|
Páginas: 36-47 Recibido: 2023-03-13 Revisado: 2023-03-31 Aceptado: 2023-09-08 Preprint: 2023-12-15 Publicación
Final: 2024-01-15 |
|
|
Amaya Satrústegui Moreno |
||
|
Alberto Quílez-Robres Universidad de Zaragoza (España) |
||
|
Ester
Mateo González Universidad de Zaragoza (España) |
||
|
Alejandra
Cortés-Pascual |
Resumen
Aunque desde hace décadas se conoce la importancia
que tienen las estrategias de aprendizaje para que éste sea significativo, en
numerosas ocasiones se siguen enseñando las asignaturas de ciencias sin tener
en cuenta el control que pueden tener los estudiantes sobre sus procesos
cognitivos. Muchos educadores son conscientes y quieren que su alumnado reciba
una enseñanza de calidad, pero antes de enseñar estrategias se debe analizar el
conocimiento y la práctica que el estudiantado tiene sobre estos procesos y
cómo afectan a su aprendizaje. En el presente estudio se ha utilizado el
Cuestionario de Estrategias de Aprendizaje (CEA) para estudiar cómo utilizan
estas estrategias 252 estudiantes de Educación Secundaria Obligatoria. El
análisis estadístico inicial indicó la existencia de una relación significativa
moderada entre todas las estrategias de aprendizaje estudiadas y el rendimiento
académico en asignaturas de ciencias salvo el caso de la actitud, la
organización y la recuperación. Posteriormente, el análisis de regresión indicó
que únicamente las variables de motivación, transferencia y control emocional
son capaces de explicar hasta un 26.4% del rendimiento académico en asignaturas
STEM, dejando fuera de este modelo variables importantes como son el
pensamiento crítico y creativo. Se concluye que los estudiantes con mayor
manejo de destrezas metacognitivas y afectivo-sociales obtienen mejores
calificaciones en ciencias.
Abstract
Although the importance of learning strategies for meaningful learning
has been known for decades, science subjects continue to be taught on many
occasions without taking into account the control that
students can have over their cognitive processes. Many teachers are aware of
that and want their students to receive high-quality education, but before
teaching strategies, the knowledge and practice that students have about these
processes and how they affect their learning should be analyzed. In the present
study, the Cuestionario de estrategias
de Aprendizaje (CEA) was used to study how 252
students of Secondary Education use these strategies. The initial statistical
analysis indicated the
existence of a moderate significant
relationship between all
the learning strategies studied and academic performance
in science subjects except
for attitude, organization and retrieval.
Subsequently, the regression
analysis indicated that only the variables of
motivation, transfer and emotional
control are able to explain up to 26.4% of academic performance in STEM subjects,
leaving out of this model
important variables such as critical
and creative thinking. It is concluded that
students with better management of metacognitive
and affective-social skills obtain
better grades in science.
Palabras
clave / Keywords
Proceso de aprendizaje, Rendimiento escolar, Enseñanza de las ciencias,
Enseñanza Secundaria, Pensamiento crítico, Educación tradicional, Creatividad,
Análisis cuantitativo
Learning processes,
Academic achievement, Science education,
Secondary education, Critical
Thinking, Traditional education, Creativity,
Quantitative analysis
1. Introducción
La sociedad se encuentra en un estado de constante cambio, con avances
tecnológicos que se suceden a gran velocidad. Esta dinámica ha generado una
creciente demanda de profesionales especializados en el uso de este tipo de
herramientas (Marín-Marín et al. 2021). En este sentido, el informe Rocard (Rocard et al., 2007) ya
ponía de manifiesto el posible impacto económico derivado del bajo número de
vocaciones científico-tecnológicas, así como los efectos negativos en la
equidad, especialmente cuando estas vocaciones son aún más escasas en alumnas y
estudiantado de origen socioeconómico humilde (Domènech-Casal, 2018). Teniendo en cuenta esto y, con el objetivo de
preparar a los jóvenes para poder enfrentarse de manera efectiva a su futuro
profesional, en los últimos años, ha cobrado un especial protagonismo el
movimiento STEM (Sciences, Technology,
Engineering and Mathematics),
o STEAM (añadiendo la A de “arts”) en la didáctica de
las ciencias (Barlow & Brown, 2020; García-Carmona, 2020; Pérez-Torres,
2021). Este término va más allá de la integración de Ciencia, Tecnología,
Ingeniería y Matemáticas, ya que la educación STEM/STEAM se centra en el
desarrollo de competencias científico-tecnológicas que permitan al estudiantado
proponer soluciones a problemas relevantes de manera argumentada y con valores
(Couso, 2017). Es relevante destacar que, aunque en las últimas décadas ha ido
aumentando el número de proyectos en los que se introduce la rama más artística
del aprendizaje, la mayor parte de la investigación se ha centrado en la parte
científica de esta metodología. Se ha estudiado la influencia que tiene la
pertenencia a una cultura determinada o el sexo, las habilidades que se mejoran
o las necesidades del profesorado para enseñar bajo este enfoque (Marín-Marín
et al., 2021).
