Metacognición

UNIVERSIDAD NACIONAL AUTÓNOMA
DE MÉXICO
FACULTAD DE PSICOLOGÍA
“METACOGNICIÓN: COMPARACIÓN
DE MODELOS TEORICOS”
T E S I S
QUE PARA OBTENER EL TÍTULO DE:
LICENCIADA EN PSICOLOGÍA
P R E S E N T A:
MARÍA TERESA BALDERAS RAMÍREZ
DIRECTOR: DRA. MARGARITA OLIVERA AGUILAR

REVISOR: MTRO. MIGUEL HERRERA ORTIZ
SINODALES: DRA. GABRIELA DE LA CRUZ FLORES
DR. LUIS RODOLFO BERNAL GAMBOA
MTRA. LEYDY ALEEN ERAZO ÑAÑEZ
CIUDAD UNIVERSITARIA, CDMX

2020
UNAM – Dirección General de Bibliotecas
Tesis Digitales
Restricciones de uso
DERECHOS RESERVADOS ©
PROHIBIDA SU REPRODUCCIÓN TOTAL O PARCIAL
Todo el material contenido en esta tesis esta protegido por la Ley Federal
del Derecho de Autor (LFDA) de los Estados Unidos Mexicanos (México).
El uso de imágenes, fragmentos de videos, y demás material que sea

objeto de protección de los derechos de autor, será exclusivamente para
fines educativos e informativos y deberá citar la fuente donde la obtuvo
mencionando el autor o autores. Cualquier uso distinto como el lucro,
reproducción, edición o modificación, será perseguido y sancionado por el
respectivo titular de los Derechos de Autor.
“El presente y futuro demandan una formación que permita a
las personas adaptarse a nuevas situaciones, que les
asegure apropiarse de los mecanismos con los cuales
podrán desplegar su potencial humano a lo largo de la vida”
(Lima y Nolasco, 2016, p. 28)

Agradecimientos
Llena de regocijo, dedico esta investigación a cada una de las personas que me han
apoyado. En primer lugar a mi familia, quienes han sido un pilar fundamental para continuar
con este proceso constante de superación; a mis padres Alejandro y María Teresa, que se
han esforzado por brindarme no sólo la educación, sino los valores y las habilidades
necesarias para hacer frente a la vida; y a mis hermanos Álvaro y Alexis, que
constantemente me brindan su apoyo, comprensión y cariño.
A mi pareja, que me apoya incondicionalmente a pesar de cualquier obstáculo y me impulsa
constantemente a superarme y a cumplir mis sueños. Y a Nesby, que se ha transformado
en un impulso para lograr aquello que llevaba mucho tiempo procrastinando.
A mi asesora, la Dra. Margarita Olivera, le agradezco la paciencia, perseverancia y la
orientación que me brindó durante el tiempo que pude trabajar con ella. Gracias por sus
enseñanzas, apoyo y amistad, los cuales me han servido como una inspiración para
continuar superándome no solo profesional, sino personalmente.
A mis amigos, que me han ayudado a crecer y me han brindado momentos inolvidables.
A mis compañeros de trabajo, donde afortunadamente he logrado encontrar amigos en los
cuales puedo confiar, personas que te inspiran a superarte y a tener fe para hacer lo mejor.
Finalmente pero no por eso menos importante, agradezco a la Universidad Nacional
Autónoma de México, que ha sido mi guía desde los 11 años, donde he crecido, madurado
y tenido la oportunidad de conocer amigos incondicionales, docentes inspiradores y un
compañero de vida.
Índice
Resumen ........................................................................................................................... 1
Introducción ....................................................................................................................... 2
Capítulo 1. Desarrollo histórico del constructo metacognición..................................... 5
Similitudes con otros términos.............................................................................. 6
Estrategias de aprendizaje cognitivas y metacognitivas ....................................... 8
Elementos de la metacognición............................................................................ 9
Cuestionarios utilizados para evaluar metacognición ......................................... 13
Relación entre la metacognición y el desempeño académico............................. 15
Justificación ....................................................................................................... 18
Objetivo de la investigación ................................................................................ 19
Capítulo 2. Método.................................................................................................... 20
Procedimiento .................................................................................................... 20
Muestra….. ........................................................................................................ 21
Variables y forma de medición ........................................................................... 21
Análisis estadísticos ........................................................................................... 23
Capítulo 3. Resultados .............................................................................................. 26
Estadísticos descriptivos .................................................................................... 26
Dimensionalidad................................................................................................. 26
Confiabilidad ...................................................................................................... 48
Capítulo 4. Discusión de resultados y conclusiones .................................................. 49
Conclusiones ..................................................................................................... 53
Limitaciones y sugerencias para futuras investigaciones ................................... 54
Referencias ..................................................................................................................... 57
Anexo .............................................................................................................................. 61
Página |1
Resumen
La metacognición es una habilidad que ha sido estudiada en el ámbito de la educación; se
le ha relacionado con el desempeño académico de estudiantes y con el nivel de aprendizaje
que presentan éstos al terminar una actividad. Actualmente existen dos posturas para
abordarla: 1) enfocarse en el conocimiento intrínseco de los estudiantes acerca de sus
habilidades y procesamiento de la información; y 2) abordarla incluyendo no solo el
conocimiento intrínseco, sino la regulación de los procesos mentales.
El objetivo de la presente tesis fue evaluar ambos planteamientos utilizando los modelos
teóricos de Flavell y Brown, para ello se construyeron dos instrumentos de autorreporte y
se evaluó su dimensionalidad utilizando análisis factorial confirmatorio.
Se realizaron cuatro análisis, dos para los modelos originalmente planteados por los autores
y dos modelos adicionales de factores correlacionados, encontrando que los cuatro
modelos presentan índices de ajuste adecuados a la realidad. No obstante, es necesario
complementar la presente investigación aumentando el número de reactivos de algunas
dimensiones e incluyendo contrastes con pruebas ejecutivas.
Palabras clave
Conocimiento cognitivo, estrategias de aprendizaje, metacognición, regulación de la
cognición.
Página |2
Introducción
En México, el aprendizaje de los estudiantes de nivel medio superior es evaluado
por medio de diferentes pruebas nacionales e internacionales. Dentro de las más
representativas se encuentran: el Plan Nacional para la Evaluación de los Aprendizajes
(Planea), aplicado a nivel nacional; y el Programa para la Evaluación Internacional de los
Estudiantes (PISA), que se implementa a nivel internacional.
Los resultados obtenidos en la prueba Planea, aplicada en el 2017 para educación
media superior, muestran que la mayoría de los estudiantes no son capaces de identificar
la postura de un autor al leer, ni de parafrasear la información de un texto sencillo; y
tampoco son capaces de emplear un lenguaje matemático debido a que presentan
dificultades para realizar operaciones con fracciones o combinación de variables (Instituto
Nacional para la Evaluación de la Educación, 2017). Asimismo, los resultados de la
aplicación de PISA en el 2018 refirieron que la mayor parte de los estudiantes tienen
dificultades para ampliar sus conocimientos por medio de la lectura, son incapaces de
resolver problemas matemáticos elementales y presentan conocimiento científico limitado
(Organización para la Cooperación y el Desarrollo Económico, 2019). De hecho, menos del
2% de los estudiantes obtiene una comprensión detallada de los textos, puede utilizar
información para resolver problemas matemáticos complejos y puede identificar, explicar o
aplicar el conocimiento científico en circunstancias complejas de la vida (Organización para
la Cooperación y el Desarrollo Económico, 2016).
Como una medida para mejorar la calidad de la educación, el gobierno federal
expresó en la propuesta curricular emitida en el 2016 la importancia de desarrollar en los
estudiantes habilidades que les permitan concientizar sus propios procesos de aprendizaje
y aprender por sí mismos (De Stasio y Di Chiacchio, 2015; Lima y Nolasco, 2016). La
Página |3
capacidad de aprender a aprender ha recibido el nombre de metacognición y ha sido
investigada desde hace 50 años (Burgos Castillo y Sánchez Abarca, 2012); es una habilidad
que permite a los estudiantes criticar sus propias destrezas y procesos cognitivos, así como
utilizar esa información para regular sus conductas (Campo, Escorcia y Moreno, 2016;
Cisneros, Vázquez y Treviño, 2014; Ghamari, Salehi y Entesar, 2015; Muwonge, Schiefele,
Ssenyonga y Kibedi, 2017). Un estudiante que cuenta con habilidades metacognitivas es
capaz de evaluar qué conceptos no entiende, recordar los elementos más importantes de
las lecturas y buscar información adicional para complementar su aprendizaje
(Areepattamannil, 2014).
Según Burgos Castillo y Sánchez Abarca (2012), las dos posturas más frecuentes
para abordar la metacognición son: 1) la metacognición se centra en el conocimiento que
las personas tienen acerca de sus procesos cognitivos (como menciona Flavell), los
estudiantes son capaces de reconocer qué habilidades tienen y qué actividades les resulta
más fácil aprender; y 2) la metacognición incluye el conocimiento de la cognición y los
procesos regulatorios (como expone Brown) que incluyen la planeación de las actividades,
el monitoreo durante la realización y la evaluación del desempeño.
La finalidad de la presente tesis fue evaluar el ajuste estadístico de ambas posturas
y para cumplir con su objetivo, se desarrolló en dos pasos:
1. Creación de un instrumento que mida metacognición con las dos posturas
previamente descritas.
2. Evaluación estadística del ajuste de los dos modelos.
Este trabajo se compone de cuatro capítulos. El primero expone la historia de la
metacognición, sus similitudes con constructos como estrategias de aprendizaje y
aprendizaje autorregulado, los elementos que la componen y las dos posturas principales
Página |4
para abordarla, además, se aborda su forma de medición, los instrumentos que se han
utilizado para evaluarla y la relación que tiene con el desempeño académico. El segundo
capítulo plantea la metodología utilizada para cumplir con los objetivos de la investigación:
se describe la elaboración de los dos instrumentos, las dimensiones que se midieron y los
análisis estadísticos empleados para evaluar la dimensionalidad. El tercer capítulo expone
los resultados obtenidos para cada dimensión y el ajuste estadístico de los modelos finales
obtenido por medio de análisis factorial confirmatorio (AFC). En el modelo de Flavell se
realizaron 6 análisis unidimensionales, se evaluó un modelo de segundo orden y uno de
factores correlacionados; y en el modelo de Brown se incluyeron 5 análisis
unidimensionales, un modelo de segundo orden y uno de factores correlacionados. Los
análisis realizados permitieron brindar un sustento estadístico para los modelos teóricos de
Flavell y Brown; la discusión de resultados y las conclusiones se describen con mayor
detalle en el cuarto capítulo.

Página |5
Capítulo 1. Desarrollo histórico del constructo metacognición
La metacognición representa un proceso reflexivo que permite a las personas
pensar en las habilidades cognitivas que poseen (Huertas, Vesga y Galindo, 2014), es decir,
cómo comprenden procesos mentales como la percepción, adquisición, aprendizaje,
creación, almacenamiento, memoria o codificación de la información (Campo et al., 2016).
El término fue inicialmente utilizado en la década de los setentas y es atribuido a John H.
Flavell (Hong, Vadivelu y Daniel, 2015), un psicólogo estadounidense que realizó
investigaciones de metamemoria en 1971 y que planteó un modelo metacognitivo en 1979.
Originalmente se definió como metacognición al “conocimiento y la cognición de los
procesos cognitivos” (Flavell, 1979, p. 906), pero con el paso de los años, también ha
incluido la regulación de los procesos metales (Hong et al., 2015; Huertas et al., 2014; Kim,
Zyromski, Mariani, Lee y Carey, 2017). La primera en incluir la regulación como un elemento
de la metacognición fue Ann Brown, que la definió como el control deliberado y consciente
de la propia actividad humana (Brown, 1987), reconociendo la existencia de elementos para
comprender y regular (Huertas et al., 2014).
La mayoría de los autores coincide en que la metacognición permite a los
estudiantes controlar su propio aprendizaje, facilitándoles realizar conductas de planeación,
selección de estrategias, monitoreo y evaluación (Chevalier, Parrila, Ritchie y Deacon,
2015; Hong et al., 2015; Hong-Nam, Leavell y Maher, 2014). Es considerada una capacidad
de pensamiento de orden superior que permite a las personas observar sus procesos
cognitivos y mejorar los resultados de su aprendizaje, ya que facilita el reconocimiento de
fortalezas y limitaciones personales (Kim et al., 2017).

Página |6
Posteriormente la metacognición y la regulación se incluyeron dentro del constructo
de aprendizaje autorregulado, pero la distinción entre ambos términos es poco clara y
algunos autores los utilizan como similares (Zulma Lanz, 2006).
Similitudes con otros términos
La metacognición es una habilidad que presenta límites borrosos al relacionarse con
conceptos como estrategias de aprendizaje, aprendizaje autorregulado, motivación y
compromiso (Batteson, Tormey y Ritchie, 2014). La confusión entre los términos es amplia
y parte de ella es debido al uso indebido de los instrumentos. Por ejemplo, De Stasio y Di
Chiacchio (2015), utilizaron la escala Learning Strategies Questionnaire para evaluar
habilidades metacognitivas y de autorregulación, pero la escala fue originalmente generada
para medir componentes cognitivos, emocionales y motivacionales en el aprendizaje;
además, en el estudio se aborda la metacognición y autorregulación como términos
indistintos.
Batteson et al. (2014) compararon tres instrumentos para verificar la poca claridad
que existe entre el método de aprendizaje, la metacognición y la responsabilidad. Utilizaron
reactivos del Meta-Cognitive Awareness Inventory (MAI), ASSSIST y del cuestionario Big
Five, permitiendo la agrupación de los reactivos mediante análisis de componentes
principales. Encontraron tres componentes: preparación de aprendizaje, estrategias de
regulación y estrategias de manejo de información; cada componente incluye reactivos de
los tres instrumentos, por lo que los autores concluyeron que existe un traslape teórico entre
los tres conceptos.
Con respecto a la relación entre aprendizje autorregulado y metacognición, Zulma
Lanz (2006) realizó una investigación teórica y concluyó que los autores que trabajan estos
términos pueden tomar tres posturas: tratarlos como similares, incluir la regulación como
Página |7
un componente de la metacognición, o incluir ambos conceptos como elementos del
aprendizaje autorregulado. El aprendizaje autorregulado hace referencia a un proceso
mediante el cual los estudiantes definen los objetivos que buscan aprender, y mediante el
monitoreo, regulación de la cognición, motivación y comportamiento, buscan cumplir con
esos objetivos (De Stasio y Di Chiacchio, 2015).
Por su parte, las estrategias de aprendizaje representan comportamientos,
creencias, pensamientos, procesos o habilidades que utilizan los estudiantes para facilitar
la adquisición, almacenamiento, comprensión y transmisión de nuevos conocimientos
(Areepattamannil, 2014; Berger y Karabenick, 2016; Chevalier et al., 2015; Roux y Anzures,
2015; Ruffing, Wach, Spinath, Brünken y Karbach, 2015). Autores como Ruffing et al. (2015)
y Farrington et al. (2012) incluyen la metacognición como un elemento de las estrategias
de aprendizaje y las describen como habilidades no cognitivas, es decir, que representan
comportamientos, habilidades, actitudes, estrategias, tendencias y/o hábitos que influyen
en el rendimiento de los estudiantes y que no se miden por medio de exámenes escolares
(Farrington et al., 2012; Ruffing et al., 2015).
Miñano Pérez, Castejón Costa y Gilar Corbí (2012) hablan de tres tipos de
estrategias: procesamiento, personalización y metacognicion. Farrington et al. (2012)
incluyen como estrategias la metacognición, aprendizaje autorregulado, gestión del tiempo
y establecimiento de objetivos. Roux y Anzures (2015) defienden la existencia de
estrategias para el procesamiento de la información y estrategias afectivas como la
motivación, metacognición y control del contexto. Por otra parte, autores como
Areepattamannil (2014), Callan, Marchant, Finch, y German (2016), y Soufi, Damirchi,
Sedghi y Sabayan (2014) defienden que las estrategias de aprendizaje se dividen en dos:
estrategias cognitivas y metacognitivas (o de regulación).

