Summary

Multimodales Protokoll zur Bewertung der Metakognition und Selbstregulierung bei Erwachsenen mit Lernschwierigkeiten

Published: September 27, 2020
doi:

Summary

Die aktuelle Arbeit schlägt ein multimodales Bewertungsprotokoll vor, das sich auf metakognitive, Selbstregulierung des Lernens und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden.

Abstract

Lernbehinderungen (LDs) umfassen Störungen von Personen, die Schwierigkeiten beim Lernen und der Nutzung akademischer Fähigkeiten haben und leistungen aufweisen, die in den Bereichen Lesen, Schreiben und/oder Mathematik unter den Erwartungen für ihr chronologisches Alter liegen. Jede der Störungen, aus denen die LDs bestehen, hat unterschiedliche Defizite; innerhalb dieser Heterogenität sind jedoch einige Gemeinsamkeiten zu finden, wie z. B. in Bezug auf Lernselbstregulierung und Metakognition. Anders als im frühen Alter und später im Bildungsbereich gibt es kaum evidenzbasierte Bewertungsprotokolle für Erwachsene mit LDs. LDs beeinflussen die akademische Leistung, haben aber auch schwerwiegende Folgen im beruflichen, sozialen und familiären Kontext. Als Reaktion darauf schlägt die aktuelle Arbeit ein multimodales Bewertungsprotokoll vor, das sich auf metakognitive, Selbstregulierung des Lernens und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden. Die Bewertung erfolgt durch Analyse des Online-Lernprozesses mit verschiedenen Methoden, Techniken und Sensoren (z. B. Eye-Tracking, Gesichtsausdrücke von Emotionen, physiologische Reaktionen, gleichzeitige Verbalisierungen, Protokolldateien, Bildschirmaufzeichnungen von Mensch-Maschine-Interaktionen) und Offline-Methoden (z. B. Fragebögen, Interviews und Selbstanzeigen). Diese theoretisch orientierte und empirisch fundierte Leitlinie zielt darauf ab, eine genaue Bewertung von LDs im Erwachsenenalter zu ermöglichen, um wirksame Präventions- und Interventionsvorschläge zu entwerfen.

Introduction

Spezifische Lernstörungen (SLDs) umfassen Störungen von Personen, die Schwierigkeiten beim Lernen und Der Nutzung akademischer Fähigkeiten haben und leistungen aufweisen, die unter den Erwartungen für ihr chronologisches Alter in den Bereichen Lesen, Schreiben und/oder Mathematik liegen1,2. Es gibt unterschiedliche Schätzungen der Prävalenzraten in Abhängigkeit von Alter, Sprache und Kultur analysiert, aber sie sind zwischen 5% und 15%1,3. Innerhalb der globalen Kategorie der neuroentwicklungsbedingten Störungen im Diagnostic and Statistical Manual of Mental Disorders(5. Auflage) 1, ist es auch notwendig, sich auf die Inzidenz von Aufmerksamkeits-Defizit/Hyperaktivitätsstörung (nachfolgend ADHS) zu konzentrieren, da es sich um eine häufige Störung handelt, die in den letzten Jahren zu verschiedenen Kontroversen darüber geführt hat, wie man sich ihr nähert. Basierend auf dem DSM-51kann es als musterweises persistentes Verhalten der Unaufmerksamkeit und/oder Hyperaktivitätsimpulsivität definiert werden. Ebenso ist Autismus-Spektrum-Störung (nachfolgend ASD) eine Kategorie im gleichen Handbuch, die Studenten umfasst, die neuroentwicklungsbedingten Störungen als Folge von multifaktoriellen Funktionsstörungen des zentralen Nervensystems darstellen, die zu qualitativen Funktionsstörungen in drei grundlegenden Bereichen der Entwicklung der Person führen: soziale Interaktion, Kommunikation und Interessen und Verhaltensweisen1,2.

In dieser Richtung ist ein neues Konzept entstanden, das sich vom Gefühl des Defizits entfernt und einen positiveren Ansatz für diese Störungen bietet, um mit den aktuellen Vorstellungen von neuroentwicklungsbedingten Schwierigkeiten als stark koexistierend und überlappend4in Einklang zu stehen. Aus diesen neuen Modellen versteht man, dass die Fähigkeiten, die in hochgradigen kognitiven Prozessen, die es ermöglichen, das eigene Verhalten zu verwalten und zu regulieren, um ein gewünschtes Ziel zu erreichen, entscheidend für die Selbstregulierung und damit für Aktivitäten des täglichen Lebens sind, einschließlich der akademischen5. Im Kontext des Erwachsenwerdens hat sich die Neurodiversität entwickelt, um verschiedene Arten von Schwierigkeiten, einschließlich ADHS und ASD, sowie Legasthenie, Dyspraxie und/oder Dyskalkulie einzubeziehen. Dementsprechend nähern wir uns dieser Neurodiversität aus einer breiten Konzeption von Lernschwierigkeiten (LDs). Der Anstieg der Schüler mit dieser Vielfalt, die in der postsekundären Bildung eingeschrieben sind, ist gut dokumentiert und ist zum Teil auf den Anstieg der Abiturquoten für Schüler mit Behinderungen6zurückzuführen, aber gleichzeitig gibt es weniger Forschung über den Lernprozess dieser Schüler als notwendig7.

