RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 1
CONSTRUÇÃO E EVIDÊNCIAS DE VALIDADE DA ESCALA DE
AUTORREGULAÇÃO NO PLANEJAMENTO E MANEJO DE AULA NO ENSINO
SUPERIOR
CONSTRUCCIÓN Y EVIDENCIA DE VALIDEZ DE LA ESCALA DE
AUTORREGULACIÓN EN LA PLANIFICACIÓN Y GESTIÓN DE CLASES EN
EDUCACIÓN SUPERIOR
DEVELOPMENT AND VALIDITY EVIDENCE OF THE SELF-REGULATION SCALE
IN PLANNING AND TEACHING OF CLASSES IN HIGHER EDUCATION
José Carlos REDAELLI 1
e-mail: jcredaelli@gmail.com
Soely Aparecida Jorge POLYDORO 2
e-mail: polydoro@unicamp.br
Tiago Zenker GIRELI 3
e-mail: zenker@unicamp.br
Como referenciar este artigo:
REDAELLI, J. C.; POLYDORO, S. A. J.; GIRELI, T. Z.
Construção e evidências de validade da escala de autorregulação no
planejamento e manejo de aula no ensino superior. Revista Ibero-
Americana de Estudos em Educação, Araraquara, v. 18, n. 00,
e024086, 2023. e-ISSN: 1982-5587. DOI:
https://doi.org/10.21723/riaee.v19i00.18231
| Submetido em: 06/07/2023
| Revisões requeridas em: 28/11/2023
| Aprovado em: 10/02/2024
| Publicado em: 20/07/2024
Editor:
Prof. Dr. José Luís Bizelli
Editor Executivo Adjunto:
Prof. Dr. José Anderson Santos Cruz
1
Universidade Estadual de Campinas (UNICAMP), Campinas – SP – Brasil. Doutorando, Faculdade de
Engenharia Civil, Arquitetura e Urbanismo (FECFAU), Área de Água, Energia e Recursos Ambientais.
2
Universidade Estadual de Campinas (UNICAMP), Campinas – SP – Brasil. Professor da Faculdade de Educação
(FE), Grupo de Investigação em Psicologia e Ensino Superior (PES).
3
Universidade Estadual de Campinas (UNICAMP), Campinas – SP – Brasil. Professor da Faculdade de
Engenharia Civil, Arquitetura e Urbanismo (FECFAU), Área de Água, Energia e Recursos Ambientais.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 2
RESUMO: Esta pesquisa criou e validou uma escala (AR-PLCO) para avaliar a autorregulação
de indivíduos quanto ao planejamento e condução de aulas, baseando-se na aprendizagem
autorregulada. Foi utilizada uma metodologia de pesquisa exploratória aplicada e de natureza
quantitativa que envolveu 283 respondentes do Brasil, com diferentes níveis de pós-graduação.
Juízes participaram visando encontrar evidências de validade. As análises de dados foram
descritiva, evidência de validade baseada no conteúdo, análises fatoriais exploratórias e
confirmatórias, confiabilidade e precisão. Foram encontrados valores satisfatórios para a
confiabilidade, forte correlação com a escala de autoeficácia docente, evidência de validade
baseada no conteúdo e estruturas internas. A escala AR-PLCO pode ser usada como um
instrumento de pré-pós avaliação para estruturar programas de formação de professores do
ensino superior.
PALAVRAS-CHAVE: Avaliação. Ensino e aprendizagem. Ensino superior. Autorregulação.
Teoria social cognitiva.
RESUMEN: Esta investigación tuvo como objetivo crear y validar una escala (CLEA-SR) para
evaluar la planificación de clases y la enseñanza de la autorregulación de los individuos a
partir del aprendizaje autorregulado. Se trata de una investigación exploratoria aplicada con
abordaje cuantitativo que involucró a 283 encuestados de Brasil, con diferentes graduaciones.
Participaron comités de expertos para encontrar evidencias de validez. Los análisis de datos
fueron descriptivos, evidencia de validez basada en el contenido, análisis factorial exploratorio
y confirmatorio, confiabilidad y precisión. Se encontraron valores satisfactorios de
confiabilidad, una gran correlación con la escala de autoeficacia docente, evidencia de validez
basada en contenido y estructuras internas. CLEA-SR podría ser utilizado como un instrumento
de evaluación pre-postgrado para estructurar programas de desarrollo docente en
instituciones de educación superior.
PALABRAS CLAVE: Evaluación. Enseñanza y aprendizaje. Enseñanza superior.
Autorregulación. Teoría social cognitiva.
ABSTRACT: This research aimed at creating and validating a scale (CLEA-SR) to evaluate
class planning and teaching self-regulation of individuals based on self-regulated learning.
This is applied exploratory research with a quantitative approach involving 283 respondents
from Brazil, with different graduate degrees. Experts’ committees participated to find validity
evidence. Data Analyses were descriptive analysis, validity evidence based on content,
exploratory and confirmatory factor analyses, reliability and accuracy. Satisfactory values for
reliability, a large correlation with the teaching self-efficacy scale, validity evidence based on
content, and internal structures were found. CLEA-SR might be used as a pre-post evaluation
instrument to structure faculty development programs in higher education institutions.
KEYWORDS: Evaluation. Teaching and learning. Higher education. Self-regulation. Social
cognitive theory.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 3
Introdução
As escolas sabem que este século exige muito de profissionais competentes,
sublinhando a relevância do ensino e da aprendizagem. Por sua vez, as universidades têm
tentado atualizar e melhorar sua estrutura de ensino e aprendizagem (Schmidt; Hansson, 2018).
No contexto europeu, há uma preocupação com a educação e esforços são feitos para encontrar
soluções. A OCDE (Organização para a Cooperação e Desenvolvimento Econômico)
desenvolveu o projeto ‘Apoiar o Ensino de Qualidade no Ensino Superior’ visando práticas de
alta qualidade, e a UNESCO enfatiza a necessidade de melhorar a educação de qualidade
(Unesco, 2014). Já o Ministério Federal Alemão de Educação e Pesquisa (BMBF) e os estados
federais financiaram o programa 'Pacto de Qualidade para o Ensino', que visava desenvolver
condições de estudo e melhoria do ensino e assessoria no ensino superior (Inovação, 2018).
A Sociedade Americana de Engenheiros Civis (ASCE) emitiu 2 relatórios considerando
a necessidade de melhoria do ensino-aprendizagem: “Corpo de Conhecimento em Engenharia
Civil para o Século 21” (BOK), e a “Visão para Engenharia Civil em 2025”, em resposta a
necessidade de melhoria do ensino e aprendizagem de engenharia. Ao seu modo, o relatório
BOK sublinhou a relevância das instituições de ensino superior, e os membros do corpo docente
são os primeiros modelos profissionais para engenheiros civis (Asce, 2008). O relatório Visão
destacou a relevância do trabalho em equipe em diferentes áreas para um melhor design e em
projetos de P&D, e que a “aprendizagem ao longo da vida” será o grande diferencial no mundo
de 2025 para acompanhar o ritmo das transformações do conhecimento (Asce, 2007).
As novas diretrizes curriculares para engenharia (DCNs) no Brasil foram lançadas em
2019, pelo Ministério da Educação, pela Associação Brasileira de Ensino de Engenharia
(ABENGE) e outros órgãos. Elas afirmaram que os cursos de graduação em engenharia
deveriam estar alinhados ao plano pedagógico e manter programas permanentes de
desenvolvimento docente, valorizando o ensino e as atividades interdisciplinares. Os
professores deveriam estar mais comprometidos com a formação das competências dos alunos,
e as instituições deveriam definir indicadores-chave para avaliação desses programas e
valorizar o trabalho docente (Abenge, 2023).
A Pós-Graduação é um espaço de articulação de ensino e pesquisa, de desenvolvimento
científico e tecnológico (Fernandes, 2020; Silveira; Nascimento, 2016) e os acadêmicos têm
funções de pesquisadores e professore; isto posto, para ser um bom professor, é preciso ser um
bom pesquisador. A promoção e o salário dependem inteiramente do status de pesquisa e as
atividades dos pesquisadores aumentam seus valores e progresso pessoal sem considerar suas
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 4
obrigações com os estudantes, estabelecendo sofrimento especial aos jovens doutorandos
(Kline; Kline, 1977). Prêmios de ensino, melhores salários, benefícios e outras afirmações da
relevância do ensino não mudarão o fato de uma universidade intensiva em pesquisa continuar
dependente da produção científica (Serow, 2000). Como outro exemplo de conflito ensino-
pesquisa, a participação em áreas de cooperação entre os países do BRICS tem que atender a
alguns requisitos. As propostas deverão estar vinculadas ao Ensino Superior público ou privado
com Escolas de Pós-Graduação recomendadas pela CAPES com notas maiores ou iguais a seis
(Thiengo; Bianchetti, 2019). As notas 6 e 7 são consideradas de padrão internacional de
excelência (Eesc-Usp, 2022) e isso é alcançado por meio de projetos de pesquisa de alto nível.
Além disso, uma lacuna entre o que as escolas de pós-graduação oferecem hoje e o que
é necessário é complementada com o conflito de pesquisa e ensino no Brasil e no exterior
(Bishop, 2018; England et al., 2021; Heekin, 2019; Karagiannis, 2009; Kline; Kline, 1977;
Serow, 2000; Sociedade, 2016; Thiengo; Bianchetti, 2019).
A questão de pesquisa foi “Como desenvolver e validar um instrumento que possa
orientar a autorregulação dos indivíduos do ensino superior para o planejamento e ensino de
aulas?”. O objetivo principal foi “Desenvolver e validar uma escala (CLEA-SR) para avaliar o
Planeamento de Aulas e a Autorregulação Docente de indivíduos com diferentes graus
acadêmicos no ensino superior”. Os Objetivos Específicos foram “Busca de evidências de
validade do CLEA-SR com base no Conteúdo e nas Estruturas Internas”; “em busca da
confiabilidade do CLEA-SR”; “busca de evidências de validade do CLEA-SR com base na
autoeficácia docente” e em outras variáveis.
Este artigo, então, é parte da tese de doutorado em andamento do pesquisador principal
(PI) na Faculdade de Engenharia Civil da Faculdade de Engenharia Civil, Departamento de
Arquitetura e Urbanismo da Unicamp, Brasil.
Revisão da literatura
A teoria social cognitiva afirma que a aprendizagem da maioria dos indivíduos ocorre
dentro do ambiente social e esse sujeito testemunha outros desenvolverem compreensão,
regulação, habilidades, estratégias, crenças e convicções (Schunk, 2012). Pode-se encontrar um
grande conjunto de motivadores na teoria social cognitiva, sendo a autoeficácia (AE) uma delas,
definido como um construto relacionado à autoavaliação das habilidades dos indivíduos para
completar cursos de ações e leva à sua motivação, que pode ser percebido em seus esforços e
comportamentos diante dos obstáculos. Ela medeia outros fatores, como definição de metas e
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 5
expectativas de resultados. Essa resiliência torna os indivíduos mais autoeficazes na adaptação
de suas realizações e bem-estar (Bandura; Cervone, 2023). Com o objetivo de saber como os
alunos poderiam adquirir o seu próprio desenvolvimento de aprendizagem, a aprendizagem
autorregulada (SRL), outro construto dessa teoria, surgiu em meados da década de 1980.
Indivíduos autorregulados comportam-se de forma proativa ao invés de reagir diante de suas
ocorrências docentes, demonstrando iniciativa, resiliência e habilidades (Zimmerman, 2001). A
SRL tem uma relevância crucial no desempenho dos indivíduos no ensino superior (Jansen et
al., 2019) e o modelo SRL cíclico do professor Zimmerman é o mais conhecido e utilizado
pelos estudiosos do tema (Panadero, 2017). Tal modelo é composto por fases de premeditação,
desempenho e autorreflexão, em que servem de feedback para as seguintes e promovem o
caráter cíclico da autorregulação (SR) (Panader et al., 2019; Zimmerman, 2005). A fase de
previsão abre caminho para o desenvolvimento do comportamento, no qual ocorre o
estabelecimento de metas e desenhos estratégicos. A fase de desempenho, por sua vez, está
relacionada ao engajamento na tarefa, que exige esforços e altera a concentração e a ação. Já a
fase de autorreflexão ocorre após o esforço de conclusão, o que altera a reação do indivíduo a
essa prática (Cleary; Labuhn, 2013; Schunk; Usher, 2013; Zimmerman, 2005).
O desenvolvimento da escala CLEA-SR é baseado no modelo cíclico SRL do professor
Zimmerman. Escala semelhante baseada no modelo do professor Zimmerman não foi
encontrada no Brasil e no exterior em bases de dados como Web of Science, Scopus e arquivos
da RIAEE, desde 2019 até a presente data. As palavras-chave utilizadas para buscas em inglês
e equivalentes em português brasileiro foram: autorregulação, aprendizagem autorregulada,
modelo cíclico de aprendizagem autorregulada, escala, inventário, questionário, instrumento e
ensino superior.
Metodologia
Trata-se de uma pesquisa exploratória aplicada (Stebbins, 2001) com abordagem
quantitativa. APA, a American Psychological Association, AERA, a American Educational
Research Association, e NCME, o National Council on Measurement in Education atualizaram
a edição de 2014 de “The Standards for Educational and Psychological Testing” (Aera-Apa-
Ncme, 2014), que explica padrões para criação e adaptação de escalas. Estes foram usados para
esta pesquisa. O método utilizado nesta pesquisa é o seguinte.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 6
Quanto aos participantes, participaram desta pesquisa um total de 283 entrevistados,
com idades entre 23 e 78 anos (M = 40,5; DP = 12,9), sendo a maioria do sexo feminino
(55,47%), possuindo mestrado (18%), mestrado em andamento (18%), Ph.D. (31%) e
doutorado em andamento (32%). Eles eram da região Norte (n = 2), Nordeste (n = 25), Sul (n
=28), Sudeste (n = 221) e Centro-Oeste (n =7) do Brasil. Um total de 153 entrevistados (54%)
eram de universidades estaduais, 70 (25%) eram de universidades federais e 60 (21%) eram de
universidades privadas.
Os entrevistados eram de diferentes grupos de áreas do conhecimento: Medicina (n=61),
Engenharia (n=81), Educação (n=65) e outras áreas (n=76).
Foram criados dois comitês de especialistas para trabalhar na escala original e verificar
sua validade. Um comitê tratou da análise dos itens da escala CLEA-SR e foi composto por
cinco especialistas (quatro doutores e um mestre) com experiência em ensino e em construtos
da teoria social cognitiva. O segundo comitê tratou da análise da semântica dos itens da escala
CLEA-SR e foi composto por sete especialistas (um doutor, quatro doutorandos, um mestre,
um mestrando) sem qualquer experiência em construtos da teoria sociocognitiva.
Quanto aos instrumentos, foram utilizados um questionário de caracterização
sociodemográfica e dos respondentes, a versão final da escala CLEA-SR, criada nesta pesquisa,
e a escala de autoeficácia docente.
CLEA-SR é uma escala de 1 fator com 32 itens em sua versão final, que abrange três
fases do modelo SRL, o planejamento, a execução e a autorreflexão. É uma escala Likert de 5
pontos que varia de 1 a 5, discordo totalmente a concordo totalmente, respectivamente.
A escala de autoeficácia docente (TSES) é uma escala de dois fatores (intencionalidade
docente e gestão de aula) com 24 itens. É uma escala Likert de 6 pontos que varia de 1 a 6,
concordo totalmente a discordo totalmente, respectivamente. Essa escala foi utilizada nesta
pesquisa para corroborar a correlação com o CLEA-SR, mostrando a importância do SR e do
SE no ensino e aumentando a confiabilidade do CLEA-SR. Tal escala teve adaptação
transcultural para a língua portuguesa brasileira por Polydoro et al. (2004), a partir da escala de
senso de eficácia dos professores - TSES, originalmente denominada Escala de Eficácia dos
Professores do Estado de Ohio - OSTES (Tschannen-Moran; Hoy, 2001).
Quanto aos procedimentos, o Comitê de Ética da Universidade aprovou esta pesquisa
com o número CAAE 45318921.0.0000.8142, que atende às leis 466 e 510 (Guerriero; Minayo,
2019) sobre confidencialidade. O comitê de especialistas para análise dos itens do CLEA-SR
teve a responsabilidade de verificar cada um dos 89 itens da versão original da escala CLEA-
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 7
SR conforme abordagem teórica (modelo de aprendizagem autorregulada cíclica). O comitê de
especialistas para análise da semântica dos itens do CLEA-SR teve a responsabilidade de atuar
como respondentes, preenchendo todos os 32 itens da nova versão, além de verificar se esses
itens estavam claros e compreensíveis. Esses dois comitês buscaram evidências de validade
baseadas no conteúdo.
A pesquisa foi realizada por meio de um questionário do formulário Google com esses
instrumentos de pesquisa e dirigido aos indivíduos nas redes sociais, sabendo-se que o tempo
médio para o responder seria de 25 minutos. Os entrevistados poderiam responder ao
questionário após confirmarem que tinham no mínimo 18 anos de idade e possuíam mestrado
em andamento, mestrado, doutorado em andamento ou completo e concordando com o Termo
de Consentimento Livre e Esclarecido. Eles sabiam que poderiam interromper sua participação
a qualquer momento sem nenhum prejuízo para os integrantes da pesquisa. Os dados foram
coletados do final de 2021 até o início de 2022.
Análises de dados
As análises foram: análises descritivas dos dados da amostra; análise de evidências de
validade com base no conteúdo; análise fatorial exploratória (AFE) com mínimos quadrados
ponderados (WLS) como método de estimativa e análise fatorial confirmatória (AFC) com
mínimos quadrados ponderados diagonalmente (DWLS) como método de estimativa para
observar a estrutura interna da escala CLEA-SR; confiabilidade e precisão da escala verificando
coeficientes alfa e ômega; validade da relação dos escores da escala CLEA-SR com os escores
da escala de autoeficácia docente por meio da correlação de Pearson; comparar diferenças
médias de SR com graus de formação acadêmica, com grupos de áreas dos respondentes usando
ANOVA, com cursos dentro do grupo de áreas de engenharia, com experiência docente no
ensino básico e superior usando o teste T, e com a idade dos respondentes usando a correlação
r de Pearson. Todas as análises utilizaram o programa JASP 0.16.1.0. A aplicação de RMSEA,
CFI e TLI foi relatada por Xia e Yang (2019). De acordo com Cohen (1992), os tamanhos dos
efeitos das diferenças são interpretados como pequenos (d ≥ 0,20), como médios (d ≥ 0,50) e
como grandes (d ≥ 0,80), e a correlação de Pearson “ r ” como pequena (r >= 0,10), média (r
>= 0,30) e grande (r > = 0,50). A interpretação para índices de ajuste sugeridos por Marsh
(2007) são: CFI ≥ 0,90 (aceitável) e ≥ 0,95 (excelente), TLI ≥ 0,90 (aceitável) e ≥ 0,95
(excelente), RMSEA ≤ 0,08 (aceitável) e ≤ 0,05 (excelente).
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 8
Resultados
Quanto às evidências de validade de conteúdo, o comitê de especialistas dos itens da
escala CLEA-SR avaliou a versão original do CLEA-SR (89 itens) seguindo a abordagem
teórica do modelo SRL cíclico do Professor Zimmerman. Após essas análises, a versão final
ficou com 32 itens. O comitê de especialistas para análise semântica dos itens da escala CLEA-
SR avaliou a versão final e informou que todos os itens estavam claros e compreensíveis e
nenhuma alteração seria necessária. Esses dois comitês encontraram evidências de validade
com base no conteúdo. O Quadro 1 apresenta a versão final da escala CLEA-SR.
