Estado del arte: metacognición y aprendizaje autorregulado durante la pandemia por covid-19

Selección de los datos

Para efectuar el mapeo científico sobre las investigaciones en metacognición y aprendizaje autorregulado que fueron asociadas a la pandemia por covid-19, se rastrearon las bases de datos Scopus y Web of Science, consideradas las más importantes actualmente (Martín Martín et al., 2018; Pranckut˙e, 2021). En la búsqueda se utilizaron los términos (“metacognition” OR “self-regulated learning”) AND (“covid” OR “pandemic”), y se consideraron como criterios de inclusión aquellos trabajos que involucran estos términos en su título, resumen y palabras clave. No se fijaron parámetros de exclusión como la fecha de publicación, la revista, el área de conocimiento o demás opciones que entrega la base de datos, para garantizar una visión real de la evolución de este campo. A partir de estos criterios, se obtuvieron un total de 474 registros (fecha de consulta 01 de junio de 2023), una vez eliminados aquellos duplicados entre las dos bases de datos (tabla 1).

Procesamiento, análisis y visualización

Para este trabajo se utilizaron herramientas como Bibliometrix (Aria y Cuccurullo, 2017), Tree of Science (Robledo, Zuluaga et al., 2022; Valencia Hernández et al., 2020) y Gephi (Mathieu et al., 2009). De Bibliometrix se empleó la versión 3.1, una herramienta que se encuentra en el software R-Studio, es de uso libre y cuenta con muchas funcionalidades en estudios bibliométricos (Aria et al., 2020); diversas investigaciones la han empleado (Di Vaio et al., 2021; Duque, Trejos et al., 2021; Duque y Oliva, 2022; Homolak et al., 2020; Rodríguez et al., 2022).

Asimismo, se utilizó Tree of Science (ToS) (Robledo, Zuluaga et al., 2022; Valencia Hernández et al., 2020), el cual es un paquete que se fundamenta en la teoría de grafos y permite extraer las referencias de los registros obtenidos en la base de datos y, a partir de ellos, construir la red de cocitaciones de los documentos; entonces, es posible analizar indicadores de citaciones y cocitaciones, los cuales son empleados para identificar y clasificar los documentos mediante la técnica de clusterización (Blondel et al., 2008), y de esta manera, establecer las principales tendencias en las cuales se enmarca la investigación en estos campos. Este paquete ha sido utilizado y validado por diversas investigaciones (Castellanos et al., 2022; Grisales et al., 2023; Hoyos et al., 2022; Hurtado et al., 2023; Mogollón et al., 2022; Robledo, Eider et al., 2022; Torres et al., 2022).

Para la visualización de la red generada a partir de ToS se utiliza la herramienta Gephi (Mathieu et al., 2009), la cual facilita conocer e interactuar con los datos de la red y de todos los documentos que la componen, además, al ser un paquete abierto y de uso libre, se utiliza ampliamente en estudios de enfoque bibliométrico (Donthu et al., 2020; Duque, Meza et al., 2021; Hoyos et al., 2023; Hurtado y Ortiz, 2022; Jacomy et al., 2014; Loaiza et al., 2022; Meier, 2020; Restrepo et al., 2023; Robledo et al., 2023).

Clúster 1: educación en línea

En medio de la revolución educativa provocada por la covid-19, la enseñanza en línea ha tomado un mayor protagonismo, y ha demostrado que es una alternativa viable en diferentes contextos para los esquemas de educación tradicional (Maqsood et al., 2021). Esta modalidad presenta ventajas destacables como la flexibilidad horaria y geográfica; pero también plantea desafíos importantes, entre ellos la integración óptima de la metacognición y la creatividad en los entornos de enseñanza en línea (Maor et al., 2023), ya que el éxito del aprendizaje en línea depende mucho más de la capacidad del estudiante, en comparación con el modelo tradicional de aprendizaje (Pogorskiy y Beckmann, 2023).

El aprendizaje en línea aporta la flexibilidad que los estudiantes requieren para adaptarse a las nuevas actividades educativas, lo que a su vez fomenta teóricamente la autorregulación en aprendizaje (Zhang et al., 2021). Maor et al. (2023) determinaron que las lecciones en línea, comparadas con lecciones en el aula, tienden a ser más creativas en términos de fluidez y flexibilidad, aunque no necesariamente en originalidad. Esta diversidad en los métodos de enseñanza y el uso extensivo de técnicas para desarrollar la creatividad de los estudiantes es un testimonio del potencial de la educación en línea.

En este contexto, la autorregulación se vuelve vital para el desempeño académico. Xu et al. (2022) subrayaron la regulación del esfuerzo como un requisito inicial para la autorregulación metacognitiva del comportamiento aprendido. Para prosperar en un entorno en línea de alto nivel de autonomía, es esencial contar con un elevado nivel de autorregulación (Pogorskiy y Beckmann, 2023).

