10.22235/cp.v17i2.3254
Autorregulación del aprendizaje como predictor de la autoeficacia académica en universitarios del Ecuador
Learning self-regulation as a predictor of academic self-efficacy in Ecuadorian undergraduate students
A autorregulação da aprendizagem como preditora da autoeficácia acadêmica em estudantes universitários no Equador
Jacqueline del Pilar Regatto-Bonifaz1, ORCID 0000-0002-1028-7477
Víctor Manuel Viteri-Miranda2, ORCID 0000-0002-5776-6731
Rodrigo Moreta-Herrera3, ORCID 0000-0003-0134-5927
1 Universidad Estatal de Milagro, Ecuador; Universidad de Palermo, Argentina
2 Universidad Estatal de Milagro, Ecuador; Universidad de Palermo, Argentina
3 Pontificia Universidad Católica del Ecuador, Ecuador; Universitat de Girona, España, rmoreta@pucesa.edu.ec
Resumen:
La autorregulación del aprendizaje (ARA) y la autoeficacia académica (AA) forman parte de la teoría social cognitiva y del aprendizaje, y cumplen un rol fundamental en el contexto educativo. Este trabajo tiene por objetivo identificar el potencial explicativo de la ARA en la AA en una muestra de estudiantes universitarios del Ecuador. Se utilizó una metodología cuantitativa, descriptiva y explicativa por medio del modelo de ecuaciones estructurales (SEM). La muestra la comprenden 570 estudiantes de dos universidades públicas del Ecuador. El 76 % son mujeres y el 24 % son varones, con edades entre los 17 y los 56 años (M = 25.29). Los resultados reflejan que existe una correlación positiva y moderada entre la ARA y la AA. Además, no se presentan diferencias significativas por género (p > .05) en ambos atributos. A nivel de influencia, la ARA explica en un 23.8 % los cambios de la varianza de la AA mediante de técnicas SEM. Se concluye que la ARA es un predictor moderado de la AA en universitarios del Ecuador.
Palabras clave: aprendizaje; autoeficacia académica; autorregulación; estudiantes universitarios.
Abstract:
Self-regulated learning (SRL) and academic self-efficacy (ASE) both fall within social cognitive and learning theory and play a key role in the educational context. The aim of this study was to identify the explanatory potential of SRL and ASE among a group of university students in Ecuador. A quantitative, descriptive and explanatory methodology was applied using structural equation modelling (SEM). The sample consisted of 570 students from two public universities in Ecuador of which 76 % were female and 24 % were male ranging from 17 to 56 years old (M = 25.29) The results reflected that there was a moderate positive correlation between SRL and ASE. Furthermore, there were no significant differences by gender (p > .05) for both attributes. SRL explained 23.8 % of ASE's variance changes at the influence level using SEM techniques. Therefore, it was concluded that SRL is a moderate ASE predictor in Ecuadorian university students.
Keywords: learning; academic self-efficacy; self-regulation; university students.
Resumo:
A autorregulação da aprendizagem (ARA) e a autoeficácia acadêmica (AA) fazem parte da teoria social cognitiva e da aprendizagem e desempenham um papel fundamental no contexto educacional. O objetivo deste trabalho é identificar o potencial explicativo da ARA na AA em uma amostra de estudantes universitários do Equador. Foi utilizada metodologia quantitativa, descritiva e explicativa por meio de modelagem de equações estruturais (MEE). A amostra foi composta por 570 estudantes de duas universidades públicas do Equador. 76 % são mulheres e 24 % são homens, com idades entre 17 e 56 anos (M = 25,29). Os resultados refletem a existência de uma correlação positiva e moderada entre a ARA e a AA. Além disso, não existem diferenças significativas por gênero (p > 0,05) em ambos os atributos. A nível de influência, a ARA explica 23,8 % das alterações na variância da AA por meio de técnicas SEM. Conclui-se que a ARA é um preditor moderado da AA em estudantes universitários no Equador.
Palavras-chave: aprendizagem; autoeficácia acadêmica; autorregulação; estudantes universitários.
Recibido: 15/02/2023
Aceptado: 11/09/2023
Autorregulación del aprendizaje y su aporte en la formación universitaria
La ARA es el control que una persona ejecuta sobre sus pensamientos, acciones, emociones y motivación mediante estrategias para alcanzar un objetivo de aprendizaje (Panadero, 2017; Zimmerman, 2013). Consta de una serie de procesos que permiten llevar adelante un aprendizaje de forma adecuada. Estos son: a) metacognición activa: planificación, establecimiento de metas, organización, automonitorización y autoevaluación de estrategias; b) motivación: autoeficacia, autoatribuciones e interés intrínseco en la tarea; y c) conducta dirigida: selección, estructuración y creación de ambientes que optimizan el aprendizaje, búsqueda de consejo, información y lugares en los que se tienen más probabilidades de aprender, autoinstrucción durante el desarrollo de una tarea y autorrefuerzo tras la obtención de resultados. De esta manera, se permite que la ARA contemple en su estructura interna tres elementos que actúan de manera cíclica: a) planificación; b) ejecución; y c) evaluación (Zimmerman, 2013).
La presencia de la ARA en estudiantes universitarios suele ser de intensidad deficitaria en muchos casos, y con falencias en los procesos de planificación, control y autoevaluación de sus estrategias para alcanzar metas académicas (Burbano et al., 2021). Además, la evidencia señala que se presentan diferencias por género (p < .05), en el que las mujeres ejecutan mejores estrategias de ARA (atribuciones externas, planificación, organización, manejo de recursos para usar la información adquirida y estrategias de procesamiento) que los hombres (Gaeta et al., 2021; Zambrano et al., 2018); aunque esto aún no puede considerarse como una generalidad, dada la carencia de estudios específicos.
En el campo académico, la ARA incide en competencias como la comprensión de textos (Van de Pol et al., 2019), la escritura académica (Palermo & Thomson, 2018), el cálculo y las matemáticas (Callan & Cleary, 2019), las competencias investigativas (Paredes-Proaño & Moreta-Herrera, 2019), entre otras. Así, la ARA incide positivamente en el éxito escolar como un predictor del rendimiento académico (Hernández-Barrios & Camargo-Uribe, 2017) y, a su vez, reduce aspectos negativos, como factores situacionales asociados a problemas de aprendizaje como la procrastinación académica (Grunschel et al., 2018).
Sin embargo, aún se requiere indagar sobre la relación e incidencia que puede tener con otros procesos internos de autocontrol y automotivación que complementan la direccionalidad hacia conductas enfocadas en el aprendizaje, por ejemplo, la autoeficacia. Esto contribuirá en los modelos interpretativos y predictivos de los procesos de aprendizaje en el contexto académico y de la psicología educativa.
Autoeficacia académica y su contribución a la educación universitaria
La AA es una forma específica de autoeficacia general (Bandura, 1992; Maddux & Gosselin, 2012; Moreta-Herrera et al., 2019) muy estudiada en los campos de la psicología y educación, ya que comprende las creencias, así como los juicios del logro personal sobre los procesos académicos, entre ellos, el desarrollo de actividades, contenidos, conocimientos, interés por el aprendizaje o competencias educativas como la investigación (Reyes & Gutiérrez, 2015). Diversos estudios han evidenciado que las creencias positivas de autoeficacia pueden verse nutridas por las experiencias directas, la persuasión verbal y el aprendizaje vicario (Ahn et al., 2017; Beatson et al., 2018), por lo que su presencia es relevante en la vida global y académica de las personas.
La AA se manifiesta de manera moderada entre los estudiantes universitarios; además, presenta mejora significativa a mediano plazo, conforme se avanza en los estudios y el grado académico (Del Rosal & Bermejo, 2017; Piergiovanni & Depaula, 2018). Asimismo, ciertos autores consideran que hay mayor presencia de AA en varones que en mujeres (Domínguez-Lara & Fernández-Arata, 2019); otros autores, sin embargo, mencionan que el género es en realidad invariante (Schnell et al., 2015).
La AA tiene un efecto y una incidencia en el contexto de la educación, pues se asocia con el apoyo, el bienestar y el rendimiento escolar (González et al., 2020; Paez et al., 2017), la resiliencia académica (Cassidy, 2015), el bienestar académico (Paciello et al., 2016), la motivación escolar (Montes de Oca-Sánchez & Moreta-Herrera, 2019), actitudes hacia la tecnología (Regatto-Bonifaz & Viteri-Miranda, 2023), entre otros. Aunque tiene una importancia relevante en la educación, se conoce poco sobre los precursores, determinantes académicos y psíquicos que inciden en este atributo.
Autorregulación del aprendizaje y autoeficacia académica
La ARA es un recurso de autodirección del estudiante que le permite alcanzar objetivos específicos. Propicia una actuación académica independiente y efectiva que alude a la capacidad metacognitiva, a la motivación intrínseca y a una actuación estratégica. La consecución de estos objetivos refuerza por, otra parte, sus creencias de logro y de autoconfianza para proponerse alcanzar metas más elevadas (AA). Así, los estudiantes con creencias de autoeficacia positiva por lo general obtienen un mejor desempeño académico (Wang et al., 2013). De esto se desprende que estos elementos se muestran de forma encadenada para su desarrollo.