Quadro 1 – Escala CLEA-SR (com tradução livre para o inglês).
Fonte: Elaborado pelos autores.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 9
A escala CLEA-SR contou com 32 itens em sua versão final.
Quanto às evidências de validade baseadas na estrutura interna, foi realizada uma análise
exploratória e confirmatória de três fatores. Tendo KMO (0,92) e Bartlett (X2 = 3936,00; df =
496,00; p < 0,001), estes pareciam indicar que três fatores poderiam ser a melhor solução para
a escala CLEA-SR. Embora esta parecesse ser a melhor solução, os índices de ajuste obtidos
nesta análise fatorial exploratória mostraram que o modelo de 3 fatores não foi adequado devido
ao teste Qui-quadrado (X2 = 860,25; gl = 403; p < 0,001) e RMSEA = 0,06 e TLI = 0,84. Além
disso, a tabela 1 mostra as cargas de 3 fatores.
Tabela 1 - Cargas de 3 Fatores CLEA-SR.
Itens CLEA-SR
Cargas Fatoriais
Fator 1
Fator 2
Fator 3
Planejamento
12
0,76
-0,19
0,15
11
0,68
0,05
0,05
8
0,65
-0,15
-0,10
9
0,59
0,04
-0,05
7
0,54
0,12
-0,13
3
0,52
0,05
0h30
5
0,48
0,12
0,18
10
0,48
0,03
-0,22
1
0,34
0,10
0,15
6
0,32
0,20
0,13
4
0h30
0,01
0,51
2
0,29
0,17
0,55
Execução
17
0,72
0,09
-0,02
15
0,58
0,03
0,20
21
0,53
0,14
-0,02
22
0,51
0,19
0,11
20
0,49
0,08
-0,04
16
0,44
0,18
0,19
13
0,41
0,28
-0,07
19
0,38
0,13
0,11
24
0,36
0,07
-0,26
18
0,34
0,17
0,24
14
0,31
0,34
0,04
23
0,22
0,07
-0,26
Autorreflexão
32
0,56
0,13
-0,03
31
0,54
0,39
-0,29
27
0,25
0,47
-0,29
26
0,16
0,48
0,37
25
-0,09
0,60
0,35
28
0,07
0,67
-0,18
30
0,06
0,64
0,11
29
0,02
0,80
0,01
Fonte: Elaborado pelos autores.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 10
Pode-se perceber que essas cargas fatoriais não eram coerentes com a estrutura teórica
do CLEA-SR.
Foi realizada uma análise confirmatória de 3 fatores para todos os itens das fases do
CLEA-SR. A análise apresentou bons índices de ajuste (X2 = 450,52, df = 461; p = 0,63; CFI
= 1; TLI = 1; RMSEA = 0). As cargas fatoriais ficaram acima de 0,30 com média de 0,56 para
planejamento, 0,58 para execução e 0,60 para autorreflexão. Embora esses resultados
parecessem bons, as correlações dos fatores eram grandes. O fator 1 com o fator 2, o fator 1
com o fator 3 e o fator 2 com o fator 3 tiveram correlações de 0,89, 0,75 e 0,91 respectivamente,
indicando que esses fatores avaliaram coisas semelhantes.
Sabendo que o modelo de 3 fatores não era a melhor solução, foi feita a análise de 1
fator. Resultou na melhor solução para esta escala, mostrando uma solução mais parcimoniosa
para a estrutura CLEA-SR. A análise apresentou bons índices de ajuste (X2 = 517,57; df = 464;
p = 0,04; CFI = 1; TLI = 1; RMSEA= 0,020). A Tabela 2 mostra as cargas de 1 fator.
Tabela 2 – Cargas fatoriais da análise unifatorial com todos os números dos itens do CLEA-
SR.
Fator Teórico
Planejamento
Execução
Auto- reflexão
Itens CLEA-SR Números
1
0,42
13
0,43
25
0,46
2
0,47
14
0,59
26
0,62
3
0,57
15
0,63
27
0,47
4
0,44
16
0,62
28
0,53
5
0,52
17
0,71
29
0,64
&
6
0,48
18
0,48
30
0,59
Cargas Fatoriais
7
0,50
19
0,53
31
0,50
8
0,63
20
0,52
32
0,62
9
0,65
21
0,66
10
0,50
22
0,66
11
0,53
23
0,51
12
0,57
24
0,49
Fonte: Elaborado pelos autores.
São bons valores, acima de 0,40, com média de 0,55.
A Tabela 3 apresenta a confiabilidade da escala CLEA-SR.
Tabela 3 – Confiabilidade da Escala CLEA-SR.
Estimativa
McDonald'sω
α de Cronbach
Ponto estimado
0,93
0,94
IC 95% menor vinculado
0,92
0,92
IC 95% superior vinculado
0,94
0,95
Fonte: Elaborado pelos autores.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 11
Esses são bons valores ômega e alfa para confiabilidade da escala CLEA-SR
A confiabilidade da escala de autoeficácia docente apresentou ômega igual a 0,94
(intencionalidade docente) e 0,89 (gestão de aula).
A Tabela 4 mostra a correlação entre CLEA-SR e autoeficácia docente.
Tabela 4 - Correlação entre CLEA-SR e Escala de Autoeficácia Docente.
Variável
Escala CLEA-SR
Escala de Autoeficácia Docente (Fatores)
Intencionalidade do
ensino
Gerenciamento de classe
1. Autorregulação
-
2. Intencionalidade do ensino
0,673 a
-
3. Gerenciamento de classe
0,635 a
0,909 a
-
Notas: p < 0,001; p = significância estatística.
Fonte: Elaborado pelos autores.
Uma grande correlação (r=0,673; r=0,635) foi encontrada pela análise r de Pearson.
A Tabela 5 mostra ANOVA e análise Post-hoc para comparar diferenças médias de
autorregulação (SR) com graus de formação acadêmica.
Tabela 5 - Autorregulação Relacionada aos Graus de Formação Acadêmica.
Acad. Educ.
Significar
SD
n
Comparação
p Tukey
d
F
p
Mestre
4.22
0,53
51
Mestrando
0,53
0,27
2.007
0,113
Doutorado
0,98
0,07
Mestrando
4.08
0,57
51
Doutorando
1,00
0,04
Doutorado
0,22
0,34
Doutorado
4,25
0,45
88
Doutorando
0,19
0h30
Doutorando
4.10
0,55
93
Mestre
0,57
0,23
Notas: Acad. Educ. = Formação Acadêmica; DP = desvio padrão; n = número de respondentes; ptukey
= significância estatística do teste post hoc de Tukey; d = tamanho do efeito d de Cohen; F =
estatística do teste ANOVA; p = significância estatística.
Fonte: Elaborado pelos autores.
O mestrado teve pontuação maior que o mestrado em andamento e pontuação maior que
o doutorado em andamento, todos com tamanho de efeito pequeno a médio de d = 0,267 e d =
0,226, respectivamente. O doutorado teve pontuação superior ao mestrado em andamento e
pontuação superior ao doutorado em andamento, todos com tamanho de efeito pequeno a médio
de d = 0,298 e d = 0,339, respectivamente.
A Tabela 6 mostra as áreas de estudo dos entrevistados divididas em quatro grupos.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 12
Tabela 6 – Grupos de Áreas de Conhecimento.
Grupos de áreas de conhecimento
Qtd.
Engenharia
81
Medicina
61
Educação
65
Outros
76
Notas: Qtd. = quantidade.
Fonte: Elaborado pelos autores.
O grupo de engenharia contava com engenharia civil, arquitetura, engenharia sanitária
e engenharia elétrica; o grupo de medicina contava com medicina, nutrição, odontologia,
farmácia, enfermagem, tecnologia de alimentos, ciências biológicas e educação física; o grupo
educação contava com ensino de ciências, psicologia educacional, educação especial e
transtornos do desenvolvimento; e outros grupos tinham bioquímica, matemática, física,
contabilidade, direito, geografia e história.
A Tabela 7 mostra a análise ANOVA para comparar as diferenças médias de SR entre os
grupos de áreas de estudo dos respondentes.
Tabela 7 - ANOVA e Post-hoc: Relação CLEA-SR com Grupos de Áreas Respondentes.
Grupos de Área
Média
SD
n
Comparação
p Tukey
d
F
p
Medicina
4.1
0,56
61
Engenharia
0,53
0,23
2,74
0,04
Engenharia
4.22
0,5
81
Educação
0,86
0,13
Outros
0,25
0,3
Outros
4.06
0,49
76
Medicina
0,98
0,07
Educação
4.29
0,53
65
Medicina
0,19
0,36
Outros
0,06
0,43
Notas: DP = desvio padrão; n = número de respondentes; ptukey = significância estatística do teste post
hoc de Tukey; d = tamanho do efeito d de Cohen; F = estatística do teste ANOVA; p = significância
estatística.
Fonte: Elaborado pelos autores.
O grupo escolaridade obteve a maior pontuação (4,29) e Outros, a menor (4,06). O grupo
educação, com tamanho de efeito pequeno a médio, obteve pontuação superior ao grupo médico
(d=0,36) e ao grupo Outros (d=0,43). O grupo de engenharia, com tamanho de efeito pequeno
a médio, teve pontuação maior que o grupo Outros (d=0,3) e com tamanho de efeito pequeno
teve pontuação maior que o grupo médico (d=0,23).
A Tabela 8 pode mostrar o grupo de engenharia dividido em grupo A e grupo B.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 13
Tabela 8 – Grupo de Engenharia dos Respondentes.
A/B
Área
Qtd.
A
Arquitetura
2
Arquitetura, Tecnologia e Cidade
1
Engenharia Sanitária
2
Engenharia Ambiental
1
Engenharia Civil
14
Engenharia Civil - Recursos Hídricos, Energéticos e Ambientais
1
Engenharia Urbana
1
Arquitetura e Urbanismo
1
B
Engenharia
52
Engenharia da Informática
1
Engenharia Elétrica
2
Engenharia de Qualidade
1
Engenharia Química
2
Fonte: Elaborado pelos autores.
O grupo A teve 23 respondentes e o grupo B, 58 respondentes, para separar os cursos de
engenharia civil e afins dos demais.
A Tabela 9 mostra uma comparação entre os dois grupos.
Tabela 9 - Comparação entre Grupo A e Grupo B.
Grupo A
Grupo B
t
p
d
M
SD
M
SD
Auto- regulação
4.24
0,45
4.21
0,53
-0,28
0,78
0,07
Notas: M = média; DP = desvio padrão; t = estatística t do teste de Student; p = significância
estatística; d = tamanho do efeito d de Cohen.
Fonte: Elaborado pelos autores.
Nenhuma diferença significativa foi encontrada entre os dois grupos.
A Tabela 10 mostra as diferenças médias de SR entre os respondentes com e sem
experiência docente no ensino básico e superior.
Tabela 10 - Relação do CLEA-SR com a Experiência Docente: Análise do Teste T.
Experiência de Ensino
M (SR)
SD
t
p
d
Educação básica
NÃO
4.16
0,5
-0,266
0,79
0,035
SIM
4.17
0,6
Educação Superior (ES)
NÃO
4.03
0,54
-3.782
<0,001
0,453
SIM
4.27
0,48
Notas: SR: Autorregulação; M = média; DP = desvio padrão; t = estatística t do teste de Student; p =
significância estatística; d = tamanho do efeito d de Cohen; ES = Ensino Superior.
Fonte: Elaborado pelos autores.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 14
Para aqueles com experiência docente na educação básica em comparação com aqueles
sem experiência, não foi encontrada diferença, com tamanho de efeito próximo de nulo
(d=0,035). Considerando a experiência docente no ensino superior, foram encontradas
diferenças entre aqueles com e sem experiência docente, com tamanho de efeito próximo da
média (d=0,453).
A Tabela 11 apresenta a relação do CLEA-SR com a idade dos respondentes.
Tabela 11 - Relação do CLEA-SR com a Idade dos Respondentes - Correlação de Pearson.
Variável
Idade
Autorregulação
1. Idade
1
2. Autorregulação
0,188 a
1
Notas: p < 0,01; p = significância estatística.
Fonte: Elaborado pelos autores.
Foi encontrada uma correlação de Pearson pequena a média e significativa (r=0,188)
entre a idade dos entrevistados e a SR.
Discussão
Esta pesquisa criou um instrumento (CLEA-SR) visando a melhoria do ensino e da
aprendizagem no ensino superior e atende aos requisitos dos relatórios BOK e Vision da ASCE-
The American Society of Civil Engineers (Asce, 2007; 2008) e das novas diretrizes curriculares
para engenharia (DCNs) do Brasil (Abenge, 2023).
As evidências de validade de conteúdo foram encontradas pelo comitê de especialistas
para análise dos itens originais da escala CLEA-SR e pelo comitê para análise semântica dos
itens da versão final da escala CLEA-SR. Foram encontradas evidências de validade baseadas
na Estrutura Interna com índices de ajuste e fatores de carga satisfatórios explicando a escala
de estrutura de 1 fator como a melhor solução, e confiabilidade da escala alfa e ômega com
valores satisfatórios.
Foram encontradas outras evidências de validade da relação do CLEA-SR com outras
variáveis. Utilizando a análise r de Pearson, foi encontrada uma grande correlação entre a escala
CLEA-SR e a escala de autoeficácia docente (TSES), versão brasileira adaptada. A versão
original americana do TSES é uma escala bem conhecida e tem sido usada em muitos projetos
de pesquisa em todo o mundo (Amirian et al., 2023; Deng et al., 2022; Kiran, 2022; Pisanti;
Soraci; Schwarzer, 2023; Toe; Longaretti, 2022).
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 15
Os respondentes com mestrado obtiveram pontuação superior aos mestrandos e aos
doutorandos com tamanho de efeito pequeno/médio; o item Doutorado teve nota superior ao
mestrado em andamento e ao doutorando, com tamanho de efeito médio. Isso pode sugerir que
indivíduos com mestrado e doutorado não são mais influenciados pela cultura do ensino
superior, com muitas demandas como projetos de pesquisa, publicação de artigos e participação
em congressos. Pesquisa desenvolvida por Evans et al. (2018) mostraram que os estudantes de
pós-graduação nos EUA eram mais depressivos e ansiosos do que a população em geral. Outra
pesquisa desenvolvida por Schmidt e Hansson (2018) relatou problemas com estudantes de
doutorado, que podem se tornar mais graves hoje, quando indivíduos no mundo inteiro sofrem
com a pandemia da COVID-19, em que os ambientes de sala de aula tinham severas restrições,
o que levou ao “ensino remoto emergencial”. (ERT)”. Isso tornou os indivíduos mais ansiosos
e quanto maior a ansiedade menor é a autoeficácia (Han; Vaculíková; Juklová, 2022).
Tendo o grupo educação, esperava-se a pontuação mais alta (4,29) para seus estudos
regulares sobre comportamento individual e psicologia educacional. Não era esperado que o
grupo médico tivesse pontuação baixa (4,1). Isso pode ter acontecido porque esse grupo era
composto por outros cursos além de medicina. Os cursos de medicina geralmente se preocupam
com o ensino e a aprendizagem. O conceito de Aprendizagem Baseada em Programas (PBL)
foi pioneiro na Faculdade de Medicina de McMaster na década de 1960, como uma nova
abordagem à educação médica (McMaster, 2023). O conceito de Aprendizagem Baseada na
Experiência (ExBL), visando a melhoria do ensino do século XXI, também é comum nesta área
(Dornan et al., 2019).
Ao dividir o grupo de engenharia em grupo A com engenharia civil e afins (como
arquitetura e engenharia sanitária), e em grupo B com outros cursos como engenharia de
computação e engenharia elétrica, não foi encontrada diferença significativa entre eles. Uma
limitação aqui pode ser o fato de a maioria dos entrevistados que relataram curso de engenharia
não especificarem qual engenharia.
Foi encontrada correlação pequena a média e significativa entre a idade dos
entrevistados e a SR, mostrando que quanto maior a idade maior a SR. Kizilce; Pérez-
Sanagustín e Maldonado (2017) descobriram que os alunos mais velhos eram mais estratégicos
na hora de definir seus objetivos nos MOOCs, envolvendo estudantes de todo o mundo, o que
contradiz o que Li (2019) encontrou em um estudo envolvendo estudantes latino-americanos
com cursos em espanhol. Além disso, pode-se encontrar uma lacuna na literatura sobre as
relações entre SR e idade.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 16
As falas a seguir mostram alguns estudos da literatura envolvendo autorregulação e
autoeficácia, que ajudam a corroborar os achados desta pesquisa.
Mickwitz e Suojala (2020) desenvolveram um estudo de abordagem quanti-qualitativa
e relataram a relevância de estratégias de autorregulação e crenças de autoeficácia. Truong
(2022) descobriu que a autoeficácia na gramática inglesa teve uma correlação significativa com
as estratégias de aprendizagem autorregulada (SRL) na aprendizagem da gramática. Russel e
colegas de uma universidade australiana intensiva em pesquisa desenvolveram um estudo
(Russell et al., 2022) com o objetivo de examinar as práticas de ensino de 10 educadores eleitos
e a experiência em seu ensino para promover o SRL do aluno em diferentes cursos. Os
educadores falaram sobre a relevância de suas ações para a co-regulação dos alunos por meio
de estratégias implícitas como: elaboração de tarefas, instrução, avaliação, feedback e
estratégias de modelagem. Pesquisadores da Austrália e da Espanha (Broadbent et al., 2022)
provaram que o modelo SRL geralmente pode ser adaptado para diferentes disciplinas e cursos
e que a teoria social cognitiva funciona como um forte arcabouço teórico para a criação de
instrumentos para avaliar a SR. Bons resultados foram encontrados quando foram feitas
intervenções com professores do ensino médio envolvendo o conhecimento de SRL e SE como
parte de seu desenvolvimento profissional (Cleary et al., 2022).
Schunk e Pajares (2009) enfatizaram a importância dos ambientes escolares para
aumentar um elevado sentido de eficácia, ou possivelmente enfraquecê-lo se o incentivo não
for concedido. É relevante criar um ambiente e uma cultura que incentivem os alunos a assumir
riscos. Isso deve estar alinhado com os processos de ensino para promover os alunos. Por fim,
a SR do educador desempenha um papel importante nos processos de promoção da SR dos
alunos.
Conclusão
Este estudo investigou propriedades psicométricas da escala CLEA-SR. Os resultados
indicaram que a escala criada para medir a autorregulação no planejamento e ensino de aulas
no ensino superior possui evidências de validade e é confiável. Ademais, possui relações com
variáveis como autoeficácia docente, formação acadêmica, áreas de conhecimento, experiência
docente no ensino básico e superior e idade dos respondentes, que melhoram sua validade.
A escala CLEA-SR pode ser usada como um instrumento de avaliação pré-pós para
estruturar programas de desenvolvimento docente em instituições de ensino superior. Poderá
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 17
identificar os pontos fracos e os pontos fortes dos professores no planeamento, no ensino e na
autorreflexão sobre as suas aulas. Isto poderá trazer uma atualização contínua aos programas,
que promovam a melhoria da cultura de ensino e aprendizagem e feedback aos professores
sobre estratégias de autorregulação relativas às suas aulas. Estes devem ser direcionados aos
professores atuais e aos alunos de pós-graduação que lecionarão no futuro. Sendo
autorregulados no planeamento e ensino das aulas, os professores poderão ser capazes de
promover a autorregulação nos seus alunos e ser modelos para eles. Outras escalas, como a
autoeficácia docente (TSES), podem ser utilizadas como ferramentas de apoio.