Los estudiantes que poseen habilidades metacognitivas tienen la capacidad de ajustar su aprendizaje al nuevo entorno de enseñanza (Xu et al., 2022). Los profesores deben, por tanto, guiarlos en el desarrollo de un estilo de atribución positivo, establecer los objetivos del curso a un nivel apropiado para el desarrollo cognitivo y las necesidades de los estudiantes, y mejorar su capacidad para predecir e influir en su éxito académico (Dai et al., 2022).

Contrariamente a la educación presencial convencional, el aprendizaje en línea se funda en un modelo de educación libre y distribuida, sin restricciones de ubicación, horario o recursos físicos (He et al., 2022). Esta metodología les exige a los estudiantes una mayor independencia para autogestionar su aprendizaje, lo cual se constituye en un elemento que puede potenciar su rendimiento académico.

El aprendizaje autorregulado también es una herramienta esencial para adaptarse y responder de manera productiva a los desafíos que surgen durante el estudio (Hadwin et al., 2022). La promoción de prácticas de aprendizaje autorregulado que faciliten la adaptación a nuevos contextos y tareas puede ayudar a aliviar el impacto de los factores estresantes derivados de la pandemia por covid-19 en el rendimiento académico (Hadwin et al., 2022). De hecho, se ha demostrado que los estudiantes que poseen altos niveles de aprendizaje autorregulado se adaptan mejor a la educación en línea y su rendimiento académico no se ve significativamente afectado (Yu y Zhou, 2022).

No obstante, es de resaltar que el estancamiento en el desarrollo de habilidades autorreguladas puede tener efectos perjudiciales en el rendimiento académico, a medida que los conceptos se hacen más complejos (Calamlam et al., 2022). Por ello, es pertinente aprovechar la capacidad de los entornos virtuales de proporcionar diversas formas de retroalimentación, las cuales son esenciales para el desarrollo de habilidades que les faciliten a los estudiantes aprender a aprender (Calamlam et al., 2022). Además, la autoeficacia para el aprendizaje autorregulado puede aumentar la utilidad y facilidad de uso percibida por los estudiantes al emplear el aprendizaje en línea (Cui, 2021). En el futuro, se espera que estas estrategias educativas, que se fundamentan en la regulación del aprendizaje y la aplicación de tecnología innovadora, promuevan un mayor desempeño académico y se conviertan en un enfoque educativo ampliamente adoptado, en lugar de los métodos convencionales, como las clases presenciales (An et al., 2022).

Clúster 2: salud mental e inteligencia emocional

La emergencia desatada durante la pandemia por covid-19 ha exacerbado las dificultades que los estudiantes deben superar para lograr el éxito académico, tanto en ambientes de educación en línea como presencial (Hadwin et al., 2022). El nivel de estrés agudo asociado a este episodio de crisis sanitaria global puede disminuir la motivación de los estudiantes y su habilidad para autodirigir su aprendizaje, lo que puede derivar en un rendimiento académico deficiente (Nguyen y Chen, 2023).

El panorama educativo, ya sea digital o tradicional, está repleto de desafíos que nacen de la severidad de los problemas de salud mental, como la ansiedad, los cuales afectan directamente el rendimiento académico de los estudiantes (Weight y Bond, 2022). Esta situación se ha acentuado con la aparición de la pandemia, la cual ha potenciado los niveles de depresión y estrés tanto en docentes como en estudiantes (Barbosa Camacho et al., 2022; Santamaría et al., 2021). En este punto, la inteligencia emocional y la metacognición adquieren relevancia. Albani et al. (2023) subrayan el papel de esa inteligencia en la creación de estrategias académicas, y cómo su capacidad para enfrentar circunstancias estresantes se torna indispensable en épocas de crisis como la pandemia.

Por otro lado, la consciencia metacognitiva ha probado ser útil para permitirles a los estudiantes enfrentar altos niveles de ansiedad generados por la pandemia, situación que ha favorecido un mejor desempeño académico (Pirrone et al., 2022). De igual manera, la metacognición y la autorregulación han mostrado su capacidad para auxiliar a los estudiantes a lidiar con la ansiedad en diversos contextos, a la vez que son implementadas por algunos profesores como una forma de ofrecer apoyo a la salud mental de los estudiantes (Weight y Bond, 2022), y como lo afirman Huntley et al. (2022) las estrategias metacognitivas pueden aliviar la ansiedad de los estudiantes ante pruebas y exámenes, lo que redunda en un mejor rendimiento académico.