Al mismo tiempo, el concepto de aprendizaje ha experimentado una
evolución notable, transitando desde planteamientos conductistas, donde el
docente ejercía un papel activo y expositivo, y el estudiantado adoptaba un
papel más pasivo, hacia enfoques cognitivistas, que consideran a profesorado y
alumnado como facilitadores y agentes activos en el proceso educativo (Beltrán,
2003; Marsico, 2018). Debido a esta evolución, aunque
durante muchos años, el estudio de la ciencia en las diferentes etapas de
educación, pero especialmente a partir de Educación Secundaria Obligatoria
(ESO), siguió una tradición academicista, con una estructura cerrada y centrada
en el currículo, poco a poco se está reconociendo la necesidad de tener en
cuenta otros criterios (Kusumoto, 2018; Lombardi et
al., 2021; Pozo, 1996). Si se acepta que el aprendizaje parte de una
construcción de significados y no es simplemente una memorización de
contenidos, entonces se deben redefinir nuevos métodos para ayudar al
estudiantado a realizar un aprendizaje de calidad (Beltrán, 2003; Quílez-Robres et al., 2021; Tyas
& Naibaho, 2021).
En este sentido, en las últimas décadas se ha ido asentando el concepto
de aprendizaje autorregulado (Self-regulated learning o SRL), que se basa en la idea de que para que se
produzca un aprendizaje significativo se deben activar las estrategias
adecuadas (Solano et al., 2016). El concepto de estrategias de aprendizaje
apareció al final de los años 60 derivado de los estudios sobre técnicas de
estudio y estrategias memorísticas y de la investigación sobre las nuevas
teorías cognitivas (McCombs, 2017). Según la SRL, las estrategias de
aprendizaje se organizan en tres grupos: las estrategias cognitivas,
metacognitivas y afectivo-sociales (Solano et al., 2016).
Las primeras, están relacionadas con aquellas tareas que utilizan las
personas para procesar la información con fines de conocimiento y, a su vez,
con las tareas de aprendizaje (es decir, el ensayo, la elaboración y la
organización) (Mazzeti et al., 2020). Por ello, el estudiantado,
ayudado por sus estrategias cognitivas, incluye y organiza toda la información
nueva en las estructuras ya existentes (Theobald, 2021). Del mismo modo, para
la evaluación de estas estrategias, Beltrán (2006) hace referencia a dos
escalas: la personalización y la elaboración. Dentro de la primera se
encontrarían los siguientes elementos: a) el pensamiento crítico y creativo,
entendido como la capacidad de decidir qué hacer o creer de forma argumentada,
b) la recuperación, o lo que es lo mismo, el acceso a la memoria a largo plazo
para obtener la información allí almacenada y c) la transferencia que es la
capacidad de usar el conocimiento o las actitudes adquiridas en un contexto
nuevo. Además, dentro de la segunda escala se encuentran factores como la
selección, descrito como la discriminación de la información importante de la
irrelevante, la organización o estrategia que establece relaciones entre la
información seleccionada para formar un todo coherente y, la elaboración o relación
de la nueva información con la ya existente para ampliar y mejorar el
conocimiento.
Las estrategias metacognitivas permiten al estudiantado planificar,
controlar y regular su estudio y, por lo tanto, los estudiantes que tienen más
estrategias de este tipo pueden aprender en profundidad (Hayat
et al., 2020). Los discentes con mayores habilidades metacognitivas
(planificación, seguimiento y evaluación) son conscientes de los procesos que
participan en su aprendizaje y pueden actuar para optimizarlos (Pradhan & Das, 2021). Desde otro punto de vista, aunque
en la misma línea, encontramos lo establecido por Beltrán et al. (2006), que
indican que las estrategias metacognitivas se dividirán entre aquellas que
están relacionadas con la planificación y evaluación, analizando la
coordinación de estrategias y el control de los procesos para llegar al
objetivo final y, por otro lado, con la regulación, donde se observará la
existencia de una participación activa en el proceso de aprendizaje existiendo
una retroalimentación que contribuya al control.
Al mismo tiempo, el aprendizaje no será significativo si el estudiantado
no quiere aprender (Ausbel, 1968). Aquí entran en
juego las estrategias afectivo-sociales que son: la motivación, las emociones y
las actitudes (Beltrán et al., 2006). La primera de ellas se definiría como la
estrategia que hace que los procesos llevados a cabo en el aprendizaje se dirijan
y se mantengan de la forma deseada (Ryan & Deci,
2020). Los segundos, los sentimientos, se relacionarían con la afectividad y el
control emocional entendidos como la capacidad de controlar aspectos como la
ansiedad, la impulsividad y el estrés (Malagoli et
al., 2021). Finalmente, las actitudes, se relacionan con la inclinación del
individuo a responder de una determinada manera ante situaciones concretas
(Veas et al., 2019).
Con el objetivo de mejorar estas estrategias en las áreas de ciencias,
diversos investigadores han realizado estudios recientes que demuestran que el
uso de cuestiones socio-científicas y la participación en actividades que
promuevan la reflexión, potencian el desarrollo de la competencia argumentativa
del estudiantado (Brocos & Jiménez, 2020; Magugeri
González et al., 2017), y por lo tanto de su pensamiento crítico. Asimismo, uno
de los elementos más importantes en el estudio de estas cuestiones es la
contextualización del aprendizaje, ayudando al alumnado a dar sentido a lo
aprendido, estimular el aprendizaje y generar emociones positivas (Gilbert et
al., 2011; Samartí y Márquez, 2017). Además, al
centrarse en las estrategias afectivo-sociales, se observa que existe una
relación entre las emociones experimentadas y los conocimientos científicos
consolidados (Ochoa de Alda, et al., 2019).
El segundo eje de este trabajo se centra en el concepto de rendimiento
académico. Este ha sido definido como el resultado de un conjunto de valores
cuantitativos y cualitativos estrechamente relacionados con el proceso de
enseñanza-aprendizaje centrado en un objetivo específico: el logro en la
escuela (Fleischhauer et al., 2010; Von Stumm & Ackerman, 2013).