Temos vivido num mundo globalizado com uma elevada integração nas comunicações,
e estão disponíveis grandes quantidades de videoconferências novas e melhoradas e outros
recursos. As pessoas ligadas à educação não só têm que lidar com esta avalanche de recursos
para serem aprendidos, mas também com as relações entre discentes, docentes, investigadores
e outras partes interessadas. Esperamos que os futuros professores estejam mais bem preparados
para contribuir para um ensino superior mais saudável. Este estudo em conjunto com outros da
literatura corroboram que o modelo de aprendizagem autorregulada pode ser extensivamente
desenhado para diferentes disciplinas e cursos acadêmicos.
As escolas devem investir em projetos de pesquisa como: usar a escala CLEA-SR para
avaliar os efeitos das intervenções dos programas de desenvolvimento docente; ampliar os
estudos de evidências de validade para incluir perfis de outros professores e estudantes de pós-
graduação; comparar resultados de pesquisas com programas docentes de outras instituições.
Em suma, este estudo contribui para a pesquisa e a teoria e lança luz sobre como
melhorar a autorregulação dos professores no que diz respeito ao planejamento e ensino de
aulas em diferentes cursos do ensino superior e outros programas educacionais.
REFERÊNCIAS
ABENGE. National Commision for Engineering New Guidelines Implementation. 2023.
Disponível em: http://www.abenge.org.br/dcn_2019.php. Acesso em: 10 mar. 2023.
AERA-APA-NCME. Standards for educational and psychological testing. Washington,
DC: American Educational Research Association, 240 p, 2014.
AMIRIAN, S. M. R. et al. The contribution of critical thinking and self-efficacy beliefs to
teaching style preferences in higher education. Journal of Applied Research in Higher
Education, [S. l.], v. 15, n. 3, p. 745-761, 2023.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 18
ASCE. The Vision of Civil Engineering in 2025. 2007. Disponível em:
http://www.asce.org/uploadedFiles/About_Civil_Engineering/Content_Pieces/vision2025.pdf.
Acesso em: 10 nov. 2018.
ASCE. Civil Engineering Body of Knowledge for the 21st Century-Preparing the Civil
Engineer for the Future. 2008. Disponível em:
https://www.asce.org/uploadedFiles/Education_and_Careers/Body_of_Knowledge/Content_P
ieces/body-of-knowledge.pdf. Acesso em: 10 nov. 2018.
BANDURA, A.; CERVONE, D. Social Cognitive Theory: an Agentic Perspective on
Human Nature. Wiley, 2023.
BISHOP, D. What are metrics good for? Reflections on the Research Excellence
Framework (REF) and Teaching Excellence Framework (TEF). [S. l.: s. n.], 2018. v. 24.
BROADBENT, J. et al.The self-regulation for learning online (SRL-O) questionnaire.
Metacognition and Learning, [S. l.], 2022.
CLEARY, T. J. et al. Professional development in self-regulated learning: Shifts and
variations in teacher outcomes and approaches to implementation. Teaching and Teacher
Education, [S. l.], v. 111, p. 103619, 2022.
CLEARY, T. J.; LABUHN, A. S. Application of cyclical self-regulation interventions in
science-based contexts. In: ZIMMERMAN, B. J. et al. (ed.). Applications of self-regulated
learning across diverse disciplines: a tribute to Barry J. Zimmerman. Charlotte, North
Carolina: Information Age Publishing, 2013. cap. 4, p. 89-124.
COHEN, J. A power primer. Psychological Bulletin, [S. l.], v. 112, n. 1, p. 155-159, 1992.
DENG, J. et al. Delving into the relationship between teacher emotion regulation, self-
efficacy, engagement, and anger: a focus on English as a foreign language teachers. Frontiers
in Psychology, [S. l.], v. 13, p. 17, 2022.
DORNAN, T. et al. Experience based learning (ExBL): clinical teaching for the twenty-first
century. Medical Teacher, [S. l.], v. 41, p. 1-8, 2019.
EESC-USP. Avaliação Capes - Conceito Máximo. 2022. Disponível em:
https://eesc.usp.br/ppgs/sel/post.php?guid=avaliacao-capes&catid=apresentacao. Acesso em:
10 Set. 2018.
ENGLAND, R. et al. Research Excellenjce Framework 2021. 2021. Disponível em:
https://www.ref.ac.uk/. Acesso em: 27 Jan. 2021.
EVANS, T. M. et al. Evidence for a mental health crisis in graduate education. Nature
Biotechnology, [S. l.], v. 36, n. 3, p. 282-284, 2018.
FERNANDES, F. Universidade brasileira: reforma ou revolução? 1. ed. São Paulo:
Expressão Popular, 2020.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 19
GUERRIERO, I. C. Z.; MINAYO, M. C. A aprovação da Resolução CNS nº 510/2016 é um
avanço para a ciência brasileira. Saúde e Sociedade, [S. l.], v. 28, 2019.
HAN, F.; VACULÍKOVÁ, J.; JUKLOVÁ, K. The relations between Czech undergraduates’
motivation and emotion in self-regulated learning, learning engagement, and academic
success in blended course designs: consistency between theory-driven and data-driven
approaches. Frontiers in Psychology, [S. l.], v. 13, 2022.
HEEKIN, E. Teaching Excellence Framework (TEF): the ratings in full 2019. Disponível
em: https://www.theuniguide.co.uk/advice/choosing-a-course/teaching-excellence-
framework-tef-the-ratings-in-full. Acesso em: 27 jan. 2021.
INNOVATION, E. C. R. Research & Innovatin: germany analysis. 2018. Disponível em:
https://rio.jrc.ec.europa.eu/en/country-analysis/Germany. Acesso em: 10 set. 2018.
JANSEN, R. S. et al. Self-regulated learning partially mediates the effect of self-regulated
learning interventions on achievement in higher education: a meta-analysis. Educational
Research Review, [S. l.], 2019.
KARAGIANNIS, S. The conflicts between science research and teaching in higher education:
an academic's perspective. International Journal of Teaching and Learning in Higher
Education, [S. l.], v. 21, n. 1, p. 75-83, 2009.
KIRAN, D. Examining the efficacy change of preservice science teachers: does an inquiry-
based laboratory instruction make a difference? A mixed method study. International
Journal of Science Education, [S. l.], v. 44, n. 9, p. 1527-1548, 2022.
KIZILCEC, R. F.; PÉREZ-SANAGUSTÍN, M.; MALDONADO, J. J. Self-regulated learning
strategies predict learner behavior and goal attainment in Massive Open Online Courses.
Computers & Education, [S. l.], v. 104, p. 18-33, 2017.
KLINE, M.; KLINE, P. M. E. C. I. M. S. M. Why the Professor Can't Teach: mathematics
and the dilemma of University Education. St. Martin's Press, 1977.
LI, K. MOOC learners’ demographics, self-regulated learning strategy, perceived learning
and satisfaction: A structural equation modeling approach. Computers & Education, [S. l.],
v. 132, n. 1, p. 16-30, 2019.
MARSH, H. W. Application of confirmatory factor analysis and structural equation
modeling in sport and exercise psychology. Handbook of Sport Psychology, 2007. p. 774-
798.
MCMASTER, U. Problem based learning. Canada, 2023. Disponível em:
https://fhshrwelcome.mcmaster.ca/did_you_know/problem-based-learning/. Acesso em: 10
mar. 2023.
MICKWITZ, A.; SUOJALA, M. Learner autonomy, self-regulation skills and self-efficacy
beliefs – How can students’ academic writing skills be supported? Language Learning in
Higher Education, [S. l.], v. 10, p. 381-402, 2020.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 20
PANADERO, E. A Review of Self-regulated Learning: six models and four directions for
research. Frontiers in psychology, [S. l.], v. 8, p. 422-422, 2017.
PANADERO, E. et al. Using formative assessment to influence self- and co-regulated
learning: the role of evaluative judgement. European Journal of Psychology of Education,
[S. l.], v. 34, n. 3, p. 535-557, 2019.
PISANTI, R.; SORACI, P.; SCHWARZER, R. The italian version of the teacher self efficacy
scale (TSES-Ita): dimensionality, internal consistency and validity. Journal of
Psychoeducational Assessment, [S. l.], v. 41, n. 2, p. 234-243, 2023.
POLYDORO, S. et al. Escala de auto-eficácia docente de educação física. In: MACHADO,
C. E. C. (ed.). Avaliação psicológica: formas e contextos. [S. l.: s. n.], 2004. , v. 10, p. 330-
337.
RUSSELL, J. M. et al. Fostering self-regulated learning in higher education: making self-
regulation visible. Active Learning in Higher Education. Sage Journals, [S. l.], p. 97-113,
2022.
SCHMIDT, M.; HANSSON, E. Doctoral students’ well-being: a literature review.
International Journal of Qualitative Studies on Health and Well-being, [S. l.], v.13, n. 1,
p. 1508171, 2018.
SCHUNK, D. H. Social cognitive theory. In: SCHUNK, D. H. (ed.). Learning theories: an
educational perspective. [S. l.]: Pearson Education, 2012. cap. 4, p. 117-162.
SCHUNK, D. H.; PAJARES, F. Self-efficacy theory. In: WENTZEL, K. et al. (ed.).
Handbook of Motivation at School: New York, NY: Routledge, 2009. cap. 3, p. 35-53.
SCHUNK, D. H.; USHER, E. L. Barry Zimmerman’s theory of self-regulated learning. In:
ZIMMERMAN, B. J. et al. (ed.). Applications of self-regulated learning across diverse
disciplines: a tribute to Barry J. Zimmerman. Charlotte, North Carolina: Information Age
Publishing, 2013.
SEROW, R. C. Research and Teaching at a Research University. [S. l.]: Springerplus,
2000. p. 449-463.
SILVEIRA, A. A.; NASCIMENTO, C. M. A crítica de Florestan Fernandes à reforma
universitária e sua atualidade. Revista Em Pauta. R.J.: Revista da Faculdade de Serviço
Social da Universidade do Estado do Rio de Janeiro, 2016.
SOCIETY, P. TEF vs REF: are teaching and research now adversaries? [S. l.]: The
Physiological Society, 2016.
STEBBINS, R. A. Exploratory research in the social sciences. [S. l.]: SAGE Publications,
2001.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 21
THIENGO, L. C.; BIANCHETTI, L. Educação superior no âmbito do BRICS: aspiração à
excelência? Educação Unisinos, [S. l.], v. 23, n. 3, p. 488-504, 2019.
TOE, D. M.; LONGARETTI, L. Teacher efficacy in high performing teachers: barriers and
enablers for new graduates. Australian Journal of Teacher Education, [S. l.], v. 47, n. 4, p.
1-20, 2022.
TRUONG, T. N. N. Psychometric properties of self-regulated learning strategies in learning
English Grammar and English Grammar Self-Efficacy Scales. Frontiers in Education, [S. l.],
v. 7, 2022.
TSCHANNEN-MORAN, M.; HOY, A. W. Teacher efficacy: capturing an elusive construct.
Teaching and Teacher Education, [S. l.], v. 17, n. 7, p. 783-805, 2001.
UNESCO. UNESCO Education Strategy 2014–2021. 2014. Disponível em:
http://unesdoc.unesco.org/images/0023/002312/231288e.pdf. Acesso em: 23 jun. 2023.
XIA, Y.; YANG, Y. RMSEA, CFI, and TLI in structural equation modeling with ordered
categorical data: The story they tell depends on the estimation methods. Behavior Research
Methods, [S. l.], v. 51, n. 1, p. 409-428, 2019.
ZIMMERMAN, B. J. Theories of self-regulated learning and academic achievement: An
overview and analysis. In: ZIMMERMAN, B. J.; SCHUNK, D. H. (ed.). Self-regulated
learning and academic achievement: theoretical perspectives. Mahwah, N.J: Lawrence
Erlbaum Associates Publishers, 2001. p. 1-37.
ZIMMERMAN, B. J. Attaining self-regulation: a social cognitive perspective. In:
BOEKAERTS, M. P.; PAUL R.; ZEIDER, M. (ed.). Handbook of self-regulation. San
Diego, Calif.: Academic Press, 2005. cap. 2, p. 13-39.
Construção e evidências de validade da escala de autorregulação no planejamento e manejo de aula no ensino superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 22
CRediT Author Statement
Agradecimentos: Gustavo Henrique Martins; Orlando Fontes Lima Jr.
Financiamento: Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq -
processo 140282/2017-3.
Conflitos de interesse: Não há conflitos de interesse.
Aprovação ética: O Comitê de Ética da Unicamp aprovou o projeto sob CAAE
45318921.0.0000.8142.
Disponibilidade de dados e materiais: Os dados utilizados estão disponíveis no repositório da
Unicamp, mostrado abaixo:
Dados dos entrevistados: https://doi.org/10.25824/redu/IKMQSW;
Escala TSES: https://doi.org/10.25824/redu/ZXV00X
Tradução livre de cargas de fator CLEA-SR: https://doi.org/10.25824/redu/A8EDZW
Configuração JASP: https://doi.org/10.25824/redu/NFKDXV
Itens originais da escala enviados aos juízes: https://doi.org/10.25824/redu/SJRGZI.
Contribuição dos autores: José Carlos Redaelli: participou da concepção da metodologia;
realizou coleta de dados, tabulação de dados, análise de dados, descrição e interpretação de
dados; e redação do texto. Soely Aparecida Jorge Polydoro: supervisionou o estudo e
metodologia, o design e fez revisões críticas. Tiago Zenker Gireli: coordenou e supervisionou
o estudo, fez a revisão final e aprovou o manuscrito.
Processamento e editoração: Editora Ibero-Americana de Educação.
Revisão, formatação, normalização e tradução.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 1
CONSTRUCCIÓN Y EVIDENCIA DE VALIDEZ DE LA ESCALA DE
AUTORREGULACIÓN EN LA PLANIFICACIÓN Y GESTIÓN DE CLASES EN
EDUCACIÓN SUPERIOR
CONSTRUÇÃO E EVIDÊNCIAS DE VALIDADE DA ESCALA DE
AUTORREGULAÇÃO NO PLANEJAMENTO E MANEJO DE AULA NO ENSINO
SUPERIOR
DEVELOPMENT AND VALIDITY EVIDENCE OF THE SELF-REGULATION SCALE
IN PLANNING AND TEACHING OF CLASSES IN HIGHER EDUCATION
José Carlos REDAELLI 1
e-mail: jcredaelli@gmail.com
Soely Aparecida Jorge POLYDORO 2
e-mail: polydoro@unicamp.br
Tiago Zenker GIRELI 3
e-mail: zenker@unicamp.br
Cómo hacer referencia a este artículo:
REDAELLI, J. C.; POLYDORO, S. A. J.; GIRELI, T. Z.
Construcción y evidencia de validez de la escala de autorregulación
en la planificación y gestión de clases en educación superior.
Revista Ibero-Americana de Estudos em Educação, Araraquara,
v. 18, n. 00, e024086, 2023. e-ISSN: 1982-5587. DOI:
https://doi.org/10.21723/riaee.v19i00.18231
| Enviado en: 06/07/2023
| Revisiones requeridas en: 28/11/2023
| Aprobado el: 10/02/2024
| Publicado el: 20/07/2024
Editor:
Prof. Dr. José Luís Bizelli
Editor Adjunto Ejecutivo:
Prof. Dr. José Anderson Santos Cruz
1
Universidad Estatal de Campinas (UNICAMP), Campinas – SP – Brasil. Doctorando, Escuela de Ingeniería
Civil, Arquitectura y Diseño Urbano (FECFAU), Área de Agua, Energía y Recursos Ambientales.
2
Universidad Estatal de Campinas (UNICAMP), Campinas – SP – Brasil. Profesor de la Facultad de Educación
(FE), Grupo de Investigación en Psicología y Educación Superior (PES).
3
Universidad Estatal de Campinas (UNICAMP), Campinas – SP – Brasil. Profesor de la Escuela Técnica Superior
de Ingeniería Civil, Arquitectura y Urbanismo (FECFAU), Área de Agua, Energía y Recursos Ambientales.
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 2
RESUMEN: Esta investigación tuvo como objetivo crear y validar una escala (CLEA-SR) para
evaluar la planificación de clases y la enseñanza de la autorregulación de los individuos a partir
del aprendizaje autorregulado. Se trata de una investigación exploratoria aplicada con abordaje
cuantitativo que involucró a 283 encuestados de Brasil, con diferentes graduaciones.
Participaron comités de expertos para encontrar evidencias de validez. Los análisis de datos
fueron descriptivos, evidencia de validez basada en el contenido, análisis factorial exploratorio
y confirmatorio, confiabilidad y precisión. Se encontraron valores satisfactorios de
confiabilidad, una gran correlación con la escala de autoeficacia docente, evidencia de validez
basada en contenido y estructuras internas. CLEA-SR podría ser utilizado como un instrumento
de evaluación pre-postgrado para estructurar programas de desarrollo docente en instituciones
de educación superior.
PALABRAS CLAVE: Evaluación. Enseñanza y aprendizaje. Enseñanza superior.
Autorregulación. Teoría social cognitiva.
RESUMO: Esta pesquisa criou e validou uma escala (AR-PLCO) para avaliar a
autorregulação de indivíduos quanto ao planejamento e condução de aulas, baseando-se na
aprendizagem autorregulada. Foi utilizada uma metodologia de pesquisa exploratória
aplicada e de natureza quantitativa que envolveu 283 respondentes do Brasil, com diferentes
níveis de pós-graduação. Juízes participaram visando encontrar evidências de validade. As
análises de dados foram descritiva, evidência de validade baseada no conteúdo, análises
fatoriais exploratórias e confirmatórias, confiabilidade e precisão. Foram encontrados valores
satisfatórios para a confiabilidade, forte correlação com a escala de autoeficácia docente,
evidência de validade baseada no conteúdo e estruturas internas. A escala AR-PLCO pode ser
usada como um instrumento de pré-pós avaliação para estruturar programas de formação de
professores do ensino superior.
PALAVRAS-CHAVE: Avaliação. Ensino e aprendizagem. Ensino superior. Autorregulação.
Teoria social cognitiva.
ABSTRACT: This research aimed at creating and validating a scale (CLEA-SR) to evaluate
class planning and teaching self-regulation of individuals based on self-regulated learning.
This is applied exploratory research with a quantitative approach involving 283 respondents
from Brazil, with different graduate degrees. Experts’ committees participated to find validity
evidence. Data Analyses were descriptive analysis, validity evidence based on content,
exploratory and confirmatory factor analyses, reliability and accuracy. Satisfactory values for
reliability, a large correlation with the teaching self-efficacy scale, validity evidence based on
content, and internal structures were found. CLEA-SR might be used as a pre-post evaluation
instrument to structure faculty development programs in higher education institutions.