Cierta evidencia recoge la cercanía que tienen la ARA con la AA y la posible interacción en estudiantes universitarios (Alegre, 2014; Araya et al., 2022; Covarrubias et al., 2019; Gaeta et al., 2021; Luna & Álvarez, 2020). En estos trabajos, se señala que la relación existente es positiva y significativa, con intensidades variables que fluctúan entre bajas y moderadas. Esta variabilidad aparente podría depender de características particulares en los métodos de enseñanza que se imparten en centros de educación superior, por ejemplo, o a otros factores aún no identificados. Por lo que es importante continuar con su estudio y exploración, sobre todo en la realidad latinoamericana y ecuatoriana. Únicamente, se rescata el trabajo de Sáez et al. (2022) en docentes universitarios, quienes señalan que la ARA explica en un 33.7 % los cambios en la varianza de la AA, que apoya esta probable característica, no demostrada en universitarios actualmente. Por lo que aún se presentan vacíos significativos para la comprensión del comportamiento del estudiante universitario.
Explorar sobre este aspecto, por lo tanto, permitirá conocer el impacto que tienen estos procesos internos en el sistema de creencias sobre el desempeño académico, lo que a futuro puede generar mecanismos de intervención para el mejoramiento del aprendizaje.
Objetivos e hipótesis
Como se señaló anteriormente, los estudios sobre la ARA y la AA son limitados, mayoritariamente centrados en la covarianza con una escasa incidencia en la influencia o predictibilidad, por lo que es importante indagar sobre estos cuestionamientos. Si bien se recogen diversos estudios en universitarios, en el caso de Ecuador estos son casi inexistentes, por lo que resulta necesario a priori desarrollar el análisis que permita conocer la mecánica del desempeño y la vida educativa.
Por esta razón se consideran como objetivos de trabajo: a) identificar la prevalencia de la ARA y la AA en una muestra de universitarios del Ecuador; b) analizar las diferencias en la ARA y la AA según el género de los participantes; c) establecer la relación entre las variables ARA y AA en estudiantes universitarios ecuatorianos; y d) determinar la influencia de la ARA en la AA. Para ello se parte de la hipótesis de que existe una presencia moderada alta en las variables bajo análisis (H1); que existen diferencias de género (H2); una relación moderada y significativa (H3); y que la ARA es un predictor de la AA (H4).
Método
Diseño
El estudio se basa en un enfoque cuantitativo, descriptivo, correlacional y explicativo de corte transversal (Ato et al., 2013) con el uso del modelo de ecuaciones estructurales (SEM), que es una técnica que combina tanto la regresión múltiple como el análisis factorial para conocer los niveles de asociación a nivel de variables latentes (Mueller & Hancock, 2018; Wolf et al., 2013).
Participantes
La muestra de estudio fue de 570 estudiantes de pregrado de dos universidades públicas del Ecuador de las ciudades de Milagro (región Costa) y Riobamba (región Sierra), elegidas por su representatividad y diversidad en cuanto a su ubicación geográfica y áreas de estudio. El 76 % (n = 433) son mujeres y el 24 % (n = 137) son varones, con edades comprendidas entre los 17 y 56 años (M = 25.29 años; DE = 6.5 años). El 70 % se encuentra domiciliado en el sector urbano y el 30 % en el sector rural. Con respecto al estado civil, el 77.8 % son solteros y el 22.2 % son casados, divorciados o separados.
La selección de los participantes se realizó por medio de un muestreo no probabilístico por conveniencia, con criterios de inclusión. Dichos criterios correspondieron a: a) ser estudiante universitario de pregrado y pertenecer a las instituciones de educación superior seleccionadas; b) participación voluntaria y firmar la carta de consentimiento.
Medidas o instrumentos
Inventario de procesos de Autorregulación del Aprendizaje (IPAA; Rosário et al., 2007) adaptado a universitarios (Bruna et al., 2017). La escala busca identificar la presencia que tienen los estudiantes de distintos niveles en cuanto al proceso de autorregulación del propio aprendizaje a través de tres fases frecuentes: preparación, desempeño y autorreflexión. La IPAA se compone de 12 ítems en 3 dimensiones: a) planificación (ítems 1, 2, 3); b) ejecución (ítems 4, 5, 6, 7) y evaluación (ítems 8, 9, 10, 11 y 12). Cada ítem se puntúa por medio de una escala de Likert de cinco opciones, en el que 1 es Totalmente en desacuerdo y 5 Totalmente de acuerdo. La escala tiene una fiabilidad de α = .98 en muestra de universitarios. En el presente estudio, la validez factorial de la medida se realiza por medio de un modelo de ajuste jerárquico con tres factores de primer orden (planificación, ejecución y evaluación), más un factor general de segundo orden. Los valores de ajuste señalan que el modelo propuesto es adecuado con χ2 = 116.4; p < .001; gl = 53; χ2/gl = 2.2; CFI = .999; TLI = .999; SRMR = .022; RMSEA = .046 (.035-.057). Finalmente, la consistencia interna del IPAA es de α = .94 que es equivalente a alto.
Escala de Autoeficacia Percibida Específica de Situaciones Académicas (Eapesa, Palenzuela, 1983) en la versión validada en el Ecuador (Moreta-Herrera et al., 2021). El propósito de esta escala es conocer los niveles de AA de los estudiantes a través de un cuestionario de 9 ítems. El componente de respuesta a los ítems está estructurado a partir de una escala Likert de 4 opciones entre 1 Nunca y 4 Siempre. Aunque no existen valores normativos específicos para la escala, se considera que a mayor puntaje existe una mayor autoeficacia percibida. El punto de corte referencial es de 50. Respecto a las propiedades psicométricas, sobre la consistencia interna en la versión castellana, se identifica que es alta, con α = .89, y temporalmente estable, con r = .87. En el presente estudio la validez factorial de la escala corresponde a χ2 = 107.6; p < .001; gl = 27; χ2/gl = 3.99; CFI = .999; TLI = .999; SRMR = .039; RMSEA = .073 (.058-.087) por medio de un modelo de ajuste unifactorial del que se concluye que cuenta con un ajuste adecuado. Además, la consistencia interna para esta escala es de α = .91, equivalente a alto.
Procedimiento
El desarrollo de esta investigación requirió de las autorizaciones de las instituciones participantes. Posteriormente, se efectuó la socialización del proyecto, la explicación de los objetivos y el proceso de la recolección de datos. Además, se garantizó la confidencialidad de la información durante el proceso. La encuesta se realizó de manera virtual por medio de la aplicación Formularios de Google a través del enlace <https://forms.gle/gsredpLNsM51wV3S9>. El grupo objeto de análisis completó el consentimiento autorizado, incluyendo los datos sociodemográficos, y las escalas Eapesa y IPAA. Una vez completadas las encuestas, se procedió a la depuración y sistematización de los datos en hojas electrónicas para los análisis estadísticos pertinentes, se contrastaron las hipótesis y se realizaron los informes de investigación respectivos. Cabe señalar que la presente investigación consideró las recomendaciones emitidas por la Convención de Helsinki en cuanto al manejo ético de la información.
Análisis de los resultados
El presente trabajo contó con la gestión de tres bloques de análisis. El primero es un análisis descriptivo sobre la caracterización de la muestra de estudio. Para ello se empleó las medidas de tendencia central (Media Aritmética (M)), Dispersión (Desviación Estándar (DE)); Distribución (Asimetría (g1) y Curtosis (g2.)). También se empleó la prueba de Kolmogórov-Smirnov (K-S) para corroborar el supuesto de normalidad univariante, que se cumple ante la ausencia de significancia estadística (p > .05).
El segundo bloque es un análisis comparativo por grupo (sexo) de las variables en estudio para conocer las posibles diferencias estadísticas (p < .05). Para ello se utilizó la prueba paramétrica t of student (t) para muestras independientes.
El tercer bloque comprende el análisis factorial confirmatorio (AFC) por medio del SEM. En este análisis se estudia tanto la correlación entre la ARA y la AA (Figura 1), como el potencial explicativo en el cambio de la varianza de la primera sobre la segunda (Figura 2). Para ello se empleó el AFC con estimación de Mínimos Cuadrados Ponderados Diagonalmente (DWLS). Este criterio se emplea ante la ausencia de normalidad y por la naturaleza categórica de los ítems (Caycho-Rodríguez et al., 2022; Li, 2016). Los modelos de ajuste se probaron de acuerdo a los indicadores absolutos, como el chi cuadrado (χ2), el chi cuadrado normado (χ2/gl) y el Residuo Cuadrado Medio Estandarizado (SRMR); los indicadores relativos, Índice de Ajuste Comparativo (CFI) y el Índice de Tucker-Lewis (TLI); y el indicador no basado en la centralidad, Error Cuadrático Medio de Aproximación (RMSEA). Se consideran ajustes adecuados cuando el χ2 no es significativo (p > .05) o el χ2/gl es menor a 4; el CFI y el TLI son superiores a .95; el SRMR y el RMSEA inferiores a .08 y las saturaciones (λ) superiores a .50 (Brown, 2015; Byrne, 2006; Domínguez-Lara, 2018; Moreta-Herrera et al., 2022; Mueller & Hancock, 2018; Wolf et al., 2013).
La gestión informática se realizó con el lenguaje de programación R en la versión 4.2.2 (R Core Team, 2022) a través de los paquetes Foreign, Lavaan y MVN.
Resultados
Análisis descriptivo
La información que se encuentra en la Tabla 1 señala que en la ARA los puntajes en general son altos tanto en el componente global como en sus dimensiones. Mientras que en la AA se presentan puntajes medios que corresponden a una presencia igualmente de tipo moderada. Cabe indicar que la ARA no sigue una distribución normal, mientras que en la variable AA los datos son normales.