Jede der isoliert angegangenen Störungen beinhaltet unterschiedliche Defizite und Manifestationen; jedoch kann innerhalb dieser Heterogenität in Bezug auf LD eine gewisse Gemeinsamkeit gefunden werden, wie metakognitive, selbstregulierende und emotionale Fehlfunktionen8,9,10,11. Drei grundlegende Grundlagen in der Literatur des Lernens im Allgemeinen, und LDs im Besonderen, die die Grundlage für erfolgreiches Lernen darstellen und eine wesentliche Rolle in diesen bekannten Schwierigkeiten auf der akademischen Ebene12spielen. Darüber hinaus verstehen andere Ansätze, dass es eine gewisse Gemeinsamkeit zwischen Defiziten in exekutiven Funktionen geben könnte, wie Probleme in der automatischen Verarbeitung oder Arbeitsgedächtnis, die bei verschiedenen Erkrankungen wie ADHS und Lesestörungen13 oder ADHS und ASD5auftreten. In diesem Bereich gibt es jedoch noch einiges zu tun, da nicht alle Studien zu den gleichen Schlussfolgerungen zu diesen gemeinsam in Bezug auf Exekutivfunktionen gelangen. Dies könnte auf die Variationen zurückzuführen sein, die die Stichproben, auf denen die Studien beruhen, und die Bewertungsverfahren der exekutiven Funktionen, die in den Untersuchungen5,14verwendet werden, aufweisen.

In pädagogischer Hinsicht wirkt sich diese vielfältige Mischung nicht nur auf die Qualität des Lernens aus, was auf die grundlegende Natur der betroffenen Funktionen zurückzuführen ist, sondern auch auf Phänomene wie Schulabbrecher, Studienabschluss usw., mit wirtschaftlichen Auswirkungen auf Regierungen und Universitäten15. Die Abbrecherquote für Studierende mit LDs ist höher als für Studenten in der allgemeinen Bevölkerung16, aber auch höher als die Abbrecherquote für jede andere Kategorie von psychischen Behinderungen mit Ausnahme von Studenten mit emotionalen Störungen17. Im Gegensatz dazu steigt die Zahl der Studierenden mit LDs, die zugang zur postobligatorischen Bildung (Berufliche Bildung, Hochschule usw.) haben, um15,insbesondere im Hochschulbereich19,20,21,22. Darüber hinaus könnte man durchaus annehmen, dass es viel mehr Studenten mit LD als diejenigen, die offiziell durch Student Services und in der Regel bilden die Prävalenz-Statistiken23.

Diese Schwierigkeiten werden nicht immer in der Kindheit erkannt, vor allem bei Erwachsenen, die geboren wurden, bevor diese Störungen im regulären akademischen System berücksichtigt wurden, und die Symptome dieser Störungen bleiben im Leben der Menschen an und verursachen Schwierigkeiten in Arbeit, Bildung und Privatleben24. Untersuchungen haben gezeigt, dass, obwohl die Menschen einige ihrer Schwierigkeiten überwinden könnten, die meisten weiterhin Schwierigkeiten mit dem Lernen im Erwachsenenalter zeigen und ihre Beharrlichkeit auf diesen höheren Bildungsstufen immer noch problematisch ist25.

Paradoxerweise gibt es im Gegensatz zu früheren Bildungsniveaus und früheren Altersgruppen kaum evidenzbasierte Instrumente oder Bewertungsprotokolle für Erwachsene mit LDs. Trotz der Verbreitung diagnostischer Instrumente zur Bewertung von LDs im Kindesalter ist die Verfügbarkeit gültiger, zuverlässiger Instrumente und Methoden für die erwachsene Bevölkerung deutlich begrenzt24. Eine kürzlich durchgeführte Literaturrecherche über Lernbehinderungen in der Hochschulbildung ergab, dass die meisten der in diesem Zusammenhang gesammelten Informationen durch Interviews erfolgen und nur gelegentlich Selbstanzeige-Fragebögen verwendet werden26. Selbstberichtsmethodik und Interviews reichen zwar wertvoll aus, reichen aber nicht aus, um metakognitive, Selbstregulierungs- und emotionale Fähigkeiten, unter anderem wegen der Prozessnatur, genau zu bewerten. Die Bedeutung von Skalen und Interview-Methodik für die Messung dieser Verfahren ist unbestreitbar27,28, aber auch die damit verbundenen Probleme der Gültigkeit29 und Inkongruenz mit anderen innovativen Methoden der Bewertung30. Ein weiteres Problem bei der Erkennung von LDs ist die Voreingenommenheit bei der Diagnose der Störung aufgrund des Fehlens umfassender Bewertungsprotokolle. Die Tatsache, dass Profis kein Referenzprotokoll auf der Grundlage objektiver Variablen haben, verursacht häufig viele falsch positive und falsch negative Fälle von LDs31.