Página |8
Para los fines de esta investigación se abordará la metacognición como un
constructo teórico que permite a los estudiantes monitorear sus habilidades (Flavell, 1979)
y regular y evaluar sus procesos de aprendizaje (Brown, 1987).
Estrategias de aprendizaje cognitivas y metacognitivas
Existen modelos como el desarrollado por Soufi et al. (2014) que evalúan las
estrategias de aprendizaje mediante estrategias cognitivas y de regulación. La diferencia
principal entre ellas radica en que las estrategias cognitivas dependen del nivel de habilidad
cognitiva que requieren los estudiantes al realizar una tarea y pueden ser superficiales o
profundas; las estrategias superficiales incluyen la repetición y memorización, mientras que
las estrategias profundas se enfocan en la elaboración de nuevos conocimientos como
parafrasear, resumir, crear analogías o comparar información (Areepattamannil, 2014).
Algunas de las estrategias más utilizadas son la memorización mediante la repetición o
creación de acrónimos, la elaboración de nuevos conocimientos al relacionar información
previa y nueva, la creación de resúmenes (Areepattamannil, 2014; Callan et al., 2016), la
toma de apuntes y las anotaciones para organizar las ideas (Roux y Anzures, 2015).
Las estrategias metacognitivas se enfocan en el monitoreo y control al realizar una
tarea o estudiar (Areepattamannil, 2014; Campo et al., 2016), ayudando a los alumnos a
monitorear su pensamiento y a percatarse de en qué situaciones no entendieron y qué
elementos no entienden (Callan et al., 2016; Hong-Nam et al., 2014). Generalmente los
estudiantes que presentan estrategias metacognitivas hacen pausas mientras estudian
para verificar: qué deben aprender, si están entendiendo los temas y qué secciones les
cuesta trabajo comprender, además, buscan información extra para verificar su avance
(Areepattamannil, 2014).
Página |9
Elementos de la metacognición
La mayoría de los estudios de metacognición, se enfocan en la presencia de dos
elementos: el conocimiento y la regulación de los procesos cognitivos (Campo et al., 2016;
Hong et al., 2015; Huertas et al., 2014; Kim, et al., 2017). El conocimiento cognitivo, también
llamado conocimiento metacognitivo, se enfoca en un proceso mental de introspección que
permite a las personas discutir o expresar lo que saben sobre la cognición (Huertas et al.,
2014; Kim et al., 2017), se refiere a los conocimientos y creencias del efecto que tiene el
ambiente, las características de la tarea, las habilidades del estudiante o la motivación para
culminar con las actividades (Campo et al., 2016). Kim et al. (2017) identifican dentro de
esta dimensión, habilidades como: saber cuándo algo no se entiende, aprender más cuando
hay interés en el tema, prestar atención a la información importante, aprender mejor cuando
existen conocimientos previos, saber qué se debe aprender o utilizar las fortalezas de
aprendizaje para compensar las debilidades.
Por su parte, la regulación, también llamada control metacognitivo o regulación
metacognitiva, hace referencia a la parte procedimental en la realización de las tareas
(Huertas et al., 2014). Incluyen las estrategias o habilidades que le permiten al estudiante
monitorear, controlar y modificar las conductas empleadas para aprender (Burgos Castillo
y Sánchez Abarca, 2012; Campo et al., 2016; Kim et al., 2017; Schraw y Sperling, 1994)
Algunos autores como Schraw y Sperling (1994) refieren que incluye cinco dimensiones:
planeación, manejo de la información (u organización), monitoreo de la comprensión,
estrategias de depuración y evaluación, sin embargo, Campo et al. (2016) y Hong et al.
(2015) incluyen sólo las primeras tres: planeación, monitoreo y evaluación.
Kim et al. (2017) identifican que los estudiantes que cuentan con regulación de la
cognición se caracterizan por preguntarse si se aprendieron lo necesario al terminar una

P á g i n a | 10
actividad, pensar en qué se debe aprender antes de comenzar a trabajar, pensar en varias
formas de resolver un problema y elegir la mejor, preguntarse si hay una manera más fácil
de hacer las cosas al terminar una tarea (dibujos o diagramas) o verificar que las actividades
se terminan a tiempo.
Ambos planteamientos, tanto el centrarse en el conocimiento de los procesos
mentales como el enfocarse en el conocimiento de la regulación de la cognición se
representan por medio de los modelos generados por John Hurley Flavel y Ann Brown.
Modelo de John Hurley Flavell.
El primer modelo generado para abordar la metacognición lo desarrolló Flavell en
1979. Es un modelo teórico que describe el monitoreo cognitivo que tienen los estudiantes
para reconocer sus procesos mentales. Su planteamiento se conforma de cuatro
dimensiones: conocimiento metacognitivo, experiencias metacognitivas, metas (o tareas) y
acciones (o estrategias), y tres subdimensiones: persona, tarea y estrategia. La Figura 1.
Modelo de Flavell. muestra el diagrama del modelo.
Figura 1. Modelo de Flavell.

Persona
Conocimiento
Tarea
metacognitivo
Estrategia
Experiencias
metacognitivas
Metacognición
Metas o tareas
Acciones o
estrategias
Nota: Diagrama generado con base la teoría de Flavell sobre el monitoreo cognitivo que presentan
los estudiantes para reconocer sus procesos mentales. Adaptado de “Metacognition and cognitive
monitoring: A new area of cognitive–developmental inquiry” por Flavell, 1979.
P á g i n a | 11
Flavell desarrolla con mayor profundidad el concepto de conocimiento
metacognitivo, y es ésta la dimensión que se retoma con mayor frecuencia en las
investigaciones. Para el autor, el conocimiento metacognitivo incluye los conocimientos de
los estudiantes que se enfocan en el autoconocimiento de las habilidades (persona), el
reconocimiento de la actividad que deben realizar (tarea) y en el conocimiento de las
actividades que puede emplear para lograr la tarea o los aprendizajes (estrategia).
El resto de las dimensiones sólo tienen una breve descripción en el modelo. Las
experiencias metacognitivas se refieren a los sentimientos o creencias que desarrollan los
estudiantes sobre las actividades que realizan, es decir, si aprenden o si les cuesta trabajo
una actividad; las metas se enfocan en los objetivos o tareas que se deben realizar; y
finalmente, las acciones representan los pensamientos y comportamientos empleados por
los estudiantes para lograr las metas que se establecieron.
Modelo de Ann Brown
En 1987 Ann Brown planteó la existencia e importancia de contar con procesos
regulatorios como parte de la metacognición. Su teoría presenta la existencia de dos
dimensiones: conocimiento cognitivo y regulación de la cognición y cinco subdimensiones:
conocimiento declarativo, conocimiento procedural, planeación, monitoreo y evaluación. La
Figura 2. Modelo de Brownmuestra el diagrama del modelo.
Para Brown, el conocimiento cognitivo incluye la información que las personas
tienen sobre sus procesos cognitivos, es una habilidad relativamente estable que facilita la
reflexión intrínseca de los estudiantes. Se conforma de dos elementos: el conocimiento
declarativo, que describe el conocimiento que tiene un estudiante sobre sus habilidades y
el uso de sus capacidades cognitivas; y el conocimiento declarativo, que describe el
conocimiento del estudiante acerca del uso de estrategias de aprendizaje.

P á g i n a | 12
Figura 2. Modelo de Brown

Declarativo
Conocimiento
cognitivo
Procedural
Metacognición
Planeación
Regulación de la
Monitoreo
cognición
Evaluación
Nota: Diagrama generado con base la teoría de Brown sobre los elementos de la metacognicuión.
Adaptado de “Metacognition, executive control, self-regulation and other more mysterious
mechanisms” por Brown, 1987.
Por su parte, la regulación de la cognición se da en tres dimensiones. La planeación,
donde los estudiantes preparan los tiempos de estudio, fijan sus metas de aprendizaje y
seleccionan las estrategias de estudio que emplearán. El monitoreo, enfocado en la
supervisión del sujeto acerca de su aprendizaje durante la realización de las tareas. Y la
evaluación, donde los estudiantes realizan un a análisis de la efectividad de las estrategias
implementadas.
Abordar el constructo de metacognición es complejo por diversas razones. Existe
poca claridad con respecto a los elementos que incluye, los límites y diferencias con
términos como estrategias de aprendizaje o aprendizaje autorregulado son borrosos
(Batteson et al., 2014; De Stasio y Di Chiacchio, 2015; Zulma Lanz, 2006), y para evaluar
las habilidades metacognitivas se ha recurrido constantemente al uso de cuestionarios, no
siempre tomando en cuenta la finalidad de los instrumentos, que en ocasiones no están
diseñados para evaluar la metacognición.

P á g i n a | 13
Cuestionarios utilizados para evaluar metacognición
La forma más utilizada para medir la metacognición es mediante la implementación
de cuestionarios. Algunos de los instrumentos fueron originalmente diseñados para
evaluarla, como el Inventario de Habilidades Metacognitivas (MAI), pero otros, se han
generado para evaluar constructos diferentes, como el Cuestionario de Motivación y
Estrategias de Aprendizaje (MSLQ). Ambos cuestionarios son los más referidos al hablar
de metacognición. A continuación se exponen las características de ambas escalas, así
como las adaptaciones que se les han realizado.
En 1993 Pintrich, Smith, Garcia y McKeachie crearon el Cuestionario de Motivación
y Estrategias de Aprendizaje (MSLQ) con el objetivo de medir la motivación y el uso de
estrategias en estudiantes universitarios. El cuestionario consta de dos escalas: motivación,
que cuenta con 3 componentes, y estrategias de aprendizaje, que cuenta con 2
componentes. Teóricamente, la escala de motivación está basada en el modelo socio-
cognitivo general de Pintrich, que incluye componentes afectivos, de valor y de
expectativas; mientras que la escala de estrategias de aprendizaje se basa en el modelo
cognitivo general de procesamiento de la información y aprendizaje de Weinstein y Mayer,
que debe incluir elementos cognitivos, metacognitivos y de gestión de recursos.
La consistencia interna de las dimensiones se evaluó por medio del Alpha de
Cronbach (varió de 0.52 a 0.93) y la validación se realizó mediante validez predictiva
permitiendo la correlación entre el puntaje de cada dimensión con el promedio de los
estudiantes (las correlaciones variaron de -0.27 a 0.41); además, se analizaron mediante
análisis factorial confirmatorio las subdimensiones de ambas escalas.
La adaptación al español del MSLQ la realizaron Burgos Castillo y Sánchez Abarca
(2012) quienes mediante análisis de componentes principales (ACP) concluyeron que la

P á g i n a | 14
escala de motivación cuenta con 8 componentes y la de estrategias de aprendizaje con 14
componentes, de los cuales, al menos 6 presentan dos o menos reactivos. Por otro lado,
Berger y Karabenick (2016) adaptaron el cuestionario a contenidos de matemáticas y
utilizando AFC reconocieron la existencia de tres dimensiones que evalúan autorregulación
metacognitiva: planeación, monitoreo y regulación.
En 1994 Schraw y Sperling desarrollaron el Inventario de Habilidades
Metacognitivas (MAI) con el objetivo de medir la metacognición en adolescentes y adultos.
Los autores combinaron los planteamientos de Brown, Flavell y Jacobs y Paris, y plantearon
que la metacognición incluye dos elementos: el conocimiento de la cognición y la regulación
de la cognición. El instrumento consta de 52 reactivos que fueron clasificados en 2
dimensiones y 8 subdimensiones. La dimensionalidad del instrumento se verificó mediante
análisis factorial exploratorio (AFE), encontrando seis subdimensiones (cuya confiabilidad
variaba de 0.59 a 0.81); posteriormente se realizó un análisis factorial con una solución de
dos factores para que los resultados fueran acordes a los planteamientos de Brown y
Jacorbs y Paris.
El cuestionario fue adaptado al español por Huertas et al. (2014), quienes
corroboraron la estructura originalmente planteada utilizando análisis por categorías,
correlaciones y Alfa de Cronbach. Kim et al. (2017) adaptaron el cuestionario para
adolescentes, generando el Junior Metacognitive Awareness Inventory (JrMAI) que consta
de 12 reactivos para estudiantes de 3° grado y 18 reactivos para estudiantes de 5° grado.
Mediante AFE y AFC concluyeron la existencia de dos dimensiones: regulación de la
cognición y conocimiento cognitivo. Además, Campo et al. (2016) generaron un instrumento
de 6 reactivos (α = 0.69) utilizando el MAI como base para evaluar las habilidades
metacognitivas que emplean los estudiantes al redactar un texto.