Tabla 1: Análisis descriptivo de la autorregulación del aprendizaje y la autoeficacia académica
Nota: n = 570 casos; M: Media aritmética; DE: Desviación Estándar; As.: Asimetría; Cu.: Curtosis; K-M: Prueba de Kolmogórov-Smirnov. *** p < .001
Análisis comparativo de género
En la Tabla 2 se muestran los puntajes medios obtenidos tanto por varones como mujeres en la ARA y la AA. No existen diferencias significativas (p > .05) de los puntajes de los factores y de la escala global de la ARA, aunque ligeramente las mujeres reportan más ARA que los hombres. En el caso de la AA, igualmente no se presentas diferencias por grupos (p > .05), aunque ligeramente las mujeres presentan mayor intensidad que los varones.
Tabla 2: Análisis de diferencias por género en la autorregulación del aprendizaje y la autoeficacia académica
Nota: p < .05; M: media aritmética; DE: desviación estándar; t: t-test; p: significancia.
Análisis de relación latente
La Figura 1, a través del modelo de ajuste, presenta el análisis de relaciones latentes entre la ARA y la AA por medio del SEM. Las variables en análisis covarían entre sí, tanto en sentido positivo como con una intensidad moderada. Además, los valores de ajuste del modelo general ARA-AA a través de AFC indican que son adecuados en sus distintos indicadores (absolutos, relativos y no basados en la centralidad) para la interpretación de los constructos y como operan en población universitaria del Ecuador.
Figura 1: Modelo de ajuste general de la autorregulación del aprendizaje y la autoeficacia académica
Nota: χ2: chi cuadrado; gl: grados de libertad; ꭓ2/gl: chi cuadrado normado; CFI: Índice de Ajuste Comparativo; TLI: Índice de Tucker-Lewis; SRMR: Residuo Cuadrado Medio Estandarizado; RMSEA: Error cuadrático medio de aproximación.
Análisis de regresión estructural
Dada la presencia de covarianza entre la ARA y la AA, se procede a identificar el grado de influencia o explicación en los cambios de la varianza. Para ello se emplea un análisis de regresión estructural con SEM, como se observa en la Figura 2. En dicho análisis se conoce que la ARA explica en un 23.8 % los cambios de la varianza de la AA. El modelo estructural evidencia que cuenta con un ajuste adecuado, por lo que es aplicable para la población universitaria del Ecuador. En síntesis, la ARA es un predictor moderado de la AA.
Figura 2: Modelo de regresión estructural de la autorregulación del aprendizaje en la autoeficacia académica
Nota: χ2: chi cuadrado; gl: grados de libertad; ꭓ2/gl: chi cuadrado normado; CFI: Índice de Ajuste Comparativo; TLI: Índice de Tucker-Lewis; SRMR: Residuo Cuadrado Medio Estandarizado; RMSEA: Error cuadrático medio de aproximación.
En esencia, los resultados señalan la amplia asociación que guardan la ARA y la AA entre los estudiantes universitarios, esta fuerza de asociación es de intensidad moderada, a tal punto que la variabilidad o cambio de la AA en gran parte responde a cambios en la variabilidad de la ARA, lo que permite determinar que este es un predictor significativo de la AA.
Discusión
Los objetivos del estudio fueron identificar la prevalencia de la ARA y la AA, las diferencias de género, la relación latente entre estas y la influencia de la ARA en la AA en una muestra de universitarios del Ecuador a través de modelos de ecuaciones estructurales (SEM).
Sobre la prevalencia de la AA, los niveles son moderados, es decir, que existe una predisposición a proponer objetivos o metas académicas y a generar el esfuerzo para alcanzarlos. Estos resultados de prevalencia concuerdan con trabajos preliminares de similar tendencia (Beatson et al., 2018; González et al., 2020; Páez et al., 2017; Panadero, 2017; Reyes & Gutiérrez, 2015; Zimmerman, 2013) realizados fuera del Ecuador, lo que señala que este fenómeno al parecer es propio de la población universitaria. En el caso de la ARA, se encontró de manera general que la prevalencia es alta, con una leve superioridad en la planificación del aprendizaje. Esto quiere decir que los estudiantes al momento de efectuar sus actividades académicas y tomar decisiones elaboran una proyección en la que consideran planificar sus actividades para que resulte efectiva. Estos resultados concuerdan con los trabajos preliminares de Paredes-Proaño & Moreta-Herrera (2020), quienes consideran que la planificación y la autorregulación son componentes esenciales en el aprendizaje académico. Pero discrepa con lo señalado por Burbano et al. (2021), quienes expresan que los estudiantes presentan falencias en los procesos de planificación, control y autoevaluación de sus estrategias de aprendizajes para alcanzar sus metas académicas.
En lo que se refiere al género, tanto en la AA como en la ARA, se encontró que no existen diferencias por género en los valores alcanzados en la muestra. En ambos casos las mujeres ligeramente superan a los varones, pero sin diferencias significativas (p > .05). Estos hallazgos difieren con lo señalado por Domínguez-Lara y Fernández-Arata (2019), y concuerdan con lo propuesto por Schnell et al. (2015), al concluir que el género es invariante en la AA. En el caso de la ARA, igualmente difieren de lo señalado por Gaeta et al. (2021) y Zambrano et al. (2018), quienes mencionan que el género impacta en la ARA. Ante las diferencias mostradas en los estudios de referencia, aún se puede considerar que los resultados en cuanto al impacto del género en estos atributos no son concluyentes.
Sobre la covarianza entre las variables, por medio de modelos estructurales se confirma que la ARA y la AA están correlacionadas entre sí. Además, que la relación que existe es moderada y positiva, por lo que hay una tendencia a alcanzar objetivos y metas académicas que permiten un mejor control, manejo y organización de los aprendizajes propios. Estos resultados concuerdan con criterios similares previamente reportados en muestras de universitarios (Alegre, 2014; Araya et al., 2022; Covarrubias et al., 2019; Gaeta et al., 2021; Luna & Álvarez, 2020). Aunque las metodologías empleadas son diferentes, pues en los trabajos referenciados las covarianzas se estimaron a partir de variables observables y no como variables latentes. Además, no se encuentran estudios específicos sobre estos hallazgos en universitarios del Ecuador, por lo que resulta pionero para la investigación educativa en el país.
Finalmente, acerca de la influencia de la ARA en la AA con análisis de regresión lineal estructural, la ARA explica en un 23.8 % los cambios en la varianza de la AA. De este modo, se estima que la ARA es un predictor moderado de la AA de universitarios del Ecuador. Estos hallazgos no presentan estudios preliminares en universitarios para contrastar. Aunque, se puede considerar que tiene un similar desempeño con otros grupos, como el de docentes universitarios (Sáez et al., 2022). Este igualmente representa un avance en el estudio del impacto de la ARA en el contexto educativo, dado que no se reportan estudios anteriores y permite evidenciar su influencia.
En cuanto a las implicaciones de la investigación, se deben considerar los siguientes puntos. En lo teórico, el estudio aporta evidencia que establece la asociación y predictibilidad de la ARA con la AA en una muestra ecuatoriana no contemplada previamente. Esto refuerza la generalidad que tienen las variables a interactuar entre sí con la población educativa. En cuanto a lo metodológico, emplea técnicas SEM que no solo señalan la influencia entre variables a nivel observable, sino a nivel latente, lo que permite una mejor lectura del fenómeno, pues se cuenta con resultados más precisos al integrar el error de medida de los ítems. Esto también representa un aporte significativo porque estudios similares no han sido llevados a cabo anteriormente. En lo práctico, los resultados señalan la importancia de considerar la relación y predictibilidad entre las dos variables dentro del proceso curricular por parte de los docentes y las instituciones educativas para la adquisición de saberes y competencias. De esta manera, permitirá que el diseño curricular sea significativo y aporte al perfil del discente fundamentado en la evidencia.
Conclusiones
Los niveles de AA y ARA se encuentran en niveles moderados-altos y altos respectivamente en la muestra de estudiantes universitarios del Ecuador. Además, no existen diferencias significativas por género. La correlación es positiva y significativa entre la ARA y la AA. Finalmente, la ARA es un predictor positivo de la AA en estudiantes universitarios del Ecuador. Todo esto contribuye a romper con los esquemas tradicionales de enseñanza y el logro de los resultados enfocados no solo en el qué, sino en el cómo aprenden a fin de enfrentarse a las demandas universitarias.
Referencias:
Ahn, H., Bong, M., & Kim, S. (2017). Social models in the cognitive appraisal of self-efficacy information. Contemporary Educational Psychology, 48, 149-166. https://doi.org/10.1016/j.cedpsych.2016.08.002
Alegre, A. (2014). Autoeficacia académica, autorregulación del aprendizaje y rendimiento académico en estudiantes universitarios iniciales. Propósitos y Representaciones, 2(1), 79-120.
Araya, E., López, E., & Guevara, R. (2022). Autorregulación del Aprendizaje y autoeficacia académica: Correlación con el rendimiento académico en estudiantes de ingeniería. Revista Electrónica de Investigación en Docencia Universitaria, 4(1), 67-98. https://doi.org/10.54802/r.v4.n1.2022.99
Ato, M., López, J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038-1059. https://doi.org/10.6018/analesps.29.3.178511
Bandura, A. (1992). Exercise of personal agency through the self-efficacy mechanism. En R. Schwarcer (Ed.), Self-efficacy: Thought control of action (pp. 3-38). Hemisphere Publishing Corp.
Beatson, N., Berg, D., & Smith, J. (2018). The impact of mastery feedback on undegraduate students´ self-efficacy beliefs. Estudios en Evaluación Educativa, 59, 58-66. https://doi.org/10.1016/j.stueduc.2018.03.002
Ben-Eliyahu, A., & Linnenbrink-García, L. (2015). Integrating the regulations of affect, behavior, and cognition into self-regulated learning paradigms among secondary and post-secundary students. Metacognition Learning, 10, 15-42. https://doi.org/10.1007/s11409-014-9129-8
Brown, T. A. (2015). Confirmatory factor analysis for applied research (2a ed.). Guilford Publications.