De tal manera, diferentes autores de referencia lo definen como un concepto de
carácter valorativo que puede adquirir valores cuantitativos y cualitativos
para aportar una idea sobre el nivel de las habilidades, conocimientos, actitudes
y valores adquiridos por el estudiantado a lo largo de su aprendizaje (Olszewski-Kubilius & Corwith,
2018; Peng & Kievit,
2020). Algunos autores apoyan la idea de que se puede predecir el rendimiento
académico del estudiantado conociendo si controla y planifica las actividades
mentales que lleva a cabo durante su aprendizaje y, por lo tanto, las
estrategias de aprendizaje juegan un papel importante para determinar el futuro
éxito académico del alumnado (Greene et al., 2018; Olivier et al., 2019). De esta manera, se pueden encontrar estudios
recientes que hablan de la influencia que tienen estas estrategias en el futuro
académico del estudiantado (Mazetti et al., 2020). En
cuanto a las estrategias afectivo-sociales, se pueden encontrar estudios que
relacionan, la inteligencia emocional del alumnado con su éxito académico
(Abdullah et al., 2017). Además, existen publicaciones que relacionan la
habilidad del estudiantado en el empleo de este tipo de estrategias con el uso
de las de tipo cognitivo. Así, El-Adl & Alkarusi (2020) concluye que el alumnado motivado y con
menor ansiedad ante los exámenes puede controlar mejor su aprendizaje
utilizando sus estrategias cognitivas y un aprendizaje autorregulado. Por
último, investigaciones previas ponen de manifiesto la relación positiva que
existe entre el uso de herramientas metacognitivas y el rendimiento académico
(Trigueros et al., 2020).
Siguiendo estas ideas, resulta fundamental brindar apoyo al alumnado en
el desarrollo de sus estrategias de aprendizaje para alcanzar un mayor éxito
académico. Al
respecto, Hincapié et al. (2016) evidenció que las metodologías tradicionales
no mejoran el rendimiento académico de la misma manera que lo hacen las nuevas
metodologías. Así, en el ámbito del aprendizaje de las ciencias, existen numerosas
publicaciones que exploran la relación entre el método de enseñanza y el éxito
académico del estudiantado. Por ejemplo, Toli & Kallery (2021) realizaron una intervención que integraba
experimentos prácticos y simulacros que aumentaron el interés del alumnado de
Por todo lo expuesto, la presente investigación tiene como objetivo
conocer la relación que existe entre las diferentes estrategias de aprendizaje
del alumnado de un contexto concreto en la etapa de ESO con su rendimiento
académico en las áreas STEM y analizar la posibilidad de predecirlo. De esta
manera, se aporta una visión nueva sobre el estudio de las ciencias ya que,
aunque existe bibliografía que analiza el rendimiento académico o alguna
estrategia de aprendizaje en esta área de conocimiento, son escasos los
estudios que contemplan todas ellas y que llegan a predecir el éxito académico
del estudiantado en las asignaturas científico-matemáticas.
2.
Método
2.1.
Muestra
Tal y como se puede observar en la tabla 1, la
muestra estuvo formada por 252 estudiantes (46,8% mujeres, 53,2% hombres) con
edades comprendidas entre los 12 y los 17 años y que estaban cursando ESO en el
curso 2020-2021. En la distribución de participantes por curso se puede ver un
mayor número de alumnos en el primer y segundo año de la etapa disminuyendo
progresivamente en tercero y cuarto. Todos ellos procedían de un mismo centro
educativo de la ciudad de Zaragoza (España) cuya metodología de enseñanza principal
es la clase magistral interactiva, basada en el acto expositivo del docente y
en la que se espera que los alumnos respondan preguntas y realicen ejercicios
(Berbén et al., 2007; Sánchez, 2011).
Tabla 1
Datos descriptivos de la muestra utilizada en este estudio
|
Curso |
N |
N Mujeres |
N Hombres |
% |
|
|
1º
ESO |
68 |
31 |
37 |
27,00% |
|
|
2º
ESO |
74 |
35 |
39 |
29,40% |
|
|
3º
ESO |
57 |
30 |
27 |
22,60% |
|
|
4º
ESO |
53 |
22 |
31 |
21,00% |
|
|
TOTAL |
252 |
118 |
134 |
100,00% |
2.2.
Instrumentos
En el presente estudio se evaluaron dos
variables y para ello, se utilizaron los siguientes instrumentos de medida:
Figura 1. Escalas
del Cuestionario de Estrategias de Aprendizaje (CEA)
2.3.
Procedimiento
En primer lugar, se obtuvo la autorización y colaboración del centro
educativo. Posteriormente se envió información del proyecto de investigación a
las familias del estudiantado junto con la autorización de la participación de
sus hijos completando un formulario de consentimiento informado. En todo
momento se garantizó la confidencialidad de los datos aportados siguiendo lo
establecido en la Declaración de Helsinki (1964) y, además, se contó con la
aprobación del Comité de Ética de Aragón (CEICA) con número y código C.P. -
C.I. PI21/351 en su reunión del día 22 de septiembre de 2021, Acta No 17/2021.
En el proceso de recogida de datos se contó con la colaboración del
equipo de orientación y los tutores de cada curso. Las pruebas diagnósticas
fueron aplicadas por un único investigador y priorizando el uso de la hora de
tutoría para garantizar las condiciones de privacidad. La duración de cada
sesión fue de 1 hora por grupo y tuvieron lugar en el primer trimestre del
curso 2020-2021.