P á g i n a | 15
Para evaluar la metacognición se han utilizado múltiples cuestionarios, algunos de
ellos no fueron generados para evaluarla pero la abordan por medio de alguna dimensión
o incluyen elementos que permiten tener un acercamiento a ella. Los instrumentos
anteriores y otros han permitido realizar avances con respecto al impacto que tienen las
habilidades metacognitivas en el desempeño académico de los estudiantes.
Relación entre la metacognición y el desempeño académico
La metacognición es una habilidad que permite a los estudiantes saber cómo
perciben, aprenden, recuerdan o piensan (Zulma Lanz, 2006), facilitándoles el control de
sus aprendizajes (Schraw y Sperling, 1994). Un alumno que presenta altos índices de
metacognición es capaz de saber qué elementos le cuesta más trabajo aprender, qué temas
debe revisar de forma profunda o qué notas debe tomar porque es probable que las olvide
(Zulma Lanz, 2006). Por ello, se ha relacionado con redacción de textos (Campo et al.,
2016), lectura (Hong-Nam et al., 2014), con el puntaje de PISA en lectura, matemáticas y
ciencias (Areepattamannil, 2014; Callan et al., 2016) y con las calificaciones escolares
(Hong et al., 2015).
Por ejemplo, Callan et al. (2016) realizaron una investigación comparando los
resultados obtenidos por 65 países en la prueba PISA 2019 para predecir el puntaje en
lectura, matemáticas y ciencias a partir de estrategias metacognitivas y de aprendizaje. Los
resultados mostraron que a nivel mundial, las estrategias de aprendizaje presentan
correlaciones bajas con el desempeño académico (r = .02 en lectura, .03 en matemáticas y
-.01 en ciencias) en contraste con las estrategias metacognitivas (r = .50 en lectura, .46 en
matemáticas y .48 en ciencias). Y de forma consistente, al predecir el desempeño de los
estudiantes en México, el índice de metacognición tiene una contribución mayor (β = .41 en

P á g i n a | 16
lectura, .43 en matemáticas y .43 en ciencias) que el índice de estrategias de aprendizaje
(β = -.42 en lectura, .07 en matemáticas y .07 en ciencias).
Campo et al. (2016) generaron un instrumento para evaluar las habilidades
metacognitivas que emplean los estudiantes franceses y colombianos al redactar un texto.
Realizaron correlaciones entre el promedio de los estudiantes, el conocimiento cognitivo
(saber qué ideas se deben resaltar, qué estrategias se deben emplear y qué estructura se
debe seguir al escribir), y las estrategias de planeación (generación esquemas o listas de
temas). Encontrando que el promedio se relaciona de forma positiva y significativa con el
conocimiento cognitivo (r = 0.18) mientras que la relación con las estrategias de planeación
no es significativa (r = 0.06).
Hong et al. (2015) evaluaron de qué forma se modifica el conocimiento cognitivo, la
regulación y las habilidades metacognitivas al finalizar el primer año de educación
universitaria. Para lograrlo, implementaron en la Universidad de Malaya el MAI. Los
resultados mostraron que los estudiantes que refieren mayores índices de conocimiento
metacognitivo, regulación y habilidades metacognitivas presentan mayores calificaciones
tanto al inicio (r = .38 en c. metacognitivo, .34 en regulación, y .37 en habilidades
metacognitivas) como al término del ciclo escolar (r = .35 en c. metacognitivo, .50 en
regulación, y .47 en habilidades metacognitivas).
Areepattamannil (2014) evaluó el impacto que tienen las estrategias cognitivas (de
memorización y elaboración) y las estrategias metacognitivas (de control) en el desempeño
académico proporcionado por la prueba PISA. Para lograrlo, realizó seis regresiones
múltiples en dos muestras, concluyendo que la metacognición tiene una contribución mayor
y significativa (β = .20 y .19 en lectura, .16 y .18 en matemáticas y .18 y .16 en ciencias) en
contraste con las estrategias de memorización (β = .07 y .00 en lectura, .02 y -.12 en
P á g i n a | 17
matemáticas y .04 y -.10 en ciencias) y las estrategias de elaboración (β = .011 y .10 en
lectura, .17 y .14 en matemáticas y .15 y .03 en ciencias).
Hong-Nam et al. (2014) realizaron una investigación en estudiantes de bachillerato
de Texas para verificar la manera en que las estrategias de aprendizaje (metacognición y
estrategias cognitivas) impactan en en la comprensión de lecturas en inglés, concluyendo
que los estudiantes que reportan mayor uso de estrategias aumentan la comprensión
lectora (r = 0.91). Sin embargo, en este caso el uso de estrategias metacognitivas tiene una
relación baja con la comprensión (r = 0.09).
Soufi et al. (2014) utilizaron el cuestionario de estrategias de aprendizaje para
generar un índice de estrategias de aprendizaje conformado por estrategias cognitivas y de
regulación. Encontraron correlaciones altas y significas entre el logro académico y el índice
de estrategias de aprendizaje (r = .805).
De Stasio y Di Chiacchio (2015) clasificaron a los estudiantes con base en su
habilidad cognitiva, emocional y motivacional en tres tipos de estudiantes: efectivos,
desmotivados y ansiosos. Los primeros se caracterizan por tener el mejor desempeño,
mayor motivación y menor ansiedad; cuentan con estrategias de elaboración y
autorregulación, no presentan dificultades de concentración y reportan mayor presencia de
locus de control interno. Los estudiantes desmotivados presentan el nivel más bajo de
rendimiento, además de bajas puntuaciones en cognición y motivación, y obtienen mayores
resultados en dificultades de manejo emocional. Finalmente, los estudiantes ansiosos
obtienen un desempeño intermedio, presentan altos índices de colaboración, pero también
de dificultades de concentración, ansiedad e interferencia emotiva.
Los estudios antes mencionados coinciden en que contar con estrategias de
metacognición se relaciona con un mayor desempeño académico de los estudiantes.

P á g i n a | 18
Justificación
La metacognición es una habilidad que puede mejorar el desempeño académico de
los estudiantes (Areepattamannil, 2014; Callan et al., 2016; Soufi et al., 2014). Sin embargo,
un inconveniente es que no existe un consenso acerca de cómo medirla o evaluarla.
Al investigar las habilidades metacognitivas existen dos planteamientos que son los
más frecuentemente encontrados en las investigaciones (Burgos Castillo y Sánchez
Abarca, 2012). El primer planteamiento representa el modelo teórico de John Flavell,
enfocado en el conocimiento que los estudiantes tienen acerca de sus procesos internos
de pensamiento, es decir: cómo piensan y qué estrategias tienen (Callan et al., 2016; Hong-
Nam et al., 2014). El segundo planteamiento representa el modelo de Ann Brown, enfocado
en los procesos de regulación que emplean los estudiantes para dar término a sus
actividades escolares, es decir: cómo monitorean y controlan su aprendizaje (Castejón,
Gilar, Veas, y Miñano, 2016).
Ambos planteamientos coinciden en la importancia de focalizar la atención en el
pensamiento intrínseco de cada persona, además de reconocer las estrategias y
habilidades que tiene cada estudiante, (Burgos Castillo y Sánchez Abarca, 2012; Kim et al.,
2017; Hong-Nam et al., 2014). Sin embargo, una de sus diferencias principales es que el
modelo de Flavell se enfoca en el conocimiento de la cognición y no toma en cuenta
procesos de regulación, mientras que el modelo de Brown desarrolla la regulación como un
elemento indispensable para la metacognición.
Ambas teorías (el modelo de Flavell y de Brown) son similares y es posible encontrar
semejanzas entre sus dimensiones, sin embargo también tienen diferencias muy marcadas.
Actualmente no existen estudios que comparen estadísticamente ambos planteamientos;

P á g i n a | 19
pero esta comparación permitiría brindar un sustento estadístico que le brinde mayor
solidez a la teoría metacognitiva, permitiendo elucidar la naturaleza de la metacognición.
Los instrumentos que se han empleado para evaluar la metacognición en
estudiantes no realizan una comparación entre las teorías de Flavell y Brown, y en algunos
casos se han utilizado instrumentos que no fueron diseñados para medirla. Por ello, la
presente tesis tiene como finalidad comparar ambas teorías con base en los índices de
ajuste estadístico de dos instrumentos aplicados a una población de estudiantes de nivel
medio superior.
Objetivo de la investigación
El propósito de la presente tesis fue hacer una evaluación de los modelos teóricos
de Flavell y Brown.
Objetivos específicos
Construir dos instrumentos que midan los modelos teóricos de Brown y Flavell.
Proporcionar evidencia de validez y confiabilidad de cada uno de los cuestionarios.
Evaluar el ajuste estadístico de los modelos a los datos.

P á g i n a | 20
Capítulo 2. Método
Procedimiento
Elaboración del instrumento. Primero se realizó un análisis de la estructura de los
cuestionarios: Inventario de Habilidades Metacognitivas (MAI), Cuestionario de Motivación
y Estrategias de Aprendizaje (MSLQ), Cuestionario de Estrategias de Aprendizaje (CEA),
Learning Strategies Questionnaire (QSA), Inventario de Estrategias de Aprendizaje y
Estudio (LASSI) y del Cuestionario de Evaluación de las Estrategias de Aprendizaje para
Estudiantes Universitarios (CEVEAUPEU). Se realizó una tabla comparativa que incluía las
dimensiones de cada cuestionario, sus características psicométricas y sus replicaciones.
Para ver la tabla comparativa de los cuestionarios, ver el Anexo 1. Finalmente se
seleccionaron los reactivos que presentaron una relación congruente con los constructos
incluidos en los modelos de Flavell y Brown.
Con la finalidad de verificar la comprensión de los reactivos por parte de los
estudiantes de bachillerato, se realizaron dos grupos focales (cada uno de 5 estudiantes)
con una duración de una hora. Los participantes fueron seleccionados por conveniencia y
el criterio de inclusión fue estudiar en el nivel medio superior. El rango de edad de los
participantes oscilaba de 15 a 19 años (M= 16.8, DE = 1.14): 7 fueron hombres y 3 mujeres,
y todos excepto uno provenían de instituciones públicas. La aplicación se realizó en un
salón de clases, donde se solicitó a los estudiantes responder el cuestionario y en caso de
no entender alguna palabra o frase, que lo informaran o hicieran notas sobre el cuestionario;
también se solicitó que expresaran si las instrucciones u opciones de respuesta eran claras.
Al finalizar, se realizó una breve discusión sobre el cuestionario y los estudiantes no
expresaron tener dificultades en la comprensión de los reactivos, opciones de respuesta e
instrucciones, por lo que no hubo necesidad de realizar modificaciones.

P á g i n a | 21
Se procedió a la aplicación del cuestionario en planteles de nivel medio superior de
la Ciudad de México. La aplicación del cuestionario fue facilitada por los directivos y
profesores de los planteles, a los cuales se les mostró una carta expedida por la Facultad
de Psicología para solicitar el acceso a diferentes grupos (el Anexo 2 muestra la carta). Al
iniciar la aplicación se leyó el consentimiento informado (el Anexo 3 muestra el
consentimiento informado), haciendo énfasis en que los datos recopilados se utilizarían
exclusivamente con fines de investigación. Con la finalidad de motivar a los estudiantes, se
les informó que al contestar el cuestionario participarían en la rifa de dos Tablet, cuyo
premio sería informado vía correo electrónico. Los participantes completaron el cuestionario
dentro de su horario escolar y estando en un salón de clases.
Muestra
Se realizó un muestreo no probabilístico por conveniencia en seis planteles de nivel
medio superior, de los cuales tres pertenecen a la Universidad Nacional Autónoma de
México. La muestra consistió en 419 estudiantes cuyas edades oscilan entre los 17 y 23
años de edad (M = 17 años, SD = 1.25). Del total de alumnos, el 58% de la muestra son
mujeres y el 42% hombres. El 25% de los estudiantes cursaba el 2° semestre, el 15% el 4°
semestre y el 59% el 6° semestre, o sus equivalentes a 1°, 2° y 3° año de la Escuela
Nacional Preparatoria. Los participantes provinieron de escuelas públicas: el 48%
perteneciente a la UNAM y el 52% externas a la UNAM: bachilleres y Centro de Estudios
Tecnológico Industrial y de Servicios (CETIS).
Variables y forma de medición
Se utilizó un cuestionario autoaplicable de lápiz y papel donde se recolectó
información descriptiva de los estudiantes como: edad, sexo y escuela de procedencia. Las
preguntas que conformaron el cuestionario para evaluar la metacognición emplearon una

P á g i n a | 22
escala con cuatro opciones de respuesta que incluyen: “nunca”, “algunas veces”,
“frecuentemente” y “siempre”.
Para la evaluación del modelo de Flavell se incluyeron un total de 44 reactivos. Los
cuales se distribuyeron en 4 dimensiones: conocimiento metacognitivo, experiencias
metacognitivas, metas y acciones; y 3 subdimensiones: persona, tarea y estrategia. El
número de reactivos incluidos originalmente en cada dimensión se muestra en la Tabla 1.
La distribución de los reactivos incluidos originalmente para cada dimensión del modelo, se
muestran en el Anexo 4.
Tabla 1. Número de reactivos para el modelo de Flavell por dimensión
Dimensión / Subdimensión Número de reactivos

Conocimiento metacognitivo
Persona 7
Tarea 7
Estrategia 9
Experiencias metacognitivas 7
Metas 4
Acciones 10
Nota: Conocimiento metacognitivo no incluye número de reactivos porque se evalúa
mediante las dimensiones de persona, tarea y estrategia.
Para la evaluación del modelo de Brown se incluyeron un total de 38 reactivos
distribuidos en dos dimensiones: conocimiento cognitivo y regulación de la cognición; y 5
subdimensiones: conocimiento declarativo, conocimiento procedural, planeación,
monitoreo y evaluación. El número de reactivos que incluye cada dimensión se muestra en
la Tabla 2. La distribución de los reactivos incluidos originalmente para cada dimensión del
modelo se muestra en el Anexo 5.

P á g i n a | 23
Tabla 2. Número de reactivos por dimensión para el modelo de Brown

Dimensión / Subdimensión Número de reactivos
Conocimiento cognitivo
Conocimiento declarativo 8
Conocimiento procedural 6
Regulación de la cognición
Planeación 11
Monitoreo 7
Evaluación 6
Nota: Conocimiento cognitivo no incluye número de reactivos porque se evalúa
mediante las dimensiones de conocimiento declarativo y conocimiento procedural.
Regulación de la cognición no incluye número de reactivos porque se evalúa
mediante las dimensiones de planeación, monitoreo y evaluación.
Análisis estadísticos
Dimensionalidad. Para examinar la estructura factorial de los instrumentos de
metacognición y las características psicométricas de los reactivos se realizaron análisis
factoriales confirmatorios. Los análisis se realizaron utilizando la versión 7.3 del programa
Mplus. Debido a que los reactivos incluyeron cuatro opciones de respuesta, se utilizó como
método de estimación, el weighted least square mean and variance adjusted (WLSMV).
El ajuste del modelo se evaluó con base en: la 2 y los índices de ajuste de root
mean square error of approximation (RMSEA) y comparative fit index (CFI), considerando
que valores de RMSEA menores a .05 y CFI mayores a .95 eran indicativos de un buen
ajuste a los datos, y valores de RMSEA menores a .08 y de CFI mayores a .90 eran
indicadores de que el modelo presentaba un ajuste adecuado (Abad, Pardo, Olea, Ponsoda,
y García, 2010, Browne y Cudeck, 1993; Fernando y Anguiano-Carrasco, 2010; West,
Taylor, y Wu, 2012).
Para evaluar la dimensionalidad de cada modelo teórico el procedimiento fue: 1)
probar los modelos unidimensionales de cada teoría, y al obtener índices de ajuste