KEYWORDS: Evaluation. Teaching and learning. Higher education. Self-regulation. Social
cognitive theory.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 3
Introducción
Las escuelas saben que este siglo exige una gran demanda de profesionales competentes
que hagan hincapié en la relevancia de la enseñanza y el aprendizaje. Las universidades han
intentado actualizar y mejorar su estructura de enseñanza y aprendizaje (Schmidt; Hansson,
2018). Europa se ha preocupado por la educación y sigue esforzándose por encontrar
soluciones. La Organización para la Cooperación y el Desarrollo Económicos (OCDE) ha
desarrollado el proyecto "Apoyo a la enseñanza de calidad en la educación superior" con el
objetivo de lograr prácticas de alta calidad, y la UNESCO hace hincapié en la necesidad de
mejorar la calidad de la educación (Unesco, 2014). El Ministerio Federal de Educación e
Investigación de Alemania (BMBF) y los estados federados financiaron el programa "Pacto de
Calidad para la Enseñanza", cuyo objetivo era desarrollar las condiciones de estudio y mejorar
la enseñanza y el asesoramiento en la educación superior (Innovación, 2018).
La Sociedad Americana de Ingenieros Civiles (ASCE) emitió 2 informes considerando
la necesidad de mejorar la enseñanza-aprendizaje: "Civil Engineering Body of Knowledge for
the 21st Century" (BOK), y la "Visión para la Ingeniería Civil en 2025", en respuesta a la mejora
de la enseñanza y el aprendizaje de la ingeniería. El informe de BOK enfatizó la relevancia de
las instituciones de educación superior, y los miembros de la facultad son los primeros modelos
a seguir para los ingenieros civiles (Asce, 2008). El informe Visión destacó la relevancia del
trabajo en equipo en diferentes áreas para un mejor diseño y en proyectos de investigación y
desarrollo, y que el "aprendizaje a lo largo de la vida" será la gran diferencia en el mundo de
2025 para seguir el ritmo de las transformaciones del conocimiento (Asce, 2007).
En 2019, el Ministerio de Educación, la Asociación Brasileña de Enseñanza de
Ingeniería (ABENGE) y otras agencias lanzaron nuevas directrices curriculares para las
ingenierías (DCN) en Brasil. Afirmaron que los cursos de graduación en ingeniería deben estar
alineados con el plan pedagógico y mantener programas permanentes de desarrollo docente que
valoren la enseñanza y las actividades interdisciplinarias. Los docentes deben estar más
comprometidos con las competencias de los estudiantes graduados, y las instituciones deben
definir indicadores clave para la evaluación de estos programas y valorar el trabajo de los
docentes (Abenge, 2023).
La Escuela de Posgrado es un espacio de articulación para la docencia y la investigación,
para el desarrollo de la ciencia y la tecnología (Fernandes, 2020; Silveira; Nascimento, 2016).
Los académicos universitarios tienen funciones de investigadores y profesores y para ser un
buen profesor hay que ser un buen investigador. La promoción y el salario dependen
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 4
enteramente de la situación de la investigación. Las actividades de los investigadores
incrementan sus valores y su progreso personal sin tener en cuenta sus obligaciones con los
estudiantes, estableciendo un sufrimiento especial en los jóvenes doctorandos (Kline; Kline,
1977). Los premios a la docencia, los mejores salarios, otros beneficios y otras afirmaciones de
la relevancia de la enseñanza no cambiarán el hecho de que una universidad intensiva en
investigación seguirá dependiendo de la producción de investigación (Serow, 2000). Como otro
ejemplo de conflicto entre la enseñanza y la investigación, la participación en áreas de
cooperación entre los países BRICS debe cumplir con algunos requisitos. Las propuestas deben
estar vinculadas a la Educación Superior pública o privada con Escuelas de Posgrado
recomendadas por la CAPES que tengan notas superiores o iguales a seis (Thiengo; Bianchetti,
2019). Se considera que los grados 6º y 7º tienen un estándar internacional de excelencia (EES-
USP, 2022) y esto se logra mediante proyectos de investigación de alto nivel.
La brecha entre lo que las escuelas de posgrado ofrecen hoy y lo que se requiere se
complementa con el conflicto de investigación y enseñanza en Brasil y en el exterior (Bishop,
2018; Inglaterra et al., 2021; Heekin, 2019; Karagiannis, 2009; Kline; Kline, 1977; Serow,
2000; Sociedad, 2016; Thiengo; Bianchetti, 2019).
La pregunta de investigación fue: "¿Cómo se puede desarrollar y validar un instrumento
que pueda guiar la autorregulación de los individuos de educación superior para la planificación
y enseñanza de clases?". El objetivo principal fue "Desarrollar y validar una escala (CLEA-SR)
para evaluar la Planificación de la Clase y la Autorregulación Docente de individuos con
diferentes grados académicos en educación superior". Los Objetivos Específicos fueron:
"Búsqueda de evidencias de validez de CLEA-RS basadas en el Contenido y en las Estructuras
Internas"; "búsqueda de la fiabilidad de CLEA-SR"; "búsqueda de evidencias de validez de
CLEA-RS basadas en la autoeficacia docente", y en otras variables.
Este artículo forma parte de la tesis doctoral en curso del investigador principal (IP) en
la Facultad de Ingeniería Civil de la Facultad de Ingeniería Civil, Arquitectura y Diseño Urbano,
de la Unicamp, Brasil.
Revisión de la literatura
La teoría cognitiva social afirma que la mayoría del aprendizaje de los individuos se
produce en el entorno social y al presenciar cómo otros desarrollan la comprensión, la
regulación, las habilidades, las estrategias, las creencias y las convicciones (Schunk, 2012).
Uno puede encontrar un gran cuerpo de motivadores dentro de la teoría cognitiva social. La
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 5
autoeficacia (EE) es una de ellas. Es un constructo relacionado con la autoevaluación de las
habilidades de los individuos para completar cursos de acción y conduce a su motivación, que
se puede ver en sus esfuerzos y comportamiento ante los obstáculos. Actúa como mediador de
otros factores como el establecimiento de objetivos y las expectativas de resultados. Esta
resiliencia hace que los individuos sean más autoeficaces, adaptando sus logros y bienestar
(Bandura; Cervone, 2023). Con el objetivo de conocer cómo los estudiantes podían adquirir su
propio desarrollo de aprendizaje, el aprendizaje autorregulado (SRL), otro constructo de esta
teoría apareció a mediados de la década de 1980. Los individuos autorregulados se comportan
de manera proactiva en lugar de reaccionar ante sus ocurrencias de enseñanza, demostrando
iniciativa, resiliencia y habilidades (Zimmerman, 2001). La SRL tiene una relevancia crucial
para el logro de los individuos en la educación superior (Jansen et al., 2019). El modelo de SRL
cíclico del profesor Zimmerman es el más conocido y utilizado por los estudiosos (Panadero,
2017). Está compuesto por fases de previsión, desempeño y autorreflexión, donde se
retroalimentan las siguientes y promueven el carácter cíclico de autorregulación (RS) (Panader
et al., 2019; Zimmerman, 2005). La fase de previsión allana el camino apuntando al desarrollo
del comportamiento, donde se produce el establecimiento de metas y diseños estratégicos. La
fase de desempeño está relacionada con el compromiso de la tarea, que requiere esfuerzos y
altera la concentración y la acción. La fase de autorreflexión ocurre después del esfuerzo de
finalización, lo que cambia la reacción del individuo a esa práctica (Cleary; Labuhn, 2013;
Schunk; Usher, 2013; Zimmerman, 2005).
El desarrollo de la escala CLEA-SR se basa en el modelo cíclico SRL del profesor
Zimmerman. Una escala similar basada en el modelo del profesor Zimmerman no se ha
encontrado en Brasil y en el exterior en bases de datos como los archivos de Web of Science,
Scopus y RIAEE, desde 2019 hasta la fecha. Las palabras clave utilizadas para las búsquedas
en inglés y su equivalente en portugués brasileño fueron: autorregulación, aprendizaje
autorregulado, modelo cíclico de aprendizaje autorregulado, escala, inventario, cuestionario,
instrumento y educación superior.
Metodología
Se trata de una investigación exploratoria aplicada (Stebbins, 2001) con un enfoque
cuantitativo. APA, la Asociación Americana de Psicología, AERA, la Asociación Americana de
Investigación Educativa y NCME, el Consejo Nacional de Medición en Educación han
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 6
actualizado la edición 2014 de "The Standards for Educational and Psychological Testing"
(Aera-Apa-Ncme, 2014), que explica los estándares para la creación y adaptación de escalas.
Estos se utilizaron para esta investigación. El método utilizado en esta investigación es el
siguiente.
En cuanto a los participantes, participaron en esta investigación un total de 283
encuestados, con edades comprendidas entre los 23 y los 78 años (M = 40,5; DE = 12,9), y la
mayoría de las mujeres (55,47 %), con títulos de maestría (18%), maestría en curso (18%),
doctorado (31%) y doctorado en curso (32%). Provenían de la región Norte (n = 2), Nordeste
(n = 25), Sur (n = 28), Sudeste (n = 221) y Centro Oeste (n = 7) de Brasil. Un total de 153
encuestados (54%) pertenecían a universidades estatales, 70 (25%) a universidades federales y
60 (21%) a universidades privadas.
Los encuestados pertenecían a diferentes grupos de áreas de conocimiento: Medicina
(n=61), Ingeniería (n=81), Educación (n=65) y otros (n=76).
Se crearon un total de 2 comités de expertos para trabajar sobre la escala original para
verificar su validez. Un comité se encargó del análisis de los ítems de la escala CLEA-SR, y
estuvo compuesto por cinco expertos (cuatro doctores y un máster) con experiencia en la
enseñanza y en los constructos de la teoría cognitiva social. El segundo comité se ocupó del
análisis de la semántica de los ítems de la escala CLEA-SR, y estuvo compuesto por siete
expertos (un doctorado, cuatro doctores en curso, un máster y un máster en curso) sin
experiencia en constructos de teoría cognitiva social.
En cuanto a los instrumentos, estos fueron un cuestionario sociodemográfico y de
caracterización de los encuestados, la versión final de la escala CLEA-SR, creada en esta
investigación, y la escala de autoeficacia docente.
CLEA-SR es una escala de 1 factor con 32 ítems en su versión final, que abarca tres
fases del modelo SRL, planificación, ejecución y autorreflexión. Se trata de una escala Likert
de 5 puntos que va del 1 al 5, totalmente en desacuerdo y totalmente de acuerdo
respectivamente.
La escala de autoeficacia docente (TSES) es una escala de 2 factores (intencionalidad
docente y gestión de la clase) con 24 ítems. Se trata de una escala Likert de 6 puntos que va del
1 al 6, muy de acuerdo con totalmente en desacuerdo respectivamente. Esta escala se ha
utilizado en esta investigación para corroborar la correlación con CLEA-SR, mostrando la
importancia de la RS y la SE en la enseñanza y aumentando la fiabilidad de la CLEA-SR. Esta
escala tuvo una adaptación transcultural a la lengua portuguesa brasileña por Polydoro et al.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 7
(2004) de la escala de sentido de eficacia de los maestros-TSES, nombrada originalmente como
Escala de Eficacia de los Maestros del Estado de Ohio-OSTES (Tschannen-Moran; Hoy, 2001).
En cuanto a los procedimientos, el comité de ética de la universidad aprobó esta
investigación con el número CAAE 45318921.0.0000.8142, que cumple con las leyes 466 y
510 (Guerriero; Minayo, 2019) sobre la confidencialidad. El comité de expertos para el análisis
de los ítems de CLEA-SR tuvo la responsabilidad de verificar cada uno de los 89 ítems de la
versión original de la escala CLEA-SR según el enfoque teórico (modelo de aprendizaje
autorregulado cíclico). El comité de expertos para el análisis de la semántica de los ítems de la
CLEA-SR tuvo la responsabilidad de actuar como respondientes a los 32 ítems de la nueva
versión y verificar que estos ítems fueran claros y comprensibles. Estos dos comités buscaron
evidencia de validez basada en el contenido.
La encuesta se realizó a través de un cuestionario de formulario de Google con estos
instrumentos de investigación y se dirigió a personas en redes sociales, sabiendo que el tiempo
promedio para responderlo sería de 25 minutos. Los encuestados podían responder el
cuestionario después de confirmar que tenían al menos 18 años y que tenían títulos de maestría
en curso, maestría, doctorado en curso o doctorado y que estaban de acuerdo con el Formulario
de Consentimiento Informado. Sabían que podían interrumpir su participación en cualquier
momento sin que les hiciera daño. Los datos se recopilaron desde finales de 2021 hasta
principios de 2022.
Análisis de datos
Los análisis fueron los siguientes: análisis descriptivo de los datos de la muestra; análisis
de la evidencia de validez basado en el contenido; análisis factorial exploratorio (AFE) con
mínimos cuadrados ponderados (WLS) como método de estimación y análisis factorial
confirmatorio (AFC) con mínimos cuadrados ponderados diagonalmente (DWLS) como
método de estimación para observar la estructura interna de la escala CLEA-SR; fiabilidad y
precisión de la escala verificando los coeficientes alfa y omega; validez de la relación de las
puntuaciones de la escala CLEA-SR con la puntuaciones de la escala de autoeficacia docente
mediante correlación de Pearson; comparando las diferencias de medias de la RS con los títulos
de educación académica, con los grupos de área de los encuestados utilizando ANOVA, con los
cursos dentro del grupo de área de ingeniería, con la experiencia docente de educación básica
y superior utilizando la prueba T, y con la edad de los encuestados utilizando la correlación r
de Pearson. En todos los análisis se utilizó el programa JASP 0.16.1.0. La aplicación de
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 8
RMSEA, CFI y TLI ha sido reportada por Xia y Yang (2019). De acuerdo con Cohen (1992),
los tamaños del efecto de las diferencias se interpretan como pequeños (d ≥ 0.20), medianos (d
≥ 0.50) y grandes (d ≥ 0.80), y la correlación de Pearson "r" como pequeña (r >= 0.10), mediana
(r >= 0.30) y tan grande (r > = 0.50). La interpretación de los índices de ajuste sugerida por
Marsh (2007) es: CFI ≥ 0,90 (aceptable) y ≥ 0,95 (excelente), TLI ≥ 0,90 (aceptable) y ≥ 0,95
(excelente), RMSEA ≤ 0,08 (aceptable) y ≤ 0,05 (excelente).
Resultados
En cuanto a la evidencia de validez de contenido, el comité de expertos para los ítems
de la escala CLEA-SR evaluó la versión original de CLEA-SR (89 ítems) siguiendo el enfoque
teórico del modelo SRL cíclico del Prof. Zimmerman. Después de estos análisis, la versión final
tenía 32 ítems. El comité de expertos para el análisis de la semántica de los ítems de la escala
CLEA-SR evaluó la versión final e informó que todos los ítems eran claros y comprensibles y
que no sería necesario realizar ningún cambio. Estos dos comités encontraron la evidencia de
validez basada en el contenido. El recuadro 1 muestra la versión final de la escala CLEA-SR.
Frame 1 – CLEA-SR Scale.
Elemento
1. Considero las características de los estudiantes al planear la clase.
2. Considero el tiempo previsto de clase para planearla.
3. Escojo las estrategias más adecuadas para conducir la clase.
4. Procuro evaluar si tengo el conocimiento previo necesario para la clase.
5. Reservo el tiempo necessário para planear la clase.
6. Planeo el material que será enviado con antelación a los estudiantes.
7. Detallo las etapas de la clase.
8. Planeo algunas preguntas para manter la atención de los estudiantes.
9. Planeo la estructura del ambiente físico o virtual que se utilizará para la clase.
10. Procuro prever eventos inesperados para anticipar las acciones.
11. Me siento capaz de planear la clase para conseguir los objetivos establecidos.
12. Considero esta clase como una oportunidad de autoaprendizaje.
13. Yo presento la programación de la clase a los estudiantes, desde el inicio.
14. Evalúo si la calidad de la clase está de acuerdo con lo planeado.
15. Motivo a los estudiantes para que hagan preguntas durante la clase.
16. Evalúo si las actividades sugeridas despiertan la atención de los estudiantes.
17. Frente a las dificultades al dar la clase, digo a mi mismo que voy encontrar una solución.
18. Durante la clase, uso flujogramas, figuras e imagens en la clase para ayudar mi clase.
19. Cuando es necesario, busco ayuda.
20. Para superar mis dificultades, identifico momentos semejantes en los que tuve éxito.
21. Procuro monitorear mis acciones, pensamientos y motivación para asegurar la calidad de la clase.
22. Procuro identificar las dificultades de comprensión de los estudiantes.
23. Escribo sobre las estrategias y acciones que fallaron y las que tuvieron éxito.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 9
24. Comparto con los estudiantes el valor que le doy a la clase.
25. Verifico si la duración de la clase estuvo de acuerdo a lo planeado.
26. Verifico si el contenido se presentó de acuerdo a lo planeado.
27. Después de terminada la clase, les pregunto a los estudiantes cómo podre mejorarla.
28. Después de terminada la clase, revalúo la calidad de: internet, luminosidad y ruído.
29. Después del término de la clase, evalúo si las estrategias utilizadas lograron los objetivos de la clase.
30. Identifico el éxito y las fallas durante la clase.
31. Siento satisfacción aun frente a las dificultades durante la clase.
32. Me siento capaz de efectuar adaptaciones para las futuras clases con base a los resultados de esta
clase.
Fuente: Elaboración propia.
La escala CLEA-SR contó con 32 ítems en su versión final.
En cuanto a la evidencia de validez basada en la estructura interna, se realizó un análisis
exploratorio y confirmatorio de 3 factores. Teniendo KMO (0,92) y Bartlett (X2 = 3936,00; df
= 496,00; p < 0,001), estos parecían indicar que tres factores podrían ser la mejor solución para
la escala CLEA-SR. Aunque esta parecía ser la mejor solución, los índices de ajuste obtenidos
en este análisis factorial exploratorio mostraron que el modelo de 3 factores no era adecuado
debido a la prueba de Chi-cuadrado (X2 = 860,25; df = 403; p < 0,001) y RMSEA = 0,06 y TLI
= 0,84. Además, en la tabla 1 se muestran las cargas de 3 factores.
Tabla 1 - Cargas de 3 factores CLEA-SR.
Artículos CLEA-SR
Cargas factoriales
Fator 1
Fator 2
Fator 3
Planificación
12
0.76
-0.19
0.15
11
0.68
0.05
0.05
8
0.65
-0.15
-0.10
9
0.59
0.04
-0.05
7
0.54
0.12
-0.13
3
0.52
0.05
0.30
5
0.48
0.12
0.18
10
0.48
0.03
-0.22
1
0.34
0.10
0.15
6
0.32
0.20
0.13
4
0.30
0.01
0.51
2
0.29
0.17
0.55
Ejecución
17
0.72
0.09
-0.02
15
0.58
0.03
0.20
21
0.53
0.14
-0.02
22
0.51
0.19
0.11
20
0.49
0.08
-0.04
16
0.44
0.18
0.19
13
0.41
0.28
-0.07
19
0.38
0.13
0.11
24
0.36
0.07
-0.26
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 10
18
0.34
0.17
0.24
14
0.31
0.34
0.04
23
0.22
0.07
-0.26
Autorreflexión
32
0.56
0.13
-0.03
31
0.54
0.39
-0.29
27
0.25
0.47
-0.29
26
0.16
0.48
0.37
25
-0.09
0.60
0.35
28
0.07
0.67
-0.18
30
0.06
0.64
0.11
29
0.02
0.80
0.01
Fuente: Elaboración propia.
Se puede ver que esas cargas factoriales no eran coherentes con la estructura teórica de
CLEA-SR.
