Validación de batería neuropsicológica y metacognitiva en estudiantes universitarios: evaluación de procesos de aprendizaje y adaptación

  1. Marcelo Gaete Fernández 1
  2. Maria Gomez Gallego 2
  3. Yenny Mendoza Apaza 1
  4. Katherin Quintana Silva 3
  5. Juan Gómez-García 2
  1. 1 Universidad Arturo Prat, Chile
  2. 2 Universidad Católica de Murcia, España
  3. 3 Universidad de Chile
    info

    Universidad de Chile

    Santiago de Chile, Chile

    ROR https://ror.org/047gc3g35

Mostrar afiliaciones +
Revista:
Revista CES Psicología

ISSN: 2011-3080

Año de publicación: 2023

Volumen: 16

Número: 1

Páginas: 62-87

Tipo: Artículo

DOI: 10.21615/CESP.6268 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Revista CES Psicología

Resumen

Reducir índices de fracaso y abandono académico es relevante para las instituciones universitarias. El presente estudio se realizó con el objetivo de proponer y validar una batería, denominada EFUCES, para la evaluación de funciones cognitivas, relacionando aspectos neuropsicológicos y metacognitivos vinculados con la adaptación y el aprendizaje. Se evaluaron 1000 estudiantes universitarios, españoles (295) y chilenos (705). El análisis factorial confirmatorio explica un modelo estructural, conformado por factores: atención, funciones ejecutivas, memoria, inteligencia y metacognición. Los índices de ajuste obtenidos son estadísticamente significativos (p<.001). Para RMSEA=0,036, χ2=0,000; (CMIN/DF)=2,297; (CFI)=0,997; (NFI)=0,994; (NNFI/TLI)=0,995. La batería permite agrupar a los estudiantes evaluados según perfiles obtenidos a partir de sus rendimientos neurocognitivo (Neuro) y metacognitivo (Meta). Se identifican dos grupos con diferencias significativas a nivel neurocognitivo: uno con perfiles bajo el percentil 42 y otro sobre el percentil 62. La integración de las diferencias obtenidas a partir del análisis de rendimiento metacognitivo permite explicar una nomenclatura simple, en la que los estudiantes con perfil tipo A1 presentan un rendimiento global Neuro M=42 y Meta M=18; tipo B1, un rendimiento Neuro M=35 y Meta M=51; tipo C1, un rendimiento Neuro M=37 y Meta M=86. Y, los estudiantes con perfil tipo A2, un rendimiento Neuro M=68 y Meta M=26; tipo B2, un rendimiento Neuro M=62 y Meta M=59 y tipo C2, un rendimiento Neuro M=64 y Meta M=89. Los estudiantes con bajo rendimiento neurocognitivo presentan más dificultades en los procesos de aprendizaje, mientras que aquellos que presentan bajo nivel metacognitivo presentan dificultades adaptativas en las cohortes de ingreso.