P á g i n a | 24
adecuados para cada modelo unidimensional, 2) evaluar la dimensionalidad de cada
modelo teórico mediante modelos de segundo orden y factores correlacionados.
Los modelos teóricos de Flavell y Brown plantean la existencia de variables de
segundo orden que tienen un efecto en las variables de primer orden. Por ejemplo, en el
modelo de Flavell existen variables latentes como persona, tarea y estrategia, que son
medidos a través de ítems (variables observables). Pero el modelo plantea que las
relaciones entre las variables latentes de persona, tarea y estrategia pueden ser explicadas
por la presencia de otra variable latente de segundo orden, el conocimiento metacognitivo.
De forma similar el modelo de Brown plantea como variable de segundo orden la regulación,
que explica las relaciones entre las variables de primer orden planeación, monitoreo y
evaluación.
De forma adicional, se decidió correr por cada modelo un análisis de factores
correlacionados, donde no se plantean factores de segundo orden. Este análisis permite
verificar la relación existente entre las variables latentes sin suponer la existencia de
variables adicionales que influyen en las relaciones entre ellas, y resulta ser un análisis más
parsimonioso.
Para el modelo de Flavell se evaluó de forma unidimensional las escalas de: persona
(modelo A), tarea (modelo B), estrategia (modelo C), experiencias (modelo D), metas
(modelo E) y acciones (modelo F). En el modelo G se probó el modelo teórico
multidimensional de Flavell; los factores de persona, tarea y estrategia se consideraron
como factores de primer orden que conformaron el factor de segundo orden de
conocimiento metacognitivo; asimismo, se correlacionaron las variables de conocimiento
metacognitivo, experiencias, metas y acciones. Como modelo alternativo, se evaluó un

P á g i n a | 25
modelo de seis factores correlacionados: persona, tarea, estrategia, experiencias, metas y
acciones (modelo H).
Para el modelo de Brown, se evaluó de forma unidimensional las escalas de:
conocimiento procedural (modelo I), conocimiento declarativo (modelo J), planeación
(modelo K), monitoreo (modelo L), y evaluación (modelo M). Para probar el modelo teórico,
se evaluó un modelo con dos factores de segundo orden correlacionados, donde el
conocimiento metacognitivo y la regulación de la cognición se establecieron como variables
de segundo orden; y como variables de primer orden se incluyeron: el conocimiento
procedural, conocimiento declarativo, planeación, monitoreo, y evaluación (modelo N). De
forma adicional, se realizó la evaluación de un modelo de cinco factores correlacionados
donde se incluyeron cinco variables unidimensionales: conocimiento procedural,
conocimiento declarativo, planeación, monitoreo, y evaluación (modelo O).
Confiabilidad de la prueba. Una vez que se estableció la escala de cada constructo,
se analizó su confiabilidad total y por subescala utilizando el Alfa de Cronbach. Debido a
que los reactivos tienen menos de 6 opciones de respuesta, se calculó el Alfa de Cronbach
suponiendo que los datos son categóricos mediante el uso de correlaciones policóricas. Se
utilizó el paquete psych de R; primero se obtuvo la matriz de correlación policórica entre los
reactivos de cada escala y después se calculó el Alfa de Cronbach sobre esa matriz de
correlaciones.
P á g i n a | 26
Capítulo 3. Resultados
Estadísticos descriptivos
El análisis de frecuencia muestra que los estudiantes refieren utilizar menos la
opción de respuesta “nunca”, en contraste con las opciones “algunas veces”,
“frecuentemente” y “siempre”, que se alternan de forma equitativa. La mayor parte de los
estudiantes reportan utilizar “algunas veces” como respuesta a los reactivos de la escala
evaluación; la escala incluye seis reactivos: be_cpc, be_pto, be_euc, be_ttp, be_euf y
be_cfe. Los resultados del análisis de frecuencias se exponen en la Tabla 3.
Dimensionalidad
Primero se evaluó el ajuste de los modelos unidimensionales en las teorías de
Flavell y Brown y posteriormente se evaluó la dimensionalidad de los modelos teóricos
mediante modelos de segundo orden y factores correlacionados. A continuación se
describen los análisis para cada teoría.
Modelo de Flavell
Para el modelo de Flavell, los modelos unidimensionales incluyen el modelo A)
persona, B) tarea, C) estrategia, D) experiencias, E) metas y F) acciones.

P á g i n a | 27
Tabla 3. Análisis de frecuencias

Nunca Algunas veces Frecuentemente Siempre
Reactivo Porcentaje Porcentaje Porcentaje Porcentaje
Frecuencia Frecuencia Frecuencia Frecuencia
(%) (%) (%) (%)
R1. fp_ara 36 8.6 138 32.9 127 30.3 116 27.7
R2. fp_aep 34 8.1 146 34.8 146 34.8 92 22.0
R3. fp_act 9 2.1 75 17.9 174 41.5 160 38.2
R4. fp_ifa 1 0.2 20 4.8 77 18.4 321 76.6
R5. fp_fri 21 5.0 180 43.0 144 34.4 74 17.7
R6. fp_pfi 8 1.9 91 21.7 138 32.9 182 43.4
R7. fp_boi 17 4.1 135 32.2 172 41.1 95 22.7
R8. ft_iia 6 1.4 116 27.7 190 45.3 107 25.5
R9. ft_iet 6 1.4 94 22.4 127 30.3 190 45.3
R10. ft_ilt 40 9.5 184 43.9 126 30.1 69 16.5
R11. ft_eeo 47 11.2 155 37.0 120 28.6 95 22.7
R12. ft_rst 8 1.9 163 38.9 159 37.9 87 20.8
R13. ft_icp 18 4.3 150 35.8 166 39.6 83 19.8
R14. ft_tae 75 17.9 195 46.5 114 27.2 33 7.9
R15. fe_ece 26 6.2 199 47.5 150 35.8 41 9.8
R16. fe_eau 25 6.0 151 36.0 148 35.3 92 22.0
R17. fe_ude 23 5.5 151 36.0 160 38.2 82 19.6
R18. fe_eac 35 8.4 168 40.1 149 35.6 65 15.5
R19. fe_ufc 21 5.0 86 20.5 140 33.4 169 40.3
R20. fe_efp 21 5.0 81 19.3 146 34.8 169 40.3
R21. fe_iem 25 6.0 140 33.4 143 34.1 106 25.3
P á g i n a | 28
Tabla 3. Análisis de frecuencias (continuación)

(%) (%) (%) (%)
R22. fe_oie 36 8.6 145 34.6 143 34.1 93 22.2
R23. fe_ear 47 11.2 137 32.7 137 32.7 96 22.9
R24. fx_cea 2 0.5 40 9.5 120 28.6 225 53.7
R25. fx_etn 21 5.0 160 38.2 95 22.7 140 33.4
R26. fx_cne 9 2.1 119 28.4 146 34.8 142 33.9
R27. fx_pee 34 8.1 103 24.6 146 34.8 134 32.0
R28. fx_aec 63 15.0 146 34.8 128 30.5 80 19.1
R29. fx_eam 26 6.2 78 18.6 143 34.1 169 40.3
R30. fx_rcc 32 7.6 104 24.8 138 32.9 141 33.7
R31. fm_nat 44 10.5 180 43.0 129 30.8 63 15.0
R32. fm_nae 76 18.1 179 42.7 104 24.8 57 13.6
R33. fm_tdr 29 6.9 122 29.1 113 27.0 151 36.0
R34. fm_emd 67 16.0 174 41.5 114 27.2 61 14.6
R35. fc_pin 26 6.2 137 32.7 145 34.6 108 25.8
R36. fc_aoi 52 12.4 157 37.5 125 29.8 82 19.6
R37. fc_rci 32 7.6 142 33.9 154 36.8 87 20.8
R38. fc_ema 64 15.3 142 33.9 110 26.3 101 24.1
R39. fc_epe 85 20.3 175 41.8 118 28.2 38 9.1
R40. fc_aau 40 9.5 141 33.7 135 32.2 99 23.6
R41. fc_dce 69 16.5 204 48.7 106 25.3 40 9.5
P á g i n a | 29
Tabla 3. Análisis de frecuencias (continuación)

(%) (%) (%) (%)
R42. fc_dvl 13 3.1 115 27.4 175 41.8 116 27.7
R43. fc_lma 17 4.1 131 31.3 128 30.5 143 34.1
R44. fc_rmi 14 3.3 85 20.3 153 36.5 167 39.9
R45. bp_ppd 11 2.6 94 22.4 140 33.4 173 41.3
R46. bp_dtt 83 19.8 154 36.8 116 27.7 65 15.5
R47. be_pto 44 10.5 189 45.1 136 32.5 50 11.9
R48. be_euc 81 19.3 166 39.6 121 28.9 50 11.9
R49. be_ttp 83 19.8 141 33.7 110 26.3 85 20.3
R50. be_euf 57 13.6 174 41.5 132 31.5 54 12.9
R51. be_cpc 55 13.1 149 35.6 135 32.2 76 18.1
R52. be_cfe 59 14.1 201 48.0 114 27.2 45 10.7
Nota: Los resultados de la escala evaluación para el modelo de Brown se resaltan en negritas; la mayor parte de los estudiantes reportan
utilizar la opción de respuesta “algunas veces” como respuesta a esos reactivos.
P á g i n a | 30
Persona. El AFC (Modelo A1) de la escala persona mostró falta de ajuste a los datos,
los índices de ajuste se pueden observar en la Tabla 4Tabla 3Tabla 4. Los índices de
modificación mostraron una correlación entre los reactivos “Es útil para mí recordar cosas
diferentes que se relacionen con lo que quiero aprender” (fp_aep) y “Recordar anécdotas
ocurridas durante la clase me ayuda a recordar lo aprendido” (fp_ara). Al revisar los
reactivos se encontró que ambos se enfocan en la evocación de recuerdos o experiencias
para obtener nuevo conocimiento, por lo que se eliminó el reactivo “fp_aep”.
A pesar de haber eliminado el reactivo, el segundo AFC (modelo A2) presentó una
falta de ajuste a los datos con respecto al RMSEA, y un ajuste adecuado conforme al CFI;
los índices de modificación mostraron una correlación entre los reactivos “Relaciono los
temas que necesito aprender con experiencias pasadas” (fp_act) y “fp_ara”; ambos
reactivos se enfocan en la relación de los recuerdos del estudiante con los nuevos
conocimientos que debe aprender, por lo que se eliminó el reactivo “fp_act”. El tercer AFC
(modelo A3) presentó un buen ajuste a los datos conforme a los índices RMSEA y CFI.
Tabla 4. Índices de ajuste para el modelo A

Numero
Modelo de 2 gl p-value CFI RMSEA
ítems
A1 7 174.689 14 0.00 0.833 0.166 (0.144, 0.188)
A2 6 41.752 9 0.00 0.932 0.093 (0.066, 0.123)
A3 5 9.137 5 0.1037 0.988 0.044 (0.000, 0.089)
2
Nota: = chi cuadrada; gl = grados de libertad; p-value = probabilidad; CFI = Índice de ajuste
comparativo; RMSEA = Error de aproximación de la media cuadrática.
La dimensión denominada persona mantuvo 5 de los 7 reactivos originales; las
cargas factoriales y su error estándar se muestran en la Tabla 5.

P á g i n a | 31
Tabla 5. Cargas factoriales y error estándar del modelo final para la escala persona
Carga Error
Clave Reactivo
factorial estándar
Recordar anécdotas ocurridas durante la clase me ayuda
fp_ara 0.362 0.059
a recordar lo aprendido.
fp_ifa Aprendo más cuando me interesa el tema. 0.662 0.059
fp_fri Se me facilita recordar la información. 0.653 0.053

Soy consciente de los puntos fuertes y débiles de mi
fp_pfi 0.567 0.057
inteligencia.
fp_boi Soy bueno para organizar información. 0.606 0.045
Tarea. El AFC (modelo B) de la escala tarea mostró una x2 (14) = 49.853, p<.001.
El RMSEA representa un ajuste adecuado, con un valor de 0.078 y un intervalo de confianza
al 90% [0.055, 0.102] y el CFI muestra un buen ajuste a los datos, con un valor de 0.962.
La dimensión tarea mantuvo los 7 reactivos originalmente planteados; las cargas factoriales
y su respectivo error estándar se muestran en la Tabla 6.
Tabla 6. Cargas factoriales y error estándar del modelo final para la escala tarea
Carga Error
Clave Reactivo
factorial estándar
Tengo claro qué tipo de información es más importante
ft_iia 0.528 0.045
aprender.
ft_iet Leo las instrucciones antes de empezar una tarea. 0.481 0.052
Me pregunto qué es lo más importante de cada lectura,
ft_ilt 0.446 0.045
para no leerlo todo.
Antes de estudiar un nuevo material, veo cómo está
ft_eeo 0.595 0.038
organizado.
Me pregunto si lo que leo se relaciona con lo que ya
ft_rst 0.813 0.03
sabía del tema.
Relaciono las ideas de la clase con otras ideas cuando
ft_icp 0.687 0.038
me es posible
Me hago preguntas sobre el tema antes de empezar a
ft_tae 0.509 0.043
estudiar.
P á g i n a | 32
Estrategia. El AFC (modelo C1) de la escala estrategia mostró falta de ajuste a los
datos, los índices de ajuste se pueden observar en la Tabla 7. Los índices de modificación
mostraron una correlación entre los reactivos “Soy consciente de las estrategias de
aprendizaje que utilizo cuando estudio” (fe_eau) y “Sé en qué situación será más efectiva
cada estrategia” (fe_ece); al revisar los reactivos se encontró que ambos hacen referencia
a la capacidad del estudiante para reconocer las estrategias de aprendizaje que emplean
al realizar una actividad escolar, por lo que se eliminó el reactivo “fe_ece”. El segundo AFC
(modelo C2) mostró una falta de ajuste a los datos con respecto al RMSEA; los índices de
modificación mostraron una correlación entre el reactivo “Dependiendo de la situación utilizo
diferentes estrategias de aprendizaje” (fe_ude) y “fe_eau”; ambos reactivos hacen
referencia a la capacidad del estudiante para reconocer qué estrategias de aprendizaje
emplea cuando estudian por lo que se eliminó el reactivo “fe_ude”. El tercer AFC (modelo
C3) mostró una falta de ajuste a los datos con respecto al RMSEA; los índices de
modificación mostraron una correlación entre los reactivos “Reflexiono sobre las estrategias
que me ayudan a centrar mi atención en lo más importante” (fe_eac) y “fe_eau; ambos
reactivos hacen referencia a la capacidad del estudiante para reconocer qué estrategias de
aprendizaje emplea cuando estudian, por lo que se eliminó el reactivo “fe_eac”. El último
AFC (modelo C4) mostró un buen ajuste a los datos según CFI y un ajuste adecuado según
RMSEA.
Tabla 7. Índices de ajuste para el modelo C