2.4.
Análisis estadístico
Para el análisis estadístico se hizo uso del programa SPSS, versión 25
(IBM Corp., 2017). En primer lugar, se
procedió a realizar un análisis descriptivo sobre las variables motivo de
estudio mostrando puntuaciones medias y desviación estándar, así como
puntuaciones mínimas y máximas para cada una de ellas. Posteriormente y como
comprobación de hipótesis, se procedió a un análisis correlacional con el fin
de establecer un principio de relación entre variables. Estas correlaciones
fueron confirmadas en un análisis de regresión lineal que contempló a las
diferentes estrategias de aprendizaje como elementos capaces de explicar el
rendimiento académico en áreas STEM en estudiantado de ESO, creando un modelo
explicativo del mismo y poniendo en relieve una serie de variables sobre otras.
3.
Resultados
En primer lugar, se procedió a realzar un análisis descriptivo de las
variables de estudio (tabla 2). Como se puede observar, la mayor parte de ellas
están sesgadas ligeramente a la derecha mientras que la distribución del
control emocional está ligeramente sesgada a la izquierda. En cualquier caso,
todos los valores tanto de asimetría como de curtosis se encuentran entre 1 y
-1, lo que indica una simetría aceptable.
Tabla 2
Estadísticos descriptivos
|
M |
SD |
Min. |
Max. |
Asimetría |
Curtosis |
||
|
Motivación |
45,92 |
7,012 |
24 |
59 |
-.523 |
.124 |
|
|
Actitud |
12,18 |
2,672 |
3 |
15 |
-.946 |
.614 |
|
|
Control
emocional |
15,61 |
4,168 |
6 |
25 |
.017 |
-.637 |
|
|
Elaboración |
33,61 |
4,912 |
19 |
45 |
-.334 |
-.200 |
|
|
Organización |
14,81 |
3,213 |
4 |
20 |
-.546 |
-003 |
|
|
Selección |
15,37 |
2,418 |
8 |
20 |
-.241 |
-0.71 |
|
|
Transferencia |
24,06 |
4,48 |
11 |
35 |
-.235 |
-.132 |
|
|
Pensamiento
crítico y creativo |
39,36 |
5,524 |
23 |
54 |
-.014 |
.053 |
|
|
Recuperación |
14,57 |
2,635 |
6 |
20 |
-.324 |
-.035 |
|
|
Planificación
/ Evaluación |
25,18 |
4,243 |
11 |
35 |
-.376 |
.252 |
|
|
Regulación |
14,47 |
2,568 |
8 |
20 |
-.298 |
-.248 |
|
|
Media
ciencias |
6,78 |
1,7 |
2 |
10 |
-.385 |
-.580 |
Nota: M =
media; SD = desviación estándar, Min = mínimo; Max = máximo
En segundo lugar, se realizó un estudio correlacional empleando el
coeficiente de Pearson (tabla 3). De este análisis, se destaca la relación
positiva y significativa de todas las variables respecto al rendimiento
académico en áreas STEM (p < .01)
con la excepción de la actitud (r =
.037; p > .05), la organización (r = .026; p > .05) y la recuperación (r
= .075; p >.05). El resto de variables presentaron correlaciones significativas que
variaron desde valores medios-bajos (regulación; r = .186; p < .01) a valores
moderados-altos (motivación; r =
.454; p < .01).
Tabla 3
Correlacionales
entre las estrategias de aprendizaje y el rendimiento académico en ciencias
|
1. |
2. |
3. |
4. |
5. |
6. |
7. |
8. |
9. |
10. |
11. |
12. |
||
|
1.
Motivación |
|||||||||||||
|
2.
Actitud |
.12 |
||||||||||||
|
3.
Control emocional |
.341** |
.279** |
|||||||||||
|
4.
Elaboración |
.556** |
.241** |
.187** |
||||||||||
|
5.
Organización |
.304** |
.220** |
.032 |
.321** |
|||||||||
|
6.
Selección |
.527** |
.236** |
.192** |
.608** |
.314** |
||||||||
|
7.
Transferencia |
.624** |
.219** |
.259** |
.670** |
.267** |
.513** |
|||||||
|
8.
Pensamiento crítico y creativo |
.572** |
.169** |
.234** |
.650** |
.249** |
.508** |
.709** |
||||||
|
9.
Recuperación |
.441** |
.255** |
.023 |
.492** |
.512** |
.436** |
.469** |
.403** |
|||||
|
10.
Planificación / Evaluación |
.576** |
.229** |
.177** |
.644** |
.226** |
.504** |
.612** |
.541** |
.520** |
||||
|
11.
Regulación |
.352** |
.03 |
.123 |
.192** |
.161* |
.198** |
.200** |
.129* |
.077 |
.240** |
|||
|
12.
Media ciencias |
.454** |
.037 |
.353** |
.293** |
.026 |
.328** |
.215** |
.254** |
.075 |
.310** |
.186** |
En un tercer análisis estadístico, se aplicó un modelo de regresión
lineal múltiple que incluyó las variables estadísticamente significativas
reportadas por el análisis correlacional. De esta forma, este modelo fue capaz
de explicar el 26,4% de la varianza sobre el rendimiento académico en
asignaturas STEM a través de distintas variables relacionadas con las
estrategias de aprendizaje de manera netamente estadística (tabla 4). Se
destaca la importancia y significatividad de tres de ellas: la motivación, el control
emocional y la transferencia (Figura 2). El resto de variables
(elaboración, selección, pensamiento crítico y creativo,
planificación/evaluación y regulación) quedaron excluidas del mismo por no
presentar significancia estadística dentro de dicho modelo (p > .05). Cabe destacar que el
análisis de colinealidad da valores de VIF comprendidos entre 1 y 3. En todos
los casos están por debajo de 5, por lo que no se observa que estas variables
estén altamente correlacionadas.