Referencias bibliográficas

  • Aizpurua, A., Lizaso, I., & Iturbe, I. (2018). Estrategias de aprendizaje y habilidades de razonamiento de estudiantes universitarios. Revista de Psicodidáctica, 23(2), 110–116. http://doi.org/10.1016/j.psicod.2018.01.001
  • Amieiro, N., Suárez, N., Cerezo, R., Rosario, P., & Núñez, J. (2018). Inventario de procesos de estudio (IPE-ES) para estudiantes universitarios: Estudio de su fiabilidad y validez. Publicación, 48, 183-196. https://doi.org/10.30827/publicaciones.v48i1.7332
  • Ardila, R. (2011). Inteligencia. ¿Qué sabemos y qué nos falta por investigar? Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 35(134), 97-103. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0370-39082011000100009
  • Ato, M., López-García, J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038–1059. https://doi.org/10.6018/analesps.29.3.178511
  • Baddeley, A. (2012). Working Memory: Theories, Models, and Controversies. Annual Review of Psychology, 63(1), 1–29. https://doi.org/10.1146/annurev-psych-120710-100422
  • Brickenkamp, R., & Cubero, N. (2002). d2, test de atención: Manual. TEA Ediciones.
  • Brown, T. (2006). Confirmatory factor analysis for applied research. New York: Guildford Press. http://www.kharazmi-statistics.ir/Uploads/Public/book/Methodology%20in%20the%20Social%20Sciences.pdf
  • Cabrera, L., Bethencourt, J., Álvarez, P., & González, M. (2006). El problema del abandono de los estudios universitarios. Relieve, 12(2), 171-203. https://doi.org/10.7203/relieve.12.2.4226
  • Cancino, V., & Schmal, R. (2014). Sistema de Acreditación Universitaria en Chile: ¿Cuánto hemos avanzado? Estud. Pedagógicos, 40(1), 41-60. http://dx.doi.org/10.4067/S0718-07052014000100003
  • Codorniu-Raga, M., & Vigil-Colet, A. (2003). Sex Differences in Psychometric and Chronometric Measures of Intelligence among Young Adolescents. Personality and Individual Differences, 35, 681-689. https://www.sciencedirect.com/science/article/abs/pii/S0191886902002453
  • Comité Ético Científico UNAP. (2020). Reglamento de funcionamiento Comité Ético Científico Universidad Arturo Prat. https://www.unap.cl/prontus_unap/site/docs/20210518/20210518175718/reglamento_comite_etico_cientifico.pdf
  • Conferencia de Ministros europeos. (2003). Declaración de Berlín. Comunicado oficial de la Conferencia de Ministros responsables de la educación superior celebrada en Berlín el 19 de septiembre de 2003. Madrid:MEC.
  • Crinella. F., & Yu, J. (1999). Brain mechanisms and intelligence. Psychometric g and executive function. Intelligence, 27(4), 299–327. https://doi.org/10.1016/s0160-2896(99)00021-5
  • De Miguel, M. (2003). Evaluación de la calidad de las titulaciones universitarias. Guía metodológica. Madrid: Ministerio de Educación, Cultura y Deporte/Consejo de Coordinación Universitaria. https://sede.educacion.gob.es/publiventa/evaluacion-de-la-calidad-de-las-titulaciones-universitarias-guia-metodologica/universidad/11320
  • Drysdale, M., Ross, J., & Schulz, R. (2001). Cognitive Learning Styles and Academic Performance in 19 First-Year University Courses: Successful Students Versus Students at Risk. Journal of Education for Students Placed at Risk (JESPAR), 6(3), 271–289. https://doi.org/10.1207/S15327671ESPR0603_7
  • Dunning, D., Johnson, K., Ehrlinger. J., & Kruger, J. (2003). Why people fail to recognize their own incompetence. Current Directions in Psychological Science, Washington, DC, 12 (3). 83-87. https://www.sscnet.ucla.edu/comm/kjohnson/Lab/Publications_files/Dunning,%20Johnson,%20et%20al.%20%28200%230
  • Echavarri, M., Godoy, J., & Olaz, F. (2007). Diferencias de género en habilidades cognitivas y rendimiento académico en estudiantes universitarios. UPJ, 6(2).319-322. https://revistas.javeriana.edu.co/index.php/revPsycho/article/view/120