Numero
Ítems
C1 9 236.03 27 0.00 0.898 0.136 (0.121, 0.153)
C2 8 170.397 20 0.00 0.914 0.134 (0.116, 0.153
C3 7 70.285 14 0.00 0.956 0.098 (0.760, 0.122)
C4 6 21.565 9 0.0104 0.988 0.058 (0.027, 0.090)
2
P á g i n a | 33
La escala estrategia mantuvo 6 de los 9 reactivos originales. La Tabla 8 muestra las
cargas factoriales de los reactivos y su respectivo error estándar.
Tabla 8. Cargas factoriales y error estándar del modelo final para la escala estrategia
Carga Error
Clave Reactivo
factorial estándar
Soy consciente de las estrategias de aprendizaje que
fe_eau 0.55 0.045
utilizo cuando estudio.
Para recordar información utilizo frases cortas, palabras,
fe_ufc 0.593 0.041
dibujos o mapas conceptuales.
Intento utilizar estrategias que me han funcionado en el
fe_efp 0.727 0.033
pasado.
Pienso en la importancia de las estrategias que me
fe_iem 0.787 0.029
ayudan a memorizar.
Pienso en lo importante que es organizar la información
fe_oie en esquemas, secuencias, diagramas, mapas 0.641 0.038
conceptuales, etc.
Al iniciar un examen pienso en las estrategias que me
fe_ear 0.589 0.039
van a ayudar a recordar lo que aprendí.
Experiencias. El AFC (modelo D1) de la dimensión experiencias mostró una falta de
ajuste a los datos; los índices de ajuste se pueden observar en la Tabla 9. Los índices de
modificación mostraron una correlación entre los reactivos “Me hago preguntas para
asegurarme de que estoy entendiendo lo que veo en clase” (fx_aec) y “Cuando estudio,
hago una pausa para ver si estoy entendiendo” (fx_pee); ambos reactivos hacen referencia
a hacer una pausa intermedia para verificar la comprensión de los temas que se están
revisando, por lo que se eliminó el reactivo “fx_aec”. El modelo final (modelo D2) mostró un
buen ajuste a los datos conforme a CFI y un ajuste adecuado conforme a RMSEA.
Tabla 9. Índices de ajuste para el modelo D

Numero
Ítems
D1 7 99.207 14 0.00 0.838 0.121 (0.990, 0.144)
D2 6 21.003 9 0.0126 0.961 0.057 (0.025, 0.088)
2
P á g i n a | 34
La escala experiencias mantuvo 6 de los 7 reactivos originales. La Tabla 10 muestra
las cargas factoriales de los reactivos y su respectivo error estándar.
Tabla 10. Cargas factoriales y error estándar del modelo final para la escala experiencias
Carga Error
Clave Reactivo
factorial estándar
fx_cea Me doy cuenta cuando he entendido algo. 0.632 0.055
Me doy cuenta de que he estado leyendo un texto pero

fx_etn 0.518 0.058
no sé de qué se trata.
fx_cne Sé qué conceptos no entiendo bien. 0.661 0.052

Cuando estudio, hago una pausa para ver si estoy
fx_pee 0.486 0.054
entendiendo.
fx_eam Me pregunto si estoy alcanzando mis metas. 0.364 0.057
Cuando no estoy seguro de mis resultados, los comparo
fx_rcc 0.318 0.059
con mis compañeros.
Metas. El AFC (modelo E1) mostró falta de ajuste a los datos; para ver los índices
se puede observar en la Tabla 11. Los índices de modificación mostraron una correlación
entre los reactivos “Me propongo objetivos específicos antes de empezar una tarea”
(fm_nae) y “Pienso en lo que realmente necesito aprender antes de empezar una tarea”
(fm_nat); al revisar los reactivos se encontró que ambos hacen referencia a la evaluación
del avance en el aprendizaje. Tomando en cuenta que la dimensión sólo cuenta con cuatro
reactivos, se decidió no eliminar ninguno y en lugar de ello, permitir una correlación. Se
corrió un segundo AFC (modelo E2) permitiendo una correlación entre dos de los cuatro
reactivos; los índices de CFI y RMSEA mostraron un buen ajuste a los datos pero el modelo
está estrictamente identificado.

P á g i n a | 35
Tabla 11. Índices de ajuste para el modelo E

Numero
Ítems
E1 4 15.721 2 0.0004 0.980 0.128 (0.074, 0.191)
E2 4 1.69 1 0.1936 0.999 0.041 (0.041, 0.144)
Nota: 2 = chi cuadrada; gl = grados de libertad; p-value = probabilidad; CFI = Índice de ajuste
La escala metas conservó los 4 reactivos originalmente planteados. La Tabla 12
muestra las cargas factoriales de los reactivos y su respectivo error estándar.
Tabla 12. Cargas factoriales y error estándar del modelo final de la escala metas
Carga Error
Clave Reactivo
factorial estándar
Pienso en lo que realmente necesito aprender antes de
fm_nat 0.485 0.059
empezar una tarea.
Me propongo objetivos específicos antes de empezar
fm_nae 0.675 0.056
una tarea.
Tomo nota de las tareas que debo realizar en cada
fm_tdr 0.485 0.051
asignatura.
Cuando estudio para un examen, establezco metas para
fm_emd 0.854 0.065
dirigir mis actividades.
Acciones. El AFC (modelo F1) de la dimensión acciones mostró una falta de ajuste
a los datos con respecto al RMSEA; los índices se puede observar en la Tabla 13. Los
índices de modificación mostraron una correlación entre los reactivos “Cuando el contenido
de un tema es denso vuelvo a leerlo despacio” (fc_dvl) y “Cuando estudio para una
evaluación, leo en repetidas ocasiones mis apuntes y los textos” (fc_lma); ambos hacen
referencia a la conducta de releer los textos cuando se trata de un texto complejo por lo que
se eliminó el reactivo “fc_dvl”. El segundo AFC (modelo F2) mostró una falta de ajuste a los
datos con respecto al RMSEA; los índices de modificación mostraron una correlación entre
los reactivos “Establezco analogías elaborando metáforas con lo que estoy aprendiendo
P á g i n a | 36
(ej.: "los riñones funcionan como un filtro")” (fc_ema) y ”Aprendo términos nuevos o
abstractos utilizando una "palabra clave" que me ayude a recordarlos” (fc_aau); ambos
reactivos hacen referencia a la memorización cuando es necesario evocar un elemento
previamente aprendido por lo que se eliminó el reactivo “fc_ema”. El modelo final (modelo
F3) mostró un buen ajuste a los datos según CFI y un ajuste adecuado según RMSEA.
Tabla 13. Índices de ajuste para el modelo F

Numero
ítems
F1 10 202.364 35 0.00 0.927 0.107 (0.093, 0.121)
F2 9 129.573 27 0.00 0.984 0.095 (0.079, 0.112)
F3 8 82.545 20 0.000 0.961 0.086 (0.068, 0.106)
Se mantuvieron 8 de los 10 reactivos originales. La Tabla 14 muestra las cargas
factoriales de los reactivos y su respectivo error estándar.
Tabla 14. Cargas factoriales y error estándar del modelo final de la escala acciones
Carga Error
Clave Reactivo
factorial estándar
Intento expresar con mis propias palabras la información
fc_pin 0.534 0.043
nueva.
Cuando leo un texto hago anotaciones para organizar
fc_aoi 0.617 0.037
mis ideas.
Memorizo las palabras claves para recordar los
fc_rci 0.717 0.03
conceptos más importantes de las clases.
Realizo ejercicios, pruebas o pequeños experimentos
fc_epe 0.619 0.036
para aplicar lo aprendido.
Aprendo términos nuevos o abstractos utilizando una
fc_aau 0.718 0.031
"palabra clave" que me ayude a recordarlos.
Realizo diagramas, cuadros o esquemas para organizar
fc_dce 0.639 0.034
el material de los cursos.
Cuando estudio para una evaluación, leo en repetidas
fc_lma 0.628 0.039
ocasiones mis apuntes y los textos.
Cuando estudio trato de resumir mentalmente lo más
fc_rmi 0.693 0.035
importante.
P á g i n a | 37
La dimensionalidad del modelo teórico de Flavell se evaluó en el modelo G, donde
se consideraron como factores de primer orden: persona, tarea y estrategia, y las tres
variables conformaron el factor de segundo orden de conocimiento metacognitivo. Además,
se correlacionaron las variables de conocimiento metacognitivo, experiencias, metas y
acciones. También se evaluó el ajuste estadístico de un modelo alternativo (modelo H) que
consistía en seis factores correlacionados: persona, tarea, estrategia, experiencias, metas
y acciones. Los índices de ajuste de los modelo G y H se muestran en la Tabla 15.
Tabla 15. Índices de ajuste para el modelo de Flavell

Numero
Ítems
G. Modelo teórico
36 1262.600 584 0.000 0.907 0.053 (0.049, 0.057)
de Flavell
H. 6 dimensiones
36 1243.767 578 0.000 0.908 0.052 (0.048, 0.056)
correlacionadas
Ambos modelos mostraron un buen ajuste a los datos de acuerdo al RMSEA y CFI.
La representación gráfica del modelo G se puede ver en la Figura 3 y la representación
gráfica del modelo H se puede observar en la Figura 4Figura 3.

P á g i n a | 38
 Figura 3. Modelo teórico de Flavell (modelo G).
Nota: acc = acciones; exp = experiencias; met = metas; con = conocimiento metacognitivo; tar =
tarea; per = persona; est = estrategia. Diagramas generados con el programa Mplus utilizando
valores estandarizados.
P á g i n a | 39
 Figura 4. Modelo de 6 factores correlacionados Flavell (modelo H).
Nota: acc = acciones; exp = experiencias; tar = tarea; per = persona; est = estrategia; met = metas.
Diagramas generados con el programa Mplus utilizando los valores de las cargas estandarizados.
P á g i n a | 40
Modelo de Brown
Para el modelo de Brown, los modelos unidimensionales incluyen el modelo I)
conocimiento procedural, J) conocimiento declarativo, K) planeación, L) monitoreo y M)
evaluación.
Conocimiento procedural. El AFC (modelo I1) de la escala conocimiento procedural mostró
una x2 (5) = 8.449, p = 0.1332. El RMSEA representa un buen ajuste a los datos, con un
valor de 0.041 y un intervalo de confianza al 90% [0.000, 0.087], el CFI muestra un buen
ajuste a los datos, con un valor de 0.997. La dimensión mantuvo los 5 reactivos
originalmente planteados. La Tabla 16 muestra las cargas factoriales de los reactivos y su
respectivo error estándar.
Tabla 16. Cargas factoriales para la escala conocimiento procedural

Carga Error
Clave Reactivo
factorial estándar
fe_ece Sé en qué situación será más efectiva cada estrategia. 0.653 0.036
Soy consciente de las estrategias de aprendizaje que
fe_eau 0.851 0.029
utilizo cuando estudio.
Dependiendo de la situación utilizo diferentes estrategias
fe_ude 0.81 0.028
de aprendizaje.
Reflexiono sobre las estrategias que me ayudan a
fe_eac 0.659 0.034
centrar mi atención en lo más importante.
Intento utilizar estrategias que me han funcionado en el
fe_efp 0.428 0.048
pasado.
Conocimiento declarativo. El AFC (modelo J1) mostró una falta de ajuste a los datos;
los resultados se pueden observar en la Tabla 17. Los índices de modificación mostraron
una correlación entre los reactivos “Es útil para mí recordar cosas diferentes que se
relacionen con lo que quiero aprender” (fp_aep) y “Recordar anécdotas ocurridas durante
la clase me ayuda a recordar lo aprendido” (fp_ara), ambos reactivos se enfocan en la

P á g i n a | 41
evocación de recuerdos para obtener nuevo conocimiento, por lo que se eliminó el reactivo
“fp_aep”. A pesar de haber eliminado el reactivo, el segundo AFC (modelo J2) presentó una
falta de ajuste a los datos; los índices de modificación mostraron una correlación entre los
reactivos “Relaciono los temas que necesito aprender con experiencias pasadas” (fp_act)
y “fp_ara”; ambos reactivos se enfocan en la evocación de recuerdos para obtener nuevo
conocimiento, por lo que se eliminó el reactivo “fp_act”. El tercer AFC (modelo J3) presentó
un buen ajuste a los datos conforme a los índices RMSEA y CFI.
Tabla 17. Índices de ajuste para el modelo J

Numero
Modelo de 2 Gl p-value CFI RMSEA
ítems
J1 7 174.689 14 0.00 0.833 0.166 (0.144, 0.188)
J2 6 41.752 9 0.00 0.932 0.093 (0.066, 0.123)
J3 5 9.137 5 0.1037 0.988 0.044 (0.000, 0.089)
Nota: 2
= chi cuadrada; gl = grados de libertad; p-value = probabilidad; CFI = Índice de ajuste
La dimensión conocimiento declarativo mantuvo 5 de los 7 reactivos originales; las
cargas factoriales y su error estándar se muestran en la Tabla 18.
Tabla 18. Cargas factoriales y error estándar del modelo final de la escala conocimiento
declarativo
Carga Error
Clave Reactivo
factorial estándar
Recordar anécdotas ocurridas durante la clase me ayuda
fp_ara 0.362 0.059
a recordar lo aprendido.
fp_ifa Aprendo más cuando me interesa el tema. 0.662 0.059
fp_fri Se me facilita recordar la información. 0.653 0.053
Soy consciente de los puntos fuertes y débiles de mi

fp_pfi 0.567 0.057
inteligencia.
fp_boi Soy bueno para organizar información. 0.606 0.045

P á g i n a | 42
Planeación. El AFC (modelo K) mostró una x2 (35) = 111.035, p<.001. El RMSEA
representa un ajuste adecuado, con un valor de 0.072 y un intervalo de confianza al 90%
[0.057, 0.087]; y el CFI muestra un buen ajuste a los datos, con un valor de 0.951. La
dimensión mantuvo los 10 reactivos originalmente planteados. La Tabla 19 muestra las
cargas factoriales de los reactivos y su respectivo error estándar.
Tabla 19. Cargas factoriales y error estándar de la escala planeación

Carga Error
Clave Reactivo
factorial estándar
ft_iet Leo las instrucciones antes de empezar una tarea. 0.47 0.047
Me pregunto qué es lo más importante de cada lectura,
ft_ilt 0.269 0.049
para no leerlo todo.
Me hago preguntas sobre el tema antes de empezar a
ft_tae 0.58 0.04
estudiar.
Al iniciar un examen pienso en las estrategias que me
fe_ear 0.551 0.04
van a ayudar a recordar lo que aprendí.
Pienso en lo que realmente necesito aprender antes de
fm_nat 0.66 0.031
empezar una tarea.
Me propongo objetivos específicos antes de empezar
fm_nae 0.759 0.028
una tarea.
Tomo nota de las tareas que debo realizar en cada
fm_tdr 0.464 0.044
asignatura.
Cuando estudio para un examen, establezco metas para
fm_emd 0.73 0.029
dirigir mis actividades.
Antes de empezar a hablar o escribir, pienso y preparo
bp_ppd 0.473 0.047
mentalmente lo que voy a decir o escribir.
Antes de empezar a estudiar, distribuyo el tiempo entre
bp_dtt 0.653 0.034
los temas que debo aprender.
Monitoreo. El AFC (modelo L1) mostró una falta de ajuste a los datos; los resultados
se pueden observar en la Tabla 20. Los índices de modificación mostraron una correlación
entre los reactivos “Me hago preguntas para asegurarme de que estoy entendiendo lo que
veo en clase” (fx_aec) y “Cuando estudio, hago una pausa para ver si estoy entendiendo”
(fx_pee); ambos hacen referencia un estudiante que hace una pausa y se interroga para
verificar que está aprendiendo, por lo cual se eliminó el reactivo “fx_aec”. Se corrió un
P á g i n a | 43
segundo AFC (modelo L2) que presentó un buen ajuste a los datos conforme a los índices
RMSEA y CFI.
Tabla 20. Índices de ajuste para el modelo L

