Juicios metacognitivos predictivos

En la categoría de juicios metacognitivos se incluyen los juicios de aprendizaje (JOL) y los juicios de inferencia (JOI), que representan un porcentaje significativo de los artículos que se relacionan con esta investigación. Estos juicios tienen como objetivo generar predicciones sobre el rendimiento académico, y se basan en aprendizaje previo o prácticas recientes. Además, buscan evaluar la confianza de los estudiantes en su capacidad para recordar y aplicar conceptos generales o específicos (^{Ha & Lee, 2023}; ^{Jang et al., 2020}; ^{Morphew, 2021}; ^{Waldeyer & Roelle, 2021}).

Frente a la efectividad de estos juicios metacognitivos para estimar la probabilidad de precisión e influencia en la mejora de los procesos metacognitivos, algunos investigadores argumentan que son elementos indispensables en los procesos de aprendizaje. Estos juicios generan intentos de recuperación encubierta, lo cual conduce a mejoras en la memoria a largo plazo. Las investigaciones demuestran que los estudiantes suelen recordar mejor sus temáticas después de dos días o una semana de haber estado en contacto con nuevos conceptos, especialmente si la estrategia de aprendizaje se relaciona con la lectura (^{Kubik, Jemstedt et al., 2022}; ^{Tekin & Roediger, 2021}; ^{Zotzmann & Sheldrake, 2021}).

Por otro lado, expertos señalan que la efectividad de los juicios prospectivos varía según algunos parámetros, entre estos, los objetivos de aprendizaje, el estilo de aprendizaje del estudiante, sus creencias, experiencias previas y estrategias de estudio (^{DeYoung & Serra, 2021}; ^{Geraci et al., 2022}; ^{Golke et al., 2022}; ^{Ha & Lee, 2023}; ^{Ikeda, 2023}). Se encontró que las estrategias que mejoran la precisión en los juicios de aprendizaje (JOL) y los juicios de inferencia (JOI) incluyen las prácticas de recuperación y reestudio (^{Kubik, Koslowski et al., 2022}), el aprendizaje colaborativo (^{Kolić-Vehovec et al., 2022}), el uso de palabras clave (^{Waldeyer & Roelle, 2021}), el fortalecimiento de habilidades metacognitivas (^{Jang et al., 2020}), así como el uso de mapas conceptuales y la retroalimentación (^{Welter et al., 2022}).

En la literatura, se identifican algunos ejercicios que contribuyen a mejorar la precisión de los juicios metacognitivos JOL y JOI. Entre estos ejercicios se incluye la actividad de completar información, mediante la cual se proporciona al estudiante una breve orientación del tema a evaluar. Posteriormente, el estudiante debe realizar procesos de recuerdo para relacionar palabras y conceptos, comparar hechos o generar hipótesis (^{Kubik, Koslowski et al., 2022}; ^{Waldeyer & Roelle, 2021}). Asimismo, se presentan ejercicios de resúmenes y JOL retrasados, en los cuales los estudiantes evalúan su capacidad de comprensión y memoria después de familiarizarse con un nuevo tema y antes de realizar evaluaciones. Esto les proporciona habilidades de selección y criterio que mejoran la calibración en sus juicios (^{Chang & Brainerd, 2023}; ^{Tekin & Roediger, 2021}).

Aunque algunas de las actividades descritas pueden tener impactos positivos en el aprendizaje, es crucial ser cautelosos con aquellas que podrían resultar contraproducentes, como la retroalimentación sobre el desempeño y la precisión. Un estudio de ^{Morphew en 2021} reveló que este tipo de retroalimentación en estudiantes con bajo rendimiento aumentó su exceso de confianza, sin mejorar su implementación de estrategias efectivas o sus resultados en calibración de juicios JOL. Aunque algunos estudiantes mostraron mejoras en precisión en seguimiento, no se tradujo en un mejor rendimiento. En contraste, los estudiantes de alto rendimiento continuaron beneficiándose de estas prácticas de retroalimentación. Por consiguiente, se recomienda una retroalimentación más amplia y exhaustiva, que incluya juicios predictivos, posdictivos y de desempeño, que se adapten las estrategias según la actividad, como exámenes, tareas o pruebas de laboratorio, con el objetivo de mejorar tanto la precisión de la predicción como el rendimiento del estudiante.