  • Escobedo, M., Hernández, Jesús., Estebané, V., & Martínez, G. (2016). Modelos de ecuaciones estructurales: Características, fases, construcción, aplicación y resultados. Ciencia & trabajo, 18(55), 16-22. https://dx.doi.org/10.4067/S0718-24492016000100004
  • Etchepareborda, M.C., & Abad-Mas, L. (2005). Memoria de trabajo en los procesos básicos del aprendizaje Working memory in basic learning processes. Rev Neurol, 15, 40 Suppl 1, S79-83. Spanish. PMID: 15736098. https://www.neurologia.com/articulo/2005078
  • Fernández, M., Ongarato. P., Saavedra, E., & Casullo, M. (2004). Test de Matrices Progresivas, Escala General: un análisis psicométrico. Evaluar, 4(1). https://revistas.unc.edu.ar/index.php/revaluar/article/view/598
  • Fernando, P., & Anguiano, C. (2010). El análisis factorial como técnica de investigación en psicología. Papeles del Psicólogo, 31(1), 18-33. https://www.redalyc.org/articulo.oa?id=77812441003
  • Flavell, J. (1979). Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry. American Psychologist, 34 (10), 906–911. https://www.semanticscholar.org/paper/Metacognition-and-Cognitive-Monitoring%3A-A-New-Area-Flavell/ee652f0f63ed5b0cfe0af4cb4ea76b2ecf790c8d
  • Fuster, J. (2015). The Prefrontal Cortex. Estados Unidos: Elsevier.
  • Gaete, M., Jorquera, S., Bello, S., Mendoza, Y., Véliz, M., Alonso, M., & Lira, J. (2020). Resultados estandarizados del Montreal Cognitive Assessment (MoCA) para cribado neurocognitivo en población chilena. Neurología. https://doi.org/10.1016/j.nrl.2020.08.017
  • García A., Tirapu J., Luna P., Ibáñez, J., & Duque, P. (2010). ¿Son lo mismo inteligencia y funciones ejecutivas? Rev Neurol, 50, 738-746. https://doi.org/10.33588/rn.5012.2009713
  • Gargallo, B., Campos, C., & Almerich, G. (2016). Aprender a aprender en la universidad. Efectos de una materia instrumental sobre las estrategias de aprendizaje y el rendimiento académico. Cultura y Educación, 28(4), 790–809. https://doi.org/10.1080/11356405.2016.1230293.
  • Gargallo. B., Suárez J., & Pérez C. (2009). El cuestionario CEVEAPEU: Un instrumento para la evaluación de las estrategias de aprendizaje de los estudiantes universitarios. Relieve, 15(2), 1–31. https://doi.org/10.7203/relieve.15.2.4156Gil
  • Hatcher, L. (2006). A step-by-step approach to using SAS for factor analysis and structucal equation modeling. Cary, NJ: The SAS Institute. https://www.sas.com/storefront/aux/en/spsxsfactor/61314_excerpt.pdf
  • Hernández, J., & Pozo, C. (1999). El fracaso académico en la universidad: diseño de un sistema de evaluación y detección temprana. Psicología Educativa, 5(1), 27-40. https://journals.copmadrid.org/psed/art/7bd28f15a49d5e5848d6ec70e584e625
  • Hicks, T., & Heastie, S. (2008). High school to college transition: A profile of the stressors, physical and psychological health issues that affect the first-year on-campus college student. Journal of cultural diversity, 15(3),143-7. https://pubmed.ncbi.nlm.nih.gov/19025202/
  • Irwin, L. (2017). Metacognition: A Concept Analysis. Archives of Psychiatric Nursing, 31(5). 454–456. https://doi.org/10.1016/j.apnu.2017.06.012.
  • Kruger, J., & Reclamacion, D. (1999). Unskilled and unaware of it: how difficulties in recognizing one’s own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134. https://pubmed.ncbi.nlm.nih.gov/10626367/
  • Leibovich, N., & Schmidt, V. (2018). Reflexiones acerca de la evaluación psicológica y neuropsicológica. Revista Argentina de Neuropsicología, 12, 21-28. https://studylib.es/doc/8022099/reflexiones-acerca-de-la-evaluación-psicológica-y-neurops.
  • Lezak, M., Howieson, D., & Loring, D. (2004). Neuropsychological Assessment (4th ed.). Oxford: Oxford University Press