Tabla 4
Modelo de
regresión lineal sobre estrategias de aprendizaje y rendimiento académico
|
|
|||||||
|
|
R2 |
R2 ajustado |
Error Estándar |
F |
p |
|
|
|
Modelo
1 |
.288 |
.264 |
1.460 |
12.182 |
<.001 |
|
|
|
|
B |
D.T. |
F |
t |
p |
VIF |
|
|
Motivación |
.087 |
.020 |
0 |
4.423 |
<.001 |
2.233 |
|
|
Control
emocional |
.096 |
.024 |
.236 |
4.053 |
<.001 |
1.145 |
|
|
Elaboración |
.025 |
.030 |
.074 |
.839 |
.402 |
2.611 |
|
|
Selección |
.085 |
.051 |
.121 |
1.677 |
.095 |
1.757 |
|
|
Transferecncia |
-.094 |
.034 |
-.248 |
-2.767 |
<.01 |
2.718 |
|
|
Pensamiento
crítico y creativo |
.002 |
.026 |
.007 |
.085 |
.933 |
2.417 |
|
|
Planificació / Evaluación |
.037 |
.031 |
.093 |
1.191 |
.235 |
2.052 |
|
|
Regulación |
.011 |
.039 |
.017 |
.293 |
.770 |
1.154 |
|
|
|
|||||||
Figura 2. Gráfico de
dispersión entre Control emocional, Motivación y Transferencia y el rendimiento
académico
4.
Discusión
Los objetivos del presente estudio se centran
en conocer la relación que existe entre las diferentes estrategias de
aprendizaje para una muestra de estudiantes de ESO con su rendimiento académico
en las áreas STEM. Además, también se pretende analizar el poder explicativo
que estas variables pueden tener sobre el logro académico con el fin de poder
aplicar los resultados obtenidos en otros contextos educativos. En este
sentido, la presente investigación indicó inicialmente como estrategias de
aprendizaje relevantes en el desempeño en áreas STEM el pensamiento crítico y
creativo, la motivación, el control emocional, la elaboración, la selección, la
transferencia, la regulación, y la planificación/evaluación. Un posterior
análisis estadístico basado en la aplicación de modelos de regresión lineal
determinó que tan solo la motivación, la transferencia y la regulación
emocional permanecían como significativas en la relación con el rendimiento
académico STEM llegando a explicar un 26.4% de la varianza.
Son diferentes los autores que apoyan la
relación entre las estrategias de aprendizaje y el rendimiento académico. Por
ejemplo, Mazzeti et al. (2020) encontraron una
asociación indirecta entre las estrategias de aprendizaje y el rendimiento
académico a través de la orientación al futuro en estudiantado universitario
italiano. Por el contrario, también observaron que esta asociación indirecta no
fue significativa a niveles bajos de esta variable moderadora. En esa línea, la
presente investigación concluye que existe una correlación positiva entre las
estrategias de aprendizaje y el rendimiento académico en ESO, pero en este
caso, centrándose en las asignaturas científico-matemáticas.
Si se van analizando los resultados de los
diferentes tipos de estrategias, se puede observar que las estrategias
afectivo-sociales, como la motivación o el control emocional, están
estrechamente relacionadas con el rendimiento académico del estudiantado en las
materias STEM. Estos resultados apoyan los aportados por Abdullah (2017) que
vinculan la inteligencia emocional con la capacidad de resolución de problemas
matemáticos en alumnado de Educación Secundaria en Malasia. Además, el presente
estudio muestra una relación positiva entre las estrategias cognitivas
(personalización y elaboración), como son la selección, la transferencia, el
pensamiento crítico y creativo, la planificación/evaluación y la regulación con
la media de las calificaciones de las materias STEM. Resultados similares
obtuvieron El-Adl & Alkharusi
(2020) al realizar un estudio en 238 estudiantes de Omán de entre 14 y 16 años
y observar que las estrategias cognitivas mostraban una correlación positiva
con la motivación, tanto intrínseca como extrínseca, y con el rendimiento en
matemáticas. No obstante, en el modelo de regresión lineal presentado en este
estudio, se puede observar que, dentro de las estrategias cognitivas
(personalización y elaboración), solo la transferencia explica de manera
significativa el rendimiento académico de todas las asignaturas STEM dejando
fuera del modelo variables como el pensamiento crítico y creativo. Esto podría
atribuirse al enfoque tradicional de enseñanza seguido por los alumnos en este
estudio, donde el éxito académico se basa principalmente en pruebas escritas
que, en cierta medida, permiten la reproducción de contenido sin un
entendimiento profundo (Pozo y Crespo, 2010). Como resultado, el pensamiento
crítico y creativo podría no ser considerado como una habilidad relevante en
este contexto.