Para evaluar y calibrar los juicios prospectivos en estudios de metacognición, se utilizan varios métodos e instrumentos. Entre ellos, se destacan técnicas como la autoevaluación mediante cuestionarios específicos y la representación visual de la confianza por medio de la técnica del dibujo. Las investigaciones demuestran que los estudiantes que realizan JOL y JOI con mayor precisión son aquellos que obtienen puntajes altos en el MAI. Además, estos estudiantes pueden extraer de manera precisa y clara la información de un texto para representarla mediante dibujos o esquemas (^{Jang et al., 2020}; ^{Kollmer et al., 2020}).

Por otro lado, los estudios indican que las calibraciones bajas entre juicios prospectivos y desempeño real se observan principalmente en estudiantes de bajo rendimiento, quienes suelen generar juicios imprecisos al proyectar un exceso de confianza. En contraste, los estudiantes que muestran una confianza relativamente menor suelen obtener puntuaciones altas en las calibraciones de juicios y presentan un rendimiento académico más alto (^{Avhustiuk et al., 2018}; ^{Geraci et al., 2022}; ^{Jang et al., 2020}; ^{Romero & Hurtado, 2022}).

Asimismo, los análisis sobre esta categoría de juicios metacognitivos sugieren que los juicios JOL pueden influir en que los aprendices redireccionen sus objetivos de aprendizaje y estrategias de estudio. Esto les permite centrarse en la información específica necesaria para comprender y recordar con claridad los conceptos, palabras o ideas principales (^{Ha & Lee, 2023}; ^{Händel & Dresel, 2022}). Sin embargo, esta categoría de juicios no es aplicable a todos los procesos de aprendizaje ni a todos los estudiantes. Según los resultados de las investigaciones, pueden generar un efecto contrario al esperado (^{Avhustiuk et al., 2018}; ^{Morphew, 2021}). Es necesario profundizar en el estudio de las características del aprendiz, del contexto y de los objetivos de aprendizaje. Así, la efectividad en la calibración de juicios metacognitivos y procesos de aprendizaje puede contribuir significativamente a una mejora, cuando esta categoría se encuentra entre las más utilizadas en entornos de aprendizaje.

Juicios metacognitivos concurrentes

La categoría de juicios metacognitivos concurrentes es la menos estudiada, representa el 3,3 % de la totalidad de estudios revisados en esta investigación. Aunque es común encontrar literatura enfocada en juicios prospectivos (JOL) o retrospectivos (JP), realizados antes o después de la prueba, es escasa la información sobre juicios metacognitivos concurrentes. El estudiante se enfrenta a ítems e interrogantes que no estaban previstos en sus predicciones. En tales casos, el aprendiz debe realizar juicios de facilidad o dificultad para abordar lo que ha surgido recientemente (^{Vangsness & Young, 2021}; ^{Wiedbusch et al., 2020}).

Sobre estos juicios, se presentan tanto beneficios como dificultades. Entre los puntos a favor que señalan los autores se encuentra el fortalecimiento del criterio para predecir lo fácil o difícil que pueden resultar los ejercicios de una prueba. Esto les ayuda a identificar aquellos elementos que les demandarán más tiempo y aquellos que les tomarán menos trabajo y esfuerzo. Así, se fortalecen sus precisiones y calibraciones metacognitivas y se facilita la elección de estrategias de estudio para cumplir con el objetivo propuesto (^{Vangsness & Young, 2021}; ^{Wiedbusch et al., 2020}). Asimismo, esta práctica puede aplicarse a escalas mayores, de manera que se fortalezcan la organización y el monitoreo; por ejemplo, seleccionar o separar tareas complejas de las sencillas y distribuir mejor el tiempo para su realización. Sin embargo, este tipo de juicios puede distraer al estudiante, en la medida en que debe realizar varias funciones metacognitivas simultáneamente. Esto incluye la evaluación de su memoria, capacidad de comprensión, elección de estrategias efectivas y rendimiento en tiempo real, mientras realiza juicios de dificultad (JOD) o de esfuerzo (EOL). Esto puede conducir a preguntas aclaratorias constantes y respuestas abiertas por parte del orientador, lo que podría perjudicar el desempeño, aumentar la carga de trabajo y disminuir la precisión y el rendimiento del estudiante (^{Vangsness & Young, 2021}; ^{Wiedbusch et al., 2020}).