Numero
ítems
L1 7 99.207 14 0.000 0.838 0.121 (0.099, 0.144)
L2 6 21.003 9 0.0126 0.961 0.057 (0.025, 0.088)
Nota: 2
= chi cuadrada; gl = grados de libertad; p-value = probabilidad; CFI = Índice de ajuste
El modelo final mantuvo 6 de los 7 reactivos originales. La Tabla 21 muestra las
cargas factoriales de los reactivos y su respectivo erro estándar.
Tabla 21. Cargas factoriales y error estándar del modelo final de la escala monitoreo
Carga Error
Clave Reactivo
factorial estándar
fx_cea Me doy cuenta cuando he entendido algo. 0.632 0.055
Me doy cuenta de que he estado leyendo un texto,

fx_etn 0.518 0.058
pero no sé de qué se trata.
fx_cne Sé qué conceptos no entiendo bien. 0.661 0.052

Cuando estudio, hago una pausa para ver si estoy
fx_pee 0.486 0.054
entendiendo.
fx_eam Me pregunto si estoy alcanzando mis metas. 0.364 0.057
Cuando no estoy seguro de mis resultados, los

fx_rcc 0.318 0.059
comparo con mis compañeros.
Evaluación. El AFC (modelo M1) mostró falta de ajuste a los datos; los resultados se
pueden observar en la Tabla 22. Los índices de modificación mostraron una correlación
entre los reactivos " Al terminar una tarea, pienso en las cosas que debí haber cambiado"
(be_cpc) y “Cuando termino una tarea me pregunto si había una manera más fácil de
hacerla” (be_ttp); ambos hacen la misma pregunta pero de forma parafraseada; se

P á g i n a | 44
preguntan a sí mismos si había una mejor forma de realizar la actividad, por lo que se
eliminó el reactivo “be_cpc”. El modelo final (modelo M2) mostró un ajuste adecuado a los
datos con respecto al RMSEA y CFI.
Tabla 22. Índices de ajuste para el modelo M

Numero
ítems
M1 6 54.944 9 0.000 0.955 0.110 (0.083, 0.139)
M2 5 19.202 5 0.0018 0.982 0.082 (0.046, 0.123)
La escala evaluación mantuvo 5 de los 6 reactivos originales. La Tabla 23 muestra
las cargas factoriales de los reactivos y su respectiva desviación estándar.
Tabla 23. Cargas factoriales y error estándar de a escala evaluación

Carga Error
Clave Reactivo
factorial estándar
Después de resolver un problema me pregunto si he
be_pto 0.556 0.043
tenido en cuenta todas las opciones.
Al final de un examen, valoro si las estrategas utilizadas
be_euc 0.733 0.033
son las más convenientes.
Cuando termino una tarea me pregunto si había una
be_ttp 0.573 0.041
manera más fácil de hacerla.
Cuando estudio, compruebo si las estrategias que he
be_euf 0.801 0.031
utilizado me funcionan.
Cuando compruebo que las estrategias que utilizo para
be_cfe 0.52 0.043
"aprender" no son eficaces, busco otras alternativas.
La dimensionalidad del modelo teórico de Brown se evaluó en el modelo N, donde
se consideraron como factores de primer orden el conocimiento procedural, conocimiento
declarativo, planeación, monitoreo, y evaluación; y como factores de segundo orden el
conocimiento metacognitivo y la regulación de la cognición. El modelo N muestra la
correlación entre el conocimiento metacognitivo (conformado por el C. procedural y el C.

P á g i n a | 45
declarativo), y la regulación de la cognición (conformada por planeación, monitoreo y
evaluación). De forma adicional se evaluó el ajuste estadístico de un modelo alternativo de
cinco factores correlacionados (modelo O), donde se incluyeron: conocimiento procedural,
conocimiento declarativo, planeación, monitoreo, y evaluación. Los índices de ajuste de los
modelo N y O se muestran en la Tabla 24.
Tabla 24. Índices de ajuste para el modelo de Brown

Numero
Ítems
N. Modelo teórico
31 988.366 428 0.000 0.905 0.056 (0.051, 0.060)
de Brown
O. 5 dimensiones
31 967.928 424 0.000 0.908 0.055 (0.051, 0.060)
correlacionadas
Ambos modelos mostraron un buen ajuste a los datos de acuerdo al RMSEA y CFI.
La representación gráfica del modelo N se puede ver en la Figura 5, y la representación
gráfica del modelo H se puede observar en la Figura 46Figura 3.

P á g i n a | 46
 Figura 5. Modelo teórico de Brown (modelo N).
Nota: regu = regulación de la cognición; moni = monitoreo; eval = evaluación; plan = planeación;
cono = conocimiento cognitivo; decl = conocimiento declarativo; proc = conocimiento procedural.
Diagramas generados con el programa Mplus utilizando los valores de las cargas estandarizados.
P á g i n a | 47
 Figura 6. Modelo de 5 factores correlacionados (modelo O).
Nota: moni = monitoreo; eval = evaluación; plan = planeación; decl = conocimiento declarativo;
proc = conocimiento procedural. Diagramas generados con el programa Mplus utilizando los
valores de las cargas estandarizados.
P á g i n a | 48
Confiabilidad
Una vez seleccionadas las escalas y los modelos finales para la evaluación de los
modelos teóricos, se evaluó la confiabilidad total y de las subdimensiones de los
instrumentos mediante Alfa de Cronbach utilizando correlaciones policóricas. La Tabla 25.
Confiabilidad de las escalas muestra los valores de alfa obtenidos por cada escala.
Tabla 25. Confiabilidad de las escalas

Núm. de Alfa de Núm. de Alfa de
Subdimensión Subdimensión
reactivos Cronbach reactivos Cronbach
Flavell Brown
Persona 5 0.69 C. declarativo 5 0.69
Tarea 7 0.77 C. procedural 5 0.81
Estrategia 6 0.81 Planeación 10 0.82
Experiencias 5 0.57 Monitoreo 6 0.65
Metas 4 0.75 Evaluación 5 0.77
Acciones 8 0.85
Total 35 0.93 Total 31 0.91
Nota: Se resaltan en negritas el número total de reactivos así como el índice de confiabilidad de
ambos instrumentos.
P á g i n a | 49
Capítulo 4. Discusión de resultados y conclusiones
La metacognición es una habilidad que se ha relacionado con el desempeño de los
estudiantes (Areepattamannil, 2014; Callan et al., 2016; Hong et al., 2015) y para abordarla
existen dos planteamientos principales: el primero se centra en el conocimiento de los
estudiantes sobre sus procesos de pensamiento y el segundo incluye tanto el conocimiento
como la regulación de los procesos mentales (Campo et al., 2016; Hong et al., 2015;
Huertas et al., 2014; Kim et al., 2017). La presente tesis tuvo como objetivo evaluar ambos
planteamientos utilizando los modelos de Flavell y Brown. Se generaron dos instrumentos
que recuperaron reactivos creados en cuestionarios previos y se evaluó la dimensionalidad
de cada uno de ellos utilizando análisis factorial confirmatorio. Los modelos probados
incluyeron dos modelos de segundo orden (planteados por los autores) y dos modelos de
factores correlacionados (como modelos adicionales), cuya diferencia principal radica en la
existencia de una variable latente que genera el efecto de otras variables latentes.
 Modelo de Flavell.
El modelo teórico plantea que la metacognición se compone de cuatro elementos:
conocimiento metacognitivo, que permite saber qué habilidades tiene una persona, qué
actividades tiene que realizar y qué estrategias puede emplear; experiencias
metacognitivas, que representan la percepción del estudiante sobre el cumplimiento de sus
actividades; metas para orientar el aprendizaje; y acciones al realizar las actividades.
El modelo teórico describe que las experiencias metacognitivas tienen una estrecha
relación con el conocimiento metacognitivo; y el AFC del modelo de segundo orden (modelo
G) muestra que la relación entre ambas variables representa una de las tres relaciones más
elevadas en modelo (r = 0.801). Es decir, la percepción de los estudiantes sobre entender
o no un tema se relaciona con la percepción de las habilidades que tienen (Callan et al.,
P á g i n a | 50
2016; Flavell, 1979). Idealmente los docentes deben brindarles a los estudiantes la
capacidad de reconocer cuándo no entienden los conceptos que está aprendiendo o las
lecturas que están revisando, para que sean ellos los que busquen las estrategias que les
ayuden a mejorar su aprendizaje (Lima y Nolasco, 2016).
Una relación que el modelo teórico no detalla es la existente entre el conocimiento
metacognitivo y las acciones (o ejecución de las estrategias de aprendizaje). Sin embargo,
en el AFC del modelo G, es la relación más fuerte (r = 0.916). El modelo sugiere que las
acciones (en el modelo llamadas estrategias) que implementa un estudiante para dar
solución a sus actividades se relacionan con el conocimiento que tiene sobre sus
habilidades y las tareas que debe realizar. Las estrategias son las reglas que los estudiantes
utilizan para tomar decisiones, que les permiten saber cómo realizar las tareas en un
momento determinado; y su uso fomenta el aprendizaje autónomo debido a que otorga al
alumno el control de sus aprendizajes (Pérez Sánchez y Beltrán Llera, 2014; Roux y
Anzures, 2015).
Además, el modelo G muestra que dentro del conocimiento cognitivo, la variable
que tiene una mayor carga factorial es la relacionada con tarea (λ = 0.885), enfocada en el
establecimiento de objetivos para el aprendizaje. Esto sugiere la importancia de que los
estudiantes cuenten con metas claras, que a su vez, se han relacionado con mayor
perseverancia y disposición para aprender más (OCDE, 2014).
El modelo adicional probado, de seis factores correlacionados (modelo H), mostró
que la relación más fuerte se da entre acciones y estrategias (r = 0.817). Ambas hacen
referencia a las conductas que pueden implementar los estudiantes al realizar una tarea,
pero las estrategias son el conocimiento y las acciones son la aplicación (Areepattamannil,
2014; Callan et al., 2016). Los estudiantes que obtienen un mejor desempeño académico
P á g i n a | 51
cuentan con diversas estrategias que pueden emplear (De Stasio y Di Chiacchio, 2015),
dentro de las que destacan tomar apuntes, hacer anotaciones para organizar las ideas,
hacer resúmenes y crear analogías o palabras clave (Areepattamannil, 2014; Mega,
Ronconi y De Beni, 2013; Roux y Anzures, 2015).
Ambos modelos (modelo G y H) presentan buenos índices de ajuste a los datos con
respecto a CFI y RMSEA, y las cargas factoriales de los reactivos son superiores a .3.
Debido a que los modelos de segundo orden son menos parsimoniosos, se optó por
seleccionar el modelo de 6 factores correlacionados (modelo H) como representante del
monitoreo cognitivo propuesto por Flavell.
 Modelo de Brown.
El planteamiento teórico de Brown describe que la metacognición se compone de
dos elementos principales: 1) el conocimiento de la cognición, enfocado en reflejar las
habilidades de los estudiantes y su conocimiento sobre cómo emplear las estrategias de
aprendizaje, y 2) la regulación de la cognición, centrada en la planeación para cumplir con
una tarea, el monitoreo del aprendizaje y la evaluación de la efectividad de las estrategias.
Los resultados del AFC del modelo de segundo orden evalúan la relación entre el
conocimiento cognitivo y regulación de la cognición (modelo N), y muestran buenos índices
de ajuste para la representación estadística del modelo con respecto a RMSEA y CFI.
Además, la relación entre la regulación cognitiva y el conocimiento cognitivo es alta (r =
0.847), lo cual proporciona evidencia de la relación entre ambas variables (Campo et al.
2016; Hong et al., 2015; Huertas et al., 2014; Kim et al., 2017).
En el modelo N, las cargas factoriales sugieren para la dimensión de conocimiento
cognitivo, que es más relevante el conocimiento procedural (λ = 0.944) que el conocimiento

P á g i n a | 52
declarativo (λ = 0.725); el primero se enfoca en saber utilizar las estrategias de aprendizaje
y el segundo se enfoca en conocer las habilidades que tienen los estudiantes.
Mientras que para la regulación de la cognición, la carga factorial que tiene un valor
más elevado es la planeación (λ = 0.998), que permite a los estudiantes establecer metas
de aprendizaje y seleccionar las estrategias adecuadas para culminarlas.
Por su parte, el modelo de cinco factores correlacionados (modelo O) muestra que
la relación más fuerte existe entre la planeación y la evaluación (r = 0.851). La planeación
permite a los estudiantes orientar sus procesos de aprendizaje seleccionando las metas
que deben cumplir y las estrategias adecuadas para lograrlas, mientras que la evaluación
se enfoca en evaluar la efectividad de las estrategias para lograr los objetivos establecidos
(Batteson et al., 2014; Brown, 1987). Como mencionan De Stasio y Di Chiacchio (2015) los
estudiantes que obtienen un mejor desempeño académico cuentan con estrategias que les
permiten lograr sus objetivos de aprendizaje, pero para ello deben ser capaces de
establecer con claridad sus objetivos. Por ejemplo, si el objetivo de un alumno es obtener
conocimientos sobre un tema, es conveniente que el estudiante piense en lo que realmente
necesita aprender (Kim, et al., 2017) para poder seleccionar qué herramientas le facilitarán
su aprendzaje (realizar un esquema, resumen, emplear una técnica mnemotécnica, etc.), y
posteriormente evaluar si las estrategias empleadas eran las adecuadas o si existen otras
más convenientes (Huertas et al., 2014; Kim et al., 2017; Schraw y Sperling, 1994).
La segunda relación más elevada en el modelo de cinco factores correlacionados
se da entre la planeación y el conocimiento procedural (r = 0.802). El conocimiento
procedural hace referencia a la capacidad de los estudiantes para saber cómo implementar
las estrategias de aprendizaje (Brown, 1987), y los estudiantes que cuentan con un mayor
repertorio de estrategias y que saben cómo implementarlas, seleccionan las que son más
P á g i n a | 53
efectivas dependiendo de cada actividad (Huertas et al., 2014; Kim et al., 2017; Schraw y
Sperling, 1994).
Ambos modelos (N y O) presentan buenos índices de ajuste a los datos con respecto
a CFI y RMSEA. Debido a que los modelos de segundo orden son menos parsimoniosos,
se optó por seleccionar el modelo de 5 factores correlacionados (modelo O) como
representante del monitoreo cognitivo propuesto por Brown.
Conclusiones
La metacognición es una habilidad que permite a los estudiantes tener conocimiento
de sus procesos mentales y controlarlos para beneficiar su aprendizaje (Areepattamannil,
2014; Callan et al., 2016; Soufi et al., 2014), sin embargo, uno de sus inconvenientes es la
complejidad al abordarla. La existencia de límites poco claros que la relacionan con
estrategias de aprendizaje o aprendizaje autorregulado (Batteson et al., 2014; De Stasio y
Di Chiacchio, 2015; Zulma Lanz, 2006) aunado a la poca claridad sobre las dimensiones
que la conforman, ha generado que su medición se realice por medio de instrumentos que
no fueron diseñados para evaluarla o que sólo se mida alguna de sus dimensiones.
La propuesta curricular emitida en el 2016 por el gobierno federal muestra la
importancia de desarrollar en los estudiantes habilidades que les permitan aprender a
aprender, para que sean capaces de aprender por sí mismos (De Stasio y Di Chiacchio,
2015; Lima y Nolasco, 2016), pero no les brinda a directivos o docentes un modelo basado
en evidencia que explique qué dimensiones se debe desarrollar o qué habilidades se deben
fomentar en los alumnos.
Los instrumentos generados durante la presente investigación permitieron brindar
un fundamento estadístico a dos teorías que abordan la metacognición: la teoría de John