Bruna, D., Pérez, M. V., Bustos, C., & Núñez, J. C. (2017). Propiedades psicométricas del inventario de procesos de autorregulación del aprendizaje en estudiantes universitarios chilenos. Revista Iberoamericana de Diagnóstico y Evaluación-e Avaliação Psicológica, 2(44), 77-91. https://doi.org/10.21865/ridep44.2.07
Burbano, P., Basantes, M., & Ruiz, I. (2021). Autorregulación del aprendizaje en estudiantes universitarios: un estudio descriptivo. Cátedra, 4(3), 74-92. https://doi.org/10.29166/catedra.v4i3.3048
Byrne, B. (2006). Structural equation modeling with EQS: basic concepts, applications, and programming. L. E. Associates.
Callan, G., & Cleary, T. (2019). Examining cyclical phase relations and predictive influences of self-regulated learning processes on mathematics task performance. Metacognition and Learning, 14(1), 43-63. https://doi.org/10.1007/s11409-019-09191-x
Cassidy, S. (2015). Resilience building in students: the role of academic self-efficacy. Frontiers in Psychology, 6, 1781. https://doi.org/10.3389/fpsyg.2015.01781
Caycho-Rodríguez, T., Ventura-León, J., Valencia, P. D., Vilca, L. W., Carbajal-León, C., Reyes-Bossio, M., ... & Petzold, O. (2022). What is the support for conspiracy beliefs about COVID-19 vaccines in Latin America? a prospective exploratory study in 13 countries. Frontiers in Psychology, 13, 1885. https://doi.org/10.3389/fpsyg.2022.855713
Covarrubias, C., Acosta, H., & Mendoza, M. (2019). Autorregulación del aprendizaje y autoeficacia general y su relación con las metas académicas en estudiantes universitarios. Formación universitaria, 12(6), 103-114. https://dx.doi.org/10.4067/S0718-50062019000600103
Del Rosal, I., & Bermejo, M. (2017). Autoeficacia en estudiantes universitarios: diferencias entre el grado de maestro en educación primaria y los grados en ciencias. Revista Internacional de Psicología del Desarrollo y la Educación, 1(1), 115-123. https://doi.org/10.17060/ijodaep.2017.n1.v1.904
Domínguez-Lara, S. (2018). Propuesta de puntos de corte para cargas factoriales: una perspectiva de fiabilidad de constructo. Enfermería Clínica, 28(6), 401-402. https://doi.org/10.1016/j.enfcli.2018.06.002
Domínguez-Lara, S., & Fernández-Arata, M. (2019). Autoeficacia académica en estudiantes de Psicología de una universidad de Lima. Revista Electrónica de Investigación Educativa, 21(32), 1-13. https://doi.org/10.24320/redie.2019.21.e32.2014
Gaeta, M., Gaeta, L., & Rodríguez, M. (2021). Autoeficacia, estado emocional y autorregulación del aprendizaje en el estudiantado universitario durante la pandemia por COVID-19. Actualidades Investigativas en Educación, 21(3), 3-27. https://doi.org/10.15517/AIE.V21I3.46280
González, J., Morón, J., González, V., Abundis, A., & Macías, F. (2020). Autoeficacia académica, apoyo social académico, bienestar escolar y su relación con el rendimiento académico en estudiantes universitarios. Psicumex, 10(2), 95-113. https://doi.org/10.36793/psicumex.v10i2.353
Grunschel, C., Patrzek, J., Klingsieck, K., & Fries, S. (2018). “I’ll stop procrastinating now!” Fostering specific processes of self-regulated learning to reduce academic procrastination. Journal of Prevention & Intervention in the Community, 46(2), 143-157. https://doi.org/10.1080/10852352.2016.1198166
Hernández-Barrios, A., & Camargo-Uribe, Á. (2017). Self-regulated learning in higher education in Latin-America: A systematic review. Revista Latinoamericana de Psicología, 49(2), 146-160. https://doi.org/10.1016/j.rlp.2017.01.001
Li, C. (2016). Confirmatory factor analysis with ordinal data: Comparing robust maximum likelihood and diagonally weighted least squares. Behavior Research Methods, 48(3), 936-949. https://doi.org/10.3758/s1342
Luna, S., & Alvarez, R. (2020). Relación entre autoeficacia académica y autorregulación del aprendizaje en estudiantes de la carrera de tecnología médica. Revista Veritas et Scientia - UPT, 9(2), 170 - 181. https://doi.org/10.47796/ves.v9i2.392
Maddux, J., & Gosselin, J. (2012). Self-efficacy. The Guilford Press.
Montes de Oca-Sánchez, C., & Moreta-Herrera, R. (2019). La función predictora de la autoeficacia en la motivación escolar en estudiantes de medicina del Ecuador. Uniandes EPÍSTEME, 6(4), 565-578.
Moreta-Herrera, R., Caycho-Rodríguez, T., Salinas, A., Jiménez, M., Gavilanes-Gómes, D., & Jiménez-Borja, C. (2022). Factorial validity, reliability, measurement invariance and the graded response model for the COVID-19 Anxiety Scale in a sample of Ecuadorians. OMEGA - Journal of Death and Dying, 0(0). https://doi.org/10.1177/00302228221116515
Moreta-Herrera, R., Lara-Salazar, M., Camacho-Bonilla, P. & Sánchez-Guevara, S. (2019). Análisis factorial, fiabilidad y validez de la escala de autoeficacia general (EAG) en estudiantes ecuatorianos. Psychology, Society & Education, 11(2). 193-204. https://dx.doi.org/10.25115/psye.v10i1.2024
Moreta-Herrera, R., Montes De Oca, C., Navarro-Cuéllar, L., & Villegas-Villacrés, N. (2021). Validez factorial con estimación robusta de la Escala de Autoeficacia Percibida Específica de Situaciones Académicas (Eapesa) en universitarios ecuatorianos. Ciencias Psicológicas, 15(1), 21-53. https://doi.org/10.22235/cp.v15i1.2153
Mueller, R., & Hancock, G. (2018). Structural equation modeling. En G. Hancock, L. Stapleton, & R. Mueller (Eds.), The Reviewer’s Guide to Quantitative Methods in the Social Sciences (pp. 445-456). Routledge.
Paciello, M., Ghezzi, V., Tramontano, C., Barbaranelli, C., & Fida, R. (2016). Self-efficacy configurations and wellbeing in the academic context: A person-centered approach. Personality and Individual Differences, 99, 16-21. https://doi.org/10.1016/j.paid.2016.04.083
Paez, Y., Burne, C., Mosconi, S., & Montenegro, S. (2017). Actitudes de estudiantes hacia la estadística, antes y después de cursar la asignatura, en una escuela médica Argentina. Revista de Educación en Ciencias de la Salud, 14(2), 109-114.
Palenzuela, D. L. (1983). Construcción y validación de una escala de autoeficacia percibida específica de situaciones académicas. Análisis y Modificación de conducta, 9(21), 185-219. https://doi.org/10.33776/amc.v9i21.1649
Palermo, C., & Thomson, M. (2018). Teacher implementation of self-regulated strategy development with an automated writing evaluation system: effects on the argumentative writing performance of middle school students. Contemporary Educational Psychology, 54, 255-270. https://doi.org/10.1016/j.cedpsych.2018.07.002
Panadero, E. (2017). Una revisión del aprendizaje autorregulado: seis modelos y cuatro direcciones para la investigación. Frontiers in Psychology, 8, 422. https://doi.org/10.3389/fpsyg.2017.00422
Paredes-Proaño, F., & Moreta-Herrera, R. (2020). Attitudes towards research y self-regulated learning in university students. CienciAmérica, 9(3), 11-26. http://dx.doi.org/10.33210/ca.v9i3.263
Piergiovanni, L., & Depaula, P. (2018). Descriptive study of self-efficacy and stress management among Argentinean university students. Revista Mexicana de Investigación Educativa, 23(77), 413-432.
R Core Team. (2022). R: A language and environment for statistical computing. R Foundation for Statistical.
Regatto-Bonifaz, J., & Viteri-Miranda, V. (2022). Análisis de las estrategias de enseñanza multimodal en los estudiantes universitarios del Ecuador. Veritas & Research, 4(1), 4-15.
Regatto-Bonifaz, J., & Viteri-Miranda, V. (2023). Attitude towards technology and its relationship with Academic self-efficacy in Ecuadorian university students. Journal of Namibian Studies: History Politics Culture, 33, 3216-3233. https://doi.org/10.59670/jns.v33i.2807
Reyes, M., & Gutiérrez, J. (2015). Sentido de autoeficacia en investigación de estudiantes de posgrado. Sinéctica, 45, 1-15.