Als Reaktion auf die Knappheit der Instrumente für Erwachsene und die Notwendigkeit, die bestehende Methodik zu verbessern, schlägt die aktuelle Studie ein multimodales Bewertungsprotokoll vor, das sich auf metakognitive, Selbstregulierungs- und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden. Im Einklang mit der aktuellen Literatur schlagen wir einen Schritt in Richtung integrative und Mehrkanalmessung32,33vor. Die Bewertung erfolgt durch eine Analyse des Online-Lernprozesses mit verschiedenen Methoden, Techniken und Sensoren (z. B. Hypermedia-Lernumgebung, virtuelle Realität, Eye-Tracking, Gesichtsausdrücke von Emotionen, physiologische Reaktionen, Protokolldateien, Bildschirmaufzeichnungen von Mensch-Maschine-Interaktionen) und Offline-Methoden (z. B. Fragebögen, Interviews und Selbstanzeigemaßnahmen). Diese gemischte Methodik liefert Beweise für die Bereitstellung von Zielprozessen vor, während und nach dem Lernen, die trianguliert werden können, um das Verständnis dafür zu verbessern, wie die Schüler lernen und wo das Problem liegt, wenn es eine34gibt.

Das Evaluierungsprotokoll wird in zwei Sitzungen durchgeführt. Die Sitzungen können in einer Sitzung durchgeführt werden oder können je nach Person Teilanträge benötigen. Die erste konzentriert sich auf die Erkennung oder Bestätigung von LDs und welche spezifische Art von Störung wir konfrontiert sind, und die zweite ist entworfen, um in die metakognitiven, Selbstregulierung und emotionale Prozesse jedes einzelnen Falles in der Tiefe zu gehen.

Sitzung 1 soll eine diagnostische oder bestätigungswürdige Bewertung der Lernbehinderungen des Teilnehmers sein: SLD, ADHS und/oder ASD (hohe Funktion), um zu bestimmen, welche Art von spezifischen Problemen die Teilnehmer haben. Diese Bewertung ist aus zwei Gründen von wesentlicher Bedeutung. 1) Erwachsene mit Lernbehinderungen haben selten genaue Informationen über ihr dysfunktionales Verhalten. Einige von ihnen vermuten, dass sie eine LD haben, wurden aber nie ausgewertet. Andere wurden möglicherweise als Kinder bewertet, haben aber keine Berichte oder weitere Informationen. 2) Es kann Abweichungen mit früheren Diagnosen geben (z. B. eine frühere Legastheniediagnose im Gegensatz zu einer aktuellen Diagnose von Aufmerksamkeitsdefizit und langsamer Verarbeitungsgeschwindigkeit; vorherige ASD-Diagnose im Gegensatz zu derzeit begrenzten intellektuellen Fähigkeiten usw.). Der Teilnehmer wird befragt und Fragebögen und standardisierte Tests angewendet. Diese Sitzung wird hier von Therapeuten mit Erfahrung in der Diagnose von Entwicklungs- und Lernschwierigkeiten im Forschungs- und klinischen Kontext in verschiedenen Büros einer spanischen Psychologiefakultät durchgeführt. Die Sitzung beginnt mit einem strukturierten Interview, das biografische Informationen zusammen mit dem Vorhandensein von Symptomen im Zusammenhang mit SLDs sammelt, auf die im DSM-51verwiesen wird. Danach wird der Referenztest für geistige Fähigkeiten WAIS-IV35 im Falle der Umsetzung des Ausschlusskriteriums verwendet und liefert sehr wertvolle Informationen für Lernschwierigkeiten aus den Skalen “Arbeitsgedächtnis” und “Verarbeitungsgeschwindigkeit”36. Darüber hinaus wird der PROLEC SE-Revised Test37 ausgiebig zur Bewertung von Lesebehinderungen (lexikalische, semantische und/oder syntaktische Leseprozesse) eingesetzt, einer der häufigsten und behindernden Lernschwierigkeiten in aktuellen akademischen Kontexten, die sich mit anderen Erkrankungen wie ADHS38überschneiden. Diese Auswertung erfasst Lesegenauigkeit, Geschwindigkeit und Fluktuierung zusammen mit Lesebehinderungen, und noch wichtiger, in welchem Leseprozess der Fehler auftritt37 (dieser Test wurde mit Vorstudienstudenten ausgewertet). Derzeit gibt es keine Tests in Spanien, die an die allgemeine erwachsene Bevölkerung angepasst sind, so dass dieser Test ausgewählt wurde, weil er der Zielbevölkerung am nächsten ist). Dann, Wir screenen Symptome von ADHS durch die Weltgesundheitsorganisation Adult ADHS Self-Report Scale (ASRS)39 und verfeinern die Bewertung dieser Störung, Einführung Multimodalität mit einem innovativen Virtual Reality kontinuierlichen Leistungstest für die Bewertung von Aufmerksamkeitsprozessen und Arbeitsgedächtnis bei Erwachsenen, das Nesplora Aquarium31,40. Dieser Test ist ein sehr nützliches Werkzeug bei der Diagnose von ADHS bei Erwachsenen und Jugendlichen über 16 Jahren in einem ökologischen Szenario, die objektive, zuverlässige Daten liefern. Es bewertet selektive und anhaltende Aufmerksamkeit, Impulsivität, Reaktionszeit, auditive und visuelle Aufmerksamkeit, Ausdauer, Qualität der Aufmerksamkeitsfokus, motorische Aktivität, Arbeitsgedächtnis und Kosten der Änderung der Aufgabe. Darüber hinaus achten wir zusammen mit dem WAIS-IV35 als Ganzes zum Sammeln von Informationen über die intellektuellen Fähigkeiten des Teilnehmers besonders auf die Skalen “Arbeitsgedächtnis” und “Verarbeitungsgeschwindigkeit”, da sie mit Lernschwierigkeiten zusammenhängen und die Ergebnisse dieser Skalen in der endgültigen Entscheidung verwendet werden. Schließlich nehmen wir den Autism Spectrum Quotient (AQ-Short)41 in das Protokoll auf, die Kurzversion des zuverlässigen AQ-Adult von Baron-Cohen, Wheelwright, Skinner, Martin und Clubley42.