Respecto a las estrategias metacognitivas,
aunque correlacionan positivamente con el logro académico, no parecen
significativas a la hora de su explicación. Este resultado va en contra de los
obtenidos por Trigueros et al. (2020) que estudiaron a 2456 estudiantes
universitarios españoles y no solo demostraron que se puede predecir el
rendimiento académico a través de las estrategias metacognitivas y el
pensamiento crítico (estrategia de personalización), sino que la motivación y
la acción del docente están íntimamente relacionada con estas estrategias. En
el mismo sentido, y centrándose en la etapa de educación secundaria, Trigueros
y Navarro (2019) analizaron 545 estudiantes de una provincia española con
edades comprendidas entre las 13 y los 19 años para demostrar que las
estrategias de metacognición y el pensamiento crítico explican positivamente el
rendimiento académico en el área de Educación Física.
Por otro lado, Cerda y Vera (2019) realizaron
un estudio, en 950 jóvenes chilenos en su último año de educación secundaria,
sobre el rol de las variables emocionales y cognitivas en el rendimiento en
matemáticas obteniendo una situación similar a la encontrada en el modelo
presentado en este artículo ya que, aunque encontraban relaciones binarias
positivas entre las estrategias cognitivas y el rendimiento académico, estas
estrategias no aparecían en su modelo explicativo. En este caso, manifestaban
que, al igual que estudios anteriores al suyo, se podía observar que las
estrategias de autorregulación tenían una influencia más importante en el
rendimiento que las estrategias cognitivas.
En el caso del estudio presentado en este artículo, las diferencias
observadas con investigaciones anteriores, puede ser debidas al hecho de
centrarse en una muestra muy concreta y pequeña, el amplio número de variables
estudiadas o a la inestabilidad emocional que presentan el estudiantado que
cursa ESO, debido a su desarrollo psicoevolutivo, que hace que las variables
motivacionales y volitivas tengan una mayor influencia que en otras etapas (Quílez et al., 2021). Además, este estudio se centra en
asignaturas de naturaleza experimental y muy relacionadas con situaciones
cotidianas, hecho que puede hacer que las estrategias de aprendizaje sean menos
importantes que en otras asignaturas de carácter más memorístico.
5. Conclusiones
Los análisis de correlación en este estudio
establecen posibles relaciones entre las herramientas metacognitivas,
cognitivas (personalización y elaboración) y afectivo-sociales del estudiantado
y sus calificaciones en las asignaturas STEM, destacando especialmente la
importancia de variables como la motivación, la autorregulación emocional y la
transferencia a la hora de explicar parte del éxito académico. De esta manera,
se ha realizado un estudio global de todas las estrategias de aprendizaje en el
conjunto de las materias científico-matemáticas en la etapa de ESO ampliando en
número y enfoque la perspectiva tradicionalmente utilizada en torno a las
estrategias de aprendizaje.
Siendo conscientes de esta relación, y de que
las estrategias de aprendizaje no mejoran por sí mismas, se deberían analizar
los entornos de aprendizaje propicios para ayudar al estudiantado a desarrollar
habilidades de resolución de problemas, y de esta forma, orientarles para
mejorar sus habilidades de pensamiento (Hava & Koyunlu, 2021). En este sentido, se puede encontrar
bibliografía que resalta la labor del profesorado en el aula, destacando su
importancia a la hora enseñar estrategias para regular el estrés del alumnado (Trigueros
et al., 2020).
Por otro lado, otros estudios hablan del
efecto de la utilización de las metodologías activas en el aula, como pueden
ser el aprendizaje basado en la indagación o el aprendizaje basado en
problemas, para la mejora de la motivación y el compromiso del estudiantado
(Barlow & Brown, 2020, Gómez y Suárez 2020). Con ello, no solo se
mejorarían las calificaciones del alumnado sino, al mejorar su creatividad y su
pensamiento crítico podríamos encontrar un efecto positivo en sus actitudes
hacia la investigación y sobre el interés en realizar carreras STEM (Hava & Koyunlu, 2021)
aumentando el número de profesionales que necesita una sociedad cada vez más
tecnológica y en constante cambio.
Por otro lado, las limitaciones de este
estudio se centran en el tamaño de su muestra en un contexto concreto que no
permite la generalización de los resultados. Con un enfoque descriptivo,
exploratorio y transversal que sería conveniente ampliar con un enfoque
longitudinal y muestra perteneciente a contextos diversos. Además, también
sería necesario contemplar o controlar variables como la edad, el sexo, el
nivel socioeconómico y perfiles parentales y docentes modificando las
metodologías de enseñanza y aprendizaje.
Por ello, como propuesta de futuro, se propone
realizar una intervención en diversos centros de ESO, y con un carácter
longitudinal, para trabajar según el Aprendizaje Basado en Problemas y estudiar
si hay un cambio en las estrategias de aprendizaje del estudiantado y, si esto
influye en el rendimiento académico de éstos en áreas STEM y en el poder
explicativo del modelo presentado.
Referencias
Abdullah,
A., Zakaria, R., & Rahman, S. N. & Mokhtar, M. (2017). Relationship between emotional intelligence and level
of ability of non-routine problem-solving. Man
in India. 97(19). 129-139. https://www.researchgate.net/publication/320599802_Relationship_between_emotional_intelligence_and_level_of_ability_of_non-routine_problem-solving
Ausbel, D.P. (1968). Educational
psychology: a cognitive view. Holt, Rinehart, and Winston Inc.
Barlow,
A., & Brown, S. (2020). Correlations between modes of student cognitive
engagement and instructional practices in undergraduate STEM courses. International Journal of STEM Education, 7(1), 1-15. https://doi.org/10.1186/s40594-020-00214-7
Beltrán, J. A., Pérez, J.A., & Ortega, M.I. (2006). Cuestionario de Estrategias de Aprendizaje (CEA). TEA Ediciones.