Rosário, P., Mourao, R., Núñez, J., González, J., Solano, P., & Valle, A. (2007). Eficacia de un programa instruccional para la mejora de procesos y estrategias de aprendizaje en la educación superior. Psicothema, 19(3), 422-427. https://digibuo.uniovi.es/dspace/handle/10651/26418
Sáez, F., López, Y., Mella, J., & Casanova, D. (2022). Prácticas docentes para promover la autorregulación del aprendizaje durante la pandemia COVID-19: escalas de medición y modelo predictivo. Formación Universitaria, 15(1), 95-104. https://doi.org/10.4067/s0718-50062022000100095
Schnell, K, Ringeisen, T, Raufelder, D., & Rohrmann, S (2015). The impact of adolescents' self-efficacy and self-regulated goal attainment processes on school performance – Do gender and test anxiety matter? Learning and Individual Differences, 38, 90-98. https://doi.org/10.1016/j.lindif.2014.12.008
Torrano, F., & Soria, M. (2017). Diferencias de género y aprendizaje autorregulado: el efecto del rendimiento académico anterior. Revista Complutense de Educación, 28(4), 1027-1042. http://doi.org/10.5209/RCED.51096
Van de Pol, J., de Bruin, A.B.H., van Loon, M.H., & van Gog, T. (2019). Students’ and teachers’ monitoring and regulation of students’ text comprehension: Effects of comprehension cue availability. Contemporary Educational Psychology, 56, 236-249. https://doi.org/10.1016/j.cedpsych.2019.02.001
Wang, C., Shannon, D., & Ross, M. (2013). Students’ characteristics, self-regulated learning, technology self-efficacy, and course outcomes in online learning. Distance Education, 34(3), 302-323. https://doi.org/10.1080/01587919.2013.835779
Wolf, E., Harrington, K., Clark, S., & Miller, M. (2013). Sample size requirements for structural equation models: An evaluation of power, bias, and solution propriety. Educational and psychological measurement, 73(6), 913-934. https://doi.org/10.1177/0013164413495237
Zambrano C., Albarran F., & Salcedo P.A. (2018). Percepción de estudiantes de pedagogía respecto de la autorregulación del aprendizaje. Formación Universitaria, 11(3), 73-86. http://dx.doi.org/10.4067/S0718-50062018000300073
Zimmerman, B. (2013). From cognitive modeling to self-regulation: A social cognitive career path. Educational Psychologist, 48(3), 135-147. https://doi.org/10.1080/00461520.2013.794676
Disponibilidad de datos: El conjunto de datos que apoya los resultados de este estudio no se encuentra disponible.
Cómo citar: Regatto-Bonifaz, J. P., Viteri-Miranda, V. M., & Moreta-Herrera. R. (2023). Autorregulación del aprendizaje como predictor de la autoeficacia académica en universitarios del Ecuador. Ciencias Psicológicas, 17(2), e-3254. https://doi.org/10.22235/cp.v17i2.3254
Contribución de los autores: a) Concepción y diseño del trabajo; b) Adquisición de datos; c) Análisis e interpretación de datos; d) Redacción del manuscrito; e) revisión crítica del manuscrito.
J. P. R. B. ha contribuido con a, b, c, d, e; V. M. V. M. con a, b, c, d, e; R. M. H. con a, c, e.
Editora científica responsable: Dra. Cecilia Cracco.
10.22235/cp.v17i2.3254
Original Articles
Autorregulación del aprendizaje como predictor de la autoeficacia académica en universitarios del Ecuador
Learning self-regulation as a predictor of academic self-efficacy in Ecuadorian undergraduate students
A autorregulação da aprendizagem como preditora da autoeficácia acadêmica em estudantes universitários no Equador
Jacqueline del Pilar Regatto-Bonifaz1, ORCID 0000-0002-1028-7477
Víctor Manuel Viteri-Miranda2, ORCID 0000-0002-5776-6731
Rodrigo Moreta-Herrera3, ORCID 0000-0003-0134-5927
1 Universidad Estatal de Milagro, Ecuador; Universidad de Palermo, Argentina
2 Universidad Estatal de Milagro, Ecuador; Universidad de Palermo, Argentina
3 Pontificia Universidad Católica del Ecuador, Ecuador; Universitat de Girona, España, rmoreta@pucesa.edu.ec
Resumen:
La autorregulación del aprendizaje (ARA) y la autoeficacia académica (AA) forman parte de la teoría social cognitiva y del aprendizaje, y cumplen un rol fundamental en el contexto educativo. Este trabajo tiene por objetivo identificar el potencial explicativo de la ARA en la AA en una muestra de estudiantes universitarios del Ecuador. Se utilizó una metodología cuantitativa, descriptiva y explicativa por medio del modelo de ecuaciones estructurales (SEM). La muestra la comprenden 570 estudiantes de dos universidades públicas del Ecuador. El 76 % son mujeres y el 24 % son varones, con edades entre los 17 y los 56 años (M = 25.29). Los resultados reflejan que existe una correlación positiva y moderada entre la ARA y la AA. Además, no se presentan diferencias significativas por género (p > .05) en ambos atributos. A nivel de influencia, la ARA explica en un 23.8 % los cambios de la varianza de la AA mediante de técnicas SEM. Se concluye que la ARA es un predictor moderado de la AA en universitarios del Ecuador.
Palabras clave: aprendizaje; autoeficacia académica; autorregulación; estudiantes universitarios.
Abstract:
Self-regulated learning (SRL) and academic self-efficacy (ASE) both fall within social cognitive and learning theory and play a key role in the educational context. The aim of this study was to identify the explanatory potential of SRL and ASE among a group of university students in Ecuador. A quantitative, descriptive and explanatory methodology was applied using structural equation modelling (SEM). The sample consisted of 570 students from two public universities in Ecuador of which 76 % were female and 24 % were male ranging from 17 to 56 years old (M = 25.29) The results reflected that there was a moderate positive correlation between SRL and ASE. Furthermore, there were no significant differences by gender (p > .05) for both attributes. SRL explained 23.8 % of ASE's variance changes at the influence level using SEM techniques. Therefore, it was concluded that SRL is a moderate ASE predictor in Ecuadorian university students.
Keywords: learning; academic self-efficacy; self-regulation; university students.
Resumo:
A autorregulação da aprendizagem (ARA) e a autoeficácia acadêmica (AA) fazem parte da teoria social cognitiva e da aprendizagem e desempenham um papel fundamental no contexto educacional. O objetivo deste trabalho é identificar o potencial explicativo da ARA na AA em uma amostra de estudantes universitários do Equador. Foi utilizada metodologia quantitativa, descritiva e explicativa por meio de modelagem de equações estruturais (MEE). A amostra foi composta por 570 estudantes de duas universidades públicas do Equador. 76 % são mulheres e 24 % são homens, com idades entre 17 e 56 anos (M = 25,29). Os resultados refletem a existência de uma correlação positiva e moderada entre a ARA e a AA. Além disso, não existem diferenças significativas por gênero (p > 0,05) em ambos os atributos. A nível de influência, a ARA explica 23,8 % das alterações na variância da AA por meio de técnicas SEM. Conclui-se que a ARA é um preditor moderado da AA em estudantes universitários no Equador.
Palavras-chave: aprendizagem; autoeficácia acadêmica; autorregulação; estudantes universitários.
Received: 15/02/2023
Accepted: 11/09/2023
In the teaching-learning process, both self-regulation of learning (SRL) and academic self-efficacy (ASE) constitute significant attributes for the psychological processes in higher education performance. They regulate the affective, cognitive and behavioral dimensions of academic achievement (Ben-Eliyahu & Linnenbrink-García, 2015; Torrano & Soria, 2017). In Ecuador, such phenomena of self-monitoring and regulation of internal learning mechanisms have not been thoroughly researched. In general, there is limited research, making it important to explore the importance of these personal resources that enable the acquisition of consolidated and operative knowledge (Regatto-Bonifaz & Miranda-Viteri, 2022).
Learning self-regulation and its contribution to higher education
SRL refers to the control that a person exerts over his or her thoughts, actions, emotions and motivation through strategies to achieve a learning goal (Panadero, 2017; Zimmerman, 2013). It consists of a series of processes that allow learning to be conducted in an effective way. They include a) active meta-cognition: planning, goal setting, organization, self-monitoring and self-evaluation of strategies; b) motivation: self-efficacy, self-attributions and intrinsic interest in the task; and c) directed behavior: selecting, structuring and creating environments that maximize learning, seeking advice, information and places where learning is more likely to occur, self-instruction during a task and self-reinforcement after results have been achieved. In this sense, SRL is allowed to include in its internal structure three elements that act in a cyclical manner: a) planning; b) execution; and c) evaluation (Zimmerman, 2013).
SRL in undergraduate students tends to show a low intensity in many cases, with deficiencies in the processes of planning, control and self-evaluation in their strategies to achieve academic goals (Burbano et al., 2021). Furthermore, evidence indicates that there are differences by gender (p < .05), in which women perform better SRL strategies (external attributions, planning, organization, management of resources to use acquired information and processing strategies) than men (Gaeta et al., 2021; Zambrano et al., 2018); although this cannot yet be considered as a generality, given the absence of specific academic studies.
In the academic field, SRL affects competencies such as text comprehension (Van de Pol et al., 2019), academic writing (Palermo & Thomson, 2018), numeracy and mathematics (Callan & Cleary, 2019), research competencies (Paredes-Proaño & Moreta-Herrera, 2019), among others. As a result, SRL has a positive impact on school success as a predictor of academic performance (Hernández-Barrios & Camargo-Uribe, 2017) while reducing negative aspects such as situational factors associated with learning problems including academic procrastination (Grunschel et al., 2018).
Nevertheless, it is still important to examine the relationship and impact it may have with other internal processes of self-control and self-motivation that support the directionality towards learning-focused behaviours such as self-efficacy. This will contribute to interpretative and predictive models of learning processes in the educational psychology and academic context.
Academic self-efficacy and its contribution to higher education
ASE is a particular type of general self-efficacy (Bandura, 1992; Maddux & Gosselin, 2012; Moreta-Herrera et al., 2019) that has been widely examined in the psychological and educational fields, as it comprises beliefs as well as personal achievement assessments about academic processes, including the development of activities, content, knowledge, interest in learning or educational competencies such as research (Reyes & Gutiérrez, 2015). Several studies have shown that positive self-efficacy beliefs can be nurtured by direct experiences, verbal persuasion and vicarious learning (Ahn et al., 2017; Beatson et al., 2018), therefore their presence is relevant in people's global and academic lives.