Sitzung 2 konzentriert sich auf eine multimodale Bewertung des Lernprozesses des Teilnehmers. Der Schlüssel zum Verständnis des komplexen Lernens liegt im Verständnis des Einsatzes der kognitiven, metakognitiven, motivierenden und affektiven Prozesse der Schüler43. Zu diesem Zweck arbeiten die Teilnehmer mit MetaTutor, wo die Verwendung von metakognitiven und kognitiven Strategien beobachtet wird, während sie lernen. MetaTutor ist eine hypermediale Lernumgebung, die entwickelt wurde, um das selbstregulierte Lernen von Schülern zu erkennen, zu modellieren, zu verfolgen und zu fördern, während sie verschiedene wissenschaftliche Themen lernen44. Das Design von MetaTutor basiert auf umfangreichen Forschungen von Azevedo und Kollegen43,45,46,47 und gehört zu einem neuen Trend in der Messung von SRL, der sogenannten dritten Welle, die sich durch den kombinierten Einsatz von Mess- und fortgeschrittenen Lerntechnologien auszeichnet33. Die Verwendung von MetaTutor bietet auch multimodale Spurendaten, die Maßnahmen wie Eye Tracking, emotionale physiologische Reaktionen (galvanische Hautreaktion (GSR) und Mimik von Emotionen)enthalten 48, Protokolldaten und Fragebögen. Alle diese Maßnahmen werden kombiniert, um ein tieferes Verständnis der Teilnehmer SRL und Metakognition zu erreichen.

Eye Tracking bietet ein Verständnis dafür, was sofort Aufmerksamkeit erregt, welche Zielelemente ignoriert werden, in welcher Reihenfolge Elemente bemerkt werden oder wie Elemente mit anderen verglichen werden; Elektroder-Aktivität lässt uns wissen, wie emotionale Erregung veränderungen als Reaktion auf die Umwelt; Gesichts-Emotion-Erkennung ermöglicht die automatische Erkennung und Analyse von Mimik; und Datenprotokollierung sammelt und speichert die Interaktion des Schülers mit der Lernumgebung zur weiteren Analyse. Bezüglich der Fragebögen informiert der Mini International Personality Item Pool49 über eine Reihe von Aktivitäten und Gedanken, die Menschen im Alltag erleben und die jede der fünf hauptwichtigsten Persönlichkeitsmerkmale bewerten (Extraversion, Angenehmheit, Gewissenhaftigkeit, Neurotizismus und Offenheit). Die Konnotativen Aspekte der epistemologischen Überzeugungen50 bieten Informationen über die Überzeugungen der Teilnehmer über Wissen. Die Rosenberg-Selbstwertwertskala zeigt, wie sich die Teilnehmer insgesamt51fühlen. Der Fragebogen zur Emotionsregulierung52 informiert über die Emotionsregulierung der Teilnehmer. Der Achievement Emotions Questionnaire (AEQ)53 informiert über Emotionen, die typischerweise an der Universität auftreten.

Kurz gesagt, die Beurteilung von LDs im Erwachsenenalter ist besonders schwierig. Bildung und Erfahrung ermöglichen es vielen Erwachsenen, ihre Defizite auszugleichen und später undifferenzierte oder maskierte Symptome aufzuzeigen, bei denen wissenschaftliche Erkenntnisse noch mangels liegen. Unter Berücksichtigung der entstehenden kritischen Forschungslücke zielt diese aktuelle Arbeit darauf ab, theoretisch orientierte, empirisch fundierte Leitlinien für eine genaue Bewertung von LDs im Erwachsenenalter zu gewährleisten, um wirksame Präventions- und Interventionsmaßnahmen zu konzipieren.