Beltrán,
J. A. (2003). Estrategias de aprendizaje. Revista
de Educación, 332, 55-73. https://redined.educacion.gob.es/xmlui/handle/11162/67023
Berbén, A.B.G., Pichardo, M.C. & De la Fuente,
J. (2007) Relationships between teaching preferences and
undergraduates' learning approaches, Journal
for the Study of Education and Development, 30(4), 537-550, https://doi.org/10.1174/021037007782334319
Brocos,
P. & Jiménez Aleixandre, M. P. (2020). El impacto ambiental de la
alimentación: argumentos de alumnado de Magisterio y Secundaria. Enseñanza de las Ciencias. Revista de
Investigación y Experiencias Didácticas 38(1), 127-145.146. https://doi.org/10.5565/rev/ensciencias.2802
Cerda,
G., & Vera, A. (2019). Rendimiento en matemáticas: Rol de distintas
variables cognitivas y emocionales, su efecto diferencial en función del sexo
de los estudiantes en contextos vulnerables. Revista Complutense de Educación, 30(2), 331-346. https://doi.org/10.5209/RCED.57389
Couso,
D. (2017)
Domènech-Casal, J. (2018). Aprendizaje Basado
en Proyectos en el marco STEM. Componentes didácticas para la Competencia
Científica. Ápice. Revista de Educación
Científica, 2(2), 29-42. https://doi.org/10.17979/arec.2018.2.2.4524
El-Adl, A. & Alkharusi, H.
(2020). Relationships between self-regulated
learning strategies, learning motivation and mathematics achievement. Cypriot Journal of Educational Science. 15(1),
104–111. https://doi.org/10.18844/cjes.v15i1.4461
Fleischhauer, M., Enge, S., Brocke, B., Ullrich,
J., Strobel, A., & Strobel, A. (2010). Same or different? Clarifying the
relationship of need for cognition to personality and intelligence. Personality and Social Psychology Bulletin, 36(1), 82-96. https://doi.org/10.1177/0146167209351886
García-Carmona, A. (2020). STEAM, ¿una
nueva distracción para la enseñanza de la ciencia?
Gilbert,
J. K., Bulte, A. M. W. y Pilot,
A. (2011). Concept development and transfer in Context-Based
science education. International Journal
of Science Education, 33(6), 817-837. https://doi.org/10.1080/09500693.2010.493185
Greene, J. A., Cartiff,
B. M., & Duke, R. F. (2018). A meta-analytic review of the relationship
between epistemic cognition and academic achievement. Journal of Educational Psychology, 110(8), 1084. https://doi.org/10.1037/edu0000263
Hava, K., & Koyunlu Ünlü, Z. (2021).
Investigation of the relationship between middle school students’ computational
thinking skills and their STEM career interest and attitudes toward
inquiry. Journal of Science
Education and Technology, 30(4),
484-495.
https://doi.org/10.1007/s10956-020-09892-y
Hayat, A. A., Shateri,
K., Amini, M. M. & Shokrpour,
N. (2020)
Hincapié.
D., Ramos, A., & Chirino, V. (2016). Aprendizaje Basado en Problemas como
estrategia de Aprendizaje Activo y su incidencia en el rendimiento académico y
Pensamiento Crítico de estudiantes de Medicina. Revista Complutense de Educación,
29(3), 665-681. http://dx.doi.org/10.5209/RCED.53581
Kusumoto, Y. (2018). Enhancing critical thinking through active learning. Language Learning in Higher Education, 8(1),
45-63. https://doi.org/10.1515/cercles-2018-0003
Lombardi, D., Shipley, T. F., &
Astronomy Team, Biology Team, Chemistry Team, Engineering Team, Geography Team,
Geoscience Team, and Physics Team. (2021). The
curious construct of active learning. Psychological Science in the Public
Interest, 22(1), 8-43. https://doi.org/10.1177/1529100620973974
Maguregi González, G., Uskola Ibarluzea,
A., & Burgoa Etxaburu, B., (2017). Modelización,
argumentación y transferencia de conocimiento sobre el sistema inmunológico a
partir de una controversia sobre vacunación en futuros docentes. Enseñanza de las Ciencias, 35(2), 29-50.
https://doi.org/10.5565/rev/ensciencias.2237
Malagoli, C., Chiorri, C., Traverso, L.,
& Usai, M. C. (2021). Inhibition and individual
differences in behavior and emotional regulation in adolescence. Psychological Research, 1-13. https://doi.org/10.1007/s00426-021-01565-8
Marín-Marín, J. A., Moreno-Guerrero, A.
J., Dúo-Terrón, P., & López-Belmonte, J. (2021). STEAM in education: a bibliometric
analysis of performance and co-words in Web of Science. International Journal of STEM Education, 8(1), 1-21. https://doi.org/10.1186/s40594-021-00296-x
Marsico, G. (2018). The challenges of the
schooling from cultural psychology of education. Integrative Psychological and Behavioral Science, 52(3), 474-489. https://doi.org/10.1007/s12124-018-9454-6
Mazzetti, G., Paolucci, A., Guglielmi, D.,
& Vannini, I. (2020). The impact of learning
strategies and future orientation on academic success: The moderating role of
academic self-efficacy among italian undergraduate
students. Education Sciences, 10(5), 134. https://doi.org/10.3390/educsci10050134
McCombs, B.L. (2017)
Ochoa de Alda, J. A. G., Marcos-Merino,
J. M., Méndez Gómez, F. J., Mellado Jiménez, V. & Esteban Gallego, M.R.
(2019). Emociones académicas y aprendizaje de biología, una asocia-ción duradera. Enseñanza
de las ciencias, 37(2), 43-61.
