Introducción

En la actualidad, tanto en el contexto europeo como latinoamericano, es posible evidenciar un aumento en el número de estudiantes que ingresan a la educación superior, lo que plantea nuevos desafíos para las instituciones universitarias respecto de integrar de manera efectiva a esta población. En este sentido, las instituciones de educación superior (ES) plantean como eje fundamental para el aseguramiento de la calidad educativa, la necesidad de prevenir el fracaso académico y el abandono estudiantil, considerando criterios de efectividad y resultados óptimos en procesos de admisión, enseñanza-aprendizaje, evaluación de la progresión académica, egreso y titulación de los estudiantes, según los respectivos protocolos de acreditación de cada institución (^{De Miguel, 2003}).

Según ^{Hernández y Pozo (1999}), estas consideraciones configuran un fenómeno de alta complejidad dada la necesidad de profundizar en la comprensión de los factores que intervienen en el tránsito adaptativo de los estudiantes desde la educación secundaria a la ES. En este escenario, el concepto de fracaso académico y 7la condición de abandono de los estudiantes se interpretan como indicadores de baja calidad institucional, es decir, se entienden como la ineficacia de la institución en ofrecer los medios necesarios para que los estudiantes presenten el avance académico esperado (^{Cabrera et al., 2006}).

España, como país miembro de la European Student’s Union (ESUB), ha debido atender diversos compromisos derivados de la Declaración de Berlín de 2003, con el fin de consolidar un conjunto de normas, procedimientos y pautas que garanticen la calidad en la educación (^{Conferencia de Ministros europeos, 2003}). No obstante, los adelantos en relación con el abandono estudiantil en el país, cuya aspiración es llegar a los parámetros de la comunidad europea (16%), aún hoy son un factor de preocupación, dado que estudios recientes revelan que 21,5% de los estudiantes de nuevo ingreso en cursos de grado universitario, para el curso 2014-2015, abandonó su compromiso académico al año siguiente. Esta condición varía según ámbitos de formación, siendo la más alta, del 27,3%, en la rama de Artes y Humanidades y del 15,3% en la de Ciencias de la Salud (^{Ministerio de Ciencia, Innovación y Universidades de España, 2019).}

Por otra parte, Chile, en la última década, ha presentado un incremento exponencial de estudiantes que acceden al nivel de formación universitario; de manera que en el año 2005 ingresaron a la ES 637.434 estudiantes y para 2020 el número de matrículas alcanzó un total de 1.144.184 (^{Ministerio de Educación de Chile, 2020}). Igual que en el contexto europeo, en Chile, la permanencia y avance de los estudiantes, así como el desarrollo efectivo de las actividades curriculares y titulación oportuna, son ejes centrales para el aseguramiento de lo que se ha definido como calidad educativa a nivel institucional (^{Cancino & Schmal, 2014}). Así mismo, en este país, un alto número de estudiantes que ingresan a la universidad no persiste más allá del primer año; en el caso de universidades públicas la tasa de permanencia es de 78,6% (^{Ministerio de Educación de Chile, 2020}).

Este panorama plantea la necesidad de explorar y comprender aquellos factores que inciden en la adaptación, rendimiento académico y permanencia de los estudiantes universitarios (^{Drysdale et al., 2001}). En este sentido, ^{Hicks y Heastie (2008}) estudiaron variables como el estrés y el perfil psicológico de los estudiantes, y destacaron la interacción social como factor que propicia su integración al contexto educativo universitario.

Por otra parte, la neurociencia cognitiva aplicada al contexto educativo nutre la formulación de nuevas propuestas de investigación tendientes a evaluar el funcionamiento cognitivo asociado al aprendizaje y su relación con el desempeño académico. Desde este paradigma, la neuropsicología permite evaluar y medir diversas capacidades relacionadas con los dominios cognitivos superiores, aspectos fundamentales para la adaptación y el aprendizaje eficiente (^{Leibovich & Schmid, 2018}). Estos factores han sido poco explorados en población joven sana, impidiendo una comprensión de los procesos que pueden aportar a la construcción de estrategias integrales para el contexto educacional desde un modelo asociado al neurodesarrollo y una perspectiva longitudinal (^{Gaete et al, 2020}).