Se realizó un análisis confirmatorio de 3 factores para todos los ítems de las fases
CLEA-SR. El análisis tuvo buenos índices de ajuste (X2 = 450,52, df = 461; p = 0,63; CFI = 1;
TLI = 1; RMSEA = 0). Las cargas factoriales fueron superiores a 0,30 con una media de 0,56
para la planificación, 0,58 para la ejecución y 0,60 para la autorreflexión. Aunque esos
resultados parecían ser buenos, las correlaciones factoriales fueron grandes. El factor 1 con el
factor 2, el factor 1 con el factor 3 y el factor 2 con el factor 3 tuvieron correlaciones de 0,89,
0,75 y 0,91 respectivamente, lo que indica que estos factores evaluaron cosas similares.
Sabiendo que el modelo de 3 factores no era la mejor solución, se realizó el análisis de
1 factor. El resultado fue la mejor solución para esta escala, mostrando una solución más
parsimoniosa para la estructura CLEA-SR. El análisis tuvo buenos índices de ajuste (X2 =
517,57; df = 464; p = 0,04; CFI = 1; TLI = 1; RMSEA= 0,020). La Tabla 2 muestra las cargas
de 1 factor.
Tabla 2 – Cargas factoriales de análisis de 1 factor con todos los números de artículos de
CLEA-SR.
Factor teórico
Planificación
Ejecución
Autorreflexión
Números de artículos de CLEA-SR
1
0.42
13
0.43
25
0.46
2
0.47
14
0.59
26
0.62
3
0.57
15
0.63
27
0.47
4
0.44
16
0.62
28
0.53
5
0.52
17
0.71
29
0.64
&
6
0.48
18
0.48
30
0.59
Cargas factoriales
7
0.50
19
0.53
31
0.50
8
0.63
20
0.52
32
0.62
9
0.65
21
0.66
10
0.50
22
0.66
11
0.53
23
0.51
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 11
12
0.57
24
0.49
Fuente: Elaboración propia.
Son buenos valores, por encima de 0,40, con una media de 0,55.
La Tabla 3 muestra la confiabilidad de la escala CLEA-SR.
Tabla 3 - Fiabilidad de la escala CLEA-SR.
Estimar
McDonald's ω
La α de Cronbach
Estimación puntual
0.93
0.94
Límite inferior de IC del 95%
0.92
0.92
Límite superior de IC del 95%
0.94
0.95
Source: Created by the authors.
Esos son buenos valores omega y alfa para la confiabilidad de la escala CLEA-SR
La confiabilidad de la escala de autoeficacia docente tuvo omega igual a 0,94
(intencionalidad docente) y 0,89 (gestión de la clase).
En la Tabla 4 se muestra la correlación entre CLEA-SR y la autoeficacia docente.
Tabla 4 - Correlación entre CLEA-SR y la Escala de Autoeficacia Docente.
Variable
Báscula CLEA-
SR
Escala de Autoeficacia del Profesor (Factores)
Enseñanza_intencionalidad
Clase_Administración
1. Propio_regulación
—
2. Enseñanza_intencionalidad
0.673a
—
3. Clase_Administración
0,635 A
0.909a
—
Notas: ap < .001; p =; p = significación estadística.
Fuente: Elaboración propia.
Se encontró una gran correlación (r=0,673; r=0,635) utilizando el análisis r de Pearson.
En la Tabla 5 se muestra el ANOVA y el análisis Post-hoc para comparar las diferencias
de medias de autorregulación (RS) con los grados de formación académica.
Tabla 5 - Autorregulación relacionada con los grados de formación académica.
Acad. Educ.
Significar
SD
n
Comparación
pTukey
d
F
p
Maestro
4.22
0.53
51
Master_Ongoing
0.53
0.27
2.007
0.113
Doctorado
0.98
0.07
Master_Ongoing
4.08
0.57
51
PhD_Ongoing
1.00
0.04
Doctorado
0.22
0.34
Doctorado
4.25
0.45
88
PhD_Ongoing
0.19
0.30
PhD_Ongoing
4.10
0.55
93
Maestro
0.57
0.23
Notas: Acad. Educ. = Educación Académica; SD = desviación estándar; n = número de encuestados;
ptukey = significación estadística de la prueba post hoc de Tukey; d = tamaño del efecto d de Cohen; F
= estadístico de prueba ANOVA; p = significación estadística.
Fuente: Elaboración propia.
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 12
El máster tuvo una puntuación más alta que la maestría en curso y una puntuación más
alta que el doctorado en curso, todos con un tamaño de efecto pequeño a mediano de d = 0,267
y d = 0,226 respectivamente. El doctorado tuvo una puntuación más alta que la maestría en
curso y una puntuación más alta que el doctorado en curso, todos con un tamaño del efecto
pequeño a mediano de d = 0,298 y d = 0,339 respectivamente.
En la Tabla 6 se muestran las áreas de estudio de los encuestados divididas en cuatro
grupos.
Tabla 6 - Grupos de áreas de conocimiento.
Grupos de Áreas de Conocimiento
Qtd.
Ingeniería
81
Médico
61
Educación
65
Otros
76
Notas: Qtd. = cantidad.
Fuente: Elaboración propia.
El grupo de ingeniería tenía ingeniería civil, arquitectura, ingeniería sanitaria e
ingeniería eléctrica; el grupo médico tenía medicina, nutrición, odontología, farmacia,
enfermería, tecnología de alimentos, ciencias biológicas y educación física; el grupo de
educación tenía enseñanza de ciencias, psicología educativa, educación especial y trastornos
del desarrollo; y otros grupos tenían bioquímica, matemáticas, física, contabilidad, derecho,
geografía e historia.
En la Tabla 7 se muestra el análisis ANOVA para comparar las diferencias de medias de
RS entre las áreas de estudio de los grupos de encuestados.
Tabla 7 - ANOVA y Post-hoc: Relación CLEA-SR con los grupos de áreas de los
encuestados.
Grupos de área
Significar
SD
n
Comparación
pTukey
d
F
p
Médico
4.1
0.56
61
Ingeniería
0.53
0.23
2.74
0.04
Ingeniería
4.22
0.5
81
Educación
0.86
0.13
Otros
0.25
0.3
Otros
4.06
0.49
76
Médico
0.98
0.07
Educación
4.29
0.53
65
Médico
0.19
0.36
Otros
0.06
0.43
Notas: SD = desviación estándar; n = número de encuestados; ptukey = significación estadística de la
prueba post hoc de Tukey; d = tamaño del efecto d de Cohen; F = estadístico de prueba ANOVA; p =
significación estadística.
Fuente: Elaboración propia.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 13
El grupo de educación tuvo la puntuación más alta (4,29) y el grupo de otros, la más
baja (4,06). El grupo educativo, con un tamaño de efecto pequeño a mediano, tuvo una
puntuación más alta que el grupo médico (d=0,36) y el grupo otros (d=0,43). El grupo de
ingeniería, con un tamaño del efecto pequeño a mediano, tuvo una puntuación más alta que el
grupo de otros (d=0,3) y con un tamaño del efecto pequeño, tuvo una puntuación más alta que
el grupo médico (d=0,23).
La Tabla 8 puede mostrar el grupo de ingeniería dividido en el grupo A y el grupo B.
Cuadro 8 - Grupo de Ingeniería de los Encuestados.
A/B
Área
Qt.
Un
Arquitectura
2
Arquitectura, Tecnología y Ciudad
1
Ingeniería Sanitaria
2
Ingeniería Ambiental
1
Ingeniería civil
14
Ingeniería Civil - Recursos Hídricos, Energéticos y Ambientales
1
Ingeniería Urbana
1
Urbanismo - Arquitectura
1
B
Ingeniería
52
Ingeniería Informática
1
Ingeniería eléctrica
2
Ingeniería de Calidad
1
Ingeniería Química
2
Fuente: Elaboración propia.
El grupo A tenía 23 encuestados y el grupo B, 58 encuestados, para separar los cursos
de ingeniería civil y similares de los demás.
En la Tabla 9 se muestra una comparación entre ambos grupos.
Tabla 9 - Comparación entre el Grupo A y el Grupo B.
Grupo A
Grupo B
t
p
d
M
SD
M
SD
Autorregulación
4.24
0.45
4.21
0.53
-0.28
0.78
0.07
Notas: M = media; SD = desviación estándar; t = Estadístico t de la prueba de Student; p =
significación estadística; d = Tamaño del efecto d de Cohen.
Fuente: Elaboración propia.
No se encontraron diferencias significativas entre ambos grupos.
En la Tabla 10 se muestran las diferencias medias de RS entre los encuestados con y sin
experiencia docente en educación básica y superior.
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 14
Tabla 10 - Relación de CLEA-SR con la experiencia docente: análisis de la prueba T.
Experiencia Docente
M (SR)
SD
t
p
d
Educación básica
NO
4.16
0.5
-0.266
0.79
0.035
SÍ
4.17
0.6
ÉL
NO
4.03
0.54
-3,782
< .001
0.453
SÍ
4.27
0.48
Notas: SR: Autorregulación; M = media; SD = desviación estándar; t = Estadístico t de la prueba de
Student; p = significación estadística; d = tamaño del efecto d de Cohen; HE = Educación Superior.
Fuente: Elaboración propia.
Para aquellos con experiencia docente en educación básica en comparación con aquellos
sin experiencia, no se encontraron diferencias, con un tamaño del efecto cercano a nulo
(d=0,035). Teniendo en cuenta la experiencia docente en educación superior, se encontraron
diferencias entre quienes tenían y no experiencia docente, con un tamaño de efecto cercano a
la media (d=0,453).
La Tabla 11 muestra la relación de CLEA-SR con la edad de los encuestados.
Tabla 11 - Relación de CLEA-SR con la edad de los encuestados - Correlación de Pearson.
Variable
Edad
Autorregulación
1. Edad
1
2. Autorregulación
0.188a
1
Notas: ap < .01; p = significación estadística.
Fuente: Elaboración propia.
Se encontró una correlación de Pearson pequeña a mediana y significativa (r=0,188)
entre la edad de los encuestados y la RS.
Discusión
Esta investigación creó un instrumento (CLEA-SR) con el objetivo de mejorar la
enseñanza y el aprendizaje en la educación superior y cumple con los requisitos de los informes
BOK y Vision de ASCE-Sociedad Americana de Ingenieros Civiles (Asce, 2007; 2008) y las
nuevas directrices curriculares para la ingeniería (DCN) de Brasil (Abenge, 2023).
La evidencia de validez basada en el contenido fue encontrada por el comité de expertos
para el análisis de los ítems originales de la escala CLEA-SR, y por el comité para el análisis
de la semántica de los ítems de la versión final de la escala CLEA-SR. Se encontró evidencia
de validez basada en la Estructura Interna con índices de ajuste satisfactorios y factores de carga
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 15
explicando la escala de estructura de 1 factor como la mejor solución, y la escala de
confiabilidad alfa y omega con valores satisfactorios.
Se encontraron otras evidencias de validez sobre la relación de la CLEA-SR con otras
variables. Utilizando el análisis r de Pearson, se encontró una gran correlación entre la escala
CLEA-SR y la escala de autoeficacia docente (TSES), la versión adaptada brasileña. La versión
original del TSES estadounidense es una escala bien conocida y se ha utilizado en muchos
proyectos de investigación en todo el mundo (Amirian et al., 2023; Deng et al., 2022; Kiran,
2022; Pisanti; Soraci; Schwarzer, 2023; Dedo del pie; Longaretti, 2022).
Los encuestados con el título de maestría tuvieron una puntuación más alta que la
maestría en curso y el doctorado en curso con un tamaño de efecto pequeño/mediano; el
doctorado tuvo una puntuación más alta que la maestría en curso y el doctorado en curso, con
un tamaño de efecto medio. Esto podría sugerir que las personas con títulos de maestría y
doctorado ya no están influenciadas por la cultura de la educación superior, con muchas
demandas como proyectos de investigación, publicación de artículos y participación en
congresos. Investigación desarrollada por Evans et al. (2018) mostró que los estudiantes de
posgrado en los EE. UU. eran más depresivos y ansiosos que la población general. Otra
investigación desarrollada por Schmidt y Hansson (2018) reportó problemas con los estudiantes
de doctorado, que podrían volverse más graves hoy en día cuando las personas en todo el mundo
sufren con la pandemia de COVID-19, donde los entornos de las aulas tenían severas
restricciones, lo que llevó a la "enseñanza remota de emergencia (ERT)". Eso hizo que los
individuos se sintieran más ansiosos y cuanto mayor es la ansiedad, menor es la autoeficacia
(Han; Vaculíková; Juklová, 2022).
Al tener el grupo de educación, el puntaje más alto (4,29) se esperaba para sus estudios
regulares sobre el comportamiento de los individuos y la psicología educativa. No se esperaba
que el grupo médico tuviera una puntuación baja (4,1). Esto podría haber sucedido porque este
grupo estaba compuesto por otros cursos además de medicina. Los cursos de medicina suelen
estar relacionados con la enseñanza y el aprendizaje. El concepto de Aprendizaje Basado en
Programas (ABP) fue pionero en la Facultad de Medicina de McMaster en la década de 1960,
como un nuevo enfoque de la educación médica (McMaster, 2023). El concepto de Aprendizaje
Basado en la Experiencia (ExBL), que tiene como objetivo la mejora de la enseñanza en el siglo
XXI, también es común en este ámbito (Dornan et al., 2019).
Al dividir el grupo de ingeniería en el grupo A con ingeniería civil y similares (como
arquitectura e ingeniería sanitaria), y en el grupo B con otras carreras como ingeniería
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 16
informática e ingeniería eléctrica, no se encontró diferencia significativa entre ellos. Una
limitación aquí podría ser el caso de que la mayoría de los encuestados que informaron sobre
el curso de ingeniería no especificaron qué ingeniería.
Se encontró una correlación pequeña-mediana y significativa entre la edad de los
encuestados y la SR, mostrando que, a mayor edad, mayor SR. Kizilcec; Pérez-Sanagustín y
Maldonado (2017) descubrieron que los estudiantes mayores eran más estratégicos a la hora de
establecer sus objetivos en los MOOC, involucrando a estudiantes de todo el mundo, lo que
contradice lo encontrado por Li (2019) en un estudio con estudiantes latinoamericanos con
cursos en español. Además, se puede encontrar un vacío en la literatura sobre las relaciones
entre SR y edad.
En las siguientes líneas se muestran algunos estudios de la literatura sobre
autorregulación y autoeficacia, que ayudan a corroborar los hallazgos de esta investigación.
Mickwitz y Suojala (2020) desarrollaron un estudio de enfoque cuantitativo-cualitativo
y reportaron la relevancia de las estrategias de autorregulación y las creencias de autoeficacia.
Truong (2022) encontró que la autoeficacia de la gramática inglesa tenía una correlación
significativa con las estrategias de aprendizaje autorregulado (SRL) en el aprendizaje de la
gramática. Russel y sus colegas de una universidad australiana de investigación intensiva
desarrollaron un estudio (Russell et al., 2022) con el objetivo de examinar las prácticas docentes
y la experiencia en la enseñanza de 10 educadores electos para promover la SRL de los alumnos
en diferentes cursos. Los educadores hablaron sobre la relevancia de sus acciones para la
corregulación de los estudiantes a través de estrategias implícitas como: diseño de tareas,
instrucción, evaluación, retroalimentación y estrategias de modelado. Investigadores de
Australia y España (Broadbent et al., 2022) demostraron que el modelo de SRL se puede adaptar
generalmente a diferentes asignaturas y cursos y que la teoría cognitiva social opera como un
marco teórico sólido para la creación de instrumentos para evaluar la SR. Se encontraron buenos
resultados cuando se realizaron intervenciones con profesores de secundaria involucrando el
conocimiento de SRL y SE como parte de su desarrollo profesional (Cleary et al., 2022).
Schunk y Pajares (2009) enfatizaron la magnitud de los ambientes escolares para
aumentar un alto sentido de eficacia, o posiblemente debilitarlo si no se le otorga estímulo. Es
relevante crear un ambiente y una cultura que alienten a los estudiantes a tomar riesgos. Esto
debe estar alineado con los procesos de enseñanza para fomentar a los estudiantes. La SR del
educador juega un papel importante en los procesos para fomentar la SR de los estudiantes.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 17
Conclusión
En este estudio se investigaron las propiedades psicométricas de la escala CLEA-SR.
Los resultados indicaron que la escala creada para medir la autorregulación en la planificación
e impartición de clases en la educación superior cuenta con evidencias de validez y es confiable.
Además, tiene relación con variables como la autoeficacia docente, los grados de formación
académica, las áreas de conocimiento, la experiencia docente en educación básica y superior y
la edad de los encuestados, lo que mejora su validez.
La escala CLEA-SR puede ser utilizada como un instrumento de evaluación prepos para
estructurar programas de desarrollo docente en instituciones de educación superior. Podría
identificar las debilidades y fortalezas de los maestros en la planificación, la enseñanza y la
autorreflexión sobre sus clases. Esto podría traer una actualización continua de los programas,
que promuevan la mejora de la cultura de enseñanza y aprendizaje y la retroalimentación a los
maestros sobre las estrategias de autorregulación relacionadas con sus clases. Estos deben estar
dirigidos a profesores actuales y estudiantes de posgrado que impartirán clases en el futuro. Al
ser autorregulados en la planificación y enseñanza de sus clases, los profesores pueden fomentar
la autorregulación en sus alumnos y ser modelos para seguir para ellos. Otras escalas como la
de autoeficacia docente (TSES) pueden utilizarse como herramientas de apoyo.
Hemos estado viviendo en un mundo globalizado con una alta integración en las
comunicaciones, y se ha dispuesto de una gran cantidad de recursos nuevos y actualizados para
videoconferencias y otros recursos. Las personas vinculadas a la educación no solo tienen que
lidiar con esta avalancha de recursos por aprender, sino también con las relaciones entre
estudiantes, docentes, investigadores y otros actores. Esperemos que los futuros docentes estén
mejor preparados para contribuir a una educación superior más saludable. Este estudio, junto
con otros de la literatura, corroboran que el modelo de aprendizaje autorregulado puede
diseñarse ampliamente para diferentes asignaturas y cursos académicos.
Las escuelas deben invertir en proyectos de investigación como: el uso de la escala
CLEA-SR para evaluar los efectos de las intervenciones de los programas de desarrollo
docente; ampliar los estudios de evidencia de validez para incluir los perfiles de otros docentes
y estudiantes de posgrado; Comparación de los resultados de la investigación con los programas
de la facultad de otras instituciones.
Este estudio hace una contribución a la investigación y a la teoría y arroja luz sobre
cómo mejorar la autorregulación de los profesores en relación con sus clases, planificación y
enseñanza en diferentes cursos de educación superior y otros programas educativos.
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 18
REFERENCIAS
ABENGE. National Commision for Engineering New Guidelines Implementation. 2023.
Disponible en: http://www.abenge.org.br/dcn_2019.php. Acceso en: 10 marzo 2023.
AERA-APA-NCME. Standards for educational and psychological testing. Washington,
DC: American Educational Research Association, 240 p, 2014.
AMIRIAN, S. M. R. et al. The contribution of critical thinking and self-efficacy beliefs to
teaching style preferences in higher education. Journal of Applied Research in Higher
Education, [S. l.], v. 15, n. 3, p. 745-761, 2023.
ASCE. The Vision of Civil Engineering in 2025. 2007. Disponible en:
http://www.asce.org/uploadedFiles/About_Civil_Engineering/Content_Pieces/vision2025.pdf.
Acceso en: 10 nov. 2018.