P á g i n a | 54
Flavell y de Ann Brown. Es importante porque gracias a ello se puede contribuir para
generar intervenciones basadas en evidencia que tengan mayor solidez, además, los
análisis estadísticos permiten clarificar las similitudes y diferencias entre ambos modelos,
brindando claridad conceptual a ambas teorías.
El modelo de Brown no se centra exclusivamente en el conocimiento de las
habilidades mentales, sino en la regulación de los procesos. Además, la mayoría de los
elementos que considera el modelo de Flavell, se encuentran incluidos en el modelo de
Brown (aunque agrupados de una forma distinta). Por ejemplo, la dimensión tareas (del
modelo de Flavell) que busca reconocer los objetivos de las actividades, se encuentra
incluida en la dimensión planeación (del modelo de Brown). Sin embargo, el modelo de
Brown no contempla dentro de su planteamiento la implementación de estrategias, más
bien se centra en verificar el avance de las actividades.
Las dimensiones evaluadas en el modelo de Brown se pueden utilizar cuando la
finalidad no sólo es saber el nivel de conocimiento que tienen los estudiantes sobre sus
procesos mentales, sino verificar qué tanto adaptan sus comportamientos para lograr sus
aprendizajes, por lo que resultarían más útiles en investigaciones donde se le da énfasis a
la regulación de los procesos mentales (Huertas et al., 2014), considerando como
regulación el monitoreo realizado para culminar con las actividades académicas.
Limitaciones y sugerencias para futuras investigaciones
La presente investigación no está exenta de limitaciones y sugerencias para futuras
investigaciones, las cuales se exponen a continuación.
La escala diseñada para medir experiencias en el modelo de Flavell, presentó bajos
índices de confiabilidad (α = 0.57), por lo que se sugiere ampliar el número de reactivos

P á g i n a | 55
relacionados con esa dimensión. Además, los instrumentos no cuentan con una replicación
de resultados, por lo que se recomienda realizar una replicación de la aplicación del
instrumento y verificar la estructura factorial del constructo metacognición.
No existe un contraste con las conductas o el desempeño que pudieron presentar
los estudiantes al realizar pruebas ejecutivas que impliquen la implementación de
habilidades metacognitivas, tales como redactar textos, generar resúmenes, cuadros
sinópticos o demostrar comprensión lectora (Areepattamannil, 2014; Callan et al., 2016;
Kim et al., 2017). Futuras investigaciones pueden apoyarse de la implementación de
pruebas ejecutivas para verificar si los instrumentos cuentan con validez concurrente.
Además, se sugiere comprobar la relación entre la metacognición (con base en
ambos modelos teóricos) y el desempeño de los estudiantes, el cual puede ser
representado por medio de calificaciones escolares debido a que las calificaciones son la
forma más utilizada para medir el desempeño, y representan la capacidad, el esfuerzo, los
comportamientos, actitudes, estrategias y habilidades que reflejan los alumnos en su
entorno escolar (Campo et al., 2016; Castejón et al., 2016; Farrington et al., 2012; Mega et
al., 2013). También puede evaluarse la relación con actividades como redacción de textos
(Campo et al., 2016) o comprensión lectora (Hong-Nam et al., 2014).
Para Brown, el conocimiento metacognitivo es relativamente estable, sin embargo,
autores como Hong-Nam et al. (2014) realizaron una investigación en estudiantes
universitarios que sugiere que la metacognición es una habilidad susceptible de
modificación (Farrington et al., 2012; Ruffing et al., 2015). En estudiantes de bachillerato se
puede estudiar el efecto de la metacognición a través del tiempo, evaluando si contar con
habilidades metacognitivas al inicio del nivel escolar se relaciona con el ingreso a educación
P á g i n a | 56
universitaria, o si los estudiantes que presentan mayores índices de regulación cognitiva
tienen mayor probabilidad de terminar el bachillerato.
Algunas investigaciones relacionadas con la metacognición mencionan la
importancia de contar con elementos motivacionales, argumentando que al enfocar la
motivación de los estudiantes para lograr una buena calificación, ellos eligen estrategias
que les permitan cumplir con las expectativas y los criterios requeridos por el profesor
(Batteson et al., 2014; Muwonge et al., 2017). Valdría la pena realizar un estudio que
permita verificar la diferencia en el uso de estrategias metacognitivas dependiendo del nivel
de motivación que tienen los estudiantes para predecir su desempeño académico (Roux y
Anzures, 2015; Soufi et al., 2014).

P á g i n a | 57
Referencias
Areepattamannil, S. (2014). Are learning strategies linked to academic performance among

adolescents in two states in India? A tobit Regression Analysis. The Journal of General
Psychology, 141(4), 408 - 424. doi:10.1080/00221309.2014.957637
Batteson, T. J., Tormey, R., y Ritchie, T. D. (2014). Approaches to learning, metacognition and
personality; an exploratory and confirmatory factor analysis. Procedia - Social an behavioral
sciences, 116, 2561-2567. doi:10.1016/j.sbspro.2014.01.611
Berger, J., y Karabenick, S. (2016). Construct validity of self-reported metacognitive learning

strategies. Educational Assessment, 21(1), 19-33. doi:10.1080/10627197.2015.1127751
Brown, A. L. (1987). Metacognition, executive control, self-regulation and other more mysterious
mechanisms. In F. E. Kluwe, Metacognition, motivation and understanding (pp. 65-116).
Burgos Castillo, E., y Sánchez Abarca, M. (2012). Adaptación y validación preliminar del cuestionario
de motivación y estrategias de aprendizaje (MSLQ). [Tesis de licenciatura, Univarsidad del
Bío Bío]. Departamento de Ciencias Sociales, Chillán.
Callan, G., Marchant, G., Finch, W., y German, R. (2016). Metacognition, strategies, achievement,
and demographics: Relationships across countries. Educational Sciences: Theory & Practice,
16(5), 1485 - 1502. doi:10.12738/estp.2016.5.0137
Campo, K., Escorcia, D., y Moreno, M. (2016). Metacognición, escritura y rendimiento académico en
universitarios de Colombia y Francia. Avances en Psicología Latinoamericana, 34(2), 233-
252. doi:10.12804/apl34.2.2016.03
Castejón, J., Gilar, R., Veas, A., y Miñano, P. (2016). Differences in learning strategies, goal
orientations, and self-concept between overachieving, normal-achieving, and
underachieving secondary students. Frontiers in Psychology, 7(1438).
doi:10.3389/fpsyg.2016.01438
Chevalier, T., Parrila, R., Ritchie, K., y Deacon, S. (2015). 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. doi:10.1177/0022219415588850
P á g i n a | 58
Cisneros, M. A., Vázquez, M. A., y Treviño, R. (2014). Metacognición en estudiantes de educación

superior en la ciudad de Durango, Dgo., México. Revista Iberoamericada de Producción
Académica y Gestión Educativa.
De Stasio, S., y Di Chiacchio, C. (2015). Metacognitive and self regulated learning strategies profiles:
an exploratory survey of a group of high school students. Mediterranean Journal of Social
Sciences, 6. doi:10.5901/mjss.2015.v6n4s3p656
Farrington, C., Roderick, M., Allensworth, E., Nagaoka, J., Keyes, T., Johnson, D., y Beechum, N.
(2012). Teaching Adolescents to become learners. The role of noncognitive factors in shaping
school performance: A critical literature review. Chicago: University of Chicago Consortium
on Chicago School Research.
Flavell, J. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental

inquiry. American Psychologist, 34(10), 906 - 911. doi:10.1037/0003-066X.34.10.906
Ghamari, F., Salehi, J., y Entesar, G. H. (2015). The relationship betwen indentity styles, self-efficacy,
and metacognitive beliefs whit educational sucess in female high-school students. Journal
of Educational and Management Studies, 5(2), 121 - 125.
Hong, W. H., Vadivelu, J., y Daniel, E. G. (2015). Thinking about thinking: changes in first-year
medical. Medical Education Online, 20. doi:10.3402/meo.v20.27561
Hong-Nam, K., Leavell, A. G., y Maher, S. (2014). The relationship among reported strategy use,
metacognitive awareness, and reading achievement of high school students. Reading
Psychology, 35(8), 762-790. doi:10.1080/02702711.2013.807900
Huertas, A. P., Vesga, G. J., y Galindo, M. (2014). Validación del 'Instrumento de Habilidades
Metacognitivas (MAI)' con estudiantes colombianos. Praxis & Saber, 5(10), 55 - 74.
Instituto Nacional para la Evaluación de la Educación. (2017). Planea. Resultados Nacionales 2017.
Educación Media Superior. Obtenido de Planea: Plan Nacional para la Evaluación de los
Aprendizajes.
http://planea.sep.gob.mx/content/general/docs/2017/ResultadosNacionalesPlaneaMS201
7.PDF
P á g i n a | 59
Kim, B., Zyromski, B., Mariani, M., Lee, S., y Carey, J. (2017). Establishing factor structure of the 18-
Item version of the junior metacognitive awreness inventory. Measurement and Evaluation
in Counseling and Development, 48-57. doi:10.1080/07481756.2017.1326751
Lima, L., y Nolasco, M. D. (2016). Propuesta curricular para la educación obligatoria 2016. Secretaría
de Educación Pública, México.
Mega, C., Ronconi, L., y De Beni, R. (2013). What makes a good student? How emotions, self-
regulated learning, and motivation contribute to academic achievement. Journal of
Educational Psychology, 106(1), 121-131. doi:10.1037/a0033546
Miñano Pérez, P., Castejón Costa, J. L., y Gilar Corbí, R. (2012). An explanatory model of academic
achievement based on aptitudes, goal orientations, self-concept and learning strategies.
The Spanish Journal of Psychology, 15(1), 48-60. doi:10.5209/rev_SJOP.2012.v15.n1.37283
Muwonge, C., Schiefele, U., Ssenyonga, J., y Kibedi, H. (2017). Self-regulated learning among teacher
education students: motivation beliefs influence on the use of metacognition. Journal of
Psychology in Africa, 27(6), 515-521. doi:10.1080/14330237.2017.1399973
Organización para la Cooperación y el Desarrollo Económico. (2016). Programa para la Evaluación

Internacional de Alumnos (PISA) PISA 2015 - resultados. México.
Organización para la Cooperación y el Desarrollo Económico. (2019). El programa de la OCDE. Qué

es y para qué sirve. https://www.oecd.org/pisa/39730818.pdf
Organización para la Cooperación y el Desarrollo Económico. (2014). Resultados de PISA, 2012 en

Foco: Lo que los alumnos saben a los 15 años de eda y lo que puden haer con lo que saben.
Pérez Sánchez, L., y Beltrán Llera, J. (2014). Estrategias de aprendizaje: función y diagnóstico en el
aprendizaje adolescente. Padres y maestros(358), 34 - 38. doi:pym.i358.y2014.008
Pintrich, P. R., Smith, D. A., Garcia, T., y McKeachie, W. J. (1993). A manual for the use of the
Motivates Strategies for Learning Questionnaire (MSLQ). Educational and Psychological
measurement, Inc., 53.
Roux, R., y Anzures, E. E. (2015). Estrategias de aprendizaje y su relación con el rendimiento

académico en estudiantes de una escuela privada de educación media superior. Revista
P á g i n a | 60
Electrónica "Actualidades Investigativas en Educación", 15(1), 1 - 16.

doi:10.15517/aie.v15i1.17731
Ruffing, S., Wach, F.-S., Spinath, F. M., Brünken, R., y Karbach, J. (2015). Learning strategies and
general cognitive ability as predictors of gender-specific academic achievement. Frontiers in
Psicology, 6(1238). doi:10.3389/fpsyg.2015.01238
Schraw, G., y Sperling, D. (1994). Assessing metacognitive awareness. Contemporary Educational

Psychology, 19(4), 460-475. doi:10.1006/ceps.1994.1033
Soufi, S., Damirchi, E. S., Sedghi, N., y Sabayan, B. (2014). Developmet of structural model for
prediction of academic achievement by global self-esteem, academic self-concept, self-
regulated learning strategies and autonomous academic motivation. Procedia - Social and
Behavioral Sciences, 114, 26 - 35. doi:10.1016/j.sbspro.2013.12.651
Zulma Lanz, M. (2006). Aprendizaje autorregulado: El lugar de la cognición, la metacognición y la

motivación. Estudios Pedagógicos, 32(2), 121-132.
http://www.redalyc.org/articulo.oa?id=173514131006
P á g i n a | 61
Anexo
Anexo 1. Comparación de escalas empleadas para medir metacognición
Análisis
Escala Autor Tema Dimensiones Notas
estadísticos
Conocimiento de la cognición
C. Declarativo
Análisis C. Procedimental
Descripción factorial C. Condicional
Schraw y de la Regulación de la cognición
MAI Escala original
Denninson creación de Confiabilidad Planificación
la escala (correlación Organización
pre-post) Monitoreo:
Depuración
Evaluación
Correlación C. declarativo
Consistencia interna
inglés-turco en C. procedural
Confiabilida total = 0.95
profesores de C. Condicional
d y validez
inglés Planeación
MAI Akin Abacy del MAI en Las correlaciones
Monitoreo
versión entre variables
Análisis Evaluación
turca variaron de 0.93 a
Factorial Debugging
0.98
Exploratorio Inf. Management
Alfa total = 0,94.
Conocimiento de la cognición
C. declarativo
Alfa de Realizaron
C. procedimental
Cronbach modificaciones a la
C. condicional
Bustos, Validación escala después de
MAI Bravo y al Análisis por haber medio la
Planificación
León colombiano categorías confiabilidad.
Organización
Monitoreo
Correlaciones Las correlaciones
Depuración
fueron significativas,
Evaluación
(0.5 a 0.82)
Escala de motivación
Escala de estrategias de
aprendizaje
ACP:
Validez de Motivación
Motivated expertos 8 componentes Escala original
Strategies for Pintrich Adaptación Valoración del contenido Confiabilidad total:
Learning (1991) al español Análisis de estudiado 0.917
Questionnaire Componentes 6 ítems
Principales Preocupación por el
rendimiento académico
5 ítems
Ansiedad frente a la
evaluación
5 ítems
P á g i n a | 62
Análisis
Escala Autor Tema Dimensiones Notas
estadísticos
ACP = 12
componentes
AFC dos factores

correlacionados:
Conocimiento de la cognición X2/gl= 3.402 GFI =
Traducción del
C. Declarativo .815 PGFI = .753
instrumento
C. Procedimental CFI = .737 PCFI =
Ribeiro, C. Condicional .708 RMSEA = .052
AFE (ACP)
Simões y Traducción Regulación de la cognición P(RMSEA)<=0,05 =
MAI
Almeida al portugués Planificación .019
AFC
(2015) Organización
Monitoreo: AFC factor latente
Alfas de
Depuración de segundo orden:
Cronbach
Evaluación X2/gl= 3.403 GFI =
.815 PGFI = .753
CFI = .737 PCFI =
.708 RMSEA = .052
P(RMSEA)<=0,05 =
.018
AFE.
Análisis Micro-estrategias
Factorial Claves para memoria y
García, Exploratorio metacognición
ACRA. Escala de 44
ACRA González y Soporte socioemocional.
Sevilla reactivos.
Borrego Análisis
Factorial AFC
Confirmatorio Obtuvo un mejor ajuste la
solución de 17 ítems
P á g i n a | 63
Anexo 2. Carta para solicitud de aplicación dentro de las escuelas