En el ámbito de la educación universitaria, existen algunas investigaciones sobre aspectos asociados al funcionamiento cognitivo de los estudiantes. En el contexto latinoamericano, se han identificado rasgos individuales y diferencias según el sexo en función del rendimiento cognitivo e inteligencia en estudiantes de educación terciaria (^{Codorniu-Raga & Vigil-Colet, 2003}; ^{Puerta et al., 2018}; ^{Echavarri et al., 2007}); y en el contexto europeo, se han estudiado criterios de evaluación de procesos de aprendizaje y autorregulación (^{Amieiro et al., 2018}), así como la influencia de factores cognitivos y motivacionales en el proceso de aprendizaje de estudiantes del área de la salud (^{Navea & Varela, 2019}).

Recientemente, ^{Aizpurua et al. (2018}) analizaron las estrategias de aprendizaje en estudiantes universitarios en función del rendimiento presentado en una prueba de inteligencia fluida, una tarea de razonamiento científico y una tarea de pensamiento divergente o creatividad, y sus resultados se asocian con el mejoramiento de competencias claves y con variables como la motivación y aspectos metacognitivos, con cierta capacidad predictiva para proyectar el rendimiento académico en estudiantes de ES (^{Navea & Suárez, 2017}).

Entender el aprendizaje como un constructo multidimensional complejo, ofrece la oportunidad de asociar el grado de participación a nivel cognitivo, motivacional y conductual de los estudiantes con su propio proceso de aprendizaje (Aizpua et al., 2018); lo que permite desarrollar un perfil de gestión eficaz de diversas estrategias de aprendizaje (^{Gargallo et al., 2016}).

Con el fin de aportar un perfil de rendimiento neurocognitivo asociado a estrategias de aprendizaje, desde una perspectiva metacognitiva, que sirva como indicador válido para el pronóstico del rendimiento e integración funcional de los estudiantes en el contexto de la ES, la presente investigación busca proponer y validar una batería de instrumentos que evalúa el desempeño cognitivo por áreas de funcionamiento. Lo anterior, teniendo presente que, como señala ^{Fuster (2015}), los dominios cognitivos superiores (atención, memoria de trabajo, funciones ejecutivas e inteligencia general) son una expresión elevada del rendimiento global del sujeto, esto es, el reflejo del entramado neurocognitivo, que permite el procesamiento perceptual, la cognición y la conducta, y que evidencia una secuencia evolutiva que intenta alcanzar un fin adaptativo.

El modelo que sustenta la batería propuesta considera la comprensión del nivel de rendimiento funcional, valorado a través de instrumentos y tareas específicas que permiten identificar, definir, calificar, medir y comparar el espectro cognitivo según el proceso evaluado (^{Lezak et al., 2004}). Todas las variables que se contemplan en esta batería se plantean como dimensiones que explican fortalezas y debilidades para el desarrollo de procesos asociados con el aprendizaje y conductas adaptativas.

Desde esta perspectiva, se considera fundamental el rol de la función atencional y la memoria de trabajo, por ser procesos que están implicados en tareas asociadas con la educación y el aprendizaje. De acuerdo con ^{Petersen y Posner (2012}), la atención actúa como un mecanismo de control responsable de la estructuración jerárquica de la información, con base en los requerimientos situacionales, y, por tanto, juega un papel determinante en el modo de planificar y efectuar la toma de decisiones; lo que favorece, entre otros aspectos, el control de interferencia inhibitoria y la autorregulación, las cuales confluyen en las denominadas funciones ejecutivas. Por su parte, ^{Baddeley (2012}) afirma que la memoria de trabajo se constituye en un mecanismo de almacenamiento temporal que permite retener datos de información, compararlos, contrastarlos, o relacionarlos entre sí; manipulación necesaria para procesos cognitivos de alta complejidad. De este modo, la memoria de trabajo interviene directamente en el funcionamiento mental responsable del mantenimiento, recuperación y codificación de la información, aspectos vinculados con el aprendizaje (^{Etchepareborda & Abad-Mas, 2005}).