Estas investigaciones indican que los juicios JOD y EOL tienen un valor predictivo o moderador limitado. En ocasiones, ofrecen solo una guía inicial. Sin embargo, si no se aplican en un contexto adecuado y con el conocimiento necesario, ocasionan confusión en el estudiante. Esto puede resultar perjudicial y afecta los procesos de aprendizaje y la calibración de juicios metacognitivos. De este modo, según los investigadores, hasta el momento los juicios de facilidad y dificultad no deben usarse como predictores confiables del aprendizaje. Al menos, deben ir acompañados de otros juicios metacognitivos, como los juicios retrospectivos o juicios de aprendizaje. Por lo tanto, es necesario estudiar a fondo las variables involucradas en este tipo de juicios para determinar con precisión qué características o parámetros ofrecerían mejores resultados (^{Vangsness & Young, 2021}; ^{Wiedbusch et al., 2020}).

Juicios metacognitivos posdictivos

El 50 % de los estudios se centra en la categoría de juicios posteriores a la prueba. Esta categoría incluye juicios de desempeño (JP), juicios de segundo orden (SOJ), juicios retrospectivos (RCJ) y juicios de tiempo de estudio (JOST). El propósito de estos juicios es evaluar el desempeño adecuado o inadecuado en una prueba después de su realización. De esta manera, el aprendiz puede identificar con mayor precisión qué aspectos encontró fáciles o difíciles, los errores que pudo cometer, y determinar qué información debió estudiar o los temas que requerían más o menos tiempo para obtener un mejor resultado (^{Fritzsche et al., 2018}; ^{Geraci et al., 2022}; ^{Gyllen et al., 2019}; ^{Koriat, 2019}; ^{Händel & Bukowski, 2019}; ^{Ordin et al., 2020}; ^{Robey et al., 2022}).

En relación con la calibración de los juicios de desempeño (JP), varios estudios indican que estos se relacionan directamente con el rendimiento académico. Los estudiantes con alto rendimiento muestran mejor calibración en sus juicios de desempeño en comparación con los de bajo rendimiento. Estos últimos tienden a sobreestimar su desempeño, lo que resulta en una discrepancia con sus resultados reales (^{Fritzsche et al., 2018}; ^{Geraci et al., 2022}; ^{Koriat, 2019}; ^{Kolić-Vehovec et al., 2022}; ^{Naujoks et al., 2022}). Además, los estudiantes con un desempeño bajo tienden a basarse en resultados previos sin mantener un monitoreo claro de las estrategias que previamente les funcionaron. Esto les dificulta aplicar estrategias adecuadas a nueva información o temáticas que se les presenten, lo cual resulta en menores niveles de calibración y obstaculiza mejoras en su proceso de aprendizaje (^{Fritzsche et al., 2018}; ^{Geraci et al., 2022}; ^{Romero & Hurtado, 2022}; ^{Wang & List, 2019}; ^{Wang & Xing, 2019}; ^{Wesenberg et al., 2022}; ^{Zhou, 2023}).

Por otro lado, los juicios de segundo orden (SOJ) emergen como respuesta a los interrogantes que se plantean sobre el bajo desempeño, calibración y rendimiento de algunos estudiantes. Estos juicios proponen análisis posteriores a los juicios de desempeño, y los estudiantes deben determinar si consideran confiable su evaluación inicial o si tienen algún grado de duda al respecto (^{Fritzsche et al., 2018}; ^{Schnaubert et al., 2021}).

La literatura argumenta que los juicios de desempeño demuestran mayor precisión; sin embargo, autores como ^{Fritzsche et al., 2018}, ^{Händel y Bukowski, 2019} y ^{Nederhand et al., 2021} encontraron que, incluso en este tipo de juicios, donde los estudiantes pueden juzgar su desempeño de acuerdo con experiencias previas de evaluación, la calibración de juicios no presenta las mejoras esperadas. En su mayoría, se obtienen juicios inexactos, los estudiantes de bajo rendimiento continúan generando juicios optimistas y los estudiantes de mejor desempeño tienen una menor confianza en este. Por consiguiente, se optó por implementar juicios de segundo orden (SOJ), los cuales pueden aplicarse a cualquier juicio de primer orden; no obstante, se observa que son empleados con frecuencia en juicios postdictivos.