La investigación de Wang et al. (2023) muestra que, aunque el desempeño académico de los estudiantes está definido en gran medida por su salud mental, el aprendizaje autodirigido actúa como intermediario entre estos dos factores. Además, la inteligencia emocional y la metacognición les facilita a los docentes manejar el estrés asociado con el trabajo a distancia, lo que a su vez puede mitigar el agotamiento y otros síntomas negativos que resultan de la dificultad para adaptarse a las nuevas modalidades de enseñanza tecnológicamente mediadas (Iacolino et al., 2023).

En este marco, la sociedad muestra su inquietud por dos temas cruciales: la salud mental y el rendimiento académico de los adolescentes (Wang et al., 2023). Asimismo, se ha notado que los estudiantes que fueron instruidos en aprendizaje autodirigido redujeron el impacto negativo de la angustia provocada por covid-19 en su rendimiento académico (Hadwin et al., 2022). Esta mitigación se debe, en parte, a que las personas con buena salud mental son más efectivas en el uso de estrategias de aprendizaje autodirigido (Wang et al., 2023); por consiguiente, es imprescindible proporcionarles a los estudiantes un conjunto de técnicas y estrategias de autorregulación que les ayuden a adaptarse de manera eficiente a los nuevos estresores que emergen tanto en la vida diaria como en el ambiente académico (Hadwin et al., 2022).

Clúster 3: tecnología y educación

La pandemia por covid-19 ha provocado un cambio radical en el sector educativo, y ha impulsado un enfoque renovador y transformativo para reactivar el entorno del aula a través de alternativas digitales (Shahana y Parthiban, 2021). Esto ha exigido que los profesores empleen variadas herramientas de las tecnologías de la información y las comunicaciones (TIC) con el objetivo de facilitar la instrucción a sus estudiantes durante la primera oleada de la pandemia (Christopoulos y Sprangers, 2021).

En medio de esta crisis, plataformas de aprendizaje en línea como Moodle, Google Meet, Google Chat, Zoom, Microsoft Teams, Jamboard, Mentimeter, Skype y Google Classroom se han posicionado como herramientas clave, y han hecho posible una mayor participación activa de los estudiantes (Ahshan, 2021; Chick et al., 2020). Esto marca un hito en la adopción de tecnologías educativas, las cuales, a pesar de estar activas desde antes de la pandemia, no habían logrado el impacto innovador o pedagógico que se esperaba (Eradze et al., 2021). En particular, en países en desarrollo, la utilización de aprendizaje en línea había sido limitada, pero la situación actual ha propiciado una dependencia de la tecnología en el sector educativo (Zalat et al., 2021).

Estas innovaciones digitales han marcado un antes y un después para la mayoría de sistemas educativos, situación que ha obligado a los docentes a incorporar plataformas digitales en sus metodologías de enseñanza (Amin y Paiman, 2022). Así, se evidencia una evolución de las estrategias de aprendizaje a través de la integración de las TIC en el sistema educativo (Alserhan et al., 2023). La influencia de estas tecnologías ha generado una ruptura innovadora en el modelo de gestión del aprendizaje, y lo ha transformado desde un enfoque tradicionalmente centrado en el profesor hacia uno centrado en el estudiante (Nuankaew, 2022; Shahana y Parthiban, 2021).

En este contexto, es imperativo adoptar herramientas digitales en los procedimientos y metodologías de enseñanza en el sector educativo, que propicien el aprendizaje autorregulado, y demandando al mismo tiempo que los individuos tomen un papel más activo y autónomo en su propio proceso (Raza y Hasib, 2023). No obstante, antes de implementar estrategias orientadas a promover este tipo de aprendizaje mediante herramientas digitales y entornos virtuales, es crucial considerar todos los factores contextuales que puedan afectar la eficacia de dichas estrategias de intervención (Pérez y Torres Delgado, 2023).

En este nuevo panorama, el papel del docente, en combinación con el uso de tecnología, es fundamental para fomentar otros aspectos que pueden mejorar el aprendizaje autorregulado (González, 2022). En este sentido, los docentes deben promover el aprendizaje autorregulado, apoyándose en un entorno digital adecuado para el progreso académico de los estudiantes. Además, los estudiantes con una mayor habilidad para el aprendizaje autorregulado pueden optimizar su entorno digital de aprendizaje, logrando así un mejor desempeño académico (Sutarni et al., 2021).

Finalmente, es importante tener en cuenta que la reestructuración de la enseñanza y el aprendizaje puede generar incertidumbres en los docentes en cuanto a la adopción de tecnología. Sin embargo, estas incertidumbres no deben ser simplificadas a una mera actitud personal, o a la falta de conocimientos o habilidades, sino que deben ser comprendidas dentro de un contexto más amplio de cambio y adaptación (Eradze et al., 2021).

Agenda de investigación

Como resultado del análisis de cada clúster, en la tabla 2 se presenta una agenda de investigación que puede ser abordada por futuros estudios.