Sin duda, la inteligencia es una variable relevante en la comprensión del aprendizaje. Al respecto, ^{Ardila (2011}) explica la inteligencia como un conjunto de características que distingue positivamente a las personas, prevaleciendo principalmente la capacidad para solucionar problemas, razonar y adaptarse al ambiente. Desde esta visión, como plantean ^{Crinella y Yu (1999}), la inteligencia se relaciona con un factor general, siendo el resultado de la operación de procesos cognitivos de alto nivel que controlan las esferas funcionales del aparato cerebral. La inteligencia como aptitud general o factor g, por tanto, permite dimensionar la capacidad de los sujetos para razonar, planificar, resolver problemas, pensar de modo abstracto, comprender ideas complejas y aprender de la experiencia, desarrollando un proceso educativo cuyo objeto es lograr el aprendizaje y la adaptación del individuo al entorno (^{García et al., 2010}).

Los distintos niveles de funcionalidad neurocognitiva confluyen en un intrincado proceso denominado metacognición. ^{Flavell (1979}), uno de los pioneros en el tema, define este concepto como el conocimiento que los sujetos tienen acerca de los procesos y productos cognitivos propios; vale decir, es una actividad mental capaz de efectuar un monitoreo dinámico de dicha actividad, favoreciendo o interfiriendo en la regulación de estos procesos, en pro de un determinado objetivo. Esta actividad depende necesariamente del manejo de la información y, según este autor, es posible diferenciar dos componentes metacognitivos: uno de naturaleza declarativa (conocimiento metacognitivo) y otro de carácter procedimental (control metacognitivo); ambos están directamente relacionados y cobran relevancia cuando se analiza el tránsito del estudiante desde la educación secundaria hacia el aprendizaje en el sistema universitario. Según ^{Irwin (2017}), la metacognición es la habilidad para procesar y entender la interacción de los pensamientos y las emociones, lo que se evidencia, de algún modo, en el comportamiento de los sujetos. En la presente investigación, la metacognición es entendida como la capacidad que permite analizar y comprender la regulación de la actividad cognoscitiva que realiza el sujeto durante el proceso de enseñanza-aprendizaje, así como los resultados obtenidos en esta área.

Y dado que la presente investigación propone la validación de una batería, es necesario que, desde la perspectiva psicométrica, el proceso cuente con instrumentos válidos y confiables a nivel del constructo a evaluar (^{Leibovich & Schmid, 2018}). Esto es, que el análisis de la consistencia interna y la validez predictiva se fundamenten en un proceso de revisión basado en el método científico (^{Romero, 2011}). Para este propósito, y tal como señalan ^{Pérez Gil, Chacón y Moreno (2000}), la validez de constructo, como concepto integrador, se explica desde la significación de las puntuaciones de los instrumentos de medida y cuyos resultados permiten plasmar de forma cuantitativa conceptos abstractos que han sido correctamente elaborados a través de un modelo teórico que fundamenta el constructo a evaluar; dando pie a las consideraciones de contenido y criterio y su relación con aspectos que permitan la evaluación empírica de hipótesis racionales acerca del significado de las puntuaciones y de relaciones relevantes, incluyendo las de naturaleza científica y aplicada.

Teniendo en cuenta lo anterior, el objetivo de la presente investigación es proponer y validar una batería, denominada Escala de Funcionamiento Cognitivo en Educación Superior (EFUCES), para la evaluación de funciones cognitivas, relacionando aspectos neuropsicológicos y metacognitivos vinculados con la adaptación y el aprendizaje, y aplicable a estudiantes con ingreso a ES. Este propósito permitirá establecer un sistema de clasificación según el tipo de rendimiento obtenido en los factores de rendimiento neuro y metacognitivos asociados a los procesos de aprendizaje. De modo inicial, se realizará un análisis factorial confirmatorio para validar la batería de instrumentos utilizados: test de rendimiento atencional d2 (d2), test de la Figura Compleja de Rey-Osterrieth (FCR) y el test de matrices progresivas de Raven, escala general (TMP), factor neurocognitivo (^{Brickenkamp & Cubero, 2002}; ^{Rey, 2009}; ^{Raven et al., 1993}), y, posteriormente, se establecerá su relación con el factor metacognitivo obtenido a partir del Cuestionario de Evaluación de Estrategias de Aprendizaje en Estudiantes Universitarios (CVEAPEU), (^{Gargallo et al., 2009}).