ASE has a modest presence among higher education students, and also shows significant improvement in the mid-term, as one progresses in studies and academic degree (Del Rosal & Bermejo, 2017; Piergiovanni & Depaula, 2018). Some authors think that there is a greater presence of ASE in males than in females (Domínguez-Lara & Fernández-Arata, 2019); other authors, however, mention that gender is actually non-variant (Schnell et al., 2015).
In the context of education, ASE has an impact and incidence, as it is associated with school support, well-being and performance (González et al., 2020; Paez et al., 2017), academic resilience (Cassidy, 2015), academic well-being (Paciello et al., 2016), school motivation (Montes de Oca-Sánchez & Moreta-Herrera, 2019), attitudes towards technology (Regatto-Bonifaz & Viteri-Miranda, 2023), among others. Although it is relevant in the educational field, there is little information about the precursors, academic and psychical determinants that affect this attribute.
Self-Regulated Learning and Academic Self-Efficacy
SRL refers to a student's self-directional resource that enables him/her to achieve specific goals. It promotes independent and effective academic performance, which involves metacognitive ability, intrinsic motivation and strategic action. The attainment of these goals also reinforces their self-confidence and achievement beliefs in order to set higher goals (ASE). In this way, students with positive self-efficacy beliefs will generally perform better academically (Wang et al., 2013). This suggests that these elements work together for ASE development.
Some evidence shows the relationship between SRL and ASE and the possible interaction among undergraduate students (Alegre, 2014; Araya et al., 2022; Covarrubias et al., 2019; Gaeta et al., 2021; Luna & Álvarez, 2020). These studies report that the existing relationship is positive and significant, with fluctuating intensities ranging from low to moderate. This possible variability could be related to particular teaching methods in higher education institutions, for example, or to other factors that have not yet been identified. It is therefore important to pursue further study and research, mainly in the Latin American and Ecuatorian context. There is only the Sáez et al. (2022) study on undergraduate teachers that suggests that SRL explains 33.7 % of the changes in the ASE variance, which supports this probable characteristic, despite the fact that it has not been proven in undergraduates nowadays. Therefore, there are still significant gaps in understanding undergraduate student behaviour.
By exploring this aspect, it is possible to learn about the impact that these internal processes have on the belief system on academic performance, which in the short term may generate intervention mechanisms for learning enhancement.
Objectives and hypothesis
As previously mentioned, studies on SRL and ASE are limited, mostly focused on covariance with little impact on influence or predictability, which means that it is important to examine these concerns. While several studies on higher education have been conducted, in the case of Ecuador they are practically nil, hence the need, a priori, to develop an analysis that will enable to understand the mechanics of performance and educational life.
Consequently, the objectives of the study are: a) to identify the prevalence of SRL and ASE in a sample of undergraduate students in Ecuador; b) to assess the differences in SRL and ASE according to the gender of the participants; c) to establish the relationship between the variables SRL and ASE in Ecuadorian undergraduate students; and d) to determine the influence of SRL on ASE. It is therefore hypothesised that there is a fairly high correlation among these variables (H1); furthermore, that there are gender differences (H2); a moderate and significant relationship (H3) and that ARA is a predictor of AA (H4).
Method
Design
The present study is based on a quantitative, descriptive, correlational and explanatory cross-sectional approach (Ato et al., 2013) using structural equation modelling (SEM) which is a technique that combines both multiple regression and factor analysis to understand the levels of association at the level of latent variables (Mueller & Hancock, 2018; Wolf et al., 2013).
Participants
The study sample consisted of 570 undergraduate students from two public universities in Ecuador in the cities of Milagro (Coastal Region) and Riobamba (Highlands Region), chosen for their representativeness and diversity in terms of geographic location and study areas. Seventy-six per cent (n = 433) are female and 24 % (n = 137) are male, aged between 17 and 56 years (M = 25.29 years; SD = 6.5 years). Seventy per cent were urban dwellers and 30 per cent were rural. Regarding marital status, 77.8 % were single and 22.2 % were married, divorced and separated.
Participants were selected by non-probabilistic convenience sampling with inclusion criteria. These criteria consisted of: a) being an undergraduate university student from the selected higher education institutions; b) voluntary participation and a signed letter of consent.
Measurements or instrumentation
Self-regulated Learning Inventory Processes (IPAA; Rosário et al., 2007) adapted to undergraduate students (Bruna et al., 2017). This scale aims to identify the students' presence at different levels of the self-regulation of their own learning process through three common phases: preparation, performance and self-reflection. The IPAA is composed of 12 items in 3 dimensions: a) Planning (items 1, 2, 3); b) Execution (items 4, 5, 6, 7) and Evaluation (items 8, 9, 10, 11 and 12). Each item is scored on a five-choice Likert scale, where 1 is Strongly Disagree and 5 is Strongly Agree. The scale has a reliability of α = .98 in a sample of university students. In the present study, the factorial measurement validity is performed using a hierarchical fit model with three first-order factors (planning, implementation and evaluation), and a general second-order factor. The fit values indicate that the proposed model is adequate with χ2= 116.4; p < .001; df = 53; χ2/df = 2.2; CFI = .999; TLI = .999; SRMR = .022; RMSEA = .046 (.035 - .057). Finally, SRLI internal consistency is α = .94 equivalent to high.
Self-Efficacy Scale of Specific Perceived Academic Situations (EAPESA, Palenzuela, 1983) as validated in Ecuador (Moreta-Herrera et al., 2021). The purpose of this scale is to determine students' ASE levels through a 9-item questionnaire. The response component to items is structured on a 4-option Likert scale ranging from 1 Never to 4 Always. While there are no specific normative values for the scale, it is considered that the higher the score, the higher the perceived self-efficacy. The cut-off point is 50. Regarding the psychometric properties, the internal consistency of the Spanish version is identified as high with α = .89 and temporarily stable with r = .87. In the present study, the factorial validity of the scale corresponds to χ2= 107.6; p < .001; df = 27; χ2/df = 3.99; CFI = .999; TLI = .999; SRMR = .039; RMSEA = .073 (.058 - .087) by using a one-factor fit model which concludes that it has an adequate fit. Furthermore, the internal consistency for this scale is α= .91 which is equivalent to high.
Procedure
This research required the consent of the participating institutions. Subsequently, the project was socialized, the objectives were explained and the data collection process was discussed. In addition, the information confidentiality was guaranteed during the process. The survey was conducted virtually through the following Google Form link <https://forms.gle/gsredpLNsM51wV3S9>. The target group of respondents completed the authorized consent form, including socio-demographic data, the EAPESA and IPAA scales. After completing the surveys, the data were filtered and computerized in spreadsheets for statistical analysis, the hypotheses were tested and the respective research reports were elaborated. It is worth noting that the present research took into account the recommendations issued by the Helsinki Convention regarding the ethical handling of information.
Results analysis
The present study involved the management of three blocks of analysis. The first was a descriptive analysis of the study sample characterization. For this, the measures of central tendency (Arithmetic Mean (M)), Dispersion (Standard Deviation (SD)); Distribution (Skewness (g1) and Kurtosis (g2)) were employed. The Kolmogorov-Smirnov (K-S) test was also used to corroborate the assumption of univariate normality, which is met in the absence of statistical significance (p > .05).
The second block was a comparative analysis by group (sex) of the variables under study to determine the possible existing statistical differences (p < .05). The parametric t-student (t) test for independent samples was used.
The third block consisted of the confirmatory factor analysis (CFA) by means of SEM. In this analysis, both the correlation between SRL and ASE (see figure 1) and the explanatory potential in terms of variance change of SRL over ASE (see figure 2) are studied. To this end, CFA with Diagonally Weighted Least Squares (DWLS) estimation was used. This criterion was used due to the absence of normality and the categorical nature of the items (Caycho-Rodríguez et al., 2022; Li, 2016). The fit models were tested based on the absolute indicators such as Chi-square (χ2), Chi-square normed (χ2/df) and Standardised Mean Square Residual (SRMR); the relative indicators which are the Comparative Fit Index (CFI) and the Tucker-Lewis Index (TLI); and the non-centrality based indicator which is the Root Mean Squared Error Approximate (RMSEA). Appropriate fits are considered adequate when the χ2 is not significant (p > .05) or the χ2/df is less than 4; the CFI and TLI are greater than .95; the SRMR and RMSEA less than .08 and the saturations (λ) greater than .50 (Brown, 2015; Byrne, 2006; Domínguez-Lara, 2018; Moreta-Herrera et al., 2022; Mueller & Hancock, 2018; Wolf et al., 2013).
Data were processed using the R programming language version 4.2.2 (R Core Team, 2022) through the Foreign, Lavaan and MVN packages.
Results
Descriptive analysis
Information in Table 1 shows that SRL, scores are generally high for the global component as well as for its dimensions. On the other hand, ASE mean scores indicate moderate presence as well. It may be observed that SRL does not follow a normal distribution, while for ASE the data are normal.
Table 1: Descriptive Analysis for Self-Regulation Learning and Academic Self-Efficacy
Note: n = 570 cases; M: arithmetic mean; SD: standard deviation; As: Asymmetry; Ku: Kurtosis; K-M: Kolmogorov-Smirnov test. *** p < .001
Comparative gender analysis
Table 2 shows the mean scores obtained by both men and women on SRL and ASE. There are no significant differences (p > .05) in the factor scores and the overall SRL scale, although women report slightly more SRL than men. For ASE, there are also no differences between groups (p > .05), although women report slightly more intensity than men.
Table 2: Gender difference analysis in learning self-regulation and academic self-efficacy
Note: p < .05; M: Arithmetic mean; SD: Standard Deviation; t: t-test; p: significance.