Um den Lesern bei der Entscheidung zu helfen, ob die beschriebene Methode angemessen ist oder nicht, muss angegeben werden, dass das Protokoll für Menschen mit geistigen Behinderungen nicht geeignet ist, da ihre Diagnose die Diagnose von Lernschwierigkeiten ungültig macht. Darüber hinaus ist es aufgrund der Singularitäten der verwendeten Geräte und des Formats der Anzeige der Lerninhalte immer noch nicht möglich, Menschen mit motorischen Behinderungen (obere Gliedmaßen, Hals und/oder Gesicht), Hör- oder Sehbehinderungen zu bewerten. Es wäre auch nicht für Teilnehmer mit schweren psychiatrischen Störungen geeignet. Es würde die Verwendung von Medikamenten erfordern, die die Informationsverarbeitung oder den physiologischen Ausdruck von Emotionen verändern könnten.

Protocol

Die Forschungsethikkommission des Fürstentums Asturien und die Universität Oviedo haben dieses Protokoll gebilligt. 1. Sitzung 1: Diagnosebewertung HINWEIS: In dieser Sitzung des Protokolls werden Evaluierungstests von verschiedenen Herausgebern verwendet, die über eigene Anwendungs- und Dolmetschanleitungen verfügen. Da diese oder ähnliche Tests in der wissenschaftlichen Gemeinschaft auf dem Gebiet der Psychologie und Erziehung weithin bekannt sind, ist das Verf…

Representative Results

In diesem Abschnitt werden die repräsentativen Ergebnisse des Protokolls veranschaulicht, einschließlich eines Beispiels für conjoint-Ergebnisse von Sitzung 1 und ein Beispiel für jede Informationsquelle aus Sitzung 2. Die Ergebnisse über Störungen werden in Sitzung 1 durch diagnostische Tests unter Berücksichtigung der Verfahren und Cut-off-Punkte gesammelt, die für die diagnostische Beurteilung der Lernschwierigkeiten der Teilnehmer (SLD, ADHS und ASD) angegeben sind. Der Sachverstä…

Discussion

Das aktuelle Protokoll schlägt eine multimodale Bewertung vor, die sich auf metakognitive, Selbstregulierungs- und emotionale Prozesse konzentriert, die die Grundlage für die Schwierigkeiten bei Erwachsenen mit LDs bilden.

Sitzung 1 ist wichtig, da es sich um eine diagnostische Bewertung der Lernbehinderungen des Teilnehmers handelt. Beachten Sie, dass diese Sitzung hier von Therapeuten mit Erfahrung in der Diagnose von Entwicklungs- und Lernschwierigkeiten im Forschungs- und klinischen Kont…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Dieses Manuskript wurde durch Fördermittel der National Science Foundation (DRL-Nr. 1660878, DRL-1661202, DUE-1761178, DRL-1916417), dem Social Sciences and Humanities Research Council of Canada (SSHRC 895-2011-1006), das Ministerium für Wissenschaft und Innovation I+D+i (PID2019-107201GB-100) und die Europäische Union über die Europäischen Fonds für regionale Entwicklung (EFRE) und das Fürstentum Asturien (FC-GRUPIN-IDI/2018/000199). Alle Meinungen, Erkenntnisse, Schlussfolgerungen oder Empfehlungen, die in diesem Material zum Ausdruck kommen, sind die des/der Autoren und spiegeln nicht unbedingt die Ansichten der National Science Foundation oder des Social Sciences and Humanities Research Council of Canada wider. Die Autoren danken auch den Mitgliedern des SMART Lab an der UCF für ihre Unterstützung und Beiträge.

Materials

AQUARIUM Nesplora
Eye-tracker RED500 Systems SensoMotoric Instruments GmbH
Face API Microsoft
GSR NUL-217 NeuLog