Método

El presente estudio posee un diseño no experimental-exploratorio (^{Montero & León, 2007}), de corte transversal y cuantitativo con una estrategia asociativa del tipo instrumental, que permite la exploración a través de la comparación de grupos, la predicción de comportamientos y/o la clasificación en grupos, así como, la comprobación de modelos teóricos para su integración en una teoría subyacente (^{Ato et al., 2013}). En este estudio se generó la cuantificación, sistematización y objetivación de los resultados obtenidos, dando paso a la realización de análisis comparativos y clasificación por grupos según las cohortes evaluadas (D’Ancona, 2001).

El procedimiento de recolección de datos se realizó con base en un diseño de investigación ex post facto, propuesto por León y Montero (2002), que permite seleccionar la muestra según características comunes: en este caso, ser estudiantes de nivel terciario (variable dependiente); y así, de forma retrospectiva, buscar diferencias entre los sujetos de estudio, es decir, las variables independientes, fundamentadas en las diferencias en los resultados obtenidos de las pruebas psicométricas, y, en consecuencia, analizar causas o relaciones entre las variables (^{Ato et al., 2013}).

Análisis de datos

Con el propósito de analizar las propiedades psicométricas de la batería EFUCES, a través del análisis de confiabilidad y validez, se realizó la conversión de puntajes directos a puntajes percentiles de cada uno de los indicadores propuestos, lo que permitió establecer la estandarización de los datos.

Para evaluar la confiabilidad de la batería EFUCES, se usó la prueba estadística alfa de Cronbach (α) y para evaluar la validez se realizó un análisis factorial (AF), método más aplicado para obtener evidencias sobre la validez de constructo de los instrumentos, dada su capacidad de informar sobre la conformación de la estructura interna, y de especificar e identificar las características del modelo a revisar (^{Fernando & Anguiano, 2010}; ^{Morata-Ramírez et al., 2015}). En el AF se desarrollaron dos procesos estadísticos básicos, en primer lugar, el análisis factorial exploratorio (AFE), que permitió identificar la composición de la estructura interna de la batería propuesta, aportando evidencia para explicar su validez; se analizó la matriz de correlaciones producto-momento de Pearson para verificar la estructura interna de la prueba. Además, se determinó el nivel de interrelación entre los indicadores evaluados, que se fundamentó en los resultados del test de esfericidad de Bartlett y la medida de adecuación muestral de Kaiser-Mayer-Olkin, cuyo análisis se realizó utilizando el método de extracción por componentes principales, y con base en los resultados de las correlaciones obtenidas, se optó por utilizar el método varimax. Posteriormente, se realizó el análisis factorial confirmatorio (AFC), procedimiento que se basa en el modelamiento de ecuaciones estructurales; esta fase permite definir la relación de dependencia o independencia entre las variables del estudio (^{Escobedo et al., 2016}).

Como indicadores de ajuste del modelo factorial se consideraron los resultados del Índice corregido de Bondad de Ajuste (AGFI), que evalúa el grado en que las varianzas y covarianzas del modelo reproducen correctamente la matriz de varianzas y covarianzas observadas, una vez que se ajusta por los grados de libertad del modelo. Se obtuvo igualmente el Índice de Bondad de Ajuste Comparativo (CFI), que evalúa en qué medida el modelo ajustado es mejor que un modelo de referencia o modelo de independencia, en el cual la covarianza entre los indicadores es fijada en cero. Así mismo, se obtuvo el Índice de ajuste normado (NFI) y el Índice de ajuste no normalizado o Índice de Tucker-Lewis (TLI), el cual compara el ajuste por grados de libertad del modelo propuesto y nulo, los valores de estos índices de bondad de ajuste, al ser comparados con el estadístico χ2 suelen estar demarcados entre 0 y 1, en el que 1 representa un ajuste perfecto (^{Irwin, 2017}). Todos los indicadores mencionados deben presentar valores mayores a 0,90, para ser considerados adecuados en sus resultados. Finalmente, se obtuvo el Error Medio Cuadrático de Aproximación (RMSEA), este indicador explica cuan bien se ajusta la matriz de varianza-covarianza estimada a la matriz de covarianza poblacional; una vez que se corrige por los grados de libertad usados en el modelo estimado; se consideraron valores < 0,05 para buen ajuste y < 0,07 para un ajuste adecuado (^{Brown, 2006}).