  • Ministerio de Ciencia, Innovación y Universidades de España. (2019). Datos y cifras del sistema universitario español. Publicación 2018-2019. http://www.educacionyfp.gob.es/dam/jcr:2af709c9-9532-414e-9bad-c390d32998d4/datos-y-cifras-sue-2018-19.pdf.
  • Ministerio de Educación Chile. (2020). Estudiantes Matriculados. https://educacionsuperior.mineduc.cl/2022/01/24/admision-universitaria-2022-numero-de-seleccionados-vuelve-a-superar-los-116-mil-anotando-un-crecimiento-del-6-en-comparacion-al-proceso-anterior/
  • Ministerio de Salud de Chile. (2013). Reglamento de la Ley Nº 20.120, Sobre la Investigación Científica en el Ser Humano, su Genoma, y Prohíbe la Clonación Humana. https://www.bcn.cl/leychile/navegar?idNorma=1032919&idParte=9206067&idVersion=
  • Morata-Ramírez, M. Ángeles, Holgado Tello, F. P., Barbero-García, M. I., & Mendez, G. (2015). Análisis factorial confirmatorio: recomendaciones sobre mínimos cuadrados no ponderados en función del error Tipo I de Ji-Cuadrado y RMSEA. Acción Psicológica, 12(1), 79–90. http://dx.doi.org/doi.org/10.5944/ap.12.1.14362
  • Montero, L. (2007). A guide for naming research studies in Psychology. Int J Clin Health Psychol. 7(3), 847-862. https://www.redalyc.org/pdf/337/33770318.pdf
  • Navea, A., & Varela, I. (2019). Variables motivacionales y cognitivas predictivas del rendimiento en estudiantes universitarios de ciencias de la salud. Educación Médica Superior, 33(1), e1397. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21412019000100007&lng=es&tlng=es.
  • Navea, A., & Suárez, J. (2017). Estudio sobre la utilización de estrategias de automotivación en estudiantes universitarios. Psicología Educativa, 23(2), 115–121. https://doi.org/10.1016/j.pse.2016.08.001
  • Pérez-Gil, J., Chacón, S., & Moreno, R. (2000). Validez de Constructo: el uso del análisis factorial exploratorio-confirmatorio para obtener evidencias de validez. Psicothema, 12 (2), 442-446. https://www.psicothema.com/pdf/601.pdf
  • Petersen, S., & Posner, M. (2012). The attention system of the human brain: 20 years after. Annu Rev Neurosci, 35, 73–89. https://doi.org/10.1146%2Fannurev-neuro-062111-150525
  • Puerta, I., Dussán, C., Montoya. D., & Landínez, D. (2018). Estandarización de pruebas neuropsicológicas para la evaluación de la atención en estudiantes universitarios. Rev. CES Psico, 12(1), 17-31. https://doi.org/10.21615/cesp.12.1.2
  • Raven, J., & Court. J. (1993). Test de Matrices Progresivas. Escalas Coloreada, General y Avanzada. Manual. Buenos Aires: Paidós.
  • Rey, A. (2009). Rey: Test de copia y de reproducción de memoria de figuras geométricas complejas. Madrid: TEA ediciones.
  • Romero, E. (2011). Confiabilidad y validez de los instrumentos de evaluación neuropsicológica. Subjetividad y Procesos Cognitivos, 15(2), 83-92. https://www.redalyc.org/articulo.oa?id=339630258004
  • Ross, T., Poston, A., Rein, P., Salvatore, A., Wills, N., & York. T. (2015). M.Performance Invalidity Base Rates Among Healthy Undergraduate Research Participants. Archives of Clinical Neuropsychology, 31(1), 97–104. https://doi.org/10.1093/arclin/acv062
  • Salamanca, S., & Acevedo, E. (2012). Comprensión lectora y memoria declarativa en estudiantes de primer semestre de Psicología de dos sedes de la Universidad Cooperativa de Colombia. Rastros Rostros, 14(28), 51-62 https://revistas.ucc.edu.co/index.php/ra/article/view/81/82?locale=pt_BR
  • Veenman, M., Van Hout-Wolters, B., & Afflerbach, P. (2006). Metacognition and learning: conceptual and methodological considerations. Metacognition and Learning, New York, 1, 3-14. https://doi.org/10.1007/s11409-006-6893-0
  • Verdugo, M. (2008). Metodología en la investigación sobre discapacidad: introducción al uso de las ecuaciones estructurales. Salamanca: INICO, Print. https://jabega.uma.es/permalink/34CBUA_UMA/1bi0plq/alma991003191389704986
Fuente de los datos: Dialnet