ASCE. Civil Engineering Body of Knowledge for the 21st Century-Preparing the Civil
Engineer for the Future. 2008. Disponible en:
https://www.asce.org/uploadedFiles/Education_and_Careers/Body_of_Knowledge/Content_P
ieces/body-of-knowledge.pdf. Acceso en: 10 nov. 2018.
BANDURA, A.; CERVONE, D. Social Cognitive Theory: an Agentic Perspective on
Human Nature. Wiley, 2023.
BISHOP, D. What are metrics good for? Reflections on the Research Excellence
Framework (REF) and Teaching Excellence Framework (TEF). [S. l.: s. n.], 2018. v. 24.
BROADBENT, J. et al.The self-regulation for learning online (SRL-O) questionnaire.
Metacognition and Learning, [S. l.], 2022.
CLEARY, T. J. et al. Professional development in self-regulated learning: Shifts and
variations in teacher outcomes and approaches to implementation. Teaching and Teacher
Education, [S. l.], v. 111, p. 103619, 2022.
CLEARY, T. J.; LABUHN, A. S. Application of cyclical self-regulation interventions in
science-based contexts. In: ZIMMERMAN, B. J. et al. (ed.). Applications of self-regulated
learning across diverse disciplines: a tribute to Barry J. Zimmerman. Charlotte, North
Carolina: Information Age Publishing, 2013. cap. 4, p. 89-124.
COHEN, J. A power primer. Psychological Bulletin, [S. l.], v. 112, n. 1, p. 155-159, 1992.
DENG, J. et al. Delving into the relationship between teacher emotion regulation, self-
efficacy, engagement, and anger: a focus on English as a foreign language teachers. Frontiers
in Psychology, [S. l.], v. 13, p. 17, 2022.
DORNAN, T. et al. Experience based learning (ExBL): clinical teaching for the twenty-first
century. Medical Teacher, [S. l.], v. 41, p. 1-8, 2019.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 19
EESC-USP. Avaliação Capes - Conceito Máximo. 2022. Disponible en:
https://eesc.usp.br/ppgs/sel/post.php?guid=avaliacao-capes&catid=apresentacao. Acceso en:
10 sept. 2018.
ENGLAND, R. et al. Research Excellenjce Framework 2021. 2021. Disponible en:
https://www.ref.ac.uk/. Acceso en: 27 Jan. 2021.
EVANS, T. M. et al. Evidence for a mental health crisis in graduate education. Nature
Biotechnology, [S. l.], v. 36, n. 3, p. 282-284, 2018.
FERNANDES, F. Universidade brasileira: reforma ou revolução? 1. ed. São Paulo:
Expressão Popular, 2020.
GUERRIERO, I. C. Z.; MINAYO, M. C. A aprovação da Resolução CNS nº 510/2016 é um
avanço para a ciência brasileira. Saúde e Sociedade, [S. l.], v. 28, 2019.
HAN, F.; VACULÍKOVÁ, J.; JUKLOVÁ, K. The relations between Czech undergraduates’
motivation and emotion in self-regulated learning, learning engagement, and academic
success in blended course designs: consistency between theory-driven and data-driven
approaches. Frontiers in Psychology, [S. l.], v. 13, 2022.
HEEKIN, E. Teaching Excellence Framework (TEF): the ratings in full 2019. Disponible
en: https://www.theuniguide.co.uk/advice/choosing-a-course/teaching-excellence-framework-
tef-the-ratings-in-full. Acceso en: 27 enero 2021.
INNOVATION, E. C. R. Research & Innovatin: germany analysis. 2018. Disponible en:
https://rio.jrc.ec.europa.eu/en/country-analysis/Germany. Acceso en: 10 sept. 2018.
JANSEN, R. S. et al. Self-regulated learning partially mediates the effect of self-regulated
learning interventions on achievement in higher education: a meta-analysis. Educational
Research Review, [S. l.], 2019.
KARAGIANNIS, S. The conflicts between science research and teaching in higher education:
an academic's perspective. International Journal of Teaching and Learning in Higher
Education, [S. l.], v. 21, n. 1, p. 75-83, 2009.
KIRAN, D. Examining the efficacy change of preservice science teachers: does an inquiry-
based laboratory instruction make a difference? A mixed method study. International
Journal of Science Education, [S. l.], v. 44, n. 9, p. 1527-1548, 2022.
KIZILCEC, R. F.; PÉREZ-SANAGUSTÍN, M.; MALDONADO, J. J. Self-regulated learning
strategies predict learner behavior and goal attainment in Massive Open Online Courses.
Computers & Education, [S. l.], v. 104, p. 18-33, 2017.
KLINE, M.; KLINE, P. M. E. C. I. M. S. M. Why the Professor Can't Teach: mathematics
and the dilemma of University Education. St. Martin's Press, 1977.
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 20
LI, K. MOOC learners’ demographics, self-regulated learning strategy, perceived learning
and satisfaction: A structural equation modeling approach. Computers & Education, [S. l.],
v. 132, n. 1, p. 16-30, 2019.
MARSH, H. W. Application of confirmatory factor analysis and structural equation
modeling in sport and exercise psychology. Handbook of Sport Psychology, 2007. p. 774-
798.
MCMASTER, U. Problem based learning. Canada, 2023. Disponible en:
https://fhshrwelcome.mcmaster.ca/did_you_know/problem-based-learning/. Acceso en: 10
mar. 2023.
MICKWITZ, A.; SUOJALA, M. Learner autonomy, self-regulation skills and self-efficacy
beliefs – How can students’ academic writing skills be supported? Language Learning in
Higher Education, [S. l.], v. 10, p. 381-402, 2020.
PANADERO, E. A Review of Self-regulated Learning: six models and four directions for
research. Frontiers in psychology, [S. l.], v. 8, p. 422-422, 2017.
PANADERO, E. et al. Using formative assessment to influence self- and co-regulated
learning: the role of evaluative judgement. European Journal of Psychology of Education,
[S. l.], v. 34, n. 3, p. 535-557, 2019.
PISANTI, R.; SORACI, P.; SCHWARZER, R. The italian version of the teacher self efficacy
scale (TSES-Ita): dimensionality, internal consistency and validity. Journal of
Psychoeducational Assessment, [S. l.], v. 41, n. 2, p. 234-243, 2023.
POLYDORO, S. et al. Escala de auto-eficácia docente de educação física. In: MACHADO,
C. E. C. (ed.). Avaliação psicológica: formas e contextos. [S. l.: s. n.], 2004. , v. 10, p. 330-
337.
RUSSELL, J. M. et al. Fostering self-regulated learning in higher education: making self-
regulation visible. Active Learning in Higher Education. Sage Journals, [S. l.], p. 97-113,
2022.
SCHMIDT, M.; HANSSON, E. Doctoral students’ well-being: a literature review.
International Journal of Qualitative Studies on Health and Well-being, [S. l.], v.13, n. 1,
p. 1508171, 2018.
SCHUNK, D. H. Social cognitive theory. In: SCHUNK, D. H. (ed.). Learning theories: an
educational perspective. [S. l.]: Pearson Education, 2012. cap. 4, p. 117-162.
SCHUNK, D. H.; PAJARES, F. Self-efficacy theory. In: WENTZEL, K. et al. (ed.).
Handbook of Motivation at School: New York, NY: Routledge, 2009. cap. 3, p. 35-53.
SCHUNK, D. H.; USHER, E. L. Barry Zimmerman’s theory of self-regulated learning. In:
ZIMMERMAN, B. J. et al. (ed.). Applications of self-regulated learning across diverse
disciplines: a tribute to Barry J. Zimmerman. Charlotte, North Carolina: Information Age
Publishing, 2013.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO y Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 21
SEROW, R. C. Research and Teaching at a Research University. [S. l.]: Springerplus,
2000. p. 449-463.
SILVEIRA, A. A.; NASCIMENTO, C. M. A crítica de Florestan Fernandes à reforma
universitária e sua atualidade. Revista Em Pauta. R.J.: Revista da Faculdade de Serviço
Social da Universidade do Estado do Rio de Janeiro, 2016.
SOCIETY, P. TEF vs REF: are teaching and research now adversaries? [S. l.]: The
Physiological Society, 2016.
STEBBINS, R. A. Exploratory research in the social sciences. [S. l.]: SAGE Publications,
2001.
THIENGO, L. C.; BIANCHETTI, L. Educação superior no âmbito do BRICS: aspiração à
excelência? Educação Unisinos, [S. l.], v. 23, n. 3, p. 488-504, 2019.
TOE, D. M.; LONGARETTI, L. Teacher efficacy in high performing teachers: barriers and
enablers for new graduates. Australian Journal of Teacher Education, [S. l.], v. 47, n. 4, p.
1-20, 2022.
TRUONG, T. N. N. Psychometric properties of self-regulated learning strategies in learning
English Grammar and English Grammar Self-Efficacy Scales. Frontiers in Education, [S. l.],
v. 7, 2022.
TSCHANNEN-MORAN, M.; HOY, A. W. Teacher efficacy: capturing an elusive construct.
Teaching and Teacher Education, [S. l.], v. 17, n. 7, p. 783-805, 2001.
UNESCO. UNESCO Education Strategy 2014–2021. 2014. Disponible en:
http://unesdoc.unesco.org/images/0023/002312/231288e.pdf. Acceso en: 23 jun. 2023.
XIA, Y.; YANG, Y. RMSEA, CFI, and TLI in structural equation modeling with ordered
categorical data: The story they tell depends on the estimation methods. Behavior Research
Methods, [S. l.], v. 51, n. 1, p. 409-428, 2019.
ZIMMERMAN, B. J. Theories of self-regulated learning and academic achievement: An
overview and analysis. In: ZIMMERMAN, B. J.; SCHUNK, D. H. (ed.). Self-regulated
learning and academic achievement: theoretical perspectives. Mahwah, N.J: Lawrence
Erlbaum Associates Publishers, 2001. p. 1-37.
ZIMMERMAN, B. J. Attaining self-regulation: a social cognitive perspective. In:
BOEKAERTS, M. P.; PAUL R.; ZEIDER, M. (ed.). Handbook of self-regulation. San
Diego, Calif.: Academic Press, 2005. cap. 2, p. 13-39.
Construcción y evidencia de validez de la escala de autorregulación en la planificación y gestión de clases en educación superior
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 22
CRediT Author Statement
Agradecimientos: Gustavo Henrique Martins; Orlando Fontes Lima Jr.
Financiamiento: Consejo Nacional de Desarrollo Científico y Tecnológico -CNPq-proceso
140282/2017-3.
Conflictos de intereses: No hay conflictos de intereses.
Aprobación ética: el Comité de Ética de la Unicamp aprobó el proyecto bajo CAAE
45318921.0.0000.8142.
Disponibilidad de datos y materiales: Los datos utilizados están disponibles en el
repositorio de la Unicamp, que se muestra a continuación:
Datos de los encuestados: https://doi.org/10.25824/redu/IKMQSW;
Escala TSES: https://doi.org/10.25824/redu/ZXV00X
CLEA-SR Factor Loadings-3-Factor-Free Traducción:
https://doi.org/10.25824/redu/A8EDZW
Configuración JASP: https://doi.org/10.25824/redu/NFKDXV
Artículos originales de la escala enviados a los jueces:
https://doi.org/10.25824/redu/SJRGZI.
Contribuciones de los autores: José Carlos Redaelli: participó en el diseño de la
metodología; realizó la recolección de datos, tabulación de datos, análisis de datos,
descripción e interpretación de datos; y redacción del texto. Soely Aparecida Jorge
Polydoro: supervisó el estudio y la metodología, diseñó y realizó revisiones críticas. Tiago
Zenker Gireli: coordinó y supervisó el estudio, realizó la revisión final y aprobó el
manuscrito.
Procesamiento y edición: Editora Iberoamericana de Educación - EIAE.
Corrección, formateo, normalización y traducción.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 1
DEVELOPMENT AND VALIDITY EVIDENCE OF THE SELF-REGULATION
SCALE IN PLANNING AND TEACHING OF CLASSES IN HIGHER EDUCATION
CONSTRUÇÃO E EVIDÊNCIAS DE VALIDADE DA ESCALA DE
AUTORREGULAÇÃO NO PLANEJAMENTO E MANEJO DE AULA NO ENSINO
SUPERIOR
CONSTRUCCIÓN Y EVIDENCIA DE VALIDEZ DE LA ESCALA DE
AUTORREGULACIÓN EN LA PLANIFICACIÓN Y GESTIÓN DE CLASES EN
EDUCACIÓN SUPERIOR
José Carlos REDAELLI 1
e-mail: jcredaelli@gmail.com
Soely Aparecida Jorge POLYDORO 2
e-mail: polydoro@unicamp.br
Tiago Zenker GIRELI 3
e-mail: zenker@unicamp.br
How to reference this article:
REDAELLI, J. C.; POLYDORO, S. A. J.; GIRELI, T. Z.
Development and validity evidence of the self-regulation scale in
planning and teaching of classes in higher education. Revista
Ibero-Americana de Estudos em Educação, Araraquara, v. 18, n.
00, e024086, 2023. e-ISSN: 1982-5587. DOI:
https://doi.org/10.21723/riaee.v19i00.18231
| Submitted: 06/07/2023
| Revisions required: 28/11/2023
| Approved: 10/02/2024
| Published: 20/07/2024
Editor:
Prof. Dr. José Luís Bizelli
Deputy Executive Editor:
Prof. Dr. José Anderson Santos Cruz
1
State University of Campinas (UNICAMP), Campinas – SP – Brazil. Ph.D. candidate, School of Civil
Engineering, Architecture and Urban Design (FECFAU), Water, Energy and Environmental Resources Area.
2
State University of Campinas (UNICAMP), Campinas – SP – Brazil. Professor, Faculty of Education (FE),
Psychology and Higher Education Research Group (PES).
3
State University of Campinas (UNICAMP), Campinas – SP – Brazil. Professor, School of Civil Engineering,
Architecture and Urban Design (FECFAU), Water, Energy and Environmental Resources Area.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 2
ABSTRACT: This research aimed at creating and validating a scale (CLEA-SR) to evaluate
class planning and teaching self-regulation of individuals based on self-regulated learning. This
is applied exploratory research with a quantitative approach involving 283 respondents from
Brazil, with different graduate degrees. Experts’ committees participated to find validity
evidence. Data Analyses were descriptive analysis, validity evidence based on content,
exploratory and confirmatory factor analyses, reliability and accuracy. Satisfactory values for
reliability, a large correlation with the teaching self-efficacy scale, validity evidence based on
content, and internal structures were found. CLEA-SR might be used as a pre-post evaluation
instrument to structure faculty development programs in higher education institutions.
KEYWORDS: Evaluation. Teaching and learning. Higher education. Self-regulation. Social
cognitive theory.
RESUMO: Esta pesquisa criou e validou uma escala (AR-PLCO) para avaliar a
autorregulação de indivíduos quanto ao planejamento e condução de aulas, baseando-se na
aprendizagem autorregulada. Foi utilizada uma metodologia de pesquisa exploratória
aplicada e de natureza quantitativa que envolveu 283 respondentes do Brasil, com diferentes
níveis de pós-graduação. Juízes participaram visando encontrar evidências de validade. As
análises de dados foram descritiva, evidência de validade baseada no conteúdo, análises
fatoriais exploratórias e confirmatórias, confiabilidade e precisão. Foram encontrados valores
satisfatórios para a confiabilidade, forte correlação com a escala de autoeficácia docente,
evidência de validade baseada no conteúdo e estruturas internas. A escala AR-PLCO pode ser
usada como um instrumento de pré-pós avaliação para estruturar programas de formação de
professores do ensino superior.
PALAVRAS-CHAVE: Avaliação. Ensino e aprendizagem. Ensino superior. Autorregulação.
Teoria social cognitiva.
RESUMEN: Esta investigación tuvo como objetivo crear y validar una escala (CLEA-SR) para
evaluar la planificación de clases y la enseñanza de la autorregulación de los individuos a
partir del aprendizaje autorregulado. Se trata de una investigación exploratoria aplicada con
abordaje cuantitativo que involucró a 283 encuestados de Brasil, con diferentes graduaciones.
Participaron comités de expertos para encontrar evidencias de validez. Los análisis de datos
fueron descriptivos, evidencia de validez basada en el contenido, análisis factorial exploratorio
y confirmatorio, confiabilidad y precisión. Se encontraron valores satisfactorios de
confiabilidad, una gran correlación con la escala de autoeficacia docente, evidencia de validez
basada en contenido y estructuras internas. CLEA-SR podría ser utilizado como un instrumento
de evaluación pre-postgrado para estructurar programas de desarrollo docente en
instituciones de educación superior.
PALABRAS CLAVE: Evaluación. Enseñanza y aprendizaje. Enseñanza superior.
Autorregulación. Teoría social cognitiva.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 3
Introduction
Schools know that this century makes great demand on competent professionals
stressing the relevance of teaching and learning. Universities have been attempting to update
and improve their teaching and learning structure (Schmidt; Hansson, 2018). Europe has been
concerned about education and continues to endeavor to find solutions. OECD (Organization
for Economic Co-operation and Development) has developed the ‘Supporting Quality Teaching
in Higher Education’ project aiming at high quality practices, and UNESCO emphasizes the
need to improve quality education (Unesco, 2014). The German Federal Ministry of Education
and Research (BMBF) and the federal states funded the ‘Quality Pact for Teaching’ program,
which aimed at developing study conditions and improvement of teaching and advisory in
higher education (Innovation, 2018).
The American Society of Civil Engineers (ASCE) issued 2 reports considering the
necessity of teaching-learning improvement: “Civil Engineering Body of Knowledge for the
21st Century” (BOK), and the “Vision for Civil Engineering in 2025”, in response to
engineering teaching and learning improvement. The BOK report emphasized the relevance of
higher education institutions, and faculty members is the first role models for civil engineers
(Asce, 2008). The Vision report stressed the relevance of teamwork in different areas for a better
design and in R&D projects, and that “life-long learning” will be the great difference in the
world of 2025 to follow the knowledge transformations pace (Asce, 2007).
New curriculum guidelines for engineering (DCNs) in Brazil was launched in 2019, by
Ministry of Education, The Brazilian Association of Engineering Education (ABENGE) and
other agencies. They stated that undergraduate engineering courses should be aligned with the
pedagogical plan, and keep permanent faculty development programs valuing teaching and
interdisciplinary activities. Teachers should be more committed to graduating students’
competences, and institutions should define key indicators for these programs evaluations and
value teachers’ work (Abenge, 2023).
The Graduate School is an articulation space for teaching and research, for science and
technology development (Fernandes, 2020; Silveira; Nascimento, 2016). Universities
academics have functions of researchers and teachers and to be a good teacher one has to be a
good researcher. Promotion and salary depend entirely on research status. Researchers’
activities increase their values and personal progress without considering their obligations with
students establishing special suffering on young doctoral students (Kline; Kline, 1977).
Teaching awards, better salaries, other benefits and other affirmations of the relevance of
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 4
teaching will not change that a research-intensive university will continue dependent on
research production (Serow, 2000). As another example of teaching-research conflict, the
participation in cooperation areas among BRICS countries has to meet some requirements.
Proposals must be linked with public or private Higher Education with Graduate Schools
recommended by CAPES having grades greater or equal to six (Thiengo; Bianchetti, 2019).
Grades 6 and 7 are considered to have an excellence international standard (Eesc-Usp, 2022)
and this is achieved by high level research projects.