Una vez finalizado el AF, se procedió a la identificación de clúster para establecer grupos que podrían representar los tipos de estudiantes según el rendimiento obtenido en la prueba. Este procedimiento se llevó a cabo con base en la creación de dendograma, a través del método de Ward, para identificar los valores centroides y así determinar el número de grupos que representan a la muestra. Posteriormente, se obtuvieron los clústeres a través del método no jerárquico de k medias, llegando a establecer 6 perfiles.

Los datos obtenidos fueron procesados estadísticamente mediante el software SPSS (V.25) mientras que para el AFC el programa AMOS (Analysis of Moment Structures). Finalmente, las variables a medir se detallan en la Tabla 1.

Tabla 1 Variables evaluadas mediante la batería EFUCES. 

Resultados

Se realizó el análisis de confiabilidad para cada una de las dimensiones evaluadas por la batería EFUCES, a través del estadístico Alfa de Cronbach, obteniendo el valor de α=0,757, lo que refleja un nivel adecuado de confiabilidad respecto a la conformación de las dimensiones.

Para verificar la adecuación de muestreo, se procedió a la evaluación del valor de la Medida Kaiser-Meyer-Olkin=0,706, resultado que evidencia un óptimo valor; mientras que el nivel de significancia de Chi cuadrado, prueba de esfericidad Barlett, fue de p=0,000, lo que refleja un resultado estadísticamente significativo y evidencia que el modelo se ajusta bien a la estructura interna planteada.

El AFE, fundamentado en el método de extracción por componentes principales a través del método de rotación ortogonal varimax, obtuvo cuatro factores principales que explican el 80,126% de la varianza total de las dimensiones que conforman la batería y cuyo valor se considera satisfactorio. Se consideró, además, la elaboración de una matriz de cargas factoriales la cual define cuatro componentes principales (Tabla 2).

Tabla 2 Matriz de cargas factoriales. 

Método de extracción: análisis de componentes principales.

Método de rotación: Varimax con normalización Kaiser.

El AFC permitió definir cuatro factores cuyos índices de ajuste para el modelo de ecuaciones estructurales son adecuados; se consideraron los índices de modificación que indicaban que para optimizar el modelo era necesario eliminar los indicadores TOT y FFEEEXACTITUD; además, con base en los estimadores, se sugería relacionar, el indicador INT con PERCTR e INT con MEMOTIPO. Estas relaciones a su vez dan sustento a la interacción y relación existente entre los tres primeros factores (atención, funciones ejecutivas-memoria, e inteligencia). En cuanto a los valores para el modelo estructural, conformado por cuatro factores, se obtuvo un RMSEA = 0,036, χ2 =0,000; Discrepancia entre χ2 y grados de libertad (CMIN/DF) =2,297; Índice de Ajuste Comparativo (CFI)=0,997; Índice de Ajuste Normalizado (NFI) =0,994; Índice no normalizado de ajuste, (NNFI o TLI) =0,995. Todas las cargas factoriales observadas entre cada ítem y su respectivo factor (Figura 1) fueron estadísticamente significativas (p < .001).

Figura 1 Diagrama de distribución y carga factorial de EFUCES en modelo 4 factores. 

Con base en los resultados obtenidos, se evidencia que la estructura interna de la batería EFUCES, teniendo como referencia el AFE, permite identificar la estructura subyacente, compuesta por cuatro factores (atención, funciones ejecutivas-memoria, inteligencia y estrategias de aprendizaje), con base en el análisis con los indicadores. Además, el AFC permitió conocer los índices de ajuste, que reflejan valores adecuados, es decir, sustentan la validez de la estructura de la batería EFUCES. Es importante resaltar que los tres primeros factores, según la teoría y praxis, corresponden a la variable neurocognitiva, mientras que el cuarto factor, corresponde a la variable metacognitiva.

