Autofeedback para el aprendizaje en un entorno universitario online: Identificación y uso de los comparadores
El autofeedback por parte del estudiantado es una estrategia común en la educación superior; sin embargo, hay pocas evidencias de cómo se aplica en los entornos online. Se define como el proceso cognitivo mediante el cual los estudiantes evalúan y mejoran su trabajo contrastándolo con un comparador...
| Autores: | , , |
|---|---|
| Tipo de recurso: | capítulo de libro |
| Estado: | Versión publicada |
| Fecha de publicación: | 2026 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/154939 |
| Acceso en línea: | https://hdl.handle.net/10609/154939 |
| Access Level: | acceso abierto |
| Palabra clave: | feedback autofeedback feedback interno educación online educación superior |
| Sumario: | El autofeedback por parte del estudiantado es una estrategia común en la educación superior; sin embargo, hay pocas evidencias de cómo se aplica en los entornos online. Se define como el proceso cognitivo mediante el cual los estudiantes evalúan y mejoran su trabajo contrastándolo con un comparador (modelos, rúbricas, artículos, etc.). En este contexto, nos proponemos: 1) identificar los comparadores que utilizan los estudiantes al abordar las tareas (utilizándolos individualmente o en combinación con otros) y 2) explorar si existen diferencias en los comparadores según el tipo de tarea y las tres acciones clave que realizan los estudiantes al completarla: comprender la demanda, realizar la tarea y revisarla. Se administró un cuestionario obteniendo una muestra de 2044 estudiantes universitarios online (nivel de confianza del 95,5 %; margen de error de ±2,17). Los principales resultados apuntan a que los estudiantes, además de comparadores tradicionales como son libros, artículos o rúbricas, también utilizan la Inteligencia Artificial (IA) para generar autofeedback y no suelen utilizarlos individualmente, sino que combinan entre 3 y 7 comparadores para completar las tareas. El uso de los diferentes comparadores varía significativamente según la acción realizada y el tipo de tarea de aprendizaje. Los resultados sugieren una reflexión sobre la integración sostenible de nuevos comparadores, como la IA con los más conocidos (rúbricas o los libros), para ayudar a los estudiantes a desarrollar el juicio evaluativo y las competencias de autorregulación cuando generen autofeedback. |
|---|