A gap between what graduate schools offer today and what is required is complemented
with the research and teaching conflict in Brazil and abroad (Bishop, 2018; England et al., 2021;
Heekin, 2019; Karagiannis, 2009; Kline; Kline, 1977; Serow, 2000; Society, 2016; Thiengo;
Bianchetti, 2019).
The research question was “How can an instrument be developed and validated, which
can guide higher education individuals’ self-regulation for classes planning and teaching?”. The
main objective was “Developing and validating a scale (CLEA-SR) to evaluate the Class
Planning and Teaching Self-Regulation of individuals with different academic degrees in higher
education”. Specific Objectives were “Searching for CLEA-SR validity evidence based on
Content and on Internal Structures”; “searching for CLEA-SR reliability”; “searching for
CLEA-SR validity evidence based on teaching self-efficacy”, and on other variables.
This article is part of the principal investigator’s (PI) ongoing doctoral thesis in Civil
Engineering faculty of The School of Civil Engineering, Architecture and Urban Design
department, of Unicamp, Brazil.
Literature Review
Social cognitive theory states that most individuals’ learning occurs within the social
environment and witnessing others develop understanding, regulation, abilities, strategies,
beliefs, and convictions (Schunk, 2012). One can find a large body of motivators within social
cognitive theory. Self-efficacy (SE) is one of them. It is a construct related to individuals’ self-
evaluation of abilities to complete courses of actions and leads to their motivation, which can
be seen in their efforts and behavior before obstacles. It mediates other factors as goal setting
and outcome expectations. This resilience makes individuals more self-efficacious adapting
their accomplishments and well-being (Bandura; Cervone, 2023). Aiming at knowing how
students could acquire their own learning development, self-regulated learning (SRL), another
construct of this theory appeared in mid-1980s. Self-regulated individuals behave in a proactive
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 5
manner rather than reacting before their teaching occurrences, demonstrating initiative,
resilience and skills (Zimmerman, 2001). SRL has a crucial relevance of individuals’
achievement to higher education (Jansen et al., 2019). The cyclic SRL model of professor
Zimmerman is the most known and used by scholars (Panadero, 2017). It is comprised of
forethought, performance and self-reflection phases, where they are feedback for the following
ones and promote the self-regulation (SR) cyclical nature (Panader et al., 2019; Zimmerman,
2005). The forethought phase paves the way aiming at the behavior development, where the
establishment of goals and strategic designs occur. The performance phase is related to the task
engagement, which requires efforts and alters concentration and action. The self-reflection
phase occurs after the completion effort, which changes the individual’s reaction to that practice
(Cleary; Labuhn, 2013; Schunk; Usher, 2013; Zimmerman, 2005).
The development of the CLEA-SR scale is based on the SRL cyclic model of professor
Zimmerman. A similar scale based on Professor Zimmerman’s model has not been found in
Brazil and abroad in databases as Web of Science, Scopus, and RIAEE archives, since 2019
until the present date. Keywords used for searches in English and the equivalent in Brazilian
Portuguese were: self-regulation, self-regulated learning, cyclic self-regulated learning model,
scale, inventory, questionnaire, instrument, and higher education.
Methodology
This is applied exploratory research (Stebbins, 2001) with a quantitative approach. APA,
the American Psychological Association, AERA, the American Educational Research
Association, and NCME, the National Council on Measurement in Education have updated the
2014 edition of “The Standards for Educational and Psychological Testing” (Aera-Apa-Ncme,
2014), which explains standards for scales creation and adaptation. These were used for this
research. The method used in this research is as follows.
As for participants, a total of 283 respondents participated in this research, aged 23-78
(M = 40.5; SD = 12.9), and most female (55.47 %), having master (18%), master ongoing
(18%), Ph.D. (31%), and Ph.D. ongoing (32%) degrees. They were from the region North (n =
2), the Northeast (n = 25), the South (n =28), the Southeast (n = 221) and the Center West (n
=7) from Brazil. A total of 153 respondents (54%) were from state universities, 70 (25%) were
from federal universities, and 60 (21%) were from private universities.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 6
Respondents were from different knowledge areas groups: Medical (n=61), Engineering
(n=81), Education (n=65) and others (n=76).
A total of 2 experts’ committees were created to work on the original scale to verify its
validity. One committee dealt with the analysis of CLEA-SR scale items, and it was comprised
of five experts (four Ph.D., one master) with experience in teaching and in social cognitive
theory constructs. The second committee dealt with the analysis of the CLEA-SR scale items
semantics, and it was comprised of seven experts (one Ph.D., four Ph.D. ongoing, one master,
one master ongoing) without any experience in social cognitive theory constructs.
As for instruments, these were a socio-demographic and respondents’ characterization
questionnaire, the final version of the CLEA-SR scale, created in this research, and the teaching
self-efficacy scale.
CLEA-SR is a 1-factor scale with 32 items in its final version, which covers three phases
of the SRL model, planning, execution and self-reflection. It is a 5-point Likert scale ranging
from 1 to 5, strongly disagree to strongly agree respectively.
The teaching self-efficacy scale (TSES) is a 2-factor scale (teaching intentionality and
class management) with 24 items. It is a 6-point Likert scale ranging from 1 to 6, strongly agree
to strongly disagree respectively. This scale has been used in this research to corroborate the
correlation with CLEA-SR, showing the importance of SR and SE in teaching and increasing
CLEA-SR reliability. This scale had a transcultural adaptation to the Brazilian Portuguese
language by Polydoro et al. (2004) from the teachers’ sense of efficacy scale-TSES, named
originally as Ohio State teacher efficacy scale-OSTES (Tschannen-Moran; Hoy, 2001).
As for procedures, the university ethics committee approved this research with the
CAAE number 45318921.0.0000.8142, which meets laws 466 and 510 (Guerriero; Minayo,
2019) on confidentiality. The experts’ committee for the analysis of CLEA-SR items had the
responsibility to verify each of the 89 items of the original version of the CLEA-SR scale
according to theoretical approach (cyclic self-regulated learning model). The experts’
committee for the analysis of CLEA-SR items semantics had the responsibility to act as
respondents replying all 32 items of the new version and to verity weather these items were
clear and understandable. These two committees searched for validity evidence based on
content.
The survey was through a Google form questionnaire with these research instruments
and addressed to individuals in social media, knowing that the average time to answer it would
be 25 minutes. Respondents could answer the questionnaire after confirming they were at least
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 7
18 years old, and they had master ongoing, master, Ph.D. ongoing, or Ph.D. degrees and
agreeing with the Informed Consent Form. They knew they could interrupt their participation
at any time with no harm to them. The data were collected from the end of 2021 until the
beginning of 2022.
Data Analyses
Analyses were the following: descriptive data analyses of the sample; validity evidence
analysis based on content; exploratory factor analysis (EFA) with weighted least squares (WLS)
as an estimation method and confirmatory factor analysis (CFA) with diagonally weighted least
squares (DWLS) as estimation method to observe the internal structure of the scale CLEA-SR;
scale reliability and accuracy verifying alpha and omega coefficients; validity of the relation of
CLEA-SR scale scores to the teaching self-efficacy scale scores using Pearson correlation;
comparing SR mean differences with academic education degrees, with respondents’ area
groups using ANOVA, with courses within engineering area group, with basic and higher
education teaching experience using T-test, and with respondents’ age using Pearson’s r
correlation. All analyses used JASP 0.16.1.0 program. The application of RMSEA, CFI, and
TLI has been reported by Xia and Yang (2019). According to Cohen (1992), differences effect
sizes are interpreted as small (d ≥ 0.20), as medium (d ≥ 0.50), and as large (d ≥ 0.80), and
Pearson correlation “r” as small (r >= 0.10), as medium (r >= 0.30) and as large (r > = 0.50).
Interpretation for fit indices as suggested by Marsh (2007) are: CFI ≥ 0.90 (acceptable) and ≥
0.95 (excellent), TLI ≥ 0.90 (acceptable) and ≥ 0.95 (excellent), RMSEA ≤ 0.08 (acceptable)
and ≤ 0.05 (excellent).
Results
As for validity evidence on content, the experts’ committee for the CLEA-SR scale items
evaluated the original version of CLEA-SR (89 items) following the theoretical approach of the
cyclic SRL model of Professor Zimmerman. After these analyses, the final version had 32 items.
The experts’ committee for the analysis of CLEA-SR scale items semantics evaluated the final
version and reported that all items were clear and understandable and no change would be
necessary. These two committees found the validity evidence based on content. Frame 1 shows
the CLEA-SR scale final version.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 8
Frame 1 – CLEA-SR Scale
Item
1. I consider the students' characteristics when I plan the class.
2. I consider the class duration for my planning.
3. I choose the most adequate strategies for the class teaching.
4. I evaluate whether I have previous knowledge needed for the class.
5. I reserve necessary time for the class planning.
6. I plan the material, which will be sent in advance to students.
7. I plan the details of the class.
8. I plan some questions to keep students' attention.
9. I plan the physical-virtual environment, which will be used for the class.
10. I try to predict unexpected events and create respective actions.
11. I feel capable of planning the class to achieve the established goals.
12. I consider this class as an opportunity for self-learning.
13. I present the class program to students in the beginning of the class.
14. I evaluate whether the class quality is according to what I planned.
15. I encourage students to ask questions during the class.
16. I evaluate whether the proposed activities draw attention from students.
17. Before class teaching difficulties, I tell myself that I will find a solution.
18. I use flowcharts, figures and images during class to aid my teaching.
19. I seek for help when necessary.
20. To overcome difficulties I search for similar moments when I was successful.
21. I try to monitor my actions, thoughts and motivation to guarantee the class quality.
22. I try to identify students' difficulties in understanding.
23. I make notes about successful and failed strategies and actions.
24. I share with students how much I value the class.
25. I check whether the class duration was according to the planned one.
26. I check whether the contents were presented according to the planned ones.
27. When the class is over, I ask students how I could improve it.
28. When the class is over, I evaluate the quality of internet, luminosity and noise.
29. When the class is over, I evaluate whether the strategies used in the class met the objectives.
30. I identify successes and failures during classes.
31. I feel satisfaction even before teaching difficulties.
32. I feel capable to make adaptations for the following classes according to the current class results.
Source: Created by the authors.
CLEA-SR scale had 32 items in its final version.
Concerning validity evidence based on internal structure, a 3-factor exploratory and
confirmatory analysis was done. Having KMO (0.92) and Bartlett’s (X2 = 3936.00; df = 496.00;
p < 0.001), these seemed to indicate that three factors could be the best solution for the CLEA-
SR scale. Although this seemed to be the best solution, fit indices obtained in this exploratory
factor analysis showed that the 3-factor model was not adequate due to Chi-squared test (X2 =
860.25; df = 403; p < 0.001) and RMSEA = 0.06 and TLI = 0.84. Furthermore, table 1 shows
3-factor loadings.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 9
Table 1 - CLEA-SR 3-Factor Loadings.
CLEA-SR Items
Factor Loadings
Factor 1
Factor 2
Factor 3
Planning
12
0.76
-0.19
0.15
11
0.68
0.05
0.05
8
0.65
-0.15
-0.10
9
0.59
0.04
-0.05
7
0.54
0.12
-0.13
3
0.52
0.05
0.30
5
0.48
0.12
0.18
10
0.48
0.03
-0.22
1
0.34
0.10
0.15
6
0.32
0.20
0.13
4
0.30
0.01
0.51
2
0.29
0.17
0.55
Execution
17
0.72
0.09
-0.02
15
0.58
0.03
0.20
21
0.53
0.14
-0.02
22
0.51
0.19
0.11
20
0.49
0.08
-0.04
16
0.44
0.18
0.19
13
0.41
0.28
-0.07
19
0.38
0.13
0.11
24
0.36
0.07
-0.26
18
0.34
0.17
0.24
14
0.31
0.34
0.04
23
0.22
0.07
-0.26
Self-Reflection
32
0.56
0.13
-0.03
31
0.54
0.39
-0.29
27
0.25
0.47
-0.29
26
0.16
0.48
0.37
25
-0.09
0.60
0.35
28
0.07
0.67
-0.18
30
0.06
0.64
0.11
29
0.02
0.80
0.01
Source: Created by the authors.
One can see that those factor loadings were not coherent with the CLEA-SR theoretical
structure.
A 3-factor confirmatory analysis was done for all items from CLEA-SR phases. The
analysis had good fit indices (X2 = 450.52, df = 461; p = 0.63; CFI = 1; TLI = 1; RMSEA = 0).
Factor loadings were above 0.30 with a mean of 0.56 for planning, 0.58 for execution, and 0.60
for self-reflection. Although those results seemed to be good, the factor correlations were large.
Factor 1 with factor 2, factor 1 with factor 3, and factor 2 with factor 3 had correlations of 0.89,
0.75 and 0.91 respectively, indicating that these factors evaluated similar things.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 10
Knowing that the 3-factor model was not the best solution, the 1-factor analysis was
done. It resulted in the best solution for this scale, showing a more parsimonious solution for
the CLEA-SR structure. The analysis had good fit indices (X2 = 517.57; df = 464; p = 0.04;
CFI = 1; TLI = 1; RMSEA= 0.020). Table 2 shows 1-factor loadings.
Table 2 – 1-factor Analysis Factor Loadings with all CLEA-SR Items Numbers.
Theoretical Factor
Planning
Execution
Self-Reflection
CLEA-SR Items Numbers
1
0.42
13
0.43
25
0.46
2
0.47
14
0.59
26
0.62
3
0.57
15
0.63
27
0.47
4
0.44
16
0.62
28
0.53
5
0.52
17
0.71
29
0.64
&
6
0.48
18
0.48
30
0.59
Factor Loadings
7
0.50
19
0.53
31
0.50
8
0.63
20
0.52
32
0.62
9
0.65
21
0.66
10
0.50
22
0.66
11
0.53
23
0.51
12
0.57
24
0.49
Source: Created by the authors.
Those are good values, above 0.40, with a mean of 0.55.
Table 3 shows the CLEA-SR scale reliability.
Table 3 - CLEA-SR Scale Reliability.
Estimate
McDonald's ω
Cronbach's α
Point estimate
0.93
0.94
95% CI lower bound
0.92
0.92
95% CI upper bound
0.94
0.95
Source: Created by the authors.
Those are good omega and alpha values for CLEA-SR scale reliability
The teaching self-efficacy scale reliability had omega equals to 0.94 (teaching
intentionality) and 0.89 (class management).
Table 4 shows the correlation between CLEA-SR and teaching self-efficacy.
Table 4 - Correlation between CLEA-SR and Teaching Self-Efficacy Scale.
Variable
CLEA-SR
Scale
Teaching Self-Efficacy Scale (Factors)
Teaching_intentionality
Class_management
1. Self_regulation
—
2. Teaching_intentionality
0.673a
—
3. Class_management
0.635a
0.909a
—
Notes: ap < .001; p = statistical significance.
Source: Created by the authors.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 11
A large correlation (r=0.673; r=0.635) was found using Pearson’s r analysis.
Table 5 shows ANOVA and Post-hoc analysis to compare self-regulation (SR) mean
differences with academic education degrees.
Table 5 - Self-Regulation Related to Academic Education Degrees.
Acad. Educ.
Mean
SD
n
Comparison
pTukey
d
F
p
Master
4.22
0.53
51
Master_Ongoing
0.53
0.27
2.007
0.113
PhD
0.98
0.07
Master_Ongoing
4.08
0.57
51
PhD_Ongoing
1.00
0.04
PhD
0.22
0.34
PhD
4.25
0.45
88
PhD_Ongoing
0.19
0.30
PhD_Ongoing
4.10
0.55
93
Master
0.57
0.23
Notes: Acad. Educ. = Academic Education; SD = standard deviation; n = number of respondents;
ptukey = statistical significance of the Tukey post hoc test; d = Cohen’s d effect size; F = ANOVA test
statistic; p = statistical significance.
Source: Created by the authors.
The master had a higher score than the master ongoing, and a higher score than the Ph.D.
ongoing, all with a small to medium effect size of d=0.267, and d=0.226 respectively. The PhD
had a higher score than the master ongoing, and a higher score than the Ph.D. ongoing, all with
a small to medium effect size of d=0.298, and d=0.339 respectively.
Table 6 shows respondents’ areas of study divided into four groups.
Table 6 - Knowledge Area Groups.
Knowledge Area Groups
Qtd.
Engineering
81
Medical
61
Education
65
Others
76
Notes: Qtd. = quantity.
Source: Created by the authors.
Engineering group had civil engineering, architecture, sanitary engineering, and
electrical engineering; medical group had medicine, nutrition, dentistry, pharmacy, nursing,
food technology, biological sciences, and physical education; education group had science
teaching, educational psychology, special education, and developmental disorders; and others
group had biochemistry, mathematics, physics, accounting, law, geography, and history.
Table 7 shows the ANOVA analysis to compare SR mean differences among groups of
respondents’ areas of study.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 12
Table 7 - ANOVA and Post-hoc: CLEA-SR Relation to Respondents’ Areas Groups.
Area Groups
Mean
SD
n
Comparison
pTukey
d
F
p
Medical
4.1
0.56
61
Engineering
0.53
0.23
2.74
0.04
Engineering
4.22
0.5
81
Education
0.86
0.13
Others
0.25
0.3
Others
4.06
0.49
76
Medical
0.98
0.07
Education
4.29
0.53
65
Medical
0.19
0.36
Others
0.06
0.43
Notes: SD = standard deviation; n = number of respondents; ptukey = statistical significance of the Tukey
post hoc test; d = Cohen’s d effect size; F = ANOVA test statistic; p = statistical significance. Source:
Created by the authors.
Education group had the highest score (4.29) and the others group, the lowest (4.06).
The education group, with a small to medium effect size had a higher score than medical group
(d=0.36) and others group (d=0.43). The engineering group, with a small to medium effect size
had higher score than others group (d=0.3) and with a small effect size had a higher score than
medical group (d=0.23).
Table 8 can show the engineering group divided into group A and group B.
Table 8 - Respondents’ Engineering Group.
A/B
Area
Qtd.
A
Architecture
2
Architecture, Technology and City
1
Sanitary Engineering
2
Environmental Engineering
1
Civil Engineering
14
Civil Engineering - Water, Energy and Environmental Resources
1
Urban Engineering
1
Urban Planning - Architecture
1
B
Engineeringa
52
Computing Engineering
1
Electrical Engineering
2
Quality Engineering
1
Chemistry Engineering
2
Source: Created by the authors.
Group A had 23 respondents and group B, 58 respondents, to separate civil engineering
courses and alike from the others.
Table 9 shows a comparison between both groups.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 13
Table 9 - Comparison between Group A and Group B.
Group A
Group B
t
p
d
M
SD
M
SD
Self-Regulation
4.24
0.45
4.21
0.53
-0.28
0.78
0.07
Notes: M = mean; SD = standard deviation; t = Student test t statistic; p = statistical significance; d =
Cohen’s d effect size.
Source: Created by the authors.
No significant difference was found between both groups.
Table 10 shows SR mean differences between respondents with and without teaching
experience in basic and higher education.
Table 10 - CLEA-SR Relation to Teaching Experience: T-test Analysis.
Teaching Experience
M (SR)
SD
t
p
d
Basic Education
NO
4.16
0.5
-0.266
0.79
0.035
YES
4.17
0.6
HE
NO
4.03
0.54
-3,782
< .001
0.453
YES
4.27
0.48
Notes: SR: Self-Regulation; M = mean; SD = standard deviation; t = Student test t statistic; p =
statistical significance; d = Cohen’s d effect size; HE = Higher Education.