References

  1. American Psychiatric Association. . Diagnostic and statistical manual of mental disorders (5th ed.). , (2013).
  2. World Health Organization. . International statistical classification of diseases and related health problems (11th Revision). , (2018).
  3. . Education’s Individuals with Disabilities Education Act. 2018 Annual Report to Congress on the Individuals with Disabilities Education Act Available from: https://sites.ed.gov/idea/data (2018)
  4. Armstrong, T. The myth of the normal brain: Embracing neurodiversity. AMA Journal of Ethics. 17 (4), 348-352 (2015).
  5. Berenger, C., Roselló, B., Miranda, A., Baixauli, I., Palomero, B. Executive functions and motivation in children with autism spectrum disorder and attention deficit hyperactivity disorder. International Journal of Developmental and Educational Psychology. 1 (1), 103-112 (2016).
  6. Brinkerhoff, L. C., McGuire, J. M., Shaw, S. F. . Postsecondary education and transition for students with learning disabilities (2nd ed.). , (2002).
  7. Allsopp, D. H., Minskoff, E. H., Bolt, L. Individualized course-specific strategy instruction for college students with learning disabilities and ADHD: Lessons learned from a model demonstration project. Learning Disabilities Research & Practice. 20 (2), 103-118 (2005).
  8. Crane, N., Zusho, A., Ding, Y., Cancelli, A. Domain-specific metacognitive calibration in children with learning disabilities. Contemporary Educational Psychology. 50, 72-79 (2017).
  9. Harris, K. R., Reid, R. R., Graham, S., Wong, B. Self-regulation among students with LD and ADHD. Learning about Learning Disabilities. , 167-195 (2004).
  10. National Joint Committee on Learning Disabilities. . Collective Perspectives on Issues Affecting Learning Disabilities. , (1994).
  11. Sawyer, A. C., Williamson, P., Young, R. Metacognitive processes in emotion recognition: Are they different in adults with Asperger’s disorder. Journal of Autism and Developmental Disorders. 44 (6), 1373-1382 (2014).
  12. Meltzer, L. . Executive function in education: From theory to practice. , (2018).
  13. Martino, G., Capri, T., Castriciano, C., Fabio, R. A. Automatic Deficits can lead to executive déficits. Mediterranean Journal of Clinical Psychology. 5 (3), 1-31 (2017).
  14. Fabio, R. A., et al. Frequency bands in seeing and remembering: comparing ADHD and typically developing children. Neuropsychological Trends. 24, 97-116 (2018).
  15. Bernardo, A. B., Esteban, M., Cerezo, R., Muñiz, L. J. Principales variables influyentes en el abandono de titulación en la Universidad de Oviedo. Informe PRIOR: PRoyecto Integral de ORientación Académico-Profesional. , (2013).
  16. Cortiella, C. . Diplomas at risk: A critical look at the graduation rate of students with learning disabilities. , (2013).
  17. Plasman, J. S., Gottfried, M. A. Applied STEM coursework, high school dropout rates, and students with learning disabilities. Educational Policy. 32 (5), 664-696 (2018).
  18. Cortiella, C., Horowitz, S. H. . The state of learning disabilities: Facts, trends and emerging issues (3rd Ed). , (2014).
  19. Chevalier, T. M., Parrila, R., Ritchie, K. C., Deacon, S. H. The role of metacognitive reading strategies, metacognitive study and learning strategies, and behavioral study and learning strategies in predicting academic success in students with and without a history of reading difficulties. Journal of Learning Disabilities. 50 (1), 34-48 (2017).
  20. Goroshit, M., Hen, M. Academic procrastination and academic performance: Do learning disabilities matter. Current Psychology. , 1-9 (2019).
  21. Grinblat, N., Rosenblum, S. Why are they late? Timing abilities and executive control among students with learning disabilities. Research in Developmental Disabilities. 59, 105-114 (2016).
  22. Heiman, T., Fichten, C. S., Olenik-Shemesh, D., Keshet, N. S., Jorgensen, M. Access and perceived ICT usability among students with disabilities attending higher education institutions. Education and Information Technologies. 22 (6), 2727-2740 (2017).
  23. Couzens, D., et al. Support for students with hidden disabilities in universities: A case study. International Journal of Disability. Development and Education. 62 (1), 24-41 (2015).
  24. Schelke, M. W., et al. Diagnosis of developmental learning and attention disorders in adults: A review of clinical modalities. Neurology, Psychiatry and Brain Research. 23, 27-35 (2017).
  25. Madaus, J. W., Shaw, S. F. The impact of the IDEA 2004 on transition to college for students with learning disabilities. Learning Disabilities Research & Practice. 21 (4), 273-281 (2006).
  26. Santos, C. G., Fernández, E., Cerezo, R., Núñez, J. C. Dificultades de aprendizaje en Educación Superior: un reto para la comunidad universitaria. Publicaciones. 48 (1), 63-75 (2018).
  27. Jiménez, L., García, A. J., López-Cepero, J., Saavedra, F. J. The brief-ACRA scale on learning strategies for university students. Revista de Psicodidáctica. 23 (1), 63-69 (2018).