Los resultados fueron sorprendentes, puesto que, inesperadamente, los estudiantes con bajo desempeño presentaron una calibración baja, es decir, fueron conscientes de que su estimación sobre el desempeño fue incorrecta. Estos resultados atribuyen este nivel de consciencia a experiencias pasadas y argumentan que los estudiantes asignan menos confianza a sus juicios de desempeño cuando están mal calibrados. En este orden de ideas, según los investigadores, independiente del nivel de desempeño, los estudiantes muestran cierta conciencia de la precisión de la calibración, al proporcionar SOJ altos o bajos, donde el estudiante adquiere la conciencia para juzgar sus propios juicios, ya sea que su desempeño sea excelente o requiera mejoras, pero su calibración tiende a ser precisa. Sin embargo, los autores sugieren la creación de modelos mixtos para continuar estudiando en detalle los SOJ y explorar si existen otras causas que generen estos resultados de conciencia metacognitiva en estudiantes de bajo y de alto rendimiento (^{Fritzsche et al., 2018}; ^{Händel & Bukowski, 2019}; ^{Lippmann et al., 2021}; ^{Nederhand et al., 2021}).

Por otro lado, estudios recientes sugieren que la calibración de segundo orden puede afectarse o distorsionarse por juicios metacognitivos colectivos, lo cual disminuye el criterio de algunos aprendices (^{Fritzsche et al., 2018}; ^{Schnaubert et al., 2021}). Además, otros investigadores señalan que, independientemente del nivel de desempeño, la precisión de la calibración está influenciada por los juicios de segundo orden (SOJ). Esto se debe a que los estudiantes con menor precisión tienden a tener menos confianza en sus estimaciones (^{Händel & Dresel, 2018}; ^{Nederhand et al., 2021}; ^{Schnaubert et al., 2021}).

En cuanto a los juicios retrospectivos (RCJ), la literatura indica que los resultados respecto a rendimiento y precisión de juicio son incluso más precisos que los generados por juicios de desempeño rápido (^{Lippmann et al., 2021}; ^{Robey et al., 2022}). En los juicios de desempeño rápido, los estudiantes tienden a sobreestimar sus resultados, lo cual afecta a la calibración del juicio. En contraste, los juicios retrospectivos facilitan la toma de decisiones respecto a las estrategias de estudio que deben modificarse o implementarse para obtener mejores resultados, así como la selección de información adecuada para las diferentes pruebas o actividades académicas. Por consiguiente, este es un ejercicio que requiere calma para evaluar los aspectos que pueden continuar y lo que debe cambiarse (^{Van der Linden et al., 2023}; ^{Wiedbusch et al., 2020}).

En esta categoría también se incluyen los juicios de tiempo de estudio (JOST). Al igual que en otros juicios metacognitivos, se observa que los estudiantes con menor desempeño académico tienden a sobreestimar el tiempo que dedican a la realización de una tarea, lectura de un texto, revisión de diapositivas o material de clase (^{Gyllen et al., 2019}). Por otro lado, los estudiantes con buen desempeño académico tienden a subestimar el tiempo que dedican al desarrollo de sus actividades académicas; por consiguiente, muestran una mejor precisión en sus juicios de tiempo de estudio (JOST) (^{Gyllen et al., 2019}).

Esta es la categoría más amplia dentro de la investigación en la medida en que aborda cuatro tipos distintos de juicios metacognitivos. Según los resultados, estos juicios tienden a mostrar una mayor precisión. Por lo tanto, los investigadores sugieren integrar juicios metacognitivos predictivos, concurrentes y postdictivos en los procesos educativos (^{Naujoks et al., 2022}; ^{Tekin & Roediger, 2021}). Si se integran solo uno o dos de los juicios metacognitivos en los procesos de aprendizaje, se estarían pasando por alto otras variables importantes que contribuyen a mejorar la precisión de los juicios metacognitivos. Asimismo, es necesario proponer y mejorar los instrumentos que miden los juicios metacognitivos (^{Gyllen et al., 2019}; ^{Kolić-Vehovec et al., 2022}).