Latent class analysis
Figure 1, shows the latent correlation analysis between SRL and ASE using SEM. It shows both positive and moderate covariation between the variables analyzed. Furthermore, the fit values for the overall model SRL-ASE through AFC indicate that they are suitable for the interpretation of the constructs and how they operate in the Ecuadorian university population in terms of the different indicators (absolute, relative and not based on centrality).
Figure 1: General Fit Model for Learning Self-regulation and Academic Self-efficacy
Note: χ2: Chi square; DF: degrees of freedom; ꭓ2/df: normed Chi square; CFI: Comparative Fit Index; TLI: Tucker-Lewis Index; SRMR: Standardized Mean Square Residue; RMSEA: Mean Square Error of Approximation.
Structural regression analysis
Considering the presence of covariance between SRL and ASE, the degree of influence or explanation in the variance changes was identified. To this end, a structural regression analysis with SEM was used as shown in Figure 2. This analysis showed that SRL explained 23.8 % of the changes in the variance of ASE. The structural model showed that it has an adequate fit and is therefore applicable to the Ecuadorian university population. In summary, SRL is a moderate predictor for ASE.
Figure 2: Structural Regression Model of Learning Self-regulation on Academic Self-efficacy
Nota: χ2: Chi square; DF: degrees of freedom; ꭓ2/df: normed Chi square; CFI: Comparative Fit Index; TLI: Tucker-Lewis Index; SRMR: Standardized Mean Square Residue; RMSEA: Mean Square Error of Approximation.
The general findings suggest a strong association between SRL and ASE among university students, this association is of moderate strength to such an extent that the variability or change in ASE is largely consistent with changes in the variability of SRL, which makes it possible to determine that SRL is a significant predictor of ASE.
Discussion
The aims of this study focused on identifying the prevalence of SRL and ASE, gender differences, the latent correlation between them and the influence of SRL on ASE in an Ecuadorian sample of undergraduate students using structural models (SEM).
With regard to the prevalence of ASE, the levels are moderate, meaning that there is a predisposition to set academic objectives or goals and to create an effort to achieve them. These prevalence results are consistent with preliminary studies of similar trends (Beatson et al., 2018; González et al., 2020; Páez et al., 2017; Panadero, 2017; Reyes & Gutiérrez, 2015; Zimmerman, 2013) conducted outside Ecuador, which suggest that this phenomenon is apparently typical among higher education students. In the case of SRL, it was generally found that the prevalence is high, with a slight superiority in learning planning. This means that students when performing their academic activities and making decisions, make a projection in which they consider planning their activities in order to be effective. These results agree with the preliminary work of Paredes-Proaño & Moreta-Herrera (2020), who consider that planning and self-regulation are essential components in academic learning, but disagree with Burbano et al. (2021), who state that students present deficiencies in the processes of planning, control and self-evaluation of their learning strategies to achieve their academic goals.
With regard to gender, it was found that there are no gender differences in the values obtained in the study sample for both ASE and SRL. In both cases, females slightly outperformed males, but without significant differences (p > .05). These findings differ from those reported by Domínguez-Lara and Fernández-Arata (2019) and are consistent with those proposed by Schnell et al. (2015), who conclude that gender is invariant in ASE. On the other hand, in the case of ARA, they also differ from Gaeta et al. (2021) and Zambrano et al. (2018), who state that gender does have an impact on ARA. Given the differences shown in the reference studies, it can still be considered that the results regarding the impact of gender on these attributes are inconclusive.
In terms of the covariance between the variables using structural models, it is confirmed that SRL and ASE are correlated to one another. Furthermore, the relationship existing is moderate and positive, meaning that there is a tendency to achieve academic objectives and goals that enable better control, management and organization of the students' own learning. These results are consistent with similar criteria previously reported in undergraduate samples (Alegre, 2014; Araya et al., 2022; Covarrubias et al., 2019; Gaeta et al., 2021; Luna & Álvarez, 2020), although it is worth noting that the methodologies used are different, as in the reference works the covariances were estimated from observable variables and not as the latent variables presented in this study. Furthermore, there are no specific studies on these findings in Ecuadorian undergraduate students, resulting in a pioneering study for educational research in the country.
Finally, with regard to the influence of SRL on ASE with structural linear regression analysis, SRL explains 23.8 % of the changes in the variance of ASE. Therefore, SRL is estimated to be a moderate predictor of ASE of Ecuadorian undergraduate students. These findings do not show any prior studies on undergraduate students that can be contrasted to these findings. However, it can be considered to have a similar performance with other groups such as university teachers (Sáez et al., 2022). This also represents an important advance in the study of the impact of SRL in the educational context, considering that no previous studies have been reported, and it allows to evidence its influence.
In terms of research implications, the following factors should be considered. At a theoretical level, the study provides evidence to establish the association and predictability of SRL with ASE in an Ecuadorian sample that has not been previously considered. This reinforces the variables' generality in terms of interacting with one another and with the educational population. At the methodological level, it employs SEM techniques that not only indicate the influence between variables at the observable level but also at the latent level- This enables a better interpretation of the phenomenon, since the results are more precise by integrating the error measurement of the items. This also represents a significant contribution because similar studies have not been conducted before. On a practical level, the results suggest the importance of considering the relationship and predictability between the two variables within the curricular process on the part of teachers and educational institutions to acquire knowledge and competencies. In this way, it will allow a meaningful curriculum design that contributes to learners' profiles based on evidence.
Conclusions
ASE and SRL levels are at moderate-high and high levels respectively for the Ecuadorian sample of undergraduate students. In addition, there are no significant gender differences between them. The correlation is positive and significant between SRL and ASE. Finally, SRL is a positive predictor of ASE in Ecuadorian undergraduate students. All this contributes to the breakdown of traditional teaching schemes and the achievement of results focused not only on what, but also on how they learn to meet university demands.
References:
Ahn, H., Bong, M., & Kim, S. (2017). Social models in the cognitive appraisal of self-efficacy information. Contemporary Educational Psychology, 48, 149-166. https://doi.org/10.1016/j.cedpsych.2016.08.002
Alegre, A. (2014). Autoeficacia académica, autorregulación del aprendizaje y rendimiento académico en estudiantes universitarios iniciales. Propósitos y Representaciones, 2(1), 79-120.
Araya, E., López, E., & Guevara, R. (2022). Autorregulación del Aprendizaje y autoeficacia académica: Correlación con el rendimiento académico en estudiantes de ingeniería. Revista Electrónica de Investigación en Docencia Universitaria, 4(1), 67-98. https://doi.org/10.54802/r.v4.n1.2022.99
Ato, M., López, J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038-1059. https://doi.org/10.6018/analesps.29.3.178511
Bandura, A. (1992). Exercise of personal agency through the self-efficacy mechanism. In R. Schwarcer (Ed.), Self-efficacy: Thought control of action (pp. 3-38). Hemisphere Publishing Corp.
Beatson, N., Berg, D., & Smith, J. (2018). The impact of mastery feedback on undegraduate students´ self-efficacy beliefs. Estudios en Evaluación Educativa, 59, 58-66. https://doi.org/10.1016/j.stueduc.2018.03.002
Ben-Eliyahu, A., & Linnenbrink-García, L. (2015). Integrating the regulations of affect, behavior, and cognition into self-regulated learning paradigms among secondary and post-secundary students. Metacognition Learning, 10, 15-42. https://doi.org/10.1007/s11409-014-9129-8
Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). Guilford Publications.
Bruna, D., Pérez, M. V., Bustos, C., & Núñez, J. C. (2017). Propiedades psicométricas del inventario de procesos de autorregulación del aprendizaje en estudiantes universitarios chilenos. Revista Iberoamericana de Diagnóstico y Evaluación-e Avaliação Psicológica, 2(44), 77-91. https://doi.org/10.21865/ridep44.2.07
Burbano, P., Basantes, M., & Ruiz, I. (2021). Autorregulación del aprendizaje en estudiantes universitarios: un estudio descriptivo. Cátedra, 4(3), 74-92. https://doi.org/10.29166/catedra.v4i3.3048
Byrne, B. (2006). Structural equation modeling with EQS: basic concepts, applications, and programming. L. E. Associates.