  28. Zimmerman, B. J., Zimmerman, B. J., Schunk, D. H. Motivational sources and outcomes of self-regulated learning and performance. Handbook of Self-Regulation of Learning and Performance. , 49-65 (2011).
  29. Pike, G. R., Kuh, G. D. A tipology of student engagement for Amer-ican colleges and universities. Research in Higher Education. 46, 185-209 (2005).
  30. Winne, P. H., Perry, N. E., Boekaerts, M., Pintrich, P. R., Zeidner, M. Measuring self-regulated learning. Handbook of Self-Regulation. , 531-566 (2000).
  31. Areces, D., Cueli, M., García, T., González-Castro, P., Rodríguez, C. Using brain activation (nir-HEG/Q-EEG) and execution measures (CPTs) in an ADHD assessment protocol. Journal of Visualized Experiments. (134), e56796 (2018).
  32. Azevedo, R., Taub, M., Mudrick, N. V., Alexander, P. A., Schunk, D. H., Greene, J. A. Understanding and reasoning about real-time cognitive, affective, and metacognitive processes to foster self-regulation with advanced learning technologies. Handbook of Self-Regulation of Learning and Performance. , (2017).
  33. Panadero, E., Klug, J., Järvelä, S. Third wave of measurement in the self-regulated learning field: when measurement and intervention come hand in hand. Scandinavian Journal of Educational Research. 60 (6), 723-735 (2016).
  34. Greene, J. A., Azevedo, R. The measurement of learners’ self-regulated cognitive and metacognitive processes while using computer-based learning environments. Educational Psychologist. 45 (4), 203-209 (2010).
  35. Wechsler, D. A. . Wechsler Adult Intelligence Scale (4th ed.). , (2008).
  36. Theiling, J., Petermann, F. Neuropsychological profiles on the WAIS-IV of adults with ADHD. Journal of Attention Disorders. 20 (11), 913-924 (2016).
  37. Cuetos, F., Arribas, D., Ramos, J. L. . Prolec-SE-R, Batería para la evaluación de los procesos lectores en Secundaria y Bachillerato – Revisada. , (2016).
  38. Mayes, S. D., Calhoun, S. L., Crowell, E. W. Learning disabilities and ADHD: Overlapping spectrum disorders. Journal of Learning Disabilities. 33 (5), 417-424 (2000).
  39. Kessler, R. C., et al. The World Health Organization Adult ADHD Self-Report Scale (ASRS): a short screening scale for use in the general population. Psychological Medicine. 35 (2), 245-256 (2005).
  40. Climent, G., Banterla, F., Iriarte, Y. . AULA: Theoretical manual. , (2011).
  41. Hoekstra, R. A., et al. The construction and validation of an abridged version of the autism-spectrum quotient (AQ-Short). Journal of Autism and Developmental Disorders. 41, 589-596 (2010).
  42. Baron-Cohen, S., Wheelwright, S., Skinner, R., Martin, J., Clubley, E. The autism-spectrum quotient (AQ): evidence from Asperger syndrome/high-functioning autism, males and females, scientists and mathematicians. Journal of Autism and Developmental Disorders. 31, 5-17 (2001).
  43. Azevedo, R., Johnson, A., Chauncey, A., Burkett, C., Khine, M., Saleh, I. Self-regulated learning with MetaTutor: Advancing the science of learning with MetaCognitive tools. New Science of Learning. , 225-247 (2010).
  44. Azevedo, R., Witherspoon, A., Chauncey, A., Burkett, C., Fike, A. MetaTutor: A MetaCognitive tool for enhancing self-regulated learning. 2009 AAAI Fall Symposium Series. , (2009).
  45. Azevedo, R. Theoretical, methodological, and analytical challenges in the research on metacognition and self-regulation: A commentary. Metacognition & Learning. 4 (1), 87-95 (2009).
  46. Feyzi-Behnagh, R., Trevors, G., Bouchet, F., Azevedo, R. Aligning multiple sources of SRL data in MetaTutor: Towards interactive scaffolding in multi-agent systems. 18th biennial meeting of the European Association for Research on Learning and Instruction (EARLI). , (2013).
  47. Harley, J. M., et al. Assessing learning with MetaTutor: A Multi-Agent Hypermedia Learning Environment. Annual meeting of the American Educational Research Association. , (2014).
  48. Azevedo, R., Feyzi-Behnagh, R., Harley, J., Bouchet, F. Analyzing temporally unfolding self-regulatory process during learning with multi-agent technologies. EARLI Biannual Conference 2013. , (2013).
  49. Donnellan, M. B., Oswald, F. L., Baird, B. M., Lucas, R. E. The mini-IPIP scales: tiny-yet-effective measures of the Big Five factors of personality. Psychological Assessment. 18 (2), 192 (2006).
  50. Stahl, E., Bromme, R. The CAEB: An instrument for measuring connotative aspects of epistemological beliefs. Learning and Instruction. 17 (6), 773-785 (2007).
  51. Gray-Little, B., Williams, V. S. L., Hancock, T. D. An item response theory analysis of the Rosenberg Self-Esteem Scale. Personality and Social Psychology Bulletin. 23, 443-451 (1997).
  52. Gross, J. J., John, O. P. Individual differences in two emotion regulation processes: implications for affect, relationships, and well-being. Journal of Personality and Social Psychology. 85 (2), 348 (2003).