Source: Created by the authors.
For those with basic education teaching experience compared with those with no
experience, no difference was found, with effect size close to null (d=0.035). Considering
higher education teaching experience, differences were found between those with and without
teaching experience, with effect size close to medium (d=0.453).
Table 11 shows the CLEA-SR Relation to Respondents’ Age.
Table 11 - CLEA-SR Relation to Respondents’ Age - Pearson’s correlation.
Variable
Age
Self-Regulation
1. Age
1
2. self-regulation
0.188a
1
Notes: ap < .01; p = statistical significance.
Source: Created by the authors.
A small to medium and significant Pearson’s correlation (r=0.188) between respondents’
age and SR was found.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 14
Discussion
This research created one instrument (CLEA-SR) aiming at teaching and learning
improvement in higher education and meets the requirements of reports BOK and Vision from
ASCE-The American Society of Civil Engineers (Asce, 2007; 2008) and new curriculum
guidelines for engineering (DCNs) from Brazil (Abenge, 2023).
The validity evidence based on content was found by the experts’ committee for the
analysis of original CLEA-SR scale items, and by the committee for the analysis of the CLEA-
SR scale final version items semantics. Validity evidence based on Internal Structure was found
with satisfactory fit indices and loading factors explaining the 1-factor structure scale as the
best solution, and scale reliability alpha and omega with satisfactory values.
Other pieces of validity evidence on CLEA-SR relation to other variables were found.
Using Pearson’s r analysis, a large correlation was found between the CLEA-SR scale and the
teaching self-efficacy scale (TSES), the Brazilian adapted version. The American TSES original
version is a well- known scale and has been used in many research projects all over the world
(Amirian et al., 2023; Deng et al., 2022; Kiran, 2022; Pisanti; Soraci; Schwarzer, 2023; Toe;
Longaretti, 2022).
Respondents with the master degree had a higher score than the master ongoing and the
Ph.D. ongoing with a small/medium effect size; the Ph.D. had a higher score than the master
ongoing and the Ph.D. ongoing, with a medium effect size. This might suggest that individuals
with master and Ph.D. degrees are not influenced by the higher education culture anymore with
many demands as research projects, article publishing, and participation in congresses.
Research developed by Evans et al. (2018) showed that graduate students in the USA were
more depressive and anxious than the general population. Another research developed by
Schmidt and Hansson (2018) reported problems with doctoral students, which might become
more serious today when individuals in the whole world suffer with the COVID-19 pandemic,
where classroom environments had severe restrictions, which led to “emergency remote
teaching (ERT)”. That made individuals more anxious and the higher the anxiety the lower the
self-efficacy is (Han; Vaculíková; Juklová, 2022).
Having the education group, the highest score (4.29) was expected for their regular
studies on individuals’ behavior and educational psychology. It was not expected that the
medical group had a low score (4.1). This might have happened for this group was comprised
of other courses besides medicine. Medicine courses are usually concerned about teaching and
learning. The concept of Program Based Learning (PBL) was pioneered in the School of
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 15
Medicine at McMaster in the 1960s, as a new approach to medical education (McMaster, 2023).
The concept of Experience Based Learning (ExBL), aiming at twenty-first century teaching
improvement is also common in this area (Dornan et al., 2019).
When dividing the engineering group into group A with civil engineering and alike (as
architecture and sanitary engineering), and into group B with other courses as computing
engineering and electrical engineering, no significant difference was found between them. A
limitation here might be the case that most of respondents who reported engineering course did
not specify which engineering.
A small to medium and significant correlation was found between respondents’ age and
SR, showing that the higher the age the higher the SR. Kizilcec; Pérez-Sanagustín and
Maldonado (2017) discovered that older students were more strategic when setting their goals
in MOOCs, involving students from around the world, which contradicts what Li (2019) found
in a study involving Latin American students with courses in Spanish. Furthermore, a gap can
be found in literature about relations between SR and age.
The following lines show some studies from literature involving self-regulation and self-
efficacy, which help corroborate this research findings.
Mickwitz and Suojala (2020) developed a quantitative-qualitative approach study and
reported the relevance of self-regulatory strategies and self-efficacy beliefs. Truong (2022)
found that English grammar self-efficacy had a significant correlation on self-regulated learning
(SRL) strategies in grammar learning. Russel and colleagues from a research-intensive
Australian university developed a study (Russell et al., 2022) aiming at examining 10 elected
educators’ teaching practices, and experience in their teaching to promote learner’s SRL in
different courses. Educators spoke about relevance of their actions to co-regulating students
through implicit strategies as: task design, instruction, assessment, feedback and modeling
strategies. Researchers from Australia and Spain (Broadbent et al., 2022) proved that the SRL
model can be usually tailored for different subjects and courses and that social cognitive theory
operates as a strong theoretical framework for the creation of instruments to evaluate SR. Good
results were found when interventions were made with high school teachers involving the
knowledge of SRL and SE as part of their professional development (Cleary et al., 2022).
Schunk and Pajares (2009) emphasized the magnitude of school environments for
increasing a high sense of efficacy, or possibly weakening it if encouragement is not granted. It
is relevant to create an environment and culture, which encourage students do take risks. This
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 16
should be aligned with teaching processes to foster students. Educator’s SR plays an important
role in processes to foster students’ SR.
Conclusion
This study investigated psychometric properties of the CLEA-SR scale. Results
indicated that the scale created to measure the self-regulation in planning and teaching of classes
in higher education has pieces of validity evidence and is reliable. Furthermore, it has relations
to variables as teaching self-efficacy, academic education degrees, knowledge areas, basic and
higher education teaching experience, and respondents’ age, which improve its validity.
CLEA-SR scale might be used as a pre-post evaluation instrument to structure faculty
development programs in higher education institutions. It might identify teachers’ weaknesses
and strengths in planning, teaching and self-reflection about their classes. This might bring
continuous upgrade to programs, which promote the enhancement of teaching and learning
culture and feedback to teachers about self-regulatory strategies concerning their classes. These
should aim at current professors and graduate students who will be teaching in the future. Being
self-regulated in their classes planning and teaching, teachers might be able to foster self-
regulation in their students and be role models for them. Other scales as teaching self-efficacy
(TSES) might be used as support tools.
We have been living in a globalized world with a high integration in communications,
and vast amounts of new and upgraded video conference and other resources have been
available. People linked to education not only have to deal with this avalanche of resources to
be learned, but also with the relationships among students, teachers, researchers, and other
stakeholders. Hopefully future teachers will be better prepared to contribute for a healthier
higher education. This study together with others from literature corroborate that the self-
regulated learning model can be extensively designed for different academic subjects and
courses.
Schools should invest in research projects as: using CLEA-SR scale to evaluate
interventions effects of faculty development programs; broadening validity evidence studies to
include other teachers and graduate students’ profiles; comparing research results with faculty
programs from other institutions.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 17
This study makes contribution to research and theory and it sheds light on how to
improve teachers’ self-regulation concerning their classes planning and teaching in different
courses in higher education and other educational programs.
REFERENCES
ABENGE. National Commision for Engineering New Guidelines Implementation. 2023.
Available in: http://www.abenge.org.br/dcn_2019.php. Access in: 10 Mar. 2023.
AERA-APA-NCME. Standards for educational and psychological testing. Washington,
DC: American Educational Research Association, 240 p, 2014.
AMIRIAN, S. M. R. et al. The contribution of critical thinking and self-efficacy beliefs to
teaching style preferences in higher education. Journal of Applied Research in Higher
Education, [S. l.], v. 15, n. 3, p. 745-761, 2023.
ASCE. The Vision of Civil Engineering in 2025. 2007. Available in:
http://www.asce.org/uploadedFiles/About_Civil_Engineering/Content_Pieces/vision2025.pdf.
Access in: 10 Nov. 2018.
ASCE. Civil Engineering Body of Knowledge for the 21st Century-Preparing the Civil
Engineer for the Future. 2008. Available in:
https://www.asce.org/uploadedFiles/Education_and_Careers/Body_of_Knowledge/Content_P
ieces/body-of-knowledge.pdf. Access in: 10 Nov. 2018.
BANDURA, A.; CERVONE, D. Social Cognitive Theory: an Agentic Perspective on
Human Nature. Wiley, 2023.
BISHOP, D. What are metrics good for? Reflections on the Research Excellence
Framework (REF) and Teaching Excellence Framework (TEF). [S. l.: s. n.], 2018. v. 24.
BROADBENT, J. et al.The self-regulation for learning online (SRL-O) questionnaire.
Metacognition and Learning, [S. l.], 2022.
CLEARY, T. J. et al. Professional development in self-regulated learning: Shifts and
variations in teacher outcomes and approaches to implementation. Teaching and Teacher
Education, [S. l.], v. 111, p. 103619, 2022.
CLEARY, T. J.; LABUHN, A. S. Application of cyclical self-regulation interventions in
science-based contexts. In: ZIMMERMAN, B. J. et al. (ed.). Applications of self-regulated
learning across diverse disciplines: a tribute to Barry J. Zimmerman. Charlotte, North
Carolina: Information Age Publishing, 2013. cap. 4, p. 89-124.
COHEN, J. A power primer. Psychological Bulletin, [S. l.], v. 112, n. 1, p. 155-159, 1992.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 18
DENG, J. et al. Delving into the relationship between teacher emotion regulation, self-
efficacy, engagement, and anger: a focus on English as a foreign language teachers. Frontiers
in Psychology, [S. l.], v. 13, p. 17, 2022.
DORNAN, T. et al. Experience based learning (ExBL): clinical teaching for the twenty-first
century. Medical Teacher, [S. l.], v. 41, p. 1-8, 2019.
EESC-USP. Avaliação Capes - Conceito Máximo. 2022. Available in:
https://eesc.usp.br/ppgs/sel/post.php?guid=avaliacao-capes&catid=apresentacao. Access in:
10 Sept. 2018.
ENGLAND, R. et al. Research Excellenjce Framework 2021. 2021. Available in:
https://www.ref.ac.uk/. Access in: 27 Jan. 2021.
EVANS, T. M. et al. Evidence for a mental health crisis in graduate education. Nature
Biotechnology, [S. l.], v. 36, n. 3, p. 282-284, 2018.
FERNANDES, F. Universidade brasileira: reforma ou revolução? 1. ed. São Paulo:
Expressão Popular, 2020.
GUERRIERO, I. C. Z.; MINAYO, M. C. A aprovação da Resolução CNS nº 510/2016 é um
avanço para a ciência brasileira. Saúde e Sociedade, [S. l.], v. 28, 2019.
HAN, F.; VACULÍKOVÁ, J.; JUKLOVÁ, K. The relations between Czech undergraduates’
motivation and emotion in self-regulated learning, learning engagement, and academic
success in blended course designs: consistency between theory-driven and data-driven
approaches. Frontiers in Psychology, [S. l.], v. 13, 2022.
HEEKIN, E. Teaching Excellence Framework (TEF): the ratings in full 2019. Available in:
https://www.theuniguide.co.uk/advice/choosing-a-course/teaching-excellence-framework-tef-
the-ratings-in-full. Access in: 27 Jan. 2021.
INNOVATION, E. C. R. Research & Innovatin: germany analysis. 2018. Available in:
https://rio.jrc.ec.europa.eu/en/country-analysis/Germany. Access in: 10 Sept. 2018.
JANSEN, R. S. et al. Self-regulated learning partially mediates the effect of self-regulated
learning interventions on achievement in higher education: a meta-analysis. Educational
Research Review, [S. l.], 2019.
KARAGIANNIS, S. The conflicts between science research and teaching in higher education:
an academic's perspective. International Journal of Teaching and Learning in Higher
Education, [S. l.], v. 21, n. 1, p. 75-83, 2009.
KIRAN, D. Examining the efficacy change of preservice science teachers: does an inquiry-
based laboratory instruction make a difference? A mixed method study. International
Journal of Science Education, [S. l.], v. 44, n. 9, p. 1527-1548, 2022.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 19
KIZILCEC, R. F.; PÉREZ-SANAGUSTÍN, M.; MALDONADO, J. J. Self-regulated learning
strategies predict learner behavior and goal attainment in Massive Open Online Courses.
Computers & Education, [S. l.], v. 104, p. 18-33, 2017.
KLINE, M.; KLINE, P. M. E. C. I. M. S. M. Why the Professor Can't Teach: mathematics
and the dilemma of University Education. St. Martin's Press, 1977.
LI, K. MOOC learners’ demographics, self-regulated learning strategy, perceived learning
and satisfaction: A structural equation modeling approach. Computers & Education, [S. l.],
v. 132, n. 1, p. 16-30, 2019.
MARSH, H. W. Application of confirmatory factor analysis and structural equation
modeling in sport and exercise psychology. Handbook of Sport Psychology, 2007. p. 774-
798.
MCMASTER, U. Problem based learning. Canada, 2023. Available in:
https://fhshrwelcome.mcmaster.ca/did_you_know/problem-based-learning/. Access in: 10
Mar. 2023.
MICKWITZ, A.; SUOJALA, M. Learner autonomy, self-regulation skills and self-efficacy
beliefs – How can students’ academic writing skills be supported? Language Learning in
Higher Education, [S. l.], v. 10, p. 381-402, 2020.
PANADERO, E. A Review of Self-regulated Learning: six models and four directions for
research. Frontiers in psychology, [S. l.], v. 8, p. 422-422, 2017.
PANADERO, E. et al. Using formative assessment to influence self- and co-regulated
learning: the role of evaluative judgement. European Journal of Psychology of Education,
[S. l.], v. 34, n. 3, p. 535-557, 2019.
PISANTI, R.; SORACI, P.; SCHWARZER, R. The italian version of the teacher self efficacy
scale (TSES-Ita): dimensionality, internal consistency and validity. Journal of
Psychoeducational Assessment, [S. l.], v. 41, n. 2, p. 234-243, 2023.
POLYDORO, S. et al. Escala de auto-eficácia docente de educação física. In: MACHADO,
C. E. C. (ed.). Avaliação psicológica: formas e contextos. [S. l.: s. n.], 2004. , v. 10, p. 330-
337.
RUSSELL, J. M. et al. Fostering self-regulated learning in higher education: making self-
regulation visible. Active Learning in Higher Education. Sage Journals, [S. l.], p. 97-113,
2022.
SCHMIDT, M.; HANSSON, E. Doctoral students’ well-being: a literature review.
International Journal of Qualitative Studies on Health and Well-being, [S. l.], v.13, n. 1,
p. 1508171, 2018.
SCHUNK, D. H. Social cognitive theory. In: SCHUNK, D. H. (ed.). Learning theories: an
educational perspective. [S. l.]: Pearson Education, 2012. cap. 4, p. 117-162.
Development and validity evidence of the self-regulation scale in planning and teaching of classes in higher education
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 20
SCHUNK, D. H.; PAJARES, F. Self-efficacy theory. In: WENTZEL, K. et al. (ed.).
Handbook of Motivation at School: New York, NY: Routledge, 2009. cap. 3, p. 35-53.
SCHUNK, D. H.; USHER, E. L. Barry Zimmerman’s theory of self-regulated learning. In:
ZIMMERMAN, B. J. et al. (ed.). Applications of self-regulated learning across diverse
disciplines: a tribute to Barry J. Zimmerman. Charlotte, North Carolina: Information Age
Publishing, 2013.
SEROW, R. C. Research and Teaching at a Research University. [S. l.]: Springerplus,
2000. p. 449-463.
SILVEIRA, A. A.; NASCIMENTO, C. M. A crítica de Florestan Fernandes à reforma
universitária e sua atualidade. Revista Em Pauta. R.J.: Revista da Faculdade de Serviço
Social da Universidade do Estado do Rio de Janeiro, 2016.
SOCIETY, P. TEF vs REF: are teaching and research now adversaries? [S. l.]: The
Physiological Society, 2016.
STEBBINS, R. A. Exploratory research in the social sciences. [S. l.]: SAGE Publications,
2001.
THIENGO, L. C.; BIANCHETTI, L. Educação superior no âmbito do BRICS: aspiração à
excelência? Educação Unisinos, [S. l.], v. 23, n. 3, p. 488-504, 2019.
TOE, D. M.; LONGARETTI, L. Teacher efficacy in high performing teachers: barriers and
enablers for new graduates. Australian Journal of Teacher Education, [S. l.], v. 47, n. 4, p.
1-20, 2022.
TRUONG, T. N. N. Psychometric properties of self-regulated learning strategies in learning
English Grammar and English Grammar Self-Efficacy Scales. Frontiers in Education, [S. l.],
v. 7, 2022.
TSCHANNEN-MORAN, M.; HOY, A. W. Teacher efficacy: capturing an elusive construct.
Teaching and Teacher Education, [S. l.], v. 17, n. 7, p. 783-805, 2001.
UNESCO. UNESCO Education Strategy 2014–2021. 2014. Available in:
http://unesdoc.unesco.org/images/0023/002312/231288e.pdf. Access in: 23 June 2023.
XIA, Y.; YANG, Y. RMSEA, CFI, and TLI in structural equation modeling with ordered
categorical data: The story they tell depends on the estimation methods. Behavior Research
Methods, [S. l.], v. 51, n. 1, p. 409-428, 2019.
ZIMMERMAN, B. J. Theories of self-regulated learning and academic achievement: An
overview and analysis. In: ZIMMERMAN, B. J.; SCHUNK, D. H. (ed.). Self-regulated
learning and academic achievement: theoretical perspectives. Mahwah, N.J: Lawrence
Erlbaum Associates Publishers, 2001. p. 1-37.
José Carlos REDAELLI; Soely Aparecida Jorge POLYDORO and Tiago Zenker GIRELI.
RIAEE – Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 19, n. 00, e024086, 2024. e-ISSN: 1982-5587
DOI: https://doi.org/10.21723/riaee.v19i00.18231 21
ZIMMERMAN, B. J. Attaining self-regulation: a social cognitive perspective. In:
BOEKAERTS, M. P.; PAUL R.; ZEIDER, M. (ed.). Handbook of self-regulation. San
Diego, Calif.: Academic Press, 2005. cap. 2, p. 13-39.
CRediT Author Statement
Acknowledgments: Gustavo Henrique Martins; Orlando Fontes Lima Jr.
Funding: National Council for Scientific and Technological Development-CNPq-process
140282/2017-3.
Conflicts of interest: There are no conflicts of interest.
Ethical approval: Unicamp's Ethics Committee approved the project under CAAE
45318921.0.0000.8142.
Availability of data and material: The data used are available in the Unicamp repository,
shown below:
Respondent data: https://doi.org/10.25824/redu/IKMQSW;
Escala TSES: https://doi.org/10.25824/redu/ZXV00X
CLEA-SR Factor Loadings-3-Factor-Free Translation:
https://doi.org/10.25824/redu/A8EDZW
JASP Configuration: https://doi.org/10.25824/redu/NFKDXV
Original scale items sent to the judges: https://doi.org/10.25824/redu/SJRGZI.
Authors' contributions: José Carlos Redaelli: participated in the design of the
methodology; performed data collection, data tabulation, data analysis, description and
interpretation of data; and writing of the text. Soely Aparecida Jorge Polydoro: supervised
the study and methodology, design and made critical reviews. Tiago Zenker Gireli:
coordinated and supervised the study, made the final revision and approved the manuscript.
Processing and editing: Editora Ibero-Americana de Educação.
Proofreading, formatting, standardization, and translation.