials

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

References

  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

Cite This Article
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