P á g i n a | 64
Anexo 3. Consentimiento informado
Universidad Nacional Autónoma de México

Facultad de Psicología
Consentimiento de participación en el estudio:

“Actitudes y comportamientos en mi vida como estudiante”.
Este estudio tiene la finalidad de recolectar información acerca de las actitudes y conductas de los alumnos
en su vida como estudiantes. Tu participación en esta investigación consistirá en responder un cuestionario que
incluye una serie de afirmaciones relacionadas con tus conductas o actitudes cuando estudias o te encuentras dentro
del salón de clases, y tiene una duración aproximada de 35 minutos. Tu participación es totalmente voluntaria; sin
embargo, te pedimos que si decides participar en el estudio, completes el cuestionario en su totalidad. La información
que recojamos será confidencial y sólo los investigadores tendrán acceso a ella.
Si tienes alguna duda al responder el cuestionario, te pedimos que informes a los investigadores
inmediatamente. Si quieres conocer detalles del estudio o si deseas conocer tus resultados, puedes escribir a:
paulina.ca.to@gmail.com o baltera95@gmail.com a partir de agosto.
Al responder el cuestionario participarás en la rifa de dos Tablets. Los ganadores serán notificados vía correo
electrónico.
*************************************************************************************************************************************
He leído la información proporcionada y acepto voluntariamente participar en esta investigación. Entiendo

que mi información será tratada de manera confidencial. Entiendo que puedo contactar a los investigadores
a los emails proporcionados si tengo dudas sobre el estudio y que tengo derecho a conocer mis resultados.
Nombre del Participante:_____________________________________________________________________
Firma:____________________________________
Fecha:____________________________________
E-mail: ___________________________________
P á g i n a | 65
Anexo 4. Reactivos por dimensión para el modelo de Flavell

Reactivos por dimensión para el modelo de Flavell
Dimensión /
Clave Reactivo
Subdimensión
Conocimiento metacognitivo
Persona fp_ara Recordar anécdotas ocurridas durante la clase me ayuda a recordar lo
aprendido.
fp_aep Es útil para mí recordar cosas diferentes que se relacionen con lo que
quiero aprender.
fp_act Relaciono los temas que necesito aprender con experiencias pasadas.
fp_ifa Aprendo más cuando me interesa el tema.
fp_fri Se me facilita recordar la información.
fp_pfi Soy consciente de los puntos fuertes y débiles de mi inteligencia.
fp_boi Soy bueno para organizar información.
Tarea ft_iia Tengo claro qué tipo de información es más importante aprender.
ft_iet Leo las instrucciones antes de empezar una tarea.
ft_ilt Me pregunto qué es lo más importante de cada lectura, para no leerlo
todo.
ft_eeo Antes de estudiar un nuevo material, veo cómo está organizado.
ft_rst Me pregunto si lo que leo se relaciona con lo que ya sabía del tema.
ft_icp Relaciono las ideas de la clase con otras ideas cuando me es posible
ft_tae Me hago preguntas sobre el tema antes de empezar a estudiar.
Estrategia fe_ece Sé en qué situación será más efectiva cada estrategia.

fe_eau Soy consciente de las estrategias de aprendizaje que utilizo cuando
estudio.
fe_ude Dependiendo de la situación utilizo diferentes estrategias de
aprendizaje.
fe_eac Reflexiono sobre las estrategias que me ayudan a centrar mi atención
en lo más importante.
fe_ufc Para recordar información utilizo frases cortas, palabras, dibujos o
mapas conceptuales.
fe_efp Intento utilizar estrategias que me han funcionado en el pasado.
fe_iem Pienso en la importancia de las estrategias que me ayudan a
memorizar.
fe_oie Pienso en lo importante que es organizar la información en esquemas,
secuencias, diagramas, mapas conceptuales, etc.
fe_ear Al iniciar un examen pienso en las estrategias que me van a ayudar a
recordar lo que aprendí.
P á g i n a | 66
Reactivos por dimensión para el modelo de Flavell (continuación)

Dimensión /
Clave Reactivo
Subdimensión
Experiencias metacognitivas
fx_cea Me doy cuenta cuando he entendido algo.
fx_etn Me doy cuenta de que he estado leyendo un texto pero no sé de qué
se trata.
fx_cne Sé qué conceptos no entiendo bien.
fx_pee Cuando estudio, hago una pausa para ver si estoy entendiendo.
fx_aec Me hago preguntas para asegurarme de que estoy entendiendo lo
que veo en clase.
fx_eam Me pregunto si estoy alcanzando mis metas.
fx_rcc Cuando no estoy seguro de mis resultados, los comparo con mis
compañeros.
Metas
Pienso en lo que realmente necesito aprender antes de empezar una
fm_nat
tarea.
fm_nae Me propongo objetivos específicos antes de empezar una tarea.
fm_tdr Tomo nota de las tareas que debo realizar en cada asignatura.
fm_em Cuando estudio para un examen, establezco metas para dirigir mis
d actividades.
Acciones
fc_pin Intento expresar con mis propias palabras la información nueva.
fc_aoi Cuando leo un texto hago anotaciones para organizar mis ideas.
fc_rci Memorizo las palabras claves para recordar los conceptos más
importantes de las clases.
fc_ema Establezco analogías elaborando metáforas con lo que estoy
aprendiendo (ej.: "los riñones funcionan como un filtro").
fc_epe Realizo ejercicios, pruebas o pequeños experimentos para aplicar lo
aprendido.
fc_aau Aprendo términos nuevos o abstractos utilizando una "palabra clave"
que me ayude a recordarlos.
fc_dce Realizo diagramas, cuadros o esquemas para organizar el material
de los cursos.
fc_dvl Cuando el contenido de un tema es denso vuelvo a leerlo despacio.
fc_lma Cuando estudio para una evaluación, leo en repetidas ocasiones mis
apuntes y los textos.
fc_rmi Cuando estudio trato de resumir mentalmente lo más importante.
P á g i n a | 67
Anexo 5. Reactivos originalmente planteados por dimensión para el modelo de Brown

Reactivos planteados originalmente por dimensión para el modelo de Brown
Dimensión /
Clave Reactivo
Subdimensión
Conocimiento cognitivo
Conocimiento fp_prc Cuando estoy confundido, preocuparme me ayuda a resolver las
declarativo cosas.
fp_ara Recordar anécdotas ocurridas durante la clase me ayuda a
recordar lo aprendido.
fp_aep Es útil para mí recordar cosas diferentes que se relacionen con
lo que quiero aprender.
fp_act Relaciono los temas que necesito aprender con experiencias
pasadas.
fp_ifa Aprendo más cuando me interesa el tema.
fp_fri Se me facilita recordar la información.
fp_pfi Soy consciente de los puntos fuertes y débiles de mi inteligencia.
fp_boi Soy bueno para organizar información.
Conocimiento fe_ece Sé en qué situación será más efectiva cada estrategia.

procedural Soy consciente de las estrategias de aprendizaje que utilizo
fe_eau
cuando estudio.
Dependiendo de la situación utilizo diferentes estrategias de
fe_ude
aprendizaje.
Reflexiono sobre las estrategias que me ayudan a centrar mi
fe_eac
atención en lo más importante.
fe_efp Intento utilizar estrategias que me han funcionado en el pasado.
Planeación ft_iet Leo las instrucciones antes de empezar una tarea.
ft_ilt Me pregunto qué es lo más importante de cada lectura, para no
leerlo todo.
ft_tae Me hago preguntas sobre el tema antes de empezar a estudiar.
fe_ear Al iniciar un examen pienso en las estrategias que me van a
ayudar a recordar lo que aprendí.
fm_nat Pienso en lo que realmente necesito aprender antes de empezar
una tarea.
fm_nae Me propongo objetivos específicos antes de empezar una tarea.
fm_tdr Tomo nota de las tareas que debo realizar en cada asignatura.
fm_em Cuando estudio para un examen, establezco metas para dirigir
d mis actividades.
bp_ppd Antes de empezar a hablar o escribir, pienso y preparo
mentalmente lo que voy a decir o escribir.
bp_dtt Antes de empezar a estudiar, distribuyo el tiempo entre los temas
que debo aprender.
P á g i n a | 68
Reactivos planteados originalmente por dimensión para el modelo de Brown (continuación)

Dimensión /
Clave Reactivo
Subdimensión
Monitoreo fx_cea Me doy cuenta cuando he entendido algo.
fx_etn Me doy cuenta de que he estado leyendo un texto pero no sé de
qué se trata.
fx_cne Sé qué conceptos no entiendo bien.
fx_pee Cuando estudio, hago una pausa para ver si estoy entendiendo.
fx_aec Me hago preguntas para asegurarme de que estoy entendiendo
lo que veo en clase.
fx_eam Me pregunto si estoy alcanzando mis metas.
fx_rcc Cuando no estoy seguro de mis resultados, los comparo con mis
compañeros.
Evaluación be_pto Después de resolver un problema me pregunto si he tenido en

cuenta todas las opciones.
be_euc Al final de un examen, valoro si las estrategas utilizadas son las
más convenientes.
be_ttp Cuando termino una tarea me pregunto si había una manera más
fácil de hacerla.
be_euf Cuando estudio, compruebo si las estrategias que he utilizado me
funcionan.
be_cpc Al terminar una tarea, pienso en las cosas que debí haber
cambiado.
be_cfe Cuando compruebo que las estrategias que utilizo para
"aprender" no son eficaces, busco otras alternativas.

Metacognición

Cargado por

Copyright:

Formatos disponibles

Metacognición

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metacognición

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AUTÓNOMA

DIRECTOR: DRA. MARGARITA OLIVERA AGUILAR

CIUDAD UNIVERSITARIA, CDMX

El uso de imágenes, fragmentos de videos, y demás material que sea

las personas adaptarse a nuevas situaciones, que les

asegure apropiarse de los mecanismos con los cuales

podrán desplegar su potencial humano a lo largo de la vida”

(Lima y Nolasco, 2016, p. 28)

constantemente me brindan su apoyo, comprensión y cariño.

A mi pareja, que me apoya incondicionalmente a pesar de cualquier obstáculo y me impulsa

constantemente a superarme y a cumplir mis sueños. Y a Nesby, que se ha transformado

en un impulso para lograr aquello que llevaba mucho tiempo procrastinando.

A mi asesora, la Dra. Margarita Olivera, le agradezco la paciencia, perseverancia y la

continuar superándome no solo profesional, sino personalmente.

A mis compañeros de trabajo, donde afortunadamente he logrado encontrar amigos en los

Finalmente pero no por eso menos importante, agradezco a la Universidad Nacional

y tenido la oportunidad de conocer amigos incondicionales, docentes inspiradores y un

La metacognición es una habilidad que ha sido estudiada en el ámbito de la educación; se

le ha relacionado con el desempeño académico de estudiantes y con el nivel de aprendizaje

abordarla: 1) enfocarse en el conocimiento intrínseco de los estudiantes acerca de sus

habilidades y procesamiento de la información; y 2) abordarla incluyendo no solo el

conocimiento intrínseco, sino la regulación de los procesos mentales.

teóricos de Flavell y Brown, para ello se construyeron dos instrumentos de autorreporte y

se evaluó su dimensionalidad utilizando análisis factorial confirmatorio.

y dos modelos adicionales de factores correlacionados, encontrando que los cuatro

modelos presentan índices de ajuste adecuados a la realidad. No obstante, es necesario

complementar la presente investigación aumentando el número de reactivos de algunas

dimensiones e incluyendo contrastes con pruebas ejecutivas.

Conocimiento cognitivo, estrategias de aprendizaje, metacognición, regulación de la

En México, el aprendizaje de los estudiantes de nivel medio superior es evaluado

por medio de diferentes pruebas nacionales e internacionales. Dentro de las más

representativas se encuentran: el Plan Nacional para la Evaluación de los Aprendizajes

(Planea), aplicado a nivel nacional; y el Programa para la Evaluación Internacional de los

Estudiantes (PISA), que se implementa a nivel internacional.

Los resultados obtenidos en la prueba Planea, aplicada en el 2017 para educación

la postura de un autor al leer, ni de parafrasear la información de un texto sencillo; y

tampoco son capaces de emplear un lenguaje matemático debido a que presentan

dificultades para realizar operaciones con fracciones o combinación de variables (Instituto

Nacional para la Evaluación de la Educación, 2017). Asimismo, los resultados de la

resolver problemas matemáticos elementales y presentan conocimiento científico limitado

(Organización para la Cooperación y el Desarrollo Económico, 2019). De hecho, menos del

información para resolver problemas matemáticos complejos y puede identificar, explicar o

aplicar el conocimiento científico en circunstancias complejas de la vida (Organización para

la Cooperación y el Desarrollo Económico, 2016).

Como una medida para mejorar la calidad de la educación, el gobierno federal

expresó en la propuesta curricular emitida en el 2016 la importancia de desarrollar en los

capacidad de aprender a aprender ha recibido el nombre de metacognición y ha sido

Ssenyonga y Kibedi, 2017). Un estudiante que cuenta con habilidades metacognitivas es

las lecturas y buscar información adicional para complementar su aprendizaje

para abordar la metacognición son: 1) la metacognición se centra en el conocimiento que

más fácil aprender; y 2) la metacognición incluye el conocimiento de la cognición y los

el monitoreo durante la realización y la evaluación del desempeño.

La finalidad de la presente tesis fue evaluar el ajuste estadístico de ambas posturas

y para cumplir con su objetivo, se desarrolló en dos pasos:

1. Creación de un instrumento que mida metacognición con las dos posturas

2. Evaluación estadística del ajuste de los dos modelos.

Este trabajo se compone de cuatro capítulos. El primero expone la historia de la

metacognición, sus similitudes con constructos como estrategias de aprendizaje y

análisis estadísticos empleados para evaluar la dimensionalidad. El tercer capítulo expone

obtenido por medio de análisis factorial confirmatorio (AFC). En el modelo de Flavell se