Finalmente, se buscó establecer la existencia de perfiles agrupables de acuerdo con los resultados de los participantes de la muestra (Figura 2); para tal fin se aplicó el método jerárquico de Ward, cuyos resultados permitieron interpretar el dendograma, y determinar el número de grupos que representan perfiles tipo en relación con el rendimiento observado a través de los dos factores (neurocognitivo y metacognitivo) que integran la batería EFUCES (Tabla 4).

Figura 2 Diagrama de rendimiento neuro y metacognitivo según clasificación de estudiantes EFUCES. 

Los resultados indican que el número sugerente de clúster seria 06; posteriormente, se aplicó el método no jerárquico de k medias, para obtener los conglomerados finales, que incluye los valores centroides, los cuales se describen en la Tabla 3.

Tabla 3 Distribución de centros de Cluster finales y clasificación por tipos de estudiantes. 

Nota: Se procedió con fines de análisis preliminares nominar a cada grupo mediante una letra y número.

Tabla 4 Descripción de perfiles según rendimiento neuro-metacognitivo EFUCES. 

Posteriormente, se aplicó prueba de ANOVA a los clústers, definiendo que existen diferencias significativas a nivel intergrupo p: 0,000, además los valores de Neurocognición: F: 400,138 y Metacognición F: 1560,118, permitieron identificar las diferencias entre los grupos de segmentos. La dispersión agrupada con base en la muestra y clasificada por país, se observa a continuación (Figuras 3 y 4).

Figura 3 Diagrama de dispersión para rendimiento y clasificación de estudiantes según batería EFUCES. 

Figura 4 Diagrama de dispersión según rendimiento EFUCES Chile-España. 

Discusión

La investigación sobre el aprendizaje y los procesos de adaptación de los estudiantes en el contexto de la educación superior han ganado relevancia, más si se piensa que en este ámbito la tendencia actual es centrar la atención en el estudiante y su proceso de aprendizaje (^{Amieiro et al., 2018}). El levantamiento de modelos explicativos con base en la evaluación y obtención de perfiles integrales de los estudiantes que ingresan a la educación superior supone considerar diversos aspectos como los propuestos por ^{Gargallo et al. (2016}), quienes destacan la relevancia de conocer las capacidades que el estudiante ha desarrollado a lo largo de su ciclo de formación primaria y secundaria, en tanto elementos cognitivos, metacognitivos, motivacionales y conductuales, que le permitan hacer frente a la complejidad de la educación terciaria, lograr el aprendizaje esperado y la integración efectiva a su nuevo contexto educativo.

En esta línea, el presente trabajo se propuso analizar las propiedades psicométricas de una batería de evaluación de funciones cognitivas, que relaciona aspectos neuropsicológicos y metacognitivos vinculados con la adaptación y el aprendizaje. Los resultados obtenidos permiten afirmar que la batería propuesta para este estudio, denominada EFUCES, ofrece un tamizaje funcional que evalúa una serie de procesos cognitivos fundamentales para el desarrollo del aprendizaje como la atención selectiva, la atención sostenida y el índice de concentración (TR, TA, CON). Por otra parte, la reducción de variables derivada del AFC permitió la medición de la memoria de trabajo y ejecución a través de los indicadores de exactitud en proceso de copia, tipo de copia realizado, exactitud en fase memoria y tipo de construcción en proceso de memoria (FFEETIPOCOP, FFEEXACTITUD, MEMOCALIDAD, MEMOTIPO). Esta última dimensión refleja la capacidad de ejecutar una tarea que exige al evaluado la realización de un proceso visoconstructivo complejo, para el cual debe ser capaz de planificar, organizar y monitorear su desempeño en la elaboración; posteriormente, le exige, en fase de recuerdo diferido y sin aviso previo, reelaborar dicho estímulo, proceso que permite evaluar aspectos vinculados con la memoria de trabajo. La secuencia de elaboración permite, durante su realización, dimensionar procesos ejecutivos al evaluar la capacidad del sujeto para establecer relaciones y formular correlatos, a partir de ítems de información que ya no le son evidentes, debiendo, por tanto, efectuar la organización mental de los estímulos retenidos y cuya construcción ha de cumplir con el máximo detalle posible en términos de calidad y cantidad de detalles.

