Aplicación de modelos de autorregulación en tecnologías digitales para la educación superior: revisión sistemática

La autorregulación del aprendizaje (SRL) permite a los estudiantes planificar, monitorear y reflexionar sobre sus estrategias de estudio para mejorar el rendimiento académico. En la educación superior, esta competencia les permite afrontar la sobrecarga de tareas, la presión por el desempeño y la necesidad de pensamiento crítico. Aunque las tecnologías digitales ofrecen un inmenso potencial para apoyar este proceso, su efectividad depende de que estén fundamentadas en modelos teóricos consolidados de SRL. Este artículo presenta una revisión sistemática realizada bajo los lineamientos PRISMA 2020. Se consultaron ERIC, Open Alex, Scopus y Google Scholar, incluyendo 60 estudios publicados entre 2021 y 2025. El objetivo fue identificar tecnologías digitales fundamentadas en modelos de autorregulación aplicados en la educación superior, así como examinar sus beneficios y limitaciones. Los resultados muestran ocho categorías de tecnologías: agentes conversacionales con inteligencia artificial (20%), MOOC/LMS (18%), aplicaciones móviles (13%), aplicaciones web (13%), dashboards (12%), tutores inteligentes (12%), juegos digitales (7%) y propuestas innovadoras (5%). El modelo de Zimmerman fue el más aplicado (67%), seguido de Winne y Hadwin (15%), Winne (13%), Pintrich (8%) y Bandura (8%). Estas herramientas fortalecen la planificación, el monitoreo, la reflexión metacognitiva y la motivación, aunque presentan límites como sobrecarga de información, baja personalización, dependencia de retroalimentación externa y escasa atención a factores emocionales y sociales. En conjunto, los hallazgos indican que el progreso en este campo requiere integrar apoyo socioemocional, potenciar la personalización adaptativa con inteligencia artificial y articular ecosistemas que combinen distintos modelos de SRL para enriquecer la experiencia universitaria.