https://doi.org/10.5565/rev/ensciencias.2598
Olivier,
E., Archambault, I., De Clercq,
M., & Galand, B. (2019). Student self-efficacy, classroom engagement, and academic achievement:
Comparing three theoretical frameworks. Journal
of Youth and Adolescence, 48(2), 326-340. https://doi.org/10.1007/s10964-018-0952-0
Olszewski-Kubilius,
P., & Corwith, S. (2018). Poverty, academic
achievement, and giftedness: A literature review. Gifted Child Quarterly, 62(1), 37-55. https://doi.org/10.1177/0016986217738015
Osman, F. (2021). The effect of concept
cartoons and argumentation based concept cartoons on
students’ academic achievements. Journal
of Baltic Science Education 2(6), 956-968.
https://doi.org/10.33225/jbse/21.20.956
Peng, P., & Kievit,
R. A. (2020). The development of academic achievement and cognitive abilities:
A bidirectional perspective. Child
Development Perspectives, 14(1), 15-20. https://doi.org/10.1111/cdep.12352
Pérez-Torres M., Couso D. & Márquez C. (2021)
Piila, E., Salmi, H., & Thuneberg, H. (2021). STEAM-Learning to Mars: Students’ Ideas of Space
Research. Education Sciences, 11(3), 122. https://doi.org/10.3390/
educsci11030122
Pozo, J. I. (2016). La psicología
cognitiva y la educación científica. Investigaçoes em ensino de cièncias, 1(2), 110-131. https://www.if.ufrgs.br/cref/ojs/index.php/ienci/article/view/639
Pozo,
J. I., Gómez Crespo, M. A. (2010). Por qué los alumnos no comprenden la ciencia
que aprenden: qué podemos hacer nosotros para evitarlo. Alambique: Didáctica
de las ciencias experimentales, 66, 73-79.
Pradhan, S., & Das, P. (2021). Influence of metacognition on academic achievement and
learning style of undergraduate students in Tezpur University. European Journal of Educational Research, 10(1),
381-391. https://doi.org/10.12973/eu-jer.10.1.381
Quílez-Robres, A. Moyano, N., & Cortés-Pascual, A. (2021). Motivación, Emotional, and Social Factors Explain Academic Achievement in Children
Aged 6-12 Years: A Meta-Analysis. Education
Sciences, 11(9), 513. https://doi.org/10.3390/educsci11090513
Rocard, M., Csermely, P., Jorde, D., Lenzen, D., Walberg-Henriksson,
H., & Hemmo, V. (2007). Report: “Science
education now: A new pedagogy for the future of Europe”. EU 22845, European Commission. https://www.eesc.europa.eu/sites/default/files/resources/docs/rapportrocardfinal.pdf
Romero-Ariza,
M., Quesada, A., Abril, A. M., Sorensen,
P., & Oliver, M. C. (2020). Highly
Recommended and Poorly Used: English and Spanish Science Teachers’ Views of
Inquiry-based Learning (IBL) and its Enactment. EURASIA Journal of Mathematics, Science and Technology Education, 16(1),
em1793 https://doi.org/10.29333/ejmste/109658
Ryan,
R. M. & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a
self-determination theory perspective: definitions, theory, practices, and
future directions. Contemporary
Educational Psychology, 61, 1018160. https://doi.org/10.1016/j.cedpsych.2020.101860
Sanmartí, N.
Sánchez,
M. R. (2011). Metodologías docentes en el EEES: de la clase magistral al
portafolio. Tendencias Pedagógicas, 17,
83-103. https://dialnet.unirioja.es/servlet/articulo?codigo=3653734
Solano,
N. & Martínez, A. I. M. & Jimenez Taracido, L. (2016). Learning strategies, reading comprehension and academic achievement in
Secondary Education. Psicologia Escolar e Educacional.
20(3), 447-456. http://dx.doi.org/10.1590/2175-3539/2015/02031011
Theobald, M. (2021). Self-regulated
learning training programs enhance university students’ academic performance,
self-regulated learning strategies, and motivation: A meta-analysis. Contemporary Educational Psychology, 66,
101976. ISSN 0361-476X. https://doi.org/10.1016/j.cedpsych.2021.101976.
Toli, G., & Kallery, M. (2021)
Trigueros, R. & Navarro, N. (2019)
Trigueros, R.; Padilla, A.;
Aguilar-Parra, J.M.; Lirola, M.J.; García-Luengo,
A.V.; Rocamora-Pérez, P.
Tyas, E. H., & Naibaho, L. (2021). HOTS Learning Model Improves the Quality of Education.
International Journal of
Research-GRANTHAALAYAH, 9(1), 176-182. https://doi.org/10.29121/granthaalayah.v9.i1.2021.3100
Veas,
A., Castejón, J. L., Miñano, P., & Gilar-Corbí,
R. (2019). Actitudes en la adolescencia inicial y rendimiento académico: el rol
mediacional del autoconcepto académico. Revista
de Psicodidáctica, 24(1), 71-77.
https://doi.org/10.1016/j.psicod.2018.11.001
Von Stumm, S., & Ackerman, P.
L. (2013). Investment
and intellect: a review and meta-analysis. Psychological Bulletin, 139(4),
841-869. https://doi.org/10.1037/a0030746