Los resultados presentados permiten validar el uso del test de matrices progresivas de Raven (TMP), instrumento asociado con la medición de inteligencia, complementando la dimensión neurocognitiva al integrar aspectos relacionados teóricamente con el factor de aptitud general (^{Fernández et al., 2004}); este factor denominado g, se ha asociado además con la inteligencia fluida y cristalizada, aportando, de este modo, a la batería EFUCES la facultad de evaluar la capacidad intelectual de los sujetos (INTELIGRAVEN, EDUCCION). La evaluación del rendimiento en procesos de análisis comprensivo y analógico en tareas de complejidad ascendente, que se realiza a través del TMP, permite dimensionar la capacidad de los sujetos para resolver problemas que le exigen la extracción de información, a partir de procesos percibidos o conocidos, habilidad fundamental para el desarrollo de aprendizaje en el contexto universitario.

Los resultados del AFC permitieron integrar a la batería EFUCES el Cuestionario de Evaluación de Estrategias de Aprendizaje en Estudiantes Universitarios (CVEAPEU, ^{Gargallo et al., 2009}). La estructura confiable y válida del CVEAPEU, consolida los resultados de la presente investigación respecto a la construcción de una dimensión metacognitiva capaz de complementar la evaluación neurocognitiva de EFUCES. Lo anterior, dado que al considerar tanto la escala I, denominada Estrategias afectivas de apoyo y control como la escala II, Estrategias relacionadas con el procesamiento de la información, es posible evaluar aspectos declarativos asociados al paradigma metacognitivo, puesto que al sujeto evaluado se le plantean afirmaciones que implican una acción reflexiva, esto es, debe autoevaluar sus capacidades relacionadas con la interacción social, autorregulación, capacidad de organizar el tiempo, establecer errores de planificación, monitoreo, proyección del éxito y corrección de sus estrategias en relación con el aprendizaje universitario (^{Veenman et al., 2006}).

Además, la metacognición, de acuerdo con ^{Romero (2011}), ofrece un nivel explicativo acerca de aspectos relacionados con el conocimiento y procesos emocionales tanto propios como de otros: esta capacidad para comprender y analizar algún tipo de interacción, ya sea potencial o real, implica una secuencia de eventos mentales y emocionales con influencia directa en el comportamiento y la capacidad para interactuar con otros. Esta condición se asocia con la escala I de CVEAPEU, que se integra al EFUCES y se valida para evaluar las capacidades relacionadas con la interacción social y el control del contexto, habilidades fundamentales para el proceso de integración a la educación terciaria, permitiendo observar cómo este factor influye en el rendimiento en estudiantes universitarios (^{Gargallo et al., 2016}).

En relación a la observación de las cohortes, es relevante considerar aquellos estudiantes que fueron excluidos del análisis de resultados pero que son importantes desde la perspectiva del proceso de enseñanza-aprendizaje, los denominados Outliers, o estudiantes que presentaron resultados atípicos de carácter negativo respecto al estandar de puntuación en población normal; si bien no forman parte del proceso estadístico general de la batería EFUCES, permiten abrir una discusión en relación a aspectos actitudinales pues presentaron poca disposición, motivación o interés para el desarrollo de la actividad propuesta. Este tipo de expresiones conductuales han sido explicadas como un fenómeno denominado esfuerzo subóptimo (^{Ross et al., 2015}), y es una condición que abre nuevas líneas de trabajo para evaluar su efecto en los contextos educacionales.

En relación con la búsqueda e identificación de perfiles de estudiantes, la batería EFUCES permitió agrupar seis tipos de estudiantes según su rendimiento en los factores neuro y metacognitivos, detallados en las Tablas 3 y 4, entre los cuales se encontraron diferencias significativas. Por una parte, se observó un grupo de estudiantes con niveles de rendimiento neurocognitivo por sobre la media: A2-B2-C2 y otros cuyo rendimiento en esta dimensión se encuentra por debajo del nivel esperado para la edad y nivel educativo de la población: A1-B1-C1.

