Un equipo internacional de investigadores, con participación de la Universidad Autónoma de Madrid (UAM), ha analizado los procesos internos de autoevaluación en estudiantes de secundaria y universidad. Publicado en la prestigiosa revista Learning and Instruction, el estudio emplea la técnica think-aloud, que permite a los alumnos verbalizar sus pensamientos en tiempo real mientras evalúan su propio aprendizaje.
Los resultados revelan que la profundidad del análisis y las estrategias de autoevaluación varían significativamente según el nivel educativo y el tipo de retroalimentación recibida. Estos hallazgos abren la puerta a nuevas estrategias pedagógicas más efectivas y personalizadas.
Autoevaluación en la educación: de la reflexión a la acción
El estudio ha identificado cuatro niveles de autoevaluación:
- Sin autoevaluación, donde el estudiante no realiza ninguna reflexión sobre su desempeño.
- Autoevaluación superficial, con un análisis limitado y escasa revisión de errores.
- Intermedia, donde el alumno reflexiona sobre su trabajo y realiza ajustes menores.
- Avanzada, con un alto nivel de análisis, comparación con criterios establecidos y corrección autónoma de errores.
Para comprender mejor estos procesos, los investigadores han desarrollado el modelo SEFEMO (Self-Feedback Model), que explica cómo los estudiantes regulan su aprendizaje a partir de la autoevaluación y la retroalimentación. Este modelo destaca la importancia de la autoevaluación en el rendimiento académico y sugiere que potenciar esta habilidad puede mejorar significativamente los resultados educativos.
Un enfoque innovador para mejorar la enseñanza
El estudio ha sido realizado por expertos de la Universidad Autónoma de Madrid (UAM), la Universidad de Deusto, la Fundación Vasca para la Ciencia (IKERBASQUE) y la Universidad de Dublín. Gracias a la combinación de metodologías cuantitativas y cualitativas, los investigadores han logrado una visión más completa del aprendizaje autorregulado.
Estos hallazgos son clave para diseñar estrategias educativas más efectivas, ya que permiten adaptar la enseñanza a las necesidades de cada estudiante. Además, el estudio abre nuevas líneas de investigación sobre el uso de la inteligencia artificial y el análisis de datos multimodales en la autoevaluación.
En un momento en el que la personalización del aprendizaje es clave, este estudio refuerza la importancia de dotar a los alumnos de herramientas que les permitan evaluar su propio progreso de manera autónoma y efectiva.