Callan, G., & Cleary, T. (2019). Examining cyclical phase relations and predictive influences of self-regulated learning processes on mathematics task performance. Metacognition and Learning, 14(1), 43-63. https://doi.org/10.1007/s11409-019-09191-x
Cassidy, S. (2015). Resilience building in students: the role of academic self-efficacy. Frontiers in Psychology, 6, 1781. https://doi.org/10.3389/fpsyg.2015.01781
Caycho-Rodríguez, T., Ventura-León, J., Valencia, P. D., Vilca, L. W., Carbajal-León, C., Reyes-Bossio, M., ... & Petzold, O. (2022). What is the support for conspiracy beliefs about COVID-19 vaccines in Latin America? a prospective exploratory study in 13 countries. Frontiers in Psychology, 13, 1885. https://doi.org/10.3389/fpsyg.2022.855713
Covarrubias, C., Acosta, H., & Mendoza, M. (2019). Autorregulación del aprendizaje y autoeficacia general y su relación con las metas académicas en estudiantes universitarios. Formación universitaria, 12(6), 103-114. https://dx.doi.org/10.4067/S0718-50062019000600103
Del Rosal, I., & Bermejo, M. (2017). Autoeficacia en estudiantes universitarios: diferencias entre el grado de maestro en educación primaria y los grados en ciencias. Revista Internacional de Psicología del Desarrollo y la Educación, 1(1), 115-123. https://doi.org/10.17060/ijodaep.2017.n1.v1.904
Domínguez-Lara, S. (2018). Propuesta de puntos de corte para cargas factoriales: una perspectiva de fiabilidad de constructo. Enfermería Clínica, 28(6), 401-402. https://doi.org/10.1016/j.enfcli.2018.06.002
Domínguez-Lara, S., & Fernández-Arata, M. (2019). Autoeficacia académica en estudiantes de Psicología de una universidad de Lima. Revista Electrónica de Investigación Educativa, 21(32), 1-13. https://doi.org/10.24320/redie.2019.21.e32.2014
Gaeta, M., Gaeta, L., & Rodríguez, M. (2021). Autoeficacia, estado emocional y autorregulación del aprendizaje en el estudiantado universitario durante la pandemia por COVID-19. Actualidades Investigativas en Educación, 21(3), 3-27. https://doi.org/10.15517/AIE.V21I3.46280
González, J., Morón, J., González, V., Abundis, A., & Macías, F. (2020). Autoeficacia académica, apoyo social académico, bienestar escolar y su relación con el rendimiento académico en estudiantes universitarios. Psicumex, 10(2), 95-113. https://doi.org/10.36793/psicumex.v10i2.353
Grunschel, C., Patrzek, J., Klingsieck, K., & Fries, S. (2018). “I’ll stop procrastinating now!” Fostering specific processes of self-regulated learning to reduce academic procrastination. Journal of Prevention & Intervention in the Community, 46(2), 143-157. https://doi.org/10.1080/10852352.2016.1198166
Hernández-Barrios, A., & Camargo-Uribe, Á. (2017). Self-regulated learning in higher education in Latin-America: A systematic review. Revista Latinoamericana de Psicología, 49(2), 146-160. https://doi.org/10.1016/j.rlp.2017.01.001
Li, C. (2016). Confirmatory factor analysis with ordinal data: Comparing robust maximum likelihood and diagonally weighted least squares. Behavior Research Methods, 48(3), 936-949. https://doi.org/10.3758/s1342
Luna, S., & Alvarez, R. (2020). Relación entre autoeficacia académica y autorregulación del aprendizaje en estudiantes de la carrera de tecnología médica. Revista Veritas et Scientia - UPT, 9(2), 170 - 181. https://doi.org/10.47796/ves.v9i2.392
Maddux, J., & Gosselin, J. (2012). Self-efficacy. The Guilford Press.
Montes de Oca-Sánchez, C., & Moreta-Herrera, R. (2019). La función predictora de la autoeficacia en la motivación escolar en estudiantes de medicina del Ecuador. Uniandes EPÍSTEME, 6(4), 565-578.
Moreta-Herrera, R., Caycho-Rodríguez, T., Salinas, A., Jiménez, M., Gavilanes-Gómes, D., & Jiménez-Borja, C. (2022). Factorial validity, reliability, measurement invariance and the graded response model for the COVID-19 Anxiety Scale in a sample of Ecuadorians. OMEGA - Journal of Death and Dying, 0(0). https://doi.org/10.1177/00302228221116515
Moreta-Herrera, R., Lara-Salazar, M., Camacho-Bonilla, P. & Sánchez-Guevara, S. (2019). Análisis factorial, fiabilidad y validez de la escala de autoeficacia general (EAG) en estudiantes ecuatorianos. Psychology, Society & Education, 11(2). 193-204. https://dx.doi.org/10.25115/psye.v10i1.2024
Moreta-Herrera, R., Montes De Oca, C., Navarro-Cuéllar, L., & Villegas-Villacrés, N. (2021). Validez factorial con estimación robusta de la Escala de Autoeficacia Percibida Específica de Situaciones Académicas (Eapesa) en universitarios ecuatorianos. Ciencias Psicológicas, 15(1), 21-53. https://doi.org/10.22235/cp.v15i1.2153
Mueller, R., & Hancock, G. (2018). Structural equation modeling. In G. Hancock, L. Stapleton, & R. Mueller (Eds.), The Reviewer’s Guide to Quantitative Methods in the Social Sciences (pp. 445-456). Routledge.
Paciello, M., Ghezzi, V., Tramontano, C., Barbaranelli, C., & Fida, R. (2016). Self-efficacy configurations and wellbeing in the academic context: A person-centered approach. Personality and Individual Differences, 99, 16-21. https://doi.org/10.1016/j.paid.2016.04.083
Paez, Y., Burne, C., Mosconi, S., & Montenegro, S. (2017). Actitudes de estudiantes hacia la estadística, antes y después de cursar la asignatura, en una escuela médica Argentina. Revista de Educación en Ciencias de la Salud, 14(2), 109-114.
Palenzuela, D. L. (1983). Construcción y validación de una escala de autoeficacia percibida específica de situaciones académicas. Análisis y Modificación de conducta, 9(21), 185-219. https://doi.org/10.33776/amc.v9i21.1649
Palermo, C., & Thomson, M. (2018). Teacher implementation of self-regulated strategy development with an automated writing evaluation system: effects on the argumentative writing performance of middle school students. Contemporary Educational Psychology, 54, 255-270. https://doi.org/10.1016/j.cedpsych.2018.07.002
Panadero, E. (2017). Una revisión del aprendizaje autorregulado: seis modelos y cuatro direcciones para la investigación. Frontiers in Psychology, 8, 422. https://doi.org/10.3389/fpsyg.2017.00422
Paredes-Proaño, F., & Moreta-Herrera, R. (2020). Attitudes towards research y self-regulated learning in university students. CienciAmérica, 9(3), 11-26. http://dx.doi.org/10.33210/ca.v9i3.263
Piergiovanni, L., & Depaula, P. (2018). Descriptive study of self-efficacy and stress management among Argentinean university students. Revista Mexicana de Investigación Educativa, 23(77), 413-432.
R Core Team. (2022). R: A language and environment for statistical computing. R Foundation for Statistical.
Regatto-Bonifaz, J., & Viteri-Miranda, V. (2022). Análisis de las estrategias de enseñanza multimodal en los estudiantes universitarios del Ecuador. Veritas & Research, 4(1), 4-15.
Regatto-Bonifaz, J., & Viteri-Miranda, V. (2023). Attitude towards technology and its relationship with Academic self-efficacy in Ecuadorian university students. Journal of Namibian Studies: History Politics Culture, 33, 3216-3233. https://doi.org/10.59670/jns.v33i.2807
Reyes, M., & Gutiérrez, J. (2015). Sentido de autoeficacia en investigación de estudiantes de posgrado. Sinéctica, 45, 1-15.
Rosário, P., Mourao, R., Núñez, J., González, J., Solano, P., & Valle, A. (2007). Eficacia de un programa instruccional para la mejora de procesos y estrategias de aprendizaje en la educación superior. Psicothema, 19(3), 422-427. https://digibuo.uniovi.es/dspace/handle/10651/26418
Sáez, F., López, Y., Mella, J., & Casanova, D. (2022). Prácticas docentes para promover la autorregulación del aprendizaje durante la pandemia COVID-19: escalas de medición y modelo predictivo. Formación Universitaria, 15(1), 95-104. https://doi.org/10.4067/s0718-50062022000100095
Schnell, K, Ringeisen, T, Raufelder, D., & Rohrmann, S (2015). The impact of adolescents' self-efficacy and self-regulated goal attainment processes on school performance – Do gender and test anxiety matter? Learning and Individual Differences, 38, 90-98. https://doi.org/10.1016/j.lindif.2014.12.008
Torrano, F., & Soria, M. (2017). Diferencias de género y aprendizaje autorregulado: el efecto del rendimiento académico anterior. Revista Complutense de Educación, 28(4), 1027-1042. http://doi.org/10.5209/RCED.51096
Van de Pol, J., de Bruin, A.B.H., van Loon, M.H., & van Gog, T. (2019). Students’ and teachers’ monitoring and regulation of students’ text comprehension: Effects of comprehension cue availability. Contemporary Educational Psychology, 56, 236-249. https://doi.org/10.1016/j.cedpsych.2019.02.001
Wang, C., Shannon, D., & Ross, M. (2013). Students’ characteristics, self-regulated learning, technology self-efficacy, and course outcomes in online learning. Distance Education, 34(3), 302-323. https://doi.org/10.1080/01587919.2013.835779
Wolf, E., Harrington, K., Clark, S., & Miller, M. (2013). Sample size requirements for structural equation models: An evaluation of power, bias, and solution propriety. Educational and psychological measurement, 73(6), 913-934. https://doi.org/10.1177/0013164413495237
Zambrano C., Albarran F., & Salcedo P.A. (2018). Percepción de estudiantes de pedagogía respecto de la autorregulación del aprendizaje. Formación Universitaria, 11(3), 73-86. http://dx.doi.org/10.4067/S0718-50062018000300073
Zimmerman, B. (2013). From cognitive modeling to self-regulation: A social cognitive career path. Educational Psychologist, 48(3), 135-147. https://doi.org/10.1080/00461520.2013.794676
Data availability: The dataset supporting the results of this study is not available.
How to cite: Regatto-Bonifaz, J. P., Viteri-Miranda, V. M., & Moreta-Herrera. R. (2023). Learning self-regulation as a predictor of academic self-efficacy in Ecuadorian undergraduate students. Ciencias Psicológicas, 17(2), e-3254. https://doi.org/10.22235/cp.v17i2.3254
Authors’ participation: a) Conception and design of the work; b) Data acquisition; c) Analysis and interpretation of data; d) Writing of the manuscript; e) Critical review of the manuscript.
J. P. R. B. has contributed in a, b, c, d, e; V. M. V. M. in a, b, c, d, e; R. M. H. in a, c, e.
Scientific editor in-charge: Dra. Cecilia Cracco.