Los resultados permiten detectar diferencias y aportar explicaciones a nivel de perfiles, por ejemplo, si se contrasta el rendimiento obtenido por los estudiantes tipos A2 y C2 , se observa una diferencia posible de ser explicada a partir del rendimiento metacognitivo a nivel declarativo, esto implica, que los estudiantes tipo A2 y C2 presentan un rendimiento neurocognitivo por sobre la media, lo que de alguna forma podría garantizar su efectividad para desarrollar estrategias de aprendizaje asociadas con el procesamiento de la información, atención, memoria e inteligencia general. No obstante, las diferencias sustanciales a nivel metacognitivo pueden afectar de manera directa una serie de procesos que influyen en el desarrollo del aprendizaje efectivo, ya que es posible plantear que un estudiante tipo A2, declara y se percibe a sí mismo con dificultades para establecer procesos de interacción social, siendo además altamente autocrítico respecto de sus habilidades y competencias. Esta condición permite inferir que esta característica podría disminuir su capacidad de adaptación al contexto universitario interfiriendo en un proceso de aprendizaje que le exige el desarrollo de competencias asociadas con un rol activo, integrado y participativo.

Por otra parte, si se observan los rendimientos obtenidos entre un perfil de estudiante tipo C1 y uno C2, las diferencias se expresan a nivel del rendimiento neurocognitivo: mientras el tipo C1, presenta un rendimiento 10 puntos bajo la media, su contraparte, un estudiante del tipo C2, obtiene 15 puntos por sobre la media. Estas discrepancias a nivel de rendimiento neurocognitivo al ser contrastadas de forma declarativa ofrecen una particular condición que se da en el grupo C1, quienes lo conforman tienden a sobredimensionar sus habilidades y competencias desde la perspectiva metacognitiva. Esta condición ha intentado ser explicada a través del efecto Dunning-Kruger, el cual refiere por una parte que sujetos no entrenados o con limitaciones tienden a sobreestimar sus habilidades, como es el caso de estudiantes tipo C1, mientras que, de manera paradójica, aquellos entrenados y hábiles tienden a subestimar sus capacidades y habilidades, como los estudiantes del perfil A2 (^{Kuger, 1999}; ^{Dunning et al., 2003}).

Finalmente, se puede apreciar un grupo de estudiantes que presenta un perfil que podría afectar su capacidad de adaptación y desarrollo de aprendizaje en el contexto de la educación superior, el A1, el cual se diferencia significativamente del total de estudiantes evaluados. Las habilidades neurocognitivas de los estudiantes de este grupo reflejan dificultades a nivel de atención, memoria, procesamiento de la información y capacidad de desarrollar pensamiento eductivo, pero además, son capaces de comprender sus dificultades y lo expresan a través del componente metacognitivo declarativo; por cuanto sería relevante estudiar en profundidad las características de este grupo, con el fin de desarrollar estrategias de apoyo que disminuyan su posibilidad de fracasar o abandonar sus estudios.

Conclusiones

Los resultados obtenidos en el presente estudio de validación de la batería EFUCES ofrecen la posibilidad de estructurar un proceso de evaluación integral de las funciones cognitivas, de estudiantes universitarios y establecer un perfil de ingreso. El carácter integral de la batería EFUCES está dado por la incorporación de las dimensiones neurocognitiva y metacognitiva de manera válida y confiable. Por otra parte, la característica multicéntrica de este estudio de validación, al considerar tanto estudiantes chilenos como españoles, potencia el alcance de este instrumento y abre la posibilidad de evaluar su aplicación en contextos similares.

Es importante considerar que esta investigación posee las limitaciones propias de estudios exploratorios, por lo que es recomendable realizar un estudio longitudinal con las cohortes de estudiantes que participaron en este estudio inicial (2018-2019) que permita analizar su proceso de formación en la educación terciaria, evidenciar los avances o eventuales fracasos asociados al rendimiento o el abandono académicos, cuestiones que puedan ser explicadas a partir de sus perfiles iniciales o de dificultades adaptativas no contempladas de manera oportuna por las instituciones de educación superior.

Finalmente, este trabajo plantea la posibilidad de extender su aplicación en función de consolidar los resultados iniciales, para profundizar en la caracterización de los perfiles de estudiantes propuestos, relacionando los indicadores obtenidos por EFUCES con el desempeño académico, y con los efectos que la educación superior pueda ejercer en la optimización de aspectos neuro y metacognitivos de esta población.