  53. Pekrun, R., Goetz, T., Frenzel, A. C., Barchfeld, P., Perry, R. P. Measuring emotions in students’ learning and performance: The Achievement Emotions Questionnaire (AEQ). Contemporary Educational Psychology. 36 (1), 36-48 (2011).
  54. American Psychiatric Association. . Diagnostic and statistical manual of mental disorders – reviewed (DSM-IV-TR). , (2000).
  55. . Face API [Computer software] Available from: https://azure.microsoft.com/es-es/services/cognitive-services/face/ (2019)
  56. Picard, R. W. . Affective computing. , (2000).
  57. Grills-Taquechel, A. E., Fletcher, J. M., Vaughn, S. R., Stuebing, K. K. Anxiety and reading difficulties in early elementary school: Evidence for unidirectional-or bi-directional relations. Child Psychiatry & Human Development. 43 (1), 35-47 (2012).
  58. Mammarella, I. C., et al. Anxiety and depression in children with nonverbal learning disabilities, reading disabilities, or typical development. Journal of Learning Disabilities. 49, 130-139 (2014).
  59. Nelson, J. M., Harwood, H. Learning disabilities and anxiety: A meta-analysis. Journal of Learning Disabilities. 44 (1), 3-17 (2011).
  60. Arora, M. R., Sharma, J., Mali, U., Sharma, A., Raina, P. Microsoft Cognitive Services. International Journal of Engineering Science. 8 (4), 17323-17326 (2018).
  61. Bondareva, D., et al. Inferring learning from gaze data during interaction with an environment to support self-regulated learning. International Conference on Artificial Intelligence in Education. , 229-238 (2013).
  62. Mason, L., Tornatora, M. C., Pluchino, P. Do fourth graders integrate text and picture in processing and learning from an illustrated science text? Evidence from eye-movement patterns. Computers & Education. 60 (1), 95-109 (2013).
  63. Duffy, M. C., Azevedo, R. Motivation matters: Interactions between achievement goals and agent scaffolding for self-regulated learning within an intelligent tutoring system. Computers in Human Behavior. 52, 338-348 (2015).
  64. Cerezo, R., et al. Mediating Role of Self-efficacy and Usefulness Between Self-regulated Learning Strategy Knowledge and its Use. Revista de Psicodidáctica. 24 (1), 1-8 (2019).
  65. Mudrick, N. V., Azevedo, R., Taub, M. Integrating metacognitive judgments and eye movements using sequential pattern mining to understand processes underlying multimedia learning. Computers in Human Behavior. 96, 223-234 (2019).
  66. Taub, M., Azevedo, R. How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System. International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).
  67. Bogarín, A., Cerezo, R., Romero, C. A survey on educational process mining. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 8 (1), 1230 (2018).
  68. Cerezo, R., Bogarín, A., Esteban, M., Romero, C. Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education. , (2019).
  69. Levenson, R. W. Blood, sweat, and fears. Annals of the New York Academy of Sciences. 1000 (1), 348-366 (2003).
  70. Meer, Y., Breznitz, Z., Katzir, T. Calibration of Self-Reports of Anxiety and Physiological Measures of Anxiety While Reading in Adults With and Without Reading Disability. Dyslexia. 22 (3), 267-284 (2016).
  71. Daley, S. G., Willett, J. B., Fischer, K. W. Emotional responses during reading: Physiological responses predict real-time reading comprehension. Journal of Educational Psychology. 106 (1), 132-143 (2014).
  72. Pekrun, R., Goetz, T., Titz, W., Perry, R. P. Academic emotions in students’ self-regulated learning and achievement: A program of qualitative and quantitative research. Educational Psychologist. 37 (2), 91-105 (2002).
  73. Antonietti, A., Colombo, B., Di Nuzzo, C. Metacognition in self-regulated multimedia learning: Integrating behavioural, psychophysiological and introspective measures. Learning, Media and Technology. 40 (2), 187-209 (2015).
  74. Bogarin, A., Cerezo, R., Romero, C. Discovering learning processes using inductive miner: a case study with Learning Management Systems (LMSs). Psicothema. 30 (3), 322-329 (2018).
  75. Lang, C., Siemens, G., Wise, A., Gašević, D. . Handbook of learning analytics. , (2017).
  76. Romero, C., Ventura, S., Pechenizkiy, M., Baker, R. S. J. . Handbook of educational data mining. , (2010).
  77. Azevedo, R., Gašević, Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
  78. Veenman, M. V. J., Van Hout-Wolters, B., Afflerbach, P. Metacognition and Learning: Conceptual and Methodological Considerations. Metacognition Learning. 1, 3-14 (2006).
  79. Brusilovsky, P., Millán, E., Brusilovsky, P., Kobsa, A., Nejdl, W. User models for adaptive hypermedia and adaptive educational systems. The adaptive web. , 3-53 (2007).
  80. Taub, M., et al. using multi-channel data with multi-level modeling to assess in-game performance during gameplay with CRYSTAL ISLAND. Computers in Human Behavior. 76, 641-655 (2017).
check_url/fr/60331?article_type=t

Play Video

Citer Cet Article
Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. J. Vis. Exp. (163), e60331, doi:10.3791/60331 (2020).

View Video